Architektura informacji AD 2010

Poniższa publikacja jest związana z Pierwszym zjazdem architektów informacji Polish IA Summit, który to zjazd jest wspierany przez autora niniejszego blogu.

Zacznijmy od odrobiny teorii. W czasach blogosfery nikogo chyba przekonywać nie trzeba o rosnących trudnościach w docieraniu do treści. Lawinowy przyrost informacji, rozpoczęty w XX wieku proporcjonalnie zwiększył potrzebę organizowania – klasyfikowania, nadawania odpowiednich etykiet. Peter Morville, autor obowiązkowej lektury Information Architecture for the World Wide Web, podaje kilka powodów, dla których organizacja nie jest prosta, wśród których wymienia niejednorodność.

O co chodzi? Otóż klasyczne katalogi biblioteczne zawierały zawsze ten sam, homogeniczny zestaw metadanych dla każdej pozycji – autor, tytuł, temat, data wydania, etc. Za pośrednictwem karty katalogowej nie ma możliwości uzyskania dostępu do treści wolumenu. W internecie metainformacje nie są już oddzielone od opisywanej informacji. W efekcie gromadzimy więc w jednym worku zarówno treść, jak i metadane, które w założeniu pomagać nam mają w odnajdywaniu interesujących nas kwestii. Oczywiście paradoksalnie powiększa to cały bałagan, choć w założeniu chodzi o uporządkowanie.

W jaki sposób wykorzystuje się metadane (zobacz także zestawienie Dublin Core Metadata Element Set)? Opisanie treści we właściwy sposób pozwala na właściwe klasyfikowanie dokumentu. Dzięki odpowiedniemu oprogramowaniu, obsługującemu tzw. słowniki kontrolowane i tezaurusy, w tej samej kategorii serwisu www odnajdziemy odnośniki do zbliżonych znaczeniowo tekstów. Znacznie ciekawsze jednak mogą być aplikacje nietypowych systemów klasyfikacyjnych, opartych na analizie znaczeń publikowanych w internecie treści. Zanim jednak do tego przejdziemy, jeszcze dwa słowa o „tradycyjnych” sposobach organizacji informacji.

Architektura informacji w Sieci

W jaki sposób zatem organizuje się informacje w sieci WWW? Każda organizacja wymaga jakiegoś klucza, wedle którego poukładamy treści. Może to być klucz:

• alfabetyczny,
• chronologiczny,
• geograficzny,
• tematyczny (prawdopodobnie najbardziej rozpowszechniony),
• zadaniowy,
• audytorium (do kogo skierowana jest informacja?),
• metaforyczny,
• hybrydowy, łączący kilka kryteriów.

Rozwój serwisów społecznościowych dodał do powyższej listy kategoryzację folksonomiczną, znaną szerzej jako tagi. Z ciekawszych koncepcji warto wymienić także tak zwaną nawigację fasetową, zwaną gdzieniegdzie dynamiczną taksonomią. Umożliwia ona łączenie wielu kluczy przeglądania/wyszukiwania w celu zawężenia wyświetlanych wyników

Ilustracja: bardzo ciekawe demo nawigacji fasetowej pod nazwą elastic lists z serwisu well formed data.

Zorganizowana informacja wymaga odpowiedniej prezentacji, umożliwiającej użytkownikom poruszanie się po strukturze. Prezentację stanowi warstwa nawigacji – widoczne dla internautów systemy przeglądania treści. Poza systemami nawigacji serwisów internetowych, mamy dodatkowo do dyspozycji wbudowane mechanizmy przeglądarek, w teorii ułatwiające poruszanie się po przeglądanych treściach.

W teorii, ponieważ wszyscy znamy efekty konfliktu pomiędzy nieumiejętnie skonstruowaną nawigacją serwisu, a intuicyjnie naciśniętym przyciskiemwstecz w przeglądarce.

