ارایه رویکردی به منظور برازندگی مدل مفهومی تخصصی برای استفاده در محیط‌های اطلاعات مکانی مردم‌گستر (مطالعه موردی : منابع آب‌ سطحی)

امروزه سامانه های اطلاعات مکانی مردم گستر رویکردی نوآورانه، سریع و کم‌هزینه برای جمع آوری اطلاعات فراهم کرده است. یکی از مشکلاتِ استفاده از این رویکرد، ناهمگونی معناییِ داده‌ها است. یکی از روش‌های نوین و علمی مدلسازیِ مورد استفاده با رویکرد حل مشکلاتِ مربوط به ناهمگونی معناییِ داده‌ها، هستارشناسی است. اما استفاده از هستارشناسی برای جمع‌آوری اطلاعات در سامانه‌های مردم‌گستر دارای چالش‌هایی اساسی است. با توجه به اینکه هستارشناسی برآمده از منابع تخصصی و روالی فنی است، در نتیجه استفاده از آن نیازمند ابزار و اطلاعات تخصصی است و خروجی آن برای افراد متخصص و کارشناسان فن قابل استفاده خواهد بود، در حالیکه اطلاعات مکانی مردم‌گستر توسط افرادی جمع‌آوری می‌شوند که نوعا اطلاعات تخصصی نداشته و عاری از ابزار تخصصی هستند. بنابراین در تحقیقِ حاضر راهکاری ارائه شده تا برای جلوگیری از ایجاد ناهمگونی معنایی، مدل هستارشناسی را برای جمع‌آوری اطلاعات در سامانه‌های اطلاعات مکانی مردم‌گستر بگونه‌ای بکار ببریم که نیازی به داوطلبان آگاه و استفاده از ابزار خاص نباشد. در این راهکار پس از جمع‌آوری اطلاعات و توسعه‌ی مدل هستارشناسیِ اطلاعات در زمینه‌ی تخصصی مورد نظر، به کمک کلاس‌ها، زیرکلاس‌ها، روابط و ویژگی‌های موجود در مدل هستارشناسی، یک مدل مفهومیِ قابل فهم برای عموم در سه سطحِ جزئیات ایجاد می‌کنیم. سپس این مدل مفهومی را با استفاده از یک جدول مراجعه، به مدل هستار‌شناسی مرتبط می‌کنیم. با این کار داوطلبان بر اساس مدل مفهومی اطلاعات خود را در سامانه‌ی اطلاعات مکانی مردم‌گستر وارد می‌کنند و نتیجه‌ از مدل هستار‌شناسی به عنوان خروجی در اختیار تصمیم‌گیران قرار خواهد گرفت. در نهایت با مطالعه موردی منابع آب‌های سطحی، مدل مفهومی از منظر سادگی و عدم ابهامِ داوطلبان و عدم نیاز به اطلاعات تخصصی برای استفاده از آن، ارزیابی شد. با توجه به نتایج، می‌توان گفت 83 درصد از مدل مفهومی بدون ابهام بوده و بدون آموزش برای کاربران قابل فهم است. همچنین نتایجِ خروجی از مدل هستارشناسی از منظر کارایی برای تصمیم‌گیری ارزیابی شد که نتایج، نشان‌دهنده‌ی تناسبِ 88 درصد از اطلاعاتِ خروجی از مدل هستارشناسی برای تصمیم‌گیری است. بنابراین نتایجِ ارزیابی مدل مفهومی و مدل هستارشناسی، کارا بودن آن‌ها برای هدف مورد نظر را نشان می‌دهد.

Proposed an Approach to Fit a Specialized Conceptual Model for Use in VGI System (Case Study: Surface Water Resources)

Today, volunteered geographic information (VGI) has provided an innovative, fast, and lowcost approach to data collection. Using this approach will lead to problems such as semantic heterogeneity. Ontology is one of the newest modeling scientific methods and that can solve the data semantic heterogeneity problems. But using ontology to collect information has challenges in volunteered geographic information systems. Since ontology is derived from the technical procedure so, for use it, specialized tools and specialized information are needed and its output will be used by experts. As people are not usually experts and do not have specialized tools, so in this research, we have proposed the method for utilizing ontology in VGI systems to prevent the creation of semantic heterogeneity in the data. Besides, volunteers don rsquo;t need to train or to have specialized tools for using this system. In this method, we are gathering information and developing the ontology model of information and finally an understandable conceptual model for the public at three levels of details using the classes, subclasses, relationships, and features in the ontology model will be built. Then we are relating this conceptual model to the ontological model using a lookup table. By doing this, the volunteers are entering their information in the VGI system based on the conceptual model, and the result of the ontology model will be provided to the decision makers as output. Finally, we selected the surface water resources as the case study and then evaluated the conceptual model from viewpoint of the simplicity and ambiguity of the volunteers and the lack of need for specialized information to use it. According to the results, approximately 83% of the concept model is unambiguous and understandable to volunteer without training. Also the results of the ontological model were evaluated in an efficiency viewpoint for decision making by experts. The results of this evaluation also are showing 88% of the output information from the ontology model is appropriate for decision making. Therefore, the results of the evaluating are showing the effectiveness of the conceptual and ontological model for the intended purpose.