Nutzer-basierte Evaluierung der Google Knowledge Panel-Funktion

Author:

Entezari Rosa1,Scheibe Katrin1

Affiliation:

1. Heinrich-Heine-Universität Düsseldorf Institut für Sprache und Information Abteilung für Informationswissenschaft Universitätsstraße 1 Düsseldorf Deutschland

Abstract

Zusammenfassung Google Knowledge Panel sind Informationsfelder, die in der Suchmaschine Google Ergebnisse zu einer Suchanfrage mittels Informationen aus dem Google Knowledge Graphen gebündelt wiedergeben. Diese Funktion wird in der Regel bei Fragen oder Suchen nach Entitäten angezeigt und soll ermöglichen, relevante Informationen einfacher und schneller zu finden. Welche Arten von Google Knowledge Panels gibt es? Wie werden diese Funktion und die präsentierten Informationen (Inhalte) von den Nutzenden wahrgenommen? In dieser Studie wird das Google Knowledge Panel hinsichtlich der Systemqualität und der inhaltlichen Qualität aus Sicht des Nutzenden quantitativ evaluiert. Anhand des Information Service Evaluation (ISE) Modells wird ein auf das Google Knowledge Panel angepasstes Modell erarbeitet, das als theoretische Grundlage für die Entwicklung einer Umfrage dient. Die Ergebnisse der Umfrage mit 133 Teilnehmenden zeigen, dass die Erwartungen an ein optimales Informationsfeld innerhalb eines Information Retrieval Systems sich meist mit den Erfahrungen in Bezug auf das Google Knowledge Panel decken. In den folgenden Punkten erfüllt das Google Knowledge Panel nicht die Erwartungen: Glaubhaftigkeit, Vertrauen, Aktualität und Objektivität. Weitere Untersuchungen sind erforderlich, um den Grund für diese Differenzen zu finden und um genauere Vorschläge machen zu können, anhand derer das Google Knowledge Panel an die Bedürfnisse der Nutzenden angepasst werden kann.

Publisher

Walter de Gruyter GmbH

Reference35 articles.

1. Aliyu, F. M., & Yahaya, Y. I. (2021). An Investigation of the Accuracy of Knowledge Graph-base Search Engines: Google Knowledge Graph, Bing Satori and Wolfram Alpha. International Journal of Scientific & Engineering Research, 12(1), 11–15.

2. Amerland, D. (2013). Google Semantic Search: Search Engine Optimization (SEO) Techniques That Get Your Company More Traffic, Increase Brand Impact, and Amplify Your Online Presence. Que eBooks.

3. Assaf, A. E., Atemezing, G. A., Troncy, R., & Cabrio, E. (2014). What Are the Important Properties of an Entity? Comparing Users and Knowledge Graph Point of View. In V. Presutti, E. Blomqvist, R. Troncy, H. Sack, I. Papadakis, & A. Tordai (Eds.), Lecture Notes in Computer Science: Vol. 8798. The Semantic Web: ESWC 2014 Satellite Events (pp. 190–194). Springer. https://doi.org/10.1007/978-3-319-11955-7_16

4. Chah, N. (2018). OK Google, What Is Your Ontology? Or: Exploring Freebase Classification to Understand Google’s Knowledge Graph. arXiv (Cornell University). https://doi.org/10.48550/arXiv.1805.03885

5. DGTLS GmbH (2021, 02. November). Die „Ähnliche Fragen“-Box in der Google-Suche. DGTLS. Abgerufen am 04. Dezember 2022 von https://www.dgtls.com/de/google-aehnliche-fragen

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3