I N V E S T I C E D O R O Z V O J E V Z D Ě L Á V Á N Í Univerzita Karlova v Praze Ústav informační studií a knihovnictví Modul č. 2 Rešeršní činnost Richard Papík Určeno pro projekt: Název: Studium informační vědy a znalostního managementu v evropském kontextu Reg. číslo: CZ.1.07/2.2.00/07.0284 Operační program Vzdělávání pro konkurenceschopnost Oblast podpory. 2.2 Vysokoškolské vzdělávání Realizace: Vysoká škola báňská - TU Ostrava, Ekonomická fakulta, pracoviště Obchodní akademie a VOŠ Valašské Meziříčí
Rešeršní činnost (v kontextu znalostní společnosti a vývoje elektronických informačních zdrojů) Obsah: 1 Společnost orientovaná na informace a znalosti...3 1.1 Od industriální společnosti k informační - 3. vlna...5 1.2 Organizace znalostí, informační a znalostní management...8 2 Vymezení problematiky vyhledávání informací v elektronických zdrojích...12 2.1 Definice pojmu vyhledávání informací...12 2.2 Definice pojmu elektronické zdroje informací...15 Oblasti (témata) výzkumu v oblasti vyhledávání informací...17 2.3 Internet nejdynamičtější elektronický zdroj informací...18 3 Subjekty v procesu vyhledávání informací...20 3.1 Producenti a poskytovatelé informací a informačních služeb...21 3.2 Databáze poskytované databázovými centry...28 3.3 Uživatelé a zprostředkovatelé informací...34
1 SPOLEČNOST ORIENTOVANÁ NA INFORMACE A ZNALOSTI Země se stává elektronickou virtuální vesnicí [Naisbit.Megratends 2000] Nicholas Negroponte, bývalý ředitel mediální laboratoře slavného MIT, prohlásil při jedné příležitosti výstižně (cit. dle VLASÁK, 1995, s.2): Nehmotné, bezbarvé a bezrozměrné bity, tyto jedničky a nuly, putující rychlostí světla, představují DNA společnosti online spojených lidí. V přemýšlení o trendech směřování vývoje společnosti k tzv. informační a či dnes již také nazývané znalostní společnosti, není možné opomenout publikace světově významného futurologa Alvina Tofflera 2. poloviny 20. století. Tofflerova základní trilogie se tematicky i dekádou vlastního vydání stupňuje: 1970: Future Shock (Šok z budoucnosti), 1980: The Third Wave (Třetí vlna), 1990: Powershift (Přeměna moci). Je symbolické vstoupit do problematiky informační společnosti a společnosti znalostí právě díly A. Tofflera. řízení Monografie Powershift nese podtitul Vědomosti, bohatství a násilí na prahu 21.století. A. Toffler je přesvědčen, že druhá polovina 20.století je naplněna změnou, za níž se skrývá řídící síla: znalosti, vědomosti. Na začátku 21. století, v jeho první dekádě, lze hovořit o faktu, že svět se dnes nejenom orientuje na znalostní a informační aspekt svého rozvoje, ale že se i téma tzv. digitálního rozdělení (digital divide) stává tématem rozdělení světa. Ze tří druhů moci (moci síly, moci bohatství, moci vědění) to má být ta poslední, která převáží. Publikaci Powershift uvádí třemi motty: moc vychází z dělové hlavně peníze hovoří slovy Francise Bacona knowledge is power, vědění (znalost) je moc (síla)
Při stále prosazovaném pozitivismu globalizace společnosti je vhodné si být vědom varování romanopisců, vědců, filozofů, kteří poukazují i na odvrácenou stranu globalizačních a síťových tendencí. Negativem, rubem informační společnosti se může stát to, před čím varuje ve své práci desítky let před Tofflerem jiný autor romanopisec George Orwell v díle 1984, a to ve vizi Velký Bratr tě sleduje. Jakákoliv totalitní společnost propojená dnes elektronickými sítěmi a disponující vysoce rozvinutými technologickými, zejména digitálními a telekomunikačními prostředky dovedenými k dokonalosti sledování pohybu osob a záznamovými (paměťovými) médii se může stát velmi nebezpečnou pro svobodu a demokracii současného světa. George Orwell v inflacích z Wikipedie Je jistě důležitá existence jiných nástrojů pojistek: informační etiky, demokratických principů v informační společnosti, občanské svobody, kontroly úřadů a institucí, které shromažďují data a informace o lidech. I knihovny současnosti se svými digitálními technologiemi a na počátku tisíciletí téměř již bezvýhradně automatizované z hlediska svých procesů mají o uživatelích mnoho informací, a to právě v duchu řekni mi, co čteš a já ti povím, kdo jsi. Pročítáním seznamu uživateli zapůjčených dokumentů nebo poskytnutých služeb je možno se dobrat celé řady informací, které může uživatel sám považovat za osobní nebo u korporačního uživatele, např. firmy, může jít o senzitivní obchodní údaje související např. se strategickými záměry společnosti. Do velkých knihoven dorazila rovněž čipová technologie RFID, jejímž cílem je sice udržení
organizace primárního fondu knihoven, ale v každém případě tato čipová technologie má v informační společnosti mít vymezené a legislativou kontrolované místo. Není cílem se zde na tomto místě zabývat čipovými technologiemi implementovanými například pod kůži člověka, ale v každém případě je nutná vícestupňová kontrola, a to nejen ze strany státu a jeho legislativy (např. Úřad pro ochranu osobních údajů), ale i např. nevládními institucemi (v České republice uveďme za všechny působící občanské sdružení Iuridicum Remedium, http://www.iure.org), neboť údaje institucí v informační společnosti od zdravotních pojišťoven až po úřady a státní instituce mají k dispozici velké množství dat a informací, které mohou být zneužitelné. 