شیوه جستجوی اطلاعات فارسی ازاینترنت

http://www.persianv.com/computer/khabar/0018792.JPG

این مقاله سعی دارد تا با اشاره به موارد مختلفی که می¬تواند در جستجو و بازیابی اطلاعات سرعت و دقت و جامعیت و مانعیت جستجو را بالاببرد موجب افزایش مهارت کاربران اینترنت فارسی بشود. اینترنت به عنوان یک محمل اطلاعاتی عظیم، منابع اطلاعاتی را در مقیاسی وسیع در دسترس مخاطبان بالقوه قرار داده است. اغلب سهولت دسترسی به منابع اطلاعاتی اعم از متن و سایر رسانه ها عمده ترین مزیت اینترنت محسوب می شود. اما این توانایی که هرکس ناشر آثار خود باشد عواقب ناخواسته ای را نیز در پی خواهد داشت و آشکارترین معضل، آن است که انبوهی از منابع بسیار متنوع و غیر قابل مدیریت را فراهم می¬آورد. افزایش سریع منابع اینترنتی نیازمند یک سازمان¬دهی مفید و موثر است.
هرچند در حال حاضر راهنماهایی برای منابع اینترنتی تهیه شده است که براساس فایل های مقلوب ساخته شدهِ توسط موتورهای جستجو و با استفاده از قابلیت های مختلف این موتورها از جمله : استفاده از عملگرهای بولی، جستجوی دقیق عبارت، محدود کردن یک جستجو به بخش خاصی از رکورد (مانند عنوان ، آدرس) ، کوتاه سازی کلمات، جستجوی نزدیک یابی واژه ها، ایجاد محدودیت زمانی و منطقه ای و زبانی، و .... به جستجوی اطلاعات کمک می¬کند، اما باید تاکید کرد که در امر بازیابی اطلاعات از اینترنت بدون نمایه سازی نظام یافته نمی توان انتظار بازیابی مفید و موثر را داشت. هرچند بیش تر اطلاعات موجود بر روی اینترنت به زبان انگلیسی است، ولی حجم اطلاعات به زبان فارسی نیز با سرعت در حال افزایش است و کاربران به دلایل مختلفی علاقه زیادی به اطلاعات فارسی نشان می¬دهند و از آنجایی¬که زبان غالب در اینترنت انگلیسی است جستجو به زبان های غیر انگلیسی از جمله فارسی، مسایل و مشکلات مختلفی را جدای از مشکلات عمومی اینترنت دارد.
خط فارسی

اشکال و نقصی که در همه خطوط جهان است دو علت دارد که یکی در اصل خط است و دیگری بر اثر تغییر و تحول زبان ایجاد می شود. دقت فراوان در ثبت همه دقایق تلفظ اغلب موجب دشواری شیوه خط است و این دقت زمانی ضرورت می یابد که زبانی توسعه بسیار بیابد و در کشورهای دیگری که به آن زبان سخن نمی گویند رایج شود. به عنوان مثال در خط عربی نقطه و علامت های حرکات وقتی به وجود آمد که زبان عربی نزد ملت های غیر عرب معمول شد، در خط یونانی نیز نشانه های آهنگ و تکیه[3] پس از رواج آن زبان در مصر ایجاد شد تا کسانی که زبان مادری شان یونانی نبود و با تلفظ آن مانوس نبودند بتوانند کلمات و عبارات یونانی را هر چه درست تر ادا کنند. با این حال هیچ خطی هر قدر دقیق و شماره علامات آن فراوان باشد، ممکن نیست که کاملاً نشانه شیوه تلفظ باشد. و با کمک علامات متعدد علم حروف نیز تا کسی چگونگی تلفظ زبانی را نشنود نمی تواند عبارت و کلمات آنرا مانند اهل آن زبان ادا کند. اما نقصی که بر اثر تحول زبان و به تدریج در خط حاصل می شود، مشکلی است که همه ملت ها با آن رو به رو هستند. بعضی از حروف و اصوات زبان در طی زمان تغییر می پذیرند و این تغییر در گفتار حاصل می شود، اما خط همیشه صورت کهن تلفظ را حفظ می کند، و از اینجا میان "گفتار" و "نوشتار" اختلاف روی می دهد. دیگر آن که هر زبانی ناگزیر لغاتی از زبان های دیگر به عاریت می گیرد و اگر علایم خط در این دو زبان یکی باشد کلمه خارجی به همان املای اصلی در نوشتن به کار می رودکه اغلب با املای کلمه مشابه در زبان ثانوی تفاوت دارد و از اینجا برای اصوات واحد علایم خطی متعدد پدید می آید. در خط فارسی نمونه همه این موارد را می توان یافت. چون خط عربی برای نوشتن فارسی به کار رفت کلماتی که از آن زبان اخذ شده بود به همان صورت اصلی نوشته شد. حال آنکه به یقین در هیچ دوره ای حروف خاص عربی را فارسی زبان ها درست مثل اصل تلفظ نکرده اند. در زبان های دیگر نیز این گونه موارد نمونه های متعدد دارد. شاید دو زبان انگلیسی و فرانسه بیش از همه زبان های جهان دچار اختلاف تلفظ و خط باشند. به طور کلی نقایص و معایبی که در خطوط معمول جهان است را می توان به طریق زیر طبقه بندی کرد:
1. شکل واحدی اصوات مختلف را بیان می کند. چنانکه در فارسی حرف "ی" را گاهی برای حرف لین بکار می-بریم (یک) و گاهی برای حرف مد (بی) و گاهی به جای الف (عیسی) و گاهی برای نشان دادن مصوت مرکب (ری). و یا حرف «و» در کلمات (سوار، سود، تو)
2. اصوات واحد به صورت های مختلف نوشته می شود. در فارسی حرف "س" سه صورت (س – ص – ث) و حرف "ز" چهار صورت (ز – ذ- ض- ظ) دارد؛ در زبان فرانسه حروفی که "سن" خوانده می شود پنج رسم الخط دارد که اگر صورت های جمع را نیز به حساب بیاوریم ده شکل می شود از این قرار (saint, ceint, sein, seing, sain)
3. بسیاری از حروف نوشته می شود ولی خوانده نمی شود. یعنی علاماتی بی فایده در نوشتن به کار می رود در فارسی نوشتن "واو معدوله" و "هاء غیر ملفوظ" از این قبیل است. در انگلیسی نمونه این مورد بسیار است مانند high که دو حرف آخر آن به کلی از تلفظ ساقط است. و یا “K” در کلمه “Know” .
