دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش:
نویسندگان: Matthew Reidsma
سری:
ISBN (شابک) : 1634000838, 9781634000833
ناشر: Library Juice Press
سال نشر: 2019
تعداد صفحات: 204
[200]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 12 Mb
در صورت تبدیل فایل کتاب Masked by Trust: Bias in Library Discovery به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب Masked by Trust: Bias in Library Discovery نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
ظهور گوگل و ادغام آن در تقریباً هر جنبه ای از زندگی ما، کتابخانه ها را وادار کرده است تا ابزارهای جستجوی مشابه «گوگل مانند» را که سیستم های کشف نامیده می شوند، اتخاذ کنند. از آنجایی که این ابزارها توسط کتابخانهها و جستجوی مطالب علمی به جای وب باز ارائه میشوند، ما اغلب فرض میکنیم که آنها نسبت به همتایان همه منظورهشان مانند گوگل یا بینگ «دقیق» یا «قابل اعتماد» هستند. اما سیستمهای کشف هنوز نرمافزاری هستند که توسط افرادی با تعصب و تعصب نوشته میشوند، فروشندگان نرمافزار کتابخانهای در معرض فشارهای تجاری قوی هستند که اغلب در پشت قراردادهای پراکنده مجموعه-توسعه و لایههای مدیریت پنهان است، و آنها در تلاش برای یکپارچهسازی محتوای هزاران فروشنده مختلف هستند. بی توجهی جمعی آنها به ابرداده های ثابت.\r\n \r\nسیستمهای کشف کتابخانه با دقت، ارتباط و تعصبات انسانی مبارزه میکنند و این کاستیها پتانسیل شکلدهی به تحقیقات دانشگاهی و جهانبینی دانشجویان و اساتیدی را دارند که بر آنها تکیه میکنند. در حالی که تعصبات انسانی، علایق تجاری و ابردادههای مشکلساز مدتهاست که دسترسی محققان به اطلاعات را تحت تأثیر قرار داده است، الگوریتمهای موجود در سیستمهای کشف کتابخانه، مقیاس تأثیرات منفی بر کاربران را افزایش میدهند، در حالی که کتابخانهها همچنان به ترویج ابزارهای جستجوی «عینی» و «خنثی» خود ادامه میدهند.
The rise of Google and its integration into nearly every aspect of our lives has pushed libraries to adopt similar "Google-like" search tools, called discovery systems. Because these tools are provided by libraries and search scholarly materials rather than the open web, we often assume they are more "accurate" or "reliable" than their general-purpose peers like Google or Bing. But discovery systems are still software written by people with prejudices and biases, library software vendors are subject to strong commercial pressures that are often hidden behind diffuse collection-development contracts and layers of administration, and they struggle to integrate content from thousands of different vendors and their collective disregard for consistent metadata. Library discovery systems struggle with accuracy, relevance, and human biases, and these shortcomings have the potential to shape the academic research and worldviews of the students and faculty who rely on them. While human bias, commercial interests, and problematic metadata have long affected researchers' access to information, algorithms in library discovery systems increase the scale of the negative effects on users, while libraries continue to promote their "objective" and "neutral" search tools.