چشم اندازهایی بر وب‌سنجی

از اواسط دهه ۱۹۹۰ حوزه پژوهشی جدیدی به نام «وب‌سنجی» بر پایه روش‌های اطلاع‌سنجی جدید به وجود آمد که کار آن، پژوهش درباره ماهیت و خصوصیات وب است. این مقاله سعی دارد حوزه‌های منتخبی از پژوهش وب سنجی را که روند و فضای مناسبی برای توسعه دارند و همچنین برخی حوزه‌هایی را که در حال حاضر کمتر دارای آینده‌ای روشن هستند معرفی کند. پژوهش‌های جدید درباره پوشش و عملکرد موتورهای کاوش، آنها را به عنوان قالب و چارچوبی برای تحلیل گزینشی کیفیت و محتوا، شناخته است. مشکلات مربوط به عوامل تأثیرگذار وب مورد بحث قرار گرفته است و در پایان مقاله راهنمایی‌های جدید وب‌سنجی برای اجرای کشف دانش و ردیابی موضوع روی وب-که تا حدودی مبتنی بر روش کتابسنجی استفاده شده در پایگاههای اطلاعاتی استنادی و کتابشناختی است- به صورت کلی مطرح شده است. در این چارچوب راهبردهای نظریه نمودار یکپارچه، شامل: تحلیل مسیر، پیوندهای متقاطع (عرضی)، پیوندهای ضعیف و پدیده جهان کوچک مورد توجه قرار گرفته است.
● مقدمه
از اواسط دهه ۱۹۹۰ تلاش‌های روزافزونی برای بررسی ماهیت و خصوصیات وب جهان گستر که در این مقاله «وب» نامیده می‌شود، با به کارگیری روش اطلاع‌سنجی جدید برای فضای محتویات آن، ساختار پیوندها۱ و موتورهای کاوش، صورت پذیرفت. مطالعه روی وب در سال ۱۹۹۷ را آلمایند و اینگورسن۲ وب‌سنجی نامیده و یا در مجله‌ای الکترونیکی با عنوان سایبرمتریک۳ در سال ۱۹۹۷ سایبرمتریک (مجازی سنجی) نامگذاری شد. این مقاله سعی دارد حوزه‌های منتخبی از پژوهش وب‌سنجی را که فضای مناسبی برای توسعه دارند، معرفی کند. این نوشته مقاله کاملی نیست، اما نسبتاً تخصصی است.
وب‌سنجی شباهت‌های متعددی با مطالعات علم‌سنجی، اطلاع‌سنجی و کاربرد روش‌های کتابسنجی متداول دارد. برای مثال، محاسبات ساده و تحلیل محتوای صفحات وب، شبیه به تحلیل انتشارات سنتی هستند؛ محاسبه و تجزیه و تحلیل پیوندهای بیرون رونده از صفحات وب که در اینجا پیوندهای بیرونی۴ و پیوندهایی که به خود صفحات وب داده می‌شوند، پیوندهای درونی۵ نامیده می‌شوند به ترتیب به عنوان مرجع (مأخذ)۶ و تحلیل استنادی۷ در نظر گرفته می‌شوند. بنابراین، در مقالات علمی، پیوندهای بیرونی و درونی به ترتیب شبیه مراجع(مآخذ) و استنادها هستند. هرچند وب به علت ماهیت پویا و توزیعی، غالباً صفحاتش را که به صورت همزمان به یکدیگر پیوند داده شده‌اند- حالتی که در کتاب به شکل سنتی امکان ندارد- در فضایی که بر پایه استناد گذارده شده نمایش می دهد. پوشش موتورهای کاوش در سراسر وب می‌تواند به همان شیوه‌ای که پوشش حوزه۸ و پایگاه‌های اطلاعاتی استنادی در کل اسناد و مدارک و امکان همپوشانی‌های بین موتورهای شناسایی شده، مورد پژوهش قرار گیرد. از آن زمانی که وب از مشارکت هر کسی که دوست داشت در آن شرکت کند برخوردار شد، در نتیجه فقدان بازبینی‌های دقیق، کیفیت اطلاعات یا ارزش دانش دچار ابهام گردید؛ اما تحلیل پیوندها ممکن است گروهی از سایت‌های تجدیدنظر و بازبینی شده را نشان دهد. الگوهای رفتارِ کاوش در وب۹ می‌تواند، مانند مطالعات اطلاع یابی سنتی، مورد پژوهش قرار گیرد.
ردیابی موضوع در محیط وب تأمین شده و اقداماتی برای کشف دانش، شبیه به داده‌های رایج (مشترک۱۰) یا متن کاوی (استخراج متن۱۱) در پایگاه‌های اطلاعاتی متنی (کتابشناختی) یا اداری (اجرایی) انجام گرفته است. از زمانی که وب فضای اطلاعاتی کاملاً متفاوتی از سایر پایگاه‌های اطلاعاتیِ علمی یا حرفه‌ای متداول، شده است، بعضی وقت‌ها شباهت‌های مذکور ممکن است به صورت کم عمق و سطحی ظاهر گردد. برای مثال، ما با اطمینان نمی دانیم که چرا مردم در وب به سایر صفحات پیوند می دهند.
هیچ قراردادی برای استناد در محیط وب همانند آثار علمی چاپی وجود ندارد. علاوه بر این، زمان نقش متفاوتی بر روی وب ایفا می‌نماید. از سوی دیگر، به دلیل این که وب مجموعه‌ای است بسیار پیچیده از کلیه انواع اطلاعاتی که به وسیله انسان های متفاوت تولید می‌شود و همچنین توسط کاربران مختلف مورد جستجو قرار می‌گیرد، موضوع جالبی برای پژوهش است، و در واقع، اطلاع‌سنجی روش‌هایی را برای شروع پژوهش در وب ارائه می‌کند. هرچند یک نفر باید با درخواست پیوسته از پایگاه‌های اطلاعاتی استنادی کنترل شده توسط مؤسسه اطلاعات علمی۱۲ آگاه شود، برای مثال، از طریق زبان دستور۱۳ پایگاه اطلاعاتی دایالوگ. گردآوری داده‌ها در محیط وب، به ویژگی‌ها و خصوصیات بازیابی موتورهای کاوش مختلف و روبات‌های وب، بستگی دارد. پیش از ظهور دستور “set posting on” در پایگاه اطلاعاتی دایالوگ۱۴ در طی دهه ۱۹۹۰، محاسبه استنادها به صورت پیوسته امکان پذیر نبود. یک نفر باید تمام مدارک استناد شده را جهت تحلیل به صورت محلی، به منظور شمارش تعداد واقعی استنادها در فضای اطلاعاتی تعریف شده به وسیله موسسه اطلاعات علمی، بارگذاری (فروفرستی) می کرد. امروزه این حالتی است که در اکثر موتورهای وب وجود دارد که روسو در سال‌های ۱۹۹۷ و ۱۹۹۹ آن را اثبات کرد. این موتورها کل وب را نمایه‌سازی نمی‌کنند، همپوشانی آنها قابل توجه نیست (لارنس و گیلز، ۱۹۹۹) و ویژگی‌های بازیابی آنها برای تحلیل‌های وب‌سنجی گسترده پیوسته۱۵ بسیار ساده است. بنابراین، نمونه‌گیری بسیار مهم و حساس است، ولی اجرای آن مشکل است و پالایش آن ضروری است، به همین جهت مهندسی مجدد و پاکسازی اطلاعات در تحلیل‌های وب‌سنجی عنصری مهم است.
این مقاله به برخی از پژوهش‌های اخیر که عملکرد و پوشش موتورهای وب را به عنوان چارچوبی برای تحلیل‌های گزینشی کیفیت و محتوا مورد توجه قرار داده اند، اشاره می‌نماید و سپس ما به دنبال تحلیل سایت‌ها (پیوندها) ۱۶ مانند تحلیل «پیوند-صفحه»۱۷ در اصطلاحات روسو (۱۹۹۷) و مطالعات عامل تأثیرگذار وب هستیم. تلاش‌هایی به منظور فراهم کردن مسیرهای جدید خروجی (برون رفت) وب‌سنجی از طریق اجرای کشف دانش و ردیابی موضوع، به عنوان مثال به وسیله ساختار پیوندهای متقاطع و پیوندهای ضعیف، در نتیجه‌گیری مقاله مورد بحث قرار گرفته اند.
● پژوهش‌های کیفی و پوششی موتورهای وب
لورنس و گیلز (۱۹۹۸) مقاله‌ای بنیادی نوشتند که در آن پوشش موتورهای کاوش تجاری در محیط وب را با معرفی محتوای ‍وب قابل نمایه‌سازی»۱۸، مدنظر قرار دادند. مفهوم وب قابل نمایه‌سازی بر بخشی از وب که می‌تواند با موتورهای کاوش نمایه شود به استثنای اسناد و مدارک پایگاه‌های اطلاعاتی، مانند دایالوگ، دلالت دارد. آزمون گسترده‌ای که در دسامبر ۱۹۹۷ بین ۶ موتور کاوش برتر تجاری اصلی یعنی: آلتاویستا، هات بات، نورثرن لایت، اینفوسیک، لیکوس و اکسایت انجام گرفت، سطح پایینی از قابلیت نمایه‌سازی وب در حدود ۳۲۰ میلیون صفحه را نشان داد. این پژوهش همچنین نشان داد که پوشش هر یک از موتورها به صورت قابل ملاحظه‌ای، با نمایه‌سازی یک سوم «وب قابل نمایه‌سازی» محدود شده‌است.
احتمالاً دلایل زیادی برای این نتیجه‌گیری وجود دارد. به عنوان مثال، عمق و جامعیت نمایه‌سازی در خدمت دهنده۱۹‌های محلی بازدید شده به وسیله موتورهای کاوش به چگونگی سازماندهی و ساختار یک سایت، که ممکن است خروجی بازیابی را تحت تأثیر قرار دهد بستگی دارد، همان طور که ممکن است روش نمایه‌سازی، واژه‌های پرسش (سؤال) را تحت تأثیر قرار دهد. برای مثال، از طریق کوتاه‌سازی تحمیلی۲۰ مدارک وبی طولانی، تلاش‌های دیگری نیز برای ارزشیابی موتورهای وب انجام شده است، مثلاً مشاهده کیفیت فهرست‌های رتبه بندی شده مدارک وب که به وسیله موتورهای اصلی بازیابی شده‌اند (کورتوا و بری، ۱۹۹۹).
