南开大学商学院青年教师李樵在信息资源管理学科顶级期刊JASIST发表研究成果
(通讯员:李莉洁)
日前,南开大学商学院信息资源管理系李樵老师(第一作者)及其科研团队合作的研究论文“Integration patterns in the use of metadata for data sense-making during relevance evaluation: An interpretable deep learning-based prediction” 发表于信息资源管理学科国际顶级期刊Journal of the Association for Information Science and Technology 2025年76卷第3期。
研究论述了面对元数据认知友好性不足的“鸿沟”,科研用户如何通过在认知层面整合有关数据的系统性线索和启发式线索“使用” 元数据来建构数据的意义,使元数据能够充当数据相关性评估的“桥梁”。此外,该研究融合认知和行为视角,揭示了与科研用户认知整合密切关联的视觉行为。利用记录视觉行为的眼动数据测量认知整合,利用可解释的深度学习技术挖掘眼动数据,分析认知整合与数据意义建构程度的关联。研究指出对数据搜索者而言,在相关性评估过程中,整合元数据中的各种线索以建构检索到的数据的意义是一项至关重要但又具有挑战性的任务。然而,这项整合任务仍未得到充分研究,阻碍了制定有效策略来解决元数据在支持整合任务方面的不足。为了解决这个问题,该研究提出了“整合使用元数据进行数据意义建构”(IUM-DSM)模型。IUM-DSM模型提供了一个初步框架,用于理解数据搜索者执行的整合任务,重点关注他们的整合模式和相关挑战。使用基于可解释的深度学习的预测模型分析实验数据以验证IUM-DSM模型。研究结果支持IUM-DSM模型,表明数据搜索者参与整合任务以在相关性评估过程中有效地利用元数据进行数据意义建构。他们通过两种不同的模式整合来自元数据的系统性线索和启发式线索,构建有关数据的连贯心理表征:类别内整合和跨类别整合。本研究确定了与不同整合模式相关的关键挑战:类别内整合需要比较、分类和连接不同的系统性线索或不同的启发式线索,而跨类别整合则需要付出相当大的认知努力来整合两个类别的线索。为了支持整合任务,该研究提出了通过优化元数据布局和开发智能数据检索系统来支持数据用户应对上述挑战的策略。
南开大学商学院信息资源管理系拥有一支结构合理、层次分明的学科师资队伍。教师队伍高端人才3个,1/3的教师拥有海外博士学位。近年来,该系加大引才育才力度,已有多位青年教师的研究成果发表于IPM、JASIST等国际顶尖期刊,青年教师李樵已于国际A类期刊(JASIST、IPM、LISR、J Doc)上发表五篇论文。
原文链接:https://doi.org/10.1002/asi.24961