1.1 Od industriální společnosti k informační - 3. vlna Tofflerova třetí vlna přichází v průběhu 50. let. Objevuje se v té době otázka:co se děje ve vyspělých průmyslových společnostech a čím je tento posun charakterizován? Práce mnohých sociologů a ekonomů v 50. letech začaly zaznamenávat určitý pohyb ve společnosti směrem od materiální výroby. Nebylo jasné, co se přesně odehrává a co je podstatou problému, proto byla společnost nazývána postindustriální. Teprve později se začal používat termín informační společnost. Terciární a kvartérní sektor, informační průmysl, digitální ekonomika a digitální rozdělení Ekonomové se správně domnívali, že jde o začínající převahu terciárního sektoru sektoru služeb. V rámci sektoru služeb nabýval na významu oblast informačního průmyslu. Postupně informační průmysl a jeho služby začínají být součástí tzv. kvartérního sektoru ekonomiky. Statistiky, byť na začátku nedokonalé, začaly prokazovat charakteristiku této změny. Z roku na rok narůstal počet lidí, kteří produkovali, zpracovávali a distribuovali informace a neustále se zvyšoval podíl této činnosti na tvorbě hrubého domácího produktu. Již na počátku 80.let vázal nově vznikající informační sektor v USA 45,8 % pracovní síly a v dalších zemích se tato hodnota pohybovala mezi 30 až 40 % [MĚKUTOVÁ, 1990, s.98-101]. Ve vyspělých zemích začala restrukturalizace společnosti. Běžně se začalo hovořit o informačním základu a vyspělé společnosti se začali pomalu ztotožňovat s pojmem informační společnost. Na trendy směřující k informační společnosti v československém prostředí začaly rozpačitě a nesmělé upozorňovat i některé odborné studie a náznaky
v odborných publikacích v konci 80.let, a to ještě před rokem 1989. Rovněž jméno Alvina Tofflera se začalo objevovat necenzurovaně. Alvin Toffler sám osobě je jako futurolog zajímavou osobností se složitým filozofickým vývojem.od konce 80. Let a zejména v první polovině 90.let se začíná používat pojem digitální ekonomika a s ním související pojem digitální rozdělení (digital divide). Svět je rozdělen jinak, než jako byl dříve např. ve stylu Západ Východ nebo Sever Jih, a to na dvě části: společnost, lidé, kteří mají přístup k informacím, společnost, lidé, kteří nemají efektivní přístup k informacím. Digitální rozdělení nemusí být chápáno jen jako rozdělení mezi národy a zeměmi, ale i uvnitř daného státu nebo společenského uskupení. Pojem vyjadřující skutečnost, že svět je rozdělen na lidi, kteří mají přístup či možnost používat moderní informační technologie včetně globálních informačních sítí (telefon, televizi anebo internet), a lidi, kteří tento přístup či možnost nemají. Digitální rozdělení existuje například mezi obyvateli měst a venkovských oblastí, mezi lidmi s vyšším a nižším vzděláním, mezi různými ekonomickými třídami nebo mezi obyvateli různých zemí a částí světa. [TDKIV] Digitální rozdělení nemusí působit jen v rámci zemí či regionů světa, ale i v rámci např. komunit jedné společnosti, jedné společenské skupiny, např. studentů [WAYCOTT, 2010, s. 1202-1211], kteří přirozeně využívají informačních dovedností v procesu vzdělávání a těch, kteří nejsou sžiti s využíváním informačních a digitálních nástrojů. Svým způsobem přístup k informacím a používání informačních a komunikačních technologií se stává konkurenční výhodou, a to i v neziskově orientované sféře, např. ve vzdělávacím procesu. Používání informačních a počítačových nástrojů při percepci informací a znalostí může tento proces nejen zrychlovat, nebýt povrchním, ale naopak činit často efektivnějším a úplnějším. O významu informací v ekonomických teoriích zase svědčí spojení tématu informace a ekonomika. Když v roce 2001 získali za svůj přínos k analýze trhů s asymetrickými informacemi [SOJKA, 2002] prestižní "Cenu Švédské národní banky za rozvoj ekonomické vědy na památku Alfreda Nobela" (označovanou jako Nobelova cena za ekonomii) tři významní američtí ekonomové: George Arthur Akerlof, Michael Andrew Spence a Joseph Eugene Stiglitz. Tito autoři jsou často spojováni pak s oblastí zvanou informační ekonomie, resp. také odvozeně a používaně informační ekonomika. (Pozn.: informační ekonomika je mj. v současnosti vyučována jako na jedné z mála vysokých škol v České republice také na Ústavu informačních studií a knihovnictví FF UK.)
Pojem informační ekonomika, znalostní ekonomika (resp. na znalostech založená ekonomika) mívá i ekvivalenty v termínech [VENTRESCA; ROSENBERG, 2008] nová ekonomika, případně ekonomika založená na inovacích (information economy, knowledge economy, new economy, innovation economy). Problematika informační či znalostní ekonomiky je pak spjata úzce s problematikou tzv. duševního vlastnictví, které je velmi vysoce hodnoceno v současné informační společnosti. Mj. právě v této oblasti se střetává ve spolupráci informační věda a právní disciplíny. Všechny tyto koncepty mají vliv pak na mikroekonomickou strukturu, tedy na podnikovou oblast. V návaznosti na tzv. budapešťské Fórum o znalostní ekonomice v roce 2004 (historicky první Fórum o znalostní ekonomice - Knowledge Economy Forum se konalo v roce 2002 v Paříži, v roce 2006 v Praze) prezentuje následně Světová banka principy znalostní ekonomiky ve 4 základních pilířích [OČKO, 2006]: Vzdělání a školení - vzdělání, vzdělávání, celoživotní učení a školení jsou předpokladem k vytvoření, sdílení a používání znalostí. Informační infrastruktura - dynamická informační infrastruktura je zapotřebí k tomu, aby byla umožněna efektivní komunikace, šíření a zpracování informací. Ekonomické pobídky a institucionální rámec - je zapotřebí vytvořit takové regulační a ekonomické prostředí, které umožňuje volný tok znalostí, podporuje investice do informačních a komunikačních technologií a stimuluje podnikatelskou sféru. Inovační systém - síť výzkumných center, univerzit, výzkumných týmů, soukromých podniků a občanských sdružení usnadní využití rostoucího množství globálních znalostí a jejich přizpůsobení lokálním potřebám. V neposlední řadě se významně podílí na vzniku nových znalostí. Změny v řízení organizací, informační management, znalostní management V souvislosti s makroekonomickými změnami dochází k změnám názorů i v oblasti mikroekonomické tj. v úrovní řízení podniků a organizací.
