Social Tagging Systems: An Overview of Structure and Functions

Document Type : Original Article

Authors

1 PhD student, Department of Knowledge and Information Science, Faculty of Education and Psychology, Shahid Chamran University of Ahvaz, Ahvaz, Iran.

2 Professor, Department of Knowledge and Information Science, Faculty of Education and Psychology, Shahid Chamran University of Ahvaz, Ahvaz, Iran.

Abstract

Introduction: The development of Web 2 provides many opportunities for libraries and information centers which its main purpose was mainly to increase the participation and interaction of users. Social tagging is one of the Web2 tools which allow users to collaborate more with the library systems. In this article social tagging is discussed from the perspective of library resources.
Methodology: The related literature covering library OPACs and Websites discussing social tagging was reviewed for gathering data.
Findings: Social tagging is a process in which users label resources, such as images, web pages, or books. Many libraries nowadays provide social tagging through their OPACs which can be considered as a new search facility based on tags added to different resources. However, there are still some challenges such as lack of control, language difficulties, information overload and domination of personal interests and needs of users in tagging process. Using social tagging does not mean omitting the librarian’s role in the classification process, but it presents a new supervisory role for him through which the usability of library system can be improved.

Keywords


مقدمه

کتابخانه در نظام سنتی به‌صورت مکانی جهت نگهداری و دسترس‌پذیر ساختن منابع اطلاعاتی به کاربران عمل می‌کند. در چنین کتابخانه‌ای منابع، صرف‌نظر از شکل و نوع اطلاعات، بر مبنای قواعدی از پیش تعیین‌شده که انعطاف چندانی نیز ندارند، توصیف می‌شوند و در گروه‌های موضوعی قرار می‌گیرند یا اصطلاحاً سازماندهی می‌شوند. ایده و هدف اصلیِ نظام‌های سازماندهی، سازماندهی منابع چاپی بر اساس گروه‌های موضوعیِ از پیش تعیین‌شده و مکان‌گذاری فیزیکی منابع بر روی قفسه‌ها بوده است. بنابراین، می‌توان گفت که تفاوت نظام‌هایی مثل رده‌بندی دیویی و یا سرعنوان‌های موضوعی کنگره در نوع کددهی و تقسیم‌بندی موضوعات است؛ چه سرعنوان‌های موضوعی کنگره و چه رده‌بندهایی مثل رده‌بندی دیویی، نوعی از تاکسونومی کم‌انعطاف را به نمایش می‌گذارند که تغییر گروه‌بندی‌ها در آنها بسیار دشوار به نظر می‌رسد (Anfinnsen, Ghinea and  Cesare, 2011: 64-65). به‌عبارتی، در این نظام‌های رده‌بندی و موضوع‌دهی، تغییرات تنها توسط سازمان‌های مرکزی خالق آنها و بر مبنای اثر اعمال می‌شوند. مزیّت این امر این است که دسته‌بندی‌های مذکور را در سطح کتابخانه‌ها و مراکز اطلاعاتی یکدست می‌کند. کاربر در این‌جا مجبور به پذیرش قواعد حاکم و تلاش برای یادگیری و تطبیق با آن است. به‌عنوان مثال، کاربر باید نظام موضوع‌دهی کتابخانه را که مطمئناً بر مبنای واژگان مهارشده است، بپذیرد؛ هرچند قواعد حاکم بر انتخاب موضوعات و یا ظاهر سرعنوان‌ها برای او ناآشنا و مبهم باشد. از طرفی، این نوع رده‌بندی‌ها و سرعنوان‌های موضوعی در کتابخانه‌ها و مراکز اطلاعاتی بیش‌تر به‌عنوان زیربنایی برای سازماندهی اطلاعات چاپی به‌شمار می‌آیند و اعمال آنها به سایر قالب‌ها و سطوح اطلاعاتی، با مشکلاتی همراه است.

ظهور وب2، امکانات فراوانی را در اختیار کتابخانه‌ها و مراکز اطلاع‌رسانی قرار داد که هدف اصلی آنها عمدتاً افزایش میزان مشارکت و تعامل کاربر بوده است. در وب2، هر کاربر به‌عنوان یک عضو فعال دیده می‌شود. زمانی که یک کاربر به یک قطعه اطلاعاتی برچسب می‌دهد، کلّ جامعۀ استفاده‌کننده از آن بهره می‌برد. هوش جمعیِ به‌دست‌آمده از این طریق، اطلاعات سازماندهی‌شدۀ ارزشمندی را به شکل فوکسونومی[1] ارائه می‌دهد  (O’Reilly, 2005). یکی از ابزارهایی که امکان همکاری و تعامل بیش‌تر کاربران با نظام‌های کتابخانه‌ای را فراهم می‌سازد، برچسب‌گذاری اجتماعی[2] است. حتی زمانی که صحبت از ابزارهای کاربردی وب2 به میان بیاید نیز برچسب‌گذاری اجتماعی یک ویژگی منحصر به‌فرد شمرده می‌شود زیرا برچسب‌گذاری نه تنها به دلیل نوآوری‌ها و پیشرفت‌های فنّاوری در طراحی نظام‌ها مورد توجه بوده، بلکه از این جهت نیز که در بافت‌های متفاوت قابل اعمال است، اهمیت فراوانی دارد  (Beguin, 2003). در ادامه، به بررسی نقش برچسب‌گذاری و استفاده از برچسب‌ها در نظام‌های سازماندهی اطلاعات پرداخته شده است.

