今天的專題演講是請到美國威斯康辛大學密爾瓦基分校資訊研究所李鶴立教授來為我們演講，李教授與美美老師都是Rugters的博士，他在美國將近20年，近年來在一些研討會可以看到他的發表，例如2007資訊組織與檢索國際研討會 ，或是國家圖書館所辦的研討會，主題圖書館目錄的功能: FRBR和七略 和Information Structures and University Professors: A study of university professors' information seeking，這次跟我們碩士班同學的分享也是在這兩部分。
我比較好奇的是李教授說Raya Fidel原來也是研究編目的專家，如今以質化或是混和式的研究在學術上成為大師，在台灣，很難想像資訊組織的專家同時可以是資訊行為的權威，這肯定有一些意義與脈絡。相信這些研究都可以讓使用者與館藏拉近距離，這裡的館藏當然包括數位環境下所有價值的知識，可以被分享、可以被創造，並讓資訊使用者的權限與能力的限制下，取得有效的滿足，是全面的，而不是膚淺、單求迅速達成。
李教授私下還推薦了一篇Raya Fidel的文章Are we there yet?: Mixed methods research in library and information science,Library & Information Science Research, Vol. 30, No. 4. (December 2008), pp. 265-272.說圖書館的研究取向可以跳脫傳統的讀者、圖書館研究，利用質量的相互驗證，得到更全面的研究成果。...
Read more
2008年12月23日 星期二
2008年10月8日 星期三
[+/-] : 10/8圖書資訊學專題演講
Practical Issues in Knowledge Managemet informing Infrastructue Design
Univ. of Wisconsin at Milwaukee 穆祥明教授
Introduction ---
Some cases---Simens & NASA
Problems and Issues
Infrastructure
User model
Data model
Our vision
GE美國奇異公司,全世界有30萬雇員, 160個國家, GE 做醫療檢測儀器, 需要層層關卡, 保障公司生產順利,彼此間有不同的作業規範, 使用行為,不容易用一般系統工程解決,當初面對數位化的潮流,GE先前裁員圖書館員, 後來發現檔案管理常發生問題,必需進一步建立系統解決,先找了顧問, 也找google導入全文檢索,發覺系統不好用,不能讓企業的知識做管理,在與Univ. of Wisconsin at Milwaukee資訊系咨商後,
經歷一年,廣大的知識,圖書資訊專業人士開始介入GE的知識管理,提供顧問服務
What is Knowledge? [data] how relation [information] why pattern [knowledge][user]+[system]
以穆教授太魯閣旅行決策為例,資訊經過互動後產生了意義,影響穆教授這次在台灣旅行的決策(由日月潭轉變成太魯閣)
Simens:sharenet
交流不通暢
獎勵制度
NASA and Jet Propulsion Laboratory
問題回答型式,重點在經驗
鴻海雇用senior employee 來自其他公司, 傳承他們的經驗
Research Objectives for GE Healthcare
1.artifact digitalization
2.Document indexing
3.Security Management
4.Communication Management
經過資料收集, 使用者需求分析, 發現問題,建議出IR system,應該包括
現在的KM不只是search跟indexing'應該強調合作系統, 如google docs
穆教授提出--系統, user&interface, 內容 三方哪邊下手?
enhanced matadata讓資料資源可以被傳承及利用, 並注重同時data model, user model,
在context,interaction,Behavior, 做更進一步的反應,可以在不改變原有系統下做出最大效能改進
這幾年,wiki共筆, facebook做為backbone,document management如何進化與選擇成為
declarative knowledge 顯性 procedural knowledge 隱性知識, 而多元的方法各有強處,如,雖然google search很強大,但不適用企業,因為需要有廣大的使用基礎(population)
以system design system analysis為核心,Webpage design, flash 為輔, 與企業結合,往內發揚圖書館典藏,傳播的功能這是新一代圖資人可以走的路
問題:我想問Prof. Mu, 當初有哪些編目成本的預算?GE內部文件如何依輕重緩急做選擇加以編目??目前進行的情況又為何?...
