مطالعۀ وضعیت تولیدات علمی در حوزۀ «بازیابی اطلاعات موسیقی» در پایگاه اسکوپوس

نوع مقاله: مقاله پژوهشی

نویسنده

. دانشجوی دکتری علم اطلاعات و دانش‌شناسی، دانشگاه خوارزمی

چکیده

هدف: هدف از انجام این پژوهش، ارائۀ تصویر جامعی از وضعیت فعالیت‌های علمی حوزۀ بازیابی اطلاعات موسیقی است.
روش‌شناسی: پژوهش حاضر از نوع کاربردی علم‌سنجی است که بر اساس رویکرد کمّی و با استفاده از روش کتابخانه‌ای و شاخص‌های علم‌سنجی انجام شده است و با استفاده از روش‌های آمار توصیفی و تحلیلی در نرم‌افزار SPSS تولیدات علمی حوزۀ بازیابی اطلاعات موسیقی از ابتدا تا پایان سال 2014 را که در پایگاه اسکوپوس نمایه شده‌اند، بررسی کرده است.   
یافته‌ها: یافته‌ها نشان داد که از ابتدا (1995) تا پایان سال 2014، تعداد 1822 مدرک در پایگاه اسکوپوس در حوزۀ بازیابی اطلاعات موسیقی نمایه شده است؛ اما از سال 2004 به‌بعد، تولیدات علمی این حوزه دوران رشد خود را آغاز و در سال 2011 به دوران بالندگی رسیده است. همچنین یافته‌ها نشان داد که پُرکار‌ترین نویسنده،‌ ایچیرو فوجیناگا (Ichiro Fujinaga)، پرسابقه‌ترین فرد، مارک سندلر(Mark B. Sandler)، آمریکا و دانشگاه جوهانس کپلر (Johannes Kepler University)، به‌ترتیب فعال‌ترین کشور و مؤسسۀ پژوهشی این حوزه بوده‌اند. علاوه‌ بر این، بیش از 99درصد تولیدات علمی به زبان انگلیسی بوده و بیشترین آثار این حوزه به‌ترتیب مربوط به رشته‌های کامپیوتر، علوم انسانی و مهندسی است.
نتیجه‌گیری: نتایج نشان داد که بین تعداد نویسندگان همکار و شاخص هِرش نویسندگان، همبستگی در سطح یک‌صدم مثبت و معنادار است. بررسی و تحلیل محتوای آثار تولیدشده در حوزۀ بازیابی اطلاعات موسیقی می‌تواند به درک بهتر جریان‌های فکری و گفتمان غالب در این حوزه کمک کند.

کلیدواژه‌ها


امروزه انتظار و توقع افراد از دنیای مجازی بیشتر شده و انتظار دارند با جست‌وجو و مرور آثار موسیقی بر اساس محتوای اطلاعاتی، بتوانند به‌صورت آنلاین، به اثر موردنظر دسترسی یافته و نیاز اطلاعاتی موسیقایی خود را برطرف کنند (آکوتورر و پامپالک،[1] 2008). حوزۀ بازیابی اطلاعات موسیقی[2] از زیرشاخه‌های حوزۀ بازیابی اطلاعات به‌شمار می‌رود که سازمان‌دهی، تعیین روابط بین داده‌های موسیقایی[3] و حتی تولید موسیقی را بر عهده داشته و همواره تلاش می‌کند تا نیازهای واقعی چنین کاربران حرفه‌ای و غیرحرفه‌ای موسیقی را مرتفع سازد. انواع داده‌های موسیقایی می‌تواند شامل داده‌های کتاب‌شناختی (مانند نام هنرمند، ژانر و نوع موسیقی یا سال)، متنی (مانند داده‌های موجود در وب‌سایت‌های رسمی، وبلاگ‌ها یا مقالات خبری)، اجتماعی (افرادی که آلبوم یا تک‌آهنگی را خریداری می‌کنند و یا آن را به اشتراک می‌گذارند) و یا اطلاعات صوتی یا موسیقی‌شناختی[4] (مانند داده‌های استخراج‌شده از سیگنال‌های صوتی و/یا فایل‌های میدی[5]) باشد (بلو،[6] 2007). جامعه‌ای متشکل از پژوهشگران حوزه‌های گوناگون در سطح بین‌المللی در حال توسعۀ حوزۀ بازیابی اطلاعات موسیقی هستند. این متخصصان از حوزه‌هایی مانند علوم کتابداری، علوم اطلاعات، موسیقی‌شناسی، نظریه‌های موسیقی، مهندسی صدا، علوم کامپیوتر، روان‌شناسی، تعامل انسان و اطلاعات، حقوق و بازرگانی (دونی،[7] 2003، ص 296) با یکدیگر در حال تبادل نظر بوده و هریک از زاویه‌ای خاص، حوزۀ بازیابی اطلاعات موسیقی را موردمطالعه و بررسی قرار می‌دهند. ازاین‌رو، این حوزه ماهیتی میان‌رشته‌ای داشته و پژوهش‌ها و تولیدات علمی صورت‌گرفته در آن نیز به یک یا چند رشتۀ خاص محدود نمی‌شود.

طبقه‌بندی ژانر موسیقایی یکی از پژوهش‌های رایج در حوزۀ بازیابی اطلاعات موسیقی و یکی از مهم‌ترین موضوعات مطرح در نشست سالانۀ میرکس[8] به ‌شمار می‌رود.[9] علی‌رغم ذهنی‌بودن ماهیت رده‌بندی انواع موسیقی، فنون یادگیری ماشینی،[10] مانند ماشین‌های برداری پشتیبان،[11] در صددند تا در این زمینه به‌کمک این حوزه بشتابند. برخی از انواع طبقه‌بندی‌های موضوعی بالقوۀ صورت‌گرفته و کارکردهای بازیابی اطلاعات موسیقی
عبارت‌اند از: شناسایی هنرمند اعم از نوازنده یا خواننده، تشخیص خاستگاه موسیقی یا حال‌وهوایی
 که موسیقی ایجاد می‌کند، بازشناسی نت‌های به‌کاررفته و شناسایی خودکار گام[12]/ مُد[13]/ مقام[14]/ راگ[15]/

دستگاه[16] در یک اثر موسیقایی[17] و همچنین، تفکیک و تشخیص خودکار سازهای استفاده‌شده در اجراهای چندنفره[18] و گروهی.

تولید اثر موسیقیایی به‌صورت خودکار، از دیگر کاربردهای اصلی حوزۀ بازیابی اطلاعات موسیقی است که پژوهشگران از سراسر جهان به‌دنبال آن‌اند. اگرچه تلاش‌هایی در این خصوص انجام شده، ولی نتایج چنین پژوهش‌هایی به‌لحاظ درک انسانی، چندان موردپذیرش موسیقی‌دان‌ها واقع نشده است (بازیابی اطلاعات موسیقی،[19] 2015). کاربر و شنوندۀ موسیقی، بر اساس حال‌وهوایی که دارد، ممکن است تمایل داشته باشد به موسیقی‌ای گوش فرادهد که آرام‌بخش، شاد، خاطره‌انگیز، حماسی، عاشقانه یا مهیج باشد، یا به‌دنبال اثری می‌گردد که برای بافتی خاص، مانند مسافرت، تنهایی، مراسم عروسی یا پیش از خواب مناسب باشد. فردی دیگر فیلم یا اثری تبلیغاتی را ساخته است و به‌منظور تحت تأثیر قراردادن مخاطبان خود، به‌دنبال موسیقی مناسبی می‌گردد. برای هریک از ما بسیار اتفاق افتاده که به‌دنبال اثر موسیقی خاصی می‌گردیم، اما هیچ‌یک از تولیدکنندگان آن اثر شامل خواننده، آهنگساز، نوازندگان و غیره را به یاد نمی‌آوریم و تنها در پس ذهنمان بخشی از ملودی آن را به یاد داریم و می‌توانیم آن را زمزمه یا لب‌خوانی کنیم. چنین زمزمه‌ای می‌تواند به‌‌عنوان ورودی نظام بازیابی اطلاعات موسیقی تلقی شود.[20] همۀ این موارد جزو موضوعات حوزۀ بازیابی اطلاعات مطرح شده و پژوهش‌هایی در این خصوص انجام شده است.

