1 / 56

Empirische Informationswissenschaft

Empirische Informationswissenschaft. Empirische Informationswissenschaft. Informetrie: nomothetische Informetrie (informetrische Gesetzmäßigkeiten) - deskriptive Informetrie – Online-Informetrie – Web-Informetrie Analyse von Informationssystemen:

hashim
Download Presentation

Empirische Informationswissenschaft

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Empirische Informationswissenschaft Empirische Informationswissenschaft

  2. Empirische Informationswissenschaft Informetrie: nomothetische Informetrie (informetrische Gesetzmäßigkeiten) - deskriptive Informetrie – Online-Informetrie – Web-Informetrie Analyse von Informationssystemen: Retrievalsysteme (Relevanz, Recall, Precision) – Datenbasen (Availability) – Funktionalität von Datenbanken – Usability von Websites Wissenschaftliche Kommunikation: Der „Ethos“ der Wissenschaft – Zitationen und Referenzen – Zitatenanalyse – Impact Factor akademischer Zeitschriften - Themenanalyse – Wissenschaft und Öffentlichkeit – Thematisierungen Empirische Informationswissenschaft

  3. Empirische Informationswissenschaft Empirische Wissenschaftsforschung / Wissenschaftsgeschichte: Szientometrie - Wissenschaftsevaluation – Wissenschaftsgeschichtsschreibung mittels Datenbanken Knowledge Mining: Data Mining (Informetrie strukturierter Daten) – Text Mining (Informetrie unstrukturierter Daten) Nutzeranalyse: Informationsbedarf und –bedürfnis, Nutzung von Informations-systemen und –diensten Empirie der Informationstätigkeiten: Bibliotheksforschung - Informationswirtschaft Empirische Informationswissenschaft

  4. Informetrie Empirische Informationswissenschaft

  5. Informetrie Zeitschriften: Scientometrics - Cybermetrics Journal of the American Society for Information Science and Technology Kongress: International Conference on Scientometrics and Informetrics (seit 1987; alle 2 Jahre) Basisliteratur: Leo Egghe; Ronald Rousseau: Introduction to Informetrics. – Amsterdam [u.a.]: Elsevier Science, 1990. Wolfgang G. Stock: Informationswirtschaft. – München; Wien: Oldenbourg, 2000. – Kap. 5 (Data Mining bei externen Informationen) Empirische Informationswissenschaft

  6. Informetrie Nomothetische Informetrie • Konzentrationsgesetze • Zipfsches Gesetz: Verteilung von Worthäufigkeiten in Texten • Lotkas Gesetz: Verteilung von Publikationen eines Fachgebiets auf Autoren • Bradfordsches Gesetz: Verteilung von Artikeln eines Fachgebiets auf Zeitschriften • Garfieldsches Gesetz: Verteilung von Zitationen auf wissenschaftliche Zeitschriften • Gesetz der zeitlichen Verteilung • Halbwertzeit: Zeit, nach der die Hälfte einer Literatur-menge nicht mehr benutzt wird Virgil P. Diodato: Dictionary of Bibliometrics. – New York [u.a.]: Haworth, 1994. Empirische Informationswissenschaft

  7. Informetrie Zipfsches Gesetz • George Kingsley Zipf (1902 - 1950) gegeben: Text (Artikel, Buch, ...) Auszählen der Häufigkeiten jedes Wortes Ordnung der Wörter nach Häufigkeit (absteigend) r * f = C r =: Rangplatz des Wortes f =: Häufigkeit des Wortes C =: Konstante (abhängig vom Text) Empirische Informationswissenschaft

  8. Informetrie Zipfsches Gesetz Beispiel: “Ulysses” (James Joyce) Wort auf Rang 10 kommt 2.653mal vor: C = 26.530 Wort auf Rang 20 kommt 1.311mal vor: C = 26.220 Wort auf Rang 1.000 kommt 26mal vor: C = 26.000 C (Ulysses) ~ 26.000 Das Gesetz gilt für Hochfrequenzworte, z.T. auch - je nach Text - für alle Worte eines Textes. Für Niedrigfrequenz-worte hat Zipf ein weiteres Gesetz entwickelt (Zweites Zipfsches Gesetz). George K. Zipf: Human Behavior and the Principle of Least Effort. – Cambridge, MA: Addison-Wesley, 1949. Empirische Informationswissenschaft