Klasické byrokratické hierarchie je nutno změnit a již se o tom nepochybuje. Pro nové organizace nového typu existuje několik pojmenování. Peter DRUCKER ji nazývá síťová organizace, Peter Senge vytvořil pojem učící se organizace, Davidow přichází například s názvem virtuální podnik, Tom Peters bláznivá organizace, James Brian QUINN inteligentní podnik [TAPSCOTT, 1999]. V současnosti lze hovořit o konceptech na znalostech založené společnosti a na znalostech založeného podniku (knowledgebased society a knowledge-based company). Budoucí konkurenceschopnost a konkurenční výhoda se bude muset opírat o informační a znalostní základ [HAMEL; PRAHALAD, 1996]. Úspěšnost a schopnost obstát v konkurenci (která navíc může přijít odkudkoliv díky digitalizovanému a síťovému prostředí) záleží především na dobrém managementu organizací, který si je vědom strategické důležitosti informací a znalostí a věnuje jim patřičnou pozornost. J. B. HARRELD [HARRELD, 1998, s.60-76] přisuzuje 3 důležité role managementu v nové ekonomice (ačkoliv to není explicitně vysloveno, souvislost s tématy informační vědy se nabízejí, jak je dokládáno příklady): řídit informační toky řídit inovace a tvorbu intelektuálního vlastnictví řídit neustálé procesy učení 1.2 Organizace znalostí, informační a znalostní management Informačním managementem a zejména knowledge managementem se zabývá mnoho autorů působících ve velkých korporacích a prestižních poradenských společnostech, stejně tak na univerzitách nebo ve vědeckých centrech. K pojmu znalostní management (knowledge management) a informační management (information management) autoři přistupují různě: tyto pojmy chápou jako dva odlišné pojmy, tyto pojmy chápou více nebo méně synonymicky [např. WIDÉN-WULFF.; ALLEN; MACEVICIUTE; PAPÍK; MORING; WILSON, 2005], odmítají používat termínu knowledge management z důvodu, že termín information management jim připadá přesnější, používají sousloví information and knowledge management jako kompromis,
hovoří o transformaci dat do informací a informací do znalostí (data into information, information into knowledge data - informace znalosti ), spojují s historickými stádii: na začátku 90.let se v literatuře i v odborných kruzích používá stále pojmu informační management, ale v posledních letech se nahrazuje již pojmem knowledge management. Obor informační věda pojem znalostní management chápe často jako podmnožinu jedné rozsáhlé oblasti informační vědy, která se nazývá organizace znalostí (knowledge organization). V některých případech bývá nadřazen pojmu knowledge management [např. ROWLEY; FARROW, 2002]. Lze vytvořit pracovní definici a vymezení takto: Managementy (informací a znalostí) znamenají cílevědomé zacházení se zdroji informací a znalostí, a to v souvislostech s procesy tvorby, získání, zpracování, uložení, vyhledání a šíření informací a znalostí. Tyto informace a znalosti jsou komunikovány a posléze aplikovány do dalších procesů. V každém případě je třeba zdůraznit, že oblast řízení znalostí není ryze technologickou záležitostí, jak je mnohdy zužováno, ale oblast je ovlivňována složitými vztahy mezi zejména informačními technologiemi, informačními zdroji (obsahy) a lidským faktorem. Informační a funkční gramotnost V současné době hovoříme o tzv. kvantitativním nárůstu informací (populárně označováno jako informační exploze nebo informační krize), kdy schopnost pracovat s informacemi patří mezi základní předpoklady gramotnosti, dnes nazývané funkční gramotností. Funkční gramotnost je možno pracovně definovat např. podle J. TRUNEČKA [2000, s.11]... jako aktivní schopnost práce s informacemi. Řetězec - vyhledávat, třídit, znovu dohledávat, kombinovat - vrcholí vytvořením vlastního názoru, který je nutno obhájit. Důraz se klade na vlastní orientaci v mnohdy nepřehledné a složité množině informací... Vytěžování informací a textů K řízení znalostí je využívána celá řada technologických nástrojů a metod [HARRELD, 1998, s. 60-67], a to především: vytěžování médií (media mining), zdroje, studnice znalostí (knowledge repositories),
nástroje spolupráce a součinnosti (collaborative tools). Ve všech uvedených bodech je v citovaném zdroji naznačeno nebo dokonce podrobně rozebíráno, že zmíněné nástroje jsou spojeny s metodami vytváření nových databází, novou generací vyhledávácích prostředků (např. search engines, agents) a s novými způsoby vytěžování zdrojů. Metody, např. typu text mining se jeví jako velmi účelné a perspektivní, neboť dnes více než 80 % všech světových elektronických dat je uloženo v textové podobě. Respektive toto není již přesné, když je v posledních letech zaznamenán monumentální nástup multimedií do síťového prostředí (např. díky internetovému konceptu nazývaném Web 2.0) a jeho sdílení. Bohatství každého slova nebo dalšího sdělení je zatím často nevyužito, ale to se mění. Příkladem mohou být například elektronické digitální systémy historického a kulturního dědictví, kdy se dokumenty minulosti a současnosti digitalizují v paměťových institucích, jako jsou knihovny, archívy, muzea nebo galerie. Využití digitálních dat transformovaných do informací a znalostí není zatím vyhledávacími prostředky tak efektivně činěno s ohledem na budoucnost. Nicméně právě v nových digitalizačních nástrojích, následně pak v inteligentních vyhledávacích a analyzujících prostředcích půjde o problematiku efektivnějšího vytěžení multimediálního světa. Pojmy jako text mining, data mining nebo web mining nabývají na konkrétní představě. Lze to ukázat na následujícím příkladu: Příkladem aplikace takových technologií a postupů může být Francie, kde IBM pracuje s jednou firmou zabývající se měřením a zkoumáním veřejného mínění v oblasti automobilů na elektrický pohon a vizí dopravy budoucnosti. Firma analyzuje tisíce zpráv většího i menšího charakteru ze síťového prostředí a aplikuje technologie text miningu na vytřídění témat, vytipování nosných témat a trendů v názorech. Svým způsobem se tak mohou zachytit zajímavé koncepty čekající na budoucí využití a firma může lépe zaměřit své strategie. Je zřejmé, jak informační věda spolu s jinými vědami zkoumajícími fenomén informace má úzký vztah k vytěžování dat, informací a znalostí v době informační společnosti a ekonomiky. Podobné postupy jsou možné už dnes i s pomocí specializovaných softwarových nástrojů vyšší generace. Dokonce některá databázová centra vědních informací přicházejí s analytickými softwary budoucnosti. Příkladem je databázové centrum STN International, jedno z největších a nejprestižnějších center vědeckých a technických informací na světě (http://www.stn-international.de), které uvedlo před několika lety k použití pro své uživatele zákazníky software Anavist.
