A comparison of success rates betwe

A comparison of success rates between sessions with promotions (promoted sessions) and search sessions without promotions (standard sessions) is presented as Figure 18.6. The results show that during the course of the 10 week trial, on average, sessions with promotions are more likely to be successful (62%) than standard sessions (48%) containing only Google results, a relative benefit of almost 30% due to the community-based promotion of results. In other words, during the course of the trial we found that for more than half of the standard Google search sessions users failed to find any results worth selecting. In contrast, during the same period, the same searchers experienced a significantly greater success rate for sessions that contained community promotions, with less than 40% of these sessions failing to attract user selections.Within an enterprise these results can have an important impact when it comes to overall search productivity because there are significant savings to be made by eliminating failed search sessions in many knowledge-intensive business scenarios. For example, a recent report [30] by the International Data Corporation (IDC) found that, on average, knowledge workers spend 25% of their time searching for information, and an enterprise employing 1,000 knowledge workers will waste nearly $2.5 million per year (at an opportunity cost of $15 million) due to an inability to locate and retrieve information. In this context any significant reduction in the percentage of failed search sessions can play an important role in improving enterprise productivity, especially in larger organisations.

18.4.4 Discussion
The model of collaborative web search presented here is one that seeks to take advantage of naturally occurring query repetition and result selection regularity among communities of like-minded searchers. In this case-study we have focused on one particular type of search community in the form of a group of employees. Obviously this is a reasonably straightforward community to identify and it is perhaps not surprising that we have found a high degree of repetition and regularity to take advantage of during collaborative web search. Nonetheless, this type of community, where groups of individuals come together to perform similar information finding tasks, is a common one, whether it is employees in a company or students in a class or researchers in a research group. There are of course many other types of community. For example, we have already mentioned the scenario where a group of visitors to a themed web site can be considered to be an ad-hoc search community. More generally, it is interesting to consider the open question of community discovery and identification, and there is considerable research at the present time devoted to exploring various approaches to automatically identifying online communities; see for example [11, 5, 21, 106, 105]. And as we develop a better understanding of the nature of online communities in the new world of the social web it may be possible to offer a more flexible form of search collaboration, facilitated by a more flexible and dynamic definition of search community.

18.5 Case-Study 2 - Web Search. Shared.
The previous case-study looked at a community-oriented view of collaborative web search, where the search activities of like-minded communities of searchers were used to influence mainstream search engine results. In this section we describe an alternative model of collaborative web search, as implemented in a system called HeyStaks, that is different in two important ways. First of all, HeyStaks adopts more user-led approach to collaborative web search, one that is focused on helping users to better organise and share their search experiences. HeyStaks does this by allowing users to create and share repositories of search experiences as opposed to coordinating the participation of search communities. Secondly, we adopt a very different approach to search engine integration. Instead of the proxy-based approach described in the previous case-study, HeyStaks is integrated with a mainsream search engine, such as Google, through a browser toolbar, which provides the collaborative search engine with the ability to capture and guide search activities. Finally, we will also summarize the findings of a recent live-user study to investigate the nature of search collaboration that manifests within HeyStaks’ user population.

18.5.1 The HeyStaks System
HeyStaks adds two basic features to a mainstream search engine. First, it allows users to create search staks, as a type of folder for their search experiences at search time. Staks can be shared with others so that their searches will also be added to the stak. Second, HeyStaks uses staks to generate recommendations that are added to the underlying search results that come from the mainstream search engine. These recommendations are results that stak members have previously found to be relevant for similar queries and help the searcher to discover results that friends or colleagues have found interesting, results that may otherwise be buried deep within Google’s default result-list.

As per Fig. 18.7, HeyStaks takes the form of two basic components: a client-side browser toolbar and a back-end server. The toolbar allows users to create and share staks and provides a range of ancillary services, such as the ability to tag or vote for pages. The toolbar also captures search click-throughs and manages the integration of HeyStaks recommendations with the default result-list. The back-end server manages the individual stak indexes (indexing individual pages against query/tag terms and positive/negative votes), the stak database (stak titles, members, descriptions, status, etc.), the HeyStaks social networking service and, of course, the recommendation engine. In the following sections we will briefly outline the basic operation of HeyStaks and then focus on some of the detail behind the recommendation engine. Consider the following motivating example. Steve, Bill and some friends are planning a European vacation and they know that during the course of their research they will use web search as their primary source of information about what to do and where to visit. Steve creates a (private) search stak called “European Vacation 2008“ and shares this with Bill and friends, encouraging them to use this stak for their vacation-related searches.

