Möglichkeiten und Grenzen der Wissenschaftssuchmaschine Google Scholar. Prof. Dr. Dirk Lewandowski

Transkript

1 Möglichkeiten und Grenzen der Wissenschaftssuchmaschine Google Scholar Prof. Dr. Dirk Lewandowski

2 Anspruch von Google Scholar Goal: Best possible scholarly search. Idea: Rank as reseachers do. 3 Dirk Lewandowski: Google Scholar (Weimar, )

3 Agenda Kontext Academic Web Inhalte und Recherchemöglichkeiten Untersuchungen zu Umfang und Qualität Implikationen für die Recherche 4 Dirk Lewandowski: Google Scholar (Weimar, )

4 Agenda Kontext Academic Web Inhalte und Recherchemöglichkeiten Untersuchungen zu Umfang und Qualität Implikationen für die Recherche 5 Dirk Lewandowski: Google Scholar (Weimar, )

5 Surface Web vs. Invisible Web Definitionen des Invisible/Deep Web Text pages, files, or other often high-quality authoritative information available via the World Wide Web that general-purpose search engines cannot, due to technical limitations, or will not, due to deliberate choice, add to their indices of Web pages" (Sherman u. Price 2001). The deep Web - those pages do not exist until they are created dynamically as the result of a specific search (Bergman 2001). 6 Dirk Lewandowski: Google Scholar (Weimar, )

6 Bereiche des (Academic) Web Surface Web Alle Inhalte, die von den allgemeinen Suchmaschinen erschlossen werden (können). Invisible Web Alle Inhalte, die von den allgemeinen Suchmaschinen nicht erschlossen werden (können), vor allem die Inhalte von Datenbanken, die über das Web erreichbar sind. Academic Surface Web Wissenschaftliche Inhalte im Oberflächenweb. Alle Seiten von Unis, Forschungseinrichtungen, usw. Wissenschaftliche Texte. Academic Invisible Web Vor allem Inhalte aus wissenschaftlich relevanten Datenbanken. Bibliothekskataloge, Literaturdatenbanken, Bücher, Aufsätze, Forschungsdaten,... 7 Dirk Lewandowski: Google Scholar (Weimar, )

7 Bedeutung des Academic Invisible Web Die Inhalte sind für den gesamten wissenschaftlichen Prozess von Bedeutung. Literatur (Artikel, Dissertationen, Report, Bücher, usw.). Forschungsdaten. Reine Online-Inhalte (u.a. Open-Access-Inhalte). Anbieter von IW-Inhalten Datenbank-Anbieter (Metadaten + intellektuelle Erschließung). Bibliotheken (Bibliothekskataloge, Sammlungen + intellektuelle Erschließung). Verlage (Volltexte + automatische/teils intellektuelle Erschließung). 8 Dirk Lewandowski: Google Scholar (Weimar, )

8 Größe des (Academic) Invisible Web Größe des Invisible Web nach Bergman (2001): 550 Milliarden Dokumente Berechnung: Durchschnittliche Größe der bekannten (großen) IW-Datenbanken * geschätzte Gesamtzahl der IW-Datenbanken. Problem: Verteilung der Datenbank-Größen stark linksschief (Median: Dokumente je Datenbank). Wenige Datenbanken enthalten viele Dokumente (>100 Millionen), viele Datenbanken nur einige Tausend. Tatsächliche Größe des IW dürfte bei <100 Milliarden Dokumenten liegen (Lewandowski&Mayr, 2006). Gesamtgröße aller Datenbanken im Gale Directory of Databases: 18,92 Milliarden Dokumente. Verzeichnis von ca Datenbanken. Manche der in Bergmans Liste aufgeführten Datenbanken fehlen. 9 Dirk Lewandowski: Google Scholar (Weimar, )

9 Zugang zum Academic Invisible Web - verschiedene Ansätze Kommerzielle Suchmaschinen Google Scholar Windows Live Academic Scirus Bibliotheken und Datenbank-Anbieter BASE (Bielefeld Academic Search Engine) HBZ-Suchmaschine Vascoda (Integration von Bibliotheks- und Datenbank-Inhalten) Open Access Repositories Citebase OpenROAR 10 Dirk Lewandowski: Google Scholar (Weimar, )

