حسین کارشناس

هدف: بروز هر پدیده همراه با فرصت ها و چالش هایی است که شناخت و درک آن ها سبب خواهد شد تا با استفاده از فرصت های شناسایی شده بتوان تا حد امکان بر چالش های موجود و پیش رو غلبه و آن ها را برطرف کرد و پدیده موردنظر را تقویت کرد و بهبود بخشید. با توجه به اهمیت روزافزون کتابخانه های هوشمند و این نکته که آینده از آنِ کتابخانه های هوشمند خواهد بود، به نظر می رسد درک و شناخت فرصت ها و چالش های پیش روی آن ضروری است. پژوهش حاضر در پی آن بود که این فرصت ها و چالش ها را شناسایی کند و در صورت نیاز به ارائه راهکار بپردازد.روش: پژوهش حاضر با رویکرد مروری، با استفاده از روش تحلیل محتوای کیفی و به شیوه استقرایی، به بررسی و تحلیل اسناد و مدارک موجود در حوزه کتابخانه هوشمند جهت شناسایی فرصت ها و چالش های پیش رو پرداخته است. جامعه آماری پژوهش، کلیه اسناد و مدارک موجود و مرتبط با موضوع کتابخانه هوشمند در پایگاه های استنادی اسکوپوس و وب آو ساینس و پایگاه های اطلاعاتی ساینس دایرکت، اشپرینگر، وایلی، امرالد، تیلور اَند فرانسیس، پروکوئست، ابسکو، جی استور، سیج، ای سی ام و اریک بود.یافته ها: کاربران، کتابداران، داده ها، بودجه، مسائل فنی و فرهنگی و اجتماعی و حقوقی و اخلاقی، خط مشی و قوانین و امنیت، ازجمله مهم ترین چالش های پیش روی کتابخانه های هوشمند شناسایی شد. از سوی دیگر فرصت ها شامل استفاده از داده ها برای تصمیم گیری مبتنی بر شواهد، توسعه تجربه کاربری بهبودیافته، افزایش همکاری و مشارکت با کاربران و جوامع محلی، توسعه آموزش و یادگیری جامعه و ترویج توسعه فرهنگی هستند.نتیجه گیری: برای مواجهه با چالش ها و بهره گیری از فرصت ها، ضروری است کتابخانه های هوشمند به مدیریت تمامی جنبه های عملکرد خود بپردازند و تلاش مداومی در جهت بهبود خدمات و تطابق با نیازهای متغیر جامعه داشته باشند. کتابداران، نیازمند کسب توانایی هایی جهت مدیریت کارآمد و استفاده بهینه از فناوری هستند. برای مواجهه با این چالش، آموزش مناسب کتابداران، ارتقاء مهارت های فنی آن ها، ایجاد آگاهی و تسهیل فرایند تغییر و توجه به جذب و استخدام کتابداران متخصص و مجرب می تواند کمک کننده باشد. ارائه کارگاه ها و منابع و دوره های آموزشی برای کاربران به منظور آشنایی با قابلیت ها و ویژگی های فنّاوری های جدید و نظام های خودکار و نحوه استفاده از کتابخانه های هوشمند، به کاربران کمک می کند تا مهارت های لازم را برای استفاده از کتابخانه هوشمند به دست آورند. کتابخانه های هوشمند می توانند از طریق مشارکت و همکاری با شرکت ها و مؤسسات آموزشی و دیگر کتابخانه ها، در کاهش هزینه های خود بیشتر کمک کنند. استفاده از فنّاوری های پیشرفته مانند اینترنت اشیاء، کلان داده، یادگیری ماشین، هوش مصنوعی، محاسبات ابری و داده کاوی برای تحلیل داده ها، پیش بینی نیازها و رفتار کاربران، خودکارسازی فرایندها و ارائه خدمات شخصی سازی شده، به توسعه کتابخانه های هوشمند کمک می کند. پژوهش و تدوین و ارائه خط مشی ها و استانداردها برای شفافیت داده می تواند به کتابخانه های هوشمند در مواجهه با چالش مدیریت و بهره برداری از داده ها کمک کند.