رده‌بندی‌های مردمی و نظام‌های برچسب‌گذاری

عنصر اصلی در نظام‌های برچسب‌گذاری، «برچسب[3]» است. «مارلو[4] و دیگران» معتقدند برچسب‌ها نقاط ارتباط کاربران و منابع قابل توجه هستند  (Gruber, 2007: 7). «برچسب» واژه یا عبارتی است که برای توصیف یا سازماندهی یک منبع به‌کار می‌رود،  در حالی که برای فرد به‌کارگیرندۀ آن دارای معناست و از واژگان مهارشده پیش‌همارا نیز استخراج نشده است  (Kim, Decker and Breslin, 2010: 60). در تعریفی دیگر برچسب کلمه‌ای تعریف می‌شود که رابطه بین یک منبع پیوسته و یک مفهوم را در ذهن کاربر تعریف می‌کند  (Guy & Tonkin, 2006). افراد می‌توانند بدون داشتن فهم دقیق از معانی واژگان انتخاب شده خود به‌عنوان برچسب، آنها را به اقلام مختلف نسبت دهند. این برچسب‌ها که با کمک کاربران در کنار هم جمع می‌شوند، شکلی از یک تاکسونومی غیرسلسله‌مراتبی[5] را تشکیل می‌دهند و برچسب‌ها در آن به‌عنوان توصیفگر استفاده می‌شوند. به مجموعۀ کامل برچسب‌هایی که کاربران در یک نقطۀ زمانیِ مشخص وارد یک نظام می‌کنند، اصطلاحاً فوکسونومی یا رده‌بندی مردمی گفته می‌شود. واژه فوکسونومی اولین بار توسط واندروال[6] مورد استفاده قرار گرفت  (Kim, Decker and Breslin, 2010: 60-62).

فوکسونومی‌ها مجموعه واژگان موضوعی را در اختیار کتابداران قرار می‌دهند که خود کاربران آنها را خلق کرده‌اند، بنابراین استفاده از آنها برایشان ساده‌تر خواهد بود. این در حالی است که جستجوهای کلیدواژه‌ای امروزه، بیش‌تر مبتنی بر سرعنوان‌های موضوعیِ انعطاف‌نا‌پذیر و غیرقابل فهم برای بیش‌تر کاربران معمولی است  (West, 2007: 58-59).  

 برچسب‌گذاری را می‌توان رهیافتی برای خلق ابرداده‌ها دانست؛ رهیافتی که در آن کاربران اقلام اطلاعاتی را با کمک کلیدواژه‌هایی که برچسب نامیده می‌شوند با ساختار آزاد و برخلاف واژگان مهارشده توصیف یا سازماندهی می‌کنند. اولین‌بار برچسب‌گذاری اجتماعی در سال 2003 توسط سایت Delicious راه‌اندازی شد که در واقع نوعی خدمات نشانه‌گذاری اجتماعی به‌شمار می‌آمد. پس از آن نیز Flicker از این روش در جامعه اشتراک تصویر خود استفاده کرد. امروزه برچسب‌گذاری حتی در سیستم‌عامل‌هایی مثل ویستا یا OS X نیز دیده می‌شود و قابلیت مدیریت دانش ذخیره‌شده را به کاربران می‌دهد  (Panke & Gaiser, 2009: 319). به‌عنوان نمونه، برچسب‌ها در دفترچه‌های آدرس، تقویم‌های دیجیتال و پست‌های الکترونیک کاربران به‌کار گرفته می‌شوند. نمونه‌های دیگر برچسب‌گذاری در شبکه‌های اجتماعی مانند فیس‌بوک یا توییتر مشاهده می‌شود. به‌عنوان مثال، زمانی که کاربر فایل شخصی یا روابط خود را برچسب‌گذاری می‌کند تا مشخص نکند که فلان شخص در گروه همکاران، دوستان و یا خانواده وی قرار می‌گیرد.

بر این اساس، برچسب‌گذاری را می‌توان فرایندی در نظر گرفت که در آن کاربران به منابعی مثل عکس‌ها، صفحات وب و یا کتاب‌های موجود در یک نظام، برچسب‌هایی را اختصاص می‌دهند. کاربران که عموماً در این نظام‌ها برچسب‌دهنده[7] نامیده می‌شوند، دارای علایق، نیازها، اهداف و انگیزه‌های متفاوتی هستند؛ لیکن همگی در این نکته مشترکند که هدف آنها در اختصاص برچسب‌ها چیزی بیش از سرگرمی است. آنها معمولاً به هدف دیگری مثل اشتراک منابع، نشانه‌گذاری و بازیابی دوبارۀ آنها فکر می‌کنند.