در کنار سایر یافته‌ها، این مقاله در مورد دانش کم و بیش در دسترس عموم و درباره ویژگی‌های مختلف نمایه‌سازی و بازیابی که به وسیله هر یک از موتورها استفاده شده است، بحث می‌کند. روش ارزیابی موتورهای وب به وسیله کلارک و ویلت۲۱ (۱۹۹۷) که آلتاویستا، لیکوس و اکسایت را با هم مقایسه نمودند، مطرح شده است. علاوه براین، آن مقاله، ارزیابی انتقادی از پژوهش‌های پیشین را نشان داده و روشی واقع‌بینانه و معقول را که شامل اندازه‌گیری جامعیت نسبی است، فراهم می‌کند. همچنین آن مقاله نتیجه گرفت که آلتاویستا به صورت قابل ملاحظه‌ای بهتر از لیکوس و اکسایت عمل کرده است. اُپنهایم۲۲ و دیگران (۲۰۰۰) پژوهشی مشروح و روزآمد درباره ارزیابی موتورهای کاوش وب، شامل بحثی در باب روش‌های آزمون، فراهم نمودند. در حالی که بسیاری از مطالعات ارزیابی و پوششی به ربط و تعداد صفحات وب در یک زمان معین توجه می‌کنند، سایر تحلیل‌های انتقادی، بازیابی پیوند- صفحه را در بر می گیرند (سیندر و رزن‌باوم، ۱۹۹۹) و یا پژوهش‌های ساختاری یا پوششی وب مبتنی بر سری‌های زمانی۲۳ را پوشش می دهند. اسنایدر و روزنبوم نیز مانند اینگورسن(۱۹۹۸) ناهماهنگی‌ها و تفاوت‌های زیادی را به ویژه در رابطه با بازیابی پیوند-صفحه موتور آلتاویستا مشاهده کردند. بی نظمی‌های آن موتور را همچنین بار- ایلان (۱۹۹۹) در یک مطالعه طولی۲۴ و نیز روسو (۱۹۹۹) کسی که دو موتور آلتاویستا و نورثرن لایت را طی ۲۱ هفته به صورت روزانه در طی سال ۱۹۹۹ مورد مقایسه قرار داده بود، گزارش کرده‌اند.
مطالعه بعدی از سه واژه مفردِ عام یکسان به عنوان پرسش (واژه‌های جستجو) در طولِ مدت ارزیابی استفاده کرد. در حالی که نورثرن لایت، همان طور که پیش‌بینی شده بود، یک افزایش ثابت و منظم از موفقیت‌های همزمان با گسترش وب را نشان می داد، آلتاویستا در شکل(فرم) بسیار ثابت و جدیدی مجدداً آغاز به کار کرد و گوناگونی و تغییرات زیادی را در طول زمان تا یک تاریخ به خصوص (۲۵ اکتبر۱۹۹۹) نشان می داد. در آن تاریخ تعداد صفحات وب بازیابی شده به طور چشمگیری همراه با این تأثیر شبه نو اختر۲۵ مبتنی بر پرسش افزایش یافت (روسو، ۱۹۹۹، ص۵). بعدها تا حدودی احتمالاً به علت حذف پیوند-صفحه‌های غیرفعال و خاموش، این تعداد کاهش یافت.
روسو هنوز استفاده از یک صافی میانه را برای کاهش تأثیر گوناگونی نتایج در آن موتور خاص پیشنهاد می‌کند. نتیجه دیگر آن مطالعه این است که نتایج عوامل تأثیرگذار وب که اینگورسن در سال ۱۹۹۸ منتشر کرد احتمالاً بسیار مشکوک و غیرقابل اطمینان هستند، چون که نتایج مجموعه داده‌های او، هم برای صفحات وب و هم برای صفحات پیوند درونی از نسخه بی ثبات و قدیمی آلتاویستا ناشی شده است. دلیل این که چرا کانون تمرکز روی آلتاویستا قرار دارد، این است که موتور کاوش آلتاویستا به طور وسیعی وب را پوشش می دهد و بدین نحو شرایط جستجوی مناسبی را برای مطالعات اطلاع‌سنجی وب فراهم می‌کند. سری‌های(توالی) زمانی به نظر می رسد، به عنوان وسیله‌ای که نمایشگر عملکرد موتور وب است بسیار مفید باشد.
● کیفیت و ویژگی‌های صفحه وب
مطابق نظر کرونین و مک کیم، وب در حال تغییر شکل روش‌هایی است که از طریق آنها محققان با یکدیگر ارتباط برقرار کنند. انواع جدیدی از انتشارات علمی و آثار دست اول (از قبیل تحقیقات در حال اجرا، آثار آماده چاپ و پیش نویس های قدیمی) پدیدار شده‌اند. امروزه آثار در حال اجرا، اعلامیه‌های دیواری، طرح های مقدماتی پیشین و مقاله‌های داوری شده تقریباًً بلافاصله قابل اشتراک هستند. پدیدآورندگان می‌توانند میان پخش محدود و پخش گسترده، انتخاب کنند و بررسی دقیق از حالت مخفی به سمت نشان دادن طیفی از قابلیت‌ها شکل گرفته است (کرونین و مک‌کیم، ۱۹۹۶، ص۱۷۰). این عقیده و تصور هم اکنون واقعیت است. بنابراین، تحلیل‌های وب‌سنجی ماهیت، ساختارها و ویژگی‌های محتوایی سایت‌ها و صفحات وب و همچنین ساختار پیوندها به منظور درک بزرگراه‌های مجازی و ارتباطات درونی آنها مهم هستند.
لارسون (۱۹۹۶) یکی از اولین متخصصان اطلاع رسانی بود که یک تحلیل مقدماتی درباره ساختار فکری و عقلانی فضای مجازی۲۶ اجرا نمود. چندی بعد، آلمایند و اینگورسن (۱۹۹۷) روش‌های متنوعی شبیه کتابسنجی را برای بخش‌های شمالی وب۲۷ به منظور مشاهده انواع اتصالات۲۸(پیوندهای) صفحه و تعریف نوع شناسی۲۹ صفحات وب که عملاً در سطح کشورهای شمالی پیدا شده‌اند، به کار بردند. روش پژوهش، شامل نمونه‌گیری طبقه‌ای از صفحات وب و بارگذاری به منظور تحلیل محلی بود. در میان یافته‌های جالب توجه، این تحلیل‌ها نشان داده‌اند که هر صفحه وب قادر به پیوند بیرونی، تقریباًً به طور متوسط ۹ پیوند بیرونی فراهم می کند. تناسبی که امروزه در رشد تصاعدی فضای وب حفظ می‌شود. این مقاله، همچنین تلاش کرده است مقایسه‌ای میان بخش صفحات وب علمی ارزیابی شده و پراکندگی یافته شده در نمایه‌های استنادی میان کشورهای شمالی را انجام دهد. مسلماً، دامنه دید روی وب از نمایش در پایگاه‌های اطلاعاتی استنادی کاملاً متفاوت است. برای مثال نروژ، در زمان انجام این تحلیل در سطح وب نسبت به دنیای چاپ بسیار مشهورتر بود. اهمیت ویژه صفحه‌های خانگی شخصی به وسیله بتس و لو۳۰ (۱۹۹۷) و نیز توسط واین و کتز۳۱ (۱۹۹۷) نشان داده شده است که عمدتاً روی صحنه فضای مجازی ایالات متحده آمریکا متمرکز شده است که بعدها برای مثال توسط دیلون و گوشروسکی۳۲ (۲۰۰۰) پیگیری و دنبال شده است.
به طور آشکار این دستاورد و پیشرفت به هرکسی اجازه می دهد تا مسائل خود را عملاً و بدون نظارت مقامات صلاحیت دار بیان نماید و همچنین از طریق ایجاد پیوند به صفحاتی که یک شخص می خواهد متصل شود، به خاطر وجود پیوند به آن صفحات، اعتبار کسب کند و نیز موجب فراهم کردن امکان دسترسی به داده‌ها، اطلاعات، ارزش‌ها، و دانش در شکل‌ها و مقادیر متعددی شود و آزادی اطلاعات را حتی در مناطق و کشورهایی که زیرساخت ضعیفی دارند، ایجاد کند. روی دیگر سکه این است که وب، بیش از پیش به محیطی نامطمئن و قابل شک برای استفاده کنندگانش تبدیل شده است؛ خط قرمز باریک موجود میان پیچیدگی، حقیقت تاریک و مبهم، اطلاعات غلط، عقاید، نظرات، تصورات یا تأملات و پایایی، کیفیت، روایی، ربط یا حقیقت، به طور روزافزونی کمتر شده است و این عین واقعیت است. باستان شناسی وب۳۳، در آینده دست در دست روش‌ها و تحلیل‌های وب‌سنجی پیش خواهد رفت.
در حال حاضر ارزیابی و مشاهده کیفیت، بسیار مورد نیاز است؛ به ویژه حوزه‌های پزشکی و بهداشت، زمینه‌های مهمی به منظور پژوهش برای چنین موضوع هایی هستند. لی کوی۳۴ اخیراً استفاده از روش‌های تحلیل استنادی روی وب را برای مشخص کردن سایت‌های پیوند درونی شده پُربسامد و همپوشانی در زمینه اطلاعات پزشکی (۱۹۹۹) ابداع نموده است. آلن و دیگران نیز به اعتبار و ربط صفحات وب مرتبط به هم توجه کرده‌اند. در مقاله کوی، یک نفر به سایر مطالعات اخیر موضوعات هنر و بهداشت روی وب، ارجاع داده است به این دلیل که تحلیل استنادی وب به عنوان یکی از شاخص های اساسی کیفیت به کار برده شده است (اشن‌باخ، ۱۹۹۸).