  9. Informetrie Lotkas Gesetz Alfred J. Lotka (1880 - 1949) gegeben: Fachgebiet mit umfassender Liste der Publikationen zum Fachgebiet (Biblio- graphie, Spezialdatenbank) Auszählen der Publikationsraten für alle Autoren Sortieren der Autoren nach der Anzahl der Publikationen Zählen der Autoren mit gleichviel Publikationen x * y = c oder y = c / x x =: Anzahl der Publikationen y =: relative Häufigkeit der Autoren mit x Publikationen n, c =: Konstanten (je nach Fachgebiet) [n ~ 2] n n Alfred J. Lotka: The frequency distribution of scientific productivity. – In: Journal of the Washington Academy of Sciences 16 (1926), 317-323. Empirische Informationswissenschaft

  10. Informetrie Lotkas Gesetz Beispiel: “Journal of Finance”, 1946-1980; insgesamt 1.844 Artikel) 1.237 Autoren (67,1%) produzierten je 1 Artikel 295 Autoren (16,0%) produzierten je 2 Artikel 140 Autoren (7,6%) produzierten je 3 Artikel 63 Autoren (3,4%) produzierten je 4 Artikel 41 Autoren (2,2%) produzierten je 5 Artikel angenommen: n = 2 (1 * 1) * 0,671 = 0,671 (2 * 2) * 0,160 = 0,640 (3 * 3) * 0,076 = 0,684 c ~ 0,6 (4 * 4) * 0,034 = 0,544 (5 * 5) * 0,022 = 0,550 M. Keenan: Report on the 1987 membership survey. – In: Journal of Finance 43 (1988), 767-777. Empirische Informationswissenschaft

  11. Informetrie Lotkas Gesetz Kreise: empirische Daten Linie: nach Theorie erwartet Reduktion der Daten auf genau 100 Autoren, die 1 Aufsatz publiziert haben (C = 1, n = 2) Derek J. de Solla Price: Litte Science, Big Science. – Frankfurt: Suhrkamp, 1974. Empirische Informationswissenschaft

  12. Informetrie Bradfordsches Gesetz Samuel Clement Bradford (1878 - 1948) gegeben: Artikel eines Fachgebiets Zählen der Anzahl der Artikel pro Zeitschrift Sortieren der Zeitschriften nach der Anzahl der Artikel Bildung von drei Mengen, die jeweils die gleiche Anzahl der Artikel enthalten die Anzahl der Zeitschriften in den drei Zonen folgt der Formel 1 : n : n n =: Konstante (“Bradford Multiplikator”) 2 Empirische Informationswissenschaft

  13. Informetrie Bradfordsches Gesetz drei Zonen: Kern - Mitte - Rand empirisches Beispiel: • Bradford (1934): Schmiermittel (395 Artikel in 164 Zeitschriften) • Kern: 8 Zeitschriften produzieren 110 Artikel • Mitte: die nächsten 29 Zs. produzieren 133 Artikel • Rand: die nächsten 127 Zs. produzieren 152 Artikel 8 : 29 : 127 = 1 : 3,625 : 15,875 ~ 1 : 4 : 16 Samuel C. Bradford: Sources of information on specific subjects. – In: Engineering 137 (1934), 85-86. Empirische Informationswissenschaft

  14. Informetrie Bradford-Zipf-Bibliograph • Verallgemeinerung des Bradfordschen Gesetzes im Sinne des Zipfschen Gesetzes • Zuordnung der kumulierten Anzahl der Artikel zur kumulierten Anzahl der Zeitschriften • Berechnung der Logarithmen (Basis 10) der beiden Zahlenreihen • Darstellung als Graph der absoluten Häufigkeiten • Darstellung als Graph der Logarithmen • Darstellung als Graph in halblogarithmischer Darstellung (nur eine Achse logarithmisch; in der Regel die Anzahl der Zeitschriften); typische Formen • J-Kurve • S-Kurve • Kurve mit umgekehrtem J Empirische Informationswissenschaft