Analytický software Anavist pracuje dokonce s tzv. vizualizačními rešeršními (vyhledávacími) nástroji. Analytický nástroj s vizualizačními funkcemi Anavist databázového centra STN International Je to příklad speciálních vytěžovacích postupů v práci s informacemi a znalostmi. Nástroj pro analýzu a vizualizaci vědeckých a zejména patentových informací byl představen v roce 2005. Prostřednictvím svých funkcí umožňuje odhalit trendy a vztahy spojené s uživatelským dotazem analytickým a syntetickým způsobem. Přes svou finanční náročnost se může stát důležitým nástrojem pro informační specialisty a odborníky strategického rozhodování ve firmách, kteří se zabývají metodami konkurenčního zpravodajství (Competitive Intelligence), např. zjišťováním patentové situace produktů, vymýšlením nových aplikací na základě již existujících technologií a informací. Software jako takový je zdarma pro vlastníky účtu oprávnění vstupovat do databázového centra STN International [Šerá, 2008, nebo STN Anavist]. Podobné a jiné vytěžovací nástroje informací a znalostí ovlivní nejen vědecký a výzkumný svět, ale prakticky i informační profesionály a informační instituce. Půjde o
informační služby s přidanou hodnotou, které poslouží např. rozvoji inovačního potenciálu a lepšího tzv. transferu znalostí. 2 VYMEZENÍ PROBLEMATIKY VYHLEDÁVÁNÍ INFORMACÍ V ELEKTRONICKÝCH ZDROJÍCH 2.1 Definice pojmu vyhledávání informací Je vhodné uvést definice klíčových slovníků obecných i z oblasti informační vědy. Vycházím ze dvou základních pohledů - Wikipedie, české Terminologické databáze knihovnictví a informační vědy [TDKIV]. I další termíny vztahující se k vyhledávání jsou k dispozici coby výkladový slovní v příloze. Definice dle Wikipedie Vyhledávání informací (information retrieval) je z pohledu Wikipedie chápán jako věda o vyhledávání dokumentů, informací uložených v dokumentech, metadat o dokumentech, stejně tak jako vyhledávání v relačních databázích a informací hledávání na webu. Je zde významné překrývání pojmů vyhledávání dat, vyhledávání dokumentů, vyhledávání informací a textové vyhledávání. Vyhledávání informací je interdisciplinární problematika, která vychází z počítačové vědy, matematiky, z informační a knihovní vědy, z oborů jako jsou informační architektura, kognitivní psychologie, lingvistika, statistika atp. Automatizované systémy vyhledávání informací se používají k eliminaci důsledků informační exploze, tedy informačního přehlcení moderní doby. Mnoho univerzit a veřejných knihoven využívá aplikace z této vědní disciplíny pro zajištění efektivního přístupu k informačním zdrojům, knihám, časopisům a dalším dokumentům. Definice dle TDKIV Česká terminologická databáze knihovnictví a informační vědy definuje pojem vyhledávání informací jako činnost, jejímž cílem je identifikace relevantních dokumentů nebo informací v informačních zdrojích (např. plnotextové nebo bibliografické databáze). Vyhledávání informací probíhá obvykle na základě konkrétního požadavku uživatele za pomoci dotazovacích a selekčních jazyků.
Porozumění pojmům v oblasti vyhledání informací Vyhledávání informací v elektronickém prostoru z hlediska terminologie širší a jednotlivé termíny se mohou překrývat. Dokonce pro řadu stejných činností dějících se při vyhledávání informací jsou použity rozdílné pojmy (information retrieval, information searching, information seeking a information hunting). Z hlediska informační a knihovní vědy je pro nejširší použití v procesu hledání informací použit anglický termín information seeking. Ten odpovídá uživatelově informační potřebě a informačnímu zájmu. Pojí se proto přirozeně k myšlenkovému procesu, je proto v tomto kontextu možno hovořit o spjatosti s tzv. kognitivním modelem uživatele. Tím se zabývá například mezioborová disciplína o vztahu člověka a počítače, kterou v českém jazyce často již nepřekládáme a používáme termín human-computer interaction (HCI). Aplikačně v počítačové a informační vědě, potažmo informačních online službách a systémech se tento vztah pojí k tématu z hlediska vyhledávání informací nejbližšímu uživatelského rozhraní. Následující schéma ukazuje vztah mezi information seeking a information retrieval. Vztahy mezi klíčovými procesy vyhledávání informací [MARCHIONINI, 1998] Z hlediska na uživatele orientovaných návrhů (user-centered, resp. human-centered) uživatelských rozhraní a informačních systémů je termín information seeking výstižnější než termín information retrieval. Je totiž spojen i s jakousi přirozenou schopností člověka
informace hledat a proces vyhledávání neplánovat ve stylu analytické strategie. Jde např. o tzv. techniku prohlížení (browsing strategy). Dle výše uvedeného schématu G. Marchioniniho se k pojmu information seeking váží termíny analytical strategy a browsing strategy. Prohlížecí strategie (browsing strategy) je intuitivní a na první pohled možná bezcílně vypadající technika vyhledávání informací, ale poskytuje velký přehled a navíc je to přirozená technika dětí, lidí bez informační a počítačové gramotnosti, uživatelů, kteří chtějí vidět souvislosti a okolí výstupu z informačního systému. Rozhodující je, že člověk spouští zároveň asociace s letmým přehlížením textu a obrazových informací a problém obsahově zpracovává. Tato technika má uplatnění v dnešních hypertextových technologiích. Tvůrci informačních systémů, multimédií, bází dat, kteří studují problematiku HCI, se na tento způsob rozhraní zaměřují tvorbou speciálních uživatelského rozhraní. Internetové technologie ještě více podpořily