توزیع برادفورد از هزاران پیوند خاطر نشان شده از سوی ۲۵ دانشکده از بهترین دانشکده‌های پزشکی آمریکا به عنوان پیوندهای قوی، توسط کوی، به منظور نشان دادن سایت‌های هسته۳۵ مربوط به موضوع های خاص بهداشت به کار برده شده است. مقاله آلن و دیگران، یک پژوهش کارشناسانه درباره پایایی وب‌سایت‌های علمی است. همانند موردی که برای مطالعه طولی روسو (۱۹۹۹) که در بالا ذکر شد، این پژوهش پیمایشی مبتنی است بر بازیابی سایت‌ها مطابق با سه سؤال نمونه درباره: ۱. ارزیابی ۲. نظام تعریف شده به شکل ژنتیکی ۳. گونه‌های در معرض خطر.
برای هر پرسش۳۶،۵۰۰ وب‌سایت، نخست به طور متوالی و پی در پی و مستقل توسط دو داور متخصص بررسی شدند. تقریباً ۶۰ سایت حاوی اطلاعات مربوط به موضوع بود. این روش شبیه روشی است که در آزمایش‌های جهانی اخیر ارزیابی «بازیابی اطلاعات در کنفرانس بازیابی متن»۳۷ استفاده شده است. این ۶۰ سایت موضوعی برای هر پژوهش پس از بررسی با عناوین ذیل امتیاز بندی شدند:
- نادرست۳۸: اگر آنها واقعاً حاوی اطلاعات اشتباه بودند.
- گمراه کننده۳۹: اگر آنها علم را غلط تعبییر نموده بودند یا به طور وقیحانه‌ای حقایقی را که یک موقعیت مخالف را تأیید می کرد، حذف کرده بودند.
- بی مأخذ۴۰: اگر آنها اطلاعات را بدون هیچ گونه مأخذ بررسی شده دقیق ارائه کرده بودند.
امتیاز آخر (یعنی بی مأخذ) کاملاً عینی و مشخص است. در مجموع، مقدار امتیازهای مورد توافق داوران به منظور امتیازبندی مقو له‌های نادرست و گمراه کننده به این شرح بودند: ۸/۸۷ درصد برای سایت‌های ارزیابی، ۸/۸۲ درصد برای سایت‌های نظام تعریف شده به شکل ژنتیکی و ۶/۷۳ درصد برای وب‌سایت‌های گونه‌های در معرض خطر بازیابی و ارزشیابی شدند. سایت‌های بی مأخذ برای هر سؤال، بیش از ۴۸ درصد محاسبه شدند.
این نتایج علت شک و تردید در مورد قابلیت اعتمادِ اطلاعات را تصدیق می‌کنند. ورودیها و کتابخانه‌های کاملاً رقومی به راستی ممکن است -مانند پایگاه‌های اطلاعاتی علمی متنی سنتی- بازبینی اطلاعات دقیقاً بررسی شده معتبر را پیشنهاد نمایند و مانند زمینه‌ای برای تحلیل‌های وب‌سنجی عمل کنند.
● مطالعات عوامل تأثیرگذار وب
روسو (۱۹۹۷) در مقاله وب‌سنجی معروفش، درباره «پیوند به سایت‌ها»۴۱، یعنی پیوندهای درونی، الگوهای توزیع وب سایت‌ها و پیوندهای در حال آمدن۴۲ را مورد تحلیل قرار داد. روسو هم مانند اینگورسن (۱۹۹۸) از نسخه قدیمی آلتاویستا استفاده کرده‌است، مطالعه‌اش را با ۳۴۳ سایت بارگذاری شده (نقاط داده‌ای۴۳) که از طریق یک کاوش درباره «اطلاع‌سنجی یا کتابسنجی یا علم‌سنجی» بازیابی شده بودند، انجام داد. بنابراین، این تحلیل از ویژگی‌های موتور وب مستقل تر و قوی‌تر است. مطالعه نشان می دهد که توزیع حوزه‌های سطح بالا برای این سایت‌ها از توزیع لوتکا پیروی می‌نماید. به طور مشابه، روسو نشان داد که توزیع استنادی آن ۳۴۳ سایت نیز از توزیع لوتکا۴۴ پیروی می‌کنند و نسبت خود-پیوندها۴۵ را ۳۰ درصد برآورد کرده است.
تفاوت میان پیوندها و پیوند- صفحه‌ها به وسیله اینگورسن (۱۹۹۸) در اقدام او برای محاسبه عوامل تأثیرگذار وب برای حوزه‌های ملی۴۶ و سایت‌های شخصی نشان داده شده است. پیش از اینگورسن، رودریگوز گایرین (۱۹۹۷) مفهوم «تأثیر اطلاعات روی اینترنت» را در مجله اسپانیایی دکومانتاسیون، معرفی کرده است. عقیده و نظر اساسی این بود که عوامل تأثیرگذار وب ممکن است درباره آگاهی یا شناخت از سایت‌های ملی (به طور میانگین) یا سایت‌های شخصی اطلاع دهند. این مطالعه به سه نتیجه جالب دست یافت:
۱) موتور کاوش آلتاویستا نمی‌تواند تعداد واقعی پیوندهای درونی به سایت‌های خاص را محاسبه نماید، بلکه فقط تعداد صفحاتی را که حداقل یک پیوند درونی (یا پیوند به سایت) در بر دارند، محاسبه می کند. در مجموع، «خود-پیوندها»۴۷ عوامل‌تأثیرگذار وب ‌را ‌تحت تأثیر قرار نخواهند داد. بنابراین، پیوندهای درونی‌خارجی۴۸ برای مشاهده دارای اهمیت خاصی هستند. میانگین نمره و امتیاز «خود- پیوند» در مطالعه اینگورسن تقریباً ۵/۰ و حوزه‌هایی با پسوند «com» ۵۹/۰ بوده است. به طور میانگین عوامل تأثیرگذار «پیوند- صفحه» خارجی ۳۹/۰ بود.
۲) عوامل تأثیرگذار وب برای وب‌سایت‌های شخصی، غیرواقعی‌تر از آن حوزه‌ها بود.
۳) در این محاسبات، واریانس ابزار ارزشیابی موتور وب بود.
همچنین مسئله اخیر، واریانس، استفاده از روش‌های کاملاً پیچیده را برای محاسبه کردن عوامل تأثیرگذار و معرفی تنظیم پرسش مشروح پیشنهاد می کند. همان طور که قبلاً روسو (۱۹۹۹) نشان داد موتور کاوش آلتاویستا در زمان تحلیلِ عوامل تأثیرگذار وب در مقایسه با نسخه بعدی اکتبر ۱۹۹۹ واقعاً بی ثبات بود. بنابراین، محاسبات عوامل تأثیرگذار وب ممکن است به عنوان شاخص عملکرد موتور کاوش عمل نماید. در مجموع، دلیل استفاده کردن از موتور آلتاویستا، پوشش و توانایی‌های دستور بازیابی آن، برای جستجوی «صفحات حوزه» در روش‌های کنترل شده و نیز پیوند- صفحه‌ها بود.
در رابطه با نتیجه دوم مطالعه اینگورسن درباره بی ثباتی و نوسان زیاد عوامل تأثیرگذارِ وب‌سایت‌های شخصی، اسمیت (۱۹۹۹) و همچنین ثلوال۴۹ (۲۰۰۰) در مورد این پدیده، بیشتر پژوهش کردند. متأسفانه هنوز (۱۹۹۹) نسخه بی ثبات آلتاویستا به کار می رود. با این وجود، دقیقاً به علت نوسانات مشاهده شده، آنها هر دو در مورد خصوصیات و ویژگی‌های بازیابی و پوششی موتورها مشکوک شده‌اند. با توجه به این که نتایج پایدار بوده‌اند و غیره، شاید خیلی ضروری نباشد که روش شناسی فوراً مورد سؤال قرار گیرد.
اسمیت (۱۹۹۹) برخی روش‌های گردآوری داده‌های قوی و دوره‌ای را بیان می کند و همچنین نشان می دهد که چگونه نتایج به دلیل بازیابی صفحات نامربوط تحریف می‌شوند. برای مثال اندونزی (کد حوزه آن id) عوامل تأثیرگذار وب را به علت بازیابی عنصر جاینمای جهانی منبع۵۰ “id” در تعداد زیادی از سایت‌های غیراندونزیایی خیلی بالا نشان می دهد. وی همچنین نشان دادکه رشته‌های جاینمای جهانی منبع طولا نی‌تر به منظور نتیجه قابل اعتمادتر جستجو شده‌اند. بافت این رشته‌ها باید منحصربه فرد بودن آنها را تأیید کند. با وجود این، مطالعات منتشر نشده بعدی درباره پوشش واقعی موتورها -از جمله آلتاویستا- با توجه به صفحات و پیوندهای شناخته شده دانشکده کتابداری کوپنهاگ دانمارک روی خدمت دهنده محلی ( http://ix.db.dk) نشان می دهد که آنها به تمام صفحات و پیوندها نفوذ نمی‌کنند. این نتیجه منفی را ثلوال (۲۰۰۰)-که موتورهای کاوش‌هات بات، آلتاویستا و اینفوسیک را در تحلیل‌هایش به کار برده است- تأیید می‌کند. در چنین شیوه‌ای که مخرج و صورت کسرِ عوامل تأثیرگذار وب به همان روش‌ها تحت تأثیر قرار داده شده است، این پوشش تصادفی نیست. به طور خلاصه در وضع حاضر، روش‌های بازیابی و پوشش موتور کاوش «مفهوم اخیر عوامل تأثیرگذار وب عملاً در ابزار نسبتاً ساده و ابتدائی ظاهر شده‌اند» (تل‌وال، ۲۰۰۰، ص۱۸۸). بدین ترتیب پیامدها و نتایج بسیار مشکل آفرین هستند و همان طور که روسو (۱۹۹۹)، اسمیت (۱۹۹۹) و ثلوال (۲۰۰۰) بیان کرده‌اند، یک نفر باید روبات‌های اختصاصی وب را برای بارگذاری کردن نمونه‌ها به منظور تحلیل‌های محلی به کار برد.● کشف دانش و ردیابی موضوع روی وب
طی دهه اخیر یک حوزه پژوهشی چند رشته‌ای به نام «کشف دانش در پایگاه‌های اطلاعاتی»۵۱ ظاهر شده است. این حوزه به گسترش روش‌ها برای بهره برداری کردن از مخزن در حال رشد به صورت تصاعدی محتواهای ثبت شده در پایگاه‌های اطلاعاتیِ تجارتی، اداری، علمی و سایر انواع داده‌ها مربوط می‌شود. فراولی و دیگران (۱۹۹۱) کشف دانش در پایگاه‌های اطلاعاتی را به عنوان «استخراج قابل ملاحظه اطلاعات ضمنی (مطلق۵۲) که قبلاً ناشناخته و بالقوه مفید از داده‌ها» تعریف نموده‌اند. به منظور شناسایی و استخراج الگوها و روابط جدید که بتواند دانش جدیدی را به ثمر رساند، کشف دانش در پایگاه‌های اطلاعاتی روش‌های متنوع و گسترده‌ای را به کار می برد- مانند ترکیب قدرت رایانه و تخصص و مهارت انسان. فنون کشف دانش در پایگاه‌های اطلاعاتی برای مثال، شامل بازیابی اطلاعات، آمار، آموزش ماشینی، شناسایی الگو، مقیاس بندی چندبعدی و تجسم است.