  15. Informetrie Bradford-Zipf-Bibliograph Ausgangsdaten (Quelle: Bradford 1934: Angewandte Geophysik Jg. 1928-1931) Empirische Informationswissenschaft

  16. Informetrie Bradford-Zipf-Bibliograph Absolute Häufigkeiten Empirische Informationswissenschaft

  17. Informetrie Bradford-Zipf-Bibliograph Log-Log-Graph Empirische Informationswissenschaft

  18. Informetrie J-Kurve: Disziplin mit ergiebigen Zeit-schriften ohne großen Rand S-Kurve: Disziplin mit ergiebigen, aber auch mit vielen Zeit-schriften im Rand Kurve wie umgekehrtes J: Disziplin konzentriert auf eigene Zeitschriften, aber mit Rand Bradford-Zipf-Bibliograph Halb-Log-Graph Empirische Informationswissenschaft

  19. Informetrie Garfieldsches Gesetz Eugene Garfield (geb. 1925) gegeben: Referenzen aus Quellenzeitschriften der Reihen des ISI (multidisziplinär) Zuordnung von Zitationsraten zu Zeitschriften Sortierung der Zeitschriften nach Zitationsraten Konzentration wie bei Bradford-Zipf: 75% aller Zitationen entfallen auf knapp 1.000 Zeitschriften; 84% auf ca. 2.000 Zeitschriften Praktische Konsequenz: eine Datenbank, die einige Tausend Zeitschriften (nämlich die jeweils meistzitierten) auswertet, ergibt ein repräsentatives Abbild der Wissenschaft; hieran orientiert sich die Quellenauswahl bei SCI, SSCI, A&HCI Eugene Garfield: The mystery of the transposed journal list – wherein Bradford‘s law of scattering is generalized according to Garfield‘s law of concentration. – In: E.Garfield: Essays of an Information Scientist, Vol 1. – Philadelphia: ISI Press, 1977, 222-223. Empirische Informationswissenschaft

  20. Informetrie Garfieldsches Gesetz • Beispiel: Philosophie (Drei-Zonen-Einteilung wie Bradford) gegeben: 735 Referenzen (Jg. 1975); darin zitierte Zeitschriften: 223 Kern: 6 Zeitschriften (genannt in 245 Zitationen) Mitte: 23 Zeitschriften (genannt in 245 Zitationen) Rand: 194 Zeitschriften (genannt in 245 Zitationen) also: 6 : 23 : 194 = 1 : 3,8 : 32,3 ~ 1 : 4 : 32 (erwartet: 1 : 4 : 16), demnach: sehr große Randzone Kernzeitschriften: Journal of Philosophy Philosophical Review Analysis Mind Philosophy of Sciences American Philosophical Quarterly Empirische Informationswissenschaft

  21. Informetrie Das informetrische Verteilungsgesetz f (x) C _____ f (x) = a x ca. 80 % x ca. 20% Empirische Informationswissenschaft

  22. Informetrie Gesetz der zeitlichen Verteilung: Halbwertszeit Analogie zum radioaktiven Zerfall Die Halbwertszeit ist die Zeit, in der die Hälfte eines radioaktiven Stoffes in einen anderen Stoff zerfallen ist. Dieser Prozess ist zufallsabhängig; d.h. man weiß nicht, welches Atom zu welcher Zeit zerfällt. Beispiele für Halbwertszeiten: Uran-238: 4,5 Mrd. Jahre C-14: 5.730 Jahre Jod-131: 8 Tage Empirische Informationswissenschaft

  23. Informetrie Gesetz der zeitlichen Verteilung: Halbwertszeit gegeben: Zitationen / Referenzen Sortierung der Zitationen nach der Zeit Zählen der Anzahl der Zitationen pro Jahr; Zählen der Gesamtanzahl der Zitationen Markierung des Jahres, an dem die Hälfte (ein Viertel, ein Achtel usw.) der Zitationen erreicht wird Gesetz: Die Halbwertzeiten sind (bei großen Zahlen) jeweils gleich. Empirische Informationswissenschaft

