Fondamenti di Informatica - dinamico2.unibg.itdinamico2.unibg.it/cazzaniga/files/1314/parte7.pdf · Fondamenti di Informatica La ricerca dell’informazione Cazzaniga Paolo Dip. di

La ricerca dell’informazioneLe biblioteche

L’OPAC

Fondamenti di InformaticaLa ricerca dell’informazione

Cazzaniga Paolo

Dip. di Scienze Umane e [email protected]

Dott. Cazzaniga Paolo Fondamenti di Informatica


L’OPAC

Outline

1 La ricerca dell’informazione

2 Le biblioteche

3 L’OPAC



L’OPAC

Outline


2 Le biblioteche

3 L’OPAC



L’OPAC

I documenti

Documenti o risorse informative sono memorizzati su supporti fisici

Prima...tipo analogico

supporto cartaceomicrofiches, slideconsultazione immediata e diretta

...poitipo digitale

documento multimediale leggibile tramite l’uso di calcolatorisupporto locale: CD, DVD, HDsupporto remoto: server webl’accesso remoto richiede autorizzazione



L’OPAC

Aggiornare i documenti

documenti analogiciproduzione di una nuova versione (edizione)risorse continuative: opere multivolume

documenti digitaliaggiunta e modifica sono di facile e veloce realizzazionerisorse integrative

- Nel web è possibile trovare più versioni dello stesso documento,è quindi necessario identificare la più recente

- Diversi tipi di documenti hanno un diverso ciclo di vita- Quando si cerca un’informazione bisogna sempre valutare il

grado di aggiornamento di un documento.- Le informazioni vanno contestualizzate



L’OPAC

Information Retrieval

L’utente ha diverse possibilità per cercare informazioni:consultare un esperto (tacit knowledge retrieval)ricerca nel catalogo di una biblioteca o motore di ricerca(information retrieval)consultare direttamente un documento (full text retrieval)consultare un documento pertinente (reference linking)

Grazie alle nuove tecnologie e al web esiste una sovrapposizione trala ricerca di/tra/nei documenti



L’OPAC

Information Retrieval

E’ un processo iterativo che coinvolge un utente che esegue unarichiesta o query e che si conclude con una risposta o result fornitadal sistema

Le informazioni devono essere indicizzate per essere reperite

Un sistema di Information Retrieval non fornisce direttamenteall’utente l’informazione richiesta ma lo informa sull’esistenza dipossibili fonti di informazione

Il risultato è una selezione (pertinente alla query) fatta tra leinformazioni disponibili (ovvero quelle indicizzate)

I risultati di una query vengono valutati secondo la loro rilevanza equindi ordinati (relevance ranking)

L’information retrieval non è un processo semantico



L’OPAC

La query

Una query è una stringa di testo che specifica le caratteristiche deldocumento che deve essere cercato

Esempio: cercare il libro di Umberto Eco sulla stesura di tesi- usando google- usando google libri- usando la ricerca avanzata di google libri

Attenzione a come viene impostata la ricerca! Ci vuole un certogrado di conoscenza per impostare parametri specifici!



L’OPAC

I metadati

I metadati sono delle informazioni sull’informazione che nefavoriscono il reperimento

I metadati vengono prodotti da catalogatoridati salienti di un documento trascritti a manol’autore di un articolo è un catalogatore

abstract, keywords

social tagging (catalogazione da parte di utenti)

Grazie ai sistemi di Information Retrieval la catalogazione è stataautomatizzata



L’OPAC

I metadati

Solitamente il catalogatore indicizza solo alcune parti del documento(paratesto)

I sistemi di indicizzazione automatica analizzano in maniera efficientel’intero testo

rappresentazione a testo pieno (full text indexing)

Un metadato rappresenta una singola informazione. Più metadativengono raggruppati in record per avere una descrizionesufficientemente articolata per permettere il reperimento

Schema di metadati: insieme di elementi di metadato, ovvero coppieetichetta:valore con regole di utilizzo e formati per lo scambio



L’OPAC

I tipi di metadati

descrittivi (informazioni generali)semantici (contenuto intellettuale)localizzazione (posizione copia fisica o url)

Tra i metadati descrittivi, il più importante è l’identificatoreISBN codice costituito da 13 cifreURL (prima) indirizzo web della risorsaDOI (adesso)



L’OPAC

I tipi di metadati: ISBN



L’OPAC

I tipi di metadati: DOI

Digital Object IdentifierIdentifica univocamente gli oggetti digitali pubblicati in InternetRisolve il problema della non persistenza degli URL

Esempio: doi:10.1016/j.biotechadv.2011.06.014


http://dx.doi.org/10.1016/j.biotechadv.2011.06.014


L’OPAC

I tipi di metadati

Metadati di legamerelazioni tra documenti diversi, versioni o parti logichesolitamente il tipo di relazione viene specificato in sottocategoriedi questo metadato

