“协同标记”的版本间的差异

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
跳到导航 跳到搜索
 
第130行： 第130行：
 
* [http://www.vanderwal.net/random/entrysel.php?blog=1750 Vanderwal's take on Wikipedia's definition of folksonomy]
 
* [http://www.vanderwal.net/random/entrysel.php?blog=1750 Vanderwal's take on Wikipedia's definition of folksonomy]
 
*[http://er.educause.edu/articles/2011/9/classroom-collaboration-using-social-bookmarking-service-diigo Classroom Collaboration Using Social Bookmarking Service Diigo]
 
*[http://er.educause.edu/articles/2011/9/classroom-collaboration-using-social-bookmarking-service-diigo Classroom Collaboration Using Social Bookmarking Service Diigo]
 +
 +
 +
==编者推荐==
 +
===集智课程===
 +
====[https://campus.swarma.org/course/1873 在线知识分享系统的知识协同构建]====
 +
基于知识协同建构理论，本研究利用语词共现网络分析，将知识疆域量化为标签共现网络。本研究旨在描述，以知乎为代表的在线知识分享平台，其知识疆域的内容特点和演化模式。本研究分别探究了知识疆域的内容与结构特征、知识疆域的演化规律以及节点的生成、死亡与生存机制。从理论意义而言，本研究廓清了 “知识协同建构理论”视域下在线“协作知识”内容与结构特征，印证了协同建构的在线知识整体特征。从方法论意义而言，该课题基于大数据分析技术，运用文本挖掘、社会网络分析，以及Pathfinder算法，对大规模知识文本进行分析和可视化呈现，对在线文本挖掘分析的借鉴意义。从社会意义而言，本研究成果综合评估了在线知识分享平台的知识疆域普惠性。
 +
 +
  
  

2021年8月28日 (六) 20:31的最新版本


协同标记是一个允许最终用户将大众化的标签应用到网络条目的分类系统。与那些在发布的时候该系统通常能够使对应的网络条目更加容易被用户自己或其他用户检索到。随着时间的推移，与那些在发布时就被设计者定义好分类方式的方法相比，基于大众化标协同标记和它们被应用或搜索的频率，就可以产生一个分类方式。[1][2]这种做法也被称为合作化标签 collaborative tagging、[3][4]社会化分类 social classification，社会化索引 social indexing或社会化标签 social tagging。协同标记最初是个人为了方便信息的再次查找为信息设置的标签，[5]但是线上共享与互动将它扩展为协作的方式。社会化标签是在一个开放的在线环境中应用标签，一些用户的标签对另外的用户是可用的。合作化标签(也称为组标签)是由一组用户执行的标签。这种类型的协同标记通常用于合作和协作项目，如研究、内容库和社会性书签。


这个术语以民间 folk和分类学taxonomy的合成词的起源 portmanteau ，由 Thomas Vander Wal 在2004年提出。[5][6][7]作为能够时用户通过共享标签对信息进行集体分类和查找的社交软件应用（如社会性书签、照片注释）的一部分，协同标记变得流行起来。一些网站将标签云作为一种可视化协同标记中标签的方式。[8]


协同标记可用于 K-12教育、商业和高等教育。更具体地说，协同标记可以应用于社会性书签、教师资源库、电子学习系统、合作学习、协作研究、专业发展和教学。维基百科也是协同标记的一个典型例子。[9]


优缺点

大众分类是在传统的集中分类和根本没有分类之间的权衡，[10]有以下几个优点：[11][12][13]


  • 即使没有经过培训和在先的分类或索引的知识，标签也很容易理解和使用
  • 协同标记的词汇直接反映用户的词汇
  • 协同标记是灵活的，也就是说用户可以添加或删除标签
  • 标签包括流行内容和长尾内容，使用户即使是在狭窄的主题，也能够浏览和发现新的内容，
  • 能够不带有文化，社会或政治偏见的反映用户的概念模型
  • 创建社区，也就是说使用相同标签的用户具有共同的兴趣
  • 协同标记是多维的，也就是说用户可以指定任何数字和组合的标签来表达一个概念


