О проекте

omnia in omnibus

         

Руководство пользователя


Алексей Бочаров - создатель поискового сервиса Inspert
Алексей Бочаров
создатель поискового сервиса Inspert.
Открыт для вопросов, рекомендаций
и предложений по развитию проекта.
E-mail: inspert2015@gmail.com

 

Цель сервиса: организация упорядоченного сбора тематической информации для научных исследований и образования. Конструктор помогает составлять и отправлять в открытые интернет-ресурсы сложные поисковые запросы, используя HTTP-метод GET.

Локальная прикладная задача поискового сервиса: создание новых форм интеграции электронных ресурсов Научной библиотеки Томского Государственного Университета (ТГУ) в научно-исследовательские, образовательные и просветительские проекты в рамках работы Лаборатории библиотечно-коммуникативных исследований ТГУ.

Глобальная задача – демонстрация и продвижение новой концепции расширенного (продвинутого) поиска (advanced search). Предлагаемый сервис это не просто ещё один интерфейс пользователя – это воплощение инновационного подхода к планированию научного исследования или индивидуальных траекторий самообразования. Это попытка разработать своеобразную тематическую "дорожную карту" для прокладывания научных направлений или составления образовательных программ.

Концепция проекта

Философские истоки

Планируемые модификации и расширения

Решаемые проблемы

Концепция проекта

В научно-фантастическом романе «Осмотр на месте» (1982) Станислав Лем так описывает цивилизацию, в которой наука достигла критической стадии информационного кризиса: «…Ученые все чаще приходили к убеждению, что исследуемое явление кем-то где-то наверняка подробно исследовано, неизвестно только, как найти это исследование … в университетах остались лишь компьютеры-сыщики, которые будут рыться в микропроцессорах всей планеты, чтобы узнать, ГДЕ, в каком закоулке какой машинной памяти хранятся сведения, имеющие решающее значение для проводимых исследований. … специалистам пришлось бы ждать от пятнадцати до шестнадцати лет, прежде чем несущаяся со скоростью света свора сигналов-ищеек успеет составить полную библиографию для задуманного исследования… началась Эпоха Экспедиций в Глубь Науки. Тех, кто планировал эти экспедиции, называли инспертами… Инсперт – эксперт на стадии заглубления (самокопания) науки…». Stanislaw Lem (pl. «Wizja lokalna», 1982). Можно считать, что в 2-м десятилетии XXI века наука приближается к состоянию, описанному Лемом. Как могут и должны изменяться с учетом этого поисковые сервисы? Самые популярные современные подходы к усовершенствованию тематического он-лайн поиска связаны с усложнением языка кодирования сайтов (LSI, RDF, OWL) и байесовским подходом к классификации (Bayesian approach for categorization). Является ли путь усложнения единственным решением?

В своем проекте конструктора комбинаторных поисковых запросов я предлагаю исходить из того, что потенциал уже существующих поисковых технологий не исчерпан полностью и требует простых, но эвристических надстроек.

Техническая реализация конструктора названа Inspert по мотивам С. Лема и осуществлена на языке JavaScript. В бета-версии поисковые запросы конструируются пока только по исторической тематике и по русскоязычным сайтам. Историческая тематика в качестве исходной была выбрана потому, что История одна из универсальных наук, так как своя история есть у всего. Любой источник информации о современности со временем становится историческим источником. При более обобщающем взгляде, любая информация - это информация о прошлом. Поэтому принципы структурирования исторического знания могут использоваться как важный пункт в проектировании систем искусственного интеллекта.


Проблема недостаточной визуализации интерфейсов поисковых запросов.

В поисковых сервисах, использующих визуализацию, визуализация запроса предлагается не сразу, а только при выдаче результатов исходного запроса. Набор типичных графических схем ограничен и однообразен – чаще всего это семантические гипертекстовые графы, ленты времени (timeline) или линейные диаграммы. Простые и интуитивно понятные диаграммы Венна не используются.

Решение проблемы: Визуализация предлагается пользователю сразу, а не после появления результатов поисковой выдачи. Уже на стадии первичного формулирования запроса визуализируются поисковые логические комбинации и связи в интересующей тематической области. Для достижения этой цели автор использует преимущества диаграмм Венна и Диаграмм сходства (Affinity Diagram). Графические интерфейсные формы для конструирования поисковых запросов названы автором клиограммами (Cliograms). Название составлено из имени Клио (древнегреческая Муза Истории) и слова «диаграмма».
Подробно все клиограммы описаны в Руководстве пользователя


Проблема неудобства стандартных интерфейсов продвинутого поиска (advanced search).