10 Agenda Kontext Academic Web Inhalte und Recherchemöglichkeiten Untersuchungen zu Umfang und Qualität Implikationen für die Recherche 11 Dirk Lewandowski: Google Scholar (Weimar, )

11 Motto: Alle Fächer, alle Quellen, alle Texte Inhalte von Google Scholar Fächer prinzipiell alle Fächer, Schwerpunkt bei STM. Quellen freies Web Verlage und Fachgesellschaften Open-Access-Archive und -Zeitschriften Kein Quellenverzeichnis; Umfang der Quellen unklar 12 Dirk Lewandowski: Google Scholar (Weimar, )

12 Coverage by category two categories 4% phy 12% eng 14% three categories 0% unclassified 6% bio 13% chm 7% low confidence 4% soc 13% bus 5% med 22% (Google, 2006) 13 Dirk Lewandowski: Google Scholar (Weimar, )

13 Google Scholar bietet keine Qualitätskontrolle. Arten von Inhalten in Google Scholar Texttypen Zeitschriftenaufsätze (peer review), Konferenzbeiträge Preprints, Postprints Reports Diplomarbeiten Seminararbeiten... Dateiformate PDF, PS 14 Dirk Lewandowski: Google Scholar (Weimar, )

14 Dokumenttypen Direkter Link auf den Volltext Normale Literaturangabe Zitation Buch 15 Dirk Lewandowski: Google Scholar (Weimar, )

15 Inhalte werden gecrawlt und wenn möglich im Volltext erschlossen. Einbindung und Erschließung der Inhalte Erfassung der Inhalte crawlerbasiert; keine Feeds von Verlagen Crawling von geschützten Inhalten bei den Verlagen Kooperationen keine veröffentlichte Liste der Kooperationspartner u.a. ACM, Blackwell, Institute of Physics, Nature Publishing Group, Wiley, Springer Erschließung Volltexterschließung (+Relevance Ranking) keine Übernahme der vorgegebenen Schlagwörter, Systemstellen, usw. keine Anwendung linguistischer Verfahren Die Erschließung der Dokumente in Feldern ist absolut unzuverlässig. 16 Dirk Lewandowski: Google Scholar (Weimar, )

16 Instanzen eines Artikels werden zusammengeführt. 17 Dirk Lewandowski: Google Scholar (Weimar, )

17 Instanzen eines Artikels werden zusammengeführt Verlag Portal Private Homepage Open-Access-Archiv 18 Dirk Lewandowski: Google Scholar (Weimar, )

18 Die Suchmöglichkeiten sind sehr beschränkt. Suchfunktionen Suchformulare Einfache und erweiterte Suche analog zu Google.com Einschränkungsmöglichkeiten Boolesche Operatoren (mit den von Google bekannten Einschränkungen) Phrasensuche Beschränkung auf Titel, Autor, Publikation, Datum. Nur eingeschränkt funktionstüchtig. Browsing entlang der Zitationen. 19 Dirk Lewandowski: Google Scholar (Weimar, )

19 Browsing entlang der Zitationen (1) 20 Dirk Lewandowski: Google Scholar (Weimar, )

20 Browsing entlang der Zitationen (2) 21 Dirk Lewandowski: Google Scholar (Weimar, )

21 Agenda Kontext Academic Web Inhalte und Recherchemöglichkeiten Untersuchungen zu Umfang und Qualität Implikationen für die Recherche 22 Dirk Lewandowski: Google Scholar (Weimar, )

22 Der Datenbestand ist in den letzten Jahren gewachsen Gesamtbestand 2005: 2-7 Millionen Dok; 2007: ca. 25 Mio. Dok. 23 Dirk Lewandowski: Google Scholar (Weimar, )

23 Abdeckung auf Zeitschriftenbasis (Mayr&Walter 2006, 2007) Basis der Untersuchung: Zeitschriftenlisten Web of Science (SCI, SSCI, AHCI) Directory of Open Access Journals SOLIS Journal List 24 Dirk Lewandowski: Google Scholar (Weimar, )