از سوی دیگر، وضعیت تولیدات علمی نمایه‌شدۀ پژوهشگران و کشورها در نمایه‌های معتبر بین‌المللی، بخشی از مهم‌ترین شاخص‌های توسعۀ علمی و جزو شاخص‌های برون‌دادی علم و فناوری آن‌ها محسوب می‌شود (نوروزی‌چاکلی، حسن‌زاده و نورمحمدی، 1387). بنابراین، یکی از راه‌های اندازه‌گیری فعالیت علمی در حوزۀ خاص، بررسی میزان تولید علمی اعضای هیئت‌علمی دانشگاه‌ها، مراکز و کشورها و به‌طور خاص‌تر، بررسی تولیدات علمی پژوهشگران آن حوزه است. از آنجا که فعالیت‌های علمی و پژوهشی زیربنای توسعۀ فراگیر است، امروزه میزان فعالیت علمی کشورها، مؤسسات و افراد بر اساس تولیدات علمی منتشرشدۀ آن‌ها در نشریاتی که توسط پایگاه‌های استنادی نمایه شده‌اند، سنجیده می‌شود و مهم‌ترین شاخص تولید علم، تعداد مدارک نمایه‌شده از مجلات علمی در این پایگاه‌هاست (عبدخدا، قاضی میرسعید و نوروزی، 1389). بر همین اساس، در برخی از کشورها یکی از شاخص‌های اختصاص بودجه به دانشگاه‌ها و مؤسسات، میزان انتشار تولیدات علمی در پایگاه‌های اطلاعاتی معتبر بین‌المللی است (یوسفی و همکاران، 1391).

از مهم‌ترین پایگاه‌های استنادی بین‌المللی[21] معتبر که تولیدات علمی پژوهشگران را نمایه می‌کنند، می‌توان به سه پایگاه وب علوم[22]، گوگل اسکالر[23] و اسکوپوس[24] اشاره کرد که قدیمی‌ترین آن‌ها، پایگاه وب علوم (یا وب آو ساینس) است[25] که از سال 1955، فعالیت خود را توسط مؤسسۀ اطلاعات علمی[26] آغاز کرده و در حال حاضر، شرکت تامسون رویترز[27] مدیریت آن را بر عهده دارد. تا سال 2004 این نمایه‌نامه تنها پایگاه استنادی محسوب می‌شد، تا اینکه در این سال، دو پایگاه گوگل اسکالر و اسکوپوس پا به عرصۀ رقابت گذاشتند. در این میان، پایگاه‌ اسکوپوس به‌عنوان یکی از معتبرترین نمایه‌های استنادی محسوب می‌شود که توسط مؤسسۀ هلندی الزویر[28] تهیه و منتشر می‌شود و با توجه به نوع و دامنۀ فعالیت‌های خود، تحلیل استنادی تولیدات علمی حوزه‌های موضوعی مختلف را در سطح بین‌المللی در دستور کار خود دارد.[29] به همین دلیل به‌عنوان مرجعی برای ارزیابی و سنجش اعتبار تولیدات علمی پژوهشگران، سازمان‌های علمی و پژوهشی و بررسی روند تکاملی حوزه‌های گوناگون و ارتباط بین این حوزه‌ها موردتوجه قرار گرفته است (وفائیان، 1389). بیش از یک دهه است که در بسیاری از آیین‌نامه‌های مراکز پژوهشی، نظیر آیین‌نامۀ انتخاب پژوهشگر برتر سال، از نمایۀ استنادی اسکوپوس به‌عنوان ابزاری برای ارزیابی تولیدات علمی اعضای محترم هیئت‌علمی یاد شده است (آیین‌نامۀ ارتقای اعضای هیئت‌علمی دانشگاه‌ها و مؤسسات آموزش عالی و پژوهشی علوم پزشکی، مرداد 1387).

با مطالعۀ داده‌های گذشته‌نگر و با توجه به آمار و داده‌‌های کمّی، می‌توان فعالیت‌های آتی را پیش‌بینی کرد (داورپناه، 1384، ص 59). بر این اساس، با آگاهی از وضعیت تولیدات علمی و پیشرفت‌های صورت‌گرفته در حوزۀ بازیابی اطلاعات موسیقی، می‌توان تصویر جامعی از وضعیت فعالیت‌ها و تولیدات علمی پژوهشگران در این حوزه را نشان داد. این پژوهش بر آن است تا به بررسی سیر روند تکامل حوزۀ بازیابی اطلاعات موسیقی، تعداد مقالات و تعداد استنادها به این مقالات، کشورهای پیشرو در این حوزه، پُرکارترین پژوهشگران این حوزه، تعیین نشریات هسته بر اساس داده‌های مستخرج از پایگاه استنادی اسکوپوس بپردازد و با توجه به اینکه تاکنون پژوهشی در خصوص مطالعۀ وضعیت تولیدات علمی و اثرگذاری حوزۀ بازیابی اطلاعات موسیقی انجام نشده است، ضرورت انجام چنین پژوهشی احساس می‌شد. پژوهشگران حوزۀ بازیابی اطلاعات موسیقی، بدون داشتن آگاهی و شناخت کافی از نقشۀ جامع علمی این حوزه و در نتیجه، شناسایی نکردن صحیح و کارآمد همکاران تأثیرگذار حوزه و آثار علمی آنان، ممکن است از مسیر اصلی پژوهش خود، منحرف یا در این راه دچار دوباره‌کاری شوند. ازاین‌رو، پیگیری مستمر و داشتن شناخت کافی از نشریات معتبر و مرتبط، متخصصان و سازمان‌های برجسته و پیشرو حوزۀ بازیابی اطلاعات موسیقی، برای علاقه‌مندان و پژوهشگران این حوزه امری ضروری است. بنابراین، پژوهش حاضر در صدد پاسخ به پرسش‌های زیر است:

پرسش‌های پژوهش

1.  وضعیت منابع علمی تولیدشده در حوزۀ بازیابی اطلاعات موسیقی چگونه است؟

2.  نویسندگان پُرکار[30] در این حوزه چه کسانی هستند و موقعیت آن‌ها از نظر تعداد تولیدات علمی، درصد مشارکت، تعداد نویسندۀ همکار و رابطۀ آن با شاخص هرش و مدت زمان فعالیت علمی آن‌ها در حوزه چگونه است؟

3.  چه نوع مدارک علمی در حوزۀ بازیابی اطلاعات موسیقی در پایگاه اسکوپوس تولید شده است؟

4.  کشورها، مؤسسات پژوهشی و دانشگاه‌های فعال و تأثیرگذار در این حوزه کدام‌اند؟

5.  مدارک تولیدشده در حوزۀ بازیابی اطلاعات موسیقی به چه زبان‌هایی منتشر شده است؟

6.  منابع اطلاعاتی و مجلات هسته[31] در نشر یافته‌های علمی پژوهشگران حوزۀ بازیابی اطلاعات موسیقی کدام‌اند؟