اهداف و روش‌های کشف دانش در پایگاه‌های اطلاعاتی و کتابسنجی، در بسیاری نکات مشترک هستند. برای مثال، روش‌های دسته‌بندی (خوشه‌بندی) کردن کتابسنجی به عنوان یکی از کاربردهای کشف دانش در پایگاه‌های اطلاعاتی استنادی و کتابشناختی توانسته مورد توجه قرار گیرد. همچنین راهبردهایی در پژوهش کشف دانش در پایگاه‌های اطلاعاتی وجود دارد که جزو کتابسنجی است.برای مثال، در حوزه داده کاوی۵۳ (استخراج داده‌های) متنی (لویزویک، اوارد و کوستوف، ۲۰۰۰).
مفهوم «داده‌کاوی» گاهی اوقات در ارتباط با کشف دانش در پایگاه‌های اطلاعاتی به طور مترادف به کار برده شده است. کشف دانش در پایگاه‌های اطلاعاتی دلالت دارد بر فرایند کلی کشف دانش مفید از داده‌ها، در حالی که داده کاوی، اقدام مهمی است که بر روی شناسایی الگوها متمرکز است (فیاد و دیگران، ۱۹۹۶). حوزه‌هایی که از کشف دانش در پایگاه‌های اطلاعاتی استفاده می کنند، شامل: رفتار مشتری، بررسی‌های مربوط به ستاره‌ها، تشخیص سرطان، شناسایی ساختار شیمیایی، تحلیل جمعیت، کنترل کیفیت و مدل سازی از تغییر اقلیمی جهان است (ویکری، ۱۹۹۷).
وب محیطی است آشکار برای به کارگیری کشف دانش که اتزیونی۵۴ در سال ۱۹۹۶ مورد بحث قرار داده بود. وب می‌تواند، به عنوان یک پایگاه اطلاعاتی توزیعی در حال رشد به طور تصاعدی حاوی بیش از یک بیلیون صفحات وب در بخش قابل نمایه‌سازی خود (شامل پایگاه‌های اطلاعاتی تولید شده درخواستی در قالب های سند نیست) و تقریباً ۱۰ بیلیون پیوند باشد. علاوه بر این، شامل داده‌های توزیعی روی میلیون ها خدمت دهنده است. وب دارای ابعاد دیگری نیز می باشد که آن را از سایر پایگاه‌های اطلاعاتی معمولی متمایز می‌سازد، مهمترین آنها این است که وب به صورت چند عاملی(چند واسطه‌ای۵۵) بنا گردیده است. میلیون ها حامی و کارگزار مختلف وب، از قبیل مردم عادی، محققان، سازمان ها و غیره، فعالانه صفحات و پیوندهای وب را خلق می‌کنند، تغییر می دهند و حذف می‌کنند.
ماهیت توزیعی، پویا و متنوع وب- به‌همراه کمترین استفاده از اَبرداده۵۶ ترکیب شده است- آن را محیطی مشکل و دشوار برای کشف دانش یا «وب‌کاوی»۵۷ می‌سازد و همان‌طور که در بالا اشاره شد، آلن و همکارانش در مطالعاتشان (۱۹۹۹) خاطر نشان کردند که اطلاعات وب ممکن است نادرست و غیرواقعی باشد. از سوی دیگر، ناهمگنی وب می‌تواند منبعِ مساعدی برای کشفیات ایجاد کند. همان طور که به وسیله دوجانگ و ریپ۵۸ (۱۹۹۷) بیان شد کشفیات اغلب از «ساختن ترکیب های پیش‌بینی نشده منابع ناهمگن» ناشی می‌شوند، که به طور ضمنی دلالت دارند بر این که ممکن نیست از قبل بتوان گفت که چه منابعی مورد نیاز است.
سه راهنمای اصلی برای اجرای «کشف دانش» بر روی وب وجود دارد. آنها مربوط می‌شوند به بهره برداری از ۱. محتویات صفحه وبی ۲. ساختار پیوندها و ۳. رفتار اطلاع یابی کاربران (مانند جستجو و تورّق). در این بخش تمرکز روی بهره‌برداری از ساختار پیوندها برای کشف دانش در وب است. این راهبرد تشابه زیادی با تحلیل‌های استنادی کتابسنجی دارد، اما نه صرفاً به وسیله پیوندهای قوی۵۹.
پیوندها، مدارک وب را در یک پیکره و بستر فرامتن ساختارمند پیچیده، به هم می‌بافند. ساختار پیوندها، تفسیرهای تردیدناپذیر و مطلق انسان را نشان می دهند که می‌تواند برای کشف دانش به کار گرفته شود، برای مثال شناختن اجتماعات‌ وب۶۰ (گیبسون و کلاین‌برگ و روگاوان، ۱۹۹۸)، شناسایی کردن صفحات وب معتبر و موثق (کلاین‌برگ، ۱۹۹۸)، تلخیص‌کردن موضوع۶۱ (بارات و هینسینگر، ۱۹۹۸)، یا بهبود بخشیدن الگوریتم‌های رتبه‌بندی موتور کاوش (برین و پاژه، ۱۹۹۸).
تیم برنِرز-لی۶۲ مخترع وب در سرن۶۳ (سازمان پژوهش‌های هسته‌ای اروپا) در سال ۱۹۸۹-۱۹۹۰ این رشد و توسعه را پیش‌بینی کرده بود. یکی از مهمترین انگیزه‌های او برای توسعه وب، امکان آگاهی از «تارهای پیچیده روابط میان مردم، برنامه‌ها، ماشین ها و عقاید بوده است» (برنرس و لی، ۱۹۹۷). روش‌های نظریه نموداری ابزار بسیار مناسبی برای مطالعه ساختار پیوندها روی وب هستند. شکل‌شناسی ساختار پیوندها امکاناتِ عوامل انسانی و رقومی به منظور کاوش و عبور کردن از وب و کشف در آن را تحت تأثیر قرار می دهد.
● نظریه نمودار و وب
در نظریه نمودار (گراف)، نمودار عبارت است از بازنمود ریاضی از یک شبکه که شامل رأس ها۶۴ یا گره‌هایی است که یال‌ها(ضلع ها۶۵) به هم متصل شده‌اند. گره‌ها می‌توانند انسان (در شبکه‌های اجتماعی)، عوامل بوم شناختی (در یک شبکه غذایی)، خدمت دهنده‌های اینترنتی، مدارک (در یک شبکه استنادی)، مفاهیم (در یک شبکه معنایی یا یک اصطلاحنامه) و غیره باشند. در یک نمودار جهت دار، یال‌ها روابط جهتی میان گره‌ها را نشان می دهند. وب نمونه‌ای است از یک نمودار جهت دار که صفحات وب منطبق با گره‌ها، و فراپیوندها۶۶ منطبق با یال‌ها هستند. روش‌های نظریه نموداری می‌تواند برای تحلیل جنبه‌های ساختاری وب مورد استفاده قرار گیرد. برودر و دیگران (۲۰۰۰) یک مدل کمانی (پاپیون‌وار۶۷) از ساختار نموداری وب ارائه کردند. با استفاده از یک مجموعه وب۶۸ شامل تقریباً۲۰۰ میلیون صفحه وب و ۵/۱ بیلیون پیوند، می‌توان یک نمونه پایگاه اطلاعاتی از یک نمودار وب تشکیل داد. یک تیم پژوهشی نشان دادند که وب شامل پنج حوزه مجزای مشخص شده به وسیله گره‌هایی است که یا ۱. فقط پیوندهای بیرونی دارند ۲. فقط پیوندهای درونی دارند ۳. هر دو نوع پیوند، هم بیرونی و هم درونی، دارند ۴. یا هیچ پیوندی ندارند و یا ۵. گره‌هایی که به گره پاپیون۶۹ متصل شده‌اند (شامل گره‌هایی با پیوندهای دورنی و بیرونی) یا متصل نشده‌اند. یک مدل پاپیون، مفهومی قابل توجه از ساختار تو در توی وب ارائه می‌نماید. این پیچیدگی، امکانات کشف دانش را وقتی که عوامل انسانی یا ماشینی (رقومی) ساختار پیوند را بازدید و تحلیل می‌نمایند، تحت تأثیر قرار می دهد. در چارچوب نظریه نموداری، یک بُعد قابل توجه ساختار پیوندها با پدیده معروف به «جهان کوچک» و «شبکه‌های جهان کوچک» سروکار دارد. این پدیده، امکانات کشف دانش را افزایش می دهد.
● شبکه‌های جهان کوچک
در شبکه‌های جهان کوچک، گره‌ها به صورت خوشه‌ای هستند – مانند آنچه در نمودارهای منظم است- اما طول مسیر میان هر جفت گره کوتاه است، مانند آنچه در نمودارهای تصادفی۷۰ است. در یک شبکه جهان کوچک داشتن درصد بسیار کمی از پیوندها که به عنوان «میان‌بُرها» عمل می کنند و بخش‌های دوردست شبکه را به هم متصل می کنند، کافی است.