W poszukiwaniu sensu, czyli Semantyczna Sieć raz jeszcze

Od klasyfikacji informacji ciekawsze mogą być algorytmy umożliwiające analizę samego znaczenia treści. Systemy typu data-mining czy też content intelligence mogą mieć kilka zastosowań w internecie - od nawigacji opartych na opiniach użytkowników, po aplikacje wspomagające decyzje biznesowe.

Data mining nabiera być może szczególnego znaczenia w czasach masowych publikacji przez miliony pojedynczych użytkowników internetu. Pozwala bowiem na syntezę informacji z wielu rozproszonych źródeł, niemożliwych do przetworzenia w rozsądnym czasie przez człowieka. Najogólniej rzecz ujmując, taka semantyczna analiza treści polegać może na:

• dopasowaniu poszukiwanych wzorców – polegającym na zliczaniu odpowiednich określeń w analizowanych tekstach,
• badaniu lingwistycznym struktury wypowiedzi – opierającym się m.in. na słownikach kontrolowanych z analizowanej dziedziny.

Zautomatyzowane przetwarzanie treści internetu pozwala chociażby poznać opinie klientów na temat marki i produktów firmy oraz jej konkurentów – wykorzystując tzw. sentiment analysis. Możliwe jest badanie wpływu komunikacji marketingowej na odbiorców – przeprowadzone chociażby na forach konsumentów, niekoniecznie powiązanych z zainteresowaną marką. Także za pomocą tej techniki na zlecenie Cisco wykonano analizę korelacji pomiędzy wypowiedziami zarządu a kursem akcji, co pozwoliło wyodrębnić osoby o największym pozytywnym wpływie.

Określenie data mining związane jest z pojęciem sieci semantycznej. Niewielu internautów pamięta zapewne hasło semantic web z początku tego wieku. Na długo przed Facebookiem pojęcie Web 2.0 oznaczać miało właśnie pomysł semantycznej sieci – odpowiedź na rosnący chaos informacyjny. W nowym internecie treści miały łączyć się nie za pomocą dosyć przypadkowych (jak obecnie) hiperłączy, lecz poprzez połączenia znaczeniowe, semantyczne.

Poniżej na poły żartobliwe wyjaśnienie, czym ma być Sieć semantyczna.

Na obecnym etapie rozwoju internetu zbudowanie bazy wiedzy opartej o relacje semantyczne wymaga stosowania wyspecjalizowanego oprogramowania, wykonującego właśnie data mining ogólnodostępnych w internecie źródeł.

Internet opinii

Co to wnosi dla przeciętnego zjadacza internetu? Na powszechne potrzeby powstają tymczasem niezbyt zaawansowane aplikacje dokonujące statystycznej analizy publikowanych informacji.

Ilustracja: statystyki opinii o Apple iPad, prezentowane przez twitrratr.com na podstawie analizy statystycznej treści mikroblogu Twitter.

W chwili obecnej zasięgnięcie opinii na temat interesującego nas produktu wymaga mozolnego, ręcznego wyszukiwania po rozlicznych serwisach. W zasadzie niemożliwe jest sięgnięcie do większej liczby źródeł, porównanie kilku produktów i dokonanie syntezy informacji na własną rękę. Pracę tę jest w stanie wykonać za użytkownika właśnie aplikacja stosująca sentiment analysis. Jej zaletą, poza zdolnością do przetwarzania znaczącej ilości informacji jest także wykrywanie spamu, w tym przypadku oznaczającego fałszywe opinie – dodawane w celu wypromowania danego produktu.

Więcej…

…na temat warstwy nawigacji w Sieci dowiecie się z prezentacji Jamesa Kalbacha podczas zorganizowanego przez UseLab Polish IA Summit, na którą to prezentację osobiście czekam i w imieniu organizatorów serdecznie zapraszam. Ruszyła już sprzedaż biletów, zachęcam do śledzenia mojego blogu – niebawem do wygrania wejściówka.