7.  حوزه‌های موضوعی پرکار در تولیدات علمی پژوهشگران بازیابی اطلاعات موسیقی کدام است؟

پیشینۀ پژوهش

پیشینۀ این پژوهش، شامل آثاری هستند که به بررسی جایگاه و وضعیت حوزۀ بازیابی اطلاعات موسیقی، سیر و روند رشد یا افول آن و نیز وضعیت تولیدات علمی این حوزه پرداخته‌اند. پژوهش صمدی (1395) که با استفاده از روش مرور متون و منابع کتابخانه‌ای انجام شده است، پس از معرفی نظام‌های ذخیره و بازیابی اطلاعات موسیقایی، کارکردهایی چون شباهت، طبقه‌بندی منابع موسیقایی، آوانویسی موسیقی، تشخیص ریتم و گام، و امکان جست‌وجوی زمزمه‌ای را برای چنین نظام‌هایی ذکر می‌کند و به ضرورت‌ها و همچنین مشکلات و چالش‌های پیش روی پژوهشگران این حوزه پرداخته است که تنها پژوهش انجام‌شده در ایران در حوزۀ موسیقی می‌باشد. علاوه ‌بر این، تعداد پژوهش‌های انجام‌شده در خارج از کشور، که به بررسی و مطالعۀ پیشرفت‌ها و چالش‌های این حوزه پرداخته‌اند، نیز اندک است. کستِک[32] (2004) در پژوهشی مشکلات عمده بر سر راه سیگنال‌های موسیقی و حوزۀ بازیابی اطلاعات موسیقی را در شناسایی خودکار و ویرایش الگوهای اصوات موسیقی، بازیابی منابع شنیداری، شناسایی حالت گذرا[33] و نیز ویژگی‌های بیانی اصوات[34] دانسته و اصلی‌ترین مسئلۀ این حوزه را ساخت مرورگرهایی عمومی می‌داند که بتواند منابع شنیداری را به‌صورت آنلاین بازیابی کند.

آکوتورر و پامپالک (2008) در مقاله‌ای، به هستی‌شناسی پژوهش‌های بازیابی اطلاعات موسیقی و روند تکاملی پژوهش‌های این حوزه، از تشخیص ژانر موسیقی تا روش‌های برچسب‌زنی پرداخته‌اند. در این پژوهش، تاریخچۀ بازیابی اطلاعات موسیقی به سه دورۀ مهم و حیاتی تقسیم شده است. در دورۀ اول (دهۀ 1990) پژوهش‌های این حوزه بیشتر بر دسترسی به محتوای پایگاه‌های اطلاعاتی موسیقی، بر اساس الگوریتم‌هایی که محتوای شنیداری را تحلیل می‌کردند، تأکید داشتند. دورۀ دوم با شروع کنفرانس‌های انجمن بین‌المللی کنفرانس بازیابی اطلاعات موسیقی[35] از سال 2000 بود که پژوهش‌های این حوزه را وارد مرحلۀ جدیدی کرد و رده‌بندی ژانر موسیقی به‌صورت خودکار[36] در این دوره مطرح شد. به اعتقاد آکوتورر و پامپالک، دورۀ تاریخی سوم از سال 2008 به‌بعد آغاز شده است و به نظر می‌رسد از این دوره به‌بعد است که پژوهش‌های حوزۀ بازیابی اطلاعات موسیقی جنبۀ واقعی‌تری به خود گرفته است.

کامینسکار و ریچی[37] (2012) در پژوهش خود، پس از معرفی مفهوم جدید بازیابی اطلاعات موسیقی بافتی، آخرین پیشرفت‌ها و تحولات و همچنین چالش‌های مطرح در این حوزه را بررسی کرده‌اند. این اثر پس از معرفی مفاهیم رایج در بازیابی اطلاعات موسیقی، به مفهوم بافت در موسیقی، از طریق فنون نظام‌های پیشنهادی و ابزارهای مختلف توجه ویژه‌ای می‌کند. ایدۀ اصلی بازیابی اطلاعات موسیقی بافتی، پیشنهاد و بازیابی قطعات موسیقی بر اساس موقعیت واقعی کاربر است؛ برای مثال، وضعیت احساسی وی و شرایط بافتی دیگری که ممکن است بر ادراک کاربر از موسیقی تأثیر بگذارد. با این ‌حال، نویسندگان عنوان کرده‌اند که نرم‌افزارهای طراحی‌شده برای تحقق این امر در مراحل اولیۀ خود قرار دارند.

شدل، گومز و اوربانو[38] (2014) در مقالۀ مروری خود، مسائل مطرح و پیشرفت‌های اخیر حوزۀ بازیابی اطلاعات موسیقی، از جمله برچسب‌زنی خودکار معنایی،[39] بازیابی کاربرمحور[40] و رویکردهای پیشنهاد کاربران را بررسی کرده‌اند و ابتدا توضیحاتی را در خصوص روش‌هایی که بر سر آن‌ها توافق جمعی بین متخصصان حوزۀ بازیابی اطلاعات موسیقی در استخراج ویژگی‌ها و نمایه‌سازی موسیقی در هر دو زمینۀ سیگنال‌های صوتی و منابع دادۀ بافتی موسیقی، مانند صفحات وب یا برچسب‌زنی مشترک ارائه کردند که این مباحث به‌نوبۀ خود، طیف گسترده‌ای از فعالیت‌ها در این حوزه، از جمله جست‌وجوی موسیقی معنایی یا شناسایی موسیقی (پرس‌وجو بر اساس مورد[41]) را موجب شده است. همچنین در این پژوهش، جنبه‌های مهمِ چگونگی ارزیابی و مقایسۀ رویکردهای مختلف حوزۀ بازیابی اطلاعات موسیقی به مسائل گوناگون پرداخته شده و در نهایت، چالش‌های عمدۀ حل‌نشده در این حوزه بیان شده است.

همان طور که ملاحظه می‌شود، در این نوع پژوهش‌ها پس از معرفی و مروری جامع بر مفهوم بازیابی اطلاعات موسیقی، از نظر تاریخی به پیشرفت‌ها و تحولات عمدۀ این حوزه اشاره شده است و در نهایت، چالش‌ها و مشکلات عمده و حل‌نشده در این حوزه مطرح شده‌اند. به نظر می‌رسد تا مرحله بالندگی و رشد این حوزه، هنوز راه درازی در پیش است و حل این‌گونه مسائل و چالش‌ها، نیازمند همکاری بیشتر و نزدیک‌تر بین پژوهشگران حوزه‌های مرتبط باشد. در عین‌ حال، هیچ‌یک از این پژوهش‌ها به سیر تکاملی و اثرگذاری این حوزه، از منظر آثار و منابع علمی تولیدشده، تعداد استنادها، پُرکارترین پژوهشگران حوزه، منابع علمی هسته و مراکز تأثیرگذار و مهم در این حوزه را بررسی نکرده‌اند. به‌عبارت دیگر، پژوهش‌های مرتبط از لحاظ تحلیل محتوایی، این حوزه را بررسی کرده و به جنبه‌های کمّی این حوزه و وضعیت علمی آن از دیدگاه کلی نپرداخته‌اند. ازاین‌رو، خلاء انجام چنین پژوهشی احساس می‌شد و با توجه به اینکه تاکنون پژوهشی در خصوص مطالعۀ وضعیت تولیدات علمی و اثرگذاری حوزۀ بازیابی اطلاعات موسیقی انجام نشده است، انجام چنین پژوهشی ضروری به نظر می‌رسد.