使用标签和协同标记也有几个缺点，而且上文的一些优点也可能带来一些问题。[14]例如，标签的简单性可能导致标签应用不当。[15]此外，虽然受控词汇天生具有排他性，[16]但是标签经常是模棱两可且个性化的。[17]用户以许多不同的方式对文档使用标记，这些标记系统也常常缺乏处理同义词、首字母缩略词和同音词的机制，而且他们还常常缺乏处理拼写错误、单复数形式 、共轭词和复合词等拼写变化的机制。一些标签系统不支持由多个单词组成的标签，导致了像“viewfrommywindow”这样的标签。有时候用户会选择专门的或对其他人来说毫无意义的标签。


基本要素与类型

当用户标记内容或信息时，比如网页、照片、视频、播客、 推特、科学论文等，就会形成一种协同标记模式。Strohmaier et al[18]阐述了这个概念：“标签”一词是指”用户自愿用所谓的‘标签’注释资源的活动——从无限制和不受控制的词汇中自由选择”。其他人将标签解释一个非结构化的文本[19]或关键词[20]，以元数据的形式出现。[21]


协同标记由三个基本实体组成: 用户、标签和资源。用户创建标签来标记网页、照片、视频、播客等资源。这些标签用于管理、分类和总结在线内容。这个分众分类法系统也使用这些标签作为索引信息，方便搜索和浏览资源的方式。协同标记还包括一组 url，用于识别不同网站用户引用的资源。这些系统还包括能够按不同粒度级别组织标签的分类方案。[22]


Vander Wal确定了两种类型的协同标记方法: 广义协同标记和狭义协同标记。[23]当多个用户可以对一个项目应用相同的标记，并提供关于哪些标记最受欢迎的信息时，就会形成广义的协同标记。而狭义的协同标记法发生在用户使用标签标记一个项目的时候，这些标签通常数量较少，并且通常包括项目的创建者，每个项目只能应用一次。虽然广义协同标记法和狭义协同标记都通过向对象添加关联词或短语来实现内容的可搜索性，但广义协同标记允许根据每个标签的流行程度进行排序，并跟踪标签使用和发展词汇表的新趋势。[23]


作为广义协同标记的网站， del.icio.us允许用户使用自己的个人标签标记任何他们发现的相关的在线资源的网站。 Flickr 作为一个照片分享网站，是狭义协同标记的典型例子。


协同标记与分类方法

“分类法”是指一种层次分类，将定义相对良好的类被嵌套在更广泛的类别中。协同标记建立的分类目录，不规定或者必须在不同的标签之间的道父子关系的层次结构类别，即每个标记就是一个类别(已经有从标签集群中至少衍生出松散层次结构的技术。[24])。


支持 协同标记的人声称，他们通常比分类法更可取，因为协同标记使信息的组织方式民主化，他们对用户更有用，因为他们反映了当前对领域的思考方式，他们表达了更多关于领域的信息。[25]批评者声称，协同标记杂乱无章，难以使用，而且反映出的短暂趋势可能会歪曲某一领域的已知信息。


2007年发表的一篇关于复动力学标签系统的实证分析表明，[26]即使在没有核心受控词表的情况下，围绕稳定发布和共享词汇表的共识也确实出现了。对于可搜索的内容，应该对其进行分类和分组。虽然大家普遍认为需要像期刊关键词一样，在描述标签的内容集上达成共识。但是一些研究发现，在一些常见的目录水平的协同标记结构也出现了。[27]因此，我们可以设计出协同设计的数学模型，从而将个人标记词汇转换为更加大众化的词汇。[28]


协同标记与民间分类法无关，这种文化实践在人类学和民间分类学著作中得到了广泛的记载。民间分类法是文化上提供的、代际间传播的、相对稳定的分类系统，特定文化中的人们使用这些系统来理解他们周围的整个世界，而不仅仅是互联网。[22]


