Search (38 results, page 1 of 2)

  • × theme_ss:"Social tagging"
  • × type_ss:"a"
  1. Müller-Prove, M.: Modell und Anwendungsperspektive des Social Tagging (2008) 0.02 
    0.016691115 = product of:
  0.10014668 = sum of:
    0.08248526 = weight(_text_:systeme in 2882) [ClassicSimilarity], result of:
      0.08248526 = score(doc=2882,freq=2.0), product of:
        0.17439179 = queryWeight, product of:
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.032588977 = queryNorm
        0.4729882 = fieldWeight in 2882, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.0625 = fieldNorm(doc=2882)
    0.017661426 = product of:
      0.035322852 = sum of:
        0.035322852 = weight(_text_:22 in 2882) [ClassicSimilarity], result of:
          0.035322852 = score(doc=2882,freq=2.0), product of:
            0.11412105 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.032588977 = queryNorm
            0.30952093 = fieldWeight in 2882, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.0625 = fieldNorm(doc=2882)
      0.5 = coord(1/2)
  0.16666667 = coord(2/12)
    Abstract
    Tagging-Systeme bieten eine neue Form der Organisation von digitalen Informationen. Der Artikel beleuchtet das Phänomen aus formaler Sicht und zeigt auf, welche Möglichkeiten sich für die Anwender ergeben, wenn sie mit sozialen Objekten interagieren und ihre persönlichen Keywords zur bedeutungstragenden Ebene, namens Folksonomy, aggregiert werden.
    Pages
    S.15-22
  2. Niemann, C.: Tag-Science : Ein Analysemodell zur Nutzbarkeit von Tagging-Daten (2011) 0.01 
    0.012518335 = product of:
  0.07511001 = sum of:
    0.061863944 = weight(_text_:systeme in 164) [ClassicSimilarity], result of:
      0.061863944 = score(doc=164,freq=2.0), product of:
        0.17439179 = queryWeight, product of:
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.032588977 = queryNorm
        0.35474116 = fieldWeight in 164, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.046875 = fieldNorm(doc=164)
    0.01324607 = product of:
      0.02649214 = sum of:
        0.02649214 = weight(_text_:22 in 164) [ClassicSimilarity], result of:
          0.02649214 = score(doc=164,freq=2.0), product of:
            0.11412105 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.032588977 = queryNorm
            0.23214069 = fieldWeight in 164, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.046875 = fieldNorm(doc=164)
      0.5 = coord(1/2)
  0.16666667 = coord(2/12)
    Abstract
    Social-Tagging-Systeme, die sich für das Wissensmanagement rapide wachsender Informationsmengen zunehmend durchsetzen, sind ein ambivalentes Phänomen. Sie bieten Kundennähe und entfalten ein beachtliches kreatives Potenzial. Sie erzeugen aber ebenso große Mengen völlig unkontrollierter Meta-Informationen. Aus Sicht gepflegter Vokabularien, wie sie sich etwa in Thesauri finden, handelt es sich bei völlig frei vergebenen Nutzerschlagwörtern (den "Tags") deshalb um "chaotische" Sacherschließung. Andererseits ist auch die These einer "Schwarmintelligenz", die in diesem Chaos wertvolles Wissen als Gemeinschaftsprodukt erzeugt, nicht von der Hand zu weisen. Die Frage ist also: Wie lassen sich aus Tagging-Daten Meta-Informationen generieren, die nach Qualität und Ordnung wissenschaftlichen Standards entsprechen - nicht zuletzt zur Optimierung eines kontrollierten Vokabulars? Der Beitrag stellt ein Analysemodell zur Nutzbarkeit von Tagging-Daten vor.
    Source
    ¬Die Kraft der digitalen Unordnung: 32. Arbeits- und Fortbildungstagung der ASpB e. V., Sektion 5 im Deutschen Bibliotheksverband, 22.-25. September 2009 in der Universität Karlsruhe. Hrsg: Jadwiga Warmbrunn u.a
  3. Tschetschonig, K.; Ladengruber, R.; Hampel, T.; Schulte, J.: Kollaborative Tagging-Systeme im Electronic Commerce (2008) 0.01 
    0.0120291 = product of:
  0.1443492 = sum of:
    0.1443492 = weight(_text_:systeme in 2891) [ClassicSimilarity], result of:
      0.1443492 = score(doc=2891,freq=8.0), product of:
        0.17439179 = queryWeight, product of:
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.032588977 = queryNorm
        0.82772934 = fieldWeight in 2891, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.0546875 = fieldNorm(doc=2891)
  0.083333336 = coord(1/12)
    Abstract
    Social-Tagging-Systeme bieten eine Vielzahl an Vorteilen gegenüber traditionellen und zurzeit eingesetzten Systemen und werden besonders in nicht-kommerziellen Web-2.0-Anwendungen erfolgreich verwendet. Diese Arbeit beschäftigt sich mit den Vor- und Nachteilen von Social Tagging für kollaborative Systeme des Electronic Commerce und stellt einige Beispiele aus der Praxis vor. Es gibt nur wenige Anwendungen aus dem Bereich des Electronic Commerce, die Social Tagging erfolgreich als kritischen Teil ihrer Systeme einsetzen. Deshalb wird das Potenzial von Tagging-Systemen beleuchtet, um eine fundierte Basis für neue Entwicklungen im Geschäftsbereich zu schaffen.
