keyword用query formulation一無所獲
→有很多關於技術的東西 但是目前應該是要找相關理論來定義搜尋的過程
→中文不知道能不能用"語句形成"這個字
→昨天看的video query formulation太舊(1995)
→明天改找三年內的類似文章
→看一下最近的研討會PAPER

介紹網路平台的章節應該比較好寫
→Youtube的市場佔有率從06年47.7%(第一名)→07年59.95%(第一名)→08年75.43%(第一名)
→去找台灣的排名

看一下ZMET可以怎麼定義目的
→了解使用者在搜尋過程的困難
→佩樺學姐當時給的建議是用質化方式來研究使用者行為，應該可以用ZMET聚焦在搜尋的行為上?

Read Users' Comments ( 0 )

從書中提到的六大行銷謬誤出發:

1. 消費者以理性、直線的方式思考
   
   相信消費者會是經過慎重思考才購買，認為消費者會有意識的思考物品的各別價值和衍生價值，以及這些價值被實現的可能性有多高；但事實上消費者是受到理性和感性一起運行才作出決定。
   
   就算辨識出了消費者感性的層面，我們會以最普遍的語言來解釋它，即使要求他們再深入，也無法跳脫最表層。
   
   這讓我想到的是我常認為的『圖書館這麼好用，大家怎麼不去用?』是因為我身在大學環境，圖書館讓我獲得的資源(無論是電子資源或是紙本功能)都比起我光是在家裡上網找資料得到的更多，就算是下載文章也需要圖書館有採購，所以我會認為圖書館好用，而且目前我比較常以學術圖書館作思考，無法想到公共圖書館|||
   
   
2. 消費者能解釋自己的思考和行為
   
   「人類的大部份思考發生在我們的意識心智」的假設 Ｘ
   意識的主要作用是在事後將行為合理化，而非實際上指導或控制行為發生，所以靠消費者自身完成的報告，可能依靠的是消費者意識化的回憶，無法提供具體的意見。
   
   
3. 能獨立研究消費者的心智、大腦、身體和周遭的文化與社會
   
   這幾部份的互相作用比只單研究一部分有意義。
   
   
4. 消費者的記憶精確地代表過去的經驗
   
   記憶遠比我們預期的更具有可塑性
   
   
5. 消費者以語言思考
   
   相信消費者只能在使用語言時思考，因此做問卷的時候是假設消費者可以在撰寫文字的時候或在對話中截取他們的思考。
   
   
6. 企業的訊息能被灌輸到消費者腦中，並且按照行銷人的期望解讀訊息
   
   行銷人以為可以把消費者的心靈視為白紙，自信找對方法的話，就可以任意塗鴉企業品牌訊息到消費者身上，消費者從媒體帶走的訊息，可能和企業企圖表達的不同。

    其實我的想法中，圖書館和讀者始終有落差，我想圖書館不會失去它的功能，不然照理來說網路出來的時候，圖書館就會應聲而倒XD 如果圖書館失去了他的讀者，那真正少的會是甚麼?是很明顯的來客數，還是減少了設備更新的必要，減少了經費?或是長遠地，是減少了國家競爭力或教育資源?

Read Users' Comments ( 0 )

雖然有點傻但是現在打算用打的把名詞解釋都記下來~
目前閱讀的書籍是Gerald Zaltman(2004)。為什麼顧客不掏錢(余宜芳譯)。台北市:早安財經文化。

思維模式(Mental model)：
神經叢相互影響的時候，會形成一組相關聯的意念；慣於處理來自抽象活動的資訊並做出反應。

共識地圖(Consensus Map)：
不同的人以類似的方式，不約而同地使用相同的思維模式；或說一組人共享同一個思維模式。一幅共識地圖代表消費者的思考，集中於一個常見的心智模式。對於大部分參與者而言，每一個建構會以相同的模式，和另一個建構相連結。
→每個消費者若有相似的共識地圖，就可以做市場區隔

隱喻(Metaphor)：
用另一種詞彙描述同一個意志。

比喻性語言(Figurative language)：
運用隱喻傳達意志，並且幫助解讀消費者共享的最深層的意念和感覺

字義性語言(Literal language)：
使用字眼的精確意義或其他影像傳達意念。這類語言可能採取不同的形式，藉由從消費者引導出這類口頭或書寫的看法，就其字面意義採用這些評論，可辨識並解析消費者深層共享的意念和感覺。

正在尋找的文獻(師大圖書館薦購中>_<)
Zaltman, Gerald and Lindsay H. Zaltman (2008), Marketing Metaphoria: What Deep Metaphors Reveal About the Minds of Consumers, Boston: Harvard Business School Press.

