Analysis of the long term dynamics in thesaurus developments and its consequences [Elektronische Ressource] / Mohammad Tavakolizadeh-Ravari

Mohammad Tavakolizadeh-Ravari

Sujets

• Gesundheit

Informations

• Publié par: humboldt-universitat_zu_berlin
• Publié le: 01 janvier 2007
• Nombre de lectures: 35
• Langue: Deutsch
• Poids de l'ouvrage: 1 Mo

Extrait

Humboldt-Universität zu Berlin
Institut für Bibliotheks- und Informationswissenschaft

DISSERTATION
Analysis of the Long Term Dynamics in Thesaurus
Developments and its Consequences
Zur Erlangern der Doktorwürde
Philosophische Fakultät I.
Mohammad Tavakolizadeh-Ravari
aus dem Iran
Dekan der Philosophische Fakultät I.: Prof. Dr. Michael Borgolte
Gutachter: 1. Prof. Dr. Walther Umstätter
2. Prof. Dr. Robert Funk
eingereicht: 01.06.2007
Datum der Promotion: 17.07.2007 Zusammenfassung
Die Arbeit beschäftigt sich mit der statistischen Erfassung der intellektuellen Indexierung mit
Hilfe von Thesaurusbegriffen. Sie versucht die dynamische Entwicklung und den Gebrauch
von Thesaurusbegriffen zu analysieren. Zusätzlich konzentriert sie sich auf die Faktoren, die
die Zahl von Indexbegriffen pro Dokument bzw. bei den verschiedenen Zeitschriften
beeinflussen. Als interessante Faktoren erwiesen sich: „Länge der Dokumente“,
„Vorhandensein von Zusammenfassungen“, „Sprache der Dokumente“, „Datum der
Indexierung“, „Journal Impact Factor (JIF)“, und die „Priorität der Journale bei der
Indexierung“. Als Untersuchungsobjekt dienten die Medical Subject Headings (MeSH) und
die entsprechende Datenbank „MEDLINE“. Bei ihr liegen bekannte frühere Untersuchungen
vor, sie existiert seit vielen Jahren und der Gesamtumfang an Dokumenten ist beeindruckend.
Die wichtigsten Konsequenzen der Analyse sind, wie folgt:
1. Der MeSH-Thesaurus hat sich durch drei unterschiedliche Phasen jeweils logarithmisch
entwickelt. In jeder Phase hat der Bedarf der Optimierung die Wachstumsrate der
Thesaurusbegriffe bestimmt, da die exponentielle Zunahme der zu indexierenden
Dokumente zu bewältigen war. Das Wachstum eines Thesaurus wie bei den MeSH sollte
nach den vorliegenden Untersuchungen der folgenden Gleichung folgen: „T = 3.076,6 Ln
(d) – 22.695 + 0,0039d“ (T = Begriffe, Ln = natürlicher Logarithmus und d =
Dokumente). Um solch einen Thesaurus zu konstruieren, muss man demnach etwa 1.600
Dokumente haben, die die unterschiedliche Themen des Bereiches des Thesaurus
umfassen, um den Grundstock an Begriffen aufbauen zu können. Die dynamische
Entwicklung von Thesauri wie MeSH erfordert die Einführung eines neuen Begriffs pro
Indexierung von 256 neuen Dokumenten.
2. Die Verteilung der Thesaurusbegriffe erbrachte drei Kategorien: starke, normale und
selten verwendete Headings. Die letzte Gruppe ist in einer Testphase, während in der
ersten und zweiten Kategorie die neu hinzukommenden Deskriptoren im Lauf der Zeit zu
einem Thesauruswachstum führen.
3. Es gibt ein logarithmisches Verhältnis zwischen der Zahl von Index-Begriffen pro
Aufsatz und dessen Seitenzahl. Dieses Verhältnis gilt für den Bereich von Artikeln
zwischen einer und einundzwanzig Seiten.
4. Im allgemeinen erhalten Zeitschriftenaufsätze mit Abstracts fast zwei Deskriptoren mehr
als die, die in MEDLINE ohne Abstract erscheinen.
2 5. Die Zahl von Indexbegriffen pro Aufsatz zeigte, dass die Findablity der nicht-englisch
sprachigen Dokumente, wie z.B. Publikationen auf Deutsch in MEDLINE geringer ist als
die der englischen Dokumente. Der größte Unterschied ist bei Aufsätzen mit 10 Seiten
(33% weniger Deskriptoren) zu verzeichnen.
6. Aufsätze der Zeitschriften mit einem Impact Factor 0 bis fünfzehn erhalten nicht mehr
Indexbegriffe als die der anderen von MEDINE erfassten Zeitschriften.
7. In einem Indexierungssystem haben unterschiedliche Zeitschriften mehr oder weniger
Gewicht in ihrem Findability. Die Verteilung der Indexbegriffe pro Seite hat gezeigt, dass
es bei MEDLINE drei Kategorien Publikationen gibt. Die mit 2,3, 1,5 und 0,7 von MeSH-
Begriffen pro Seite. „Natur“, „Science“ und „Transplant Proc.“ gehören beispielsweise zu
den von MEDLINE stark bevorzugten Zeitschriften.
Schlagwörter:
Intellektuelle Indexierung, Sachliche Erschließung, Indexierungsbreite,
Indexierungstiefe, Thesaurusaufbau, Thesaurusentwicklung, Verteilung von
Thesaurusbegriffen, MEDLINE, MeSH.
3Abstract
The current dissertation concerns subject indexing with thesaurus terms. It tries to analyze
dynamic development and use of thesauri by statistical methods. In addition, it focuses on the
six factors that have affected the number of index terms per document or journal. They are
“length of documents”, “presence of abstracts”, “language of documents”, “date of indexing”,
“Journal Impact Factor”, and “priority of journals for in-depth indexing”.
