نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد، کتابداری و اطلاع‌رسانی، گروه علم اطلاعات و دانش‌شناسی، دانشکده علوم تربیتی و روان‌شناسی، دانشگاه شهید چمران اهواز، اهواز، ایران

2 دانشیار، کتابداری و اطلاع‌رسانی، گروه علم اطلاعات و دانش‌شناسی، دانشکده علوم تربیتی و روان‌شناسی، دانشگاه اصفهان، اصفهان، ایران

3 دانشجوی دکتری تخصصی، علم اطلاعات و دانش‌شناسی، گروه علم اطلاعات و دانش‌شناسی، دانشکده علوم تربیتی و روان‌شناسی، دانشگاه شهید چمران اهواز، اهواز، ایران

چکیده

مقدمه: یکی از ابزارهای معنایی جهت بازیابی دانش از منابع پیچیده، هستی‌نگاشت است. با پیشرفت فن‌آوری‌های وب معنایی، ساخت و طراحی هستی‌نگاشت‌ها به عنوان ابزار سازماندهی و بازنمون دانش ضروری به نظر می‌رسد. هدف از انجام پژوهش حاضر، طراحی هستی‌نگاشت حوزه بیماری‌های مادرزادی قلب به زبان فارسی و مراحل ساخت آن بود.روش بررسی: این مطالعه به روش تحلیل محتوا انجام شد. جامعه آماری تحقیق را کلیه منابع اطلاعاتی فارسی و انگلیسی دانشگاه علوم پزشکی اصفهان در حوزه تخصصی بیماری‌های مادرزادی قلب تشکیل داد. مبنا و هسته اولیه روش مورد استفاده برای ایجاد هستی‌نگاشت حوزه بیماری‌های مادرزادی قلب، روش‌های به کار رفته در پژوهش‌های Bermejo و محمدی استانی و همکاران بود. در مجموع، 9 مرحله برای ساخت این هستی‌نگاشت در نظر گرفته شد که شامل «تعیین حوزه و پوشش هستی‌نگاشت، شناسایی منابع اطلاعاتی (اسناد، کتب، مقالات)، شناسایی اصطلاحات و مفاهیم، تعیین پوشش موضوعی و تعیین دامنه و طبقات اصلی، تعیین سلسله مراتب اصطلاحات و مفاهیم، تعریف و تعیین روابط بین اصطلاحات و مفاهیم، توصیف ویژگی‌های رده‌ها و روابط بین آن‌ها، تعیین روابط میان نمونه‌ها و ایجاد محدودیت‌ها، توابع و قوانین» بود. به منظور تأیید روایی محتوایی، از نظر 7 متخصص قلب اطفال دانشگاه علوم پزشکی اصفهان در مراحل سوم تا ششم استفاده گردید. نرم‌افزار Protégé جهت ساخت هستی‌نگاشت استفاده شد.یافته‌ها: هستی‌نگاشت بیماری‌های مادرزادی قلب کودکان شامل 6 کلاس اصلی «بیماری‌های شایع مادرزادی قلب و جوارح مرتبط با بیماری، روش درمان، روش‌های تشخیصی، علایم بیماری‌ها و عامل خطرزا» بود. همچنین، به منظور تعریف ارتباط بین مفاهیم و اصطلاحات، 8 رابطه معنایی اصلی شامل «تشخیص داده می‌شود‌ توسط، تغذیه می‌کند، درمان می‌شود‌ توسط، درمان می‌کند، علت است، عوارض دارد، می‌باشد از علایم، هست عارضه‌» و 2 رابطه فرعی «مرتبط است با، دارد عامل خطرزا» تعیین گردید.نتیجه‌گیری: هستی‌نگاشت ساخته شده در مطالعه حاضر ابزار مفید و کارامدی برای سازماندهی و بازیابی دانش در این حوزه می‌باشد. همچنین، این ابزار می‌تواند برای تحلیل و ترسیم ساختار دانش در سایر حوزه‌ها استفاده شود.

