Keuzes%20in%20het%20zoekproces%20en%20structuur%20van%20het%20web

1
Keuzes in het zoekproces en structuur van het web

• Jeroen Bosman
• VOGIN, 19 november 2013
• Wageningen

2
(No Transcript)
3
(No Transcript)
4
(No Transcript)
5
Kenmerken zoekexpert

• Kennis onderwerp
• Bronnenkennis
• Kennis zoektools
• Talenkennis, taalcreativiteit
• Logica (verzamelingenleer)
• Zorgvuldig gebruik zoektools
• Snelheid (m.n. bij selecteren en evalueren)
• Reflectie op eigen zoekproces (bv met reverse
  search)

6
Deel I keuzes in het zoekproces
7
Zoeksystematiek

• Vraaganalyse
• Wensen opdrachtgever
• Verkenning
• Opstellen zoekprofiel waaraan moet de informatie
  voldoen, genereren zoektermen
• Aanbod
• Keuze ingang(en) zoekmachines, databases,
  gidsen, bookmarksites
• Match
• Daadwerkelijk zoeken (gebruik syntax, opties en
  filters)
• Selecteren (is het relevant?)
• Nabewerking per relevante bron
• Evaluatie (is het goed genoeg?)
• Opslaan, printen, delen
• Eventueel doorzoeken via auteurs en verwijzingen
  uit gevonden bronnen
• Nabewerking zoekactie geheel
• Bij doorlopende interesse evt. web en page
  alerts/feeds instellen
• Expliciete reflectie op zoekproces en
  zoekresultaat
• Vervolg op zoekactie
• Eventueel andere ingangen of geheel andere typen
  bronnen (gedrukte literatuur, deskundigen)

8
Vraaganalyse 1 wensen opdrachtgever

• Opdrachtgever wat wil men met de informatie?
• Voorwaarden aan aard van informatie (onderzoek,
  opinie, peer reviewed, actualiteit etc.)
• Randvoorwaarden tijd, geld, vertrouwelijkheid
• Rapportagevorm (inhoudelijk, technisch)

9
Vraaganalyse 2 Verkenning

• Welke vraag/onderwerp
• Wat ligt er al, nuttig als uitgangspunt?
• Inhoudelijk verkennen (via bv Wikipedia of ander
  naslagwerk of via korte zoekactie)
• Ideeën opdoen qua context, jargon, zoektermen,
  typen bronnen, auteurs

10
Vraaganalyse 3 Zoekprofiel

• Onderscheiden elementen (variabelen)
• Welke?
• Allebei even belangrijk?
• Vooraf genereren zoektermen
• Uit reeds gevonden bronnen
• Uit naslagwerken/zoekacties van verkenningsfase
• Uit woordenboeken, thesauri (Het juiste woord,
  Rogets Thesaurus)
• Uit keyword facets in bv. Scopus
• Afbakening in tijd, ruimte, speciale
  omstandigheden waaronder een proces moet spelen
• Relevante typen informatie en publicaties
• Relevante publicatieperiode

11
Aanbod Keuze zoekingang

• Bepaald door zoekprofiel onderwerp, type
  informatie, type publicatie, relevante
  publicatiejaren, disciplinair perspectief
• Bepaald door beschikbaarheid toegankelijkheid,
  kosten, licenties
• Bepaald door extra wensen
• Zoekmethode catalogus-, bibliografische,
  sneeuwbal(citatie)methode (op het web
  zoekmachines, gidsen/directories, backlinks)
• Zoeken in full-text, links naar full-text
• Ook letten op volgorde ingangen (dekking,
  bekendheid, selectiviteit, afh. van doel)
• Zie voor links naar ingangen de startpagina bij
  deze cursus

12
Match 1 Zoektermen ingeven

• Let op woordvarianten en spelling
• Varianten in OR-relatie of
• Trunceren alles wat met woordstam begint (alleen
  Exalead)
• Automatische stemming (enkel-/meervoud enz. bij
  Google?)
• Oxford-English of AmericanEnglish (s/z, ou/o)
• Samenstellingen in Engels los kwaliteitscontrole
  gt quality control
• Denken in termen van het te vinden document
  (jargon/slang), gebruik zinsnedes / exact phrase
  met
• Bij Google wildcard binnen exact phrase
• Bij Google verbatim/woord-voor-woord zoeken

13
Match 2 zoektermen ingeven, vv.

• Gebruik termsuggesties
• voor zoekactie Google, Exalead, Bing, Yahoo
• termen uit gevonden goede webpaginas
• hulpmiddelen thesaurus, synoniemenwoordenb.
  (startpag.)