Fig. 18.8 shows Steve selecting this stak as he embarks on a new search for “Dublin hotels“, and Fig. 18.9 shows the results of this search. The usual Google results are shown, but in addition HeyStaks has made two promotions. These have

Results (Thai) 1:

การเปรียบเทียบอัตราความสำเร็จระหว่างช่วง มีโปรโมชั่น (ส่งเสริมรอบ) และค้นหาเซสชัน โดยโปรโมชั่น (รอบเวลามาตรฐาน) จะแสดงเป็นรูป 18.6 ผลลัพธ์แสดงว่าระหว่างสัปดาห์ 10 ทดลอง เฉลี่ย ช่วงกับโปรโมชั่นมีแนวโน้มที่จะ ประสบความสำเร็จ (62%) มากกว่ามาตรฐานรอบ (48%) ประกอบด้วยเพียง Google ผลลัพธ์ สวัสดิการญาติเกือบ 30% เนื่องจากชุมชนส่งเสริมผลการ ในคำอื่น ๆ ในระหว่างการทดลองเราพบว่า มากกว่าครึ่งหนึ่งของ Google มาตรฐานค้นหา เซสชันของผู้ใช้ไม่สามารถหาผลลัพธ์ใด ๆ คุ้มค่าเลือก ในทางตรงกันข้าม ในช่วงเวลาเดียวกัน ผู้เดียวพบอัตราความสำเร็จมากกว่าอย่างมีนัยสำคัญสำหรับเซสชันที่มีอยู่ชุมชนส่งเสริมการขาย ต่ำกว่า 40% ของการดึงดูดผู้ใช้เลือกช่วงเวลา ภายในองค์กรผลลัพธ์เหล่านี้สามารถมีผลกระทบสำคัญเมื่อมันมาเพื่อค้นหาประสิทธิภาพโดยรวมเนื่องจากมีการประหยัดที่สำคัญจะทำการตัดไม่สามารถค้นหาเซสชันในสถานการณ์ธุรกิจเร่งรัดความรู้มากมาย ตัวอย่าง รายงานล่าสุด [30] โดยบริษัทข้อมูลนานาชาติ (IDC) พบว่า เฉลี่ย ความรู้ผู้ปฏิบัติงานใช้ 25% ของเวลาการค้นหาข้อมูล และองค์กรที่ใช้แรงงานความรู้ 1000 จะเสียเกือบ 2.5 ล้านดอลลาร์ต่อปี (ที่มีโอกาสที่ต้นทุนของ $15 ล้านบาท) เนื่องจากไม่สามารถค้นหา และดึงข้อมูล ในบริบทนี้ ลดเปอร์เซ็นต์ของรอบเวลาการค้นหาล้มเหลวใด ๆ สำคัญสามารถเล่นมีบทบาทสำคัญในการเพิ่มประสิทธิภาพองค์กร โดยเฉพาะอย่างยิ่งในองค์กรขนาดใหญ่ 18.4.4 DiscussionThe model of collaborative web search presented here is one that seeks to take advantage of naturally occurring query repetition and result selection regularity among communities of like-minded searchers. In this case-study we have focused on one particular type of search community in the form of a group of employees. Obviously this is a reasonably straightforward community to identify and it is perhaps not surprising that we have found a high degree of repetition and regularity to take advantage of during collaborative web search. Nonetheless, this type of community, where groups of individuals come together to perform similar information finding tasks, is a common one, whether it is employees in a company or students in a class or researchers in a research group. There are of course many other types of community. For example, we have already mentioned the scenario where a group of visitors to a themed web site can be considered to be an ad-hoc search community. More generally, it is interesting to consider the open question of community discovery and identification, and there is considerable research at the present time devoted to exploring various approaches to automatically identifying online communities; see for example [11, 5, 21, 106, 105]. And as we develop a better understanding of the nature of online communities in the new world of the social web it may be possible to offer a more flexible form of search collaboration, facilitated by a more flexible and dynamic definition of search community.
18.5 Case-Study 2 - Web Search. Shared.
The previous case-study looked at a community-oriented view of collaborative web search, where the search activities of like-minded communities of searchers were used to influence mainstream search engine results. In this section we describe an alternative model of collaborative web search, as implemented in a system called HeyStaks, that is different in two important ways. First of all, HeyStaks adopts more user-led approach to collaborative web search, one that is focused on helping users to better organise and share their search experiences. HeyStaks does this by allowing users to create and share repositories of search experiences as opposed to coordinating the participation of search communities. Secondly, we adopt a very different approach to search engine integration. Instead of the proxy-based approach described in the previous case-study, HeyStaks is integrated with a mainsream search engine, such as Google, through a browser toolbar, which provides the collaborative search engine with the ability to capture and guide search activities. Finally, we will also summarize the findings of a recent live-user study to investigate the nature of search collaboration that manifests within HeyStaks’ user population.

