今天上課講到「連結標示」（Contextual Link）時有提到新聞網站的內文超連結，投影片上沒有舉例，覺得大家認為都很OK，請看下面這個例子。
請點報導的超連結到台視新聞網站，在網站上「一起」是clickable的，在把游標移過去前，先想想您可能會連到什麼內容，然後再把游標移過去，看看和您想的一不一樣？！
疑課業壓力大輔大男生跳樓亡著紅衣留遺書向父母道歉台視新聞 - Taiwan
就算不能盡如人意，還是得放寬心，昨天晚間，輔仁大學發生一起學生跳樓自殺案件。
2008年3月12日 星期三
2007年7月4日 星期三
資訊結構是什麼？
“Information architect” 這個詞是「資訊焦慮」的作者Richard Saul Wurman 在1975年提出來的，但是一直到近年來國外才有人自稱為資訊結構師（information architect）。
資訊結構（information architecture）是一個新領域，也才只有幾年的時間而已，但是其未來的需求與成長是可以預見。因為網站這個新媒體的蓬勃發展，整理大量資訊的需求也愈來愈殷切。資訊結構是以圖書館學與人機互動為基礎，所發展出來的一門學問。（Van Dijck, 2003, 8）
資訊結構是網站設計的新領域。資訊結構和視覺設計或程式設計是不一樣的，因為資訊結構關心的不只是網站的外觀，也不是網站的功能（functionality）。
資訊結構的目的是建立好用、滿足站主也滿足使用者需求的網站。資訊結構不是美工，也不是程式，而是溝通。
好的資訊結構是簡單、清楚、優雅，是很容易使用的網站。
不好的資訊結構是迂迴的、不一致的、複雜的，是很難用的網站。
資訊結構（information architecture）是一個新領域，也才只有幾年的時間而已，但是其未來的需求與成長是可以預見。因為網站這個新媒體的蓬勃發展，整理大量資訊的需求也愈來愈殷切。資訊結構是以圖書館學與人機互動為基礎，所發展出來的一門學問。（Van Dijck, 2003, 8）
資訊結構是網站設計的新領域。資訊結構和視覺設計或程式設計是不一樣的，因為資訊結構關心的不只是網站的外觀，也不是網站的功能（functionality）。
資訊結構的目的是建立好用、滿足站主也滿足使用者需求的網站。資訊結構不是美工，也不是程式，而是溝通。
好的資訊結構是簡單、清楚、優雅，是很容易使用的網站。
不好的資訊結構是迂迴的、不一致的、複雜的，是很難用的網站。
2007年7月3日 星期二
資訊結構師（Information Architect）做什麼？
資訊結構師的主要工作是組織網站資訊，讓使用者可以找到想要的資訊，可以完成任務。讓使用者更高興，買更多的東西，在網站停留更多的時間，讓公司賺更多的錢。
資訊結構師要做的事有：
- 使用者研究（User research）：使用者想在網站上做什麼事？完成什麼樣的任務？
- 定義內容（content）和功能（functionality）：什麼樣的內容和功能可以幫助使用者和組織達成其目的？
- 發展組織架構（organization schemes）：網站該如何組織？
- 與視覺設計或美工設計人員，共同發展介面（interface）。
- 監督網站的建置。
一般人認為資訊結構師要完成的成果之一是：網站地圖（sitemap）。網站地圖是網站的結構化概覽。在發展網站架構時，資訊結構師必須從各種組織方法中選擇，找出最能滿足使用者上網和組織建網目的的資訊架構。
但是，建立網站地圖不應該是資訊結構師最重要的工作，因為資訊結構不只是maps和diagrams，而是組織資訊並向團隊或上級長官溝通。因為資訊結構師擁有使用者和組織目標的深層知識，必須與程式設計師、視覺設計人員、內容作者等，密切合作，所以溝通技巧是很重要的。
所以，資訊結構師的大部份產出（deliverables）是溝通資訊，maps 和diagrams只是溝通工具而已，不可本末倒置。因為資訊結構師在網站設計團隊（web design team）中扮演重要的溝通角色，所以傾聽（listen）是必要能力。
使用者經驗（User experience）