  4. Bentley, C.M.; Labelle, P.R.: ¬A comparison of social tagging designs and user participation (2008) 0.01 
    0.01103651 = product of:
  0.066219054 = sum of:
    0.057388343 = weight(_text_:205 in 2657) [ClassicSimilarity], result of:
      0.057388343 = score(doc=2657,freq=2.0), product of:
        0.2057144 = queryWeight, product of:
          6.312392 = idf(docFreq=217, maxDocs=44218)
          0.032588977 = queryNorm
        0.27897096 = fieldWeight in 2657, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          6.312392 = idf(docFreq=217, maxDocs=44218)
          0.03125 = fieldNorm(doc=2657)
    0.008830713 = product of:
      0.017661426 = sum of:
        0.017661426 = weight(_text_:22 in 2657) [ClassicSimilarity], result of:
          0.017661426 = score(doc=2657,freq=2.0), product of:
            0.11412105 = queryWeight, product of:
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.032588977 = queryNorm
            0.15476047 = fieldWeight in 2657, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              3.5018296 = idf(docFreq=3622, maxDocs=44218)
              0.03125 = fieldNorm(doc=2657)
      0.5 = coord(1/2)
  0.16666667 = coord(2/12)
    Pages
    S.205
    Source
    Metadata for semantic and social applications : proceedings of the International Conference on Dublin Core and Metadata Applications, Berlin, 22 - 26 September 2008, DC 2008: Berlin, Germany / ed. by Jane Greenberg and Wolfgang Klas
  5. Held, C.; Cress, U.: Social Tagging aus kognitionspsychologischer Sicht (2008) 0.01 
    0.0085058585 = product of:
  0.1020703 = sum of:
    0.1020703 = weight(_text_:systeme in 2885) [ClassicSimilarity], result of:
      0.1020703 = score(doc=2885,freq=4.0), product of:
        0.17439179 = queryWeight, product of:
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.032588977 = queryNorm
        0.58529305 = fieldWeight in 2885, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.0546875 = fieldNorm(doc=2885)
  0.083333336 = coord(1/12)
    Abstract
    Der vorliegende Artikel beschreibt Social-Tagging-Systeme aus theoretisch-kognitionspsychologischer Perspektive und zeigt einige Parallelen und Analogien zwischen Social Tagging und der individuellen kognitiven bedeutungsbezogenen Wissensrepräsentation auf. Zuerst werden wesentliche Aspekte von Social Tagging vorgestellt, die für eine psychologische Betrachtungsweise von Bedeutung sind. Danach werden Modelle und empirische Befunde der Kognitionswissenschaften bezüglich der Speicherung und des Abrufs von Inhalten des Langzeitgedächtnisses beschrieben. Als Drittes werden Parallelen und Unterschiede zwischen Social Tagging und der internen Wissensrepräsentation erläutert und die Möglichkeit von individuellen Lernprozessen durch Social-Tagging-Systeme aufgezeigt.
  6. Beuth, P.: ¬Ein Freund weckt Vertrauen : Experten sehen im Online-Portal Twitter ein neues Massenmedium heranwachsen (2008) 0.01 
    0.007256312 = product of:
  0.04353787 = sum of:
    0.024513613 = product of:
      0.049027227 = sum of:
        0.049027227 = weight(_text_:vernetzung in 4273) [ClassicSimilarity], result of:
          0.049027227 = score(doc=4273,freq=2.0), product of:
            0.20326729 = queryWeight, product of:
              6.237302 = idf(docFreq=234, maxDocs=44218)
              0.032588977 = queryNorm
            0.24119586 = fieldWeight in 4273, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              6.237302 = idf(docFreq=234, maxDocs=44218)
              0.02734375 = fieldNorm(doc=4273)
      0.5 = coord(1/2)
    0.019024257 = weight(_text_:internet in 4273) [ClassicSimilarity], result of:
      0.019024257 = score(doc=4273,freq=6.0), product of:
        0.09621047 = queryWeight, product of:
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.032588977 = queryNorm
        0.19773582 = fieldWeight in 4273, product of:
          2.4494898 = tf(freq=6.0), with freq of:
            6.0 = termFreq=6.0
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.02734375 = fieldNorm(doc=4273)
  0.16666667 = coord(2/12)
    Content