研究协同标记的结构或分类称为协同分类学[29]。本体论的这个分支处理高度结构化的分类或层次结构与协同标记之间的交叉，寻找对于一个分类系统来说可以采用的最佳特性有哪些。平面标签方案的优势在于它们能够将一个项目与类似的其他项目联系起来。协同标记则允许大型不同用户群体协作标记大规模的动态信息系统。分类法的优势在于它们的可浏览性: 用户可以很容易地从更广泛的知识开始，并将他们的查询定向到更具体和详细的知识。[30] 如果系统标记能够对标签进行分类，则可以创建易于维护和扩展的可浏览的信息空间。


用于知识获取的社会化标签

用于知识获取的社会化标签是为个人或群体寻找和重新寻找特定内容而使用的特定标签。社会化标签系统不同于传统的分类系统，因为它们是基于社区的系统，缺乏传统的分类系统等级。社会化标签不是自顶向下的方法，而是依靠用户自下而上地创建大众分类法。[31]


社会化标签在知识获取方面的常见用途包括个人发展和协作项目。社会化标签被应用于中学、高等教育、研究生教育以及个人和商业研究中的知识获取。查找/重新查找源信息的好处在于可以适用于更广泛的用户。标签资源是通过搜索查询定位的，而不是通过更传统的文件夹系统。[32]标签的社会化方面也允许用户利用来自成千上万其他用户的元数据。[31]


用户为存储的资源选择单独的标签。这些标签反映了个人联系、类别和概念。所有这些都是基于个人意义和相关性的个性化表达。这些标签或者关键字是由用户指定的。因此，标签表示与资源对应的用户关联。通常标签的资源包括视频、照片、文章、网站和电子邮件。标签的好处体现在几个方面：第一是它们帮助构建和组织大量的数字资源，以便当用户以后试图查找资源时能够方便地访问这些资源。第二是社会化的本质，也就是说用户可以根据其他用户的标签来搜索新的资源和内容，甚至仅仅通过普通标签浏览也可能为知识获取提供更多的资源。[31]


与特定内容频繁的共同出现的标签通常被认为是连接性更强的标记。此外，标签可以相互连接，这可以从它们共同出现的频率中看出来。它们共同出现的次数越多，联系就越紧密。标签云通常用于可视化资源和标记之间的连接，字体大小随着关联强度的增加而增加。[33]


标签显示了以前用户不知道的概念之间的相互联系。因此，用户当前的认知结构可能会被聚合的社会化标签中的元数据信息修改或增强。这个过程通过认知刺激和平衡促进知识的获得，这个理论框架被称为个体和集体知识的协同进化模型。[33]


协同进化模型着眼于认知冲突，即学习者的先验知识和从环境中获得的信息在一定程度上是不一致的。当这种不一致发生时，学习者必须通过一个认知平衡的过程来使个人认知结构和外部信息一致。根据协同进化模型，这可能需要学习者对现有的构造进行修改或添加。额外的认知努力促进了信息处理，而信息处理又促进了个体学习的发生。[33]


示例

  • BibSonomy: 社会化书签育出版共享系统
  • del.icio.us: 公共标签服务
  • Diigo: 社会化书签网站
  • Flickr: 照片共享
  • Instagram: 在线照片共享与社交服务
  • 图书馆的在线目录[34][35]
  • Mendeley: 社会参考管理软件
  • Pinterest: 照片共享与发布网站
  • Steam: video game store
  • StumbleUpon: 内容发现引擎
  • Twitter 标签
  • 2002 年万维网联盟的 Annotea 项目，带有用户生成的标签
  • WordPress: 博客撰写与内容管理
  • Tumblr ：标签



其他内容

  • 自动标签
  • 博客圈
  • 群体职能
  • 书签计划
  • 刻面分类
  • 等级聚类
  • 语义注释
  • 语义相似性
  • 叙词表
  • 弱本体
  • 维基百科