18.5.1 The HeyStaks System
HeyStaks adds two basic features to a mainstream search engine. First, it allows users to create search staks, as a type of folder for their search experiences at search time. Staks can be shared with others so that their searches will also be added to the stak. Second, HeyStaks uses staks to generate recommendations that are added to the underlying search results that come from the mainstream search engine. These recommendations are results that stak members have previously found to be relevant for similar queries and help the searcher to discover results that friends or colleagues have found interesting, results that may otherwise be buried deep within Google’s default result-list.

As per Fig. 18.7, HeyStaks takes the form of two basic components: a client-side browser toolbar and a back-end server. The toolbar allows users to create and share staks and provides a range of ancillary services, such as the ability to tag or vote for pages. The toolbar also captures search click-throughs and manages the integration of HeyStaks recommendations with the default result-list. The back-end server manages the individual stak indexes (indexing individual pages against query/tag terms and positive/negative votes), the stak database (stak titles, members, descriptions, status, etc.), the HeyStaks social networking service and, of course, the recommendation engine. In the following sections we will briefly outline the basic operation of HeyStaks and then focus on some of the detail behind the recommendation engine. Consider the following motivating example. Steve, Bill and some friends are planning a European vacation and they know that during the course of their research they will use web search as their primary source of information about what to do and where to visit. Steve creates a (private) search stak called “European Vacation 2008“ and shares this with Bill and friends, encouraging them to use this stak for their vacation-related searches.

Fig. 18.8 shows Steve selecting this stak as he embarks on a new search for “Dublin hotels“, and Fig. 18.9 shows the results of this search. The usual Google results are shown, but in addition HeyStaks has made two promotions. These have

Results (Thai) 2:

การเปรียบเทียบอัตราความสำเร็จระหว่างการประชุมกับโปรโมชั่น (การเลื่อนการประชุม) และช่วงโปรโมชั่นโดยไม่ต้องค้นหา (การประชุมมาตรฐาน) จะนำเสนอเป็นรูปที่ 18.6 ผลปรากฏว่าในช่วงของการทดลอง 10 สัปดาห์โดยเฉลี่ยประชุมกับโปรโมชั่นมีแนวโน้มที่จะประสบความสำเร็จ (62%) มากกว่าการประชุมมาตรฐาน (48%) ที่มีเพียงผลของ Google ประโยชน์ญาติของเกือบ 30% เนื่องจาก โปรโมชั่นชุมชนตามผล ในคำอื่น ๆ ในช่วงของการทดลองพบว่ามากกว่าครึ่งหนึ่งของผู้ใช้มาตรฐานการประชุมการค้นหาของ Google ยังไม่พบผลใด ๆ ที่คุ้มค่าการเลือก ในทางตรงกันข้ามในช่วงเวลาเดียวกันผู้ค้นหาประสบการณ์เดียวกันอัตราความสำเร็จมากขึ้นอย่างมีนัยสำคัญสำหรับการประชุมที่มีโปรโมชั่นชุมชนที่มีน้อยกว่า 40% ของการประชุมเหล่านี้ล้มเหลวในการดึงดูดผู้ใช้ selections.Within องค์กรผลลัพธ์เหล่านี้สามารถมีผลกระทบที่สำคัญเมื่อมัน มาถึงการผลิตโดยรวมการค้นหาเพราะมีเงินออมที่สำคัญที่จะทำโดยการกำจัดการประชุมล้มเหลวในการค้นหาในสถานการณ์ทางธุรกิจความรู้มากหลาย ตัวอย่างเช่นรายงานล่าสุด [30] โดยข้อมูลอินเตอร์เนชั่นแนลคอร์ปอเรชั่น (ไอดีซี) พบว่าโดยเฉลี่ยแล้วแรงงานความรู้การใช้จ่าย 25% ของเวลาของพวกเขาค้นหาข้อมูลและองค์กรการจ้างงาน 1,000 คนงานความรู้จะเสียเกือบ $ 2,500,000 ต่อปี ( ที่ต้นทุนค่าเสียโอกาส 15 ล้านดอลลาร์) เนื่องจากไม่สามารถที่จะค้นหาและดึงข้อมูล ในบริบทนี้ใด ๆ ลดลงในอัตราร้อยละของการประชุมล้มเหลวในการค้นหาสามารถมีบทบาทสำคัญในการปรับปรุงประสิทธิภาพการผลิตขององค์กรโดยเฉพาะในองค์กรขนาดใหญ่. 18.4.4 คำอธิบายรูปแบบของการค้นหาเว็บร่วมกันนำเสนอที่นี่เป็นสิ่งหนึ่งที่พยายามที่จะใช้ประโยชน์จากธรรมชาติที่เกิดขึ้น ซ้ำแบบสอบถามและผลที่สม่ำเสมอเลือกในชุมชนของผู้ค้นหาที่มีใจเดียวกัน ในกรณีนี้การศึกษาที่เราได้มุ่งเน้นไปที่ประเภทหนึ่งโดยเฉพาะของชุมชนในการค้นหาในรูปแบบของกลุ่มของพนักงาน เห็นได้ชัดว่านี้เป็นชุมชนที่ตรงไปตรงมาพอสมควรในการระบุและบางทีมันก็ไม่น่าแปลกใจที่เราได้พบว่าระดับสูงของการทำซ้ำและความสม่ำเสมอในการใช้ประโยชน์จากการค้นหาเว็บในช่วงการทำงานร่วมกัน อย่างไรก็ตามประเภทของชุมชนที่กลุ่มของบุคคลมาร่วมกันในการดำเนินการหาข้อมูลที่คล้ายคลึงกันงานนี้เป็นหนึ่งที่ร่วมกันไม่ว่าจะเป็นพนักงานใน บริษัท หรือนักเรียนในชั้นเรียนหรือนักวิจัยในกลุ่มวิจัย มีประเภทอื่น ๆ อีกมากมายหลักสูตรของชุมชน ตัวอย่างเช่นเราได้กล่าวแล้วสถานการณ์ที่กลุ่มของผู้เข้าชมเว็บไซต์แกนได้รับการพิจารณาให้เป็นชุมชนค้นหาเฉพาะกิจ โดยทั่วไปเป็นที่น่าสนใจที่จะต้องพิจารณาคำถามเปิดของการค้นพบชุมชนและบัตรประจำตัวและมีการวิจัยมากในช่วงเวลาปัจจุบันที่ทุ่มเทให้กับการสำรวจวิธีการต่างๆโดยอัตโนมัติระบุชุมชนออนไลน์; ดูตัวอย่าง [11, 5, 21, 106, 105] และการที่เราพัฒนาความเข้าใจที่ดีขึ้นของธรรมชาติของชุมชนออนไลน์ในโลกใหม่ของเว็บสังคมอาจเป็นไปได้ที่จะนำเสนอรูปแบบที่มีความยืดหยุ่นมากขึ้นของการทำงานร่วมกันค้นหาอำนวยความสะดวกโดยนิยามความยืดหยุ่นมากขึ้นและมีชีวิตชีวาของชุมชนในการค้นหา. 18.5 Case- การศึกษาที่ 2 - การค้นหาเว็บ ที่ใช้ร่วมกัน. ก่อนหน้านี้กรณีศึกษามองที่มุมมองชุมชนที่มุ่งเน้นของการค้นหาเว็บการทำงานร่วมกันที่กิจกรรมการค้นหาของชุมชนที่มีใจของผู้ค้นหาถูกนำมาใช้จะมีอิทธิพลต่อผลลัพธ์ของเครื่องมือค้นหาหลัก