Medical Subject Headings (MeSH) and its corresponding well known database “MEDLINE”
were established to conduct this research. The main consequences of analyzing the long-term
indexing of MEDLINE are as follows:
1. MeSH has developed logarithmically through three different phases. The existence of
each phase has been due to the need of optimizing the growth rate of thesaurus terms to
cope with the exponential increase of indexed documents. The growth of a thesaurus such
as MeSH should consequentially follow the equation “T = 3,076.6 Ln(d) –22,695 +
0.0039d” (T = thesaurus terms, Ln = natural logarithm, and d = documents). To construct
such a thesaurus, one needs to have at least 1,600 documents covering different topics of
the thesaurus subject area. The dynamic of thesauri such as MeSH is due to the persistent
inclusion of one new term per indexing of 256 new documents.
2. The distribution of thesaurus terms yielded three classes: highly, normally, and rarely used
terms. The last group is in a test phase, and only growth rates of most frequented terms in
the first class and newer terms in the second class were becoming persistent over time.
3. There is a logarithmic relationship between the number of index terms per article and its
pages. This relationship will occur if the articles are between one and twenty-one pages.
4. In general, journal articles with abstracts received almost two more terms than those
included into MEDLINE without abstracts.
5. The number of index terms per article showed that findability of non-English documents,
such as articles written in German and indexed in an American-based database like
MEDLINE, is less than that of English documents. The greatest difference is for articles
with ten pages (33% more index terms of English articles) and the least is for those with
twenty and more pages.
6. Journals with Impact Factors in the range from 0 to fifteen receive roughly the same
number of index terms per page.
4 7. In an indexing system, different journals have more or less weight in their findability.
Distribution of index terms per page has shown that there are three regions respectively
with 2.3, 1.5, and 0.7 terms per page. In addition to these regions, few journals are the
most favored ones and get more index term per page. “Nature”, “Science”, and
“Transplant Proc” belong to such journals in MEDLINE.
Keywords:
Manual Indexing, Subject Indexing, Exhausticivity of Indexing, Depth of Indexing,
Thesaurus Construction, Thesaurus Development, Use Distribution of Thesaurus Terms,
MEDLINE, MeSH.
5Table of Contents
Zusammenfassung...................................................................................................................... 2
Abstract ...................................................................................................................................... 4
Dedication ................................................................................................................................ 10
Abbreviations ........................................................................................................................... 11
Preface...................................................................................................................................... 12
1 Introduction....................................................................................................................... 13
1.1 Overview..................................................................................................................... 13
1.1.1 Aim 13
1.1.2 Research questions........................................................................................... 14
1.1.3 Materials and Methods..................................................................................... 15
1.1.4 Main results...................................................................................................... 17
1.2 Thesaurus.................................................................................................................... 18
1.2.1 Linguistic structure of thesaurus ...................................................................... 20
1.2.2 Similar problems of Conventional and automatic thesauri .............................. 21
1.2.3 MeSH as subject headings and thesaurus......................................................... 21
1.3 Indexing...................................................................................................................... 22
1.3.1 Depth of indexing............................................................................................. 23
1.3.2 Exhaustivity of indexing ....................................................