Metadati specialisticiutile per la precisione dei risultati di ricercapenalizza le ricerche effettuate contemporaneamente su piùsistemi di Information Retrieval

Il problema dell’interoperabilità dei metadati può rivelarsi secondodifferenti aspetti:

sintassisemanticauso di etichette differenti



L’OPAC

I tipi di metadati

Metadati gestionali e strutturaliconservazione e gestione delle risorsedescrizione interna del documento per una correttavisualizzazione di risorse composte da più file

Metadati per la gestione dei dirittidiritti d’uso delle risorseinformano l’utente in che misura i contenuti possono essereduplicati e diffusi



L’OPAC

I tipi di metadati

I metadati vengono memorizzati nel documento digitale stesso

I classici formati HTML, XML, TEI, TIFF, MP3, ecc. hanno dei tagappositi che vengono messi nell’header del file

I metadati non vengono visualizzati ma possono essere raccolti daiweb crawler per indicizzare le risorse

In realtà i motori di ricerca generalisti non raccolgono i metadati acausa del fenomeno di spamming

gli autori delle risorse web ripetono centinaia di volte le keywordper influenzare il ranking dei motori di ricerca

Solo i motori specialistici raccolgono metadati di tipologie specifichedi documenti

articoli scientifici



L’OPAC

Outline


2 Le biblioteche

3 L’OPAC



L’OPAC

Le biblioteche

La biblioteca rende libero l’accesso alle informazioni, l’interazione trautenti e risorse viene gestita secondo le seguenti funzioni:

selezione e acquisizione dei documentilocazione nella collezionesegnalazione agli utenti (tramite cataloghi)ricerca e accesso vengono facilitatigestione della circolazione delle risorse (prestito o download)conservazione delle risorse (riordino e pulizia)rimozione al termine del ciclo di vita



L’OPAC

Le biblioteche

Con l’avvento del web:le biblioteche hanno cominciato a raccogliere anche formatidigitali di documenti

ebooksejournalbanche dati

consentono l’accesso anche a risorse esterne freeanche l’utente è cambiato perchè è consapevole della presenzadi sistemi di Information Retrieval

assenza di mediazione da parte di operatori specializzatiimmediatezza dell’accesso e del reperimento



L’OPAC

Le biblioteche

Quali sistemi di Information Retrieval sono presenti nelle biblioteche?indici o elenchi ordinati

disposizione fisica dei documentiindici di registrazioni bibliografichecataloghi

biblioteche a scaffale apertoordinamento per argomentocodici alfanumericicodice Dewey (001.302 85 INF UMA)

Il browsing a scaffale ha alcuni vantaggipermette di accedere a documenti che trattano simili argomentipermette di valutare altre caratteristiche delle risorse (usura,ecc.)



L’OPAC

Le biblioteche

Ci sono diversi problemi legati all’accesso alle risorse a scaffaleaperto (e non)

un documento manca perchè non presente nella collezione operchè in prestito?qual è il criterio di ordinamento?qual è il codice di un particolare argomento?

Per ovviare a questi problemi ogni biblioteca dispone di cataloghi incui ogni risorsa viene rappresentata con una scheda catalografica

intestazione o punto di accesso (criterio di ordinamento)indicazione della collocazione fisicadescrizione (serie di metadati aggiuntivi)alcuni metadati possono diventare intestazioni per schedesecondarie

La descrizione è fondamentale per l’information retrieval



L’OPAC

Le biblioteche

Esistono due tipi principali di catalogazioneper autore/titolo (ordinamento alfabetico)per soggetto (stringhe di testo che identificano l’argomento)

Come il browsing a scaffale anche questi cataloghi vengonoconsultati per scorrimento e hanno diversi problemi

l’utente potrebbe non conoscere i metadati usati perl’intestazionetipi di documenti diversi in cataloghi diversi

Per questi motivi si è passati all’OPAC (Online Public AccessCatalogue), database di accesso pubblico consultabili dagli utentianche all’esterno delle biblioteche



L’OPAC

La catalogazione bibliotecaria

Si basa su principi concordati a livello internazionalefunzioni di catalogocreazione di record bibliografici

Anche i metadati sono regolamentati a livello internazionalemetadati semantici testualimetadati semantici codificati (classificazione decimale Dewey)



L’OPAC


La catalogazione deve servire l’interesse dell’utente, le descrizionidevono:

essere accurate ma non ridondanti

utilizzare il più possibile il lessico di uso comune

applicarsi in modo uniforme a tutti i tipi di risorsa

essere sostenibili (economici e semplici)

Il catalogo OPAC deve quindi consentire all’utente:trovare uno o più documenti attraverso una ricerca (condotta sugliattributi)

identificare un documento (tra un elenco di documenti simili)

selezionare i documenti più adatti e appropriati

ottenere il documento (prestito, visualizzazione via web, download, ecc.)

navigare nel catalogo (utilizzando le relazioni tra documenti)



L’OPAC


Il catalogatore deve collezionare tutte le informazioni, sotto forma dimetadati, necessarie ad una corretta catalogazione del documento eper permettere la ricerca del documento stesso.