Неудобство заключается: a) в относительно большом количестве форм для ввода данных с клавиатуры; b) небольшом количестве форм для выбора данных (поисковых слов и условий поиска); c) минимальном количестве кнопок запуска поиска (почти всегда только одна кнопка).

Решение проблемы: создание интерфейсных форм, в которых a) минимальное количество форм для ввода с клавиатуры; b) большое количество форм для выбора данных; c) большое количество кнопок запуска поиска, при этом каждая кнопка запускает поиск с разными критериями.

Пример реализации решения: Культурно-цивилизационная клиограмма


Проблема непреодолимой неосведомленности пользователей о возможностях языка поисковых запросов.

Большинство пользователей не пользуются языком поисковых запросов, а если и пользуются, то не составляют сложных запросов. Практика показывает, что посредством просвещения и обучения пользователей эта проблема не решается. Умение составлять сложные запросы ограничено временем и объемом. Трудоёмко вручную составлять отдельные запросы, каждый из которых состоит более чем из двадцати слов и такого же количества логических символов языка запросов. Гораздо удобнее, если множество синонимов и слов-исключений для фильтрации вводится целиком и автоматически. При этом конкретное содержание списка синонимов и слов-исключений обусловлено специфическими задачами научного тематического поиска.

Решение проблемы: a) максимизация наглядности и компактности составления сложных поисковых запросов; b) использование систематизированных готовых шаблонов синонимических и тематических гипонимических рядов для автоматизированного генерирования запросов.

Реализация решения: Компоненты автоматически формируемого поискового запроса.

Проблема избыточной и негибкой персонализации информационных фильтров в поисковых машинах («Пузырь фильтров»).

Понятие «Пузырь фильтров» («Filter bubble») введено Илаем Парайзером (Eli Pariser) и описано в его книге с одноимённым названием. И. Парайзер критикует использование поисковиками алгоритмов выборочного угадывания того, какую информацию пользователь хотел бы увидеть, основываясь на информации об истории его персонального поиска. В результате в результатах поиска показывается только информацию, которая согласуется с прошлыми точками зрения данного пользователя. Вся иная информация пользователю не выводится, в результате чего он попадает в своеобразный информационный "пузырь".

Появляются поисковики, не использующие для фильтрации историю поиска и регион регистрации IP-адреса пользователя, например сервис duckduckgo.com. Несмотря на это, проблема «пузыря фильтров» остаётся актуальной для любых поисковых систем, так как ранжирование результатов поисковой выдачи (Search engine results page) является своеобразным фильтром. Фильтр ранжирования определяет, что попадёт в первые несколько десятков результатов, дальше которых пользователи обычно не идут. Управлять ранжированием пользователи могут только по метаданным описания сайтов без учета контекстов содержания на сайте.

Проблема "пузыря" при поиске информации имеет более широкий характер, неограниченный только техническими аспектами поисковиков. Главный «пузырь фильтров» находится в наших умах. Информационная ловушка начинается, когда исследователь ограничивает поиск только узким кругом заранее известных ему параметров и признаков и отказывается от использования новых ключевых понятий, которые он не привык, или его профессиональное сообщество не привыкло включать в какую-то тематику.

Решение проблемы: Фильтрация информации неизбежна и необходима, но пользователь должен иметь возможность управлять ею в соответствии с тематическими смысловыми аспектами интересующей его области знаний. Исследователь не должен зависеть от навязанных ему скрытых информационных фильтров, учитывающих его предыдущие, а не текущие информационные потребности. Например, поисковый сервис должен уметь искать тексты, касающиеся исторического прошлого или исторической науки, игнорируя при этом омонимические варианты слова «история». Необходимо, чтобы искались только авторские тексты и по возможности исключались вторичные тексты с коммерческой SEO-оптимизацией, игнорирующей потребности пользователя, и манипулирующей недостатками поисковых машин.

При при составлении информационно-поисковых тезаурусов разработчиком используется дискурс-анализ. Состав синонимических рядов для их автоматического включения в поисковые запросы приспосабливается к специфическим дисциплинарным контекстам путем предварительной проверки релевантности поисковой выдачи для каждого понятия.

Проблема недостаточной персонализации в метапоисковых машинах.