Read more
Univ. of Wisconsin at Milwaukee 穆祥明教授
Introduction ---
Some cases---Simens & NASA
Problems and Issues
Infrastructure
User model
Data model
Our vision
GE美國奇異公司,全世界有30萬雇員, 160個國家, GE 做醫療檢測儀器, 需要層層關卡, 保障公司生產順利,彼此間有不同的作業規範, 使用行為,不容易用一般系統工程解決,當初面對數位化的潮流,GE先前裁員圖書館員, 後來發現檔案管理常發生問題,必需進一步建立系統解決,先找了顧問, 也找google導入全文檢索,發覺系統不好用,不能讓企業的知識做管理,在與Univ. of Wisconsin at Milwaukee資訊系咨商後,
經歷一年,廣大的知識,圖書資訊專業人士開始介入GE的知識管理,提供顧問服務
What is Knowledge? [data] how relation [information] why pattern [knowledge][user]+[system]
以穆教授太魯閣旅行決策為例,資訊經過互動後產生了意義,影響穆教授這次在台灣旅行的決策(由日月潭轉變成太魯閣)
Simens:sharenet
交流不通暢
獎勵制度
NASA and Jet Propulsion Laboratory
問題回答型式,重點在經驗
鴻海雇用senior employee 來自其他公司, 傳承他們的經驗
Research Objectives for GE Healthcare
1.artifact digitalization
2.Document indexing
3.Security Management
4.Communication Management
經過資料收集, 使用者需求分析, 發現問題,建議出IR system,應該包括
現在的KM不只是search跟indexing'應該強調合作系統, 如google docs
穆教授提出--系統, user&interface, 內容 三方哪邊下手?
enhanced matadata讓資料資源可以被傳承及利用, 並注重同時data model, user model,
在context,interaction,Behavior, 做更進一步的反應,可以在不改變原有系統下做出最大效能改進
這幾年,wiki共筆, facebook做為backbone,document management如何進化與選擇成為
declarative knowledge 顯性 procedural knowledge 隱性知識, 而多元的方法各有強處,如,雖然google search很強大,但不適用企業,因為需要有廣大的使用基礎(population)
以system design system analysis為核心,Webpage design, flash 為輔, 與企業結合,往內發揚圖書館典藏,傳播的功能這是新一代圖資人可以走的路
問題:我想問Prof. Mu, 當初有哪些編目成本的預算?GE內部文件如何依輕重緩急做選擇加以編目??目前進行的情況又為何?...
Read more
2008年10月7日 星期二
[+/-] : <專題演講>基於Wiki之知識服務進展
今天是個場bonus的演講,是一位大陸信息管理系教授來台灣的演講
主題是:基於Wiki之知識服務進展,剛開始解釋了全世界跟中國大陸wiki的發展現狀,各種主題都有,當然是一些生活上的問答為多,也比較有經濟效益
聽完演講後,我的問題是...
目前wiki在大陸發展下比台灣好,可以講講共產主義制度下wiki這種知識分享有什麼優點或是缺點?wiki講求的是知識分享與自由,台灣相關很多詞條跟網站都被封鎖, 這樣不是很對比嗎?為什麼udn不被封, chinatimes卻被封鎖?
(在座的老師聽到問題嚇了半死,頻頻緩頰說....大陸學術界講任何主題很自由...沒有關係)
不過還是閃了過去,沒回答到核心,有點失望
其實也沒什麼好談的...就是一種制度,他們身在這制度的人也不見得喜歡,
但是圖資人往往是政治的劊子手, 守門員是一種好聽的講法...
Read more
主題是:基於Wiki之知識服務進展,剛開始解釋了全世界跟中國大陸wiki的發展現狀,各種主題都有,當然是一些生活上的問答為多,也比較有經濟效益
聽完演講後,我的問題是...