Read Users' Comments ( 0 )

圖資研(連結是通往該老師演講PPT)

1.          09/15/2008 -- 自我介紹

2.          09/22/2008 -- 圖書資訊學概觀

3.          10/01/2008 -- Bibliographic Latent Semantic Indexing - Prof. Mu

4.          10/08/2008 -- Practical Issues in Knowledge Management Informing Infrastructure Design - Prof. Mu

5.          10/12/2008 -- Information Policy - Prof. Warning

6.          10/19/2008

7.          10/27/2008 -- 資訊計量學 - 蔡明月教授

8.          11/05/2008 -- 數位學習 - 陳志銘教授

9.          11/10/2008 -- RFID與穩私權 - 蘇小鳳教授 (ppsx格式)

10.      11/17/2008 -- 資訊組織 - 阮明淑教授

11.      11/24/2008 -- Dr. Jonathan演講 (可寫可不寫)

12.      12/1/2008 -- 海報presentation (寫在研究法的小組討論)

13.      12/08/2008 -- Semantic Web and Ontology - 柯皓仁教授

14.      12/15/2008 -- 大陸四系主任座談會

15.      12/22/2008 -- Information Structure and Academic Users - Hur-Li Lee教授
12/22/2008 -- Traditional Chinese Bibliographic Classification - Hur-Li Lee教授

16.      12/5/2008 -- 圖資論文獎助研討會

17.      1/5/2009 -- 期末報告(可寫可不寫)

18.      1/12/2009 -- 期末報告(可寫可不寫)

每個人至少有12篇

------------------------------------------------------------------------------------------------------------------------------------------------
研究法(這是我自己心得的內容，沒寫到的部分可參考其他同學XD)

1. 2008/9/18 自我介紹，老師請我們寫下會與不會的研究法
2. 2008/9/25 [MeiMei] 談論科學&研究方法
3. 2008/10/1 [MeiMei] 小組活動是從老師給的ppt刪減跟同學介紹課本內容
4. 2008/10/8 [Foster] literature review
5. 2008/10/15 [Foster] 討論葉乃靜老師文章
6. 2008/10/22 [Foster] 理論和研究
7. 2008/10/29 [Foster] 田野調查
8. 2008/11/5 [Foster] 編碼
9. 2008/11/12 [Foster] 實驗研究
10. 2008/11/19 [Foster] 調查研究
11. 2008/11/26 淡水
12. 2008/12/3 [MeiMei] 非反應式研究
13. 2008/12/10 Kuhlthau演講
14. 2008/12/17 [MeiMei] 三個同學分享研究心得
15. 2008/12/24 放假
16. 2008/12/31 [MeiMei] 量化研究報告
17. 2009/1/7 [MeiMei] 量化研究
18. 2009/1/14 [MeiMei] 與同學訪談
    
    每個人至少有16(+1)篇，其中有一次是質化研究的小組報告，
    有的人有設標籤有的沒有，所以16.17篇都可以

Read Users' Comments ( 0 )

簡單的教程給大家參考！
優點：不用擔心隨身碟壞掉

缺點：網路完蛋你的報告也完蛋XD

Read Users' Comments ( 0 )

     本周的活動是抽籤訪談同學，其實一開始想到要問同學不知道為什麼會覺得有點害怕，不過抽到Kurt的時候覺得有鬆了一口氣，因為我想就算我沒有問他，他也可以侃侃而談XD

雖然有聽過他的期末報告，但是沒有機會了解很多細節的部分，我知道他在人力資源的方面有找不少資料，但是我對他一開始為什麼找這群人也非常有興趣，這個數位典藏的國家型計畫在我們大學時真的可以說是如影隨形的跟著我們的課程內容，我們也因此學習了很多工具，但是這些培養出來的「數位產業人才」之後的發展也讓人好奇(而且我們所上的目標跟這個計畫的目標其實是一樣的!他們的問題也可能是我們的問題)我覺得Kurt有想到這個題目非常有前瞻性！

因為我沒有設定問題，所以我們以閒聊方式進行，也從他自己的講述中發現了一些新方向的可能，我自己個人會比較喜歡問像是「有沒有可能他們...?」這種問題，但是我也發現這種問題可能要等到他自己有開始做了以後才能回答我；雖然他已經做了文獻探討的部分，但我們還是重頭開始檢視他現在還可以做些甚麼，像是：

• 要不要再找一些別的國家的案例來參考，如果美國的American Memory已經有點時間差，或許可以再從別的國家的計畫做為參考(找了一下資料發現這個整理還不錯↓)

• 要怎麼呈現最後的結果可以再想想，因為Kurt希望可以提出一些建議給這個計畫的人員，不過我們也想到有的時候會變成太偏重「人」，而它的目的又不是要幫他們找工作，所以最後的建議可能還需要再斟酌往甚麼方向。
  
  


• 我們也天馬行空的想了一些方法來解決他們未來失業(!)的問題，像是可以建議他們一起組公司接案，借重他們的經驗來幫各地區作典藏，而不是限定於目前的範圍(或許可以發展Taiwan Memory?!)