    "Vinu schreibt: "Ich habe gerade eine weitere laute Explosion gehört. Das alles passiert nur zwei Gehminuten von meiner Wohnung entfernt." Netra schreibt: "Keine Panik. Nicht auf die Nachrichten hören. Die verbreiten Gerüchte und nehmen sie später zurück. Bleibt im Haus und bleibt ruhig." Vinu: "Die Schüsse kommen definitiv aus einer AK-47, und unsere Polizisten sind da draußen ohne schusssichere Westen und mit Scheiß-Gewehren." Sie waren näher dran als die meisten Journalisten - und sie berichteten unaufhörlich im Internet: Augenzeugen in Bombay nutzten beliebte Plattformen wie Twitter und Flickr, um aus erster Hand zu beschreiben, was in der indischen Metropole passierte. Auf der Seite Twitter.com schreiben User in 140 Zeichen, was sie gerade tun. Kaffee trinken, sich im Büro langweilen, eine Party suchen. Nun ist Twitter kurzzeitig zu einer Art Nachrichtenticker geworden: Über Filterbegriffe wie Bombay und Terror konnte jeder nachvollziehen, in welcher Lage sich die Menschen in der Stadt befanden, was sie von den Angriffen, Schießereien und Explosionen mitbekamen. Und wo sie bei Flickr.com ihre Bilder vom Geschehen hochgeladen haben. Das alles passierte beinahe in Echtzeit. Die Fotoplattform Flickr, sonst eher eine Sammelstelle für Urlaubsbilder und Material von ambitionierten Amateurfotografen, wurde zur Bilderstrecke über die Vorgänge in Bombay. Bewaffnete Terroristen, brennende Gebäude, verwüstete Hotellobbys und Blutlachen auf dem Boden - manche wagten sich gefährlich nahe an das Geschehen heran. Zumindest schien es so, denn ob die Bilder wirklich von denen gemacht wurden, die sie hochgeladen haben, war nicht immer klar. Manche dieser Bilder waren auch auf den Internetseiten von TV-Sendern zu sehen, und wer da von wem geklaut hat, ist schwer zu sagen. Auch im Wust der Twitter-Einträge, der sogenannten Tweets, ging unter, was authentisch ist, was einfach nur von anderen Medien abgeschrieben und hundertfach weitergetwittert wurde - und was schlicht und einfach unwahr ist. Blogger "Tom" (tomstechblog.com) aus der Umgebung von Los Angeles hat Botschaften entdeckt, nach denen auch das Marriott-Hotel in Bombay angegriffen wurde. Eine Falschmeldung. Für Menschen, deren Verwandte oder Freunde in dem Hotel wohnen, sei das extrem beängstigend, schreibt er.
    Die Spielzeuge des Web 2.0 werden in solchen Situationen trotzdem zu Nachrichtenkanälen, ungefiltert und schneller als etablierte Medien. Ihr Reiz ist gerade die Subjektivität, die Emotionalität und die Vernetzung von Tausenden Personen rund um den Erdball. Die reinen Fakten gibt es woanders. "Social Media" heißen solche Dienste schließlich. Trotzdem werden sie ernstgenommen. Nach Untersuchungen der Harvard-Soziologin Shoshana Zuboff glauben die Menschen heutzutage in erster Linie ihren Freunden, während das Vertrauen in Unternehmen und Institutionen abnimmt. Übertragen auf das Internet bedeutet das: Wenn Informationen von Freunden aus der jeweiligen Online-Community stammen, vertraut man ihnen schneller, als wenn sie von einem unbekannten Redakteur irgendeiner Zeitung verbreitet werden. Im Fall Bombay zeigten die Reaktionen vieler sogenannter "Follower", also Leser von Twitter-Einträgen einer Person: Hier wird nicht viel hinterfragt. Hier wird kopiert und weitergeschickt, an die eigenen Follower. Für manche markiert der 24-stündige Sturm von 140-Zeichen-Meldungen nicht weniger als eine "epochale Veränderung des Nachrichtenflusses". So diktierte es etwa der New Yorker Journalismus-Professor Jeff Jarvis dem Handelsblatt-Blogger Thomas Knüwer. Der legt sich, wie auch der prominenteste TechBlogger der USA, Michael Arrington von TechCrunch, fest: "Der heutige Tag wird ein Durchbruch werden auf dem Weg Twitters zum Massenmedium.""
    Theme
    Internet
  7. Lewen, H.: Personalisierte Ordnung von Objekten basierend auf Vertrauensnetzwerken (2008) 0.01 
    0.0068737715 = product of:
  0.08248526 = sum of:
    0.08248526 = weight(_text_:systeme in 2305) [ClassicSimilarity], result of:
      0.08248526 = score(doc=2305,freq=2.0), product of:
        0.17439179 = queryWeight, product of:
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.032588977 = queryNorm
        0.4729882 = fieldWeight in 2305, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.0625 = fieldNorm(doc=2305)
  0.083333336 = coord(1/12)
    Abstract
    Open Rating Systeme werden zur Be­wertung unterschiedlichster Objekte eingesetzt. Benutzer können Rezensionen über Objekte verfassen, andere Benutzer können die Qualität dieser Rezensionen bewerten. Basierend auf diesen Bewertungen der Rezensionen wird ein Vertrauensnetzwerk (Web of Trust) aufgebaut. Zwei Benutzer werden durch eine gerichtete Kante verbunden, wenn ein Benutzer dem System mitteilt, dass er einem anderen Benutzer vertraut, Inhalte korrekt zu bewerten. Basierend auf diesem persönlichen Vertrauensnetzwerk werden Objekte und auch die Rezensionen für ein bestimmtes Objekt individuell für jeden Benutzer angeordnet.