使用者經驗是使用者訪問網站當時的感覺與想法的加總。如果是正向的訪問經驗，感覺應該很有成就感、很滿足。不好的使用經驗會驅使訪客快快離開網站，殘留的沮喪和生氣感受會讓訪客不再回到這個網站。資訊結構師要關心使用者經驗。在網站設計團隊的討論中，資訊結構師要站使用者這邊，為網站預設的客群發聲。訪問一個網站時感覺是不是愉快，取決於很多因素。包括視覺設計（look and feel）、內容（文字和圖片）、功能性（能做什麼）、和績效（速度）。但是，如果訪客找不到想找的東西或無法完成他想做的事，上面所舉的每一項要素都無法讓訪客留下正向的使用經驗。訪客最常抱怨的是，「我想不到我想找的東西」。人們對網站的認知，大半來自於是否可以達成其上網的目的。所以，好的資訊結構是網站成功的關鍵。要將使用者的任務和目的設計到網站中，資訊結構師要做的第一件事是真切地了解網站的使用者是誰，他想要上網做什麼。所有的設計決策都源自了解訪客。對使用者目標的理解與對組織目標的理解之間，必須取得平衡。通常，組織要的，可能和使用者要的是不一樣的。例如：組織希望蒐集個人資訊，個人卻想要保護個人隱私。資訊結構師的挑戰，就是怎麼樣同時關照兩方的需求。
流程與任務（Flow and tasks）
資訊結構師設計網站，而不只是網頁。訪客對網站的訪問經驗，不是由一個網頁決定的，而是由所訪問過的所有網頁來共同決定。網站中的每一個網頁都必須很好（beautiful）、很好用（easy to use）、內容很豐富（rich in content）；但是如果這些網頁沒有連貫沒有條理，那麼整體的訪問經驗還是很糟糕的。
流程（Flow）連結網頁，支援任務（tasks）。任務是訪客上網打算完成的一系列動作（actions），例如發email、買書、或研究某個主題。大部份的任務需要資訊結構師設計一個流程，讓訪客可以循序逛過幾個螢幕後完成任務。任務流程是經過設計的。這就是為什麼我們必須以使用者的立場來思考訪客上站來要做什麼，然後我們才能為訪客設計流程。任務可以很複雜，可以再細分成幾個小任務（sub-tasks）。例如：發email這個簡單的任務，還可能包括一個小任務—拼字檢查（spell check）。如果網站只設計給一個人使用，只做一件事，要設計一個完美的網站就很容易。但是網站的使用者通常包括各種不同類型的使用者，所以必須能夠支援多重任務（multiple tasks）和小任務（sub-tasks）。設計流程來支援最重要的任務，不是一件簡單的事。
產出（Deliverables）
資訊結構師要提供的研究方法（methodologies）和產出（deliverables）是一長串的清單，而且這個清單還不斷地增加。其中最重要的是對網站內容和組織的描述，通常是以網站的型式呈現；以及功能性的描述，說明網站的運作方式。內容和組織的清單（List of content and organization）資訊結構師通常必須負責研擬一份網站內容及其結構的清單，而且通常是以網站地圖（sitemap）和內容表（content table）的方式呈現。
網站地圖和內容表是兩種不同的網站內容呈現方式，各有優缺點。網站地圖可以清楚地展現網頁結構；內容表則可以呈現長串的網頁內容，而且可以提供更多詳細的資訊。
現實生活中的資訊結構
早期的網站設計就像是設計真實生活中的商店櫥窗（shop window）。逛網站的感覺就像在逛街。想像網站首頁就像商店的櫥窗展示，模擬現實生活中的資訊結構和設計。
然而，網站比商店櫥窗的展示，需要更多的組織；因為逛網站比逛街辛苦多了。逛網站唯一有的互動就是clicking，眼睛看到的就只是15吋或17吋的螢幕畫面，而且每click一次，還得等數秒鐘讓網頁下載。
功能性描述（Description of functionality）
功能性描述和任務流程（task flows）是要說明網站是如何運作的，個別的網頁間是如何連結運作，訪客上網可以執行什麼任務。呈現的方式可以有很多種，包括scenarios和流程圖（flow chart）。
Wire frames
Wireframes就像是使用者介面的草圖，展現介面設計（interface design），只是少了視覺設計（visual design）。Wireframe在一個頁面展示按鈕（buttons）、連結（links）、內容（content）和其他的介面項目，同時顯示各項目之間的關係。Wireframes是由資訊結構師和視覺設計師共同發展出來的成果。Wireframe很有用，因為它讓看的人可以關注使用者介面的結構，反複修改，而無需浪費時間修改視覺設計。
2007年4月21日 星期六