 

روش‌شناسی پژوهش

پژوهش حاضر از نوع کاربردی علم‌سنجی است که بر اساس رویکرد کمّی و با روش کتابخانه‌ای و با استفاده از شاخص‌‌های علم‌سنجی، به بررسی وضعیت تولیدات علمی حوزۀ بازیابی اطلاعات موسیقی از ابتدا تا پایان سال 2014 پرداخته است. جامعۀ پژوهش شامل کلیۀ منابع و آثار علمی نمایه‌شدۀ حوزۀ بازیابی اطلاعات موسیقی (تعداد 1822 مدرک) در پایگاه استنادی اسکوپوس، از ابتدا تا زمان انجام این پژوهش[42] می‌باشد. برای جمع‌آوری داده‌ها، از فرمول ترکیبی جست‌وجو در این پایگاه استفاده شد. عبارت «بازیابی اطلاعات موسیقی» (به زبان انگلیسی)[43] در داخل علامت نقل‌قول قرار گرفت تا این سه واژه به‌عنوان یک عبارت در نظام در نظر گرفته شده و دقیقاً عین عبارت فوق بازیابی شود. سپس، در سه فیلد جداگانه «عنوان مقاله»، «کلیدواژه‌ها» و «عنوان منبع» همین عبارت تکرار و با عملگر یا (OR) ترکیب شدند[44] که درمجموع، تعداد 1822 مدرک بازیابی شد. برای تجزیه‌وتحلیل داده‌ها و به‌دست‌آوردن میانگین و ضریب همبستگی پیرسون از نرم‌افزار SPSS استفاده شده است.

یافته‌های پژوهش

در این قسمت به پرسش‌های پژوهش، از جمله وضعیت منابع علمی تولیدشده در حوزۀ «بازیابی اطلاعات موسیقی»، نویسندگان پُرکار، انواع مدارک تولیدشده، تأثیرگذارترین کشورها و مؤسسات، معرفی مجلات هسته و حوزه‌های موضوعی پرکار در تولیدات پژوهشگران بازیابی اطلاعات موسیقی پاسخ داده شده است.

پرسش اول: وضعیت منابع علمی تولیدشده در حوزۀ بازیابی اطلاعات موسیقی چگونه است؟

جدول 1. تعداد تولیدات علمی در حوزۀ بازیابی اطلاعات موسیقی از ابتدا تا پایان سال 2014

سال

تعداد تولیدات علمی

سال

تعداد تولیدات علمی

1995

1

2007

179

1998

1

2008

182

2000

4

2009

215

2001

8

2010

216

2002

17

2011

237

2003

20

2012

208

2004

28

2013

101

2005

145

2014

105

2006

154

 

 

جمع کل

1822

 

داده‌های جدول 1 نشان می‌دهد که تولید اطلاعات علمی در حوزۀ بازیابی اطلاعات از ابتدای پیدایش این رشته تا سال 2004، رشد نسبتاً کم و نامحسوسی داشته است. این رشد از سال 2005 ناگهان شدت یافته و در سال 2011 به بیشترین مقدار خود می‌رسد. بنابراین، در بین سال‌های 2005 (145 مدرک) تا 2011 (237 مدرک) جهش چشمگیر و مداومی در تعداد مدارک تولیدشده مشاهده می‌شود. با مقایسۀ داده‌های جدول 1 می‌توان نتیجه گرفت که از سال 2004 به‌بعد، تولیدات علمی حوزۀ بازیابی اطلاعات، دوران رشد خود را آغاز و در سال 2011 به دوران بالندگی رسیده است. از این سال به‌بعد، آغاز دوران افول در تولیدات علمی این حوزه را شاهد هستیم. می‌توان چنین استنباط کرد که از سال 2011 به‌بعد، جامعۀ علمی حوزۀ بازیابی اطلاعات ترجیح داده بیش از آنکه به مبانی نظری و تولید علم توجه کند، به مبانی عملی و چرخۀ تولید محصولات توجه بیشتری نشان دهد. در واقع، یافته‌های علمی منتشرشده در منابع اطلاعاتی و نشریات این حوزه، از سال 2011 به‌بعد، وارد مرحلۀ اجرایی و عملی شده است.

پرسش دوم: پُرکارترین نویسندگان در این حوزه چه کسانی هستند و موقعیت آن‌ها از نظر تعداد تولیدات علمی، درصد مشارکت، تعداد نویسندۀ همکار و رابطۀ آن با شاخص هرش و مدت‌زمان فعالیت علمی آن‌ها در حوزه چگونه است؟

جدول 2. پانزده پژوهشگر دارای بیشترین تعداد تولیدات علمی در حوزۀ بازیابی اطلاعات موسیقی

رتبه

نام پژوهشگر

تعداد منابع علمی تولیدشده

تعداد کل استنادها

بیشترین تعداد استناد: سال (تعداد استناد در آن سال)

شاخص هرش

تعداد نویسندگان همکار

بازۀ زمانی فعالیت علمی (تا پایان 2014)

وابستگی سازمانی

1

Fujinaga, Ichiro

49

264

2010 (45)

9

88

2000

McGill University, Schulich School of Music, Montreal, Canada

2

Schedl, Markus

48

254

2013 (65)

8

56

2005

Johannes Kepler Universitat Linz, Linz, Austria

3

Müller, Meinard

37

416

2013 (126)

12

69

2004

Friedrich-Alexander-Universität Erlangen-Nürnberg, Erlangen, Germany

4

Goto, Masataka

37

341

2011 (139)

17

95

1996

National Institute of Advanced Industrial Science and Technology, Tokyo, Japan

5

Tzanetakis, George

37

1375

2010 (184)

13

150

1999

University of Victoria, Department of Computer Science, Victoria, Canada

6

Widmer, Gerhard

36

1416

2010 (177)

16

67

1993

Johannes Kepler Universitat Linz, Department of Computational Perception, Linz, Austria

 

 

 

 

 

 

ادامه جدول 2. پانزده پژوهشگر دارای بیشترین تعداد تولیدات علمی در حوزۀ بازیابی اطلاعات موسیقی

 

رتبه

نام پژوهشگر

تعداد منابع علمی تولیدشده

تعداد کل استنادها

بیشترین تعداد استناد: سال (تعداد استناد در آن سال)

شاخص هرش

تعداد نویسندگان همکار

بازۀ زمانی فعالیت علمی (تا پایان 2014)

وابستگی سازمانی

7

Downie, John Stephen

34

460

2012 (76)

8

40

2000ـ 2013

University of Illinois at Urbana-Champaign, Graduate School of Library and Information Science, Urbana, United States

8

Sandler, Mark B.

27

1499

2013 (174)

20

136

1985

Queen Mary, University of London, School of Electronic Engineering and Computer Science, London, United Kingdom

9

Knees, Peter

27

191

2013 (35)

8

23

2005

Johannes Kepler Universitat Linz, Department of Computational Perception, Linz, Austria

10

Richard, Gaël

26

224

2013 (202)

18

111

2001

TELECOM ParisTech, Paris Cedex 13, France

11

Dixon, Simon

25

633

2011 (109)

13

60

1993

Queen Mary, University of London, London, United Kingdom

12

Lanckriet, Gert R G

24

991

2013 (508)

22

116

2001

University of California, San Diego, Department of Electrical & Computer Engineering, San Diego, United States

13

Pohle, Tim

21

207

2011 (37)

8

14

2005ـ 2012

Johannes Kepler Universitat Linz, Department of Computational Perception, Linz, Austria

ادامه جدول 2. پانزده پژوهشگر دارای بیشترین تعداد تولیدات علمی در حوزۀ بازیابی اطلاعات موسیقی

رتبه

نام پژوهشگر

تعداد منابع علمی تولیدشده

تعداد کل استنادها

بیشترین تعداد استناد: سال (تعداد استناد در آن سال)