tyto tendence přístupů do obsahu dokumentů. Vyhledávání metodou prohlížení (browsingu) je stejně důležité jako jsou nástroje analytického vyhledávání. Není účelné stavět proti sobě tyto styly vyhledávání informací. Prohlížení (listování) je specifické pro určitý typ elektronických informačních zdrojů na jedné straně (často dnes spojených s hypertextovými odkazy) a na druhé straně se pojí k typickému uživatelskému chování vidět kontext prohledávaných informací, tedy ke kategorii seznamujícího se uživatele a je z hlediska jeho kognitivního modelu velmi důležitá. Je možno se v této souvislosti podívat na problematiku čtení textu v elektronických informačních zdrojích. Je odtud krátká cesta k tzv. online čtení (online reading). Při čtení např. knihy v elektronické podobě (e-book), pak převažující metody vyhledávání budou právě metody zběžného prohlížení (browsingu), které umožní vidět souvislosti v globální představě i v detailech, ale uživatel bude tento styl prostřídávat i analytickými metodami vyhledávání. Tato kombinace čtení není často lineární, ale je nelineární. Techniky čtení s podporou různých strategií vyhledávání mohou být nelineární stejně, jako je nelineární naše myšlení a pohyb asociací při procházení textu strategií prohlížení (browsing strategy v kombinaci s analytical strategy). Termíny, které se používají v souvislosti s vyhledáváním informací jsou následující: information seeking, překládáme jako hledání informací, information retrieval, překládáme jako vyhledávání informací, information acquiring, překládáme jako získávání informací, online retrieval, překládáme jako dialogové vyhledávání, interaktivní vyhledávání nebo online vyhledávání,
online searching, překládáme jako dialogové nebo online vyhledávání, online hunting, používal se dříve u několika prací v anglickém jazyce, ale ne již nyní, překlad do českého jazyka nevyzní, information gathering, překládáme jako shromažďování informací. Chápat hierarchicky tyto pojmy by bylo částečně správné, ale přes jisté rozdíly terminologické neexistuje přísná hierarchie a mnozí autoři je chápou rozdílně a jiní autoři je chápou i synonymicky. Z hlediska zastřešující funkce či nejširšího termínu je to zřejmě oblast information retrieval. Online retrieval a online searching jsou pak termíny pojící se k online (dialogovým) službám. Stejně tak platí, že v posledních letech se již méně používá termín dialogové nebo interaktivní vyhledávání, ale v českém jazyce již se usadil termín online vyhledávání. 2.2 Definice pojmu elektronické zdroje informací Současná informační společnost je mj. také charakteristická přístupem k elektronizaci a digitalizaci dokumentů. Již asi dvě desítky let se používá ve vyspělých zemích termín bezpapírová společnost (paperless society). Informační zdroj, kterým je myšlen informační objekt a který obsahuje dostupné informace odpovídající informačním potřebám uživatele, je v kontextu této práce chápán téměř výhradně jako informační zdroj elektronický. Elektronický informační zdroj je informační zdroj, který je uchováván v elektronické podobě a je dostupný prostřednictvím počítačových sítí nebo pomocí jiných technologií distribuce digitálních dat (např. na discích CD-ROM) [TDKIV]. Elektronickým informačním zdrojem, resp. elektronickým informačním pramenem, je míněno i širší pojetí nadřazené termínu databáze. Mezi elektronické informační zdroje (EIZ) můžeme zařadit jak zdroje volně dostupné na internetu, tak specializované databáze, elektronické verze odborných periodik, digitální knihovny či informace o patentech a normách nebo jiných elektronických dokumentech. Přístup k EIZ je často zprostředkován nějakou institucí, např. knihovnou, vysokou školou, podnikem, institucí státní správy či databázovým centrem [PILECKÁ; PAPÍK, 2008].
Klasifikace elektronických zdrojů z hlediska přístupu uživatele Současné elektronické informační zdroje můžeme z hlediska cesty k nim všeobecně rozčlenit: přístupné přes profesionální dialogové (synonymicky interaktivní, on-line, online, starším českým výrazem spřažené) systémy přístupné neinteraktivně, tj. off-line (v tzv. dávkovém režimu) přístupné na optických médiích (nejčastější typ databází je na CD-ROM), přístupné výlučně na internetu (v tento dělící moment vyčleněno mimo jiné online systémy, abychom oddělili internet od informačních služeb dialogových center, ale čím dál více je nutné uvažovat v kontextu jedné kategorie celého online, neboť vývoj k tomu směřuje a hranice bude méně znatelnější), přístupné v kombinacích různých způsobů (např. webového rozhraní a interaktivního vstupu do profesionálního online systému, např. typu databázového centra, kombinace databázových zdrojů na nosičích CD, DVD a dostupných na internetu, instalace profesionálních komerčních zdrojů do prostředí intranetu a extranetu, a dokonce i kombinace tištěných výstupů, které jsou nasnímány zařízením typu scanner a vystaveny na některém zmíněném médiu).
Telekomunikační cesty k dialogovým systémům Oblasti (témata) výzkumu v oblasti vyhledávání informací SARACEVIC [1997, s.175-190] se spoluautorem P. KANTOREM a spoluautorkami A. CHAMIS, D. TRIVISON zmiňují několik směrů, kde se publikuje nejvíce a na základě tohoto průzkumu zveřejňují oblasti, které můžeme uvažovat jako nosné pro problematiku vyhledávání v nejširším smyslu slova: interakce s informačními systémy [BELKIN, VICKERY), informační potřeby a užití informací [DERVIN, NILES), psychologický výzkum v oboru human-computer interaction [BORGMAN), projektování systémů [SHNEIDERMAN).