4. اصواتی هستند که تلفظ می شود اما در خط نشانه ای برای آن ها نیست. در فارسی سه مصوت کوتاه ( ِ ) از این قبیل است هم چنین الف در کلمات اسحق و الله که در کتابت نمی آید. [4]زبان و خط فارسی نیز مشکلات خاصی را دارا می¬باشد و نظام نوشتاری فارسی برای ثبت دقیق گفتار، نارسایی دارد و قواعد نگارش آن مدون نیست، از این رو فاصله میان گفتار و نوشتار در فارسی قابل توجه است. بیش ترین مشکلات نیز به جهت نبود یک رسم الخط واحد که عموم اساتید و اهل فن روی آن اجماع کرده باشند به وجود آمده است. به طوری که در حال حاضر جدای از چندین شیوه نامه رسمی همچون" شیوه نامه سمت، نشر دانشگاهی، فرهنگستان، آموزش و پرورش" به تعداد افراد جامعه، رسم الخط و شیوه نگارش زبان وجود دارد، هر ناشری برای خود به قاعده ای دلخواه عمل می کندکه این تعددها موجب پریشانی و پراکندگی شده و با یک¬دیگر تفاوت هایی دارند. از دیگر دلایل می توان به عاریتی بودن خط فارسی و چاره اندیشی برای حرکات و عدم تطابق واج ها با حروف اشاره کرد. متصل و منفصل نویسی نیز یکی دیگر از حوزه های مورد اختلاف است از دیگر مشکلات: گوناگونی معادل های علمی، انواع مختلف ضبط اسامی خارجی، سرهم نویسی، جدانویسی، بی فاصله نویسی، انواع جمع ها، صورت های مختلف نوشتاری، آوانویسی اسامی عناصر و ترکیبات شیمیایی، سرواژه ها و کوته نوشت ها می¬باشد. به طور کلی نقص هایی که برای زبان فارسی شمرده اند به شرح زیر می توان عنوان کرد:
1.سه مصوت کوتاه یعنی حرکات زیر و زبر و پیش ( ِ ) را از نوشتن ساقط می¬کنیم. و این باعث می شود به جای این که از خط و نوشتار پی به معنی ببریم بایستی از معنی کلمه و جایگاه آن در جمله آن¬را درست بخوانیم مانند کلمات (کرم، کرم، کِرِم، کر م، کِرم) و (ملک، ملِک، ملک، مِلک) و یا سه کلمه (حکم، حکم، حِکم) و نیز ننوشتن مصوت های کوتاه در داخل متن باعث می شود که برای تلفظ صحیح اجباراً لاتین کلمات به صورت پانویس متن آورده شود که همین امر باعث اتلاف وقت و انرژی می شود. که البته همین لاتین نویسی هم قاعده خاصی ندارد و هر ناشر و نویسنده ای سلیقه خاص خودش را برای آوانویسی حروف فارسی به لاتین دارد. که به عنوان نمونه برای نشان دادن حرکت فتحه و الف و آ هیچ گونه هماهنگی در کتاب ها و خصوصا فرهنگ های مختلف دیده نمی شود. ”هر چند برخی معتقدند همین ننوشتن حرکات مزیتی است و موجب تندنویسی می شود“[5].
2.برای یک حرف چند علامت مختلف داریم مانند علامت های (س،ص، ث) که هر سه در فارسی یکسان خوانده می شوند و هم چنین (ذ، ز، ض، ظ) و نیز (ت، ط). البته این امر در زبان انگلیسی هم وجود دارد چنان که «ف» ممکن است به شکل های «F. GH. PH. V » باشد.
3.یک علامت را برای دلالت بر چند حرف مختلف استعمال می کنیم مانند "و" که پنج مورد نوشتن دارد یکی برای بیان ضمه در کلمات "خوش" و "تو". دیگر بیان مصوت ممدود یا "واو ماقبل مضموم" مانند "شور" و "او". سوم بیان حرف صامت "واو" در کلماتی چون "آواز" و "والی" و "عفو" . چهارم بیان حرف مصوت مرکبی که در کلمات "نو" و "جوشن" و مانند آن هاست. پنجم حرفی که در زبان کنونی خوانده نمی شود مانند "واو معدوله" در کلمات "خواهر" و "خواستن" و "واو" در کلمه "عمرو"[6]
4.حرف هایی هم هست که در کلمات خاصی از نوشتن حذف می شود مانند "الف" در کلمات "اسحق" و "اسمعیل" و "الله"
5.نقطه هایی متعدد در بالا و پایین حرف که هم سبب دشواری و هم موجب اشتباه در خواندن می شود. اهمیت بیش از حد نقطه درخط فارسی هنگام تشخیص نوری کاراکترها[7] تولید اشکال اساسی می کند. به عنوان مثال در نظر بگیرید که تفاوت ‹ر› و ‹ز› و یا تفاوت ‹د› و ‹ذ› و یا تفاوت ‹ب› ‹ت› ‹ پ› ‹ث› فقط در نقطه است و چون نقطه جزء بسیار کوچکی است در این امر مشکلات زیادی را فرا روی متخصصین قرار می دهد. و یا کلمات زیر را در نظر بگیرید که با یک یا چند نقطه عوض می شوند (بر، بر، پر، پر، تر، پز، پز، بز، تِز).
6. یک عیب دیگر هم که برای خط فارسی ذکر کرده اند این است که از راست به چپ نوشته می شود. و برای این مورد دلایل مختلفی ذکر شده است از جمله عدم هماهنگی و ایجاد مشکل در نوشتن متون ریاضی و شیمی و نت های موسیقی و دستورات شطرنج و این که خط تصویری یعنی علایم گرافیکی که در کل جهان استفاده می شود مانند علایم راهنمایی و رانندگی تماماً از چپ خوانده می شوند.