  8. Seehaus, S.: Können Suchmaschinen von Sozialer Software profitieren? (2008) 0.01 
    0.0068737715 = product of:
  0.08248526 = sum of:
    0.08248526 = weight(_text_:systeme in 2306) [ClassicSimilarity], result of:
      0.08248526 = score(doc=2306,freq=2.0), product of:
        0.17439179 = queryWeight, product of:
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.032588977 = queryNorm
        0.4729882 = fieldWeight in 2306, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.0625 = fieldNorm(doc=2306)
  0.083333336 = coord(1/12)
    Abstract
    Im Rahmen eines Projekts gingen Stu­dierende an der HAW Hamburg für ihre Auftraggeber Lycos Europe und T-Online der Frage nach, wie sich Inhalte aus sozialen Suchdiensten in die algorithmische Suche einbinden lassen. Dazu analysierten und verglichen sie die Vor- und Nachteile der Systeme, die Relevanz der Sucher­gebnisse, die Benutzerfreundlichkeit sowie die Qualität der Inhalte. Für soziale Software ergaben sich daraus bedeutende Verbesserungspotentiale. Der Text beschreibt die Ergebnisse und die Empfehlungen für Lycos IQ.
  9. Sack, H.; Waitelonis, J.: Zeitbezogene kollaborative Annotation zur Verbesserung der inhaltsbasierten Videosuche (2008) 0.01 
    0.00601455 = product of:
  0.0721746 = sum of:
    0.0721746 = weight(_text_:systeme in 2890) [ClassicSimilarity], result of:
      0.0721746 = score(doc=2890,freq=2.0), product of:
        0.17439179 = queryWeight, product of:
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.032588977 = queryNorm
        0.41386467 = fieldWeight in 2890, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.0546875 = fieldNorm(doc=2890)
  0.083333336 = coord(1/12)
    Abstract
    Social-Tagging-Systeme ermöglichen die Annotation beliebiger Ressourcen mit nutzerbasierten Metadaten. Ressourcen wurden in diesem Zusammenhang stets als Ganzes betrachtet, ohne dass eine differenzierte Annotation einzelner Ressourcen-Fragmente möglich war. Dies fällt insbesondere bei zeitabhängigen Multimediadaten, wie z. B. Videodaten ins Gewicht, da der Nutzer oft nur an einzelnen Szenen einer umfangreichen Videodatei interessiert ist. Dieser Beitrag stellt eine einfache Möglichkeit der zeitbezogenen, kollaborativen Annotation von Multimediadaten vor und veranschaulicht deren Umsetzung am Beispiel der Videosuchmaschine yovisto.
  10. Panke, S.; Gaiser, B.: "With my head up in the clouds" : Social Tagging aus Nutzersicht (2008) 0.01 
    0.0051553287 = product of:
  0.061863944 = sum of:
    0.061863944 = weight(_text_:systeme in 2883) [ClassicSimilarity], result of:
      0.061863944 = score(doc=2883,freq=2.0), product of:
        0.17439179 = queryWeight, product of:
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.032588977 = queryNorm
        0.35474116 = fieldWeight in 2883, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.046875 = fieldNorm(doc=2883)
  0.083333336 = coord(1/12)
    Abstract
    28 Prozent der amerikanischen Internetnutzer/innen haben es bereits getan: Das freie Verschlagworten von Inhalten aller Art per Social Tagging gehört zu den Anwendungen aus dem Kontext von Web 2.0, die sich zunehmender Beliebtheit erfreuen (Rainie, 2007). Während sich die bisherige Forschung überwiegend inhaltsanalytisch mit dem Phänomen befasst, kommen im vorliegenden Beitrag so genannte "Power User" zu Wort. Um zu einer fundierteren Interpretation der in den Inhaltsanalysen gewonnenen Erkenntnisse beizutragen, wurden Interviews mit Personen durchgeführt, die mehrere Tagging Systeme parallel einsetzen, sich auch mit den technischen Grundlagen auskennen und als "Early Adopter" bereits seit geraumer Zeit aktiv sind. Entsprechend leitet der Beitrag von einer Synopse der aktuellen Literatur in die beschriebene Studie über und schließt mit einem Ausblick auf zukünftige Forschungsvorhaben im Kontext von Social Tagging.
