Christians speciale - med bilag
Christians speciale - med bilag
Christians speciale - med bilag
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
”Eksplorativ søgning i Summa”.<br />
Speciale. Danmarks Biblioteksskole, maj 2008.<br />
Der er mange måder hvorpå man kan tænke strategien Vis informationen på rette sted ind i et<br />
websidedesign. Når det handler om at give brugeren lidt mere end det han har søgt frem, er<br />
der de såkaldte anbefalingsfunktioner. Disse vil blive behandlet i det næste afsnit.<br />
6.2. Anbefalingsfunktioner<br />
Problemformuleringens tredje emne beskæftiger sig <strong>med</strong> proaktiv formidling i Summa. Dvs.<br />
mulighederne for at kunne tilbyde brugeren mere end det han selv har fremsøgt. En mulighed,<br />
som også benyttes af Summa i AAKB og SB er de såkaldte anbefalingsfunktioner, som en<br />
webside kan bruge til at anbefale deres brugere yderligere informationer eller materialer end<br />
det fremsøgte. En meget brugt metode til dette, er de webbaserede recommender systems, der<br />
tager udgangspunkt i et givent materiale og/eller en brugers smagspræferencer (Resnick et al.,<br />
1997). F.eks. ved at systemet anbefaler materialer der indholdsmæssigt ligner det materiale,<br />
brugeren er klikket ind på, eller anbefalinger, der er baseret på tidligere kunders købsmønstre.<br />
I dette afsnit vil der beskrives og redegøres for to grundlæggende typer af<br />
anbefalingsfunktioner 27 : kollaborativ filtrering og indholdsbaseret filtrering. Typer der både<br />
findes i den kommercielle verden, hvor det for udbyderen handler om mersalg, men også<br />
inden for den informationsvidenskabelige sektor, hvor målet er at inspirere brugerne til at låne<br />
lidt mere end det han kom efter. Derudover kan de for brugeren have det formål, i et<br />
informationsmiljø fyldt <strong>med</strong> indtryk, at reducere information overload for brugeren, ved at<br />
blot anbefale det mest relevante (Kim et al., 2006, s. 80).<br />
Man kan argumentere for, at anbefalingsfunktioner er en form for den motiverende design-<br />
strategi Vis informationen på rette sted. Tanken er, at man vil give brugeren lidt mere, end det<br />
han lige efterspurgte og at det sker på et tidspunkt, hvor han er mest modtagelig.<br />
6.2.1. Kollaborativ filtrering<br />
I Summa er ADHL baseret på kollaborativ filtrering (Statsbiblioteket, 2006, s. 11). I dette<br />
afsnit vil der redegøres for kollaborativ filtrering, bl.a. <strong>med</strong> henblik på at kunne evaluere<br />
ADHL i Summa.<br />
Kollaborativ filtrering (KF) er ifølge Breese et al (1998) og Resnick et al. (1997) en ofte<br />
anvendt anbefalingsfunktion på kommercielle websider. Amazon.com er et ofte nævnt<br />
eksempel på en virksomhed, der har specialiseret sig i denne metode, for at kunne anbefale<br />
nyt materiale til deres kunder (Amazon, 2008).<br />
27 Litteraturen om emnet bruger begrebet recommender systems om systemer, der specialiserer sig i at anbefale<br />
brugere materiale. I dette <strong>speciale</strong> bruges i stedet fremover det danske begreb anbefalingsfunktion<br />
- 6. Proaktiv formidling - 33