7.پیوسته نویسی و جدا نویسی کلمات مرکب که در اکثر موارد به صورت سلیقه ای عمل می شود مانند تنوع استفاده از ‹می› چسبان و غیر چسبان و یا تنوع نحوه به کار بردن «علامت های جمع ‹ها، ان، جات› ، هم، هیچ، که، (ضمایر شخصی متصل مان، تان، شان)، شناسی، را، چه، چون، تر، ترین، بی (پیشوند نفی)، به، ای (نشانه ندا)، آن و این» در کلمات به صورت پیوسته و یا جدا گانه: (آنچه ، آن چه)؛ (همچنانکه، همچنان که) ؛ (جنابعالی، جناب عالی)؛ (هیچکس، هیچ کس) ؛ (میتواند، می تواند)؛ (آن ها، آنها) در این مورد کلماتی که پیشوند و یا پسوند دارند نیز در شکل های مختلف نوشته می شوند. برخی از کلمات در دو شکل متصل نویسی و منفصل نویسی به دو شکل مختلف ظاهر می شوند، مانند «علاقمند و علاقه مند؛ اندیشمند و اندیشه مند». مصدرها و فعل های مرکب و اسم های مشتق از آنها نیز به دو صورت متصل و منفصل نوشته می شوند مانند «نگه داشتن و نگهداشتن». در جستجوی مطالب از اینترنت این مورد تولید اشکال می کند چنانکه جستجوی «هیچ کس» نتایج متفاوتی را با جستجوی «هیچکس» می آورد و یا جستجوی « کتاب شناسی » و «کتابشناسی» در موتور جستجوی گوگل نتایج متفاوتی را ارایه می کند. این گونه کلمات با این که در خواندن متن اشکال کمی به وجود می آورند و هر آشنای به زبان فارسی به راحتی می تواند آن را بخواند اما در فن آوری امروزه و تجزیه و تحلیل کلمات به کمک رایانه اشکال اساسی تولید می کند و شاید اگر قاعده ای جامع و مانع برای آن وضع گردد، بتوان گفت بزرگ ترین مشکل خط فارسی حل شده است. منظور این که، برای مثال خواندن سه کلمه «بی حوصلگی، بیحوصلگی، بی حوصله گی» مشکلی ایجاد نمی کند. اما در محیط الکترونیکی و شبکه اینترنت برای بازیابی این کلمه بایستی برای تمام اشکال این کلمه، جستجو را انجام دهیم، البته اگر آگاهی از تمام اشکال نوشتاری آن داشته باشیم.آآ
8.سی و دو حرف الفبای فارسی همراه با چهار علامت مد، همزه، تنوین، تشدید به 130 شکل مختلف ظاهر می شوند و تفاوت این اشکال در اتوماسیون خط فارسی تولید اشکال می کند. « تنوع و تعدد نویسگان، یادگیری زبان و خط فارسی را برای آموزگار و آموزنده دشوار و برای نوآموز توان فرسا می سازد. تعداد زیاد نویسگان در رابطه با اتوماسیون زبان توسط رایانه مشکلاتی در خصوص تعداد و ترتیب قرار گرفتن نویسگان در جداول کد ایجاد می نماید و طراحان کد در جای دادن این تعداد نویسه در جداول با مساله کمبود جا رو به رو هستند. هر چند که مشکل جا با کد 16 بیتی حل شده است اما مسایل دیگری هم¬چنان باقی می مانند که احتیاج به برطرف شدن دارند»[8]
9. نوشتن ک و گ (ک گ ک گ گ ک) در اشکال مختلف نیز باعث سردرگمی و عدم جستجوی صحیح می شود.
10. در اغلب اوقات یک فاصله اضافی معنی متفاوتی و یا متضادی را می دهد (مثل مادر ، ما در).
11. سه کرسی مختلف برای حرف های مختلف الفبا باعث می شود که در مقایسه با اکثر زبان ها تعداد سطرهای هر صفحه به مراتب بیش تر گردد چون برخی حروف روی خط کرسی قرار می گیرند و برخی پایین خط کرسی و برخی بالای خط کرسی مثل (ا ب م )
12.از آنجاییکه حروف در نوشتن غالباً به صورت چسبیده و پیوسته نوشته می شوند و این امر تشخیص حرف به حرف نوشته به وسیله رایانه را، دچار مشکل می کند.
13. در او. سی. آر. فارسی هم چنین اعداد نیز مشکل ساز هستند چنانچه صفر در فارسی یک نقطه کوچک است که می تواند رایانه را به اشتباه بیاندازد و نیز اعداد 1 و 2 و 3 بسیار شبیه هم هستند و تفاوت شان در یک دندانه کوچک است.
14. تنوع املایی یا تنوع در رسم الخط بعضی از کلمات که همه شکل های آن نیز درست است مانند( اتاق و اطاق) و یا (امپراتور و امپراطور). و کلماتی که فقط یک شکل آنها صحیح می باشد ولی شکل ناصحیح آن نیز زیاد استفاده می شود مانند «ذغال و زغال؛ خوشنود و خشنود». البته این جدای از تنوع در مفهوم کلمات است که در دیگر زبان ها نیز وجود دارد، یعنی برای بعضی از مفاهیم ممکن است کلمات متنوعی استفاده بشود. مانند کامپیوتر و رایانه.
15. بکار بردن همزه درصورت های مختلف مانند (مساله، مسیله) ؛ (مسیول، مسوول)
16. استفاده از ‹ا› و ‹آ› به جای یک¬دیگر مانند (فرایند و فرآیند).
17. شکل های مختلف ضبط نام¬های بیگانه در فارسی: ورود واژه های بیگانه معمولا از راه ورود پدیده های فرهنگی نو در عرصه های مختلف فنی ، علمی، اجتماعی، سیاسی و هنری و .... و یا از طریق افراد دو زبانه انجام می گیرد که به قرض گیری زبان معروف است و کم و بیش در تمام زبان ها وجود دارد. واژه های بیگانه اغلب برای پر کردن خلاء واژه های علمی و یا ارتباطی سودمند هستند، اما وجود آن ها مسایلی از قبیل چگونگی ضبط آن ها در زبان قرض گیرنده را به وجود می آورد. برای ضبط واژه های قرضی به سبب اختلاف فاحش نشانه های الفبای فارسی با نشانه های الفبای خارجی مشکلات جدی وجود دارد. از جمله این که الفبای فارسی آوانگار نیست و به همین جهت در ضبط دقیق تلفظ واژه های زبان فارسی نیز ناتوان است و این ناتوانی در ضبط واژه های بیگانه به مراتب بیش تر است و این که در مورد برگردان اسامی خارجی به خط فارسی قاعده خاصی وجود ندارد و هر کس بنا بر سلیقه و ذوق خود این کار را انجام می دهد که در نتیجه یک کلمه واحد به صورت های مختلف نوشته می شود. برای مثال (اتومبیل و اتوموبیل)؛ (کلسیم، کلسیوم، کالسیوم) و یا اسم Franklin به صورت (فرانکلین، فرانکلن، فرنکلین، فرنکلن) ضبط شده است. خانم صدیق بهزادی این مشکلات را به سه دسته تقسیم کرده است: ” 1- نام هایی که در برگردان آن ها هم خوان ها ایجاد مشکل می کنند. 2 – نام هایی که در برگردان آن ها واکه های ساده مشکلاتی را به وجود می آورند . 3 – و سوم نام هایی که در برگردان آن ها مشکل اصلی مربوط به واژه های مرکب است[9].
18.استفاده یا عدم استفاده از ‹ی› در کلمات مختوم به ‹الف › مانند (موسی و موسا).