Bing Google Yahoo
14
Match 3 zoektermen ingeven, vv.

• Gewicht aanbrengen met zoektermherhaling in
  Google
• Voorbeeldzoeken voor lijstjes
• Iteratief proces één of meer keren snelle
  beoordeling zoekresultaat en aanpassing
  termen/instellingen
• Aantallen treffers (in webzoekmachines) wel
  letten op veranderingen, niet op absolute niveau

15
Match 4 Selectie op relevantie

• Wat voor rangorde hebben de resultaten?
• De rangorde beïnvloeden, vertrouwen of alles
  bekijken?
• Kijk naar meer dan titels
• bij boeken/artikelen
• samenvattingen
• citaties
• omvang (bv LexisNexis)
• bij web
• KWIC
• domein/organisatie
• wel/niet PDF
• omvang (bv. bij images en video)
• preview (niet meer bij Google-web)

16
Nabewerking per bron 1 beoordeling

• Formeel (vooral bij websites)
• Aanduiding maker/auteur (about us)
• Aanduiding postadres, telefoonnummer
• Aanduiding doel/doelgroep
• Goede opmaak
• Geen reclame en pop-ups
• Heldere navigatie
• Interne zoekfunctie
• Voldoende snelheid server
• Backlinks door gezaghebbende organisaties
• Up to date?
• Zinnige datering inhoud
• Geen grof taalgebruik
• Geen kinderlijk taalgebruik
• Geen storende taalfouten

• Beoordeling door anderen
• Status bron (peer reviewed, uitgever,
  gezaghebbende instantie)
• Affiliatie auteur
• Plaats in citatienetwerk (door wie, hoe vaak)
• Zelf, inhoudelijk
• Bronvermelding (voldoende, geen kernpublicaties
  gemist)
• Opbouw, argumentatie, methode, verantwoording

17
Nabewerking per bron 2

• opslaan (mail, document, Endnote / Refworks /
  Mendeley / Zotero / Evernote / Diigo e.d.
• versturen (handmatig, vanuit systeem)
• bookmark (browser, Delicious, CiteUlike, like,
  )
• alert/spion (donderdag)
• RSS-feed )met Feedly, Digg etc. of Outlook

18
Vervolg op zoekactie Reflectie

• Hoeveel gevonden in hoeveel tijd?
• Voldoet oogst aan zoekprofiel?
• Welke aspecten van zoekprofiel waren meest
  selectief?
• Waren alle vooraf bedachte ingangen even nuttig?
• Wat was de overlap tussen de ingangen?
• Goede volgorde ingangen gehanteerd?
• Wat had de zoekvraag moeten zijn om het beste
  gevonden document direct te vinden (reverse
  earch)
• Iets geleerd over eigen sterke/zwakke punten?

19
Deel II Structuur van het web
20
Er is wel structuur domeinen

• soorten top-level-domains (TLD) iso-3166
• generiek
• com / org / net (vrij)
• int / edu / gov / mil / arpa (beperkt)
• landen nl/be/au/at/de/uk/us (ccTLDs, 34)
• jump tv / nu / to / tk
• nieuw biz/info/name/coop/pro/aero/museum/mobi
• generieke subtopleveldomeinen
• co / gob / ac / org etc.
• (zie http//www.iana.org/domains/root/db/
• en http//www.whois365.com/en/listtld/gtld)
• per 2009 ook URLs in niet-Latijns schrift

21
opbouw URL

• protocol // servernaam . subdomein . domein .
  TLD / map / filenaam . extensie
• http // libguides. library . uu . nl / evalueren

22
URLs van databasepaginas

• http//aleph.library.uu.nl/F/HDRH5QK8UGC775UMSMU44
  VT2GSG5VD5VKEI6FMCCN7G75L75LG-04490?funcfind-bfi
  nd_codeWRDrequestgeografischehuisadjacentNx
  43y11
• http//www.google.nl/search?as_qvoginwageningen
  hlnlrlz1R2MEDC_nlNL330num10btnGGooglezoeke
  nas_epqas_oqas_eqlrlang_nlcras_ftias_
  filetypepdfas_qdrallas_occtanyas_dtias_sit
  esearchas_rightssafeimages

23
zoektools wanneer wat?