منبع نیز در این فرایند می‌تواند هر آنچه باشد که برچسب را دریافت می‌کند. یک کتاب، یک صفحه وب، یک ویدئو، عکس و یا هر چیز دیگری. بعضی از نظام‌های برچسب‌گذاری صرفاً منابع خاصی را در بر می‌گیرند، مانند Flicker که تمرکز آن بر عکس و تصاویر است.

آخرین ضلع مثلت در فرایند برچسب‌گذاری، شامل کلیدواژه‌هایی است که می‌توانند جنبه‌های موضوعی یک منبع را توصیف، به زمان و یا محل قرار گرفتن آن اشاره کنند و یا حتی احساس شخصی کاربر را نسبت به آن نمایش دهند. برچسب‌دهندگان مختلف همواره از الگوهای برچسب‌دهی متفاوتی استفاده می‌کنند. نباید فراموش کرد که برچسب‌گذاری همواره در بافت یک نظام صورت می‌گیرد. این نظام معمولاً عملیات برچسب‌گذاری را به مجموعه‌ای مشخص از منابع بر اساس نوع، مالکیت، موضوع و یا خاستگاهی خاص محدود می‌کند. به‌عنوان‌مثال، ممکن است در یک اپک، برچسب‌گذاری برای کاربران مهمان نیز امکان‌پذیر باشد و یا فقط منابعی که از طریق شبکه محلی کتابخانه در اختیار هستند، قابل برچسب‌‌دهی باشند.

شاید بتوان دلایل توجه کاربران به برچسب‌ها را در این نکات خلاصه کرد

)Cantador, Konstas & Jose, 2010; Kim, Decker & Breslin, 2010; Kakali & Papatheodorou, 2010; Thomas, Candle & Schmitz, 2009; Smith, 2008):

  1. برچسب‌ها ساده هستند و با تایپ چند حرف یا کلمه ایجاد می‌شوند.
  2. برچسب‌ها انعطاف‌پذیرند و قابل تخصیص به هر منبع اطلاعاتی، در هر موقعیت و با هر هدفی هستند.
  3. برچسب‌ها گسترش‌پذیرند و در تعداد و یا دفعات استفاده از آنها برای کاربران محدودیتی وجود ندارد.
  4. با به‌کارگیری برچسب‌ها، کاربران دیگر تنها بر یک ساختار دانش قراردادی از پیش تعیین‌شده متکی نیستند.

در نظام‌های برچسب دهی، توزیع برچسب‌ها صرف‌نظر از محتوا و نوع، از یک الگوی مشترک پیروی می‌کند. این الگو یک منحنیِ مبتنی بر قانون قدرت[8]  (همان قانون زیف) است  (نمودار1). بر اساس این قانون، برچسبی که در رتبۀ اول قرار می‌گیرد، به‌مراتب بیش‌تر از برچسبی که در مرتبۀ دهم قرار می‌گیرد، تکرار می‌شود  (Smith, 2008: 52-53). برچسب‌ها را می‌توان ابرداده‌هایی برای منابع دانست، لیکن نمی‌توان به‌راحتی در همان دسته‌بندی سه‌گانه ابرداده‌های توصیفی، مدیریتی و ساختاری جای داد.

 

نمودار 1: رابطه میان رتبه و تکرار برچسب‌ها در یک نظام برچسب‌دهی بر اساس قانون زیف  (برگرفته از  (Smith, 2008: 63))

انتخاب برچسب توسط کاربران به هدف آنان از برچسب‌دهی و انگیزشی که برایشان در این خصوص ایجاد شده است، برمی‌گردد. به‌عنوان مثال، اگر هدف، شرکت در یک فرایند اشتراک منابع باشد، شاید برچسب‌دهندگان بیش‌تر به برچسب‌های حاوی احساسات، عقاید و نظرهای شخصی توجه نشان دهند؛ ولی زمانی که به مدیریت دانش شخصی می‌رسیم، برچسب‌های توصیفی و مرتبط با وظایف، برای فرد اهمیت بیش‌تری پیدا می‌کند.

نقش برچسب‌گذاری در نظام‌های سازماندهی نوین

دنیای امروز نیازمند روش‌های جدید جستجو و سازماندهی منابع اطلاعاتی است که به‌صورت لحظه‌ای بر تعداد آنها افزوده می‌شود. برچسب‌گذاری را می‌توان یک روش منبع‌یابی در سطح وب دانست؛ روشی که می‌تواند در کنار موتورهای جستجوی وب و راهنماهای موضوعی قرار گیرد. عملکرد اصلی این روش اشتراک منابع میان کاربران است  (Ames, 2007: 972-974; Macgregor & McCulloch, 2006: 295). برچسب‌ها می‌توانند به‌عنوان ابزارهایی برای سازماندهی و اکتشاف منابع عمل کنند. زمانی که از برچسب‌ها به‌عنوان ابزاری برای سازماندهی منابع نام می‌بریم، لازم است آنها را در برابر روش‌های سنتی رده‌بندی مبتنی بر تاکسونومی‌‌ها، واژگان مهارشده و رده‌بندی‌های چهریزه‌ای و هستی‌شناسی‌ها قرار داد.

