Bibliotekssøgning Nu
I går I morgen
DDB og DBC Søgeworkshop
18. August 2015
Bo Weymann Chefstrateg DBC
Hvad er søgning egentlig?
Den sammenhængende brugeroplevelse fra brugerens formulering af et behov gennem biblioteksgrænsefladens søgefunktioner og til brugeren får dækket sit behov for information/viden og/eller oplevelse
Bibliotekssøgning Brugeren:
• Assisteres til at lave søgninger samt tilpasse disse
• Skriver ”noget” i en søgeboks og får bedst mulige svar
• Klikker på noget formidlingsindhold/anbefalinger og får uddybende information/-eller indhold
• Browser sig igennem anbefalinger fra ”recommender-Systemet”
Hvor er vi nu?
Dagens søgning i bibliotekerne
• Én søgeboks er mainstream • Filtrering i bibliotekets materialer • Eller national samling og specialsider • Det første der vises er ud fra metadata i posterne
• Der vises samlet metadata, forsider, og andre typer af informationer
• Der er facetter • Der er begrænsere • Alle folkebibliotekerne og PH´rne bruger samme søgeplatform
• De store FFU´r søger typisk i globale systemer og ”egen” platform
• Desktop-tilgang har været dominerende
Eksempler
• h6ps://bibliotek.dk/da/bibdk_frontpage • h6ps://www.aakb.dk/ • h6ps://ereolen.dk/ • h6ps://www.phbibliotek.dk/da
Hvordan kom vi lige derhen?
I mange mange år var biblioteksSøgning
• En ret kompleks formulering af ”Querys” (CCL, CQL, mv.)
• Sammensatte forløb for slutbrugeren der ofte skulle have styr på søgekoder, boolsk logik, søgehistorik og visformater, staveformer, og andre specialiteter
• Alternativet var tunge menusystemer
Og så kom bombenedslaget
VI VIL OGSÅ HAVE ÉN SØGEBOKS
Jamen hvad er så problemet? • Økosystemet for søgninger satser på meget hurQge søgninger
• Massemarkedets indholdsleverandører – Amazon, NeVlix, SpoQfy, mv. -‐ har rykket sig mod collaboraQv filtrering
• De store MedieplaVorme – Google, Facebook, mv. – går samme vej
• Og bibliotekernes slutbrugere er langt mere dér end hér
• Mobil nu større end desktop
NOT
h6ps://www.google.dk/
Hvor skal vi hen?
Der er mindst tre svar
HurQgt
CollaboraQvt /Individualiseret
Mobilt
CollaboraQv filtrering
• Der anvendes mange og o^e store datasæt Ql at fastslå om noget er relevant for en given bruger/brugertype
• Der anvendes o^e mange former for vægte (popularity, similarity, ….)
• Anbefalersystemet forsøger at forudse om et givent ”værk” er relevant for en given bruger ved at sammenholde brugerens præferencer/adfærd med andre brugeres
• A ligner B mere end den Qlfældige og gennemsnitlige bruger – derfor er det mere oplagt at anbefale A noget fra B end en Qlfældig anden bruger
PopularitetsRecommender
• Melvil.demo.dbc.dk • Simpel recommender der tager udgangspunkt i hvad andre brugere med lignende profil har lånt. Præferenceliste = Brugerens datasæt.
• http://melvil.demo.dbc.dk
• http://melvil.demo.dbc.dk/admin
BrugereDerLignerRecommender
• Melvil-‐smal.demo.dbc.dk • Finder lignende brugere (udfra præferencelisten) og ned-‐kompenserer/anti-‐booster kraftigt for populære materialer og anbefaler fra "disse brugere der ligner mest muligt" de lån, som de ikke har tilfældes.
• http://melvil-‐smal.demo.dbc.dk
• http://melvil-‐smal.demo.dbc.dk/admin •
BibliotekarenAnbefalerSmaltRecommender
• Melvil-‐50-‐lek.demo.dbc.dk • Anbefaler kun materialer med lektøranmeldelser (der er nyere end 1996) og har færre end 50 udlån
• http://melvil-‐50-‐lek.demo.dbc.dk
• http://melvil-‐50-‐lek.demo.dbc.dk/admin
Brugerne vil tilgå specialiserede apps nonstop og vi vil prøve at tænke for dem og give dem både hvad de ikke har tænkt på endnu,og det de har bedt om gennem mobile media der kan se, høre, tale, huske, forstå…..
INTELLIGENT BASERET PÅ BRUGERENS akQve og passive valg samt meget store datamængder
med stor diversitet
Bibliotekets søgning skal lære • Kender brugeren bedre og bedre via dennes feedback og valg
• Skal kunne koble professionel formidling med automagiske recommendaQoner
• Hvad ”der ligner” ud fra brugsmønstre og feedback • Kan skelne mellem aldersgrupper, skole niveauer (indskoling, mellemtrin, udskoling),populært niveau og videnskabeligt niveau
• Kan skelne mellem behov for underholdning/oplevelse og behov for viden
• Kan skelne mellem det populære og det smalle
Bibliotekets søgning skal lære at • Navigere i databrønden og via Universal search • Præsentere data og viden i en kontekst bestemt af brugerens akQve præferencer, passive præferencer, præferencer baseret på adfærd
• Formidle den mest egnede viden/oplevelse på bekostning af det mindre relevante – Rankere ud fra metadata, adfærdsmetadata, kontekst
• Kende brugertyper, -‐segmenter • Anbefale ud fra biblioteksproduceret indhold og brugeranbefalinger, Wikipedia, og andre ”autorisaQve kilder”, mv.
BIG-‐META-‐DATA BRUGERADFÆRD
DERFOR
vises -‐ pushes -‐ sammensQlles -‐ anbefales -‐ rankeres -‐ filtreres -‐
boostes
Noget-‐der-‐ligner-‐matemaQk tages Ql hjælp
• Sandsynlighed • Similaritet
• h6ps://docs.google.com/document/d/13DvqgQ5LIDFQgLSkPqnSTBsfZGf80tVMQMfiTDaoWno/edit?pli=1#heading=h.qgbb3oa8j5x0