Esempio:OPAC: http://servizibibliotecari.unibg.it/

Le catalogazioni tramite OPAC vengono registrate in formato MARC

Il formato MARC permette lo scambio di informazioni tra sistemibibliotecari, ma non via web

Per questo motivo è stata proposta una versione XML di MARC



L’OPAC


Il catalogatore deve specificare i punti di accesso dei recordbibliografici

scegliere i termini indicizzati che possono essere usati perreperire il recordspecificare i punti di accesso indispensabili (titolo, autore,soggetto, anno)specificare i punti di accesso aggiuntivi (paese, lingua, ecc.)

Alcuni punti di accesso indispensabili possono non essere univoci(titolo, autore)

E’ necessario raggruppare le forme varianti per permettere all’utentedi reperire tutti i documenti

E’ necessario disambiguare le situazione di omonimia



L’OPAC


Il catalogatore specifica il controllo di autoritàcreazione di una registrazione di autoritàraggruppamento delle varianti in punti di accesso autorizzatospecifica di rinvii, legami alla forma autorizzataspecifica informazioni aggiuntive in caso di omonimia

Esempi:

Lista: Autori

Ronald James Padavona - [Record di Authority]

Vedi: Ronnie James Dio

Forma Autorizzata Ronnie James DioForma Variante Ronald James PadavonaForma Variante Ronnie James Padovani



L’OPAC


I record di autorità sono memorizzati in un authority file esternoal catalogoHanno una struttura standard espressa in formatoMARC/AuthorityOgni biblioteca possiede un proprio authority file

Si sta cercando di definire un controllo di autorità internazionale deinomi

Il VIAF crea registrazioni di autorità “rafforzate” che combinano leinformazioni prese dai record di autorità di diversi pasei



L’OPAC


Il catalogo permette di navigare tra documenti correlati tra lorovengono definite delle relazioni a prioriraggruppamento dei documenti in base a esigenze informativei metadati usati per definire queste relazioni sono detti di legame

In generale un documento consiste di:componente astratta

opera (contenuto intellettuale)espressione (il modo: testo, immagini, ecc.)

componente fisicamanifestazione (supporto fisico)esemplare (l’oggetto particolare)



L’OPAC


Possiamo quindi avere diversi tipi di relazionedi equivalenza (cambia il supporto)derivativa (cambia l’espressione: traduzioni, revisioni, ecc.)descrittiva (cambia il contenuto intellettuale: critica, commenti,ecc.)sequenziale (es. il sequel di un film)di accompagnamento (es. supplemento di una rivista)

Le relazioni vengono specificate nei record catalografici, con deicampi di legame attivabili come link verso il documento correlato



L’OPAC

La catalogazione semantica

Per esigenze informative riguardanti un determinato soggetto(semantica del documento)

si cercano i metadati portatori di semantica (es. titolo)questi rappresentano il punto di accesso semantico aldocumentospesso titolo o sottotitolo non sono sufficientisi usano quindi due metadati specifici: soggetto e classificazionela soggettazione consiste nella creazione di stringhe strutturate osoggetti

Il processo di soggettazione è standardizzato, il catalogatore procedecon l’analisi concettuale o la ricostruzione dell’argomento

Genera quindi la stringa di soggetto basata su criteri logico-linguistici



L’OPAC


Soggettazione, esempio: I rag@zzi del web: i preadolescenti einternet: una ricerca

Oggetto: InternetInternet – Diffusione

Internet – Diffusione – AdolescenzaInternet – Diffusione – Adolescenza – Inchieste

Le ricerche vengono fatte tramite la post-coordinazione: i motoriindicizzano i singoli termini e l’utente li ordina quando costruisce laquery



L’OPAC


Come viene creato il linguaggio di indicizzazione usato dalcatalogatore?

linguaggi di indicizzazione non controllati: derivano i termini daldocumento stesso (keywords)linguaggi di indicizzazione controllati: assegnano ai concetti deitermini appositamente scelti (i descrittori)il vocabolario controllato è una lista di descrittori (enon-descrittori)il thesaurus è un vocabolario controllato che indica anche lerelazioni tra descrittori

relazione gerarchica: descrittori dello stesso ambito ma con diversilivelli di specificitàrelazione associativa: descrittori con concetti coordinati