参考文献

  1. ↑ Peters, Isabella (2009). "Folksonomies. Indexing and Retrieval in Web 2.0". Berlin: De Gruyter Saur.
  2. ↑ Pink, Daniel H. (11 December 2005). "Folksonomy". New York Times. Retrieved 14 July 2009.
  3. ↑ Lambiotte, R; Ausloos, M. (2005). Computational Science – ICCS 2006. Lecture Notes in Computer Science. 3993. pp. 1114–1117. arXiv:cs.DS/0512090. doi:10.1007/11758532_152. 
  4. ↑ Borne, Kirk. "Collaborative Annotation for Scientific Data Discovery and Reuse". Bulletin of Association for Information Science and Technology. ASIS&T. Archived from the original on 5 March 2016. Retrieved 26 May 2016.
  5. ↑ 5.0 5.1 Vander Wal, Thomas (11 December 2005). "Folksonomy Coinage and Definition".
  6. ↑ Vander Wal, T. (2005). "Off the Top: Folksonomy Entries." Visited November 5, 2005. See also: Smith, Gene. "Atomiq: Folksonomy: social classification." Aug 3, 2004. Retrieved January 1, 2007.
  7. ↑ Origin of the term
  8. ↑ Lamere, Paul (June 2008). "Social Tagging And Music Information Retrieval". Journal of New Music Research. 37 (2): 101–114. CiteSeerX 10.1.1.492.2457. doi:10.1080/09298210802479284.
  9. ↑ Bryzgalin, E.A.; Voiskounsky, A.E.; Kozlovskiy, S.A. (1 September 2019). "Psychological Analysis of Practical Experience in "Wikipedia" Development". Sibirskiy Psikhologicheskiy Zhurnal (73): 17–39. doi:10.17223/17267080/73/2.
  10. ↑ Gupta, M., et al., An Overview of Social Tagging and Applications, in Social Network Data Analytics, C.C. Aggarwal, Editor. 2011, Springer. p. 447-497.
  11. ↑ Quintarelli, E., Folksonomies: power to the people. 2005.
  12. ↑ Mathes, A., Folksonomies - Cooperative Classification and Communication Through Shared Metadata. 2004.
  13. ↑ Wal, T.V. Folksonomy. 2007
  14. ↑ Kipp, M. and D.G. Campbell, Patterns and Inconsistencies in Collaborative Tagging Systems: An Examination of Tagging Practices. Proceedings Annual General Meeting of the American Society for Information Science and Technology, 2006.
  15. ↑ Hayman, S., Folksonomies and Tagging: New developments in social bookmarking, in Proceedings of Ark Group Conference: Developing and Improving Classification Schemes, 2007, Sydney. 2007: Sydney.
  16. ↑ Kroski, E., The Hive Mind: Folksonomies and User-Based Tagging. 2005
  17. ↑ Guy, M. and E. Tonkin, Folksonomies: Tidying up Tags? D-Lib Magazine, 2006. 12(Number 1): p. 1-15.
  18. ↑ Strohmaier, M., C. Körner, and R. Kern, Understanding why users tag: A survey of tagging motivation literature and results from an empirical study. Web Semantics: Science, Services and Agents on the World Wide Web, 2012. 17: p. 1-11.
  19. ↑ Ames, M.N.M., Why We Tag: Motivations for Annotation in Mobile and Online Media, in SIGCHI conference on Human factors in computing systems. 2007, ACM Press: New York, NY, USA. p. 971-980.
  20. ↑ Guy, M. and E. Tonkin, Folksonomies: Tidying up Tags? D-Lib Magazine, 2006. 12(Number 1): p. 1-15.
