Tamara Heck

Combining social information for academic networking

Researchers in almost all scientific disciplines rely heavily on the collaboration of their colleagues. Throughout his or her career, any researcher will build up a social academic network consisting of people with similar scientific interests. A recommendation system could facilitate the process of identifying and finding the right colleagues, as well as pointing out possible new collaborators. As a researchers reputation is of great importance, the social information gleaned from citations and reference data can be used to cluster similar researchers. Web services, such as social bookmarking systems, provide new functionalities and a greater variety of social information - if exploited correctly, these could lead to better recommendations. The following chapter describes, by way of example, one approach to recommendation for social networking in academia.

Expert recommendation for knowledge management in academia

Recommendation systems are not only important in ecommerce, but in academia as well: They support scientists in finding relevant literature and also potential collaboration partners. It is essential that such a recommendation system proposes the most relevant people. Scientometric similarity measurements like co-citation and bibliographic coupling analysis have proved to give a good representation of research activities and hence it can be said that they put authors with similar research together and detect possible collaborations. Our aim is to implement a recommendation system for a target author who searches for collaboration colleagues. The research question is: 1) Can we propose a relevant author cluster for a target scientist? Furthermore we try to apply user data from the social bookmarking system CiteULike. The second research question is: 2) Is this user-based data also relevant for our target scientist and does it recommend different results? Our first outcomes of this work in progress are evaluated by our target authors. Copyright notice continues right here.

Social tagging & folksonomies: Indexing, retrieving… and beyond?

The purpose of this panel is to look back on seven years of research on folksonomies and tagging systems and to summarize its main contributions as well as to try forecasting the evolution folksonomies will make in the future. Research findings which show the advantages and drawbacks of folksonomies and tagging systems in various scenarios and which may reduce the reluctance of the professional side will be presented. Additionally, the panellists and audience will discuss the new breed of “folksonomies” formed by hashtags, geo-tags, system-tags etc. in order to find the best definitions for folksonomies and folksonomy-like structures.

Rewarding Fitness Tracking—The Communication and Promotion of Health Insurers’ Bonus Programs and the Use of Self-tracking Data

This paper analyzes German and Australian health insurer programs that offer self-tracking options for customers. We considered aspects of program promotion, program goals, and data privacy issues. Results are based on scanning current information available online via insurer websites. Seven Australian and six German insurers apply self-tracking. Programs in both countries vary, whereas most Australian insurers build their programs on third-party providers, and German insurers offer direct financial rewards. Those differences may be reasonable due to diverse health systems in both countries. Commonalities regarding the programs’ intentions are obvious. Furthermore, concerns about data policies arise across countries. The reward systems and intended program goals vary. The outcomes give insights into the status quo of self-tracking health insurer programs and contribute to a better understanding of the use of self-tracking data by providers. Moreover, further questions arise about the benefits of those programs and the protection of sensitive self-tracking data.

Mixing quantitative with qualitative methods: current practices in designing experiments, gathering data and analysis with mixed methods reporting

In this workshop, we set up a discussion on opposing approaches to evaluation methods in order to elicit best practice scenarios. We ask what are the best practice methods being used in the OzCHI community to address the complexities inherent in applying triangulation processes? If you already work with or are considering, researching, or working with both quantitative and qualitative evaluation methods (in academia or industry), join us in this workshop. In particular, we look at adding quantitative to qualitative methods to build a whole picture of user experience. We see a need to discuss both quantitative and qualitative research because there is often a perceived lack of understanding of the rigor involved in each. The workshop will result in a White Paper on the latest developments in this field, within Australia and comparative with international work. We anticipate sharing submissions and workshop outcomes with the HCI community.

Open access und open science in der Hochschullehre

„Ich als Student wünsche mir kostenlosen Zugriff auf so viele wissenschaftliche Dokumente wie möglich und kann daher von Open Access sehr profitieren.“ Diese Meinung vertritt Philipp Nowak, Student der Informationswissenschaft an der Heinrich-Heine-Universität Düsseldorf. Er ist für Open Access und kann nicht verstehen, warum nicht alle Literatur gratis für ihn zugänglich ist. Sein Kommilitone Jan Scheddler differenziert seine Aussage: „Als Verlagschef bin ich der Meinung, dass Open Access in das Portfolio eines jeden guten Wissenschaftsverlages gehört. Die Vorstellung, dass es für alle Beteiligten kostenlos ist, ist allerdings zu idealistisch.“ Die strikten Positionen der beiden Studierenden sind hier fiktiv, beide haben eine bestimmte Rolle eingenommen, um in der abschließenden Podiumsdiskussion verschiedene Standpunkte zum Thema Open Access und Open Science zu vertreten. Nicht jeder vertritt seine eigene Meinung, aber durch die verschiedenen Ansichten wird den Gästen verdeutlicht, dass die Debatte um den Umgang und die Entwicklung von Open Access nicht immer so einfach ist, wie sie zu sein scheint. Wissenschaftler und Studierende diskutieren hier mit Verlagen und Bibliotheken. Am Ende ziehen die Teilnehmer das Fazit, dass sich viele über das grundsätzlich Positive zu Open Access und Open Science einig sind, es aber bei der Umsetzung noch eine ganze Reihe an Probleme zu geben scheint. Die Studierenden der Informationswissenschaft in Düsseldorf diskutierten nicht in einem geschlossenen Seminar, sondern vor Gästen bei ihrer selbst organisierten

Analyse von sozialen Informationen für Autorenempfehlungen

Kollaborationen mit Kollegen sind für fast alle Wissenschaftler bedeutend. Forscher bauen sich im Laufe ihrer Karriere ein soziales Netzwerk mit Kontakten zu anderen Wissenschaftlern mit ähnlichen Interessen und Forschungsschwerpunkten auf. Ein Empfehlungssystem könnte einer Person dabei helfen, geeignete Kollegen und neue Kooperationspartner zu finden. Für einen Wissenschaftler ist seine Reputation sehr wichtig, die mit Zitationsund Referenzdaten analysiert werden kann. Solche Daten können dazu dienen, Cluster mit ähnlichen Forschern zu ermitteln, die wiederum für ein Empfehlungssystem verwendet werden können. Darüber hinaus enthalten neue Dienste des sozialen Webs, wie SocialBookmarking-Systeme, weitere Informationen über Wissenschaftler, auf Basis derer Personenvorschläge gemacht werden können. Im Folgenden wird ein Versuch beschrieben, verschiedene soziale Informationen über Wissenschaftler zu nutzen, um diesen relevante Kooperationspartner vorzuschlagen.

Experten-Empfehlungen mit Social Bookmarking-Services

Zusammenfassung Empfehlungssysteme haben sich insbesondere im e-Commerce etabliert, aber die Empfehlung von Experten oder Mitarbeitern in einem fi rmeninternen Netzwerk oder in wissenschaftlichen Disziplinen wird derzeit noch theoretisch diskutiert. Wir präsentieren einen Ansatz zur Entwicklung von Expertenempfehlungssystemen, der auf Beziehungen in digitalen sozialen Netzwerken wie Social Bookmarking-Systemen mit ihren Folksonomies beruht. Abstract Recommender systems are common in e-commerce, but the recommendation of experts and contact persons in company networks or scientifi c disciplines is still discussed theoretically. We propose an approach for establishing an expert recommender system based on similarity measures in digital social networks like social bookmarking services and their folksonomies.