搜尋：樣式比對（ Pattern matching）
大部分搜尋引擎的檢索原理（retrieval algorithms）是應用「樣式比對」（pattern matching），亦即將使用者的查詢與索引（index）做比對，通常是到網頁全文中去找看看有沒有相同的字串。當找到一個相同的字串時，該網頁就會被新增到retrieval set。所以，如果使用者輸入"information architecture"，那麼有出現"information architecture"字串的網頁就會被檢索出來。聽起來好像很簡單，事實上比對的過程可以有很多種不同的做法，做法不同檢索出來的結果也不同。
查全(recall)與查準(precision)
有些檢索原理是將各種不同相關程度的結果全部都檢索出來，有些則只檢索出少部分高度相關的結果。這個概念就是查全(recall)與查準(precision) 。
查全(recall)＝檢得的相關文件筆數/資料庫中或網站中所有相關文件筆數
查準(precision) ＝檢得的相關文件筆數/資料庫中或網站中所有文件筆數
比如說網站中有1000篇文件，搜尋結果是100篇；事實上網站中相關的文件共有200篇。查全率是：100/200＝0.5，而查準率是：100/1000＝0.1。
搜尋系統設計應該強調查全還是查準呢？取決於網站的使用者！
如果網站的使用者是做法律研究、追蹤某個領域科學研究的最新發展、或者為企業併購進行研究，那麼使用者要的應該是查全（high recall）。再比如我們在搜尋引擎中輸入自己的名字做 ego-surfing時，也是希望找到所有有出現自己名字的網頁都找到，再一一瀏覽過濾。查全要面對的問題是，搜尋結果中會出現很多不相關的資訊。
另一種情況是只要找到幾篇真的很好的文件就好了。比如說上網找有關「簡報技巧」的資訊時，我只想要找到幾篇好文章學會簡報技巧，而不想要找網路上所有有關簡報技巧的文件全部都找全。這時我要的是高精確率的結果，是查準；不想知道到底有多少相關資訊，只要找到最優質的資訊即可。
那麼既查準又查全不是兩全其美嗎？可惜魚與熊掌難兼得！資訊結構師必須權衡兩者，決定那種方式對使用者最有用，再選擇一個最符合需求的搜尋引擎。
有些搜尋引擎提供自動切截（automatic stemming），將搜尋結果放大到搜尋相同字根的所有單字。如果是強切截（strong stemming）的話，搜尋computer時，可能搜尋到所有comput字根的單字，包括：computers, computation, computational, computing。這種搜尋方式可以搜尋到較多的文件，恴謂較高的查全率（higher recall）。
相反地，無切截（no stemming）時，輸入computers只會檢索到包含computers的文件，勿略所有其他的同字根的單字。弱切截（weak stemming）則只將搜尋擴大到包含複數詞彙，輸入computer，會檢索到包含computer和computers的文件。無切截和弱切截的查準率較強切截高，但查全率較低。該用那種搜尋系統呢？答案取決於使用者的資訊需求是屬於那種類型。
此外，還得考慮內容結構如何。如果在HTML或XML中有欄位（fields）設計，搜尋引擎可以「看到」，可以搜尋。那麼如果想要知道費曼博士的書，限定在作者欄位搜尋 Richard Feynman，可以得到較高的查準率；如果沒有欄位設計的話，只能以Richard Feynman在網站中做全文檢索，搜尋結果可能是只在文章中提到費曼博士，壓根兒都不是費曼博士的著作。
Document similarity（類似文件）
如果手邊已經有一篇很好的文件，可以利用一些原理搜尋到更多類似的文件，這就是所謂的Document similarity（類似文件）。搜尋引擎的做法是將這篇很好的文件中的頻繁字（stop words），例如： the, is ,he 等，加以刪除後，留下一組語意豐富的詞彙，代表這篇文件。然後以該組詞彙搜尋到更多類似結果。另一種方法是搜尋有用到相同metadata的文件（當然這得要該文件有用metadata做index才做得到）。
Collaborative filtering（協同過濾）
