درخت حوزه‌های تخصصی

مقدمه : با توجه به امکان نشر/بازنشر پیام در شبکه های اجتماعی مجازی ، دقت به صحت پیام ها مسئله مهمی است که توجه به آن موجب افزایش اعتماد به محتوای این شبکه ها می شود. ازسویی دیگر، توان کاربران در تشخیص نیاز اطلاعاتی و بازیابی، ارزیابی و کاربست اطلاعات مهم تلقیمی شود. پژوهش حاضر، به دنبال فهم تأثیر سواد اطلاعاتی کاربران شبکه های اجتماعی بر میزان دقت آن ها نسبت به صحت پیام های منتشره در شبکه های اجتماعی است. روش شناسی : پرسش نامه شامل دو قسمت مربوط به سواد اطلاعاتی و صحت اطلاعات بوده. نتایج آزمون کرونباخ برای بخش صحت اطلاعات 894/0 و بخش سواد اطلاعاتی 875/0 بوده. روایی براساس نظر صاحب نظران این دو حوزه بررسی شد. پرسش نامه به 300 کاربر شبکه اجتماعی تلگرام ارسال و 165 پرسش نامه گردآوری شد. یافته ها : سطح سواد اطلاعاتی کاربران شبکه ها در حد متوسط است؛ در 7 شاخص سواد اطلاعاتی کاربران، شاخص «به کارگیری اطلاعات» بیشترین مقدار (76/3) و مهارت «ارزیابی منابع اطلاعاتی و پایگاه های جست وجو» دارای کمترین مقدار (47/3) است. در خصوص دقت به صحت اطلاعات بیشترین مقدار مربوط به «سلامت» با میانگین 73/3 و کمترین مقدار، «تخصص نقل کننده» با میانگین 54/3 است. نتیجه گیری: همچنین براساس نتایج آزمون اسپیرمن، بین سواد اطلاعاتی کاربران گروه یک و دو و دقت به صحت اطلاعات رابطه وجود داردکه شدت کمی دارد. بین میزان توجه به صحت اطلاعات منتشره در این شبکه ها از سوی کاربران گروه یک و دو رابطه معناداری وجود دارد که شدت کمی دارد.

هدف: این مقاله با رویکردی سیبرنتیکی، روند تکاملی دانش در انواع سیبرنتیک را با توجه به نقش مشاهده گر مورد بررسی قرار می دهد و با مطرح کردن مبانی فلسفی چهارگانه سیبرنتیک سعی دارد اهمیت این رویکرد را در علم اطلاعات و دانش شناسی آشکار کند. روش: بررسی و تحلیل متون منتشر شده یافته ها: مشاهده گر در هر مرتبه از سیبرنتیک نقش متفاوتی ایفا می کند. دانش در سیبرنتیک اول تصویری از واقعیت مشاهده شده و بدون حضور مشاهده گر در سامانه، در سیبرنتیک دوم سازه ای فردی با حضور مشاهده گر و در سیبرنتیک سوم سازه ای اجتماعی برگرفته از عملکرد مشاهده گران و در جهت اهداف انسانی است که در سیبرنتیک چهارم با استفاده از دیالکتیک جهانی و گسترش ارتباطات علمی تکامل می یابد. هر چهار رویکرد سیبرنتیکی در علم اطلاعات و دانش شناسی حائز اهمیت می باشند و اوج این اهمیت را می توان در ارتباطات علمی و سیبرنتیک چهارم دید. علم اطلاعات و دانش شناسی به دلیل دارا بودن ماهیتی بین رشته ای زیربنای توسعه جوامع است لذا ضروری است به مطالعات علم و فناوری از دیدگاه تکامل دانش در علم سیبرنتیک نگریسته شود.

بحث هویت به‌ویژه برای رشته‌هایی که گرفتار آنند از هر امری مهم‌تر و به‌قول معروف «از هر زبان که می‌شنوی نامکرر است». اولین رکن شناسایی هر فردی داشتن شناسنامه است اما او به نام اکتفا نمی­‌کند، باید اسمش با مسمّا باشد، یا با مسمّا بشود وگرنه فقط نشانی است بی‌معنا تا گم نشود. داشتن مشخصات شناسنامه‌ای اولین گام است و فرد شناسنامه‌­دار در طول عمرش باید با تلاش و کوشش به هویت برسد. برای حوزه‌های علمی هم همین طور است. ضرورت به وجود آمدن رشته‌ای علمی در جامعه توسط جمعی از خبرگان به وجود می‌آید اما راز ماندگاری‌اش بسته به عملکرد آن است.

واژه کوچکترین واحد زبان است که دارای «صورت» و «معنا» است. واژه ممکن است بیش از یک معنا داشته باشد که باتوجه به کاربرد واژه در بافت زبانی، معنی دقیق آن مشخص می شود. گردآوری تمام معانی یک واژه به صورت دستی کار بسیار پرزحمت و زمان بر است. افزون بر آن، ممکن است معانی واژه با گذشت زمان دچار تغییر شود به این صورت که معانی موجود واژه کم کاربرد شود یا معانی جدید به آن اضافه شود. یکی از روش هایی که می توان برای تعیین معنای واژه استفاده کرد به کارگیری روش های رایانشی برای تعیین معنای واژه باتوجه به بافت زبانی است. در پژوهش حاضر تلاش می شود با ارائه یک الگوریتم محاسباتی، معانی واژه های هم نگاره فارسی باتوجه به بافت زبانی به صورت خودکار و بدون نیاز به ناظر انسانی تعیین شود. برای رسیدن به این هدف، از روش تعبیه معنای واژه در یک مدل فضای برداری استفاده می گردد. برای ساخت بردار واژه، از یک رویکرد مبتنی بر شبکه عصبی استفاده می شود تا اطلاعات بافت جمله به خوبی در بردار واژه گنجانده شود. در گام بعدی مدل پیشنهادی، برای ساخت بردار متن و تعیین معنای واژه، دو حالت جمله بنیان و بافت بنیان معرفی می شود. در حالت جمله بنیان، تمام واژه های جمله ای که واژه هدف در آن وجود دارد در ساخت بردار نقش دارد؛ ولی در حالت بافت بنیان فقط تعداد محدودی از واژه های اطرافِ واژه هدف برای ساخت بردار در نظر گرفته می شود. دو نوع شیوه ارزیابی درونی و برونی برای ارزیابی کارایی الگوریتم خوشه بندی به کار گرفته می شود. معیار ارزیابی درونی که محاسبه مقدار تراکم داده در هر خوشه است برای دو حالت جمله بنیان و بافت بنیان محاسبه می گردد. ارزیابی برونی به داده استاندارد طلایی نیاز دارد که برای این هدف، یک مجموعه داده شامل ۲۰ واژه هدف فارسی و تعداد ۱۰۰ جمله نشانه گذاری شده برای هر یک از این واژه ها تهیه شده است. براساس نتایج به دست آمده از ارزیابی درونی، تراکم خوشه ای حالت جمله بنیان با تفاوت معناداری بالاتر از حالت بافت بنیان است. با درنظرگرفتن دو شاخص V و F در ارزیابی برونی، مدل بافت بنیان به صورت معنادار کارایی بالاتری را نسبت به جمله بنیان و مدل های پایه به دست آورده است.