La recommandation de contenu appliquée à l’information académique et scientifique

Dans le dernier numéro de NETSOURCES (n°132 - janvier/février 2018), nous avons analysé la place grandissante de la recommandation de contenu dans les outils de recherche aussi bien grand public que professionnels, et l’impact que cela peut avoir sur les pratiques de veille et de recherche d’information.

Nous aborderons aujourd'hui la recommandation appliquée aux outils et sources d’information scientifiques, techniques et académiques :

Quelle est aujourd’hui la place des systèmes de recommandation de contenus dans les moteurs de recherche académiques, les serveurs et bases de données scientifiques, académiques et brevets, les outils de recherche développés par les éditeurs, les réseaux sociaux académiques, etc. ?  Et qu'apporte ce système de recommandation au processus de recherche et de veille dans ces domaines ?

Rappel : typologie de la recommandation de contenus

Avant d’explorer en détail les fonctionna­lités de recommandations présentes chez les outils et sources d’informations scientifiques et académiques, il est important de rappeler la typologie de la recommandation de contenu que nous avions développée dans le précédent article, car derrière le concept de recommandation se cachent des réalités très diverses.

Nous avions choisi de proposer la typologie suivante à laquelle nous continuerons de nous référer tout au long de cet article avec :

• La recommandation automatique de contenu d’une part
• La recommandation humaine d’autre part
• et enfin la personnalisation des résultats et de l’information

La définition précise des différents types de recommandation est disponible dans un encadré intitulé « typologie de la recommandation de contenus » plus loin dans cet article.

Les publications scientifiques et académiques reposent depuis toujours sur un système de recommandation

La recommandation a toujours été au cœur de la production d’articles scientifiques. D’une part avec les références biblio­graphiques présentes au sein de chaque article qui peuvent permettre de faire découvrir des articles traitant de la même thématique ou d’un sujet proche et, d’autre part avec le système des citations. En effet, les articles citant un article que nous jugeons pertinent, ont des chances d’être également pertinents dans le cadre de notre recherche ou de notre veille.

Mais au delà de la recommandation classique, on a pu voir se développer dans les outils de recherche scientifiques et académiques des modules ou fonctionnalités de recommandation automatique de con­tenus, des médias sociaux académiques basés sur une recommandation humaine et également des outils et services dont la recommandation est le cœur de leur activité.

C’est précisément ce que nous allons explorer dans cet article.