Relevanz-Hinweise: Entwicklung und empirische Überprüfung eines Modells für Relevanzentscheidungen bei Suchergebnissen auf Basis individueller Nutzerkriterien
In der heutigen wissensbasierten Gesellschaft suchen Menschen regelmäßig nach Informationen in digitalen Informationssystemen. Ob ein Suchergebnis für die Lösung ihrer Suchaufgabe hilfreich ist oder nicht, entscheiden sie auf der Grundlage unterschiedlicher und höchst subjektiver Kriterien. Das Ziel dieses Forschungsprojekts ist es, subjektive Kriterien sowie die Interdependenz zwischen verschiedenen Kriterien auf individuelle Relevanzentscheidungen bezüglich Suchergebnissen in einem akademischen Kontext zu bestimmen. Verlässliche Ergebnisse werden durch die Anwendung eines experimentellen Forschungsdesigns mit menschlichen Probanden - ein Ansatz, der in der Informationswissenschaft noch selten verwendet wird - und durch den Aufbau einer ausreichend großen Stichprobe für statistisch gesicherte Aussagen erzielt.
Zu den bisherigen Projektergebnissen gehört ein Benutzermodell für Relevanzbewertungen in wissenschaftlichen Suchsystemen unter Berücksichtigung von Popularitätsdaten, z.B. Zitier- oder Downloadhäufigkeiten der jeweiligen Arbeit. Das Modell zielt auf eine systematische Darstellung der Elemente eines Suchergebnisses als potenzielle Relevanzhinweise, der subjektiven Relevanzkriterien, die Nutzer bei der Bewertung der Ergebnisse anwenden, und der kontextuellen Relevanzfaktoren als Variablen, die die Relevanzurteile beeinflussen. Darüber hinaus wurde ein methodischer Rahmen für die Einbeziehung von Popularitätsdaten in experimentelle Studien zu Relevanzkriterien entwickelt.
Publikationen
Behnert, C. (2022): Popularität und Relevanz in der Suche. Wiesbaden: Springer Vieweg. https://doi.org/10.1007/978-3-658-37512-6
Behnert, C. (2019). Investigating the Effects of Popularity Data on Predictive Relevance Judgments in Academic Search Systems. In Proceedings of the 2019 Conference on Human Information Interaction and Retrieval – CHIIR ’19 (S. 437–440). New York, New York, USA: ACM Press. https://doi.org/10.1145/3295750.3298978
Behnert, C. (2019). Kriterien und Einflussfaktoren bei der Relevanzbewertung von Surrogaten in akademischen Informationssystemen. In: Information – Wissenschaft & Praxis 70 (1), 24-32. https://doi.org/10.1515/iwp-2019-0002
Behnert, C. (2017). Relevance Clues – Developing an Experimental Design to Examine the Criteria Behind Relevance Judgments. In M. Gäde, V. Trkulja, & V. Petras (Hrsg.), Everything Changes, Everything Stays the Same? Understanding Information Spaces. Proceedings of the 15th International Symposium of Information Science (ISI 2017), Berlin, 13th—15th March 2017. Glückstadt: Verlag Werner Hülsbusch.