Taxonomy and Representation of Digital Architecture Knowledge: Proposal for an Online Encyclopedia Model

Yıl 2025, Cilt: 40 Sayı: 3, 1509 - 1524

Esranur Karacif , Ethem Gürer

https://doi.org/10.17341/gazimmfd.1488572

Öz

The advancement of digital technologies facilitates more effective communication of scientific knowledge through texts and visuals. Particularly in subfields such as "digital architecture," the importance of innovative approaches in teaching and disseminating knowledge has increased with the emergence of new concepts. This study focuses on mapping digital architectural knowledge through an exploratory online encyclopedia to provide a comprehensive learning experience by utilizing text mining techniques of digital humanities. Using a dataset comprising digital architecture articles, scientific knowledge is initially hierarchically classified. Subsequently, data mining techniques employing artificial intelligence algorithms are utilized to classify information based on conceptual, procedural, visual, and configurational layers beyond what is conveyed through linear text to convey a holistic perspective of information through exploration. This analytical approach enables a comprehensive understanding of the complex knowledge network in digital architecture. The results, supported by interactive visuals, are published on a web page. These representation methods encourage users to learn information exploratory, enhancing the effectiveness of knowledge transfer. This study provides a visual, structured and hierarchical resource for researchers, educators, students, and practitioners by contributing to the development of knowledge transfer and understanding in digital architecture.

Anahtar Kelimeler

Digital architecture, digital humanities, online encyclopedia, text mining, hierarchical clustering

Dijital mimarlık bilgisinin tasnif ve temsili: Bir çevrim içi ansiklopedi modeli önerisi

Öz

Dijital teknolojilerin gelişimi, bilimsel bilginin metinler ve görseller aracılığıyla daha etkili iletilmesini sağlamıştır. Özellikle "dijital mimarlık" gibi bir alt alanda, yeni kavramların üretilmesiyle birlikte bilgiyi öğretme ve yayma yöntemlerinde yenilikçi yaklaşımların önemi artmıştır. Bu çalışma, kapsamlı bir öğrenme deneyimi sunmayı amaçlayan, keşif odaklı bir çevrim içi ansiklopedi aracılığıyla, dijital beşeri bilimlerde yaygın olarak kullanılan metin madenciliği yöntemini kullanarak dijital mimarlık bilgisinin haritalandırılmasına odaklanmaktadır. Veri seti olarak, öncelikle dijital mimarlık alanına ilişkin makalelerden oluşan bir veri seti kullanılmış ve bilimsel bilgi öncelikle hiyerarşik olarak sınıflandırılarak ve kavramsal, işlemsel, görsel, konfigürasyonel bilgi katmanları üzerinden yapay zekâ algoritmalarının kullanıldığı veri madenciliği yöntemleri ile tasnif edilerek doğrusal metinle aktarılanın ötesinde bilgiye dair genel perspektifin keşif yoluyla iletilmesi amaçlanmıştır. Bu analitik yaklaşım, dijital mimarlık alanındaki karmaşık bilgi ağının kapsamlı bir şekilde anlaşılmasını sağlar. Elde edilen sonuçlar etkileşimli görsellerle desteklenerek web sayfasında yayımlanmıştır. Bu temsil yöntemleri, kullanıcıların bilgiyi keşifsel bir şekilde öğrenmelerini teşvik eder ve bilgi aktarımını daha etkili hale getirir. Bu çalışma, dijital mimarlık alanında bilgi aktarımı ve anlayışının geliştirilmesine katkıda bulunarak, araştırmacılar, eğitmenler, öğrenciler ve uygulayıcılar için görsel, yapılandırılmış ve hiyerarşik bir kaynak sunar.

Anahtar Kelimeler

Dijital mimarlık, dijital beşeri bilimler, çevrim içi ansiklopedi, metin madenciliği, hiyerarşik kümeleme

