Loading article…
ヒューマンコンピュータ情報検索（HCIR ）とは、人間の知能を検索プロセスに取り入れる情報検索技術の研究および工学である。これは、ヒューマンコンピュータインタラクション（HCI）と情報検索（IR）の分野を組み合わせ、人間の状況を考慮したり、人間のフィードバックの機会を提供する多段階の検索プロセスを通じて検索を改善するシステムを構築する。
この「人間とコンピュータによる情報検索」という用語は、ゲイリー・マーキオニーニが2004年から2006年にかけて行った一連の講義の中で造語したものです。 [ 1 ]マーキオニーニの主な主張は、「HCIRは、人々が大規模な情報ベースを探索できるようにすることを目指していますが、同時に、認知的および身体的なエネルギーを費やすことで、この制御に対する責任も負うことを求めています」というものです。
1996年と1998年にグラスゴー大学で開催された情報検索とヒューマンコンピュータインタラクションに関する2つのワークショップは、これら2つの分野の重複部分に取り組むことを目的としていた。マルキオニーニは、ワールドワイドウェブの影響と情報リテラシーの急激な向上を指摘している。これらの変化は、1990年代後半にはまだ初期段階にあった。
情報検索（ IR）とヒューマンコンピュータインタラクション（HCI）の交差点に焦点を当てたワークショップがいくつか開催されている。2005年にメリーランド大学ヒューマンコンピュータインタラクション研究所が開始した探索的検索ワークショップは、情報検索に関するAssociation for Computing Machinery Special Interest Group (SIGIR) とコンピュータヒューマンインタラクションに関するSpecial Interest Group (CHI) の会議で交互に開催されている。同じく2005年には、欧州科学財団がコンテキストにおける情報検索に関する探索的ワークショップを開催した。そして2007年には、マサチューセッツ工科大学で初のヒューマンコンピュータ情報検索ワークショップが開催された。
HCIR には、IR と HCI のさまざまな側面が含まれます。これには、ユーザーが一般的にクエリとブラウジング戦略を組み合わせて学習と調査を促進する探索的検索、コンテキスト情報検索 (つまり、クエリには通常反映されないユーザーまたは環境の側面を考慮に入れる)、およびインタラクティブ情報検索が含まれます。インタラクティブ情報検索は、Peter Ingwersen によって「情報検索 (IR) の主要な参加者すべて、つまりユーザー、仲介者、および IR システムを巻き込むことによって情報検索中に発生するインタラクティブなコミュニケーション プロセス」と定義されています。[ 2 ]
HCIRの重要な懸念事項は、人間ユーザーを対象としたIRシステムが、それらのユーザーのニーズを反映した方法で実装および評価されることである。[ 3 ]
最新の情報検索システムのほとんどは、クエリとの関連性の確率に基づいて文書にスコアを付けるランク付け検索モデルを採用しています。[ 4 ]このモデルでは、システムは上位にランク付けされた文書のみをユーザーに提示します。これらのシステムは通常、テキスト検索会議（TREC）などの組織が提供する一連のベンチマーククエリに対する平均精度に基づいて評価されます。
情報検索プロセスで人間の知能を使用することに重点を置いているため、HCIR では、システムの IR コンポーネントと HCI コンポーネントの評価を組み合わせた評価モデルなど、異なる評価モデルが必要です。HCIR の研究の重要な分野は、これらのシステムの評価です。Juergen Koenemann とNicholas J. Belkinによる 1996 年の自動クエリ再定式化のためのさまざまなレベルのインタラクションの研究など、インタラクティブ情報検索に関する初期の研究では、標準的な IR の測定基準である精度と再現率を利用していますが、単一のクエリ応答ではなく、ユーザーインタラクションの複数回の反復の結果に適用しています。[ 5 ] Pia Borlundの IIR 評価モデルなど、他の HCIR 研究では、ユーザーの特性、実験設計の詳細などに焦点を当て、HCI に似た方法論を適用しています。[ 6 ]
HCIRの研究者たちは、ユーザーが関連結果を決定する際により多くの制御権を持つシステムに向けて、以下の目標を掲げている。[ 1 ] [ 7 ]
システムは
要するに、情報検索システムは、優れた図書館と同様の方法で機能することが期待されている。システムは、利用者がデータや情報（これらの用語の非常に狭義で詳細な意味において）と知識（情報探索プロセスの次の段階に必要な文脈を提供する処理済みのデータや情報）との間のギャップを埋めるのを支援するべきである。つまり、優れた図書館は、利用者が必要とする情報を提供するだけでなく、学習プロセスにおけるパートナーである情報専門家も提供し、その情報を活用し、理解し、保存し、知識へと変換する（そして、それがさらに新たな、より情報に基づいた情報ニーズを生み出す）のを支援するのである。
HCIR（人間中心型情報検索）に関連する技術は、人間の知能を活用してユーザーを関連性の高い結果へと導く情報表現を重視しています。これらの技術はまた、ユーザーが不必要な時間、マウスのクリック、コンテキストの切り替えといったコストをかけずに、データセットを探索し理解できるようにすることを目指しています。
多くの検索エンジンには、HCIR（高コスト・コミュニティ情報検索）技術を取り入れた機能が搭載されています。スペル候補や自動クエリ再構成機能は、ユーザーを関連性の高い検索結果へと導く可能性のある検索経路を提案する仕組みを提供します。これらの提案はユーザーに提示され、選択と解釈の主導権はユーザー自身に委ねられます。
ファセット検索では、ユーザーはカテゴリからサブカテゴリへと階層的に情報をナビゲートできますが、カテゴリの表示順序はユーザーが選択できます。これは、カテゴリの階層が固定されていて変更できない従来の分類体系とは対照的です。ファセットナビゲーションは、分類ナビゲーションと同様に、利用可能なカテゴリ（またはファセット）を表示することでユーザーをガイドしますが、ユーザーのニーズや考え方に正確に合わない可能性のある階層を閲覧する必要はありません。[ 8 ]
先読み機能は、ペナルティなしで検索を行うための一般的なアプローチを提供します。例えば、様々なWebアプリケーションでは、 AJAXを使用して検索語句を自動的に補完し、人気の検索語句を提案しています。先読み機能のもう一つの一般的な例は、検索エンジンが検索結果に、静的情報（オブジェクトに関するメタデータなど）と、検索クエリの単語に最も関連性の高い文書テキストの「抜粋」を含む、結果に関する要約情報を付加する方法です。
関連性フィードバックにより、ユーザーは特定の結果の関連性が高いか低いかを示すことで、情報検索システムを誘導することができます。[ 9 ]
要約と分析は、ユーザーがクエリから返される結果を理解するのに役立ちます。ここでいう要約とは、クエリ結果を集約または圧縮して、より人間が理解しやすい形式にするあらゆる手段を指します。前述のファセット検索は、そのような要約の1つです。もう1つはクラスタリングで、類似または共起する文書や用語をグループ化することで、一連の文書を分析します。クラスタリングにより、結果を関連する文書のグループに分割できます。たとえば、「java」を検索すると、 「Java (プログラミング言語)」、「Java (島)」、「Java (コーヒー)」などのクラスターが返される可能性があります。
データの視覚的表現も、HCIRの重要な側面と考えられています。要約や分析結果は、集計データの表、グラフ、または要約として表示されます。ユーザーが検索結果の概要ビューにアクセスできるその他の情報視覚化手法には、タグクラウドやツリーマッピングなどがあります。