مقایسه وب سایت کتابخانه های دانشگاهی برتر ایرانی و بین المللی از منظر سئو و پیچیدگی بصری
محل انتشار: دو فصلنامه علم سنجی کاسپین، دوره: 11، شماره: 1
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 294
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CJS-11-1_006
تاریخ نمایه سازی: 5 آبان 1403
چکیده مقاله:
سابقه و هدف: یکی از عوامل موثر بر زیبایی شناسی یک وب سایت و در نتیجه جذب تعداد کاربران بیشتر در محیط وب، «پیچیدگی بصری» است. پژوهش حاضر به تحلیل رابطه همبستگی و رگرسیونی میان امتیاز سئو و درجه پیچیدگی بصری وب سایت کتابخانه دانشگاه های برتر ایرانی و بین المللی، ضمن مقایسه دو گروه مذکور پرداخته است.
مواد و روش ها: پژوهش از رویکرد ارزیابی تطبیقی استفاده کرده است. تعداد ۴۱ وب سایت کتابخانه دانشگاه های برتر بین المللی از منظر تایمز ۲۰۲۳ و تعداد ۴۱ وب سایت کتابخانه دانشگاه های برتر ایرانی از منظر پایگاه استنادی جهان اسلام ۱۴۰۰ مورد تحلیل و مقایسه قرار گرفتند. از پایگاه تحلیل سئوی «AIOSEO» و کتابخانه پایتون Athec در راستای استخراج داده ها بهره گرفته شد. تحلیل داده ها با نرم افزار SPSS انجام و ترسیم نمودار با Excel انجام شد.
یافته ها: رابطه همبستگی و رگرسیونی معنادار، میان سئو و پیچیدگی بصری در وب سایت کتابخانه دانشگاه های برتر بین المللی وجود نداشت (۰/۱۲۵p=)، اما در وب سایت کتابخانه های دانشگاهی برتر ایرانی، همبستگی ضعیف (۰/۳۶۲Pearson correlation coefficient=؛ ۰/۰۴۵p=) و نیز رگرسیون (۰/۰۴۵p=) معناداری مشاهده شد. بر اساس آزمون یومان ویتنی (Mann-Whitney U)، میان دو گروه وب سایت کتابخانه دانشگاه های برتر ایرانی و بین المللی، تفاوت معناداری از منظر میزان پیچیدگی بصری رویت شد (۰/۰۱۹p=).
نتیجه گیری: وب سایت کتابخانه های دانشگاهی برتر بین المللی دارای برند (Branding)، کافی هستند تا جایی که نیازی به سئو ندارند؛ اما در سطح کشور ایران، سئو و پیچیدگی بصری از یکدیگر اثر می پذیرند. بنابراین، شایسته است، مدیران کتابخانه های دانشگاهی ایران، در راستای اشتراک دانش از تجربیات کتابداران خبره در زمینه های «سئو» و «زیبایی شناسی» بهره جویند.
کلیدواژه ها:
نویسندگان
مریم طاوسی
Department of Knowledge and Information Science, Kharazmi University, Tehran, Iran
نادر نقشینه
Department of Knowledge and Information Science, University of Tehran, Iran
محمد زره ساز
Department of Knowledge and Information Science, University of Tehran, Iran
سیامک محبوب
Department of Data Science and Artificial Intelligence, National Library and Archives of Iran, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :