Datenbank-Spektrum

, Volume 11, Issue 3, pp 149–160

Adaptive Benutzerunterstützung in interaktiven Informationssuchprozessen

  • Daniel Backhausen
  • Claus-Peter Klas
  • Matthias Hemmje
Fachbeitrag

Zusammenfassung

Die Suche nach Informationen ist ein in hohem Maße dynamischer und interaktiver Prozess, der aus verschiedenen Phasen besteht. In jeder dieser Phasen befindet sich der Suchende in einer bestimmten Situation. Diese besteht aus unterschiedlichen Faktoren, die auf den kognitiven Raum des Suchenden wirken und dadurch sein Verhalten und vor allem sein Bedürfnis nach Wissen steuern. Dies zeigt sich vor allem bei langfristigen Prozessen, die über mehrere Sitzungen hinweg verlaufen. Um den Suchenden hierbei effektiver zu unterstützen, ist es erforderlich, ein Bewusstsein über die Situation zu haben, in der sich der Suchende aktuell befindet. Darauf aufbauend können Aussehen und Verhalten eines Systems adaptiv an das dynamische Bedürfnis, das Verhalten und an die Kenntnisse des Suchenden flexibel angepasst werden. Darüber hinaus können situationsbezogene Vorschläge seitens des Systems an den Nutzer herangetragen werden, um diesen besser zu unterstützen. In dem hier vorliegenden Beitrag zeigen wir auf, wie durch eine ausführliche Analyse und Aufnahme kontextueller Faktoren eine Annäherung an das kognitive Modell des Nutzers stattfinden kann, um vor allem sitzungsübergreifende Suchaktivitäten effizienter und effektiver gestalten zu können.

Schlüsselwörter

Interactive information retrieval Adaptive information retrieval Adaptive systems Recommendation Relevance feedback User interaction Personalization Digital libraries Situational awareness 

Literatur

  1. 1.
    Adomavicius G, Tuzhilin A (2005) Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions. IEEE Trans Knowl Data Eng 17(6):734–749 CrossRefGoogle Scholar
  2. 2.
    Bahrami A, Yuan J, Smart PR, Shadbolt NR (2007) Context aware information retrieval for enhanced situation awareness. In: Military communications conference (MILCOM 2007). IEEE, New York, S 1–6 CrossRefGoogle Scholar
  3. 3.
    Bates MJ (1981) Search tactics. Annu Rev Inf Sci Technol 16:139–169 Google Scholar
  4. 4.
    Bates MJ (1989) The design of browsing and berrypicking techniques for the on-line search interface. On-Line Rev 13(5):407–431 Google Scholar
  5. 5.
    Belkin N, Croft W (1987) Retrieval techniques. Annu Rev Inf Sci Technol 22:109–145 Google Scholar
  6. 6.
    Belkin NJ (1996) Intelligent information retrieval: whose intelligence. In: Proceedings of the fifth international symposium for information science (ISI ’96), S 25–31 Google Scholar
  7. 7.
    Belkin NJ, Oddy RN, Brooks HM (1992) ASK for information retrieval. Part I. Background and theory. J Doc 38(2):61–71 Google Scholar
  8. 8.
    Brusilovsky P (1996) Methods and techniques of adaptive hypermedia. User Model User-Adapt Interact 6(2):87–129 CrossRefGoogle Scholar
  9. 9.
    Dervin B (1983) An overview of sense-making research: concepts, methods, and results to date Google Scholar
  10. 10.
    Dervin B, Nilan M (1986) Information needs and uses. Annu Rev Inf Sci Technol 21:3–33 Google Scholar
  11. 11.
    Dey AK, Abowd GD (2000) Towards a better understanding of context and context-awareness. In: CHI 2000 workshop on the what, who, where, when. and how of context-awareness, Bd 4, S 1–6 Google Scholar
  12. 12.
    Dourish P (2004) What we talk about when we talk about context. Pers Ubiquitous Comput 8(1):19–30 CrossRefGoogle Scholar
  13. 13.
    Engel F, Klas CP, Brocks H, Kranstedt A, Jäschke G, Hemmje M (2009) Towards supporting context-oriented information retrieval in a scientific-archive based information lifecycle. In: Proceedings of cultural heritage on line. Empowering users: an active role for user communities Google Scholar
  14. 14.
    Fenichel C (1981) Online searching: measures that discriminate among users with different types of experiences. J Am Soc Inf Sci 32(1):23–32 CrossRefGoogle Scholar
  15. 15.
    Ferber R (2003) Information Retrieval: Suchmodelle und Data-Mining-Verfahren für Textsammlungen und das Webe. dpunkt, Heidelberg Google Scholar
  16. 16.
    Fidel R (1985) Moves in online searching. Online Inf Rev 9(1):61–74 CrossRefGoogle Scholar
  17. 17.
    Fuhr N (2008) A probability ranking principle for interactive information retrieval. Inform Retr 11(3):251–265. http://dx.doi.org/10.1007/s10791-008-9045-0 CrossRefGoogle Scholar
  18. 18.
    Fuhr N, Klas CP, Schaefer A, Mutschke P (2002) Daffodil: an integrated desktop for supporting high-level search activities in federated digital libraries. In: Research and advanced technology for digital libraries, S 157–166 Google Scholar
  19. 19.
    Gonzalo J, Thanos C, Verdejo MF, Carrasco RC (Hsrg) (2006) A logging scheme for comparative digital library evaluation. In: Lecture notes in computer science. Springer, Heidelberg Google Scholar
  20. 20.
    He D, Brusilovsky P et al. (2008) An evaluation of adaptive filtering in the context of realistic task-based information exploration. Inf Process Manag 44(2):511–533 CrossRefGoogle Scholar
  21. 21.
    Ingwersen P (1992) Information retrieval interaction. Taylor Graham Google Scholar
  22. 22.
    Ingwersen P (1996) Cognitive perspectives of information retrieval interaction: elements of a cognitive ir theory. J Doc 52 3–50. http://dx.doi.org/10.1108/eb026960 Google Scholar
  23. 23.
    Ingwersen P, Järvelin K (2005) The turn: integration of information seeking and retrieval in context, 1. Aufl. Springer, Berlin MATHGoogle Scholar
  24. 24.
    Klahold A (2009) Empfehlungssysteme: Grundlagen, Konzepte und Systeme, 1. Aufl, Vieweg+Teubner, Wiesbaden Google Scholar
  25. 25.
    Klas CP (2007) Strategische unterstützung bei der informationssuche in digitalen bibliotheken. PhD thesis, University of Duisburg-Essen Google Scholar
  26. 26.
    Klas CP, Fuhr N, Schaefer A (2004) Evaluating strategic support for information access in the daffodil system. In: Res Adv Techn Digital Libr S 476–487 Google Scholar
  27. 27.
    Klas CP, Hemmje M (2009) Catching the user—user context through live logging in daffodil. In: Understanding the user-logging and interpreting user interactions in information search and retrieval (UIIR-2009), S 51 Google Scholar
  28. 28.
    Kriewel S, Fuhr N (2010) An evaluation of an adaptive search suggestion system. In: 32nd European conference on information retrieval research (ECIR 2010). Springer, Berlin, S 544–555 Google Scholar
  29. 29.
    Kriewel S, Klas CP, Schaefer A, Fuhr N (2004) Daffodil-strategic support for user-oriented access to heterogeneous digital libraries. D-Lib Mag 10(6):1082–9873 Google Scholar
  30. 30.
    Kuhlen R (1990) Zum stand pragmatischer forschung in der informationswissenschaft. In: Herget J, Kuhlen R (Hrsg) Pragmatische Aspekte beim Entwurf und Betrieb von Informationssystemen: Proceedings des 1. Internationalen Symposiums für Informationswissenschaft (ISI 90). Universitätsverlag, Konstanz, S 13–18 Google Scholar
  31. 31.
    Kuhlthau CC (2003) Seeking meaning: a process approach to library and information services, 2. Aufl. Springer, Berlin Google Scholar
  32. 32.
    Lancaster F (1972) Evaluation of on-line searching in medlars (aim-twx) by biomedical practitioners Google Scholar
  33. 33.
    Landwich P, Klas CP, Hemmje M (2009) Catching the user—logging the information retrieval dialogue. In: SIGIR workshop: understanding the user, Boston, USA. http://ceur-ws.org/Vol-512/paper16.pdf Google Scholar
  34. 34.
    Landwich P, Vogel T, Klas CP, Hemmje M (2009) Supporting patent retrieval in the context of innovation-processes by means of information dialogue. World Pat Inf 31:315–322. doi:10.1016/j.wpi.2009.04.004 CrossRefGoogle Scholar
  35. 35.
    Lopes CT (2009) Context features and their use in information retrieval. In: Third BCS-IRSG symposium on future directions in information access Google Scholar
  36. 36.
    Marchionini G (2006) Exploratory search: from finding to understanding. Commun ACM 49(4):41–46 CrossRefGoogle Scholar
  37. 37.
    McGill M, Salton G (1983) Introduction to modern information retrieval. McGraw-Hill, New York MATHGoogle Scholar
  38. 38.
    Ricci F, Rokach L, Shapira B, Kantor PB (Hrsg) (2011) Recommender systems handbook. Springer, Berlin MATHGoogle Scholar
  39. 39.
    Robins D (2000) Interactive information retrieval: context and basic notions. Inform Sci J 3:57–62 Google Scholar
  40. 40.
    Saracevic T (1997) The stratified model of information retrieval interaction: extension and applications. In: Proceedings of the American society for information science, Bd 34, S 313–327 Google Scholar
  41. 41.
    Schilit B, Adams N, Want R (1994) Context-aware computing applications Google Scholar
  42. 42.
    Schmidt A, Beigl M, Gellersen HW (1999) There is more to context than location. Comput Graph 23(6):893–901 CrossRefGoogle Scholar
  43. 43.
    Searle J (1984) Intentionality and its place in nature. Synthese 61(1):3–16 CrossRefGoogle Scholar
  44. 44.
    Shenouda W (1991) Online bibliographic searching: how end-users modify their search strategies. In: Proceedings of the 53rd annual meeting of the American society for information science, Bd 26, S 3–48 Google Scholar
  45. 45.
    Spink A (1997) Study of interactive feedback during mediated information retrieval. J Am Soc Inf Sci 48(5):382–394 CrossRefGoogle Scholar
  46. 46.
    Stickel E, Groffmann HD, Rau KH (1997) Gabler Wirtschaftsinformatik-Lexikon. Gabler, Wiesbaden Google Scholar
  47. 47.
    White RW, Roth RA (2009) Exploratory search: beyond the query-response paradigm, Bd 3. Morgan & Claypool Google Scholar
  48. 48.
    Wilson TD (1981) On user studies and information needs. J Doc 37(1):3–15 CrossRefGoogle Scholar
  49. 49.
    Wilson TD (1999) Models in information behaviour research. J Doc 55(3):249–270. Available at http://informationr.net/tdw/publ/papers/1999JDoc.html CrossRefGoogle Scholar

Copyright information

© Springer-Verlag 2011

Authors and Affiliations

  • Daniel Backhausen
    • 1
  • Claus-Peter Klas
    • 1
  • Matthias Hemmje
    • 1
  1. 1.FernUniversität in HagenHagenDeutschland

Personalised recommendations