ในส่วนนี้เราจะอธิบายรูปแบบทางเลือกของการค้นหาเว็บการทำงานร่วมกันเช่นการใช้งานในระบบที่เรียกว่า HeyStaks ที่แตกต่างกันในสองวิธีที่สำคัญ แรกของทุก HeyStaks adopts วิธีการใช้นำมากขึ้นในการค้นหาเว็บการทำงานร่วมกันอย่างใดอย่างหนึ่งที่มุ่งเน้นในการช่วยให้ผู้ใช้ที่ดีกว่าการจัดระเบียบและแบ่งปันประสบการณ์ของพวกเขาค้นหา HeyStaks ไม่นี้โดยการอนุญาตให้ผู้ใช้สามารถสร้างและเก็บส่วนแบ่งของประสบการณ์การค้นหาเมื่อเทียบกับการประสานงานการมีส่วนร่วมของชุมชนการค้นหา ประการที่สองเรานำวิธีการที่แตกต่างกันมากที่จะบูรณาการเครื่องมือค้นหา แทนวิธีการมอบฉันทะตามที่อธิบายไว้ในการศึกษากรณีที่ก่อนหน้านี้ HeyStaks ถูกรวมเข้ากับเครื่องมือค้นหา mainsream เช่น Google ผ่านแถบเครื่องมือเบราว์เซอร์ที่ให้บริการเครื่องมือค้นหาการทำงานร่วมกันที่มีความสามารถในการจับภาพและให้คำแนะนำกิจกรรมค้นหา ในที่สุดเราก็จะสรุปผลการศึกษาชีวิตของผู้ใช้ที่ผ่านการตรวจสอบลักษณะของการทำงานร่วมกันค้นหาที่ปรากฏภายในประชากรผู้ใช้ HeyStaks. 18.5.1 ระบบ HeyStaks HeyStaks เพิ่มสองคุณสมบัติพื้นฐานที่เครื่องมือค้นหาหลัก ก่อนจะช่วยให้ผู้ใช้สามารถสร้าง Staks ค้นหาประเภทของโฟลเดอร์สำหรับประสบการณ์การค้นหาของพวกเขาในเวลาที่การค้นหา Staks สามารถใช้ร่วมกันกับผู้อื่นเพื่อให้ค้นหาของพวกเขาก็จะถูกเพิ่มเข้าไปใน stak ประการที่สองใช้ HeyStaks Staks การสร้างข้อแนะนำที่มีการเพิ่มผลการค้นหาต้นแบบที่มาจากเครื่องมือค้นหาหลัก คำแนะนำเหล่านี้เป็นผลที่ stak สมาชิกได้พบก่อนหน้านี้จะเกี่ยวข้องกับคำสั่งที่คล้ายกันและช่วยให้ผู้ค้นหาเพื่อค้นพบผลที่เพื่อนหรือเพื่อนร่วมงานได้พบที่น่าสนใจผลที่อื่นอาจถูกฝังอยู่ลึกภายในเริ่มต้นของ Google ผลรายการ. ตามรูป 18.7, HeyStaks จะใช้รูปแบบของทั้งสององค์ประกอบพื้นฐาน: แถบเครื่องมือเบราว์เซอร์ฝั่งไคลเอ็นต์และเซิร์ฟเวอร์ back-end แถบเครื่องมือช่วยให้ผู้ใช้ในการสร้างและ Staks หุ้นและมีช่วงของการบริการเสริมเช่นความสามารถในการติดแท็กหรือให้คะแนนสำหรับหน้า แถบเครื่องมือค้นหายังจับการคลิกและจัดการบูรณาการของคำแนะนำ HeyStaks กับผลรายการเริ่มต้น เซิร์ฟเวอร์สิ้นสุดหลังจัดการดัชนี stak บุคคล (ดัชนีแต่ละหน้ากับแบบสอบถาม / แง่แท็กและบวก / โหวตลบ), ฐานข้อมูล stak (ชื่อ stak สมาชิกรายละเอียดสถานะ ฯลฯ ) HeyStaks บริการเครือข่ายสังคมและ แน่นอนเครื่องยนต์แนะนำ ในส่วนต่อไปนี้เราสั้นจะร่างการดำเนินการขั้นพื้นฐานของ HeyStaks แล้วมุ่งเน้นไปที่บางส่วนของรายละเอียดที่อยู่เบื้องหลังเครื่องยนต์แนะนำ พิจารณาตัวอย่างต่อไปนี้สร้างแรงจูงใจ สตีฟบิลและเพื่อนบางคนมีการวางแผนวันหยุดของยุโรปและพวกเขารู้ว่าในระหว่างการวิจัยของพวกเขาพวกเขาจะใช้การค้นหาเว็บเป็นแหล่งที่มาหลักของพวกเขาเกี่ยวกับสิ่งที่ต้องทำและสถานที่ที่จะไปเยี่ยม สตีฟสร้าง (ภาคเอกชน) ค้นหา stak เรียกว่า "วันหยุดยุโรป 2008" และหุ้นนี้กับบิลและเพื่อนกระตุ้นให้พวกเขาที่จะใช้ stak นี้สำหรับการค้นหาที่เกี่ยวข้องกับวันหยุดของพวกเขา. รูป 18.8 แสดงให้เห็นว่าสตีฟเลือก stak นี้ในขณะที่เขา embarks ในการค้นหาใหม่สำหรับ "โรงแรมดับลิน" และรูป 18.9 แสดงให้เห็นถึงผลของการค้นหานี้ ปกติผลลัพธ์ของ Google จะแสดง แต่นอกจาก HeyStaks ได้ทำโปรโมชั่นที่สอง เหล่านี้มี