کلیدواژه‌ها

عنوان مقاله [English]

Designing and Construction of Children Congenital Heart Disease Ontology in Persian Language

نویسندگان [English]

  • Abdolhossein Farajpahlou 1
  • Zahed Bigdeli 1
  • Mozaffar Cheshmesohrabi 2
  • Behjat Taheri 3

1 Professor, Library and Information Science, Department of Knowledge and Information Science, School of Educational Sciences and Psychology, Shahid Chamran University of Ahvaz, Ahvaz, Iran

2 Associate Professor, Library and Information Science, Department of Knowledge and Information Science, School of Education and Psychology, University of Isfahan; Isfahan, Iran

3 PhD Student, Knowledge and Information Science, Department of Knowledge and Information Science, School of Educational Sciences and Psychology, Shahid Chamran University of Ahvaz, Ahvaz, Iran

چکیده [English]

Introduction: One of the semantic tools for retrieving knowledge from complex resources is ontology. With the advent of semantic web technologies, mapping and designing ontologies, as a tool for organizing and representing knowledge has become necessary. The purpose of this article was developing congenital heart disease ontology, and introducing its construction stages.Methods: The present study was conducted using content analysis method. The statistical population of the study consisted of all specialized Persian and English information resources in the field of congenital heart diseases in digital library of Isfahan University of Medical Sciences, Isfahan, Iran. The basis and the core of the methodology used to create congenital heart disease ontology was the methods introduced by Mohammadi-Ostani et al. and Bermejo methods. In total, nine steps are followed to build this ontology were as follows: 1. defining the scope and coverage of the subject, 2. identifying information sources (documents, books, and articles), 3. identifying terms and concepts, 4. identifying subject coverage and defining the domain and the main classes, 5. defining the hierarchy of terms and concepts, 6. defining the relationships between terms and concepts, 7. describing the characteristics of categories and the relationships between them, 8. defining the relationships among examples, and 9. establishing constraints, functions, and rules. In order to confirm the content validity, during the designing and editing of the ontology, the opinions of 7 pediatric cardiologists in Isfahan University of Medical Sciences were used at the third to sixth stages. The Protégé software was used to build ontology.Results: The congenital heart disease ontology included 6 main classes, 1. common congenital heart disease, 2. disease-related organs, 3. treatment methods, 4. diagnostic methods, 5. symptoms diseases, and 6. risk factor. Moreover, 8 main relationships were identified between concepts and terms as 1. diagnosed by, 2. feed, 3. treated by, 4. treated, 4. caused, 6. has complication, 7. is symptoms of, 8. is complication of have 2 sub-relationships is related with, has risk factor.Conclusion: This ontology can be a useful and efficient tool for organizing and retrieving knowledge in this field. The method of this research can also be applied to develop knowledge structure in other fields, too.

کلیدواژه‌ها [English]