24 Abdeckung auf Zeitschriftenbasis (Mayr&Walter 2006, 2007) Analyse der ersten 100 Ergebnisse je Zeitschriftentitel. Anteil der Dokumenttypen 25 Dirk Lewandowski: Google Scholar (Weimar, )

25 Abdeckung deutscher bibliotheks- und informationswissenschaftlicher Zeitschriften (Lewandowski 2007) Basis: Alle Artikel der Jahrgänge aus deutschen LIS-Zeitschriften. Jeder Artikel wird in Google Scholar überprüft. Keine der untersuchten Zeitschriften wird in GS vollständig nachgewiesen. GS lässt sich wenigstens zum Teil zur schnellen Beschaffung der Volltexte nutzen. 26 Dirk Lewandowski: Google Scholar (Weimar, )

26 Laufende Untersuchung zu internationalen LIS-Zeitschriften Ca. 95% der Artikel werden nachgewiesen. Ca. 10% als Preprint. Ca. 10% als kostenloses PDF. Ca. 70% als kostenpflichtiges PDF. [vorläufige Ergebnisse] 27 Dirk Lewandowski: Google Scholar (Weimar, )

27 Google Scholar als Rechercheinstrument (Callicott&Vaughn 2006) Test anhand von fünf konstruierten Suchanfragen ( typische Bibliotheksanfragen von Studenten ). Vergleich von GS mit Bibliothekskatalog, EBSCO Academic Search Premier, fachspezifische Datenbank. Bewertung der ersten 100 Treffer nach Relevanz (durch die Testleiter). Ergebnis: Google Scholar schneidet nicht besonders gut ab; Qualität der Ergebnisse variiert jedoch. Fazit: GS kann Fachdatenbanken nicht ersetzen. 28 Dirk Lewandowski: Google Scholar (Weimar, )

28 Google Scholar als Rechercheinstrument (Machill&Beiler 2007) Vergleich zwischen Bibliothek, Google (Web) und Google Scholar anhand zweier medienwissenschaftlicher Suchaufgaben. Qualitätskriterien für Fernsehprogramme nach Schatz/Schulz (1992) Medien-Performance-Ansatz von McQuail (1992) 36 Versuchspersonen, Durchführung Mitte 2005, 15 Minuten Bearbeitungszeit je Frage, Bewertung des Wissenszuwachses durch Punktvergabe. Beste Ergebnisse mit Google Web, dann GS, zuletzt: Bibliothek. Mit Google Web lassen sich leicht und schnelle einige Informationen zum Thema finden, deren Qualität kann jedoch nur schwer beurteilt werden. 29 Dirk Lewandowski: Google Scholar (Weimar, )

29 Agenda Kontext Academic Web Inhalte und Recherchemöglichkeiten Untersuchungen zu Umfang und Qualität Implikationen für die Recherche 30 Dirk Lewandowski: Google Scholar (Weimar, )

30 Fazit GS ist keine umfassende Wissenschaftssuchmaschine. GS ersetzt nicht die Recherche in Fachdatenbanken. Abdeckung Suchmöglichkeiten, Exaktheit der Treffer GS ist schneller als andere Datenbanken Erfassung neuer Artikel erfolgt automatisch. Erfassung der Artikel schon im Stadium des Preprints. GS lässt sich gut für die Recherche nach einigen brauchbaren Artikeln nutzen (Gefahr bei studentischen Arbeiten). Mit GS kann in vielen Fällen der Volltext unproblematisch beschafft werden. 31 Dirk Lewandowski: Google Scholar (Weimar, )

31 Vielen Dank für Ihre Aufmerksamkeit. Lewandowski, Dirk; Mayr, Philipp: Exploring the Academic Invisible Web. Library Hi Tech 24(2006)4, Lewandowski, Dirk: Suchmaschinen als Konkurrenten der Bibliothekskataloge: Wie Bibliotheken ihre Angebote durch Suchmaschinentechnologie attraktiver und durch Öffnung für die allgemeinen Suchmaschinen populärer machen können. In: Zeitschrift für Bibliothekswesen und Bibliographie 53(2006)2, Lewandowski, Dirk: Nachweis deutschsprachiger bibliotheks- und informationswissenschaftlicher Aufsätze in Google Scholar. IWP 58(2007)3,