شاخص هرش

تعداد نویسندگان همکار

بازۀ زمانی فعالیت علمی (تا پایان 2014)

وابستگی سازمانی

14

Rauber, Andreas

20

109

2011 (141)

13

146

1999

Rauber, Andreas

Technische Universitat Wien, Vienna, Austria

15

Herrera, Perfecto

20

114

2012 (65)

9

75

2002 – 2013

Universitat Pompeu Fabra, Music Technology Group, Barcelona, Spain

 

 

 

 

 

 

 

 

 

 

یافته‌های جدول 2 نشان می‌دهد که فعال‌ترین نویسنده‌ در حوزۀ بازیابی اطلاعات ایچیرو فوجیناگا، عضو هیئت‌علمی دانشگاه مک‌گیل کانادا، با 49 اثر علمی، مجموع 264 استناد و شاخص هرش 9 است. پس از وی مارکوس شدل[45] تنها با تولید یک مقاله کمتر از فوجیناگا (48 مقاله)، در رتبۀ دوم پرکارترین نویسندگان قرار دارد. وی عضو هیئت‌علمی گروه کامپیوتر دانشگاه جوهانس کپلر از کشور اتریش است. پرسابقه‌ترین فرد در این حوزه، آقای مارک سندلر متخصص پردازش اطلاعات از دانشگاه کوین ماری لندن[46] است که از سال 1995 تاکنون (2014) تعداد 27 تولید علمی داشته است.

جدول 3. همبستگی بین تعداد نویسندگان همکار و شاخص هرش در نرم‌افزار SPSS

 

 

 

 

 

 

 

 

 

 

 

یافته‌های جدول 3 نشان می‌دهد که متوسط شاخص هرش ۱۵ نفر اول افراد پُرکار در حوزۀ بازیابی اطلاعات موسیقی، حدود 13 و میانگین تعداد نویسندگان همکار آن‌ها 83 نفر است که رقم قابل‌ملاحظه‌ای است. نکتۀ جالب اینجاست که در سال 2011، هم بیشترین تعداد تولیدات علمی در حوزۀ بازیابی اطلاعات موسیقی و هم بیشترین استنادها در این سال اتفاق افتاده است. سؤالی که در اینجا مطرح می‌شود این است که آیا میان شاخص هرش و تعداد همکاران علمی رابطۀ‌ معناداری وجود دارد؟ به‌منظور پاسخ به این سؤال، با استفاده از آزمون پیرسون، همبستگی بین تعداد نویسندگان همکار و شاخص هرش آن‌ها محاسبه شد و نتایج نشان داد که بین این دو متغیر، همبستگی در سطح یک‌صدم معنادار است. بدین معنا که هرچه تعداد همکار علمی یک نویسنده بیشتر باشد، بر اساس شاخص هرش، آن فرد از تأثیرگذاری علمی بیشتری نیز برخوردار است.

پرسش سوم: چه نوع مدارک علمی در حوزۀ بازیابی اطلاعات موسیقی در پایگاه اسکوپوس تولید شده است؟

جدول 4. نوع منبع اطلاعاتی تولیدشده در حوزۀ بازیابی اطلاعات موسیقی

نوع مدرک

تعداد مدارک

درصد

مقاله‌های کنفرانس و کتاب‌های دنباله‌دار‌ ‌

1525

7.‌83

مقاله‌های چاپ‌شده در مجلات

253

9.‌13

نقد و بررسی

14

8.‌0

نقد و بررسی کنفرانس

11

6.‌0

فصل‌های کتاب

9

5.‌0

سرمقاله

5

3.‌0

یادداشت

5

3.‌0

جمع کل

1822

100

 

یافته‌های جدول 4 نشان می‌دهد که تولیدات علمی مربوط به زمینۀ موضوعی حوزۀ بازیابی اطلاعات در پایگاه اسکوپوس در قالب 7 نوع مدرک منتشر شده است که از این بین، مقالات کنفرانس[47] و کتاب‌های دنباله‌دار[48] با 1525 مدرک (7.‌83 درصد) از مجموع مدارک، عمده‌ترین شکل تولیدات علمی را تشکیل می‌دهند. از این تعداد (1525 مدرک)، 916 مدرک تنها در مجموعه مقالات کنفرانس ایسمیر،[49] تعداد 95 مدرک در کتاب‌های دنباله‌دار یادداشت‌های سخنرانی در علم کامپیوتر[50] و نیز تعداد 59 مدرک در مجموعه مقالات کنفرانس بین‌المللی آی تریپل ای، در حوزۀ بیان آکوستیک و پردازش سیگنال (آی.سی.اِی. اس.اس.پی[51]) منتشر شده است. در مجموعه‌ مقالات کنفرانس ایسمیر، سالانه به‌طور متوسط حدود 100 مقاله به چاپ رسیده است. از این منظر، این سه مدرک اطلاعاتی، جزو منابع هستۀ حوزۀ بازیابی اطلاعات موسیقی به حساب می‌رود. پس از آن، مقالات نشریات[52] با 9.‌13درصد، نقد و بررسی‌ها با 8.‌0درصد به‌ترتیب در رتبه‌های دوم و سوم قرار گرفته‌اند. این سه نوع منبع اطلاعاتی، درمجموع حدود 98درصد از کل تولیدات علمی را تشکیل می‌دهند. بقیۀ انواع مدارک از قبیل نقد کنفرانس[53]، فصل کتاب،[54] سرمقاله[55] و یادداشت،[56] ۲درصد باقی‌مانده از منابع اطلاعاتی را تشکیل داده‌اند. 

 

پرسش چهارم: کشورها، مؤسسات پژوهشی و دانشگاه‌های فعال و تأثیرگذار در این حوزه کدام‌اند؟

در این بخش به مطالعۀ کشورها، مؤسسات پژوهشی و دانشگاه‌های فعال و تأثیرگذار در این حوزه پرداخته شده است.

جدول 5. میزان مشارکت علمی اصلی‌ترین کشورهای جهان در تولید منابع حوزۀ بازیابی اطلاعات موسیقی

رتبه

نام کشور

تعداد مدارک

درصد

درصد تجمعی

1

آمریکا

426

38.‌23

38.‌23

2

انگلستان

199

92.‌10

30.‌34

3

آلمان

142

79.‌7

09.‌42

4

کانادا

134

35.‌7

45.‌49

5

اسپانیا

125

86.‌6

31.‌56

6

ژاپن

125

86.‌6

17.‌63

7

فرانسه

121

64.‌6

81.‌69

8

اتریش

118

47.‌6

28.‌76

9

چین

82

50.‌4

79.‌80

10

هلند

57

12.‌3

91.‌83

 

جمع کل

1529

91.‌83

91.‌83

 

 

 

فعال‌ترین کشورها: کشور آمریکا فعال‌ترین کشور جهان در تولید مدارک علمی در حوزۀ بازیابی اطلاعات در پایگاه اسکوپوس است (جدول 5)؛ به‌طوری که بیش از 426 مدرک (38.‌23درصد از کل مدارک علمی منتشرشده در این زمینه) مربوط به این کشور است. پس از آمریکا سه کشور انگلستان، آلمان و کانادا، هرکدام به‌ترتیب با مشارکت 92.‌10، 79.‌7 و 35.‌7درصد از تولیدات جهانی این زمینۀ موضوعی در رتبه‌های دوم، سوم و چهارم قرار دارند. بدین ترتیب، این چهار کشور حدود نیمی از کل تولیدات علمی حوزۀ بازیابی اطلاعات موسیقی را بر عهده دارند. نکتۀ قابل‌توجه، حضور کشوری آسیایی، یعنی کشور تایوان، در تولیدات علمی این حوزه است؛ به‌طوری که این کشور با تولید 57 مدرک در رتبۀ یازدهم قرار دارد. درمجموع، 41 کشور در تولیدات علمی حوزۀ بازیابی اطلاعات موسیقی مشارکت داشته‌اند که در این میان، کشور ایران با تولید 3 مدرک جزو 6 کشوری است که بین رتبه‌های 33 تا 38 قرار دارد.