  11. Heck, T.: Analyse von sozialen Informationen für Autorenempfehlungen (2012) 0.01 
    0.0051553287 = product of:
  0.061863944 = sum of:
    0.061863944 = weight(_text_:systeme in 407) [ClassicSimilarity], result of:
      0.061863944 = score(doc=407,freq=2.0), product of:
        0.17439179 = queryWeight, product of:
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.032588977 = queryNorm
        0.35474116 = fieldWeight in 407, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.046875 = fieldNorm(doc=407)
  0.083333336 = coord(1/12)
    Abstract
    Kollaborationen mit Kollegen sind für fast alle Wissenschaftler bedeutend. Forscher bauen sich im Laufe ihrer Karriere ein soziales Netzwerk mit Kontakten zu anderen Wissenschaftlern mit ähnlichen Interessen und Forschungsschwerpunkten auf. Ein Empfehlungssystem könnte einer Person dabei helfen, geeignete Kollegen und neue Kooperationspartner zu finden. Für einen Wissenschaftler ist seine Reputation sehr wichtig, die mit Zitations- und Referenzdaten analysiert werden kann. Solche Daten können dazu dienen, Cluster mit ähnlichen Forschern zu ermitteln, die wiederum für ein Empfehlungssystem verwendet werden können. Darüber hinaus enthalten neue Dienste des sozialen Webs, wie Social-Bookmarking-Systeme, weitere Informationen über Wissenschaftler, auf Basis derer Personenvorschläge gemacht werden können. Im Folgenden wird ein Versuch beschrieben, verschiedene soziale Informationen über Wissenschaftler zu nutzen, um diesen relevante Kooperationspartner vorzuschlagen.
  12. DeZelar-Tiedman, V.: Doing the LibraryThing(TM) in an academic library catalog (2008) 0.00 
    0.0047853235 = product of:
  0.057423882 = sum of:
    0.057423882 = sum of:
      0.039762456 = weight(_text_:allgemein in 2666) [ClassicSimilarity], result of:
        0.039762456 = score(doc=2666,freq=2.0), product of:
          0.17123379 = queryWeight, product of:
            5.254347 = idf(docFreq=627, maxDocs=44218)
            0.032588977 = queryNorm
          0.23221152 = fieldWeight in 2666, product of:
            1.4142135 = tf(freq=2.0), with freq of:
              2.0 = termFreq=2.0
            5.254347 = idf(docFreq=627, maxDocs=44218)
            0.03125 = fieldNorm(doc=2666)
      0.017661426 = weight(_text_:22 in 2666) [ClassicSimilarity], result of:
        0.017661426 = score(doc=2666,freq=2.0), product of:
          0.11412105 = queryWeight, product of:
            3.5018296 = idf(docFreq=3622, maxDocs=44218)
            0.032588977 = queryNorm
          0.15476047 = fieldWeight in 2666, product of:
            1.4142135 = tf(freq=2.0), with freq of:
              2.0 = termFreq=2.0
            3.5018296 = idf(docFreq=3622, maxDocs=44218)
            0.03125 = fieldNorm(doc=2666)
  0.083333336 = coord(1/12)
    Source
    Metadata for semantic and social applications : proceedings of the International Conference on Dublin Core and Metadata Applications, Berlin, 22 - 26 September 2008, DC 2008: Berlin, Germany / ed. by Jane Greenberg and Wolfgang Klas
    Theme
    Katalogfragen allgemein
  13. Hänger, C.; Krätzsch, C.; Niemann, C.: Was vom Tagging übrig blieb : Erkenntnisse und Einsichten aus zwei Jahren Projektarbeit (2011) 0.00 
    0.004296107 = product of:
  0.051553283 = sum of:
    0.051553283 = weight(_text_:systeme in 4519) [ClassicSimilarity], result of:
      0.051553283 = score(doc=4519,freq=8.0), product of:
        0.17439179 = queryWeight, product of:
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.032588977 = queryNorm
        0.2956176 = fieldWeight in 4519, product of:
          2.828427 = tf(freq=8.0), with freq of:
            8.0 = termFreq=8.0
          5.3512506 = idf(docFreq=569, maxDocs=44218)
          0.01953125 = fieldNorm(doc=4519)
  0.083333336 = coord(1/12)
    Abstract
    Das DFG-Projekt "Collaborative Tagging als neue Form der Sacherschließung" Im Oktober 2008 startete an der Universitätsbibliothek Mannheim das DFG-Projekt "Collaborative Tagging als neue Form der Sacherschließung". Über zwei Jahre hinweg wurde untersucht, welchen Beitrag das Web-2.0-Phänomen Tagging für die inhaltliche Erschließung von bisher nicht erschlossenen und somit der Nutzung kaum zugänglichen Dokumenten leisten kann. Die freie Vergabe von Schlagwörtern in Datenbanken durch die Nutzer selbst hatte sich bereits auf vielen Plattformen als äußerst effizient herausgestellt, insbesondere bei Inhalten, die einer automatischen Erschließung nicht zugänglich sind. So wurden riesige Mengen von Bildern (FlickR), Filmen (YouTube) oder Musik (LastFM) durch das Tagging recherchierbar und identifizierbar gemacht. Die Fragestellung des Projektes war entsprechend, ob und in welcher Qualität sich durch das gleiche Verfahren beispielsweise Dokumente auf Volltextservern oder in elektronischen Zeitschriften erschließen lassen. Für die Beantwortung dieser Frage, die ggf. weitreichende Konsequenzen für die Sacherschließung durch Fachreferenten haben konnte, wurde ein ganzer