Метапоисковые машины (Metasearch engine) формируют сборную поисковую выдачу за счет смешивания результатов поиска других поисковиков и кластеризуют найденные данные для указания на возможные направления дальнейшего поиска. Метамашины в Рунете – Quintura и Nigma, в англоязычном сегменте – Clusty. Проблемы метапоиска обусловлены статистическим подходом к формированию списка тегов дополнительных запросов-фильтров в метамашинах. Генерируемые метамашиной теги состоят из слов, часто встречающимися со словами, которые пользователь ввёл в своём запросе. Между тем, частотный подход к фильтрациям и рекомендуемым дополнительным запросам лишь увеличивает информационный шум в результатах поиска, потому что часто встречающиеся слова в большинстве случаев не имеют прямого отношения к интересующей пользователя тематике. Похожие проблемы вызывают «связные запросы» (Related searches), предлагаемые в результатах поиска современными поисковиками. Связные запросы – это популярные запросы других пользователей, связанные с искомым запросом. Однако популярность у других пользователей никак не связана со специфическими интересами конкретного пользователя.

Попытки использовать инфографику для визуализации интерфейсов пользовательских запросов уже не раз предпринимались. В 2009 г. Google добавил в функции поиск панель с расширенными возможностями визуализации поиска — колесо обозрения (wonder wheel), временнýю шкалу (timeline). Данные сервисы предназначались для контекстуального таргетирования. Они устанавливали и визуализировали связи исключительно по принципу статистической частоты совместной встречаемости. Такой подход, как было показано на примере метапоиска, не уменьшает информационный шум, а скорее увеличивает его. Было заявлено, что эти сервисы рассчитаны на пользователя, не знающего как уточнить запрос. Однако у широкого пользователя сервисы "Google timeline" и "Google wonder wheel" не стали популярными. Большинство их даже не замечало. Однако ими активно злоупотребляли SEO специалисты. Поэтому эти возможности для простых пользователей сейчас уже недоступны. С 2012 г. сервисы контекстуального таргетирования перешли к рекламным службам, таких как Google AdWords. "Google wonder wheel" стал использоваться исключительно для вычисления частот совместной встречаемости слов на сайтах. Очевидно, что частотный подход к пониманию контекста непригоден для тематического поиска.

Решение проблемы: Использование тематического, а не статистического подхода к формированию списка тегов для фильтрации поиска. Тематика тегов предопределяется терминологией той области знаний, которую выбирает пользователь. При использовании конструктора поисковых запросов ранжирование результатов поиска по-прежнему управляется поисковой машиной, но уже с учетом персонализированных пользовательских запросов.
Пример реализации решения: Клиограмма истории идей


Проблема относительной закрытости пользовательского поиска.

Пользовательский поиск (Custom Search) может содержать три опции: 1) составление создателем постоянной закрытой для пользователя подборки сайтов, внутри которой осуществляется поиск; 2) ручной ввод адресов сайтов для текущего поиска. 3) выбор сайтов из списка. В продвинутом поиске электронных библиотек, как правило, можно фильтровать поиск по конкретным издателям, однако в пользовательском поиске по всемирной сети возможности интерфейса ограничены. Пример пользовательского поиска по русскоязычным электронным библиотекам – сайт http://tusearch.blogspot.com. На этом сайте есть фильтрация посредством пометки книг и журналов тегами «Техника» «Гуманитарные» «Математика» «Право» «Экономика» «Психология». Однако нельзя выбрать какую-то одну конкретную библиотеку и невозможно выбрать комбинацию из определённых дисциплин или выбрать только какую-то одну дисциплину без других. В результате поиск осуществляется во всех библиотеках, с чрезвычайно большим кол-вом результатов даже после фильтрации. Когда, несмотря на фильтрацию, количество откликов в результатах поиска несколько сотен тысяч или даже несколько миллионов, становится невозможен их упорядоченный перебор. Поэтому возможности комбинаторные фильтрации были бы актуальны для оптимизации поиска в междисциплинарных исследованиях.