جدول 6. مؤسسات، مراکز تحقیقاتی و دانشگاه‌های پیشرو در حوزۀ بازیابی اطلاعات موسیقی

رتبه

نام دانشگاه یا مؤسسه

نام شهر، کشور

تعداد مدرک

1

Johannes Kepler Universitat Linz

شهر لینز، کشور اتریش

74

2

Queen Mary, University of London

لندن، انگلستان

70

3

Universitat Pompeu Fabra

بارسلونا، اسپانیا

67

4

McGill University

مونترئال، کانادا

59

5

University of Illinois at Urbana-Champaign

ایالت ایلینویز، امریکا

44

6

Austrian Research Institute for Artificial Intelligence

وین، اتریش

43

7

National Institute of Advanced Industrial Science and Technology

توکیو، ژاپن

41

8

University of Victoria

بریتیش کلمبیا، کاناد

37

9

University of California, San Diego

ایالت ساندیگو، امریکا

35

10

Universitat Bonn

بن، آلمان

28

مؤسسات، مراکز تحقیقاتی و دانشگاه‌های پیشرو: بیش از 150 مؤسسه، مرکز تحقیقاتی و دانشگاه‌های پیشرو در زمینۀ تولیدات علمی حوزۀ بازیابی اطلاعات مشارکت داشته‌اند. در این بین، بیشترین تعداد مدارک تولیدشده در این حوزه، مربوط به پژوهشگران دانشگاه جوهانس کپلر می‌باشد که تعداد 74 مدرک از کل 1822 مدارک تولیدشده، مربوط به این دانشگاه می‌باشد. دانشگاه‌های کوین ماری[57] و پامپئو فابرا[58] به‌ترتیب با تولید 70 و 67 مدرک علمی، در رتبه‌های دوم و سوم قرار گرفته‌اند (جدول 6).

پرسش پنجم: مدارک تولیدشده در حوزۀ بازیابی اطلاعات موسیقی به چه زبان‌هایی منتشر شده است؟

در این بخش، به‌دنبال بررسی این مسئله هستیم که مدارک تولیدشده در حوزۀ بازیابی اطلاعات موسیقی به چه زبان‌هایی منتشر شده است. از آنجا که زبان علمی اکثر حوزه‌های علمی انگلیسی است، حوزۀ بازیابی اطلاعات موسیقی نیز از این امر مستثنا نبوده و بیش از 99درصد تولیدات علمی منتشرشده در حوزۀ بازیابی اطلاعات موسیقی در پایگاه اسکوپوس به زبان انگلیسی بوده (تعداد 1808 مدرک) سایر زبان‌ها[59] سهم بسیار ناچیز و کمتر از ۱درصد از کل مدارک را تشکیل داده‌اند. چنانچه خاستگاه موسیقی و مهد موسیقی کلاسیک غربی را کشور اتریش و آلمان که زبان رسمی آن‌ها آلمانی است بدانیم، این مسئله کمی غیرعادی به نظر می‌رسد که هیچ مدرکی به این زبان منتشر نشده است. چنین امری نشان می‌دهد که حوزۀ بازیابی اطلاعات موسیقی با وجود آنکه زبان آهنگ‌سازان و موسیقی‌دان‌های مشهور و مطرح در سطح جهانی آلمانی است، اما حتی این افراد نیز ترجیح می‌دهند آثار خود را به زبان انگلیسی منتشر کنند.

در این بخش، مجلات هسته یا مجلات دارای نقش عمده در نشر یافته‌های علمی پژوهشگران حوزۀ بازیابی اطلاعات موسیقی، موردبررسی قرار گرفته است.

پرسش ششم: منابع اطلاعاتی و مجلات دارای نقش عمده در نشر یافته‌های علمی پژوهشگران حوزۀ بازیابی اطلاعات موسیقی کدام‌اند؟

 

 

 

 

 

 

 

 

 

 

 

 

 

 

نمودار 1. چهار منبع اطلاعاتی و نشریۀ هستۀ حوزۀ بازیابی اطلاعات موسیقی، بر اساس تعداد منابع اطلاعاتی
تولیدشده در هر سال از ابتدا تا انتهای سال 2014

یافته‌های نمودار 1 نشان می‌دهد که کلیۀ آثار علمی حوزۀ بازیابی اطلاعات موسیقی در 60 منبع علمی منتشر می‌شود؛ این در حالی است که اغلب آن‌ها تنها در 30 نشریه و مجموعه مقالات کنفرانس انتشار یافته‌اند. نمودار 1 ۴ منبع اطلاعاتی هستۀ این حوزه، بر اساس تعداد مقالات چاپ‌شده در هر سال را از ابتدا تا انتهای سال 2014 را نمایش می‌دهد.

پرسش هفتم: حوزه‌های موضوعی پُـرکار در تولیدات علمی پژوهشگران بازیابی اطلاعات موسیقی کدام است؟

جدول 7. حوزه‌های موضوعی تولیدات علمی پژوهشگران حوزۀ بازیابی اطلاعات موسیقی

ردیف

عنوان حوزه

تعداد مقاله

درصد

1

علوم کامپیوتر

1606

14.‌88

2

علوم انسانی

967

07.‌53

3

مهندسی

328

00.‌18

4

ریاضی

162

89.‌8

5

فیزیک

115

31.‌6

6

علوم اجتماعی

66

62.‌3

 

 

 

 

 

همان گونه که اشاره شد، حوزۀ بازیابی اطلاعات موسیقی، جزو رشته‌های میان‌رشته‌ای بوده و متخصصان زیادی از حوزه‌های گوناگون به این حوزه پرداخته‌اند. شش حوزۀ موضوعی که بیش از 50 منبع اطلاعاتی در آن حوزه تولید شده بود، انتخاب شد. همان گونه که در جدول 7 مشاهده می‌شود، بیشترین مقالات تولیدشده در بازیابی اطلاعات موسیقی، به‌ترتیب مربوط به حوزه‌های علوم کامپیوتر، علوم انسانی، مهندسی، ریاضی، فیزیک و علوم اجتماعی است. لازم به ذکر است که پایگاه اسکوپوس کلیۀ موضوعات علمی را در 27 حوزۀ موضوعی تقسیم‌بندی کرده است[60] که از این تعداد، بازیابی اطلاعات موسیقی بیشتر در سه حوزۀ علوم کامپیوتر، علوم انسانی و مهندسی فعالیت داشته است.