19.استفاده یا عدم استفاده از ‹ء› برای کلمات مختوم به های بیان حرکت در حالت مضاف مانند (خانه مسکونی و خانهء مسکونی و یا خانه ی مسکونی).
20.استفاده یا عدم استفاده از اعراب برای کلمات.
21.انواع مختلف جمع برای یک واژه مفرد: به عنوان مثال جمع بستن یک واژه با علایم جمع فارسی وعلایم جمع عربی و نیز جمع بستن بی قاعده (جمع مکسر)، استفاده ازجمع جمع، مانند (معلم، معلمین، معلمان، معلم ها).
22.تنوین های زبان عربی نیز از جمله دشواری های رعایت اصل هم خوانی نوشتاری و گفتاری هستند.
23.در نگارش یاء وحدت یا نکره در آخر کلماتی که به هاء مختفی یا غیر ملفوظ ختم می شوند سه نوع املاء دیده می شود. (خانه ای، خانه یی، خانه ).
24.کلمه های عربی در شکل های گوناگون در زبان فارسی نوشته می شوند. (مبدا، مبداء)؛ (ابتدا، ابتداء)؛ (نسبتاً، نسبته، نسبتا) و ....
25.ناتوانی خط فارسی در نشان دادن تلفظ واژه های ایران باستان و میانه و گویش ها و لهجه های ایرانی و واژه های بیگانه حتی با نشانه ها.
26.وجود دندانه های متعدد درکلمات خواندن کلمات و به خصوص در او.سی.آر. فارسی ایجاد اشکال می کند مانند کلمات: نشستن و استشهاد.
27. حروف فارسی غالباً مشابه اند و با اندگی غفلت به جای هم نوشته می شوند و مطلب را به کلی دگرگون می کنند مانند (در، رد، ور).
زبان و خط فارسی در اینترنت :

حجم اطلاعات به زبان فارسی در روی اینترنت در اشکال مختلف آن به سرعت رشد کرده است. در حال حاضر توسعه وبلاگ های فارسی و سایت های علمی و تبلیغاتی و دانشگاهی به زبان فارسی باعث شده است که جایگاه زبان فارسی تا حد زبان اول ارتباطات اینترنتی نزد ایرانیان و فارسی زبانان در سراسر جهان ارتقا یابد. شاید بتوان گفت که اولین مرجع وبلاگ نویسی فارسی با انتشار راهنمای ساخت وبلاگ فارسی آغازشده است. بدون شک دومین موج نیز با شروع به کار سایت پرشین بلاگ که امکان راه اندازی وبلاگ برای کاربران فارسی زبان را با سهولت بیش تری فراهم می کند آغاز شده است. اما پیامد قابل توجه دیگری که رشد وبلاگ نویسی در ایران داشته است پیدایش سایت های اینترنتی فارسی زبانی است که صاحبان وبلاگ ها ایجاد کرده اند و این خود موج جدیدی از گسترش کاربرد اینترنت در جامعه ایران به حساب می آید. اکنون روی آوردن برخی از روزنامه نگاران ، پژوهش¬گران، دانشجویان و .... به وب فارسی و استفاده از منابع خبری و علمی و .... آن موجب تقویت نقش رسانه ای وب فارسی شده است. پدیده دیگری که باعث گسترش زبان و خط فارسی در اینترنت شده است ایجاد کتابخانه های دیجیتالی فارسی در شبکه جهانی است، با این که از شکل گیری کتابخانه های فارسی در شبکه جهانی مدت زیادی نمی گذرد با این حال به سرعت در حال رشد و گسترش است. شماری از این کتابخانه ها در پایگاه های اینترنتی شکل گرفته اند و بسیاری وبلاگ هایی هستند که برای این کار راه اندازی شده اند. از ویژگی های این کتابخانه ها این است که هیچ یک جنبه تجاری ندارند و نیز به جز عده معدودی اکثر کتابخانه ها کوشیده اند جانب بی طرفی را رعایت کرده و از اعمال سلیقه شخصی پرهیز کنند. آنچه در بسیاری از کتابخانه های مجازی فارسی در دسترس است تنها شامل کتاب نیست بلکه نوشته هایی اعم از داستان ، مقاله، تک نگاشت و .... نیز در میان مجموعه ها دیده می شود. هم چنین است آثاری که احتمالاً هیچ گاه چاپ کاغذی ندارند و البته وجود کتاب هایی که مدت هاست نایاب اند و مجال انتشار دوباره نیافته اند و یا آثاری که امروز به دلایلی بازچاپ آن ها مقدور نیست از جاذبه های کتابخانه های مجازی اند. در اینجا شماری از این کتابخانه ها ذکر می شوند: پایگاه اینترنتی کتاب های رایگان فارسی، پایگاه اینترنتی بانی تک، کتابخانه مجازی داستان های فارسی، آوای آزاد، پایگاه اینترنتی خوابگرد، کتابخانه دوات، پایگاه اینترنتی سخن، وبلاگ کتابخانه هرمس، پایگاه اینترنتی گفتمان، پایگاه تاریخ و فرهنگ ایران زمین، پایگاه مرکز جهانی اطلاع رسانی آل البیت، کتابخانه پایگاه اینترنتی حوزه، پایگاه اینترنتی امام علی (ع)، پایگاه اینترنتی کتابخانه دیجیتال و .... که لازم به ذکر است غلبه با کتاب های دو حوزه ادبیات و دین است.[10]
کاربران به دلایل مختلفی از قبیل" دسترسی آسان و ارزان به حجم عظیم اطلاعات ، عدم نیاز اطلاعات یافته شده از اینترنت به تایپ مجدد ، دسترسی سریع و اطلاعات جدید، صرفه جویی در وقت و مهم ترین دلیل، عدم تسلط اکثر کاربران به زبان انگلیسی "که زبان غالب بر اینترنت است" به دنبال اطلاعات فارسی از اینترنت هستند. گسترش زبان و انبوهی از نوشتارها ایجاب می کند که خط ضابطه داشته باشد و از سوی دیگر پیشرفت فن آوری و پیدایش اینترنت خواستار ضابطه و قانونمندی است. اطلاع رسانی که جنبه بین¬الملی پیدا کرده است بدون دستورِ خطی سامان یافته و نظام مند میسر نیست و دست کم دشواری ها می آفریند. در حال حاضر وبلاگ¬های فارسی مقام دوم یا سوم را در جهان دارا می¬باشد. به نظر دکتر آشوری“ اگر زبان فارسی به همین صورت بی¬دقت در اینترنت به کار رود در سطح زبانی برای تفنن باقی خواهد ماند و کم¬تر حرفی جدی به این زبان زده خواهد شد. آینده زبان فارسی در اینترنت بستگی به این دارد که نویسندگان فارسی تا چه حد کار خود را جدی بگیرند و این زبان را بازسازی کنند که از لحاظ قدرت بیان و دقت مفاهیم و استواری ساختار دستوری به زبان انگلیسی نزدیک شود“.[11] نبود استاندارد ثابت رسم الخط فارسی موجب این شده است که به تعداد صفحات وب فارسی سبک و سیاق نگارش به کار رفته باشد لکن می توان چنین ارزیابی نمود که اکثر وب های فارسی در برخی خصوصیات مشترک می باشند از جمله این که نگارش برخی از آن ها زبان غیر رسمی و محاوره ای می باشد و به خصوص در متون علمی اغلب واژه های بیگانه به دفعات استفاده می شود. رسم¬الخط مورد استفاده نیز متفاوت و سلیقه ای است و برخی از آن ها غلط های تایپی و نگارشی فراوانی دارند و این خصوصیات، اغلب به جهت محدودیت های محیط الکترونیکی و عدم تطابق رسم الخط فارسی با آن می باشد که نمایه سازی و سپس جستجو به این زبان را با دشواری هایی رو به رو می سازد.با توجه به این نکته که اطلاعات ارزشمند فراوانی در اینترنت وجود دارد و اینترنت با شتابی فراوان به یک منبع اطلاعاتی ممتاز تبدیل شده است. موتورهای جستجو به عنوان یکی از اساسی¬ترین دروازه¬های ورود به منابع اینترنتی دارای ضعف¬هایی هستند. که می¬توان به این موارد اشاره کرد:
- در یک مجموعه از یافته¬های بازیابی شده مدخل¬های تکراری فراوانی ملاحظه می¬شود.