Возможности детализации тематических поисковых фильтров в сервисах пользовательского поиска весьма ограничены и не удовлетворяют современным потребностям систематического поиска научной информации. Некоторые сервисы пользовательского поиска предлагают создавать уточняющие ярлыки-вкладки (Refinements labels) отдельных интересующих пользователя ключевых слов. Эти ярлыки-вкладыши или метки можно использовать для категоризации контента на сайте пользовательского поиска, чтобы пользователи могли фильтровать результаты поиска не только по избранным сайтам, но и по избранным ключевым словам. Уточняющие  метки предназначены для выделения единичных приоритетов поиска, а не для  перебора множества комбинаций. Возможное количество таких меток технически сильно ограничено (не более нескольких меток) и зависит от произвола пользователя, а не от таксономии предметной области. В то время как тезаурус предметной области какой-либо научной дисциплины или субдисциплины может включать более тысячи систематизированных терминов и словосочетаний.
Решение проблемы: Преимущество пользовательского поиска в Inspert  -  отправление  сконструированных сложных запросов из одного интерфейса в любые открытые  интернет-ресурсы. Структурирование поисковой выдачи по адресам ресурсов, а не  только по релевантности, упорядочивает процесс поиска тематической  информации с учетом того какие сайты уже просмотрены, а какие - нет.
Реализация решения: Пользовательский поиск в Inspert


Проблема онтологической и комбинаторной обеднённости сервисов вертикального поиска.

Вертикальные службы поиска (vertical search), в отличие от общих поисковых машин, которые индексируют значительную часть Всемирной паутины, используют сфокусированный искатель, который индексирует только веб-страницы по определенной тематике на ограниченном корпусе доменов. До сих пор наиболее развитые системы вертикального поиска индексируют только бизнес-каталоги по продаже товаров и услуг. Системы вертикального поиска с таксономиями и онтологиями для социальных и гуманитарных дисциплин почти не развиваются. Исключением можно было бы считать поиск по словарям и энциклопедиям, но это поиск скорее локальный, а не вертикальный. Иногда на сайтах или в электронных словарях можно встретить локальные списки гипертекстовых тегов, позволяющих искать информацию внутри сайта. Однако подобные списки не позволяют произвольно комбинировать несколько тематических тегов и учитывать пересечения или исключения понятий.

Самой известной системой вертикального поиска по научным текстам стала Google Scholar (Google Академия в русскоязычном варианте). Google Scholar является также системой индексации сводных библиографических каталогов. Поиск осуществляется по разным научным ресурсам, но без спецификации по дисциплинам. Дисциплинарные таксономии и онтологии в Google Scholar не используются, поэтому комбинировать различные термины поиска не получится. Такая ситуация весьма ограничивает поддержка конкретных уникальных пользовательских задач, хотя такая поддержка – главная задача вертикального поиска.

В научной аналитике помимо дисциплинарной онтологии терминов важен также общенаучный аналитический тезаурус. Например, абстрактные понятия, связанные с универсальными видами связей и взаимосвязей. Сервисы вертикального поиска почти никогда не используют такие понятия в качестве меток для поисковых запросов, хотя именно они могут оказаться наиболее эвристичными для инновационных исследований. Исключением можно считать сервисы Technology Intelligence (TI). Сервисы TI направлены на накопление и распространение технологической информации, необходимой для стратегического планирования и принятия решений. Самым известным здесь является сервис illumin8 from ELSEVIER. В illumin8 результаты поиска группируются с помощью тезаурусов для 7 категорий взаимосвязей: Персоналии (People), Организации (Organization), Методы (Approaches), Продукты (Products), Преимущества (Benefits), Проблемы (Problems), Область исследований (Journal Keywords). Эти тезаурусы составлены главным образом для естественнонаучных и технических дисциплин. Такие гуманитарные дисциплины как история, социология, филология, психология остались на периферии интереса разработчиков. Существует специализированная база данных REAXYS для фактографического поиска научных статей по химии. REAXYS позволяет искать тексты по разным типам химических взаимосвязей. По гуманитарным и социальным дисциплинам разработки подобных сервисов пока не актуальны для спонсоров в силу низкой капиталоёмкости гуманитарных исследований.

Решение проблемы: Конструктор запросов может пониматься как внешнее расширение систем как вертикального, так и горизонтального поиска. Inspert позволяет конструировать и отправлять запросы на любые индексируемые в Google сервера (для русскоязычных текстов дополнительно на сервера, индексируемые в Яндекс). Общенаучные понятия, связанные с универсальными видами связей и взаимосвязей не должны исчерпываться только несколькими прикладными метками типа «проблемы» и «преимущества». В интерфейсах для фильтрации результатов поиска стоит различать и учитывать гораздо больше видов взаимосвязей. Их может быть не менее нескольких десятков.