روش‌های رایج سنتی سازماندهی و رده‌بندی نیازمند به‌کارگیری نیروهای متخصص، هزینه‌های فراوان و قواعدی هستند که طرح‌های رده‌بندی و موضوعی را قابل استفاده نماید. یک نظام سنتی ممکن است نتواند اطلاعات مرتبط با نیازهای کاربر را فراهم کند. در عوض، نظام‌های برچسب‌گذاری اجتماعی از دانش موجود کاربران به‌جای تکیه بر دانش تعداد محدودی متخصص بهره می‌برند. این نظام‌ها اصولاً ساختاری مسطح دارند  (Golder & Huberman, 2006: 200-202) و نیازی به تعریف رده‌ها و رده‌های فرعی در آنها دیده نمی‌شود. همچنین قواعد از پیش تعیین‌شده‌ای برای انتخاب برچسب‌هایی که باید به یک مدرک داده شوند در آنها وجود ندارد. بر این اساس، موافقان این نظام‌ها معتقدند دانش به‌دست‌آمده از خرد یک گروه کاربری احتمالاً ابزار قابل‌اعتمادتری نسبت به دانش گرفته شده از یک فرد جهت کسب منابع اطلاعاتی خواهد بود (391-392 : Razikin et al., 2011)، اگرچه نمی‌توان نارسایی‌های این نظام‌ها را نیز نادیده گرفت.

چنانکه اشاره شد، برچسب‌گذاری روشی برای مشارکت و همکاری کاربر در امر نمایه‌سازی و دسترس‌پذیری موضوعی منابع است. در شماری از پژوهش‌های انجام‌شده در حوزه برچسب‌گذاری بر این مباحث تأکید می‌شود که در مقایسه با نظام‌های برچسب‌دهی و واژگان مهارشده، همواره شباهت‌های قابل‌توجهی نیز میان برچسب‌های کاربران و واژگان مهارشده که توسط نمایه‌سازان باتجربه ایجاد شده‌اند، دیده می‌شود. اگرچه نباید فراموش کرد که رفتار اطلاعاتی کاربران و متخصصان در خلق این واژگان مشابه با یکدیگر متفاوت بوده است. از طرفی، بعید به نظر می‌رسد که برچسب‌دهی اجتماعی بتواند به‌طور کامل جایگزین نظام‌های مرسوم و سنتیِ سازمان‌دهی دانش شود، لیکن آن را می‌توان به‌عنوان یک راه موازی به‌منظور گسترش واژگان مورد استفاده در دسترس‌پذیری اطلاعات و حمایت از هستی‌شناسی‌ها و وب معنایی در نظر گرفت  (192-193 :Kakali & Papatheodorou, 2010). برچسب‌گذاری موقعیت‌هایی را برای کاربران فراهم می‌کند که در زمان استفاده از واژگان مهارشده وجود ندارد؛ از جمله، انعطاف‌پذیری در سازماندهی اطلاعات، قابلیت بازیابی و تورّق.

روش‌های سنتی سازماندهی یا تاکسونومی‌ها حاوی واژگان مهارشده هستند که عموماً ساختاری سلسله‌مراتبی دارند و از روابط پدر و فرزندی یا اعم و اخص پیروی می‌کنند. در یک تاکسونومی به‌عنوان مثال، همواره یک کتاب در یک زمان در رده‌ای خاص جای می‌گیرد. به‌عبارتی، قاعده یک شیء، یک مکان برای آن اجرا می‌شود. اما در نظام‌های برچسب‌گذاری، یک منبع می‌تواند هم‌زمان در چند رده قرار بگیرد (Smith, 2008: 72). همچنین روابط موجود مانند آنچه در واژگان مهارشده دیده می‌شود، نیست و معمولاً به‌جای اشاره به رابطه دو برچسب به درجه مرتبط بودن و ربط آنان توجه شود.