- نتایج غیر قابل پیش¬بینی هستند.
- نتایج چه بسا گمراه کننده باشند: ممکن است جستجویی در یک موتور کاوش نتیجه¬ای نداشته، ولی در موتور دیگر دارای یافته¬های فراوان باشد.
- موتورهای کاوش محتویات پایگاه¬های اطلاعاتی خودشان را نشان نمی¬دهند و از معیارهایی که برای گنجاندن یک مدرک در فایل¬هایشان دارند حتی شرحی ارایه نمی¬کنند.
- مهار واژگانی وجود ندارد و قواعد نقطه¬گذاری و بزرگ¬نویسی نیز استاندارد نیست.
- بدون بررسی عملی هر عنصر، اغلب نمی¬توان میزان ربط و رابطه¬ها را تحلیل کرد. یعنی اطلاعات کافی در مدخل نمایه نیست تا فرد بتواند دست به انتخاب بزند.[12]
- عدم توان موتورهای جستجو در تمایز میان مدارکی که توسط فرد الف نوشته شده و مدارکی که در باره فرد الف نوشته شده است.
- منابع قابل توجهی در شبکه وب وجود دارند که توسط موتورهای جستجو نمایه نمی¬شوند. به این بخش از وب اصطلاحاً وب نامریی می¬گویند. "وب نامریی بخش بزرگی از وب است که موتورهای جستجو آن¬ها را نمایه نمی¬کنند یا نمی¬توانند نمایه کنند و عبارتند از: سایت¬های دارای رمز عبور، فایل¬های پی. ¬دی¬. اف از متون آرشیو شده، ابزارهای تعاملی نظیر ماشین حساب¬ها و برخی از واژه¬نامه¬ها و همچنین بعضی از پایگاه¬های اطلاعاتی، منابع محافظت شده از طریق اسم کاربر و گذرواژه، منابع و صفحات وب بدون پیوند و صفحات افزون بر حداکثر تعداد صفحات قابل مرور"[13].جستجوی اطلاعات در اینترنت به دو روش می تواند صورت گیرد یکی استفاده از جملات زبان محاوره ای است و دیگری بکارگیری کلمات کلیدی. در روش استفاده از جملات زبان محاوره ای که اغلب به کاربران تازه کار پیشنهاد می گردد، مورد سوال خود را در قالب یک جمله سوالی مطرح می سازند. ¬یکی از عیب های بزرگ این روش تعداد نتایج جستجوی زیادی است که بازگردانده می شود. به همین دلیل این روش توسط کاربران حرفه ای و حتی توسط همه، کم¬تر استفاده می شود. اما چنانچه از این روش استفاده بشود بایستی سعی در انتخاب بهترین نوع جمله بشود و توصیه می شود در انتخاب یک یک کلمات لحظه ای درنگ نموده و با ظرافت خاصی جمله نهایی را مطرح نمود. یکی از کاراترین و مقتدرترین روش-های جستجوی اطلاعات در دنیای وب استفاده از واژه هایی است که اصطلاحاً کلمات کلیدی نامیده می شوند. اغلب کاربران حرفه ای و جستجوگران ورزیده دنیای اینترنت می توانند با طرح بهترین کلمات کلیدی و بکار بستن قوانین ترکیب آن ها با هم برای نیازهای اطلاعاتی خود پاسخی در خور بیابند. در این روش توصیه های زیر برای انتخاب کلمات کلیدی و نیزجستجوی دقیق و مفید پیشنهاد می شود:
1- حتی المقدور سعی شود کلمات کلیدی از میان اصطلاحات منحصر به فرد و اسامی خاص انتخاب بشود.
2- حتی المقدور از آوردن کلمات عمومی که عناوین بسیاری را در زیر مجموعه خود شامل می شوند جداً خودداری کنید.
3 – همیشه اسم شخص یا نام شی یا هر چیز دیگری را که مد نظر دارید بطور کامل وارد کنید.
4 – دقت کنید که اگر موتور جستجو میان حروف بزرگ و کوچک تفاوتی می گذارد، این مسیله را در طرح کلمات کلیدی خود مد نظر داشته باشید.
5 – در نظر داشته باشید اگر نتیجه جستجو صفر بود به احتمال زیاد می تواند از یک اشتباه تایپی باشد.
6 – اگر املای صحیح و کامل کلمه ای را نمی دانید از کارکتر جانشین که اغلب * و یا ؟ است استفاده کنید.