  24. Informetrie Deskriptive Informetrie • Beschreibung von Dokumentmengen. • Beispiele: • Werke eines Wissenschaftlers (Wieviel geschrieben? In welcher Zeit? Worüber? Welche Wirkung?) • Artikel und Bücher von Angehörigen eines Instituts • Patente und Artikel eines Wirtschaftsunternehmens • Wissenschaftliche Zeitschriften (Wieviele Publikationen? Wieviele unterschiedliche Autoren? Welche Wirkung?) • Wissenschaftliche und technische Themen (Wann zuerst aufgekommen? Wie verbreiteten sie sich? Wie lange diskutiert? Welche Autoren?) • Länder / Weltregionen (Nationaler Output? Internationale Wirkung?) • Websites / Domains (Einfluss? Verlinkung?) Empirische Informationswissenschaft

  25. Informetrie deskriptive Informetrie: Aufspüren von neuen Informationen in Datenbanken („Knowledge Mining“) • Rangordnungen • Zeitreihen • Semantische Netze • Informationsfluß- und Linkanalysen dabei – soweit möglich: Vergleich der beschriebenen Verteilungen mit den (nach den informetrischen Gesetzen) erwarteten Empirische Informationswissenschaft

  26. Informetrie • Rangordnungen • Fragestellung: Welches sind die Top-X-Items in einer Dokumentenmenge? • Theoretische Basis: Konzentrationsgesetze • Ziel: 1. Retrievalverbesserung; 2. Neue Informationen • Vorgehen: • Suche nach allen Datensätzen zum Thema • Rangordnung zur gewünschten Ausprägung (in den meisten Systemen der Befehl: RANK) • Ausgabe der “Hitparade” bis Platz X • Beispiel: Welche Unternehmen sind in der FuE bei Verpackungsmaschinen führend? Wolfgang G. Stock: Wirtschaftsinformationen aus informetrischen Online-Recherchen. – In: Nachrichten für Dokumentation 43 (1992), 301-315. - Wolfgang G. Stock: Das „Online-Unternehmensbild“ anhand von Wirtschaftsdaten und informetrischen F&E-Indikatoren. – In: Harald Killenberg et al. (Hrsg.): Wissensbasierte Informationssysteme und Informationsmanagement. – Konstanz: Univ.-Verl., 1991, 376-386. Empirische Informationswissenschaft

  27. Informetrie Rangordnung der Unternehmen nach Patenten bei Verpackungsmaschinen Rang absolute H. relative H. Unternehmen 1 170 0,74 % Focke & Co GmbH & Co 2 153 0,66 % Grace & Co 3 126 0,55 % Robert Bosch GmbH 4 105 0,45 % Packaging Filling Equip. N = 22.867 Patentfamilien in der IPC-Unterklasse B65B (nebst aller Unter- begriffe) N’ = 7.448 (unterschiedliche) Unternehmen mit mindestens einem Patent in B65B Empirische Informationswissenschaft

  28. Informetrie • Informetrische Zeitreihen • Fragestellung: Wie entwickelt sich ein Aspekt einer Dokumentmenge im Laufe der Zeit? • Ziel: Neue Informationen • Vorgehen: • Suche nach allen Datensätzen zum Thema • Ausgabe der Inhalte des Feldes “Jahrgang” (mit Angabe der Anzahl der DE) • graphische Aufbereitung als Zeitreihe (Tabellenkalkulationsprogramm) • Beispiel: Wieviele Patente für Verpackungsmaschinen haben die führenden Unternehmen pro Jahr zwischen 1981 und 1993 angemeldet? Empirische Informationswissenschaft

  29. Informetrie Empirische Informationswissenschaft

  30. Informetrie • Semantische Netze • Fragestellung: Gibt es in einer Dokumentenmenge zusammengehörige Komplexe? Bsp.: kooperierende Autoren oder Institute; gemeinsam auftretenden Themen; gemeinsame Referenzen oder Zitationen • Ziel: 1. Retrievalverbesserung; 2. Neue Informationen • Vorgehen: • Suche nach allen Datensätzen zum Thema • clusteranalytische Aufbereitung der DE (Spezialsoftware) • graphische Aufbereitung • Beispiel: Wie hängen die Forschungsthemen der Krones AG im Bereich der Etikettiermaschinen zusammen? Empirische Informationswissenschaft