نظام‌های برچسب‌گذاری مورد توجه کاربران است. ابزارهای جستجوی وب مثل موتورهای جستجو، راهنماهای موضوعی و برچسب‌گذاری‌های اجتماعی از نظر میزان ربط از دیدگاه کاربران مورد مقایسه قرارگرفته‌اند و نتایج نشان داد که برچسب‌گذاری‌های اجتماعی در رتبه دوم و بعد از موتورهای جستجو قرارگرفته اند  (Morrison, 2008). بررسی‌های مختلفی امروزه بر میزان نزدیکی عقاید کاربران در ارائه برچسب‌ها به منابع و سرعنوان‌های موضوعی که آن منابع در نظام‌های سنتی دریافت می‌کنند، صورت گرفته است. نتایج اغلب حاکی از آن است که شباهت‌های زیادی میان برچسب‌ها و سرعنوان‌های داده شده وجود ندارد. به‌عنوان مثال، میزان انطباق برچسب‌های داده شده در سایت Connotea به منابع و سرعنوان‌های موضوعی پزشکی که همان منابع دریافت نموده‌اند، تنها 11% گزارش شده است. بیش‌ترین میزان انطباق مشاهده شده، میان برچسب‌های ارائه شده در Library Thing و سرعنوان‌های موضوعی کنگره در تحقیق «لو و دیگران» بوده است که 1/50 %  واژگان سرعنوان‌های موضوعی در میان برچسب‌های کاربران نیز دیده شده است  (Lu, Park  and  Hu; 2010). بر این اساس، این عقیده منطقی به‌نظر می‌رسد که برچسب‌ها در اکتشاف منابع از این منظر مورد توجه کاربران هستند که واژگان استفاده‌شده توسط برچسب‌دهندگان به‌عنوان کاربران عادی یک نظام با واژگان ایجادشده توسط متخصصان بر اساس واژگان مهارشده متفاوتند.

 نمایش برچسب‌ها

با افزوده‌شدن تعداد برچسب‌های ارائه‌شده به یک نظام برچسب‌گذاری، آنها به‌صورت یک فهرست بر اساس الفبا، میزان تکرار توسط کاربران و یا بر اساس جنبه‌های تاریخی و زمان، مرتب شوند. کنار هم قرارگرفتن برچسب‌ها، توده‌هایی را تشکیل می‌دهد که «ابر برچسب[9]» نامیده و ابزار نمایش برچسب‌ها در یک نظام برچسب‌گذاری به‌شمار می‌روند. در یک ابر برچسب، برچسب‌هایی که بیش‌تر مورد استفاده قرار گرفته‌اند با تفاوت در اندازه یا رنگ نسبت به سایر برچسب‌ها، متمایز می‌شوند. این ابرها در یک نگاه برای کاربر مشخص می‌سازند که کدام برچسب‌ها معروف‌ترند  (Lawson, 2009: 574). به‌عنوان مثال، در یک ابر برچسب که بر اساس اندازه عمل متمایزسازی برچسب‌ها را انجام می‌دهد، معمولاً بزرگ‌ترین برچسب، پراستفاده‌ترین و معروف‌ترین آن خواهد بود  (Hassan-Montero & Herrero-Solana, 2006). لازم به ذکر است، آنچه کاربران در نمایش برچسب‌ها مشاهده می‌کنند، بخشی شاخص و پراستفاده‌تر از تمامی برچسب‌های موجود در نظام مورداستفادۀ آنان است که به شکل توده‌ها یا ابرهای برچسب، مصورسازی شده‌اند.

اولین استفادۀ عمومی از واژۀ ابر برچسب به دهۀ اول قرن 21 برمی‌گردد که این واژه به‌عنوان یک ویژگی وب2، گسترش یافت. نخستین ابر برچسب‌ها مربوط به سایت اشتراک عکس Flicker بودند که در حوالی 2004 به وجود آمدند. در حوالی همان سال‌ها استفاده از ابر برچسب برای نمایش برچسب‌های موجود در سایت‌های Delicious  و Technoratiنیز معمول شد Smith, 2008: 3)). ابر برچسب‌ها با استفاده از عناصر زبان HTML نمایش داده می‌شوند. معمول‌ترین روش نمایش ابر برچسب‌ها، روش مستطیلی است که در آن برچسب‌ها عمدتاً به‌صورت الفبایی در خطوطی کنار هم قرار می‌گیرند و مستطیلی را به‌وجود می‌آورند  (HLWIKI International , 2012; Hassan-Montero & Herrero-Solana, 2006). گاهی نیز خوشه‌هایی از برچسب‌ها به شکل معنایی ایجاد می‌شوند؛ بدین‌معنا که برچسب‌های مشابه از نظر مفهوم در نزدیکی یکدیگر قرار می‌گیرند  (258 :Murtagh et al. , 2011). نمونه‌هایی از روش‌های مصوّرسازی ابر برچسب‌ها در تصویرهای 1 و 2 آمده است.