Kaynakça

• 1. Castells, M., The Information Age: Economy, Society, and Culture, Wiley-Blackwell, West Sussex, 2010.
• 2. Negroponte, N., Being Digital, Knopf Doubleday Publishing Group, New York, 1995.
• 3. Gilster, P., Digital Literacy, John Wiley & Sons, Kanada, 1997.
• 4. Jong, T.d. ve Ferguson-Hessler, M.G.M., Types and Qualities of Knowledge, Educational Psychologist, 31 (2), 105-113, 1996.
• 5. McCormick, R., Conceptual and Procedural Knowledge, International Journal of Technology and Design Education 7, 141-159, 1997.
• 6. Hillier, B., Space is the machine, Syndicate of the University of Cambridge, London, 2007.
• 7. Martens, B. ve Turk, Z., CUMINCAD-Cumulative Index about publications in Computer Aided Architectural Design. 2016 [cited 2023 3 Temmuz]; Available from: https://papers.cumincad.org/about.html. 8. Tonta, Y., Bilgi Sınıflama, Bilgi Düzenleme ve Bilgi Erişim, Hacettepe Üniversitesi, Bilgi ve Belge Yönetimi Bölümü, Ankara, 2012.
• 9. Goldstein, E.B., Cognitive Psychology: Connecting Mind, Research, and Everyday Experience, Thomson Wadsworth, 9780495103530, 2008.
• 10. Sweller, J.A., Paul; Kalyuga, Slava, Cognitive Load Theory, Springer, 978-1-4419-8126-4, New York, 2011. 11. Collins, A.M. ve Quillian, M.R., Retrieval Time from Semantic Memory, Journal of Verbal Learning and Verbal Behaviour, 8, 240-247, 1969.
• 12. Amadieu, F., Gog, T.V., Paas, F., Tricot, A. ve Mariné, C., Effects of prior knowledge and concept-map structure on disorientation, cognitive load, and learning, Learning and Instruction, 19 (5), 376-386, 2009.
• 13. Reif, F., Instructional design, cognition, and technology: Applications to the teaching of scientific concepts, Journal of Research in Science Teaching, 24 (4), 309-324, 1987.
• 14. Alexander, P.A. ve Judy, J.E., The Interaction of Domain-Specific and Strategic Knowledge in Academic Performance, Review of Educational Research, 58 (4), 375-404, 1988.
• 15. Kogut, B. ve Zander, U., Knowledge of the Firm, Combinative Capabilities, and the Replication of Technology, Organization Science, 3 (3), 383-397, 1992.
• 16. Reif, F. ve Allen, S., Cognition for Interpreting Scientific Concepts: A Study of Acceleration, Cognition and Instruction, 9 (1), 1-44, 1992.
• 17. Jonassen, D.H., Beissner, K., Yacci, M., Implicit Methods for Conveying Structural Knowledge Through Frames and Slots, Structural Knowledge: Techniques for Representing, Conveying, and Acquiring Structural Knowledge, Lawrence Erlbaum Associates, Hillsdale, 1993.
• 18. Eppler, M.J. ve Burkhard, R.A., Knowledge Visualization: Towards a New Discipline and its Fields of Application, 2004.
• 19. Asheim, B.T. ve Coenen, L., Knowledge bases and regional innovation systems: Comparing Nordic clusters, Research Policy, 34, 1173–1190, 2005.
• 20. Blumberg, P., Maximizing Learning Through Course Alignment and Experience with Different Types of Knowledge, Innov High Educ (Springer), 34, 93–103, 2009.
• 21. Bradley, R. ve Swartz, N., Possible Worlds: An Introduction to Logic and Its Philosophy, Hackett Publishing Company, 0-915144-60-3, Great Britain, 1988.
• 22. Selvi, K., Phenomenology: Creation and Construction of Knowledge, Phenomenology/Ontopoiesis Retrieving Geo-cosmic Horizons of Antiquity, 110, Editör: At, T., Springer, Dordrecht, 2011.
• 23. Millar, A., Knowing by Perceiving, Oxford University Press, 978–0–19–875569–2, New York, 2019.
• 24. Russell, B., Stanford Encyclopedia of Philosophy: A Priori Justification and Knowledge, 2020 [cited 20.02.2024. 25. Vercruysse, S. ve Kuiper, M., Intuitive representation of computable knowledge, 2020.
• 26. Lynch, N., Symbolic Knowledge Structures and Intuitive Knowledge Structures, 2022.
• 27. Zhao, S., Wang, J., Ji, J. ve Eko, A.V., Proximity or alienation? Can knowledge type influence the relationship between proximity and enterprise innovation performance?, Technological Forecasting & Social Change 202, 2024.
• 28. Anderson, J.R., The Experimental Psychology Series, Lawrence Erlbaum Associates, Hillsdale, New Jersey, 1976.
• 29. Gümüş, F.Ö. ve Umay, A., Problem Çözümüne Kavramsal-İşlemsel Yaklaşım Ölçeğinin Geliştirilmesi, Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi, 18 (1), 375-391, 2017.