online vyhledávání (zde míněn searching) v databázích [FENICHEL, BELLARDO) Pro rešeršní praxi je důležité téma vytváření rešeršních strategií včetně speciálních rešeršních postupů, znalost problematika koncového uživatele, zkoumání informačních potřeb uživatele a zkoumání informačního chování uživatele. 2.3 Internet nejdynamičtější elektronický zdroj informací Hluboký a povrchový web Hluboký web Kromě veřejně přístupných a indexovatelných webových dokumentů síť internet umožňuje přístup k obrovskému množství dalších informací, pro něž se vžil termín neviditelný (invisible) nebo také hluboký web (deep web). Pro vyhledávání v oblasti internetu je stěžejní, které vyhledávací nástroje s jakými možnostmi využíváme zda zahrnují pouze zdroje volně přístupné a snadno vyhledatelné nebo naopak i zdroje vyhledatelné obtížně, tzn. zda se vyhledávací nástroje při indexování webu zaměřují na oblast viditelného nebo neviditelného webu. Povrchový web Povrchový nebo také viditelný web (surface web, visible web) obsahuje dokumenty, které jsou běžně volně přístupné a snadno vyhledatelné vyhledávacími stroji. Pojem neviditelný web zahrnuje internetové informační zdroje, které jsou běžnými vyhledávacími stroji obtížně vyhledatelné tyto zdroje jsou pro ně totiž neviditelné. Může se jednat o informace, které jsou uloženy v databázích a generují se dynamicky až na základě interakce uživatele se systémem (např. online katalogy knihoven nebo bibliografické báze dat, kalkulátory; cca 54 % deep webu) nebo o informace, ke kterým je přístup chráněn heslem a jsou dostupné pouze autorizovaným uživatelům, často pouze na komerční bázi (plné texty časopisů apod.), adresáře, specializované vyhledávače, dokumenty v jiných
formátech než HTML (např. PDF, PS, Macromedia Flesh v těchto formátech se často publikují výzkumné zprávy a studie, příspěvky z konferencí, oficiální zprávy a další významné dokumenty) nebo stránky samotáře, ze kterých není odkaz na jiné a na které není odkaz. Odhaduje se, že množství dokumentů v oblasti neviditelného webu je 500krát větší než na webu viditelném. Běžné vyhledávací stroje nemohou ve svých databázích registrovat informace z oblasti hlubokého webu, buď pro technická omezení nebo proto, že je jejich robotům vstup do těchto zdrojů zakázán. Vyhledávací služby sice poskytnou informaci o existenci podobného informačního zdroje, ale nevyhledají informace, které jsou v něm obsaženy. Existují specializované vyhledávací služby, které umožňují prohledávání neviditelného webu, např. Complete Planet, Direct Search, Scirus [PILECKÁ; PAPÍK, 2008]. Typickým představitelem neviditelného webu jsou například databázová centra, komerční databáze, profesionální poskytovatelé informací a agregátoři. Do sféry neviditelného webu patří např. databázová centra, zde LexisNexis Proces vyhledávání informací je úzce spjat se základními subjekty informačního průmyslu. Pro výklad základních vztahů mezi těmito subjekty se většinou používá následující, základní schéma se třemi následujícími prvky:
3 SUBJEKTY V PROCESU VYHLEDÁVÁNÍ INFORMACÍ producenti a tvůrci informací a informačních systémů, zprostředkovatelé a poskytovatelé informačních systémů, uživatelé informací a informačních systémů. Tyto 3 skupiny subjektů v podstatě naplňují tzv. architekturu informačního průmyslu. Subjekty informačního průmyslu V praxi jsou však vztahy mezi těmito subjekty mnohonásobně komplikovanější. Dnes je velmi často producent informací zároveň i poskytovatelem, což je častý případ poskytování databázových zdrojů v oblasti státní správy. Např. Národní lékařská knihovna USA (National Library of Medicine) naplňuje i provozuje portál medicínských informací PUBMED, jehož součástí je i prestižní profesionální (ale zdarma přístupná) databáze Medline.
Producent a provozovatel současně U.S. National Library of Medicine, portál PubMed. V praxi se často vyskytuje model, kdy zprostředkovatel informace je zároveň uživatelem s odpovědnosti za autorská práva. Tento zprostředkovatel provede akvizici informačního zdroje, z finančního hlediska pro jednotlivého uživatele nedostupného, a tento zdroj fyzicky nebo virtuálně zpřístupní svému registrovanému uživateli. Např. Národní knihovna ČR zprostředkovává informační zdroje nakoupené prostřednictvím tzv. konsorcionálních licencí svým registrovaným uživatelům. 3.1 Producenti a poskytovatelé informací a informačních služeb Mezi instituce, které produkují a poskytují elektronické informační zdroje, v praxi patří: producenti a vydavatelé primárních dokumentů (česká a zahraniční nakladatelství, producenti oborových informací, např. v chemii Chemical Abstracts Service) distributoři a prodejci (např. Amazon.com, EBSCO Information Services,), služby dodávání dokumentů (British Library Document Supply Center, Infotrieve Online, Virtuální polytechnická knihovna), databázová centra (Dialog, STN International), knihovny, bibliografické, referátové a dokumentační služby, archivy, muzea, galerie (např. Státní ústřední archiv v Praze)
instituce státní správy a samosprávy (např. Ministerstvo financí ČR, Úřad průmyslového vlastnictví), specializované informační instituce. Poskytovatel největšího souborů desítek tisíc katalogů z celého světa WorldCat
Producent a poskytovatel chemických informací, také zprostředkovatel a člen databázové sítě STN International Chemical Abstracts Service, http://www.cas.org Nejvýznamnější představitelé databázových služeb Z hlediska vyhledávání informací jsou nejdůležitější skupinou provozovatelé databázových služeb, kde nejznámějšími skupinami jsou databázová centra a tzv. agregátoři dat. Databázové centra poskytují poměrně širokou škálu sofistikovaných nástrojů vyhledávání. Příkladem může být databázové centrum Dialog, Lexis/Nexis. Agregátoři dat (angl. agregator) jsou provozovatelé komplexních informačních systémů se spíše jednoduššími nástroji vyhledávání. Typickou cílovou skupinou jsou koncoví uživatelé bez podrobnějších znalostí vyhledávacích strategií. Příkladem může být EBSCO, ProQuest. Pro zjednodušení
lze pohlížet na agregátory jako na databázová centra, proto bude dále v textu přednostně používán termín databázové centrum nikoliv agregátor. Databázová centra, vznikala už v 60. letech 20. století, byla a stále jsou přístupná po profesionálních sítích zcela nezávislých na internetu. V současnosti jsou využívány telekomunikační cesty převážně cestou internetu. Téměř vždy založená na profesionálních a komerčních základech, přičemž je nutné navázat nejdříve smluvní vztahy a služby uhradit (model platby např. formou pay-as-you-go nebo formou předplatného). Databázová centra můžeme kategorizovat centra můžeme kategorizovat dle různých kritérií: Podle počtu nabízených databází: velká - obsahují stovky databází, např. centrum STN International střední - obsahují desítky databází např. centrum DIMDI malá - obsahují jednotky databází např. centrum OCLC Podle oborového zaměření: určené pro konkrétní obor např. centrum DIMDI polytematické (například pro inženýrské obory) např. Engineering Village univerzální např. Dialog Mezi významná databázová centra současné doby můžeme výběrově zařadit (řazení je abecední): DIMDI - Deutsches Institut für Medizinische Dokumentation und Information Dialog EBSCO Factiva Genios - GENIOS German Business Information GBI-Genios Deutsche Wirtschaftsdatenbank GmbH LexisNexis