واتس و استروگاتز۷۱ (۱۹۹۸) و واتس (۱۹۹۹) نشان دادند که شکل شناسی جهان کوچک در قالب طول مسیرهای کوتاه در شبکه‌های زیست شناسی، فنّاوری و اجتماعی رخ می دهد. برای مثال، شبکه عصبی کرم خاکی۷۲، شبکه برق فشار قوی ایالات غربی آمریکا و نمودار همکاری بازیگران فیلم. نظریه جهان کوچک از اثری از میلگرام (۱۹۶۷) و کوچن۷۳ (۱۹۸۹) سرچشمه گرفته است که آنها این نظریه را به واسطه پنداره ۶ جایگاه(نقطه) جداگانه که به «فواصل و مسیرهای کوتاه میان دو شخص دلخواه از طریق حلقه‌های رابط آشنایی» می‌پردازند، عمومیت یافته است.
هنوز فقدان پژوهش در علوم کتابداری و اطلاع رسانی درباره پدیده جهان کوچک در خصوص فواصل کوتاه و نتایج آنها در شبکه‌های اطلاعاتی از قبیل وب جهانگستر، پایگاه‌های اطلاعاتی استنادی، شبکه‌های معناشناسی و اصطلاحنامه‌های همایند و غیره، وجود دارد. پدیده جهان کوچک امکان پذیر است، وقتی که گره‌ها در یک شبکه اطلاعاتی منطبق با مدارک، اصطلاحات، مؤلفان، مؤلفان استناد شده، مجلات، حوزه‌های علمی۷۴، سازمان ها، یا کشورها و غیره تعریف شوند، و پیوندهای کاهش فاصله و پیوندهای ایجاد جهان کوچک منطبق با مآخذ، اصطلاحات مرتبط، ظهور هم واژه‌ها (واژه مشترک۷۵)، توصیفگرها، مؤلفان همکار، مؤلفان با هم استناد شده، یا مجلات و غیره تعریف شوند.
یکی از پیامدها و نتایج جهان کوچک می‌تواند افزایش و بهبود امکان کشف پیش‌بینی نشده اطلاعات مفید روی اینترنت باشد. در یک طرح جدید یکی از مؤلفان، در حال توسعه این راهبرد است که نظریه نمودار و کتابسنجی را درهم ادغام کند. مفهوم اصلی در این چارچوب به پیوندهای متقاطع معروف است (بجورن‌بُرن، ۲۰۰۰).
● پیوندهای متقاطع (عرضی)
پیوندهای متقاطع به عنوان میانبرهای میان خوشه‌های ناهمگن وب۷۶ عمل می کنند. خوشه‌های وب از وب‌سایت‌ها و صفحات وبی بسیار به هم پیوسته تشکیل شده است که گروه‌ها و جوامع مشترک المنافع و حوزه‌های موضوعی هم خانواده و مرتبط را منعکس می کنند. صفحات وب درون یک خوشه وب، بسته به ساختار پیوند درون خوشه‌ای می‌توانند کمتر یا بیشتر در مرکز یا در حاشیه مستقر شوند. مثالی برای یک خوشه وب می‌تواند صفحه وب محققانی باشد که پیوندهایی را از صفحات خانگی شخصی شان به سایر محققان، سازمان ها، طرح ها و مقالات در حوزه علمی خودشان می‌سازند.
عوامل رقومی(ماشینی) یا انسانی، از طریق پیوندها از یک صفحه وب به صفحه وب دیگر که امکان حرکت از یک خوشه وب به سایر خوشه‌های دوردست را با استفاده از تنها یک پیوند متقاطع به عنوان «میان‌بُر» فراهم می‌سازند، به جستجو در وب می پردازند. در مثال بالا، یک محقق در حوزه علم اطلاع رسانی توانسته است که پیوندی متقاطع روی یک صفحه وب با پیوندهای مورد علاقه‌اش به سایر حوزه‌های علمی‌ دلخواه خود مثلاً «تحریک خلاقیت»۷۷ ایجاد کند. بنابراین، ردّپایی (خط سیری۷۸) میان دو خوشه ناهمگن وب به وجود می آید. چنین خط سیرهای مختلف و دور از هم که به صورت متقاطع در مسیرهای پر رفت و آمد و شلوغ روی وب جریان می یابند، می‌توانند امکانات کشف دانش به کمک رایانه و یا بازیابی اتفاقی توسط انسان را تحت تأثیر قرار دهند، در حالی که اطلاعات پیش‌بینی نشده اما احتمالاً مفید، شناسایی و استخراج شده است.
امکان کشف دانش خلاق و سازنده با استفاده از ساختار پیوندها نقش مؤثری را در توسعه نظام های اطلاعاتی فرامتن از جمله وب، ایفا نموده است. در این روند تاریخی یک عامل شتاب دهنده مهم، دید سطحی وَنوار بوش۷۹ (۱۹۴۵) از ممکس- یک نظام اطلاعاتی- بوده است که پاراگراف های متنی متفاوت و مجزا (روی میکروفیلم) می‌توانند به وسیله خط سیرها (ردّپاها) به طور متقاطع به صورت سلسله مراتب رده بندی شوند و به منظور تحریک خلاقیت‌های محققان به هم متصل گردند. [ایده فرامتن از ممکس الهام گرفته است].
جنبه پیوند تقاطعی۸۰ ممکس و پیوندهای متقاطع می‌تواند به قیاس‌ برای نشان دادن چگونگی انتشار ایده‌ها میان گروه‌های اجتماعی نامتجانس به طور جنبی از طریق افراد وابسته ضعیف که اصطلاحاً گره‌های ضعیف نامیده می‌شوند، در نظر گرفته شود (گرانووتر، ۱۹۷۳). همچنین پیوندهای متقاطع ممکن است مورد توجه قرار گیرند برای این که چرا نویسندگان آثار علمی اغلب به تعداد بسیار کمی از منابع خارج از حوزه علمی خودشان که اصطلاحاً تقاطع های مرزی۸۱ نامیده می‌شود، استناد می کنند (کلاین، ۱۹۹۶ و پیرس، ۱۹۹۹).
پیوندهای متقاطع، به عنوان گره‌های ضعیف و تقاطع های مرزی میان خوشه‌های ناهمگن وب عمل می‌کنند. البته، بسیاری از پیوندهای متقاطع دارای خصوصیات منحصربه فردی هستند، مانند سرگرمی‌های غیرعلمی شخصی. اما، سایر پیوندهای متقاطع روی صفحات وب دانشمندان توانسته‌اند پیش پژوهش‌های۸۲ آشکار شده در حوزه‌های علمی یا بین رشته‌ای۸۳دانشکده‌های نامرئی۸۴ را منعکس سازند. آشکار کردن چنین اتصالات مخفی به صورت شانسی(اتفاقی) توسط انسان یا کشف دانش با کمک رایانه توانسته است اطلاعات مفیدی را درباره ابعاد جدید در تکامل و شکل گیری ارتباط میان علوم و کشف کردن الگوها و روابط ارائه دهد. پیوندهای متقاطعِ مرزهای بین علمی۸۵ می‌توانند بینش خلاق و عمیقی را به وجود آوردند، بنابراین، مفهوم و درک جدیدی برای فهمِ شدت و میزان گره‌های ضعیف از طریق تحلیل شبکه اجتماعی ارائه می دهند (گرانووتر، ۱۹۷۳).
● ملاحظات روش شناسی
تلاش برای محلی کردن پیوندهای متقاطع روی وب، با کنترل داده‌های با بسامد پایین- شبیه توزیع احتمالی برادفورد از صفحاتِ وب مقصد برای پیوندهای بیرونی ایجاد شده در یک حوزه علمی یا مجموعه مورد علاقه - سرو کار دارد. این هنوز یک فرضیه است که در حال آزمون است، اما احتمالاً اغلب پیوندهای بیرونی برای صفحات وب معتبر و محبوب در حوزه‌های موضوعی مشابه مورد توجه قرار می گیرند (کویی، ۱۹۹۹).
همان طور که پیشتر بیان شد، مسئله روش شناسی در وب‌سنجی با گردآوری داده‌های بی غرض از وب سروکار دارد که آن به عنوان اساس و پایه‌ای برای پژوهش‌های تجربی مورد توجه قرار می گیرد. همان گونه که در بالا بیان شد، در داده‌های ثانوی گردآوری شده در موتورهای کاوش تجاریِ بزرگ به دلیل بی دقتی زیاد در مورد پوشش، فاصله روزآمدسازی، اصول نمایه‌سازی، اجرای محاسبات، الگوریتم های رتبه بندی و غیره، اعتبار وجود ندارد. همچنین برای استفاده از داده‌های اولیه بارگذاری شده به صورت مستقیم از وب، روش دیگری وجود دارد. روشی که در مقوله بندی اخیر گردش تصادفی نامیده شده که در نظریه نمودار مورد استفاده قرار گرفته است. به منظور محلی کردن پیوندهای متقاطع روی نمودار وب، تعداد زیادی از گردش‌های تصادفی۸۶ طولانی، می‌توانند با پیوندهای متعاقب (پیرو) در یک روش تصادفی از یک صفحه وب به صفحه وب دیگر مورد استفاده قرار گیرند.
اجرای تحلیل مسیر۸۷ از مسیر پیوندهای طولانی که بدین نحو ایجاد شده‌اند گاهی اوقات به بن بست ختم می‌شوند. پیوندهای متقاطع با استفاده از ملاک‌ها و معیارهای ناهمگنی میان حوزه‌های موضوعی منعکس‌شده در صفحات وب شناسایی می‌شوند. مفهوم ناهمگنی (همانند مفهوم معکوسِ مرتبط با “تشابه” در نظریه رده‌بندی) پیچیده نیست، و معیاری است برای تعریف عملیاتی با استفاده از مقیاس های تشابه واژه‌های هم رویداد (هم وقوع۸۸).