 

 

تصویر 1: نمایش مستطیلی ابر برچسب با کمک تفاوت اندازه  (A) و اندازه و فراوانی برچسب‌ها  (B)  (برگرفته از اینترنت)

 

 

تصویر 2: نمایش ابر برچسب با کمک تفاوت در رنگ و اندازه  (برگرفته از تصاویرگوگل)

نظام‌های برچسب‌گذاری و اپک‌ها

دسته‌بندی و سازماندهی کتاب‌ها در کتابخانه‌ها و دسترس‌پذیر ساختن اطلاعات آنها همواره از وظایف اصلی و منحصربه‌فرد کتابخانه‌ها شمرده می‌شده است. با ظهور وب2، البته فناوری این امکان را برای عامۀ مردم برای مشارکت در سازماندهی و توصیف این منابع فراهم آورده است. امروزه در کتابخانه‌های فراوانی فهرست‌های پیوسته عمومی  (اپک) از برچسب‌گذاری اجتماعی استفاده می‌کنند. نرم‌افزارهایی مثل Primo، Encore،  Aqua browserو AFI-OPAC ویژگی‌هایی را ارائه می‌دهند که برچسب‌گذاری و جستجوی برچسب‌ها را امکان‌پذیر می‌کند  (Kakali & Papatheodorou, 2010: 192-193). مهم‌ترین مرکز ارائه خدمات برچسب‌دهی به کتابخانه‌ها، library Thing است که این قابلیت را به شکل یک ویژگی سفارشی به اپک‌های کتابخانه‌ای اضافه می‌کند. بر این اساس، یک قابلیت جستجوی جدید بر مبنای برچسب‌های داده شده به منابع به اپک‌ها اضافه می‌شود که به غنای بیش‌تر فهرست‌ها کمک می‌کند. بر اساس آخرین آمار موجود، بیش از 400 کتابخانه در سراسر دنیا از خدمات برچسب‌گذاری در اپک‌های خود استفاده می‌کنند  (Library Thing, 2012). نمونه‌هایی از اپک‌های کتابخانه‌ای که از قابلیت برچسب‌گذاری استفاده می‌کنند و تفاوت نحوۀ نمایش برچسب‌ها در آنها در تصاویر 3و 4 قابل مشاهده است.

 

 

تصویر 3: نمایش ابر برچسب با تمایز در اندازه در یک اپک کتابخانه  (برگرفته از وب سایت کتابخانه گلدکوست)

 

 

تصویر 4: صفحه نتایج جستجوی برچسب‌ها در اپک تصویر 3  (مورد جستجو واژه murder)

 

در نرم‌افزارهای داخلی توجه به مسئله برچسب‌دهی امری تازه است و تجربه‌های نگارندگان در بررسی نرم‌افزارهای داخلی نشان می‌دهد هنوز ساختار و نمایش مناسبی از این قابلیت در نرم‌افزارهای داخلی دیده نمی‌شود و برخی نیز که مدعی استفاده از این قابلیت هستند، صرفاً اجازه برچسب‌دهی را به کاربر در محدودۀ منابع ذخیره‌شده در فایل کاربری خود می‌دهند و جستجو بر اساس برچسب‌ها نیز در میان همان منابع صورت می‌گیرد. به نظر می‌رسد با استفاده از الگوهای پیشرفتۀ موجود می‌توان این قابلیت را به‌نحوی شایسته‌تر در نرم‌افزارهای داخلی به کار گرفت. البته، نباید فراموش کرد که هر تغییری در این حوزه، زمانی نتایج واقعی خود را نشان می‌دهد که رغبتی به ارائه آنها به کاربران در میان کتابداران مسئول دیده شود که این نیز بی‌شک مستلزم ایجاد انگیزه و ارائه اطلاعات و آموزش‌های لازم از سوی مسئولان رده‌های بالاتر است.

مشکلات نظام‌های برچسب دهی

برچسب‌ها عموماً برای استفادۀ شخصی توسط افراد به منابع داده می‌شوند و کاربران با توجه به زمینه‌های ذهنی، تجربه‌ها، نیازها و اهداف خود برچسب‌هایی را به منابع اختصاص می‌دهند. از طرفی، برچسب‌های نامرتب، دارای املای غلط و گروه‌بندی‌های نامناسب برچسب‌ها که معمولاً ناشی از فقر دانش دستور زبان افراد است و منجر به ایجاد ترکیباتی می‌شود که نامأنوس و بعضاً بی‌معنا هستند؛ استفاده از شکل جمع یا مفرد واژگان توسط کاربران مختلف، استفاده از برچسب‌های شخصی که برای عموم قابل‌ فهم نیست و برچسب‌هایی که تنها یک‌بار به ‌کاررفته‌اند، در بحث برچسب‌گذاری و استفاده از آنها مشکل‌سازند و این‌گونه برچسب‌ها حجم قابل‌توجهی از برچسب‌های موجود در هر نظام را نیز تشکیل می‌دهند  (Guy & Tonkin, 2006; Lawson, 2009: 578).