Questel STN International OCLC ProQuest Internet, databáze a databázová centra Vývoj internetových technologií, které výrazně ovlivnily vztahy mezi producentem, vystavovatelem a uživatelem, změnil oblast nazývanou informační průmysl, jehož oporou byla vždy především velká a střední databázová centra. V 80. letech a zejména v první polovině 90. let databázová centra a jiní poskytovatelé dialogových služeb dostali velkého konkurenta v podobě producentů informačních zdrojů na optických discích. V druhé polovině 90. let se situace kolem těchto optických disků změnila, s komercionalizací internetu dochází ke spojení služeb databázových center a služeb internetu. Databázová centra začínají přicházet na tzv. základní uživatelská rozhraní snadného vyhledávání založených na formulářových WWW rozhraní. Do té doby databázová centra komunikovala výhradně přes tzv. dotazovací jazyky, případně přes ovládání prostřednictvím řízených menu. Také mnozí producenti informačních zdrojů si uvědomili, že není potřeba využívat služeb databázových center a začali své informační zdroje zpřístupňovat na svých výkonných serverech. Pro databázová centra tak vznikla nepříjemná konkurence a to zvláště na straně poskytovatelů dat a informací. Příkladem mohou být patentové informační systémy, které začaly provozovat postupně všechny vyspělé země prostřednictvím svých národních patentových úřadů. Pro databázová centra nebo jiné poskytovatele online služeb to byl impuls v rámci konkurenční strategie, aby se vydala cestou tzv. informačních služeb s přidanou hodnotou, služeb s vyšší kvalitou a intelektuálním vkladem. V současnosti a po fúzi řady producentů a poskytovatelů informací došlo k jisté stabilizaci na informačním trhu a databázová centra nezanikla, ale naopak, díky internetu a jeho uživatelské přívětivosti utvrdila svou pozici na trhu a získala řadu zákazníků z řad tzv. koncových uživatelů. Dříve byla nutná asistence informačního specialisty, znalého dotazovacího jazyka, nyní může koncový uživatel provádět rešerši samostatně.
Internet částečně a zpočátku (relativně) zkomplikoval databázovým centrům jejich situaci, ale centra poměrně rychle využila výhod technologií internetu ve svůj prospěch a nabídla zajímavé přístupy ke svým zdrojům v uživatelsky přívětivých prostředích. Příkladem může být dynamický nástup WWW rozhraní. Dnes je internet nemyslitelnou součástí producentů a poskytovatelů informačních systémů a informačního obsahu. Uživatel má dnes přístup k několika tisícům titulů prestižních veřejně přístupných bází dat (veřejně přístupný zdroj neznamená přístupný zadarmo) v několika desítkách velkých světových databázových centrech. Další stovky databází se nacházejí přímo na serverech producentů informačních zdrojů (poznámka: producent informačního zdroje nemusí být provozovatelem zdroje, což je typický příklad vztahu výhodné spolupráce databázových center a producentů informací nebo také informačního outsourcingu). Případně je možné obojí, jak již bylo naznačeno - databáze se nacházejí jak na serverech u producentů (například databáze MEDLINE Plus skrz vlastní rozhraní nebo komplexněji prostřednictvím portálu PubMed (http://www.ncbi.nlm.nih.gov/sites/entrez, případně pro Medline Plus je následující URL - http://www.nlm.nih.gov/medlineplus). Přístup do databáze Medline se může dít přímo u producenta, stejně tak v některém z databázových center a mnoha dalších poskytovatelů
Jiným příkladem je do americká bibliografická (a částečně i vybavená možnostmi přístupu do plných textů) databáze pro pedagogické disciplíny ERIC dostupná jak na adrese http://www.eric.ed.gov), tak přístupná právě i v mnoha databázových centrech. V databázovém centru Dialog nese symbolické označení číslem 1. Její historický vznik je zajímavý a spolu s několika dalšími databázemi se pojí k době po 4.říjnu 1957, která se nesla ve znamení tzv. sputnikománie. Příběh kolem vzniku elektronických informačních zdrojů se pojí totiž k období konfrontace v době tzv. studené války. Celý vznik informačního průmyslu v USA byl tímto faktem ovlivněn. V databázových centrech se vždy komunikovalo specifickými dotazovacími prostředky (dotazovací jazyky), případně později menu systémy, ale WWW technologie umožnila kombinaci konzervativních přístupů s novými formami, které jsou pro mnohé uživatele přívětivější, byť pro jiné pomalejší a s menšími vyhledávacími možnostmi (např. booleovské operátory webových verzí s formulářovým rozhraním versus pokročilejší způsoby vyhledávání pomocí vzdálenostních operátorů a s dalšími výhodami pojícími se k dotazovacím jazykům). V databázových centrech bylo vždy nutné dodržovat určité zásady rešeršní strategie a přístupu k informacím. Některé úkony lze pak dělat jen výhradně těmito postupy dodnes. Někteří informační specialisté nemíní opustit klasické způsoby komunikace se zažitým uživatelským rozhraním, protože by je nová často pomalejší rozhraní zdržovala a není to ani nutné k jejich práci. Databázová centra jsou si velmi dobře vědoma poměrně velké skupiny uživatelů z velkých korporací, kteří nechtějí měnit své rešeršní návyky. A databázová centra usilují především o velké uživatele-zákazníky zejména z firemního prostředí. Zkušení rešeršéři však stále rádi využívají klasické dotazovací jazyky, a to i proto, že novinky často postrádají důvtip a kvalitu dřívějších prostředků. Navíc specializované rešerše jdou realizovat je analytickým způsobem, a to umožňuje právě dotazovací jazyk se škálou stovek či desítek příkazů. Je také možno naimplementovat různá a pro nás výhodná uživatelská rozhraní na protokol ssh či jiné protokoly používané pro bezpečnou práci ze vzdálených míst. U centra STN International je to speciálně pro jejich uživatele vyvinutý komunikační software STN Express. Jeho používání je výhodné pro práci s patentovými, chemickými a farmaceutickými databázemi, které obsahují jednoduchou grafickou informaci v podobě nákresů, chemických strukturních vzorců apod., dále z důvodu jednoduše nadefinovaného automatického připojení se a automatického přihlášení do systému, které ovládáme přes tzv. funkční klávesy.