با توجه به نقش اساسیِ پیکره ها در بهبود کیفیتِ عملکردِ سیستم های مبتنی بر داده ، به کارگیری پیکره های گفتاری مناسب در سیستم های پردازشِ گفتار نیز امری ناگزیر است. به طور معمول، در سیستم های پردازشِ گفتار، از پیکره های واجی بهره گرفته می شود. یکی از روش های شناخته شده برای افزایشِ دقتِ سیستم های پردازش گفتار در سال های کنونی، بهره گیری از پیکره های واج گونه ای است. ویژگی آشکار پیکره های واج گونه ای در مقایسه با پیکره های واجی، اختصاص برچسب های واج گونه ای به هر یک از واج ها است. راه کار پیشنهادی برای تهیه پیکره واج گونه ای، پیاده سازی برنامه ای با بهره گیری از روش مبتنی بر قاعده، برای تبدیل واج ها به واج گونه ها و اعمال این برنامه بر پیکره واجی است. شالوده بهره گیری از رویکرد موردِ اشاره، دسترسی به چنین قواعدی است. پس از تدوین این قواعد از منابع موجود در زبان، ایجاد بستر مناسبِ پیاده سازی و سپس پیاده سازیِ برنامه مربوطه و اعمال آن بر پیکره گفتاری واجی، پیکره واج گونه ای تهیه می شود. زبان فارسی نیز فاقد پیکره واج گونه ای است و پیکره گفتاری فارس دات کوچک در این زبان، دارای تقطیع در سطح واج و واژه است. به منظور تبیین هر چه بهتر راه کار پیشنهادشده در پژوهش حاضر، به عنوان یک نمونه عملی، مرحله های برچسب گذاری واج گونه ای پیکره واجی فارس دات کوچک، به صورت گام به گام اجرا شده است.

مقدمه : مدل سازی موضوعی یکی از تکنیک های متن کاوی است که امکان کشف موضوعات نامعلوم در مجموعه اسناد، تفسیر اسناد بر اساس این موضوعات و استفاده از این تفاسیر برای سازماندهی، خلاصه کردن و جستجوی متن ها را به طور اتوماتیک میسر می کند. آشنایی با مفهوم و تکنیک مدل سازی موضوعی، و کاربرد آن در کشف موضوعات و سازمان دهی منابع اطلاعاتی از اهداف اصلی این پژوهش است. روش شناسی : پژوهش حاضر از نوع کتابخانه ای است که در آن، ضمن معرفی مدل سازی موضوعی، به دسته بندی و مرور کاربردهای این تکنیک بر اساس ماهیت عملکردی آن و ارائه نمونه تحقیقاتی که از این تکنیک استفاده نموده اند پرداخته است. یافته ها : الگوریتم های مدل سازی موضوعی علاوه بر سه هدف اصلی مبنی بر کشف موضوعات پنهان، تفسیر اسناد بر اساس موضوعات و نهایتاً سازمان دهی و طبقه بندی متون، در کشف موضوعات و روابط پنهان در حوزه های علوم، بازیابی اطلاعات، دسته بندی مدارک بر اساس موضوعات، کشف الگوهای برجسته و رویدادهای در حال ظهور، خوشه بندی مفاهیم حوزه های علمی، تحلیل سیر تحول مفهومی در طول دوره های تاریخی، تعیین روابط سلسه مراتبی مفاهیم یک حوزه یا زمینه خاص علمی و غنی سازی فهرست واژگان کاربرد دارد. نتیجه : مدل سازی موضوعی با تکیه بر یادگیری ماشین و بهره گیری از دانش هوش مصنوعی به عنوان یکی از رویکردهای نوین سازماندهی منابع اطلاعاتی مطرح شده و مطالعات جدی در این زمینه در حال انجام است. لذا با کاربرد الگوریتم های مدل سازی موضوعی در راستای خودکارسازی استخراج موضوع و کشف موضوعات نهان موجود در منبع می توان بر تقویت و روزآمدسازی نظام های نوین سازمان دهی منابع اطلاعاتی عمل کرد.