نقش داده‎کاوی در کتابخانه‎های عمومی

امروزه در اکثر سازمان‎ها ، داده‌ها به سرعت در حال جمع‎آوری و ذخیره‎شدن می‎باشند.اما می‎توان ادعا کرد که علیرغم این حجم انبوه ‌داده‌ها، امروزه سازمان‎ها با فقر دانش در تصمیم‎گیری روبرو هستند.با پیشرفت فناوری ها، به‎ویژه فناوری‎های مرتبط با اطلاعات و ارتباطات، حجم عظیمی از داده‎ها در حال تولید در شبکه‎های ارتباطی و اطلاعاتی هستند، و یکی از ضرورت‎های موفقیت در کسب و کار، حتی در مقیاس کوچک، امکان بهره‎گیری از این اطلاعات و داده‎هاست. مدیران سازمان‎ها و نهاد‎ها می‎دانند که جمع‎آوری اطلاعات و داده‎ها یکی از عوامل مورد نیاز برای رشد و توسعه این سازمان‎هاست. اما این فقط نیمی از مسیری‎است که باید طی شود. به‎نظر می‎رسد، مدیران در این مرحله باید از داده‎کاوی برای پیشبرد کار خود استفاده نمایند. اگر داده‎ها فقط جمع‎آوری گردند، اما بلا استفاده بمانند، عملا ًمقصود اصلی از جمع آوری این اطلاعات، برآورده نشده است. حال به تبیین مفهوم داده‎کاوی ^[۱]در این حوزه می پردازیم.

داده‎کاوی عبارت است از“استخراج اطلاعات و دانش و کشف الگوهای پنهان از پایگاه داده‌های بسیار بزرگ”.

مجموعه ابزارهایی که می تواند به شرکت‎ها، موسسات و حتی افراد کمک کند، تا از انبوه اطلاعات و داده‎های در دسترس، به مفاهیم کاربردی و موثر برسند، در شاخه ای از علوم هوش‎مصنوعی به نام داده‎کاوی مورد بررسی قرار می گیرد. در واقع، داده‎کاوی مجموعه ای از مسائل کاربردی است که در حوزه استخراج دانش از انبوه داده‎های در دسترس تعریف شده‎است.که روش‎هایی نیز در طول زمان، توسط دانشمندان علوم کامپیوتر، ریاضیات و آمار راه حل‎هایی برای آن‎ها ارائه کرده اند.برخی از دلایل سود آوری داده کاوی:

1. داده‎کاوی منجر به تصمیمات واقع بینانه می شود.
2. داده کاوی منجر به تکرار تصمیمات سودآور اتفاق افتاده در گذشته می شود.

3. با داده کاوی تصمیمات احساسی را فراموش می کنید و بر اساس واقعیت ها تصمیم می گیرید. بنابراین ضرر های ناشی از نا آگاهی مدیران حذف می شود.
4. داده کاوی همچنین فضای سال های گذشته ی را بازبینی می کند و در نهایت نشان می دهد کدام تصمیمات منجر به سود شده است در حالی که شما از آن ها بی خبر هستید.

کاربرد این مفهوم در کتابخانه

با توجه به یکپارچه شدن نرم‎افزار مدیریت کتابداری در نهاد کتابخانه‎های عمومی کشور(سامان) موقعیت بسیار خوبی برای کارشناسان نهاد و پژوهشگران فراهم شده تا با کاربرد ابزارهای هوش مصنوعی مانند داده‎کاوی به پیشرفت اهداف نهاد کمک کنند.

داده‎کاوی در کتابخانه می تواند در چند بعد، نقشی بسیار مؤثری داشته باشد. یکی از وظایف اصلی کتابخانه‎ها تأمین منابع جدید است.با استفاده از داده‎کاوی می توان به برخی از سؤالات زیر پاسخ داد و تصمیمات بهتری در انتخاب منابع گرفت:

• مناطق مختلف کشور چه نوع کتاب هایی را بیشتر می پسندند؟
• آیا رمان‎های عامه پسند در همه جای کشور به یک تعداد نیاز است؟
• کتاب‎های دانشگاهی و علمی در کدام شهرها بیشتر مورد استفاده قرار می گیرد؟
• بیشترین جستجوی کتاب مربوط به کدام موضوعات است؟
• و سوال‎های بسیار زیاد دیگری که داده‎کاوی می تواند به آنها پاسخ مناسبی دهد؟

برخی از تحلیل‎هایی که با استفاده از داده‎کاوی در کتابخانه می توان به آن دست یافت:

• یکی دیگر از استفاده‎های داده‎کاوی در کتابخانه‏ها،تحلیل و آنالیز سطح مطالعه در کشور است.آیا می دانید متولدین دهۀ ۷۰ به کدام کتاب‎ها علاقۀ بیشتری دارند و یا سالمندان در چه ساعت‎هایی از روز برای امانت گرفتن کتاب به کتابخانه مراجعه می کنند؟بیشترین امار مطالعه مربوط به کدام گروه های سنی است؟
• رابطه‎ی زمان و کتاب:در فصل بهار چه نوع رمان‎هایی بیشتر امانت رفته است؟(پیشنهاد: با دانستن این موضوع به انتخاب منابع مسابقات در این فصل کمک می‎شود)آیا آمار تعداد امانت کتاب با روزهای هفته رابطه معنا داری دارد؟آیا بهتر است پنجشنبه ها کتابخانه باز باشد؟
• یکی از وظایف اصلی کتابداران مشاورۀ خواندن می باشد.با داده‎کاوی می توان به امر مهم مشاورۀ خواندن بسیار کمک کرد.مثلاً جامعۀ زنان خانه دار شهر کازرون چه کتاب هایی را بیشتر می پسندند؟چه ژانری در داستان را می‎پسندند؟مردان کتاب های متنوع تری انتخاب می کنند یا زنان؟ و در نهایت با ترکیب تحلیل های مختلف می توان مشاوره خواندن بهتری را به خوانندگان ارائه داد.

مثلاً با ترکیب چند گزاره می‎توان به نتیجه‎های کاربردی‎تری رسید.به‎عنوان نمونه:در فصل بهار در ساعات اولیۀ روز در شهرستان کازرون،یک مرد میانسال به احتمال n درصد دنبال کتاب با ژانر”…” می گردد.

و حتی تحلیل‎های بسیار پیچیده تری که با کمک گرفتن از متخصصین در رشته‎های دیگر می‎توان به آنها دست یافت.برای داده کاوی نرم افزار های مشهوری وجود دارد از آن جمله می توان به نرم افزار  ر^[۲] و نرم افزار وکا^[۳] نام برد.

پانویس:

[۱] Data Mining

[۲] R

[۳] WEKA

منابع:

Witten, I. H., & Frank, E. (2005). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann

Han, J., Kamber, M., & Pei, J. (2011). Data mining: concepts and techniques. Elsevier

Nicholson, Scott. “The basis for bibliomining: Frameworks for bringing together usage-based data mining and bibliometrics through data warehousing in digital library services.” Information processing & management ۴۲.۳ (۲۰۰۶): ۷۸۵-۸۰۴

نویسنده:عباس محمودی