نقاط شروع تصادفی برای گردش‌های تصادفی مسئله دیگری است که از ماهیت توزیعی وب که قبلاً ذکر شد، ناشی می‌شود. استفاده از شماره‌های معروف به شماره IP۸۹ (تفاهم نامه اینترنت) یا فهرست اسامی خدمت دهنده های نام حوزه، مثل حوزه”edu” روش‌های احتمالی برای نمونه‌گیری بدون سوگیری و غیرمغرضانه از نقاط شروع هستند. در تفاهم نامه اینترنت به هر میزبان وب یک شماره منحصربه فرد تخصیص یافته است. به عنوان مثال «۱۳۰.۲۲۶.۱۸۶.۶» شماره تفاهم نامه مدرسه سلطنتی علوم کتابداری و اطلاع رسانی دانمارک”www.db.dk“ است.
● تحلیل مسیر و دانش عمومی کشف نشده( ناشناخته۹۰)
با استفاده از تحلیل مسیر در پایگاه‌های اطلاعاتی استنادی، اسمال(۱۹۹۹) راه‌ها و مسیرهای۹۱ مرزهای بین رشته‌ای در علوم و خلاقیت بارور شده را که می‌توانستند در چنین گذرگاه‌ها و تقاطع های مرزی ظاهر شوند مورد پژوهش قرار داد. اسمال به بررسی “گره‌های قوی” در مقایسه با “گره‌های ضعیف” در حالت‌هم استنادی (اشتراک در متن۹۲) قوی و شدید برای ایجاد مسیرهای چندمرحله‌ای غیرمستقیم در آثار علمی پرداخته بود. مطابق نظر اسمال، حرکت کردن از یک موضوع یا حوزه، به موضوع یا حوزه دیگر در آثار علمی به دلیل بافت و ساختار مرتبط و درهم تنیده رشته‌های علمی امکان پذیر است. این مسئله با استفاده از مسیر خاصی که از علم اقتصاد شروع و به اخترفیزیک ختم می‌شود، نشان داده شده است.
کین و نورتون۹۳ (۱۹۹۹) درباره اسمال اظهارنظر کردند و پیش‌بینی نمودند که «در نظام های آتی بازیابی اطلاعات، یک کاربر می‌تواند دو موضوع یا دو سند را انتخاب نماید و مسیر (خط سیر) اسناد یا موضوع هایی را که به آن دو موضوع مرتبط می‌شوند پیدا کند که آن می‌تواند برای کشف دانش و تولید فرضیه‌ها مورد استفاده قرار گیرد».
این شیوه همچنین ممکن است برای محلی کردن پیوندهای متقاطع روی وب استفاده شود. در یک نمونه نمودار وب تولید شده به وسیله رایانه که از روش‌های الگوریتمی استفاده می‌نماید، کوتاه ترین مسیرِ پیوند میان دو صفحه وب آغازین و پایانی انتخاب شده که به حوزه‌های علمی ناهمگن تعلق دارند، می‌تواند شناسایی‌شود. بسته به این که همسایگان یک خوشه از صفحات وب انتخابی تا چه حد به هم مرتبط باشند، این روش طبق مدل «کمانی (پاپیون وار)» پیش گفته به علت بزرگی و گستردگی مناطق صفحات وب که فقط دارای پیوند درونی یا فقط پیوند بیرونی هستند و یا در کل هیچ پیوندی ندارند، شاید تا ۷۵ درصد موارد با شکست مواجه خواهد شد (برودر و دیگران، ۲۰۰۰). اما حداقل تقریباً در ۲۵ درصد از موارد، تعیین کوتاه‌ترین مسیر میان دو حوزه علمی ناهمگن منتخب امکان پذیر خواهد بود. بدین ترتیب پیوندهای متقاطع میان‌بُر را در طول مسیر نشان می‌دهند.
عقیده اِسمال‌ (۱۹۹۹) مبنی بر ایجاد مسیرهای هم استنادی (اشتراک در متن) قوی و شدید چندمرحله‌ای، همچنین می‌تواند برای تحلیل هم پیوند پیوندهای بیرونی۹۴ هم رویداد، مثلاً روی صفحات وب دانشمندان، به کار برده شود. این راهبرد می‌تواند راهنمای مفید و مؤثری برای اجرای کشف دانش روی وب باشد. روش دیگر کشف دانش استفاده شده در پایگاه‌های اطلاعاتی کتابشناختی، قابل اجرا برای وب، پژوهش سوانسون (۱۹۸۶) روی دانش عمومی کشف نشده است که در طول سال‌ها توسعه‌یافته است (وانسون و اسمال‌هایزر، ۱۹۹۷،۱۹۹۹). سوانسون (۱۹۸۶) بیان نمود که «دانش می‌تواند عمومی باشد، ولی هنوز کشف نشده، و اگر اجزاء و قسمت‌های آن به طور مستقل خلق شده باشند، منطقاً به هم مرتبط هستند، اما آنها هرگز با هم بازیابی و تفسیر نمی‌شوند و باهم آورده نمی‌شوند». سوانسون از یک روش آزمون و خطای نظام مند برای یافتن روابط متعدی و ناپایدار۹۵ میان دو اثر استفاده کرد (دیویس، ۱۹۸۹). با توجه به مثال خود سوانسون (۱۹۸۶)، اگر اثر «الف» مربوط به «روغن ماهی» باشد و اثر «ج» تقریباً در مورد «بیماری ریناد»۹۶ باشد، آنگاه اثر «ب» روی «پلاکت خون»۹۷ می‌تواند یک رابطه متعدی کم داشته باشد. اگر “الف” مساوی (اشتراک) «ب» و «ب» مساوی «ج» باشد، در نتیجه، «الف» مساوی «ج» خواهد بود. این روش کشف دانش مبتنی بر اثر۹۸ برای یافتن “اطلاعات ضمنی (مطلق) جالب اما قبلاً ناشناخته « در میان آثار علمی به کار رفته است (سوانسون و اسمال‌هایزر، ۱۹۹۹) و همچنین برای آشکار کردن روابط میان عقاید و مفاهیمی که قبلاً مورد توجه نبودند (گارفیلد، ۱۹۹۴). با استفاده از این روش روی وب، پیوندهای متقاطع توصیه‌های مفیدی را برای یافتن روابط متعدی و ناپایدار میان رشته‌های علمی ارائه می دهند.
مفهوم «کشف شانسی نظام مند»۹۹ در زمینه کشف علم و کشف دانش با کمک رایانه مفید است. گارفیلد از ۱۹۶۶ چندین مرتبه از این مفهوم برای تشریح روند سازمان یافته کشف روابط علمی قبلاً ناشناخته که در پایگاه‌های اطلاعاتی استنادی مورد استفاده قرار می گرفت، استفاده کرد. در حقیقت، «کشف شانسی نظام‌مند» توصیف نسبتاً دقیقی از ضرورت همکاری میان انسان- رایانه در اجرای کشف دانش‌هم در پایگاه‌های اطلاعاتی سنتی و هم روی وب است. اهمیت همکاری انسان- رایانه برای کشف دانش در حوزه علم توسط ولدِس- پرِز۱۰۰ (۱۹۹۹) مورد تأکید قرار گرفته است. آخرین راهبردهایی که در این بخش به استفاده روش‌های کتابسنجی در کشف دانش روی وب مربوط می‌شوند، عبارتند از مفهوم «مدیریت موضوعات»۱۰۱ که توسط لنکستر(۱۹۸۵) و مفهوم «ردیابی موضوع» که به وسیله ورمل ( ۲۰۰۰) خلق شدند.
● ردیابی موضوع
لنکستر (۱۹۸۵) در مطالعه موردی خود در مورد این که چگونه موضوع جدید در حال شکل گیری «باران اسیدی»۱۰۲ در جامعه، توسعه و اشاعه یافته است، مسئله را در چندین پایگاه اطلاعاتی مختلف ردگیری کرده بود که نشان دهد چگونه این مسئله تحقیقی در طول زمان به حوزه علوم کاربردی و بعداً به رسانه‌های گروهی و قانونگذاری کشیده شده است. لنکستر و ورمل(۲۰۰۰) روش‌های اطلاع‌سنجی را برای ردیابی الگوی مباحثه بین المللی درباره «وضعیت رفاهی» جدید در پایگاه‌های اطلاعاتی حوزه‌های مختلف به کار بردند؛ در نتیجه آنان نشان دادند که چگونه یک مفهوم از میان یک مسیر به روش‌های مختلف نشر، حرکت می کند. ورمل نتیجه گرفت که فنّاوری‌های «داده‌کاوی» و «متن‌کاوی»، امکانات زیادی را برای تحلیل اطلاع‌سنجی به منظور استخراج دانش ناشناخته و بالقوه مفید از داده‌های کتابشناختی ارائه می کنند. گونه‌ای از ردیابی موضوع روی وب توسط بار-ایلان و پریتز۱۰۴ (۲۰۰۰) به کار گرفته شده بود. ایشان موضوع انتخاب شده «اطلاع‌سنجی» را برای یک دوره زمانی معین با استفاده از روش‌های کتابسنجی به منظور تحلیل داده‌ها بینِ شش موتور کاوش اصلی، مورد پژوهش قرار دادند. ماهیت پویای وب، از اسناد وب درباره موضوعاتی که بیشتر اوقات ناپدید هستند، ناشی شده است، در حالی که اسناد جدید اضافه می‌شوند و برخی از آنها تغییر می یابند. به دنبالِ همان روش‌ها بار- ایلان (۲۰۰۰) موضوع مشابهی را به طور مفصل ردیابی کرد و الگوهای روی وب برای پایگاه‌های اطلاعاتی استنادی و کتابشناختی را مقایسه کرد.