Results (Thai) 3:

การเปรียบเทียบอัตราความสำเร็จระหว่างช่วงโปรโมชั่น ( เลื่อนการประชุม ) และการค้นหาครั้งโดยไม่มีโปรโมชั่น ( การประชุมมาตรฐาน ) แสดงดังรูปที่ 18.6 . ผลการทดลองแสดงให้เห็นว่า ในระหว่างหลักสูตรของ 10 สัปดาห์ทดลอง เฉลี่ย ช่วงโปรโมชั่น มีแนวโน้มจะประสบความสำเร็จ ( 62 ) มากกว่าการประชุมมาตรฐาน ( ร้อยละ 48 ) ที่มีผลเฉพาะ Google ,ญาติของผลประโยชน์ของเกือบ 30% เนื่องจากชุมชนส่งเสริมผลลัพธ์ ในคำอื่น ๆในระหว่างการทดลองเราพบว่ามากกว่าครึ่งของมาตรฐานการค้นหาของ Google ครั้งผู้ใช้ล้มเหลวที่จะหาผลลัพธ์ใด ๆคุ้มค่ากับการเลือก ในทางตรงกันข้าม ในช่วงเวลาเดียวกันค้นหาเดียวกันมีประสบการณ์อย่างมีนัยสำคัญมากขึ้นอัตราความสำเร็จสำหรับช่วงที่มีโปรโมชั่น ชุมชนที่มีน้อยกว่า 40% ของเวลาเหล่านี้ล้มเหลวในการดึงดูดการเลือกผู้ใช้ภายในองค์กร ผลลัพธ์เหล่านี้สามารถมีผลกระทบที่สำคัญเมื่อมันมาถึงการค้นหาโดยรวมเพราะมีการออมที่สําคัญมีการค้นหาความรู้ที่เข้มข้นมากล้มเหลวครั้งในธุรกิจนี้ ตัวอย่างเช่น รายงานล่าสุด [ 30 ] โดยคอร์ปอเรชั่นข้อมูลระหว่างประเทศ ( ไอดีซี ) พบว่า โดยเฉลี่ยแล้วแรงงานความรู้ใช้จ่าย 25% ของเวลาของพวกเขาสำหรับการค้นหาข้อมูล และเป็นองค์กรที่พนักงาน 1 , 000 คน ความรู้จะต้องเสียเงินเกือบ 2.5 ล้านต่อปี ( ในโอกาสที่ค่าใช้จ่ายของ $ 15 ล้านบาท ) เนื่องจากการไร้ความสามารถในการค้นหาและดึงข้อมูลในบริบทนี้ลดลงอย่างมีนัยสำคัญใด ๆ ในส่วนของการประชุมล้มเหลวการค้นหาสามารถมีบทบาทสำคัญในการปรับปรุงองค์กรการผลิต โดยเฉพาะในองค์กรขนาดใหญ่