Пример реализации решения: Клиограмма взаимосвязей, Клиограмма методологии


Проблема ограниченности или отсутствия внутридисциплинарных тезаурусов и онтологий в навигации научных электронных библиотек.

В интерфейсах продвинутого (расширенного) поиска научных электронных библиотек обычно имеются только библиографические поля и перечни научных дисциплин, ключевые слова пользователям предлагается вводить самостоятельно. Пользователь не всегда сможет скомбинировать нужные ключевые слова именно так, чтобы не упустить тексты, которые окажутся для него наиболее полезными. Такая разновидность пользовательского поиска, как «корпоративный поиск» предоставляет возможность использования словарей синонимов. Однако эти словари предназначены для закрытого коммерческого использования. Нет аналогов продвижения пользовательских тематических словарей синонимов для научных дисциплин и научных электронных библиотек. Только для научно-медицинских электронных ресурсов в силу их особой актуальности, используются всеобъемлющий отраслевой стандартизированный тезаурус (MeSH - Medical Subject Headings). Для социальных и гуманитарных дисциплин подобных решений пока не предлагалось.

Решение проблемы: Систематизировать внутридисциплинарную терминологию и предоставлять её в удобном виде для выбора пользователем ключевых слов с учётом гипонимии, синонимии и омонимии.
Пример реализации решения: Матрица исторического познанияКлиограмма персоналий, Клиограмма фактологии


Проблема комбинаторной тематической неполноты сбора научной дисциплинарной или отраслевой информации.

Выбор исследователя часто обусловлен одновременно и навязанными модными трендами, и традиционными стереотипами. В результате по одним специфическим проблемам выходит избыточное кол-во публикаций, а по другим – очень мало или ничего. Некоторые лакуны познания, логично вытекающие из предметной области и имеющихся данных, так и остаются неосознанными или незаслуженно заброшенными.

Решение проблемы: В научно-исследовательских планах сбора информации и поиска взаимосвязей часто отсутствует предположение о симметрии в определённой системе знаний или научной дисциплине. Предположение о симметрии в развитии знаний требует наличия недостающего элемента. Это означает, что связь определенного понятия с любым другим понятием либо уже есть в каких-то текстах, которые можно найти, либо связь может и должна появиться в текстах, которые ещё будут написаны. Большая вероятность появления текстов, восполняющих недостающие связи понятий, обусловлена именно принципом симметрии в развитии знаний. Авторская концепция полноты комбинаторного тематического поиска основана именно на предположении о симметрии.


Философские истоки

Предложенные автором решения имеют несколько концептуальных оснований, которые уходят  корнями в средневековую философию и доходят до современности. В хронологическом порядке речь пойдёт об использовании концепций нескольких европейских мыслителей: Раймунда Луллия (Ramon Llull), Афанасия Кирхера (Athanasius Kircher), Рене Декарта (Rene Descartes).

В XIII веке Раймунд Луллий (лат. Raymundus Lullius) создал логический механизм в виде бумажных кругов. В своих трактатах об искусстве памяти он использовал комбинаторно-логические графические фигуры в качестве основного познавательного инструмента. Концепция Луллия была удивительной для своего времени попыткой систематизировать все возможное знание, используя строгую вычислительную процедуру. Луллий предполагал, что действительность есть упорядоченное и постепенное усложнение общих понятий через их различные комбинации друг с другом, а потому разум, следя за логическим порядком понятий, может открывать действительную связь вещей. Система Луллия была предназначена для работы с метафизическими универсалиями. Модификация идей Луллия в поисковом сервисе Inspert заключается в комбинаций связей между любыми абстрактными и конкретными понятиями из определённой предметной области.

Графическая фигура на логотипе сайта Inspert в виде полного графа с девятью вершинами – это ассоциация со знаменитой фигурой Раймунда Луллия из его книги «Ars Brevis». Согласно замыслу Луллия, пользователь его комбинаторных вращающихся фигур должен был при переборе комбинаций понятий находить связи между ними, черпая идеи в своём собственном интеллекте и памяти. В конструкторе поисковых запросов Inspert для нахождения связей между понятиями используются результаты интеллектуальной деятельности множества людей, чьи тексты размещены в Интернете.