● نتیجه‌گیری
این مقاله سعی دارد که به حوزه‌های خاص و منتخبی از پژوهش وب‌سنجی که روند و فضای جالبی برای توسعه دارند، اشاره کند و همچنین برخی حوزه‌های کمتر خوش آتیه را بیان می کند. همان طوری که قبلاً ذکر شد، امکان استفاده از روش‌های کتابسنجی روی وب از ماهیت پویا، متنوع و توزیعی وب و نقائص موتورهای وب تأثیر پذیرفته است. تنوع و گوناگونی افرادی که اسناد و مدارک وب و پیوندها را ایجاد می کنند البته از کیفیت و اعتبار این عناصر وب، تحت تأثیر قرار می گیرند. کمبود اَبرداده‌های به کارگرفته شده برای مدارک و پیوندهای وب و کمبود موتورهای کاوشی که اَبرداده‌ها را پشتیبانی کنند بر گزینه‌های پالایش تأثیر می گذارد، و در نتیجه گزینه‌های کشف دانش تحت تأثیر قرار می گیرند؛ در صورتی که کدهای ناحیه‌ای۱۰۵ در پایگاه‌های اطلاعاتی سنتی، کشف دانش در پایگاه‌های اطلاعاتی را پشتیبانی می‌کنند. همان طور که در بالا پیشنهاد شد، تنوع در وب می‌تواند امکانات کشف دانش را افزایش دهد. دولت ستیزی و هرج و مرج طلبی، رفتار محلی میلیون ها نفر از عاملان وب معمولاً بر روی عملکرد جهانی وب به عنوان یک نظام اطلاعاتی، نتایج و عواقب منفی به همراه داشته است. پیوندهای متقاطع مذکور، توانسته اند از تأثیر مثبتِ تاکنون فراموش شده این رفتار نامناسب در مسیرهای کوتاه وب نتیجه بگیرند و به این ترتیب موجب امکانات کاوش بهتر برای کارگزاران و واسطه‌های رقومی و انسانی می‌شوند و بدین وسیله موجب فراهم کردن امکانات بهتر برای کشف دانش با کمک رایانه و به صورت شانسی توسط انسان، برای مثال «کشف شانسی نظام مند» می‌گردند.
استفاده از این راهبرد برای کشف مواد مفید به منظور اهداف و مقاصد علمی، البته نیازمند کنترل مسئله اعتبار و صحّت در وب می باشد. یک راه برای انجام این، می‌تواند روش پیش گفته یعنی «انتخاب کیفیت صفحات وب آغازین و پایانی از دو حوزه علمی ناهمگن» باشد و سپس پیوندهای متقاطع روی یک مسیر پیوند متصل به حوزه‌ها شناسائی شود. این روش می‌تواند احتمال برخورد با محتویات کیفی در صفحات وب میانی در طول مسیرِ پیوند را افزایش دهد.
وب شامل ساختار پیوندهای واگرا (دور از هم) و همگرا (شبیه به هم) است که خوشه‌های وب، با نوع پیشین و پیوندهای متقاطع با نوع بعدی منطبق هستند. این ساختارهای مختلفِ پیوند می‌تواند کاوش در وب هدایت شده در مسیرهای همگرا (یعنی منطقی، هدف مند) و واگرا (یعنی خلاق، شهودی) را پشتیبانی کند. استفاده از واژه‌های واگرا و همگرا از اثر فورد (۱۹۹۹) و از اثر باودن (۱۹۸۶) در مورد تحریک خلاقیت در نظام های اطلاعاتی، الهام گرفته است. درک و استنباط کامل واگرایی و همگرایی -هم در ساختار پیوند کشف شده موجود و هم در رفتار کارگزاران و واسطه‌های رقومی (ماشینی) یا انسانی- به منظور توسعه روش‌های خلاق و سازنده کشف دانش با کمک رایانه روی وب، و نیز در پایگاه‌های اطلاعاتی استنادی، کتابشناختی و سایر پایگاه‌های اطلاعاتی مهم است.
چنین روش‌هایی همچنین می‌توانند استلزام‌هایی برای اصلاح برنامه‌های دروگر۱۰۶ روبات‌های وب، الگوریتم های رتبه بندی موتورهای کاوش و ویژگی‌های بصری/جهت‌یابی۱۰۷ مرورگرها، داشته باشند. وب‌سنجی حوزه پژوهشی جدیدی است که در حال گذر از یک مرحله آزمایشی و مقدماتی ضروری است. تازگی این حوزه، تعداد قابل توجه مقالات توصیفی وب‌سنجی فراهم شده درباره ابعاد مختلف وب در طی ۴-۵ سال اخیر را توجیه می کند. در سال‌های آینده، تجزیه و تحلیل و ترکیب یافته‌های پژوهش‌ها و همچنین پیشبرد و توسعه روش‌ها و نظریه‌ها به منظور فراهم نمودن درک و فهم بهتر درباره ریخت شناسی (توپولوژی)، کارکردها و پتانسیل‌های امکانات پیچیده وب، چالشی برای پژوهشگران وب‌سنجی خواهد بود.

سپاسگزاری
از پروفسور پیتر اینگورسن و دکتر لُنارت بجورن بُرن که طی نامه مورخه ۲۰ مه ۲۰۰۳ اجازه ترجمه مقاله حاضر را دادند و ما را راهنمائی فرمودند، بسیار سپاسگزاری می‌شود.
پی نوشت‌ها
۱.Link structure
۲.Almind and Ingwersen
۳.Cybermetrics
۴.Outlinks
۵.Inlinks
۶.Reference
۷.Citation analysis
۸.Domain
۹.Web search behavior
۱۰.Common data
۱۱.Text mining
۱۲.ISI: Institute of Scientific Information
۱۳.Command language
۱۴.Dialog
۱۵.Online
۱۶.Sitation analysis
۱۷.Link-page
۱۸.Indexable web
۱۹.Servers
۲۰.Imposed truncation
۲۱.Clarke and Willett
۲۲.Oppenheim
۲۳.Time series
۲۴.Longitudinal study
۲۵.Nova-like
۲۶.Cyberspace
۲۷.Nordic portion of the web
۲۸.Connections
۲۹.Typology
۳۰.Bates and Lu
۳۱.Wynn and Katz
۳۲.Dillon and Gushrowski
۳۳.Web archaeology
۳۴.Lei Cui
۳۵.Central sites
۳۶.Query
۳۷.TREC IR: Text Retrieval Conference Information Retrieval
۳۸.Inaccurate
۳۹.Misleading
۴۰.Un-referenced
۴۱.Sitations
۴۲.Incoming links
۴۳.Data points
۴۴.Lotka distribution
۴۵.Self-sitations
۴۶.National domains
۴۷.Self-linking
۴۸.External inlinking
۴۹.Thelwall
۵۰.URL element
۵۱.Knowledge discovery in databases (KDD)
۵۲.Nontrivial extraction of implicit
۵۳.Textural data mining
۵۴.Etzioni
۵۵.Multi-agent
۵۶.Metadata
۵۷.Web mining
۵۸.De Jong and Rip
۵۹.Strong ties
۶۰.Web communities
۶۱.Topic distillation
۶۲.Time Berners-Lee
۶۳.Conseil Europeen Pour la Recherche Nucleaire (CERN)
۶۴.Vertices
۶۵.Edges
۶۶.Hyperlinks
۶۷.Bow tie
۶۸.Web crawl
۶۹.Bowtie knot
۷۰.Random graphs
۷۱.Watts and Strogats
۷۲.Nematod worm
۷۳.Kochen
۷۴.Scientific domains
۷۵.Co-term
۷۶.Heterogeneous web clusters
۷۷.Creativity simulation
۷۸.Trail
۷۹.Vannervar Bush
۸۰.Cross-linking
۸۱.Boundary crossings
۸۲.Research fronts
۸۳.Cross-disciplinary
۸۴.Invisible colleges
۸۵.Crossing scientific boundaries
۸۶.Random walk
۸۷.Path analysis
۸۸.Co-occurrence
۸۹.IP-numbers
۹۰.Undiscovered public knowledge
۹۱.Pathways
۹۲.Co-citation
۹۳.Qin and Norton
۹۴.Co-link analysis of outlinks co-occurring
۹۵.Transitive relations
۹۶.Raynaud’s disease
۹۷.Blood platelets
۹۸.literature-based knowledge discovery
۹۹.Systematic serendipity
۱۰۰. Valdes-Perez
۱۰۱.Issues management
۱۰۲.Wormell
۱۰۳.Acid rain
۱۰۴.Bar-Ilan and Peritz
۱۰۵.Field codes
۱۰۶.Harvesting
۱۰۷.Visualisation/Navigation features of browsers
منابع
E.S. Allen, J.M. Burke, M.E. Welch, L.H. Rieseberg (۱۹۹۹). How reliable is science information on the Web? Science, ۴۰۲: ۷۲۲.
T. Almind, P. Ingwersen (۱۹۹۷). Informetric analyses on the World Wide Web: Methodological approaches to “Webometrics”, Journal of Documentation, ۵۳: ۴۰۴-۴۲۶.
J. Bar-Ilan (۱۹۹۸). The mathematician, Paul Erdos (۱۹۱۳-۱۹۹۶) in the eyes of the Internet, Scientometrics, ۴۳: ۲۵۷-۲۶۷.
J. Bar-Ilan (۱۹۹۹). Search engine results over time: A case study on search engine stability, Cybermetrics, ۲/۳, paper ۱. ISSN: ۱۱۳۷-۵۰۱۹
( http://www.cindoc.csic.es/cybermetrics/articles/v۲i۱p۱.html ; visited ۰۸.۱۱.۲۰۰۰).
J. Bar-Ilan (۲۰۰۰). The Web as an information resource on informetrics? A content analysis, Journal of the American Society for Information Science, ۵۱: ۴۳۲-۴۴۳.
J. Bar-Ilan, B.C. Peritz (۱۹۹۹). The life span of a specific topic on the Web. The case of “informetrics”: A quantitative analysis, Scientometrics, ۴۶: ۳۷۱-۳۸۲.
M. Bates, S. Lu (۱۹۹۷). An exploratory profile of personal home pages: Content, design, metaphors, Online & CDROM Review, ۲۱: ۳۳۱-۳۴۰
D. Bawden(۱۹۸۶). Information systems and the stimulation of creativity, Journal of Information Science, ۱۲: ۲۰۳-۲۱۶.
T. Berners-Lee (۱۹۹۷). Realising the full potential of the Web. World Wide Web Consortium. ( http://www.w۳.org/۱۹۹۸/۰۲/Potential.html ; visited ۰۸.۱۱.۲۰۰۰).
K. Bharat, M. Henzinger (۱۹۹۸). Improved algorithms for topic distillation in a hyperlinked environment. In: Croft, W. B. et al.(Eds.). Proceedings of the ۲۱st annual International ACM SIGIR Conference on Research and Development in Information Retrieval. ACM Press, pp. ۱۰۴-۱۱۱.