از طرفی، نبود کنترل در اعمال برچسب‌ها را می‌توان به‌عنوان یک اخلال یا پارازیت برشمرد که احتمال وجود آن در نتایج بازیابی یک کاربر کم نیز نخواهد بود. این مسائل باعث می‌شود عملیات باهم‌آیی منابع مشابه یا مرتبط با مشکل روبه‌رو شود. همچنین فقدان واژگان مهارشده و به‌کارگیری کلیدواژه‌هایی که آزادانه به منابع داده می‌شوند، مشکل نبود انطباق واژگان را به‌همراه دارد. این نبود تطابق میان برچسب‌دهندگان و استفاده‌کنندگان از آن برچسب‌ها به‌وجود می‌آید و علت آن بیش‌تر جنبه‌های دستوری و مترادف‌ها و مشابهات در زبان‌های طبیعی است  (Anfinnsen, Ghinea and Cesare, 2011; Mathes, 2004). از طرفی، انتخاب یک برچسب توسط کاربر ممکن است تحت تأثیر منافع شخصی قرار بگیرد (Chua, 2003). در این حالت ممکن است منابع برچسب‌هایی را دریافت کنند که رابطه‌ای با آنها ندارند و فقط برای جلب‌توجه مخاطبان ارائه ‌شده‌اند.

در نهایت، حجم انبوه برچسب‌ها به نسبت واژگان مهارشده می‌تواند سبب ایجاد اضافه‌بار اطلاعاتی شود که خود چالش جدیدی را برای کتابخانه‌ها ایجاد می‌کند. تحقیقاتی در این حوزه نیز صورت گرفته است. نتایج به‌طور خاص نشان می‌دهد متوسط تعداد سرعنوان‌های تعلق‌یافته به هر عنوان کتاب در کتابخانه‌های امریکا در حالت عادی، 3 سرعنوان، بدون در نظرگرفتن سرعنوان‌های فرعی مربوط است؛ در حالی که متوسط تعداد برچسب‌هایی که به کتاب‌ها در نظام‌های دارای ویژگی برچسب‌گذاری داده شده، 63 برچسب بوده است  (Lawson, 2009: 579). با تمام آنچه گفته شد، برچسب‌گذاری اجتماعی امکان جدیدی است که در وب2 مورد توجه و علاقه عموم قرار گرفته و کاربرد آن در شبکه‌های اجتماعی، وب‌سایت‌ها و فهرست‌های کتابخانه‌ای رو به افزایش است.

نتیجه‌گیری

«آبرام»[10] زمانی که از کتابدار2 سخن به میان می‌آورد، او را کسی معرفی می‌کند که از رده‌بندی و فهرست‌نویسی غیرسنتی دوری نمی‌گزیند و به برچسب‌گذاری، فوکسونومی و سازماندهی عمومی دانش توجه نشان می‌دهد. در اظهارنظری نیز این سؤال مطرح می‌شود، درحالی‌که متخصصان فهرست‌نویسی و رده‌بندی از میان مردم عادی پرورش داده می‌شوند، پس چرا برچسب‌گذاری اجتماعی به‌عنوان نمادی از خرد جمعی وارد کتابخانه‌ها نشود  (Abram, 2008: 22) آن‌هم در زمانی که بسیاری از کاربران تجربه‌هایی را در به‌کارگیری ابزارهایی که نقش آنها را در تعامل با نظام‌های تحت وب پررنگ می‌کند، کسب کرده‌اند و آماده تعامل بیش‌تر با نظام‌های کتابخانه‌ای نیز هستند. 

این بدین معنا نیست که نقش کتابدار از فرایند سازماندهی اطلاعات در کتابخانه‌ها و مراکز اطلاعاتی حذف شود، بلکه با وجود مشکلات بیان‌شده در حوزه نظام‌های برچسب‌گذاری، لازم است کتابدار متخصص به‌عنوان یک عامل نظارتی نیز وظایفی را برعهده بگیرد. در این حالت وی نقش تعدیل‌کننده را بازی می‌کند و با انجام یا نظارت بر تغییراتی از جمله حذف و یکدست‌سازی، برچسب‌های وارد شده به نظام، کارآیی عملیات بازیابی و قابلیت‌های جستجو را برای کاربران افزایش دهد. به‌عنوان مثال، برچسب‌های عامی که فراوان تکرار می‌شوند و یا آنهایی که مفاهیم ذهنی را نمایش می‌دهند  (Lawson, 2009: 578) مانند «حتماً بخوانید»، «جالب» و یا مشابه آنها در زبان انگلیسی مثل «Must read» یا « Funny» می‌توانند حذف شوند و یا غلط‌های املایی و حالات جمع و مفرد توسط یک ویرایشگر با نظارت کتابدار تصحیح و یکدست گردد.

درنهایت، اگرچه استفاده از نظام‌های برچسب‌دهی در کتابخانه‌ها چالش‌های جدیدی را فرا روی کتابداران و مسئولان قرار می‌دهد، اما نمی‌توان علاقۀ کاربران به مشارکت در فرایند سازماندهی اطلاعات را در عصر وب2، وب کاربرمحور، نادیده گرفت. در این میان، عاقلانه به نظر می‌رسد که کتابخانه‌ها برای جذب مخاطبان بیش‌تر و رسیدن به بهره‌وری بالاتر، در به‌کارگیری ابزارهای مبتنی بر فناوری _ که نمونه‌ای از آن با نام برچسب‌گذاری در این متن بررسی شد _  از کاربران خود جلوتر باشند و یا حداقل همگام با آنها قدم بردارند، زیرا دیر یا زود، خواسته یا ناخواسته در مسیر رودخانه جاری تغییرات عصر حاضر، ناچار به همراه‌شدن با این فناوری‌ها و امکانات جدید آنها خواهند بود.