بحث و نتیجه‌گیری

نتایج این پژوهش نشان داد که از ابتدا (1995) تاکنون، تعداد 1822 مدرک در حوزۀ بازیابی اطلاعات موسیقی تولیدشده که در پایگاه اسکوپوس نمایه شده‌اند. با این ‌حال، از سال 2004 به‌بعد، تولیدات علمی حوزۀ بازیابی اطلاعات دوران رشد خود را آغاز و در سال 2011 به دوران بالندگی رسیده است. به‌عبارت دیگر، اگرچه تولیدات علمی از سال 2005 افزایش یافته، اما نقطۀ اوج بالندگی این حوزه و رشد چشمگیر مقالات بین بازۀ زمانی چهارساله، یعنی از سال 2009 تا 2012 است؛ به‌طوری که حدود نیمی از کل مقالات تولیدی (876 مقاله)، مربوط به این بازۀ زمانی است. طی دو سال آتی (2013 و 2014)، تعداد تولیدات علمی این حوزه به کمتر از نصف کاهش یافته است. به نظر می‌رسد یافته‌های علمی منتشرشده در منابع اطلاعاتی و نشریات این حوزه طی دو سال اخیر، وارد مرحلۀ اجرایی و عملی شده است و جامعۀ علمی بازیابی اطلاعات موسیقی ترجیح داده است که کمتر به مبانی نظری پرداخته و به برون‌داد و تولید محصول توجه نشان دهد. تقسیم‌بندی تاریخی در پژوهش آکوتورر و پامپالک نیز این یافته را تأیید می‌کند و نشان می‌دهد که از دورۀ تاریخی سوم به‌بعد (بعد از سال 2008)، پژوهش‌های حوزۀ بازیابی اطلاعات موسیقی جنبۀ واقعی‌تری به خود گرفته‌اند.

بین سال‌های 1984 تا سال 2000، تولیدات علمی در حوزۀ بازیابی اطلاعات موسیقی بسیار ناچیز است. در ۵ سال اول قرن بیست‌ویکم، حوزۀ بازیابی اطلاعات موسیقی همچنان ناشناخته مانده است (به‌نحوی که در انتهای سال 2004 تنها 28 مدرک در این حوزه تولید شده است). اما فعالیت پژوهشی به‌طور ناگهانی از سال 2005 افزایش یافته و تولیدات علمی در این سال به 145 مدرک رسیده است. این روند رشد تا انتهای سال 2012 ادامه دارد و مجدداً در سال 2013 به‌طور ناگهانی کاهش می‌یابد، به‌طوری که تعداد تولیدات علمی در حوزۀ بازیابی اطلاعات موسیقی در سال 2013، نسبت به سال قبل، به‌طور ناگهانی کاهش چشمگیری یافته است. ازاین‌رو، سال 2012 را می‌توان نقطۀ افول و بازۀ زمانی 2005 تا 2011 را دوران رشد تولیدات علمی حوزۀ بازیابی اطلاعات موسیقی نامید. اگرچه از سال 2012 به‌بعد، تعداد تولیدات علمی حوزۀ بازیابی اطلاعات موسیقی کاهش یافته، اما تولیدات فناورانه و ابزارهای تولیدشده، نشان از فعالیت عملی و آزمایشگاهی این حوزه دارد. ازاین‌رو، شاید سال 2012 را نقطۀ اشباع تولیدات علمی و نقطۀ آغاز تبدیل دانش نرم (مقالات) به دانش سخت (فناوری و ابزارها) دانست.

از آنجا که همبستگی معناداری بین تعداد نویسندگان همکار و شاخص هرش به‌عنوان شاخصی کیفی در توانمندی و تأثیرگذاری نویسندگان یافت شد، می‌توان چنین گفت که تعاملات و ارتباطات علمی با دیگر پژوهشگران، در سطح برون‌سازمانی، ملی و خصوصاً بین‌المللی، تأثیرات زیادی در توانمندسازی و رشد پژوهشگران حوزۀ بازیابی اطلاعات خواهد داشت. یافته‌های این بخش از پژوهش با نتایج پژوهش استورِر[61] هم‌خوانی دارد. وی بر کارآیی نظام ارتباط علمی تأکید می‌کند و نشان می‌دهد که اثر علمی دانشمندانی که با همکاران خود ارتباط علمی نزدیکی دارند، باکیفیت‌تر از اثر علمی افرادی است که این تماس‌ها و چالش‌ها را در روابط شخصی و حرفه‌ای خود با سازمان محل کار خود ندارند (استورِر، 1973، ص226؛ به‌ نقل از داورپناه، 1386، ص16).

کشور ایران با تولید تنها 3 مدرک در پایگاه اسکوپوس، جزو کشورهای ضعیف در تولیدات علمی حوزۀ بازیابی اطلاعات موسیقی به شمار می‌رود. ازاین‌رو، به نظر می‌رسد این حوزه از دید پژوهشگران ایرانی پنهان مانده و یا بنا به دلایلی، از جمله نداشتن متخصص کافی و یا سیاست‌های نادرست نسبت به هنر و علم موسیقی، تمایلی برای انجام چنین پژوهش‌هایی وجود ندارد. با توجه به پیشینۀ غنی موسیقی سنتی ایرانی، به‌منظور معرفی و شناساندن این هنر والا و ابزار قدرتمند فرهنگی در داخل و خارج از کشور، ضروری است در جهت پرورش نظریه‌پردازان موسیقی‌ ایرانی و متخصصان بازیابی اطلاعات موسیقی، سیاست‌گذاری و برنامه‌ریزی منسجم و هدفمند در سطح کلان انجام شود. بدین ترتیب، می‌توان در آینده به طراحی نظام‌های بازیابی اطلاعات موسیقی ایرانی و تبدیل نرم‌افزارهای تخصصی در این زمینه نیز امید بست. در این راستا، بررسی و تحلیل محتوای آثار تولیدشده در حوزۀ بازیابی اطلاعات موسیقی می‌تواند به درک بهتر جریان‌های فکری و گفتمان غالب در این حوزه کمک کند. ازاین‌رو، انجام چنین پژوهشی برای کارهای آتی توصیه می‌شود. همچنین، انجام پژوهشی کیفی جهت تبیین و درک چرایی تکامل و افول تولیدات علمی این حوزه طی سال‌های گذشته، می‌تواند از موضوعات قابل‌توجه، در راستای تکمیل چنین پژوهشی باشد. انجام پژوهشی مشابه در بازه‌های زمانی مشخص و دوره‌ای و بررسی جایگاه بازیابی اطلاعات موسیقی در حوزۀ عمومی‌تر بازیابی اطلاعات نیز توصیه می‌شود



[1] . Aucouturier & Pampalk

[2] . MIR: Music Information Retrieval

[3] . musical data

[4] . acoustic or musicological information

[5] . MIDI

[6] . Bello

[7] . Downie

[8] . Music Information Retrieval Evaluation eXchange (MIREX)

[9] . میرکس چارچوبی است برای ارزیابی رسمی مبتنی بر تأیید جامعۀ علمی که توسط آزمایشگاه ارزیابی نظام‌های بازیابی اطلاعات موسیقی (IMIRSEL)، در دانشکدۀ علوم کتابداری و اطلاع‌رسانی دانشگاه ایلینویز هدایت و مدیریت می‌شود.

[10] . machine learning techniques

[11] . Support vector machine (SVM)

[12] . Scale Identification

[13] . Mode Recognition

[14] . Makam/ Maqam

[15] . Raag

[16] . اصطلاح «دستگاه» در موسیقی ایرانی را می‌توان با واژۀ «گام» در موسیقی کلاسیک غربی، «مَـقام/ مُـقام» در موسیقی عربی و ترکی و همچنین با واژۀ «راگ» در موسیقی هندی مترادف دانست. در تعریف موسیقی غربی، توالی هشت نُت پیاپی را که دارای نسبت فواصل معینی از یکدیگر هستند، گام می‌گویند. همین تعریف را می‌توان برای هفت دستگاه‌ اصلی موسیقی ایرانی (ماهور، شور، سه‌گاه، چهارگاه، همایون، نوا و راست‌پنجگاه) به کار بُرد، با این تفاوت که در موسیقی سنتی ایرانی، در اغلب گوشه‌های ردیف (ملودی‌های کوتاه) به‌جای هشت نُت، توالی 4 یا 5 نُت در نظر گرفته می‌شود.