В XVII веке идеи Луллия развивал Афанасий Кирхер. Кирхер изложил комбинаторный подход к познанию в книге «Ars magna sciendi sive combinatoria» (1669). Он описал проект Tabula alphabetorum artis nostrae – алфавитная таблица знаний, откуда комбинаторно можно вывести «все возможное». Пансофический проект этого великого мыслителя заключался в составлении суммы знания посредством соотнесения определенного числа базовых концептов по принципам комбинации и аналогии. Родоначальники комбинаторики опирались на положение о том, что всё связано друг с другом (omnia in omnibus). В контексте воплощения принципа «Omnia in omnibus» Inspert может быть использован в качестве инструмента составления комбинаторно-тематических энциклопедий нового типа. Каждая энциклопедическая статья будет при этом являться также своеобразным вложенным словарем-энциклопедией. В такой статье можно содержательно, а не только в виде гипертекста, описываться связь текущего понятия со всеми остальными понятиями из полного списка названий других словарных статей.

Первым известным призывом к полноте научного исследования можно считать высказывания Рене Декарта в его книге «Рассуждение о методе» (1606 г.) и в книге «Правила для руководства ума» (1629 г.). Именно в этих книгах можно найти многие истоки современной методологии науки. В «Правилах для руководства ума» VII Правило сформулировано так: «Чтобы придать науке полноту, надлежит все, что служит нашей цели, вместе и по отдельности обозреть в последовательном и нигде не прерывающемся движении мысли и охватить достаточной и упорядоченной нумерацией … зачастую благодаря правильно установленному порядку за короткое время и без особого труда доводится до конца многое, казавшееся на первый взгляд необъятным».

Воплотить такое «движение мысли» удобно с помощью специального поискового сервиса для комбинирования и контаминации ключевых понятий в поисковых запросах. В структурно-функциональном анализе любой социальной или культурно-исторической системы стоит помнить, что анализ будет тем полней и результативней, чем больше связей каждого компонента системы с каждым другим компонентом будет изучено. В идеале нужно стремиться к изучению всех возможных связей между всеми изучаемыми компонентами: связей каждого из участников события с каждым другим, связей микрособытия с разными макрособытиями и явлениями, связей каждого признака, описывающего объект, со всеми без исключения остальными признаками. Inspert предоставляет инструмент для упорядоченного перебора таких связей и для раскрытия актуального состояния этих связей в изучаемом дискурсивном поле (массиве текстов).

Разработка системы Inspert лежит в сфере новой области наук – инженерии знаний (knowledge engineering). Инженерия знаний изучает методы и средства извлечения, представления, структурирования и использования знаний при разработке компьютерных экспертных систем. Стоит отметить, что в социогуманитарных областях науки инженерия знаний применяется чрезвычайно редко.


Планируемые модификации и расширения Inspert

Поисковый сервис Inspert будет развиваться и совершенствоваться. Исходная версия программы зарегестрирована как Inspert 1.0. (декабрь 2014, свидетельство госрегистрации № 2014662752)

В 2016-17 гг. будут добавлены новые клиограммы для более полного раскрытия тематики исторического познания. Планируется добавить Клиограмму источниковедения, Клиограмму регионов и народов, Клиограмму археологии, Дискурсивно-стилистическую клиограмму. Каждая новая клиограмма будет особой графической интерфейсной формой, отличающейся от других клиограмм.

Inspert 1.2.

Сервис станет двуязычным. Будет составлен тезаурус для англоязычной терминологии по исторической тематике.

В 2017 г. в рамках проекта Inspert планируется полностью реализовать предметную область истории.

Inspert 2.0.

Начнется разработка научно-психологической тематики. Сервис начнет превращаться в мультидисциплинарный тематический конструктор запросов. Для разных научных дисциплин предполагается использовать специальную инфографику, характерную для определенной научной тематики. Например, по психологической тематике можно использовать "Пирамиду потребностей Маслоу" или "Колесо эмоций Плутчика". В целом клиограммы имеют широкие перспективы для развития и модификации.

Inspert polydisciplinary - последующие версии планируется наполнять тематикой из остальных базовых гуманитарных и социальных дисциплин: социологии, филологии, экономики.

Inspert multilanguage - после двуязычного (rus-eng) дисциплинарно-тематического наполнения сервиса планируется мультиязычная разработка для всех основных европейских языков.

Реализация последних двух этапов зависит от успешности организации командной работы. В настоящий момент Inspert – целиком индивидуальная авторская разработка.





 
 
 
Научная библиотека Томского Государственного университета
 ^