 


[1].  Folksonomy

[2].  Social tagging

[3].  Tag

[4].  Marlow

[5].  Flat

[6].  Vander Wal

[7].  Tagger

[8].  Power law  (Zipf law)

[9].  Tag cloud

[10].  Abram

-      Abram, S.  (2008). Social libraries: the Librarian 2.0 phenomenon. Library Resources and Technical Services, 52 (2): 19-22.
-      Ames, M.  (2007). Why we tag: motivations for annotation in mobile and online media. In: SIGCHI Conference on Human Factors in Computing Systems. New York: ACM: 971–80.
-      Anfinnsen, S., Ghinea, Gh. & Cesare, S. D.  (2011). Web 2.0andfolksonomiesinalibrarycontext. International Journal of Information Management, 31: 63–70.
-      Be´guin, P.  (2003). Design as a mutual learning process between users and designers. Interacting with Computers, 15: 709-730.
-      Chua , A.Y.K.  (2003). Knowledge sharing: a game people play. Aslib Proceedings, 55: 117–129.
-      Golder, S.A. & Huberman, B.A.   (2006). Usage patterns of collaborative tagging systems. Journal of Information Science, 32: 198–208.
-      Gruber, T.R.  (2007). Ontology of folksonomy: a mash-up of apples and oranges. International Journal on Semantic Web & Information Systems, 3 (2): 1–11.
-      Guy, M., & Tonkin, E.  (2006). Folksonomies: Tidying up tags? D-Lib, 12 (1). Available online via < http://www.dlib.org/dlib/january06/guy/01guy.html>  (21/07/2012)
-      Hassan-Montero, Yossef & Herrero-Solana, V.  (2006). Improving Tag-clouds as visual information retrieval interfaces. InScit2006: International Conference on Multidisciplinary Information Sciences and Technologies. Available online via <http://www.nosolousabilidad.com /hassan/improving_tagclouds.pdf>  (03/04/2012)
-      HLWIKI International  (2012). Tag clouds in the OPAC: a starting point. Available online via <http://hlwiki.slais.ubc.ca/index.php/Tag_clouds_in_the_OPAC:_a_starting_point>  (03/07/2012)
-      Kakali, C. & Papatheodorou, Ch.  (2010). Exploitation of folksonomies in subject analysis. Library & Information Science Research, 32: 192–202.
-      Kim, H., Decker, S. & Breslin, J.G.  (2010). Representing and sharing folksonomies with semantics. Journal of Information Science, 36 (1): 57–72.
-      Lawson, K. G.  (2009). Mining social tagging data for enhanced subject access for readers and researchers. The Journal of Academic Librarianship, 35 (6): 574–582.
-      Library Thing  (2012). Available online via <http://www.librarything.com/>  (15/06/2012)
-      Lu, C., Park, J.R. & Hu, X.  (2010). User tags versus expert-assigned subject terms: a comparison of LibraryThing tags and Library of Congress subject headings. Journal of Information Science, 36: 763–779.
-      Macgregor, G. & McCulloch, E.  (2006). Collaborative tagging as a knowledge organization and resource discovery tool. Library Review, 55: 291–300.
-      Mathes, A. (2004).  Folksonomies: Cooperative classification and communication through shared metadata. Available online via <http://www.adammathes.com/academic/computer-mediated-communication/folksonomies.html>  (02/06/2012).
-      Morrison, J. P.  (2008). Tagging and searching: search retrieval effectiveness of folksonomies on the World Wide Web. Information Processing and Management, 44: 1562–1579.
-      Murtagh, F., Ganz, A., McKie, S., Mothe, J.  & Englmeier, K.  (2010). Tag clouds for displaying semantics: The case of film scripts. Information Visualization, 9 (4): 253–262.
-      O’Reilly, T.  (2005). What is Web 2: Design patterns and business models for the next generation of software. Available online via <http://oreilly.com/web2/archive/what-is-web-20.html.>   (15/06/2012)
-      Panke, S. & Gaiser, B.  (2009). With my head up in the clouds: Using social tagging to organize knowledge. Journal of Business and Technical Communication, 23 (3): 318-349
-      Razikin, Kh., Goh, D.H., Chua, Alton Y. K & Lee, Ch. S.  (2011). Social tags for resource discovery: a comparison between machine learning and user-centric approaches. Journal of Information Science, 37 (4): 391–404.
-      Smith, G.  (2008). Tagging: people powered metadata for the social web. Berkeley, CA: New Riders.
-      West, J.  (2007). Subject headings 2.0: Folksonomies and tags. Library Media Connection, 25 (7), 58-59.