سنجش رتبه‌بندي سامانه‌هاي پيشنهاددهندۀ مقاله در تقابل با رتبه‌بندي كاربران

هدف: سامانه‌هاي پيشنهاددهنده مقاله‌هاي علمي در تلاش‌اند به‌جاي الزام كاربر به اصلاح راهبرد جستجو و فرمول‌بندي واژگان پرسش، الگوريتم‌ها و رويكردهاي مناسب را براي عرضه مرتبط‌ترين مدارك به‌كار گيرند. علاوه بر ربط، رتبه‌بندي مدارك بازيابي‌شده نيز مي‌تواند رضايت كاربران را تضمين كند. اين مقاله نتيجه تحليل رتبه‌ مقاله‌ها را در سامانه‌هاي پيشنهاددهنده پايگاه وب‌آوساينس و موتور جستجوي گوگل‌اسكالر از ديدگاه كاربران و سنجه (NDCG) Normalized Discounted Cumulative Gain گزارش مي‌كند. روش‌شناسي: از 120 دانشجوي داوطلب دكتراي دانشگاه شيراز در رشته‌هاي علوم انساني، علوم پايه، فنيمهندسي، كشاورزي، و دام‌پزشكي (از هريك ۳۰ نفر) خواسته شد 2400 مقاله (1200 مقاله پيشنهادي گوگل‌اسكالر و 1200 مقاله پايگاه وب‌آو‌ساينس) را به‌لحاظ ربط، رتبه‌بندي كنند. داده‌ها با پرسشنامه و نرم‌افزار پژوهشگرساخته گردآوري شد. يافته‌ها: ميان رتبه‌ انتسابي كاربران و رتبه انتسابي پايگاه شباهت ضعيف بود. شباهت رتبه‌بندي مقالات در سامانه‌هاي هر دو پايگاه نيز ضعيف، اما معنادار بود.الگوريتم‌ها و شاخص‌هاي سامانه‌هاي پيشنهاددهنده هر دو پايگاه براي رتبه‌بندي چندان موفق نيست و نياز به بازنگري دارد. نتيجه‌گيري: الگوريتم‌ها و شاخص‌هايي كه سامانه پيشنهاددهنده دو پايگاه براي رتبه‌بندي مقاله‌هاي مرتبط پيشنهادي درنظر گرفته‌اند، در تأمين رضايت كاربران زياد موفق نبوده است؛ بنابراين بازنگري در الگوريتم‌هاي رتبه‌بندي اين دو پايگاه ضروري به‌نظر مي‌رسد.