• 30. Cook, M.P., Visual Representations in Science Education: The Influence of Prior Knowledge and Cognitive Load Theory on Instructional Design Principles, Wiley InterScience 90, 1073–1091, 2006.
• 31. Güleç, G., Mimarlıkta Temsil ve Tasarım Araçları Olarak Haritalar, Grid Architecture, Planning and Design Journal, 4 (1), 53-73, 2021.
• 32. Aral, E.A., İlişkisel Bir Eylem Olarak Haritalama, İlişkisel Bir Eylem Olarak Haritalama, Cilt dosya 42, Editör: Aral, E.A., TMMOB Mimarlar Odası Ankara Şubesi, 2019.
• 33. Acar, Y., Bilginin Haritalanması: Bilgi, İlişkilendirme ve Temsil, İlişkisel Bir Eylem Olarak Haritalama, Cilt dosya 42, Editör: Aral, E.A., TMMOB Mimarlar Odası Ankara Şubesi, 19-26, 2019.
• 34. Park, K. ve Daston, L., The Cambridge History of Science: Volume 3, Early Modern Science, Cambridge University Press, New York, 2006.
• 35. Barney, S.A., Lewis, W.J., Beach, J.A. ve Berghof, O., The Etymologies of Isidore of Seville, Cambridge University Press, New York, 2006.
• 36. Avşar, Z., Kaya, E.E. ve Omur, S., Toplumsal ve Siyasal Bir Proje: Ansiklopedi ve Ansiklopedizm, Akdeniz Üniversitesi İletişim Fakültesi Dergisi, 22, 219-236, 2014.
• 37. Burke, P., Bilginin Toplumsal Tarihi, Tarih Vakfı Yurt Yayınları, İstanbul, 2001.
• 38. Vikipedi. 2022 [cited 10.12.2022; Available from: https://tr.wikipedia.org/wiki/Vikipedi.
• 39. Svensson, P., The Landscape of Digital Humanities, DHQ: Digital Humanities Quarterly, 4 (1), 2010.
• 40. Öztemiz, S. ve Özel, N., Dijital İnsani Bilimler Araçları Üzerine Bir Değerlendirme, Ankara Üniversitesi Dil ve Tarih-Coğrafya Fakültesi Dergisi, 60 (1), 390-414, 2020.
• 41. Visuwords. Online Graphical Dictionary, 2023 [cited 01.09.2023; Available from: https://visuwords.com/knowledge.
• 42. VOSviewer. Visualizing Scientific Landscapes, 2023 [cited 01.09.2023; Available from: https://www.vosviewer.com.
• 43. Miner, G., Elder, J., Hill, T., Delen, D., Fast, A. ve Nisbet, R.A., Practical Text Mining and Statistical Analysis for Non-structured Text Data Applications, Elsevier, Oxford, 2012.
• 44. Jo, T., Text Indexing, Text Mining: Concepts, Implementation, and Big Data Challenge, Springer International Publishing, Cham, 19-40, 2019.
• 45. Berry, M.W., Mohamed, A. ve Yap, B.W., Supervised and Unsupervised Learning for Data Science, Springer Nature, Switzerland, 2020.
• 46. Shafiabady, N., Lee, L.H., Rajkumar, R., Kallimani, V.P., Akram, N.A. ve Isa, D., Using unsupervised clustering approach to train the Support Vector Machine for text classification, Neurocomputing, 211, 4-10, 2016.
• 47. Bozyiğit, F., Doğan, O. ve Kılınç, D., Categorization of Customer Complaints in Food Industry Using Machine Learning Approaches, Journal of Intelligent Systems: Theory and Applications, 5 (1), 85-91, 2022.
• 48. Mohammed, A. ve Kora, R., An effective ensemble deep learning framework for text classification, Journal of King Saud University – Computer and Information Sciences, 34, 8825–8837, 2022.
• 49. Naeem, S., Ali, A., Anam, S. ve Ahmed, M.M., An Unsupervised Machine Learning Algorithms: Comprehensive Review, International Journal of Computing and Digital Systems, 1, 911-921, 2023.
• 50. Ikotun, A.M., Ezugwu, A.E., Abualigah, L., Abuhaija, B. ve Heming, J., K-means clustering algorithms: A comprehensive review, variants analysis, and advances in the era of big data, Information Sciences, 622, 178-210, 2023.
• 51. Probierz, B., Kozak, J. ve Hrabia, A., Clustering of scientific articles using natural language processing, Procedia Computer Science, 207, 3443-3452, 2022.
• 52. Koçak S., İç Y.T., Sert M., Dengiz B., Ar-Ge projelerinin sınıflandırılması için doğal Türkçe dil işleme tabanlı yöntem, Journal of the Faculty of Engineering and Architecture of Gazi University, 38 (3), 1375-1387, 2023.
• 53. Probierz, B. ve Kozak, J., Knowledge graphs to an analysis and visualization of texts from scientific articles, Procedia Computer Science, 225, 4324-4333, 2023.
• 54. Kahraman S.Y., Durmuşoğlu A., Dereli T., Ön eğitimli Bert modeli ile patent sınıflandırılması, Journal of the Faculty of Engineering and Architecture of Gazi University, 39 (4), 2485-2496, 2024.
• 55. Grootendorst, M., BERTopic: Neural topic modeling with a class-based TF-IDF procedure, ArXiv, abs/2203.05794, 2022.