پیش نشست بررسی داده کاوی و نقش آن در سازماندهی اطلاعات شنبه 9 تیرماه سال‌جاری در پژوهشکده مدیریت اطلاعات و مدارک اسلامی با حضور رییس و مدیران پژوهشکده و اساتید دانشگاهی این حوزه، برگزار شد.

در ابتدای این جلسه دکتر علی میرعرب مدیر گروه پژوهشی اشاعه اطلاعات و دانش، ضمن خوشامدگویی به طرح بحث و بیان ضرورت میل به داده کاوی در نظام سازماندهی اطلاعات اشاره کرد و تصریح نمود: داده کاوی به بهره‌گیری از ابزارهای تجزیه و تحلیل داده‌ها به منظور کشف الگوها و روابط معتبری که تاکنون ناشناخته بوده‌اند اطلاق می‌شود. این ابزارها ممکن است مدل‌های آماری، الگوریتم‌های ریاضی و روش‌های یاد گیرنده (Machine Learning Methods) باشند که کار این خود را به صورت خودکار و بر اساس تجربه‌ای که از طریق شبکه‌های عصبی (Neural Networks) یا درخت‌های تصمیم‌گیری (Decision Trees) به دست می‌آورند بهبود می‌بخشد.
وی با تبیین نقش مهم توانایی‌های فنی در داده کاوی بیان داشت : اما عوامل دیگری نیز مانند چگونگی پیاده‌سازی و نظارت ممکن است نتیجه کار را تحت تأثیر قرار دهند. یکی از این عوامل کیفیت داده هاست که بر میزان دقت و کامل بودن آن دلالت دارد. عامل دوم میزان سازگاری نرم‌افزار داده کاوی با بانک‌های اطلاعاتی است که از سوی شرکت‌های متفاوتی عرضه می‌شوند. عامل سومی که باید به آن اشاره کرد به بیراهه رفتن داده کاوی و بهره‌برداری از داده‌ها به منظوری است که در ابتدا با این نیت گرد آوری نشده‌اند.
در ادامه حجت الاسلام و المسلمین دکتر عبدالرحیم سلیمانی بهبهانی ریاست پژوهشکده مدیریت اطلاعات و مدارک اسلامی ضمن عرض خیر مقدم به مهمانان جلسه، پرسش‌هایی در خصوص امکان و دقت داده‌کاوی در کاوش و استخراج دانش در حوزه‌های علوم اسلامی مطرح کردند.
سپس آقای محمود حسن‌زاده رییس اداره پژوهش پژوهشکده، به چالش‌های پیش روی داده‌کاوی پرداخته و اذعان داشت: داده‌کاوی هیچگاه جای تحلیل انسانی را نمی‌تواند بگیرد. رییس اداره پژوهش پژوهشکده مدیریت اطلاعات نیز سوالاتی در زمینه نحوه استنباط ماشین از داده‌ها و میزان دقت آن مطرح کرد.
در ادامه حجت الاسلام والمسلمین دکتر نجیبی مدیر گروه تدوین سازمان های دانش، به بیان دیدگاه‌های خود در زمینه داده‌کاوی و کمک آن به اخذ اصطلاحات از منابع و نمایه‌زنی منابع براساس اصطلاحات تایید شده پرداخت. ایشان ضمن بیان لزوم حرکت به سمت نمایه‌سازی ماشینی تصریح کرد: اگر داده‌کاوی بتواند در زمینه نمایه‌سازی منابع و اخذ اصطلاحات حتی با دقت 70 درصد به محققان و پژوهشگران کمک کند باعث بهبود در سرعت و دقت کارها خواهد شد.
در ادامه این نشست، دکتر مهدی اسماعیلی عضو هیات علمی دانشگاه کاشان گفت : وظیفه ی داده کاوی، کاویدن و استخراج از منابع عظیم داده است تا اطلاعات گرانبهایی که در حجم انبوهی از اطلاعات سطحی پنهان شده است را استخراج کند. «داده کاوی» ترجمه ی عبارت «Data Mining» و به معنای «کاویدن معادن داده» است.
این استاد دانشگاه ضمن بیان تفاوت اصلی داده کاوی و علم آمار خاطر نشان کرد: این تفاوت در حجم داده های مورد تحلیل، روش مدلسازی داده ها و استفاده از هوش مصنوعی است. ایشان بیان داشتند خروجی‌های داده کاوی می‌تواند تلنگر خوبی برای محققان و پژوهشگران باشد تا جنبه‌های مختلف کشف دانش از منابع و داده‌ها را در نظر بگیرند.
در انتهای جلسه پیشنهاد شد تا برای نهایی شدن این موضوع یک نمونه خروجی تهیه و سپس با نمایه های موجود آن مقایسه گردد تا ضمن شفافیت، به نتیجه محکمی برسیم. این پیشنهاد برای اجرا به تصویب جمع رسید.