根據Wikipedia，協同過濾是藉由蒐集大量使用者的偏好資訊（collaborating）來自動預測（filtering）個別使用者偏好的方法。協同過濾的基本假設是：很多使用者的一致行為傾向於和未來的行為一致；協同過濾的協同是指很多的其他使用者所表現出來的一致的行為，過濾是用來幫助個別使用者過濾最適的資訊或者偏好行為。所以亞馬遜網路書店用其他使用者上網買書的行為（消費者會一起買的書是相同主題或興趣的）來做協同過濾，推薦使用者類似的書籍。
除了亞馬遜網路書店以外，2005年 Tim Spalding所建的線上個人圖書館LibraryThing是另一個好範例，使用者可以免費或付費註冊後將個人的館藏或喜歡讀的書建上去，並為每本書貼上書籤、寫書評，其他人就可以透過書籤和書評來搜尋或瀏覽相關圖書。例如：下圖是Tuesdays with Morrie 的搜尋結果，這本書有2千4百多位會員有收藏，有49位會員寫書評，下面的標籤雲則是會員們為這本書所貼的標籤，由標籤字體可以知道大部分人對這本書的認知（biography, death, inspirational）。接下來就是利用協同過濾所提供的「推薦」，如果您喜歡看Tuesdays with Morrie，您應該也會喜歡看Mitch Albom的另兩本書（在天堂遇見的五個人和for one more day），還有Morrie教授的現身說法等20本書。
查全(recall)與查準(precision)
有些檢索原理是將各種不同相關程度的結果全部都檢索出來，有些則只檢索出少部分高度相關的結果。這個概念就是查全(recall)與查準(precision) 。
查全(recall)＝檢得的相關文件筆數/資料庫中或網站中所有相關文件筆數
查準(precision) ＝檢得的相關文件筆數/資料庫中或網站中所有文件筆數
比如說網站中有1000篇文件，搜尋結果是100篇；事實上網站中相關的文件共有200篇。查全率是：100/200＝0.5，而查準率是：100/1000＝0.1。
搜尋系統設計應該強調查全還是查準呢？取決於網站的使用者！
如果網站的使用者是做法律研究、追蹤某個領域科學研究的最新發展、或者為企業併購進行研究，那麼使用者要的應該是查全（high recall）。再比如我們在搜尋引擎中輸入自己的名字做 ego-surfing時，也是希望找到所有有出現自己名字的網頁都找到，再一一瀏覽過濾。查全要面對的問題是，搜尋結果中會出現很多不相關的資訊。
另一種情況是只要找到幾篇真的很好的文件就好了。比如說上網找有關「簡報技巧」的資訊時，我只想要找到幾篇好文章學會簡報技巧，而不想要找網路上所有有關簡報技巧的文件全部都找全。這時我要的是高精確率的結果，是查準；不想知道到底有多少相關資訊，只要找到最優質的資訊即可。
那麼既查準又查全不是兩全其美嗎？可惜魚與熊掌難兼得！資訊結構師必須權衡兩者，決定那種方式對使用者最有用，再選擇一個最符合需求的搜尋引擎。
有些搜尋引擎提供自動切截（automatic stemming），將搜尋結果放大到搜尋相同字根的所有單字。如果是強切截（strong stemming）的話，搜尋computer時，可能搜尋到所有comput字根的單字，包括：computers, computation, computational, computing。這種搜尋方式可以搜尋到較多的文件，恴謂較高的查全率（higher recall）。
相反地，無切截（no stemming）時，輸入computers只會檢索到包含computers的文件，勿略所有其他的同字根的單字。弱切截（weak stemming）則只將搜尋擴大到包含複數詞彙，輸入computer，會檢索到包含computer和computers的文件。無切截和弱切截的查準率較強切截高，但查全率較低。該用那種搜尋系統呢？答案取決於使用者的資訊需求是屬於那種類型。
此外，還得考慮內容結構如何。如果在HTML或XML中有欄位（fields）設計，搜尋引擎可以「看到」，可以搜尋。那麼如果想要知道費曼博士的書，限定在作者欄位搜尋 Richard Feynman，可以得到較高的查準率；如果沒有欄位設計的話，只能以Richard Feynman在網站中做全文檢索，搜尋結果可能是只在文章中提到費曼博士，壓根兒都不是費曼博士的著作。
Document similarity（類似文件）