  21. ↑ Brooks, C.H. and N. Montanez, Improved annotation of the blogosphere via autotagging and hierarchical clustering, in WWW '06: Proceedings of the 15th international conference on World Wide Web. 2006, ACM Press: New York, NY, USA. p. 625-632.
  22. ↑ 22.0 22.1 Berlin, B. (1992). Ethnobiological Classification. Princeton: Princeton University Press.
  23. ↑ 23.0 23.1 Vander Wal, Thomas. "Explaining and Showing Broad and Narrow Folksonomies". Retrieved 2013-03-05.
  24. ↑ Laniado, David. "Using WordNet to turn a folksonomy into a hierarchy of concepts" (PDF). CEUR Workshop Proceedings. 314 (51). Retrieved 7 August 2015.
  25. ↑ Weinberger, David. "Folksonomy as Symbol". Joho the Blog. Retrieved 7 August 2015.
  26. ↑ Harry Halpin, Valentin Robu, Hana Shepherd The Complex Dynamics of Collaborative Tagging, Proc. International Conference on World Wide Web, ACM Press, 2007.
  27. ↑ V. Robu, H. Halpin, H. Shepherd Emergence of consensus and shared vocabularies in collaborative tagging systems, ACM Transactions on the Web (TWEB), Vol. 3(4), art. 14, 2009.
  28. ↑ Robert Wetzker, Carsten Zimmermann, Christian Bauckhage, and Sahin Albayrak I tag, you tag: translating tags for advanced user models, Proc. International Conference on Web Search and Data Mining, ACM Press, 2010.
  29. ↑ Van Damme, Céline; et al. "FolksOntology: An Integrated Approach for Turning Folksonomies into Ontologies" (PDF). Retrieved April 20, 2012.
  30. ↑ Trattner, C., Körner, C., Helic, D.: Enhancing the Navigability of Social Tagging Systems with Tag Taxonomies. In Proceedings of the 11th International Conference on Knowledge Management and Knowledge Technologies, ACM, New York, NY, USA, 2011
  31. ↑ 31.0 31.1 31.2 Held, C., & Cress, U. (2009). Learning by Foraging: The impact of social tags on knowledge acquisition. In Learning in the synergy of multiple disciplines (pp. 254-266). Springer Berlin Heidelberg.
  32. ↑ Fu, W. (2008). The microstructures of social tagging: a rational model. In: Proceedings of the ACM 2008 Conference on Computer Supported Cooperative Work, pp. 229–238. ACM, New York.
  33. ↑ 33.0 33.1 33.2 Kimmerle, J., Cress, U., & Held, C. (2010). The interplay between individual and collective knowledge: technologies for organisational learning and knowledge building. Knowledge Management Research & Practice, 8(1), 33-44.
  34. ↑ Steele, T. (2009). The new cooperative cataloging. Library Hi Tech, 27 (1), 68-77
  35. ↑ Corey A. Harper and Barbara B. Tillett, Library of Congress controlled vocabularies and their application to the Semantic Web

外部链接


编者推荐

集智课程

在线知识分享系统的知识协同构建

基于知识协同建构理论，本研究利用语词共现网络分析，将知识疆域量化为标签共现网络。本研究旨在描述，以知乎为代表的在线知识分享平台，其知识疆域的内容特点和演化模式。本研究分别探究了知识疆域的内容与结构特征、知识疆域的演化规律以及节点的生成、死亡与生存机制。从理论意义而言，本研究廓清了 “知识协同建构理论”视域下在线“协作知识”内容与结构特征，印证了协同建构的在线知识整体特征。从方法论意义而言，该课题基于大数据分析技术，运用文本挖掘、社会网络分析，以及Pathfinder算法，对大规模知识文本进行分析和可视化呈现，对在线文本挖掘分析的借鉴意义。从社会意义而言，本研究成果综合评估了在线知识分享平台的知识疆域普惠性。



本中文词条由mobility参与编译薄荷编辑，如有问题，欢迎在讨论页面留言。

本词条内容源自wikipedia及公开资料，遵守 CC3.0协议。

取自“https://wiki.swarma.org/index.php?title=协同标记&oldid=26162”