Komplex von Teilfragen und Teilschritten ermittelt bzw. konzipiert. Im Kern ging es aber in allen Untersuchungsschritten immer um zwei zentrale Dimensionen, nämlich um die "Akzeptanz" und um die "Qualität" des Taggings. Die Akzeptanz des Taggings wurde zunächst bei den Studierenden und Wissenschaftlern der Universität Mannheim evaluiert. Für bestimmte Zeiträume wurden Tagging-Systeme in unterschiedlichen Ausprägungen an die Recherchedienste der Universitätsbibliothek angebunden. Die Akzeptanz der einzelnen Systemausprägungen konnte dann durch die Analyse von Logfiles und durch Datenbankabfragen ausgewertet werden. Für die Qualität der Erschließung wurde auf einen Methodenmix zurückgegriffen, der im Verlauf des Projektes immer wieder an aktuelle Entwicklungen und an die Ergebnisse aus den vorangegangenen Analysen angepaßt wurde. Die Tags wurden hinsichtlich ihres Beitrags zum Information Retrieval mit Verfahren der automatischen Indexierung von Volltexten sowie mit der Erschließung durch Fachreferenten verglichen. Am Schluss sollte eine gut begründete Empfehlung stehen, wie bisher nicht erschlossene Dokumente am besten indexiert werden können: automatisch, mit Tags oder durch eine Kombination von beiden Verfahren.
    Content
    "Was vom Tagging übrig blieb: Empfehlungen und Fazit - Akzeptanz des Taggings Es kann von einer grundsätzlich hohen Bereitschaft der Nutzer ausgegangen werden, wissenschaftliche Quellen durch Tags zu organisieren und zu erschließen. Diese Bereitschaft hängt allerdings wesentlich davon ab, ob ein System durch entsprechende Datenbestände genügend Ergebnisse liefert, um für eine Recherche reizvoll zu erscheinen. Tagging-Systeme, die als "Insellösung" auf die Nutzer einer einzelnen Institution beschränkt sind, werden deshalb nicht ausreichend angenommen. Anbindungen an externe Dienste, deren Datenbestand sich aus vielen verschiedenen Quellen und Verknüpfungen speist, erfahren dagegen eine sehr gute Resonanz. Wissenschaftlichen Bibliotheken wird deshalb empfohlen, möglichst schnelle und einfache Verlinkungen zu erfolgreichen Tagging-Plattformen wie BibSonomy oder Citeulike anzubieten. Die Anzeige der dort verfügbaren Daten im eigenen Katalog ist ebenfalls wünschenswert und wird von den Nutzern befürwortet. - Verfahren zur Analyse von Tagging-Daten Für die Analyse der äußerst heterogenen Textdaten, die in Tagging-Systemen entstehen, wurden spezifische Verfahren entwickelt und angewendet, die je nach Datenausschnitt und Erkenntniszweck optimiert wurden. Nach erfolgreichen Testläufen wurde der Methodenmix jeweils für größere Datenmengen eingesetzt, um die aus den explorativen Studien gewonnen Hypothesen zu überprüfen. Dieses Vorgehen hat sich als äußerst fruchtbar herausgestellt. Alle durchgeführten Schritte und die daraus gewonnenen Erkenntnisse wurden in diversen Artikeln und Beiträgen veröffentlicht sowie auf zahlreichen nationalen und internationalen Konferenzen vorgestellt, um sie der Wissenschaftsgemeinschaft zur Verfügung zu stellen.
    - Fazit Der Beitrag des Taggings im Rahmen des bibliothekarischen Kontextes ist vor allem in der ergänzenden Erweiterung der Recherche- und Literaturverwaltungsfunktionalitäten der Online-Kataloge zu sehen. Durch Tagging können diese um eine nutzerorientierte Komponente ergänzt werden und signifkant an Attraktivität gewinnen. Systeme mit einem begrenzten Nutzerkreis sind allerdings zugunsten der Anbindung an etablierte Systeme zu vernachlässigen. Diese können einen parallel existierenden Zugang zu den vorhandenen Ressourcen liefern, der seine Stärken in einer explorativen, eher "unscharfen" Recherche entfaltet. Somit wird einem speziellen Bedürfnis der Nutzerinnen und Nutzer Rechnung getragen, dem durch die voraussetzungsreiche Verwendung von präzisen bibliothekarischen Schlagwörtern nicht immer entsprochen werden kann. Bezüglich der inhaltlichen Abdeckung einer Ressource erfüllt das Tagging jedenfalls die Anforderungen eines Recherchesystems, insofern eine ausreichende Mindestanzahl von Tags vorliegt. Natürlich ist es sehr wichtig, die Nutzerinnen und Nutzer ausreichend darüber zu informieren, dass Tagging - wie alle anderen Erschließungsmethoden auch - keine vollständige Abbildung der verfügbaren Ressourcen leistet. Es stellt lediglich einen von verschiedenen Zugangswegen mit spezifischen Besonderheiten und Ergebnissen zur Verfügung. Eine Kombination der Erschließungsverfahren "Fachreferenten", "Tagging" und "automatisch" ist hingegen nur für sehr spezielle Zielsetzungen und als Abfolge von Ergänzungs- und Aktualisierungsschritten sinnvoll. Eine gleichzeitige Integration der Verfahren würde aufgrund ihrer erheblichen Unterschiede eine deutliche Verschlechterung der Erschließungsqualität zur Folge haben. Sinnvoll ist daher eine gleichberechtigte Bereitstellung dieser Zugangswege bei sichtbarer Trennung für die Nutzer. Auf diese Weise können die Vorteile aller Verfahren genutzt werden, ohne sich ihre jeweiligen Nachteile zu eigen zu machen."