目前wiki在大陸發展下比台灣好,可以講講共產主義制度下wiki這種知識分享有什麼優點或是缺點?wiki講求的是知識分享與自由,台灣相關很多詞條跟網站都被封鎖, 這樣不是很對比嗎?為什麼udn不被封, chinatimes卻被封鎖?
(在座的老師聽到問題嚇了半死,頻頻緩頰說....大陸學術界講任何主題很自由...沒有關係)
不過還是閃了過去,沒回答到核心,有點失望
其實也沒什麼好談的...就是一種制度,他們身在這制度的人也不見得喜歡,
但是圖資人往往是政治的劊子手, 守門員是一種好聽的講法...
Read more
2008年10月2日 星期四
[+/-] : W3圖書資訊學研究-專題演講
書目隱性語義索引：使用者無錯
時間: 10/01(三)上午9:30-12:00
地點: 台灣師範大學教育大樓3樓第一會議室
講題:Bibliographic Latent Semantic Indexing: No Blames On Users（書目隱性語義索引：使用者無錯）
Prof. Xiangming Mu是來自Wisconsin-Milwaukee SOIS系的助理教授, 他大學時代在南京大學大氣科學系就讀,之後在Carolina Chapel HILL大學得到圖書資訊學博士學位,而Wisconsin-Milwaukee是台灣師範大學的姊妹校,而且設有圖資系及圖資碩博士班, 因此是一個可以考慮赴美進修的管道,尤其他是一所公立大學(學費比較便宜)
書目隱性語義索引(BLSI)：使用者無錯,這個演講說明圖書館OPAC等檢索系統長久是忽視語義(semantic),或是相關metadata/tag的呈現並沒有加入統計加權,自動分類,讓圖書館讀者難以使用,講者指出並不是使用者笨,天真,或是懶惰,而是可以利用LSI的方法,利用語義(主要利用metadata之間的關係)改善準確率(precision ratio),使讀者得到高品質的資訊,進而減低企業或是組織知識庫與客服的成本
LSI(隱性語義分析)是Natural Language Processing(自然語言處理)的一個支派,是可以利用在自動分類與小範圍高準確的資訊回饋要求上,網路上成千上萬的資訊包括字(Character)、詞(Word)、語法(Syntax)、語義(Semantics)、語用(Pragmatics)等層次的知識(陳光華,1999) ,而為什麼大家還是喜歡使用Google,Brin&Page 1998:PR(A)=(1-d)+d(PR(T1)/C(T1)+.....+, Pagerank, 這是在大規模資料中語義是更難被界定,近年來,向量空間模型(VSM)長期以來被用於文本檢索,然而潛伏在其中的正交假設卻遲遲未能得到解決.大陸有些學者認為潛在語義索引模型(LSI)解決了這個問題(李孟臣,2005),但LSI的缺點在冷僻詞也不專長, 但適合一般的concept,或許在經過metadata定義過的資料會有很高的成效(如期刊論文,書籍資料,歌曲,技術支援資料)
.
感想:穆教授提出BLSI區別於LSI,BLSI使用書目型資料在做分類與統計是更為方便,穆教授提出人們查詢高清電視的例子,有不同的目的, 有人要買(60%),有人要了解技術(20%),有人要了解法律(1%),但大部份是為了要購買高清電視,長尾的需求是搜尋排序(尤其是自然語言搜尋)目前使不上力的,圖資所卜小蝶老師提出當前台灣資料搜尋網站現狀,yahoo為了維持主流的使用者流量,搜尋結果必須人工介入(tune 查詢結果), 也使得yahoo在一般名詞不輸google,在少查(冷僻)的名詞是輸給google的現象,台灣yahoo, 韓國naver, 中國baidu等local檢索服務大於全球性檢索所佔的市場(這我覺得baidu可能不只有這方面可以跟google抗衡的優勢),但這樣的迎合一般使用者的情況,越長尾後端的資訊需求卻不能得到滿足,所以yahoo可以當成廣告的優勢,設計出廣告產品,延伸傳統關鍵字行銷的作法(雖然我覺得這是很愚民), 圖資的學生在搜尋引擎操縱query,就如同傳統圖書館員控制讀者看什麼的權力,這個權力在手上,圖書館員不能不自知!...