如果手邊已經有一篇很好的文件，可以利用一些原理搜尋到更多類似的文件，這就是所謂的Document similarity（類似文件）。搜尋引擎的做法是將這篇很好的文件中的頻繁字（stop words），例如： the, is ,he 等，加以刪除後，留下一組語意豐富的詞彙，代表這篇文件。然後以該組詞彙搜尋到更多類似結果。另一種方法是搜尋有用到相同metadata的文件（當然這得要該文件有用metadata做index才做得到）。
Collaborative filtering（協同過濾）
根據Wikipedia，協同過濾是藉由蒐集大量使用者的偏好資訊（collaborating）來自動預測（filtering）個別使用者偏好的方法。協同過濾的基本假設是：很多使用者的一致行為傾向於和未來的行為一致；協同過濾的協同是指很多的其他使用者所表現出來的一致的行為，過濾是用來幫助個別使用者過濾最適的資訊或者偏好行為。所以亞馬遜網路書店用其他使用者上網買書的行為（消費者會一起買的書是相同主題或興趣的）來做協同過濾，推薦使用者類似的書籍。
除了亞馬遜網路書店以外，2005年 Tim Spalding所建的線上個人圖書館LibraryThing是另一個好範例，使用者可以免費或付費註冊後將個人的館藏或喜歡讀的書建上去，並為每本書貼上書籤、寫書評，其他人就可以透過書籤和書評來搜尋或瀏覽相關圖書。例如：下圖是Tuesdays with Morrie 的搜尋結果，這本書有2千4百多位會員有收藏，有49位會員寫書評，下面的標籤雲則是會員們為這本書所貼的標籤，由標籤字體可以知道大部分人對這本書的認知（biography, death, inspirational）。接下來就是利用協同過濾所提供的「推薦」，如果您喜歡看Tuesdays with Morrie，您應該也會喜歡看Mitch Albom的另兩本書（在天堂遇見的五個人和for one more day），還有Morrie教授的現身說法等20本書。
想知道更多協同過濾的網站應用，請參考Wikipedia或google。
Citation Searching（引文檢索）
下圖是利用CiteSeer.IST （賓州州立大學所建的科技文獻數位圖書館）搜尋到的結果，每篇文章均提供下列幾種自動搜尋更多相關文獻的方法：- Cited by
現在正在看的這篇文章有被那些文章引用？文獻的引用與被引用關係隱含著某種相關，也許是作者有交集，也許作者間原本就互相認識。 - Active bibliography (related documents)
和cited by相反， Active bibliography 提供這篇文章的參考文獻（或稱書目），是作者在寫這篇文章時所參考引證的相關文獻，當然有相當程度的相關性。 - Similar documents based on text
當正在看的這篇文章轉譚成搜尋策略進行搜尋，找到相關的文獻。
- Related documents from co-citation
從共引文獻找到的相關文獻。如果其他作者在寫文章時，也參考引用相同的文獻，表示這兩篇文章應該有某種相關性存在。換句話說，A篇文章後面的參考文獻與B篇文章後面的參考文獻中，如果有相同的文獻，就表示A和B這兩篇文章有共引關係（co-citation）， A、B兩篇文章一定有共通性存在，一定都探討到某一個主題。
以上所介紹是幾種常見的搜尋原理，當然還有很多原理原則可以應用。不管用什麼方法，最重要的是找到最符合使用者需求的結果。所以citation searching通常對學術研究取向的使用者有用，對一般使用者可能沒有太大的加值。所以，資訊結構師在設計或選擇搜尋引擎時，請先了解使用者希望從我們的網站找到什麼樣的資訊。
Collaborative filtering. (2007, April 19). In Wikipedia, The Free Encyclopedia. Retrieved April 21, 2007, from http://en.wikipedia.org/w/index.php?title=Collaborative_filtering&oldid=123986565
Morville, P., & Rosenfeld, L. (2007). Information architecture for the World Wide Web (3rd ed.). Cambridge, MA: O'Reilly. pp. 159-162.
訂閱：
文章 (Atom)