  14. Birkenhake, B.: Semantic Weblog : Erfahrungen vom Bloggen mit Tags und Ontologien (2008) 0.00 
    0.003501945 = product of:
  0.04202334 = sum of:
    0.04202334 = product of:
      0.08404668 = sum of:
        0.08404668 = weight(_text_:vernetzung in 2894) [ClassicSimilarity], result of:
          0.08404668 = score(doc=2894,freq=2.0), product of:
            0.20326729 = queryWeight, product of:
              6.237302 = idf(docFreq=234, maxDocs=44218)
              0.032588977 = queryNorm
            0.4134786 = fieldWeight in 2894, product of:
              1.4142135 = tf(freq=2.0), with freq of:
                2.0 = termFreq=2.0
              6.237302 = idf(docFreq=234, maxDocs=44218)
              0.046875 = fieldNorm(doc=2894)
      0.5 = coord(1/2)
  0.083333336 = coord(1/12)
    Abstract
    Der Begriff "Semantic Weblog" bezeichnet die Idee, zwei Konzepte - nämlich Bloggen und Semantic Web - zusammenzuführen. Ausgangspunkt ist dabei die Tatsache, dass Blogs, die länger bestehen, Wissen über bestimmte Domänen ansammeln. Dieses Wissen wird in einem ersten Schritt durch Volltextanalyse und in einem zweien Schritt durch Kategorie- und Tagging-Mechanismen erschlossen und kann durch weitere Schritte zu einfachen Ontologien ausgebaut werden. Dieser Beitrag gliedert sich in mehrere Teile. Zunächst wird das Konzept und seine ersten Implementierungen sowie mögliche Vernetzung von mehreren Semantic Weblogs vorgestellt. Dann wird ein Einblick in die Erfahrungen aus der Semantic Weblog-Praxis gegeben. Abgeschlossen wird der Artikel durch einen Ausblick.
  15. Wang, J.; Clements, M.; Yang, J.; Vries, A.P. de; Reinders, M.J.T.: Personalization of tagging systems (2010) 0.00 
    0.0022190344 = product of:
  0.02662841 = sum of:
    0.02662841 = weight(_text_:internet in 4229) [ClassicSimilarity], result of:
      0.02662841 = score(doc=4229,freq=4.0), product of:
        0.09621047 = queryWeight, product of:
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.032588977 = queryNorm
        0.27677247 = fieldWeight in 4229, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.046875 = fieldNorm(doc=4229)
  0.083333336 = coord(1/12)
    Abstract
    Social media systems have encouraged end user participation in the Internet, for the purpose of storing and distributing Internet content, sharing opinions and maintaining relationships. Collaborative tagging allows users to annotate the resulting user-generated content, and enables effective retrieval of otherwise uncategorised data. However, compared to professional web content production, collaborative tagging systems face the challenge that end-users assign tags in an uncontrolled manner, resulting in unsystematic and inconsistent metadata. This paper introduces a framework for the personalization of social media systems. We pinpoint three tasks that would benefit from personalization: collaborative tagging, collaborative browsing and collaborative search. We propose a ranking model for each task that integrates the individual user's tagging history in the recommendation of tags and content, to align its suggestions to the individual user preferences. We demonstrate on two real data sets that for all three tasks, the personalized ranking should take into account both the user's own preference and the opinion of others.