• indien zoekvraag feitelijk, specialistisch, met
  voorkennis, onder tijdsdruk
• zoekmachines
• indien zoekvraag breed, exploratief,
  inventariserend, met weinig voorkennis, met
  relatief veel tijd
• onderwerpsgidsen, door mensen gemaakte
  overzichten

24
Onderwerpsgidsen algemeen

• geen zoektermen nodig
• vaak actueel
• annotaties
• weinig ruis

- onvolledig dode links voorkeur maker houdt
groei niet bij voor homepages
25
Onderwerpsgidsen

• Alle onderwerpen Open Directory, Yahoo
• Nederlands startpagina, meta startnederland
• Breed wetenschappelijk Infomine
• Web2.0-variant Digg (nieuws)
• Sociaal met voting Reddit
• Zoeken
• via Yahoo (per onderwerp onder webdirectories)
• via Open Directory
• via Pinakes (wetenschappelijk)
• vragen aan collegae
• vragen via discussielijsten, twitter etc.

26
Zoekmachines dekking

• gt 15 van de webpaginas in geen enkele van de
  grootste zoekmachines
• van resterende wel geïndexeerde paginas zelfs
  Google maar 76, Yahoo 69, Live/Bing 62
  (http//www.cs.uiowa.edu/asignori/web-size/)
• overlap eerste pagina slechts 10 (Spink studie
  2006)
• dekking zeer ongelijkmatig
• verschil in actualiteit

27
Zoekmachines ontwikkeling

• 1994 Webcrawler, Lycos, Alta Vista (10)
• 1995 concurrentie Hotbot, Excite, Yahoo (50)
• 1997 Northern Light, MSN, sterke groei web gt 200
• 1999 opkomst Google en Alltheweb en crisis
  Infoseek, Northern Light, AV, Excite, ILSE o.a.
  (100)
• 2002 komst Teoma, Wisenut, Gigablast (1000)
• 2003 renaissance AV, glorietijd Google (3000)
• 2004 consolidatie/concurrentie (4000)
• GoogleBlogger, verbreding boeken, kritiek,
  beursgang
• OvertureAllthewebAVYahoo, ontmanteling AV/ATW
• Microsoft introductie MSNsearch beta zelf
  indexeren
• 2005 verbreding/innovatie/content (5000-10000)
• Samenwerking content providers-zoekmachines?
• Teoma wordt Ask en opkomst Amazon met A9
• Doorgroei Gigablast (2000)
• 2006-2007 puur zoeken raakt op achtergrond
  (20000-40000)
• Live gelanceerd, YouTube gekocht
• uploaden, web 2.0
• gemengde content (Google universal, iGoogle bv.)
• specifieke diensten (Google CSE bv)

28
Zoekmachines wat vind je niet?

• recente webpaginas/wijzigingen
• dynamisch gegenereerde paginas
• informatie in databases
• paginas met no robots file
• paginas met toegangsrestricties
• verdwenen paginas maar
• Cache (bij Google link in preview)
• Wayback Machine archive.org
• kleinere archiveringsacties KB en BL

29
Zoekmachines beperkingen Google

• genest Booleaans zoeken gt Bing/Exalead
• zeer grote paginas soms niet volledig
  geïndexeerd? gt Yahoo
• niet bruikbaar voor exact search van 1 woord
• truncatie en fonetisch zoeken gt Exalead?
• zoekgeschiedenis zonder inloggen Bing
• webpaginas met audio Exalead

30
Land/taalversies Google

• Interfacetaal
• beïnvloedt ook (ranking) resultaat!
• Taalinstelling zoekactie
• voorkeuren eenmalig of implied door zoekterm
• Landsversie
• beïnvloedt ranking sterk
• ncr no country redirect
• Let ook bij Bing op landsinstelling alleen VS
  versie heeft alle functionaliteit

31
Personalisation/localisation

• Localisatie effect sterker dan personalisatie
• Effect beperken
• Voeg "pws0 toe om in Google personalisation
  uit te zetten
• Gebruik een Chrome incognito window
• Log niet in
• Zet locatie in mobiel apparaat uit