18.4.4 อภิปรายรูปแบบของการค้นหาเว็บร่วมกันนำเสนอที่นี่เป็นหนึ่งที่พยายามที่จะใช้ประโยชน์จากธรรมชาติที่เกิดขึ้นซ้ำ ๆและผลของการสอบถามระเบียบชุมชนของผู้ค้นหาเหมือนกัน ในกรณีศึกษานี้เราได้มุ่งเน้นเฉพาะประเภทของชุมชน ค้นหาในรูปแบบของกลุ่มพนักงานเห็นได้ชัดนี้เป็นชุมชนที่ตรงไปตรงมาพอสมควรเพื่อระบุ และบางทีมันอาจไม่น่าแปลกใจที่เราได้พบในระดับสูงและระเบียบในการใช้ประโยชน์จากความร่วมมือในการค้นหาเว็บ อย่างไรก็ตาม ชุมชนประเภทนี้ ซึ่งกลุ่มบุคคลที่มาร่วมกันเพื่อดำเนินการที่คล้ายกันข้อมูลการหางานเป็นปกติหนึ่งไม่ว่าจะเป็น พนักงานในบริษัท หรือนักศึกษาในชั้นเรียนหรือนักวิจัยในกลุ่มงานวิจัย แน่นอนว่ามีชนิดอื่น ๆของชุมชน ตัวอย่างเช่น , เราได้กล่าวถึงสถานการณ์ที่กลุ่มของผู้เข้าชมไปยังแกนเว็บไซต์ถือได้ว่าเป็นชุมชนค้นหา Ad - hoc . มากขึ้นโดยทั่วไปเป็นที่น่าสนใจที่จะต้องพิจารณาคำถามเปิดของการค้นพบและประชาชนในชุมชน และมีมากในงานวิจัยปัจจุบันเวลาทุ่มเทให้กับการสำรวจวิธีการหลากหลายโดยอัตโนมัติระบุสังคมออนไลน์ ; ดูเช่น [ 11 , 5 , 21 , 106 , 105 ]ขณะที่เราพัฒนาความเข้าใจธรรมชาติของสังคมออนไลน์ในโลกใหม่ของเว็บสังคมมันอาจเป็นไปได้เพื่อให้รูปแบบของความยืดหยุ่นมากขึ้นของการค้นหา สนับสนุนโดยมีความยืดหยุ่นมากขึ้นและแบบไดนามิกนิยามของชุมชนการค้นหา

18.5 กรณีศึกษา 2 - เว็บค้นหา ที่ใช้ร่วมกัน .
กรณีศึกษาก่อนหน้านี้มองมุมมองของการค้นหาเว็บที่มุ่งเน้น ความร่วมมือของชุมชนที่มีการค้นหากิจกรรมพบปะชุมชนของผู้ค้นหาใช้อิทธิพลหลักผลการค้นหาเครื่องยนต์ ในส่วนนี้เราจะอธิบายถึงรูปแบบทางเลือกของการค้นหาเว็บที่ใช้ร่วมกันเป็นระบบที่เรียกว่า heystaks ที่แตกต่างกันในสองวิธีที่สำคัญ ครั้งแรกของทั้งหมด heystaks adopts เพิ่มเติมผู้ใช้นำแนวทางร่วมกัน ค้นหาเว็บที่เน้นการช่วยให้ผู้ใช้ที่จะดีกว่าจัดระเบียบและแบ่งปันประสบการณ์การค้นหาของพวกเขา heystaks ไม่นี้โดยการอนุญาตให้ผู้ใช้สามารถสร้างและแบ่งปันประสบการณ์การค้นหา repositories ซึ่งตรงข้ามกับการมีส่วนร่วมของชุมชนในการประสานงาน . ประการที่สอง เราใช้วิธีการที่แตกต่างกันมากในการค้นหาเครื่องยนต์แทนที่จะใช้พร็อกซี่วิธีการอธิบายไว้ในการศึกษาก่อนหน้านี้ heystaks ถูกรวมเข้ากับ mainsream search engine เช่น Google ผ่านทางเบราว์เซอร์แถบเครื่องมือซึ่งมีร่วมกันค้นหาเครื่องยนต์ที่มีความสามารถในการจับและคู่มือกิจกรรมค้นหา ในที่สุด