L’OPAC


I documenti possono anche essere classificati secondo uno schemadi classificazione bibliografica

la più usata è la classificazione decimale Dewey (CDD)prevede uno schema enumerativo con 10 aree principali o classirispetto alla soggettazione, l’argomento è rappresentato da uncodice di classificazionevengono usate 3 cifre: una per le classi, una per le suddivisionidi classe, una per le sezioni delle suddivisioniè possibile aggiungere altre cifre per specificare megliol’argomento

600 Scienze applicate610 Medicina616 Malattie616.1 Specifiche malattie616.12 Malattie del cuore



L’OPAC


I problemi della classificazione CDDdislocazione: quando vengono prodotte nuove versioni e alcuniargomenti cambiano numeroricollocazione: nuove edizioni prevedono la ricollocazione didocumenti sugli scaffaliè difficile assegnare un numero a documenti che trattanoargomenti multidisciplinari



L’OPAC

Outline


2 Le biblioteche

3 L’OPAC



L’OPAC

La ricerca nell’OPAC

Il navigatore DeweyI tipi di materialeLe liste di browsing (autore, titolo, soggetto)

navigazione interna tra i record

La ricerca di basei filtri

La ricerca avanzatagli operatori booleanigli operatori di prossimitàgli operatori di troncamento e mascheramento

Le risorse elettroniche remote sono ancora in fase diintegrazione

gli standard usati nelle biblioteche sono poco adatti

Attenzione! Il modello booleano prevede l’esclusione dei risultatiparzialmente corretti


http://opac.bncf.firenze.sbn.it/opac/controller.jsp?action=dewey_browse

http://opac.bncf.firenze.sbn.it/opac/controller.jsp?action=search_avanzataedit

http://opac.bncf.firenze.sbn.it/opac/controller.jsp?action=search_bytitoloedit


L’OPAC


Per ottenere più risultati vengono quindi rilassati i termini della query

si ottiene una lista di risultati difficilmente consultabilealcuni OPAC permettono di

ordinare i risultati (anche per rilevanza o popolarità)raffinare i risultaticlusterizzare i risultatidare più peso a documenti con particolari parole chiave

ricerche usando operatori fuzzymisurano il grado di prossimità dei risultati ai termini della ricerca

salvare il set di risultati e lo storico delle ricerche

Esempio: NCSU Libraries


http://www.lib.ncsu.edu/


L’OPAC


Nei risultati dell’OPAC è possibile trovare collegamenti ipertestuali arisorse esterne

spesso le risorse elettroniche remote non sono catalogate ma sitrovano in altri punti del sito webdiverse risorse hanno diversi gradi di accessibilità

credenziali di accessoip range

risorse online della biblioteca UniBgil vantaggio delle risorse remote è che permettono di ottenere piùinformazioni rispetto a quelle del catalogolo svantaggio è che si rischia di decontestualizzare la risorsascostandosi dall’obiettivo principale della ricerca


http://193.204.255.22/F/3XQH7GMUPG339KUI1N9YP4BDDN2Q2A98UA471HVMHCI8P7DQ1G-05767?func=full-set-set&set_number=001733&set_entry=000002&format=999


L’OPAC

Oltre l’OPAC

motori specialisticiGoogle LibriGoogle Scholar

banche dati bibliografiche (a pagamento)servizi di abstracting (ERIC – Education Resources InformationCenter)indici citazionali – impact factor (Arts and Umanitaria CitationIndex)

le directory (liste di link compilate da persone)The WWW Virtual LibraryBULB LINK

social cataloguing (metadati di giudizio)LibraryThingConnotea



L’OPAC

L’accesso alle risorse

In fase di accesso ad alcuni documenti, l’utente si trova di fronte adiversi tipi di barriera

economica (abbonamento)legale (copyright)tecnica (software a pagamento)

Molto spesso i documenti vengono pubblicati senza scopo di lucro daparte dell’autore, ma l’editore richiede il pagamento per accedere allarisorsa

Recentemente sono nati archivi ad accesso aperto e con documentiprotetti da licenze Creative Commons



L’OPAC

L’accesso alle risorse

Gli archivi aperti prevedono la catalogazione da parte degli autoristessi

archivi istituzionaliAisberg (UniBg)BOA (UniMiB)

archivi disciplinariArXivPubMed Central

Esistono anche riviste scientifiche Open Accessi contenuti sono pubblicati solo in formato elettronicosono gli autori che pagano per pubblicare. Perchè? Qual è ilvantaggio?


Documents

Fondamenti di Informatica - dinamico2.unibg.itdinamico2.unibg.it/cazzaniga/files/1314/parte7.pdf · Fondamenti di Informatica La ricerca dell’informazione Cazzaniga Paolo Dip. di