  16. Peters, I.: Folksonomies und kollaborative Informationsdienste : eine Alternative zur Websuche? (2011) 0.00 
    0.0020921256 = product of:
  0.025105506 = sum of:
    0.025105506 = weight(_text_:internet in 343) [ClassicSimilarity], result of:
      0.025105506 = score(doc=343,freq=2.0), product of:
        0.09621047 = queryWeight, product of:
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.032588977 = queryNorm
        0.2609436 = fieldWeight in 343, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.0625 = fieldNorm(doc=343)
  0.083333336 = coord(1/12)
    Source
    Handbuch Internet-Suchmaschinen, 2: Neue Entwicklungen in der Web-Suche. Hrsg.: D. Lewandowski
  17. Munk, T.B.; Moerk, K.: Folksonomies, tagging communities, and tagging strategies : an empirical study (2007) 0.00 
    0.0018491952 = product of:
  0.022190342 = sum of:
    0.022190342 = weight(_text_:internet in 1091) [ClassicSimilarity], result of:
      0.022190342 = score(doc=1091,freq=4.0), product of:
        0.09621047 = queryWeight, product of:
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.032588977 = queryNorm
        0.23064373 = fieldWeight in 1091, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.0390625 = fieldNorm(doc=1091)
  0.083333336 = coord(1/12)
    Abstract
    The subject of this article is folksonomies on the Internet. One of the largest folksonomies on the Internet in terms of number of users and tagged websites is the computer program del.icio.us, where more than 100,000 people have tagged the websites that they and others find using their own keywords. How this is done in practice and the patterns to be found are the focus of this article. The empirical basis is the collection of 76,601 different keywords with a total frequency of 178,215 from 500 randomly chosen taggers on del.icio.us at the end of 2005. The keywords collected were then analyzed quantitatively statistically by uncovering their frequency and percentage distribution and through a statistical correspondence analysis in order to uncover possible patterns in the users' tags. Subsequently, a qualitative textual analysis of the tags was made in order to find out by analysis which tagging strategies are represented in the data material. This led to four conclusions. 1) the distribution of keywords follows classic power law; 2) distinct tagging communities are identifiable; 3) the most frequently used tags are situated on a general-specific axis; and 4) nine distinct tagging strategies are observed. These four conclusions are put into perspective collectively in respect of a number of more general and theoretical considerations concerning folksonomies and the classification systems of the future.
  18. Watters, C.; Nizam, N.: Knowledge organization on the Web : the emergent role of social classification (2012) 0.00 
    0.0018306099 = product of:
  0.021967318 = sum of:
    0.021967318 = weight(_text_:internet in 828) [ClassicSimilarity], result of:
      0.021967318 = score(doc=828,freq=2.0), product of:
        0.09621047 = queryWeight, product of:
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.032588977 = queryNorm
        0.22832564 = fieldWeight in 828, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.0546875 = fieldNorm(doc=828)
  0.083333336 = coord(1/12)
    Abstract
    There are close to a billion websites on the Internet with approximately 400 million users worldwide [www.internetworldstats.com]. People go to websites for a wide variety of different information tasks, from finding a restaurant to serious research. Many of the difficulties with searching the Web, as it is structured currently, can be attributed to increases to scale. The content of the Web is now so large that we only have a rough estimate of the number of sites and the range of information is extremely diverse, from blogs and photos to research articles and news videos.
  19. Bundza, M.: ¬The choice is yours! : researchers assign subject metadata to their own materials in institutional repositories (2014) 0.00 
    0.0018306099 = product of:
  0.021967318 = sum of:
    0.021967318 = weight(_text_:internet in 1968) [ClassicSimilarity], result of:
      0.021967318 = score(doc=1968,freq=2.0), product of:
        0.09621047 = queryWeight, product of:
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.032588977 = queryNorm
        0.22832564 = fieldWeight in 1968, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.0546875 = fieldNorm(doc=1968)
  0.083333336 = coord(1/12)
    Abstract
    The Digital Commons platform for institutional repositories provides a three-tiered taxonomy of academic disciplines for each item submitted to the repository. Since faculty and departmental administrators across campuses are encouraged to submit materials to the institutional repository themselves, they must also assign disciplines or subject categories for their own work. The expandable drop-down menu of about 1,000 categories is easy to use, and facilitates the growth of the institutional repository and access to the materials through the Internet.
  20. Rafferty, P.: Tagging (2018) 0.00 
    0.0018306099 = product of:
  0.021967318 = sum of:
    0.021967318 = weight(_text_:internet in 4647) [ClassicSimilarity], result of:
      0.021967318 = score(doc=4647,freq=2.0), product of:
        0.09621047 = queryWeight, product of:
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.032588977 = queryNorm
        0.22832564 = fieldWeight in 4647, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          2.9522398 = idf(docFreq=6276, maxDocs=44218)
          0.0546875 = fieldNorm(doc=4647)
  0.083333336 = coord(1/12)
    Abstract
    This article examines tagging as knowledge organization. Tagging is a kind of indexing, a process of labelling and categorizing information made to support resource discovery for users. Social tagging generally means the practice whereby internet users generate keywords to describe, categorise or comment on digital content. The value of tagging comes when social tags within a collection are aggregated and shared through a folksonomy. This article examines definitions of tagging and folksonomy, and discusses the functions, advantages and disadvantages of tagging systems in relation to knowledge organization before discussing studies that have compared tagging and conventional library-based knowledge organization systems. Approaches to disciplining tagging practice are examined and tagger motivation discussed. Finally, the article outlines current research fronts.

Authors

Years

Languages

  • e 22
  • d 16

Themes