    接下來是換partner，我抽到的是詩絨，我覺得真的很巧，因為開學不久給Foster老師上課時兩兩分組那時候也是跟她一組:）我們談了本學期的課程的心得，不過這學期的課程已經收穫很多，實在無法分成五點這樣列述，所以我們簡短的說了之後就開始聊研究的題目，詩絨也給我了很多很棒的建議！像是：

• 我的研究範圍可以怎麼放大或縮小，我有敘述了我目前遇到的困難，是做得很細我會遇到一些技術知識的困難，而以大範圍的來看我又有可能會面臨結果過於簡單的可能。
  
  


• 針對相關主題的進修，詩絨推薦了我去上其他的課程，我們也一起想到了一些我還可以找的老師，還可以再看的書籍或研究資料，應該再多找哪些類型的內容。
  
  


• 在這次文獻分析我們可以發現常常會陷在該往哪方向找資料，就一直在那幾個關鍵字裡面繞，但是跟詩絨一講我又想到了好多新的關鍵字！真的很開心她給我新的啟發，也一直鼓勵我可以做下去，讓我增加了一點信心!
  
  


• 跟詩絨介紹了我喜歡的碎碎念小工具twitter http://twitter.com/ 
  他是目前微型網誌的代表，可以隨時記錄自己的一句話(不能超過140字)，又不用像網誌一樣需要寫那麼多字，還可以像傳紙條一樣留話給其他id，國外很多網站都有書籤可以讓你直接把臨時看到的內容加入twitter，對我來說是紀錄心情和網址的好工具( 之前用Google，但是Google筆記本功能最近可能會停掉，所以我現在都把網誌的功能全部分散，不要太依賴同一個網誌|||)

    經過這樣還滿短的討論讓我覺得每個人真的各有所長，可是我們看的層面可能不一樣，雖然我們的題目不同，但是真的跟同學討論可以發現新問題，在反覆描述自己的研究和過程的中間可以帶給自己新的想法和方向，感覺很有收穫!也謝謝兩位同學對我不藏私的分享:）

Read Users' Comments ( 0 )

[量化統計的意義]

整理原始數據→量化資料分析→解釋數據

[量化統計的大綱]

資料處理	●資料編碼 code book編碼簿 ●輸入資料 ●清除資料
↓
單變項分析	●次數分配 單一變項是描述一個變項中，每一個屬性所呈現的次數分配狀況，可以用名義變項、等距變項、比率變項 像"性別"就只能用次數分配表達 ●集中量數測量方法 用以描述一組數據或一個分配集中點的統計量數，是描述 ●離散趨勢測量方法 用來描述觀察值在某一變項上分數分散情形，常用的有全距、四分差、變異數(各分數與平均數之差之平方和除以個案數)/標準差(變異數開根號)
↓
雙變項分析	●雙變項的關係 主要是要了解變項之間的關係，如性別和年齡之間的關係，會呈現出兩個變項的統計關係，事情彼此的關係，這些事情放在一起時所呈現的現象 ●解讀雙變項關係 用散佈圖(看形狀、方向和密度)或交叉表格 ●雙變項表格 列聯關係表 ●建立並解讀表格 自變項的屬性要分組，做統計的描述，並互相比較變數 ●相關性之測量方法 五種相關的測量方法:lambda. Gamma. Tau. Rho…
↓
兩個變項以上的分析	●統計控制 ●百分比的表格設計 ●多元迴歸分析
↓
推論統計	●注意目的 ●統計顯著度 ●顯著水準 通常是.05 .01 .001三種表達 ●型一錯誤和型二錯誤

	變項	值	百分比	眾數	最大值	最小值
性別	男	100	25%	300	300	100
	女	300	75%
收入	5000↓	25	6.25%	150	150	25
	5000-9999	50	12.5%
	10000-15999	100	25%
	16000-19999	150	32.5%
	20000-25999	50	12.5%
	26000-29999	50	12.5%
	30000↑	25	6.25%

↑研究法課本不在手邊，數據略有錯誤...待修正

    最後老師聽我們說心得的時候雖然大家真的都滿無神的(因為上課上的時間比較長)但是我想老師應該是最累的那位>_<但是今天上課也因此覺得收穫很豐富，雖然名詞還是不懂，但是至少比上上周的自己更知道為什麼會有"變項"，到底統計是為了要了解變項的"什麼"，而"怎麼做"可能就需要自己去補充了!!

Read Users' Comments ( 0 )