[17] . در دهۀ 1380، حدود ۲ پژوهش و از سال 1390 به‌بعد، بیش از ۱۰ اثر در قالب مقاله علمی و پایان‌نامۀ دانشجویی در حوزۀ دسته‌بندی و تشخیص خودکار دستگاه‌های موسیقی ایرانی (اغلب به‌طور مجزا) انجام شده است. در همین راستا، موضوع تـِز دکتری پژوهشگر در زمینۀ شناسایی گوشه‌های مُدال و اصلیِ دستگاه شور در دست انجام است.

[18] . ensemble

[19] . music information retrieval

[20] . QBH: Query By Humming

[21] . global citation databases

[22] . WoS = Web of Science

[23] . Google Scholar

[24] . Scopus

[25] . این پایگاه، تا سال 2015، حدود 13200 نشریه را نمایه کرده است.

[26] . ISI = Institute for Scientific Information

[27] . Thomson Reuters

[28] . Elsevier

[29] . پایگاه اسکوپوس در حال حاضر (ابتدای سال 2015) حدود 21 هزار نشریۀ علمی، 50 هزار کتاب (و 420 کتاب ادواری)، 5/6 میلیون مقالۀ کنفرانس از بیش از 17 میلیون کنفرانس و رخداد علمی و 24 میلیون پروانۀ ثبت اختراع از ۵ سازمان ثبت اختراع را نمایه می‌کند (Scopus: Content overview, 2015).

[30] . prolific authors

[31] . منابع اطلاعاتی هسته، به‌طور اعم و مجلات هسته، به‌طور اخص در یک حوزۀ علمی، به منابعی اطلاق می‎شود که دارای نقش عمده و تأثیرگذرای زیادی نسبت به دیگر منابع و مجلات همان حوزه بوده و یا به دفعات بیشتری مورداستناد قرار گرفته‎اند (نویسنده).

[32] . Kostek

[33] . transient state

[34] . articulation features in sounds

[35] . ISMIR

[36] . automatic genre classification

[37]. Kaminskas & Ricci

[38]. Schedl, Gómez & Urbano

[39]. semantic auto-tagging

[40]. user-centric retrieval

[41]. query by example

[42] . اوایل سال 2015 میلادی.

[43] . "music information retrieval"

[44] . Article Title OR Keywords OR Source Title

[45]. Markus Schedl

[46]. Queen Mary University of London

[47] . Conference papers

[48] . book series

[49] . Proceeding of the ISMIR

[50] . Lecture Notes in Computer Science

[51] . ICASSP IEEE International Conference on  Acoustics Speech and Signal Processing Proceedings

[52] . papers

[53] . Conference Review

[54] . Book Chapter

[55] . Editorial

[56] . Note

[57] . Queen Mary, University of London

[58] . Universitat Pompeu Fabra

[59] . زبان چینی (10 مدرک)، زبان‌های فرانسوی و ژاپنی (هرکدام با ۲ مدرک)، اسپانیایی و ترکی (هرکدام ۱ مدرک).

[60] . تعداد 27 حوزۀ موضوعی در پایگاه اسکوپوس (به‌ترتیب الفبای لاتین) عبارت‌اند از:

Agricultural and Biological Sciences; Arts and Humanities; Biochemistry, Genetics and Molecular Biology; Business, Management and Accounting; Chemical Engineering; Chemistry; Computer Science; Decision Sciences; Dentistry; Earth and Planetary Sciences; Economics, Econometrics and Finance; Energy; Engineering; Environmental Science; Health Professions; Immunology and Microbiology; Materials Science; Mathematics; Medicine; Multidisciplinary; Neuroscience; Nursing; Pharmacology, Toxicology and Pharmaceutic; Physics and Astronomy; Psychology; Social Sciences; Veterinary.

[61] . Storer

آیین‌نامۀ ارتقای اعضای هیئت‌علمی دانشگاه‌ها و مؤسسات آموزش عالی و پژوهشی علوم پزشکی (مرداد 1387). بازیابی‌شده: 29 اردیبهشت 1394. دسترس‌پذیر در:

 http://aac.behdasht.gov.ir/uploads/179_328_AyeenName_Ejraee.pdf

داورپناه، محمدرضا. (1384). اطلاعات و جامعه. تهران: دبیزش، 1384.

داورپناه، محمدرضا. (1386). ارتباط علمی: نیاز اطلاعاتی و رفتار اطلاع‌یابی. تهران: دبیزش و چاپار.

صمدی، لاله و فدائی، غلامرضا. (1395). درآمدی بر ذخیره و بازیابی اطلاعات موسیقایی: زمینه‌ها، ضرورت‌ها و چالش‌ها. فصلنامه مطالعات ملی کتابداری و سازماندهی اطلاعات، 27 (3)، 95ـ112.

عبدخدا، هیوا، قاضی میرسعید، جواد و نوروزی، علیرضا. (1389). بررسی میزان تولیدات علمی حوزۀ پزشکی ایران بر مبنای مدارک نمایه‌شده از مجلات علمی در پایگاه‌های اطلاعاتی منتخب در فاصلۀ سال‌های ۵9ـ200۹. مجله پیاورد سلامت، 4 (1ـ2)، 18ـ۳۰.

نوروزی‌چاکلی، عبدالرضا، حسن‌زاده، محمد و نورمحمدی، حمزه‌علی. (1387). تحلیلی بر اشاعۀ دانش ایران در جهان (1993 تا 2007). تهران: مرکز تحقیقات سیاست علمی کشور.

وفائیان، امیر. (1389). ارزیابی تطبیقی کیفیت محتوای نمایه‌های استنادی Scopus و ISI (Web of Science). پایان‌نامۀ کارشناسی ارشد، رشته علم اطلاعات و دانش‌شناسی. دانشکده علوم تربیتی و روانشناسی، دانشگاه شهید بهشتی.

یوسفی، احمد و همکاران. (1391). بررسی تولیدات علمی پژوهشگران ایرانی در حوزۀ ایمنی‌شناسی در پایگاه اطلاعاتی ISI. مجله علوم پزشکی رازی، 19 (96)، 1ـ۹.

Aucouturier, J.& Pampalk, E., (2008). Introduction–From Genres to Tags: A Little Epistemology of Music Information Retrieval Research. Journal of New Music Research, 37(2), 87-92.

Bello, J. P., (2007). Music Information Retrieval. Visited on: 2015, March 25. Available via: http://www.nyu.edu/classes/bello/DCMS_files/8-MIR.pdf

Downie, J. S., (2003). Music information retrieval. Annual Review of Information Science and Technology. 37, 295-340. Visited on: 2015, May 9. Available from http://www.music.mcgill.ca/~ich/classes/mumt611_08/downie_mir_arist37.pdf

Kaminskas, M. and‌Ricci, F., (2012). Contextual music information retrieval and recommendation: State of the art and challenges. Computer Science Review, 6(2-3), 89-119.

Kostek, B.,(2004). Application of soft computing to automatic‌music information retrieval. Journal of the American Society for Information Science and Technology, 55(12), 1108-1116.

Music information retrieval. (2015). Wikipedia, the free encyclopedia. Last modified on 3 February 2015. Available via: http://en.wikipedia.org/wiki/Music_information_retrieval

Schedl, M., Gómez, E., Urbano, J., (2014). Music information retrieval: Recent developments and applications (Review). Foundations and Trends in Information Retrieval, 8(2), 127-261.

Scopus: Content Overview. (2015). Elsevier. Visited on: 2015, may 7. Available via: http://www.elsevier.com/online-tools/scopus/content-overview.