  • Ontology
  • Congenital Heart Disease
  • Children
  1. Zahedi R, Amin G, Karimi M, Alibeik MR. Ontology development based on Unified Medical Language System: A case study of Iranian Medicinal Plants Ontology. Library and Information Science 2014; 16(3): 81-100. [In Persian].
  2. Hynek J. Document classification in a digital library [PhD Study Report]. Pilsen, Czechia: University of West Bohemia in Pilsen; 2002.
  3. Kafashan M, Fattahi R. New knowledge organization systems: Semantic web, ontology and concrete knowledge organization instruments. Library and Information Science 2011; 14(2): 45-70. [In Persian].
  4. Shen Y, Zhang S, Wong HS, Zhang L. Characterisation of semantic similarity on gene ontology based on a shortest path approach. Int J Data Min Bioinform 2014; 10(1): 33-48.
  5. Sanatjoo A, Fathian A. The comparison of thesaurus and ontology efficiency in knowledge representation. Library and Information Research Journal (Studies in Education and Psychology) 2011; 1(1): 219-40. [In Persian].
  6. Hosseini Beheshti MS, Ejei F. Designing and implementing basic sciences ontology based on concepts and relationships of relevant Thesauri. Journal of Information Processing and Management 2015; 30(3): 677-96. [In Persian].
  7. Shamsfard M, Abd Elahzadeh Barforoush A. Extracting conceptual knowledge from text: Using linguistic and semantic templates. Adv Cogn Sci 2002; 4(1): 48-66. [In Persian].
  8. Ibrahim NY, Mokhtar SA, Harb HM. Towards an ontology based integrated framework for semantic web. International Journal of Computer Science and Information Security 2013; 10(9): 1-9.
  9. Ruch P, Gobeill J, Lovis C, Geissbuhler A. Automatic medical encoding with SNOMED categories. BMC Med Inform Decis Mak 2008; 8(Suppl 1): S6.
  10. Rahadoust F. Kazerani M, Ebrahimpour M. Persian medical thesaurus: Tree index/alphabetic index/permuted index/English-Persian index. Tehran, Iran: National Archives and Library of Iran; 2005. [In Persian].
  11. Dumontier M, Villanueva-Rosales N. Towards pharmacogenomics knowledge discovery with the semantic web. Brief Bioinform 2009; 10(2): 153-63.
  12. Ruiz-Martinez JM, Valencia-Garcia R, Fernandez-Breis JT, Garcia-Sunchez F, Martinez-Bejar R. Ontology learning from biomedical natural language documents using UMLS. Expert Syst Appl 2011; 38(10): 12365-78.
  13. Fathian A. Comparison of thesaurus and ontology efficacy in knowledge representation and concept retrieval. [MSc Thesis]. Mashhad, Iran: Ferdowsi University of Mashhad; 2010. [In Persian].
  14. Ahmadi H, Osareh F, Hosseini Beheshti MS, Heidari G. Designing semiautomatic system in ontology structure by to co-occurrence word analysis and c-value method (Case study: The field of scientometrics of Iran). Journal of Information Processing and Management 2017; 33(1): 185-216. [In Persian].
  15. Mohammadi Ostani M, Azargoon M, Cheshmesohrabi M. Methodology of construction and design of ontologies: A case study of scientometrics field. Journal of Information Processing and Management 2018; 33(4): 1761-88. [In Persian].
  16. Ndindjock R, Gedeon J, Mendis S, Paccaud F, Bovet P. Potential impact of single-risk-factor versus total risk management for the prevention of cardiovascular events in Seychelles. Bull World Health Organ 2011; 89(4): 286-95.
  17. Russo CA, Elixhauser A. Hospitalizations for birth defects, 2004: Statistical Brief #24. In: Agency for Healthcare Research and Quality. Healthcare Cost and Utilization Project (HCUP) Statistical Briefs. Rockville, MD: Agency for Health Care Policy and Research; 2006.
  18. Anwar Y. Patient knowledge and its role in the management of coronary heart disease [PhD Thesis]. Cranfield, UK: Cranfield University; 2010.
  19. Chaudhry AS, Meer Z. Information behaviour of cardiac patients. Malaysian Journal of Library and Information Science 2013; 18(3): 57-73.
  20. Bergvik S, Wynn R, Sorlie T. Nurse training of a patient-centered information procedure for CABG patients. Patient Educ Couns 2008; 70(2): 227-33.
  21. Neubeck L, Ascanio R, Bauman A, Briffa T, Clark AM, Freedman B, et al. Planning locally relevant Internet programs for secondary prevention of cardiovascular disease. Eur J Cardiovasc Nurs 2011; 10(4): 213-20.
  22. Bermejo J. A simplified guide to create an ontology [Online]. [cited 2007 May 22]; Available from: URL: http://tierra.aslab.upm.es/documents/controlled/ASLAB-R-2007-004.pdf
  23. Sharif A. Automatic ontology engineering: Study of the visibility of semantic relations in Persian scientific texts and the possibility of extracting them. Library and Information Science 2009; 12(2): 243-63. [In Persian].
  24. Seltmann S, Stachelscheid H, Damaschun A, Jansen L, Lekschas F, Fontaine JF, et al. CELDA -- an ontology for the comprehensive representation of cells in complex systems. BMC Bioinformatics 2013; 14: 228.
  25. Noy NF, McGuinness DL. Ontology Development 101: A guide to creating your first ontology. Stanford Knowledge Systems Laboratory Technical Report KSL-01-05 and Stanford Medical Informatics Technical Report SMI-2001-0880. Stanford, CA: Stanford University; 2001.
  26. Bright TJ, Yoko FE, Kuperman GJ, Cimino JJ, Bakken S. Development and evaluation of an ontology for guiding appropriate antibiotic prescribing. J Biomed Inform 2012; 45(1): 120-8.