7 – اگر یک کلمه کلیدی را برای طرح دقیق و تمام و کمال یک مورد جستجو کفایت نمی کند از تکنیک های جستجوی عبارتی، استفاده از اپراتورهای جبر بولین (AND, OR, NOT) استفاده کنید. جستجوی عبارتی یکی از مهم ترین و قدرتمندترین امکانات جستجو در اغلب موتورهای جستجو می باشد و می توان یک عبارت یا جمله مشخص را به همان ترتیبی که کلمات وارد شده اند مورد جستجو قرار داد. برای این روش جستجو عبارت مورد نظر را داخل گیومه"" بگذارید
8 - استفاده از عملگر AND : and به مفهوم "و" برای محدود کردن دامنه جستجو از طریق ترکیب کلیدواژه های مختلف به کار می رود و برای ترکیب کلیدهای جستجو زمانی که برای شما مهم است که دو یا چند کلمه کلیدی حتماً وجود داشته باشد و علامت آن در پایگاه های مختلف به صورت استفاده از عبارت and ،استفاده از + ، انتخاب عبارت all the word از منو، انتخاب عبارت match on all words (and) بوسیله کلیک کردن بر روی دکمه های رادیویی می باشد.
9 – استفاده از عملگر OR: اپراتور OR به مفهوم "یا" و برخلاف عملگر AND باعث گسترش دامنه جستجو و بازیابی اطلاعات بیش تر شده برای ترکیب کلیدواژه های جستجو زمانی که انتظار دارید تنها یک، دو یا چند کلمه کلیدی حضور داشته باشند و علامت آن استفاده از عبارت or، نحوه اجرای ساده و معمولی آن، انتخاب عبارت any of the words از منو، انتخاب عبارت match on any words (or) با کلیک بر روی دکمه های رادیویی می باشد. یکی از کاربردهای مهم این عملگر پوشش مفاهیم یا اصطلاحات مترادف، مرتبط، یا با املاهای متفاوت می باشد.
10 – استفاده از عملگر NOT : اپراتور Not به مفهوم "نه" و یا به جز که در این صورت تمامی جواب های بازگشتی که حاوی عبارت یا کلمه کلیدی هستند حذف خواهند گردید و برای اجرای آن تنها کافیست که not را قبل از عبارت یا کلمه کلیدی مورد نظرتان با یک فاصله بیاورید.
11 – استفاده از کوتاه سازی [14]کلید واژه ها: این تکنیک به ما امکان می دهد که با وارد کردن بخشی از یک کلیدواژه بتوانیم مشتقات مختلف آن را نیز در فرآیند جستجو بازیابی کنیم. اکثر موتورهای جستجو این تکنیک را با استفاده از علامت ستاره (*) ارایه می دهند. یکی از مشکلات استفاده از این تکنیک این است که باعث بازیابی اطلاعات غیرمرتبط و ناخواسته زیادی می شود.
12 – استفاده از عملگر نزدیک یابی[15]: در بسیاری از موارد استفاده از عملگر and باعث بازیابی اطلاعاتی شود که برای ما مفید نمی باشد، به این دلیل که این عملگر کلیدواژه ها را در هر کجای متن که باشند بازیابی می کند. در این موارد استفاده از تکنیک نزدیک یابی می تواند از ریزش کاذب اطلاعات و یا بازیابی اطلاعات غیر مرتبط جلوگیری نماید. همه موتورهای جستجو قابلیت استفاده از این تکنیک را ندارند ولی به عنوان مثال در موتور جستجوی آلتاویستا می توان با استفاده از عملگر NEAR از این تکنیک استفاده نمود.
13 – جستجوی ترکیبی با استفاده از پرانتز: این تکنیک یکی از مهم ترین تکنیک های جستجو می باشد که به وسیله آن می توان تا حدود زیادی از بازیابی موارد غیر مرتبط در محیط وب جلوگیری کرد. در این روش می توان از همه عملگرهای جستجو که در بالا گفته شده یک جا استفاده کرد و آن ها را با هم دیگر ترکیب نمود.
14 – جستجوی کلیدواژه در عنوان صفحات وب: این تکنیک با این پیش فرض که عنوان یک صفحه وب تا حدود زیادی نمایان گر محتوای اطلاعات موجود در آن است به جستجوی واژه های کلیدی در عنوان سایت ها می پردازد. علامت آن در موتورهای جستجو متفاوت است ولی اغلب موتورهای جستجو از طریق فهرست انتخابی و یا گزینه های دیگر این امکان را فراهم می آورند.
15 – جستجوی حوزه سایت ها: با توجه به این که به صورت قراردادی هر کشوری حوزه خاصی در محیط وب دارد، قابلیت جستجوی حوزه سایت ها به ما این امکان را می دهد که فرایند جستجو را به حوزه خاصی نظیر سایت های وب ایران (ir) و یا سایت های وب سازمان های غیر انتفاعی (org) محدود کنیم. دستورات استفاده از این تکنیک در موتورهای جستجو مختلف می باشد.
16 – محدود کردن جستجو به زبان های مختلف؛ باعث می شود نتایج جستجو به زبان های دیگر آورده نشود و انتخاب مطلب مورد نظر آسان تر است.
17 – محدود کردن جستجو به تاریخ انتشار منابع در وب: تاریخ انتشار یا به اصطلاح روزآمدی مطلب به خصوص در منابع علمی اصل مهمی است و این گونه محدودیت باعث می شود بنا به نیاز کاربر جدیدترین و یا قدیمی ترین منبع بازیابی بشود.
18 – جستجوی رسانه های مختلف: موسیقی، عکس، ویدیو : زمانی که فقط نوع خاصی از رسانه مورد نیاز است به عنوان مثال زمانی که به عکس یک شخصیت نیاز داریم، جستجو در میان عکس ها باعث می شود نتیجه جستجو شامل اطلاعات دیگری در مورد آن شخصیت نباشد.
19 – جستجوی صفحات با فرمت های مختلف: PDF, Word, MP3, MPEG, ….: زمانی که فرمت خاصی مورد نظر است می توان از این تکنیک استفاده کرد . به عنوان مثال اگر مایل باشیم منبع بازیابی شده در فرمت PDF باشد، این تکنیک می تواند مفید باشد.
20 – آگاهی از پیش فرض های جستجو در موتور جستجو: با توجه به این که هر موتور جستجو برای ترکیب واژه ها یک پیش فرض دارد و اگر از هیچ گونه عملگری استفاده نشود، کلیدواژه ها را به صورت پیش فرض با یکی از عملگرهای جبر بولی ترکیب می کند؛ آگاهی از این پیش فرض موتورهای جستجوی مختلف مهارت ما را در جستجو بالا می برد.