  31. Informetrie Thematisches Cluster der Artikel von Krones-Mitarbeitern im Bereich der Etikettiermaschinen (im Bild der Deskriptoren der FIZ Technik-Datenbank DOMA) Empirische Informationswissenschaft

  32. Informetrie • Informationsflussgraphen / Linkanalysen (1) • Fragestellung: Fließen innerhalb einer Dokumentenmenge Informationen (welche?, wieviele?) von A nach B? Sofern Hypertextdokumente vorliegen: Sind A und B verlinkt? • Ziel: 1. Retrievalstrategie; 2. Neue Informationen • Vorgehen bei Zitationen: • Aufruf einer Datenbank, die Zitationen speichert (wiss. Artikel; Patente; Grundsatzurteile) • Suche nach zitierenden Dokumenten (nach vorne) und nach zitierten Dokumenten (nach hinten) – Hostsoftware • graphische Aufbereitung als Informationsflussgraph • Beispiel: Woher stammen die Technologieinformationen der Krones AG? Wohin fließen die Technologieinformationen von Krones? Empirische Informationswissenschaft

  33. Informetrie Wissensimport und –export bei der Krones AG (im Bild von Derwent World Patents Index bei Questel-Orbit) Empirische Informationswissenschaft

  34. Informetrie • Informationsflussgraphen / Linkanalysen (2) • Fragestellung: Fließen innerhalb einer Dokumentenmenge Informationen (welche?, wieviele?) von A nach B? Sofern Hypertextdokumente vorliegen: Sind A und B verlinkt? • Ziel: 1. Retrievalstrategie; 2. Neue Informationen • Vorgehen bei Hypertextdokumenten: • Aufruf einer Suchmaschine, die eine Feldsuche zu Links, Ankertexten, Hosts und Domains anbietet • entweder direkte Ausgabe der „Landkarte“ • oder graphische Aufbereitung als Linkgraph • Beispiel 2: Wie sind deutsche Webseiten zu Miranda Otto verlinkt? Empirische Informationswissenschaft

  35. Informetrie Link-Topologie deutscher Webseiten zu Miranda Otto (im Bild von Kartoo.com) Empirische Informationswissenschaft

  36. Informetrie Datengewinnung der Informetrie • Online-Informetrie bei Content-Aggregatoren • Voraussetzungen: • (1) spezifische informetrische Befehle • (2) adäquates Feldschema • (3) adäquate Datenbasis • Web-Informetrie bei Suchmaschinen • Voraussetzungen: • (1) Abfrage der HTML-Tags • (2) adäquate Datenbasis • Offline-Informetrie mittels spezifischer Analysesoftware • Download von Datensätzen • Weiterverarbeitung offline Empirische Informationswissenschaft

  37. Informetrie Online-Informetrie bei Content-Aggregatoren Empirische Informationswissenschaft

  38. Informetrie Informetrische Befehle bei STN Rangordnungen mit ANALYZE ANALYZE and TABULATE Commands. – In: STNotes No. 17 (1998), 1-5. Empirische Informationswissenschaft

  39. Informetrie Informetrische Befehle bei STN Zusammenhänge zweier Variablen mit TABULATE (wenn eine Variable PY ist: Zeitreihe) ANALYZE and TABULATE Commands. – In: STNotes No. 17 (1998), 6-8. Empirische Informationswissenschaft

  40. Informetrie In welche Technikgebiete hinein haben Düsseldorfer Unternehmen die größte Wirkung? Welches ist das meistzitierte Patent des Jahres 1995? Informetrische Befehle bei DIALOG: Zusammenspiel von MAP und RANK MAP PN/CT= Mechtild Stock; Wolfgang G. Stock: Dialog/DataStar. One-Stop-Shops internationaler Fachinformationen. – In: Password Nr. 4 (2003), 22-29. Empirische Informationswissenschaft

  41. Informetrie Zusammenspiel von MAP und RANK Zwischenergebnis; unter SC004 gespeichert Datenbankwechsel: b 342 Ausführen der gespeicherten Suche: EXS SC004 Empirische Informationswissenschaft

  42. Informetrie RANK IC(1-4) RANK CT C11D : Reinigungsmittel G08G : Verkehrsregelungs- und -überwachungssysteme Empirische Informationswissenschaft