L. Björneborn (۲۰۰۰). Verdensvævet som ‘small-world’-netværk og mulighedsrum : omridset af en forståelsesmodel for transversale links på World Wide Web. [‘Small-World’ Web and Possibility Space: outlining a conceptual framework for transversal links on the WWW]. Master’s Thesis. Royal School of Library and Information Science, Copenhagen.
S. Brin, L. Page (۱۹۹۸). The anatomy of a large-scale hypertextual Web search engine, WWW۷ Conference. ( http://www-db.stanford.edu/~backrub/google.html ; visited ۰۸.۱۱.۲۰۰۰).
A. Broder et al. (۲۰۰۰). Graph structure in the Web, WWW۹ Conference.
( http://www.almaden.ibm.com/cs/k۵۳/www۹.final ; visited ۰۸.۱۱.۲۰۰۰)
V. Bush (۱۹۴۵). As we may think, The Atlantic Monthly, ۱۷۶ (July) ۶۴۱-۶۴۹.
S.J. Clarke, P. Willett (۱۹۹۷). Estimating the recall performance of Web search engines, Aslib Proceedings, ۴۹: ۱۸۴-۱۸۹.
M.P. Courtois, M.W. Berry (۱۹۹۹). Results ranking in Web search engines, Online, (May/June) ۳۹-۴۶.
B. Cronin, G. McKim (۱۹۹۶). Science and scholarship on the World Wide Web: A North American perspective, Journal of Documentation, ۵۲: ۱۶۳-۱۷۲.
L. Cui (۱۹۹۹). Rating health Web sites using the principles of citation analysis: A bibliometric approach. Journal of Medical Internet Research, ۱(۱) e۴ (ISSN: ۱۴۳۸-۸۸۷۱) ( http://www.jmir.org/۱۹۹۹/۱/e۴/index.htm ; visited ۰۸.۱۱.۲۰۰۰).
R. Davies (۱۹۸۹). The creation of new knowledge by information retrieval and classification, Journal of Documentation, ۴۵: ۲۷۳-۳۰۱.
H. de Jong, A. Rip (۱۹۹۷). The computer revolution in science: steps towards the realization of computer-supported discovery environments, Artificial Intelligence, ۹۱: ۲۲۵-۲۵۶.
A. Dillon, B.A. Gushrowski (۲۰۰۰). Genres and the Web: Is the personal home page the first uniquely digital genre? Journal of the American Society for Information Science, ۵۱: ۲۰۲-۲۰۵.
O. Etzioni (۱۹۹۶). The World-Wide Web: quagmire or gold mine?, Communications of the ACM, ۳۹: ۶۵-۶۸.
G. Eysenbach (۱۹۹۸). Towards quality management of medical information on the Internet: Evaluation, labelling, and filtering of information, British Medical Journal, ۳۱۷: ۱۴۹۶-۱۵۰۲.
U. Fayyad, G. Piatetsky-Shapiro, P. Smyth (۱۹۹۶). The KDD process for extracting useful knowledge from volumes of data, Communications of the ACM, ۳۹ (Nov.) ۲۷-۳۴.
N. Ford (۱۹۹۹). Information retrieval and creativity : towards support for the original thinker, Journal of Documentation, ۵۵: ۵۲۸-۵۴۲.
W.J. Frawley, G. Piatetsky-Shapiro, C.J. Matheus (۱۹۹۱). Knowledge discovery in databases: an overview, In: G. Piatetsky-Shapiro,W.J. Frawley (Eds.). Knowledge discovery in databases. Menlo Park, Cal.: AAAI Press.
E. Garfield (۱۹۶۶). The who and why of ISI, Essays of an Information Scientist, ۱ (۱۹۶۲-۷۳) ۳۳-۳۷. Originally printed in Karger Gazette, March ۵, ۱۹۶۶.
E. Garfield (۱۹۹۴). Linking literatures: An intriguing use of the citation index, Current Contents, ۲۱ (May ۲۳) ۳-۵.
D. Gibson, J. Kleinberg, P. Raghavan (۱۹۹۸). Inferring web communities from link topology, Proceedings of the ۹th ACM Conference on Hypertext and Hypermedia. ( http://www.cs.cornell.edu/home/kleinber/ht۹۸.pdf ; visited ۰۸.۱۱.۲۰۰۰).
M.S. Granovetter (۱۹۷۳). The strength of weak ties, American Journal of Sociology, ۷۸: ۱۳۶۰-۱۳۸۰.
P. Ingwersen (۱۹۹۸). The calculation of Web Impact Factors, Journal of Documentation, ۵۴: ۲۳۶-۲۴۳.
J.T. Klein (۱۹۹۶). Crossing boundaries: knowledge, disciplinarities, and interdisciplinarities, Charlottesville, Virg.: University Press of Virginia.
J.M. Kleinberg (۱۹۹۸). Authoritative sources in a hyperlinked environment, Proceedings of the ۹th annual ACM-SIAM Symposium on Discrete Algorithms, pp. ۶۶۸-۶۷۷.
M. Kochen (Ed.)(۱۹۸۹). The small world. Norwood, N.J.: Ablex Publishing Corporation.
F.W. Lancaster, J.-L. Lee (۱۹۸۵). Bibliometric techniques applied to issues management: A case study, Journal of the American Society for Information Science, ۳۶: ۳۸۹-۳۹۷.
R. Larson (۱۹۹۶). Bibliometrics of the World Wide Web: An exploratory analysis of the intellectual structure of cyberspace. In: S. Hardin (Ed.) Proceedings of the ۵۹th Annual Meeting of the American Society for Information Science, ۳۳: ۷۱-۷۸.
S. Lawrence, C.L. Giles (۱۹۹۸). Searching the World Wide Web. Science, ۲۸۰: ۹۸-۱۰۰.
P. Losiewicz, D.W. Oard, R.N. Kostoff (۲۰۰۰). Textual data mining to support science and technology management, Journal of Intelligent Information Systems, ۱۵: ۹۹-۱۱۹.
S. Milgram (۱۹۶۷). The small-world problem, Psychology Today, ۱: ۶۰-۶۷.
C. Oppenheim, A. Morris, C. Mcknight (۲۰۰۰). The evaluation of WWW search engines. Journal of Documentation, ۵۶: ۱۹۰-۲۱۱.
S.J. Pierce (۱۹۹۹). Boundary crossing in research literatures as a means of interdisciplinary information transfer, Journal of the American Society for Information Science, ۵۰: ۲۷۱-۲۷۹.
J. Qin, M.J. Norton (Eds.)(۱۹۹۹). Introduction (In issue: Knowledge Discovery in Bibliographic Databases). Library Trends, ۴۸ (Summer) ۱-۸.
J.M. Rodriguez i Gairin (۱۹۹۷). Volorando el impacto de la informacion en Internet: Altavista, el “Citation Index” de la Red. Revista Espanola de Documentacion Scientifica ۲۰ (۲): ۱۷۵-۱۸۱.
R. Rousseau (۱۹۹۷). Sitations: An exploratory study. Cybermetrics, ۱, paper ۱. ISSN: ۱۱۳۷-۵۰۱۹. ( http://www.cindoc.csic.es/cybermetrics/articles/v۱i۱p۱.html ; visited ۰۸.۱۱.۲۰۰۰).
R. Rousseau (۱۹۹۹). Daily time series of common single word searches in AltaVista and NorthernLight. Cybermetrics, ۲/۳ paper ۲. ISSN: ۱۱۳۷-۵۰۱۹. ( http://www.cindoc.csic.es/cybermetrics/articles/v۲i۱p۲.html ; visited ۰۸.۱۱.۲۰۰۰).
H. Small (۱۹۹۹). A passage through science: Crossing disciplinary boundaries, Library Trends, ۴۸ (Summer) ۷۲-۱۰۸.
A.G. Smith (۱۹۹۹). A tale of two web spaces: Comparing sites using web impact factors. Journal of Documentation, ۵۵: ۵۷۷-۵۹۲.
H. Snyder, H. Rosenbaum (۱۹۹۹). Can search engines be used as tools for web-link analysis? A critical view, Journal of Documentation, ۵۵: ۳۷۵-۳۸۴.
D.R. Swanson (۱۹۸۶). Undiscovered public knowledge, Library Quarterly, ۵۶: ۱۰۳-۱۱۸.
D.R. Swanson, N.R. Smalheiser (۱۹۹۷). An interactive system for finding complementary literatures: A stimulus to scientific discovery, Artificial Intelligence, ۹۱: ۱۸۳-۲۰۳.
D.R. Swanson, N.R. Smalheiser (۱۹۹۹). Implicit text linkages between Medline records: using Arrowsmith as an aid to scientific discovery, Library Trends, ۴۸ (Summer) ۴۸-۵۹.
M. Thelwall (۲۰۰۰). Web impact factors and search engine coverage, Journal of Documentation, ۵۶: ۱۸۵-۱۸۹.
R.E. Valdés-Perez (۱۹۹۹). Principles of human-computer collaboration for knowledge discovery in science’, Artificial Intelligence, ۱۰۷: ۳۳۵-۳۴۶.
B. Vickery (۱۹۹۷). Knowledge discovery from databases: an introductory review, Journal of Documentation, ۵۳: ۱۰۷-۱۲۲.
D.J. Watts (۱۹۹۹). Small worlds: the dynamics of networks between order and randomness, Princeton University Press, Princeton, N.J.
D.J. Watts, S.H. Strogatz (۱۹۹۸). Collective dynamics of ‘small-world’ networks, Nature, ۳۹۳ (June ۴) ۴۴۰-۴۴۲.
I. Wormell (۲۰۰۰). Critical aspects of the Danish welfare state - as revealed by issue tracking, Scientometrics, ۴۸: ۲۳۷-۲۵۰.
E. Wynn, J.E. Katz (۱۹۹۷). Hyperbole over cyberspace: Self-presentation and social boundaries in Internet home pages and discourse, Information Society, ۱۳: ۲۹۷-۳۲
Bjorneborn, Lennart & Ingwersen, Peter (۲۰۰۱). Perspectives of webometrics, Scientometrics, ۵۰(۱), p. ۶۵-۸۲.

منبع : فصلنامه علوم اطلاع رسانی