Read more
時間: 10/01(三)上午9:30-12:00
地點: 台灣師範大學教育大樓3樓第一會議室
講題:Bibliographic Latent Semantic Indexing: No Blames On Users（書目隱性語義索引：使用者無錯）
Prof. Xiangming Mu是來自Wisconsin-Milwaukee SOIS系的助理教授, 他大學時代在南京大學大氣科學系就讀,之後在Carolina Chapel HILL大學得到圖書資訊學博士學位,而Wisconsin-Milwaukee是台灣師範大學的姊妹校,而且設有圖資系及圖資碩博士班, 因此是一個可以考慮赴美進修的管道,尤其他是一所公立大學(學費比較便宜)
書目隱性語義索引(BLSI)：使用者無錯,這個演講說明圖書館OPAC等檢索系統長久是忽視語義(semantic),或是相關metadata/tag的呈現並沒有加入統計加權,自動分類,讓圖書館讀者難以使用,講者指出並不是使用者笨,天真,或是懶惰,而是可以利用LSI的方法,利用語義(主要利用metadata之間的關係)改善準確率(precision ratio),使讀者得到高品質的資訊,進而減低企業或是組織知識庫與客服的成本
LSI(隱性語義分析)是Natural Language Processing(自然語言處理)的一個支派,是可以利用在自動分類與小範圍高準確的資訊回饋要求上,網路上成千上萬的資訊包括字(Character)、詞(Word)、語法(Syntax)、語義(Semantics)、語用(Pragmatics)等層次的知識(陳光華,1999) ,而為什麼大家還是喜歡使用Google,Brin&Page 1998:PR(A)=(1-d)+d(PR(T1)/C(T1)+.....+, Pagerank, 這是在大規模資料中語義是更難被界定,近年來,向量空間模型(VSM)長期以來被用於文本檢索,然而潛伏在其中的正交假設卻遲遲未能得到解決.大陸有些學者認為潛在語義索引模型(LSI)解決了這個問題(李孟臣,2005),但LSI的缺點在冷僻詞也不專長, 但適合一般的concept,或許在經過metadata定義過的資料會有很高的成效(如期刊論文,書籍資料,歌曲,技術支援資料)
.
感想:穆教授提出BLSI區別於LSI,BLSI使用書目型資料在做分類與統計是更為方便,穆教授提出人們查詢高清電視的例子,有不同的目的, 有人要買(60%),有人要了解技術(20%),有人要了解法律(1%),但大部份是為了要購買高清電視,長尾的需求是搜尋排序(尤其是自然語言搜尋)目前使不上力的,圖資所卜小蝶老師提出當前台灣資料搜尋網站現狀,yahoo為了維持主流的使用者流量,搜尋結果必須人工介入(tune 查詢結果), 也使得yahoo在一般名詞不輸google,在少查(冷僻)的名詞是輸給google的現象,台灣yahoo, 韓國naver, 中國baidu等local檢索服務大於全球性檢索所佔的市場(這我覺得baidu可能不只有這方面可以跟google抗衡的優勢),但這樣的迎合一般使用者的情況,越長尾後端的資訊需求卻不能得到滿足,所以yahoo可以當成廣告的優勢,設計出廣告產品,延伸傳統關鍵字行銷的作法(雖然我覺得這是很愚民), 圖資的學生在搜尋引擎操縱query,就如同傳統圖書館員控制讀者看什麼的權力,這個權力在手上,圖書館員不能不自知!...
Read more
訂閱：
文章 (Atom)