  43. Informetrie Web-Informetrie bei Suchmaschinen Web Impact Factor (WIF) • WIF(C) = (# Links auf Seiten von C) / (# Seiten innerhalb C) bei AltaVista: Zähler: link:.XX/ Nenner: domain:XX oder host:www.XXX/ Self-Link WIF (C) = (# Links aus C auf C) / (# Seiten innerhalb C) bei AltaVista: Zähler: domain/host:XX/ AND link:.XX/ • Ext-Link WIF (C) = (# Links außerhalb C auf C) / (# Seiten innerhalb C) bei AltaVista: Zähler: link:.XX/ AND NOT (domain/host:XX AND link:.XX/) • Es gilt: WIF(C) = Self-Link (C) + Ext-Link (C) Peter Ingwersen: The calculation of Web Impact Factors. – In: Journal of Documentation 54 (1998), 236-243. Empirische Informationswissenschaft

  44. Informetrie Web Impact Factor (WIF): Die „klassischen“ Ergebnisse von Ingwersen (AltaVista; Mitte 1997) Empirische Informationswissenschaft

  45. Informetrie Web Impact Factor (WIF) für Norwegen (.no) und Deutschland (.de) – April 2003 • WIF (NO) = 2,97 WIF (DE) = 0,65 • Self-Link WIF (NO) = 0,46 Self-Link WIF (DE) = 0,38 • Ext-Link (NO) = 2,51 Ext-Link (DE) = 0,25 • N (Seiten NO) = 4,77 Mio. N (Seiten DE) = 86,61 Mio. Empirische Informationswissenschaft

  46. Informetrie Web Impact Factor (WIF) für Uni Düsseldorf und Uni Köln – April 2003 • WIF (DDF) = 0,44 WIF (KÖLN) = 0,49 • Self-Link WIF (DDF) = 0,03 Self-Link WIF (KÖLN) = 0,14 • Ext-Link (DDF) = 0,41 Ext-Link (KÖLN) = 0,35 • N (Seiten DDF) = 56.927 N (Seiten KÖLN) = 87.421 Empirische Informationswissenschaft

  47. Informetrie Variante des Web Impact Factor von Thelwall • Kritik am Verfahren von Ingwersen: Die Zahl der Webseiten eines Hosts sagt nichts über die dahinterstehende Organisation aus. • Vorschlag: • (a) Beschränkung auf externe Links • (b) Relativierung auf die Anzahl der Vollzeitäquivalente akademischer Mitarbeiter einer Institution (was heißt, dass diese Variante ausschließ-lich auf Universitäten und andere Forschungseinrichtungen anwendbar ist) • Academic-WIF (C) = (# Links außerhalb C auf C) / (# Wissenschaftler-Vollzeitäquivalente in C) Mike Thelwall: A comparison of sources of links for academic Web impact factor calculation. – In: Journal of Documentation 58 (2002), 66-78. Empirische Informationswissenschaft

  48. Informetrie Academic Web Impact Factor (Acad. WIF) und Wissen-schaftsevaluation • Gibt es Korrelationen (Pearson) zwischen • Acad. WIF und • „Official Government Research Assessment Exercise“ (RAE) für britische Universitäten? Domain der externen Links Empirische Informationswissenschaft

  49. Analyse von Informationssystemen Empirische Informationswissenschaft

  50. Analyse von Informationssystemen Die „klassischen“ Kennwerte zur Bewertung von Retrievalsystemen • Haben wir alle Datensätze gefunden, die handlungsrelevantes Wissen beinhalten? (Vollständigkeit; Recall) Recall R = a / a + c • Haben wir nur solche Datensätze gefunden? (Genauigkeit, Precision) Precision P = a / a + b a =: gefundene relevante Treffer b =: nichtrelevante Datensätze, die in der Treffermenge enthalten sind (Ballast) c =: relevante Datensätze in der Datenbank, die nicht gefunden wurden Salton Gerard Salton; Michael J. McGill: Information Retrieval – Grundlegendes für Informationswissenschaftler. – Hamburg [u.a.]: McGraw-Hill, 1983. – Kap. 5: Die Bewertung von Retrievalsystemen, 167-210. Empirische Informationswissenschaft

More Related