Databázová centra však oslovila koncového uživatele aplikací WWW rozhraní, aby co nejlehčeji vstupoval do jejich zdrojů. V tomto rozhraní jsme vedeni k výsledku, aniž bychom museli dokonale znát dotazovací jazyk, někdy ani ne zásady rešeršní strategie. Nicméně znalosti obojího jsou výhodou. WWW rozhraní pak obvykle pracují se základním ( basic ) režimem a pokročilým způsobem vyhledávání ( advanced ). Pokročilý uživatel nemusí být proto unavován pomalými nebo méně dokonalými postupy, které jsou určeny spíše začátečníkům. V některých případech lze režimy prostřídat i při vyhledávání, ale není to vždy praktické a u některých center to není z řady důvodů ani možné. Většinou tedy uživatel zadává na začátku rešeršní práce, v jakém režimu se bude pohybovat. Výstupy je pak možné obdržet ve více formátech, možný bývá výstup do textových, ale i HTML a PDF formátů. Oproti výstupům do klasického TXT formátu, resp. někdy i do DBF formátu (také do formátů pro pozdější tabulkové zpracování), dnes také do XML struktur umožňující následné zpracování. Je také více možností získání příloh v grafických formátech. 3.2 Databáze poskytované databázovými centry Báze dat je možno kategorizovat z více či dokonce mnoha hledisek. Svým způsobem by mohly být použity desítky náhledů na kategorizaci, ale pro potřeby této práce je možno vystačit s následujícími kategoriemi databází. Klasifikace z hlediska formy dokumentu: textové multimediální hybridní (kombinace předešlých forem) Klasifikace dle vztahu k získané cílové informaci: referenční (odkazové) odkazují na další zdroje informací, uživatel musí učinit další kroky k získání primární informace zdrojové obsahují cílovou primární informaci Klasifikace dle podle typu poskytovaných informací:
bibliografické faktografické plnotextové databáze typu rejstříků, adresářů a seznamů Klasifikace podle oborového zaměření: univerzální víceoborové (polytematické) oborově zaměřené Klasifikace podle počtu záznamů: velké (stovky tisíc záznamů, dokumentů) střední (desítky tisíc. Záznamů, dokumentů) malé (tisíce dokumentů) Klasifikace dle přístupnosti: volně a zdarma přístupné placené přístupné na základě registrace či členství veřejně nepřístupné (přístupné jen v institucích, např. firmách) Bibliografické databáze Z bibliografických databází získáme zejména přesnou a úplnou citaci; většinou je k dispozici i abstrakt, významná je i formalizovaná terminologie (např. deskriptory, klíčová slova, kódovníky) pro naše případné další hledání v databázích i v jiných informačních zdrojích, primární dokument zajišťujeme dodatečně (např. klasickou cestou přes knihovnu, ale stejně tak i elektronicky cestou tzv. document delivery services, kde současný internet nabízí velké
možnosti - objednávku ze speciálních institucí k tomu určených, ale prostřednictvím databázového centra). Faktografické báze dat Faktografické báze dat uvádějí konkrétní údaje např. technické parametry, materiálové parametry, chemické vlastnosti, toxikologické údaje, statistické údaje. Mohou mít textový nebo numerický charakter (nebo kombinovaný). Většinou již není nutné dodávat primární pramen. Význam faktografických bází dat narůstá, za jistých okolností je možné sem zahrnout i většinu statistických informací. Faktografickou bází dat je např. databáze nebezpečných látek HSDB systému TOXNET. Obrázek 1 Ukázka výstupu z faktografické báze dat Obrázek zobrazuje informace k chemickému prvku olovo (plumbum): v levé části jsou strukturně uvedeny kategorie vlastností a parametrů např. kategorie zdravotní dopad olova na lidské zdraví, v pravé části konkrétní údaje dané kategorie, tj. v tomto příkladu konkrétní textová informace o dopadu olova na lidské zdraví. Plnotextové databáze
Databáze plných textů (full text) jsou trendem posledních asi třiceti let. Na světě jsou dnes tisíce hodnotných plnotextových databází, např. mezi ně je možno počítat všechny plnotextové databáze novinářských informací nebo právní informační systémy. Většinou již nepotřebujeme dohledávat primární dokument (pokud ovšem nevyžadujeme např. fotografie a další složitější obrazové informace v originálním textu obsažené - současné velké databázové systémy pracují totiž s grafickou informací omezeně a výběrově oproti zdrojům např. na optických nosičích), je tu zajímavé doplnění s dalším trendem moderních informačních služeb - primární dokument dopravit co nejkratší cestou k uživateli, je tedy k dispozici plný text primárního dokumentu. Příkladem plnotextové databáze je databáze Anopress, kdy ukázkově v levé časti obrazovky je seznam nalezených článků ke klíčovým slovům studená válka, v pravé části zobrazen plný text prvního z nalezených článků. Databáze plných textů Anopress Databáze typu rejstříků adresářů a seznamů Pro čtvrtou kategorii se těžko hledá jednoznačné vyjádření. Ve světě se používá pojem registry. V České republice se, vzhledem k dalším významům, termín raději rozepisuje
pomocí více slov, i když by bylo za jistých okolností možno považovat tento zdroj za faktografický. Databáze ARES Ministerstva financí ČR. Databáze ARES - výpis z registru