21 – وب نامریی: وب نامریی به دو دلیل کمی و کیفی اهمیت دارد کمی از این نظر که موتورهای جستجو فقط قادر هستند حدود 16 درصد از اطلاعات موجود دراینترنت را بازیابی کنند و اندازه وب نامریی تقریبا 500 برابر وب مریی است و کیفی از این نظر که منابع اطلاعاتی موجود در وب عمیق معمولا ارزشمند و مفید هستند و در بسیاری از موارد پاسخ¬گوی نیاز کاربران می¬باشند. آشنایی با ابزارهایی که برای شناسایی منابع وب نامریی به وجود آمده¬اند و کاربران را به سایت¬های مناسب راهنمایی می¬کنند، باعث دسترسی به این بخش عظیم از اطلاعات مفید و ارزشمند می¬شود. مثل سایت Invisibleweb که فهرستی از منابع نامریی را و سایت Completeplaset که فهرستی از تقریبا 40000 پایگاه اطلاعاتی وب نامریی را ارایه می¬دهد.[16]
راهبرد جستجو در اینترنت

جستجو عبارت از جستجو در منابعی مشخص با استفاده از کلیدواژه ها و عبارت های خاص در حوزه های موضوعی ویژه است. طراحی نظام مند مراحل انجام یک جستجو را راهبرد جستجو می گویند به نظر پایو «راهبرد جستجو عبارت است از فرایندی که از طریق آن فایلی مورد جستجو قرار می گیرد تا مدارک متناسب با نیاز کاربر شناسایی شود. این مدارک بر اساس مجموعه ای از معیارهایی که شخص متقاضی مطرح می کند بازیابی می شود»[17] هر فرایند جستجو می تواند به مراحل ارایه درخواست دقیق، انتخاب منابع اطلاعاتی مناسب، آماده کردن جستجو و اجرای جستجو تقسیم شود. بر خلاف منابع نمایه سازی شده در پایگاه های اطلاعاتی کتاب شناختی؛ مدارک در اینترنت از طریق واژگان کنترل شده قابل بازیابی نیستند. بنابراین جستجوگر برای بازیابی باید بر فنون خاص اینترنت متکی باشد. نخست آگاهی از ابزارهای مختلف جستجو در اینترنت و در ادامه انتخاب یکی از این ابزار برای جستجوی اطلاعات مورد نیاز می باشد. هزاران موتور جستجو، صدها ابرموتور جستجو و راهنماهای موضوعی وب و پایگاه های تخصصی وجود دارد و انتخاب درست ابزار جستجو در ابتدای کار جستجو می تواند یک جستجوی موفق را باعث گردد. در زیر چند معیار برای انتخاب ابزار جستجو آورده می شود:
- اگر در جستجوی اطلاعات خاصی باشید بهتر است از موتورهای جستجو استفاده کنید.
- اگر در جستجوی یک واژه مبهم یا منحصر به فرد هستید از ابرموتورهای جستجو استفاده نمایید.
- اگر در جستجوی اطلاعات عمومی روی موضوعات عام هستید از راهنماهای موضوعی وب استفاده کنید.
- اگر در حال جستجوی اطلاعات علمی هستید از کتابخانه های مجازی استفاده کنید.
- اگر در جستجوی آخرین اطلاعات یا برای تغییر پویای فهرست مطالب، آخرین خبرها، راهنماهای دفتر تلفن، دسترسی به زمان پروازهای هوایی و غیره هستید از پایگاه های تخصصی استفاده کنید.[18] برای جستجوی اطلاعات از اینترنت چهار شیوه وجود دارد شیوه نخست دسترسی به اطلاعات از طریق نشانی پایگاه اطلاعاتی مورد نظر بر روی اینترنت (URL) است، که در این صورت نشانی پایگاه اطلاعاتی در سطر نشانی برنامه مرورگر وب تایپ می شود و برنامه مرورگر وب مراجعه کننده را به وب سایت آن نشانی هدایت خواهد کرد. اما اگر فقط یک حرف یا علایم نقطه گذاری از قلم بیفتد، برنامه مرورگر نخواهد توانست آن پایگاه را باز نماید. روش دوم دنبال کردن لینک های موجود در صفحات وب است که کاربران را از صفحه ای به صفحه دیگر هدایت می کند. این سهولت دسترسی به منابع در وب از امتیازات بزرگ آن است و برای کاربران امکان مرور سریع و آسان در منابع مختلف را فراهم می کند. روش سوم بازیابی گزینشی اطلاعات است که در آن در واقع به جای آنکه کاربران شخصا در جستجوی اطلاعات مورد نظر باشند، موضوعات مورد نیاز خود را به سیستم¬های بازیابی گزینشی می سپارند و سپس در طول زمان، اطلاعات دریافتی جدید توسط سیستم برای آنها به طور خودکار ارسال خواهد شد. چهارمین روش که در واقع معمول ترین و متداول ترین راه بازیابی اطلاعات در وب است استفاده از موتورهای جستجو است. هنگام جستجو باید دقت کرد که موتور جستجو به طور معمول هوش مند نیست و معمولاً به دنبال کلیه کلیدواژه هایی که شما به دستگاه داده اید بدون توجه به معنای آن ها می گردد.
نکات کلیدی جستجو به زبان فارسی

برای جستجوی مطالب فارسی طبق گفته های پیشین چنانچه آدرس سایت به خصوصی که در زمینه موضوعی مورد نظر ما فعالیت می کند را داشته باشیم؛ می توان مستقیماً به آن سایت رفته و از مطالب آن استفاده نمود. به عنوان مثال سایت تخصصی برنامه نویس مطالب مفیدی در زمینه رایانه و علوم وابسته، به ما ارایه می دهد و یا سایت عمران در زمینه موضوعی عمران فعالیت می نماید و نیز سایت های انجمن ریاضی در زمینه ریاضی، سایت انجمن فیزیک ایران در زمینه فیزیک، سایت انجمن روان¬شناسی ایران در زمینه روان¬شناسی و علوم تربیتی فعالیت می نمایند، مرکز اطلاعات و مدارک علمی ایران با دارا بودن پایگاه های اطلاعاتی مختلف مخصوصا پایگاه پایان نامه ها می تواند مورد استفاده متخصصین تمام رشته ها گردد. ولی چنان¬چه امکان استفاده از این سایت ها نباشد و یا آدرس این سایت ها را نداشته باشیم بایستی مطلب مورد نظر خود را بوسیله یکی از موتورهای جستجو پیدا بکنیم. انتخاب موتور جستجو عامل مهمی در فرایند جستجو است. در حال حاضر ابزارهای کاوش مختلفی در ایران ظهور پیدا کرده¬اند. لیکن ابزارهای جستجویی که امکان جستجوی اطلاعات به زبان فارسی را در اختیار قرار می دهند، محدودند. از طرف دیگر، امکانات و قابلیت های آن ها برای بازیابی موثر و مناسب اطلاعات متغیر هستند. برخی از ابزارهای کاوش با امکانات جستجوی فارسی عبارتند از: ان.پی. ایرانNPiran ، ایران هوIranhoo ، ایران مهرIranMehre ، پارسیک Parseek ، گوگل Google. در بین ابزارهای کاوش فوق ، تنها موتور کاوش گوگل دارای برنامه روبات به منظور شناسایی و نمایه¬سازی صفحات یا سایت¬های وب به زبان فارسی و نمایه¬سازی خودکار می¬باشد و قادر است صفحات فارسی را در قالب یونی کد شناسایی و در پایگاه خود نمایه کند و سایت پارسیک نیز از پایگاه گوگل برای جستجو و بازیابی اطلاعات استفاده می¬کند. به تعبیر دیگر، چهار ابزار کاوش دیگر توسط نمایه سازی انسانی اداره می شوند و از این لحاظ راهنمای موضوعی تلقی می شوند و انسان، فرآیند شناسایی، بررسی و نمایه سازی سایت ها یا صفحات وب را بر عهده دارد.[19]معمولاً به جهت دامنه وسیع موضوعی و نیز صفحه به زبان فارسی گوگل اکثر کاربران از این موتور جستجو استفاده می نمایند. برای جستجوی بهتر توجه به نکات زیر ضروری به نظر می رسد:
- با ترکیب چند واژه کلیدی مهم خیلی سریع می توانیم مطلب مورد نظر خود را بدست بیاوریم.
