داخلی
»مقاله های روز
دکتر جعفر مهراد استاد پیشکسوت دانشگاه شیراز و بنیانگذار موسسه ISC: رابطه میان نظریه و تجربه در علم اطلاعات یکی از بنیادی ترین مسایل روش شناختی این رشته است. نظریه چارچوبی برای طراحی مدل ها و سیستم ها فراهم می اورد و تجربه، محدودیت های نظریه را به طوری که خواهیم دید آشکار می سازد.
من سال ها مبانی علم اطلاعات و بازیابی اطلاعات را در دانشگاه شیراز درس داده ام. در این دروس، این موضوع جایگاه ویژه ای دارد. با مرور نمونه های تاریخی (و معاصر که در آن زمان هنوز وجود نداشت)، برگرفته از این دو درس، نشان خواهم داد که چگونه تعامل نظریه و تجربه موتور محرک توسعه علم اطلاعات بوده است.
از ابتدای شکل گیری رشته علم اطلاعات در نیمه قرن بیستم، رابطه میان نظریه و تجربه نقشی تعیین کننده در سیر تحول آن ایفا کرده است. همان گونه که ساراسویچ (Saracevi, 1999) تاکید می کند، نظریه بدون آزمون تجربی به مفهومی انتزاعی تبدیل می شود و تجربه نیز بدون تکیه بر نظریه از انسجام و قابلیت تعمیم برخوردار نخواهد بود. این تعامل دوسویه سبب شده است که مدل ها، سیستم ها و حتی چارچوب های مفهومی رفتار اطلاعاتی کاربران پیوسته در حال بازاندیشی و تکامل باشند.
نظریه ها در علم اطلاعات به مثابه نقشه هایی عمل می کنند که در نهایت منجر به طراحی سیستم ها و پژوهش های تجربی می شود. نمونه های آن بسیار است. از آن جمله: ازمایش های کرانفیلد(Canfield experiment) در دهه ۱۹۶۰ بر مبنای یک رویکرد نظری به ارزیابی بازیابی اطلاعات بنا شد: تعریف معیارهای دقت (precision) و بازیافت (recall) به عنوان معیارهای ارزیابی.(Cleverdon, 1967). این چارچوب نظری این امکان را فراهم اورد که پژوهشگران، عملکرد سیستم های بازیابی اطلاعات را به طور کمی مقایسه کنند. یا، از عملگرهای بولی (AND, OR, NOT) گرفته تا مدل برداری (Salton, 1972) و مدل احتمالاتی/احتمالی (Robertson, 1977) همگی بر پایه نظریه های ریاضی و منطقی طراحی شدند و تجربه های میدانی را هدایت کردند.
از طرف دیگر، آزمون های عملی به کرات نشان داده اند که نظریه ها نمی توانند همه پیچیدگی ها را پیش بینی کنند. به عنوان مثال، در مدل بولی، در عمل مشخص شد که کاربران توانایی بیان نیازهای اطلاعاتی خود را صرفا از طریق عملگرهای بولی ندارند. همین امر منجر به توسعه مدل های برداری و سپس الگوریتم های مبتنی بر زبان طبیعی شد. به عنوان یک مثال دیگر، نظریه های خطی جستجوی اطلاعات (Belkin, 1980) در تجربه های میدانی ناکافی بودند. پژوهش های کولثاو (Kuhlthau, 1991) با اتکا به داده های تجربی نشان دادند که جستجوی اطلاعات فرایندی پویا است، نه صرفا عقلانی و خطی.
به کرات دیده ایم که تجربه های عملی، الهام بخش اصلاح یا شکل گیری نظریه های تازه شده اند. به این نمونه ها توجه کنید: در جستجوی وب، استفاده گسترده از موتورهای جستجو نشان داده است که معیارهای سنتی دقت و بازیافت برای ارزیابی کافی نیستند. این امر، در نتیجه، به ظهور نظریه های نوین در حوزه بازیابی تعاملی اطلاعات (Interactive IR) منجر شده است (Ingewersen, 1992). یا، در بحث داده های بزرگ و هوش مصنوعی، حجم عظیم داده ها و تحلیل های ماشینی باعث شد نظریه های کلاسیک بازیابی با پرسش های جدیدی رو به رو شوند: آیا هنوز معیارهای سنتی پاسخگو هستند؟ چگونه باید الگوریتم های یادگیری ماشین و هوش مصنوعی را در چارچوب های نظری علم اطلاعات توضیح داد؟ تجزیه و‌تحلیل داده های کلان نیازمند پرسش های نظری جدید در باب معنا، ربط و کیفیت داده ها است. این حوزه هم اکنون در حال بازتعریف بسیاری از مفاهیم سنتی علم اطلاعات شده است (Baden & Robinson, 2020).
تعامل میان نظریه و تجربه را می توان در قالب یک چرخه بازخوردی توضیح داد:
۱- نظریه، چارچوبی برای طراحی مدل ها و سیستم ها فراهم می کند.
۲- تجربه، محدودیت ها و‌کاستی های نظریه را اشکار می سازد.
۳- پرسش های تازه، نظریه های اصلاح شده یا نوپدید را بر می انگیزاند.
۴- این چرخه بار دیگر تکرار می شود و سبب پویایی علم اطلاعات می گردد.
این چرخه دلیل اصلی پویایی رشته علم اطلاعات است.
منابع:
- Bawden, D., & Robinson, L. (2020) Introduction to Information Science. Facet Publishing
- Belkin, N. j. (1980) Anomalous states of knowledge as a basis for information retrieval. Canadian Journal of Information Science
- Cleverdon, C. W. (1967) The Cranfield tests on indexing language devices. Aslib proceedings
- Ingwersen, P. (1992) Information Retrieval Interaction. Taylor Graham
- Kohlthau, C. C. (1991) Inside the search process: Information seeking from the user’s perspective. Journal of the American Society for Information Science
- Robertson, S.E. (1977) The probability ranking principle in IR. Journal of Documentation
- Salton, G. (1971) The SMART Retieval System. Prentice Hall
- Saracevic, T. (1999) Information Science. Journal of the American Society for Information Science
۱. از توهین به افراد، قومیت‌ها و نژاد‌ها خودداری کرده و از تمسخر دیگران بپرهیزید و از اتهام‌زنی به دیگران خودداری نمائید.
۲.از آنجا که پیام‌ها با نام شما منتشر خواهد شد، بهتر است با ارسال نام واقعی و ایمیل خود لیزنا را در شکل دهی بهتر بحث یاری نمایید.
۳. از به کار بردن نام افراد (حقیقی یا حقوقی)، سازمان‌ها، نهادهای عمومی و خصوصی خودداری فرمائید.
۴. از ارسال پیام های تکراری که دیگر مخاطبان آن را ارسال کرده اند خودداری نمائید.
۵. حتی الامکان از ارسال مطالب با زبانی غیر از فارسی خودداری نمائید.