- دقت در انتخاب کلید واژه ها به طوری که واژه های انتخابی بطور دقیق نماینده نیاز اطلاعاتی ما باشند کمک خواهد کرد تا از نتایج جستجوی گسترده ای که در اکثر موارد بار اطلاعاتی مفید ندارند دوری گزینیم.
- استفاده از تکنیک جستجوی عبارتی که در آن عبارت جستجوی مورد نظر خود را داخل گیومه" " می گذاریم و به این ترتیب به موتور جستجو می گوییم که مطلب مورد نظر ما بایستی عین این عبارت باشد، نیز در محدود کردن نتایج جستجو کمک فراوان می کند.
- استفاده از انواع محدودگرهای زبانی، زمانی، مکانی، شکلی، و موضوعی و ... در جستجوی پیشرفته گوگل به ما در رسیدن سریعتر به مطلب مورد نظر کمک فراوانی می کند.
- به علت این که منابع و اطلاعات موجود در اینترنت بوسیله افراد مختلف و بدون کنترل در شیوه های رسم الخط و بدون ویرایش صاحب نظران منتشر می گردد آشنایی با گونه های مختلف نوشتاری و املاهای مختلف یک واژه و یا یک مفهوم در زبان فارسی به ما کمک می کند که با جستجوی گونه های مختلف نوشتاری یک واژه یا یک مفهوم و استفاده از واژه های مترادف و متشابه و شکل های دیگر نوشتاری آن واژه و نیز استفاده از انواع شکل های جمع و مفرد یک واژه جامعیت جستجوی خود را بالا ببریم . به عنوان مثال برای جستجوی مطلبی در زمینه بتن بایستی آنرا به دو صورت «بتون» و « بتن» جستجو نماییم تا به تمام مطالبی که در زمینه بتن می باشد دسترسی داشته باشیم و یا به عنوان مثال دوم برای جستجوی مطلبی در باره «آبگرمکن» برای دستیابی به همه اطلاعات موجود بایستی آن را به چهار شکل زیر بنویسیم «آب گرم کن، آب گرمکن، آبگرم کن، آبگرمکن» واضح است که هر کدام از این کلمات نتایج متفاوتی را در موتور جستجو بدست می دهد. «استاد، اساتید، استادان، استادها» «آمریکا، امریکا» «ییدروژن، هیدروژن» «آنلاین، پیوسته، درون خطی» از مثال¬های دیگری هستند که جستجو به تمام این شکل ها جامعیت جستجوی ما را زیاد می کند و به ما در از دست ندادن مطالب مفید کمک می کند .
- با استفاده از عملگرهای بولی، دقت جستجو را بالا برده و نتایج جستجوی کم و مفیدی را بدست بیاوریم.
- مترادفات: با استفاده از شکل های مختلف مترادفات موجود برای یک مفهوم و هم چنین شبه مترادفات و یا حتی گاهی کلمات متضاد مثل بی سوادی و سوادآموزی در جستجو می توان جامعیت جستجو را بالا برد.
- اسامی مشهور و اسامی علمی: آگاهی از شکل های مختلف اسامی علمی و مشهور عامیانه و اسامی تجاری یک پدیده و یا وسیله و ... و استفاده از آن ها می تواند جامعیت جستجو را بالا ببرد.
- با توجه به این که در اکثر وب ها از واژه خارجی یک کلمه به همان صورت و با همان الفبا استفاده می شود استفاده از شکل خارجی این لغات و واژه ها نیز می تواند جامعیت جستجوی ما را بالاتر ببرد.
- با توجه به این که در برخی از سایت ها و نیز وبلاگ ها روش خاصی برای رفع مشکلات فارسی پیشنهاد کرده اند و واضح است که خودشان نیز از آن رسم الخط استفاده می کنند، آگاهی از این شکل های مختلف و جستجو به این شکل ها می تواند باعث جامعیت جستجو گردد. از این موارد می توان به حذف واو معدوله در برخی سایت ها و وبلاگ ها اشاره کرد که به عنوان مثال «خواهر» را به صورت «خاهر» می نویسند و یا حذف تنوین در برخی منابع که به عنوان مثال «عملاً» را به صورت «عملن» می نویسند. در نهایت این که «در تشکیل صفحات وب فارسی ، جای یک استاندارد حاکم بر عملکرد تالیف نویسندگان وب، خالی است. استانداردی که انتخاب بعضی کلمات دارای چندین رسم الخط و حتی انتخاب بعضی کلمات که بر مفاهیم متنوعی دلالت دارند را منحصر به فرد نماید و مولفان را از طرفی ترغیب به انتخاب گونه زبانی مناسب، برای تضمین کیفیت ارتباط و انتقال موثر پیام و از طرف دیگر موظف به حفظ سلامت زبان و رعایت استانداردهای آن به عنوان یک وظیفه رسانه ای نماید. ایجاد و گسترش چنین استانداردی به عهده "فرهنگستان زبان و ادب فارسی" و با هماهنگی انجمن ها و شوراهای علمی یا صنفی انفورماتیک در ایران است. تعویق در تنظیم این استاندارد ، با توجه به رشد روز افزون وب های فارسی زبان ، هزینه های جبران ناپذیری در بر خواهد داشت.»
منبع: نما مجله الکترونیکی