Christians speciale - med bilag

More documents

Recommendations

Info

”Eksplorativ søgning i Summa”. Speciale. Danmarks Biblioteksskole, maj 2008. Der er mange måder hvorpå man kan tænke strategien Vis informationen på rette sted ind i et websidedesign. Når det handler om at give brugeren lidt mere end det han har søgt frem, er der de såkaldte anbefalingsfunktioner. Disse vil blive behandlet i det næste afsnit. 6.2. Anbefalingsfunktioner Problemformuleringens tredje emne beskæftiger sig med proaktiv formidling i Summa. Dvs. mulighederne for at kunne tilbyde brugeren mere end det han selv har fremsøgt. En mulighed, som også benyttes af Summa i AAKB og SB er de såkaldte anbefalingsfunktioner, som en webside kan bruge til at anbefale deres brugere yderligere informationer eller materialer end det fremsøgte. En meget brugt metode til dette, er de webbaserede recommender systems, der tager udgangspunkt i et givent materiale og/eller en brugers smagspræferencer (Resnick et al., 1997). F.eks. ved at systemet anbefaler materialer der indholdsmæssigt ligner det materiale, brugeren er klikket ind på, eller anbefalinger, der er baseret på tidligere kunders købsmønstre. I dette afsnit vil der beskrives og redegøres for to grundlæggende typer af anbefalingsfunktioner 27 : kollaborativ filtrering og indholdsbaseret filtrering. Typer der både findes i den kommercielle verden, hvor det for udbyderen handler om mersalg, men også inden for den informationsvidenskabelige sektor, hvor målet er at inspirere brugerne til at låne lidt mere end det han kom efter. Derudover kan de for brugeren have det formål, i et informationsmiljø fyldt med indtryk, at reducere information overload for brugeren, ved at blot anbefale det mest relevante (Kim et al., 2006, s. 80). Man kan argumentere for, at anbefalingsfunktioner er en form for den motiverende design- strategi Vis informationen på rette sted. Tanken er, at man vil give brugeren lidt mere, end det han lige efterspurgte og at det sker på et tidspunkt, hvor han er mest modtagelig. 6.2.1. Kollaborativ filtrering I Summa er ADHL baseret på kollaborativ filtrering (Statsbiblioteket, 2006, s. 11). I dette afsnit vil der redegøres for kollaborativ filtrering, bl.a. med henblik på at kunne evaluere ADHL i Summa. Kollaborativ filtrering (KF) er ifølge Breese et al (1998) og Resnick et al. (1997) en ofte anvendt anbefalingsfunktion på kommercielle websider. Amazon.com er et ofte nævnt eksempel på en virksomhed, der har specialiseret sig i denne metode, for at kunne anbefale nyt materiale til deres kunder (Amazon, 2008). 27 Litteraturen om emnet bruger begrebet recommender systems om systemer, der specialiserer sig i at anbefale brugere materiale. I dette speciale bruges i stedet fremover det danske begreb anbefalingsfunktion - 6. Proaktiv formidling - 33
”Eksplorativ søgning i Summa”. Speciale. Danmarks Biblioteksskole, maj 2008. Begrebet hentyder til at filtreringen (afgrænsningen) sker på grundlag af andre brugeres (kollaborationens) adfærd på en webside. F.eks. i form af køb, lån eller på anden måde forbrug af materialer. Grundlæggende set bygger KF på følgende logik ”hvis bruger A har købt vare X og Y, og bruger B har købt vare Y, vil bruger B med en hvis sandsynlighed også få glæde af vare X”. Den grundlæggende tanke, er således en tro på, at der findes smagsmønstre blandt brugere, og at man vil udnytte viden om disse for at kunne forudse potentielle brugeres smag, og dermed målrette anbefalinger. Det er en slags teknologisk pendant til word of mouth-princippet, hvor anbefalinger man får fra interessefæller tæller højere end folk, der ikke har samme kendskab til ens smag (Herlocker et al., 2000, s. 243, Resnick et al., 1997, s. 56). Tydeligere kan det eksemplificeres, hvis vi forestiller os Anders og Brian, der begge har ti favorit-bøger, hvoraf ni af dem er de samme. Man kan konkludere, at de har en ret ens smag i bøger. Derved vil de fleste lave den logiske slutning, at sandsynligheden for at Anders ville finde glæde i den af Brians favoritbøger han ikke selv er i besiddelse af, er ret stor. Det er denne tankegang, der i form af tekniske algoritmer og med et større brugerantals købehistorik, er bygget ind i de forskellige websiders anbefalingsfunktioner. F.eks. har tidligere nævnte Amazon.com servicen Customers who bought this item also bought der viser forslag til en række yderligere titler på bøger, cd’er, dvd’er eller andet i samme materiale kategori som det produkt man har fremfundet. Anbefalingen er – som titlen indikerer – baseret på andre kunders købehistorie. Amazon har således fået ret til at benytte sig af data om brugeres indkøb, om end anonymiseret, for derfor at kunne lave statistik, der har til baggrund for anbefalingerne. For at en anbefaling skal have en hvis sandsynlighed for at være relevant, kræver det, at der er et solidt datagrundlag. Det kræver, at et hvis minimum af brugere har foretaget de nødvendige handlinger i systemet, der ligger til grund for anbefalingen. Dette er også betegnet som den kritiske masse 28 (Im og Hars, 2001, s. 351). Præcisionen af anbefalingerne stiger, som antallet af aktive brugere stiger. Er der ikke nok, kan anbefalingen tage karakter af at være for tilfældig. Der er også den faktor, at brugere kan købe materialer til venner og familie eller som gaver. Af den grund er tommelfingerreglen; jo flere brugere, der både har købt vare X og Y, jo større er sandsynligheden for at der er en lighed mellem X og Y. 28 Oversat fra the critical mass - 6. Proaktiv formidling - 34
Page 1 and 2: Eksplorativ søgning i Summa - En a
Page 3 and 4: Indholdsfortegnelse ”Eksplorativ
Page 5 and 6: 1. Indledning ”Eksplorativ søgni
Page 7 and 8: ”Eksplorativ søgning i Summa”.
Page 15 and 16: 4. Baggrund ”Eksplorativ søgning
Page 33: ”Eksplorativ søgning i Summa”.
Page 47 and 48: 3: Proaktiv formidling vil blive ev
Page 49 and 50: 7.4. Browsing ”Eksplorativ søgni
Page 55 and 56: 8. Analyse ”Eksplorativ søgning
Page 59 and 60: Aarhus Kommunes Bibliotekers forsid
Page 63 and 64: I Aarhus Kommunes Biblioteker 62
Page 69 and 70: 3: Bliver alsidigheden repræsenter
Page 75 and 76: 2: Er anbefalingerne sandsynlige?
Page 79 and 80: 9. Diskussion af resultater ”Eksp
Page 85 and 86:
”Eksplorativ søgning i Summa”.
Page 87 and 88:
Page 89 and 90:
Page 91 and 92:
Page 93 and 94:
Page 95 and 96:
Bilagsoversigt A ”Eksplorativ sø
Page 97 and 98:
Bilag 2 - Eksempel på en materiale
Page 99 and 100:
Bilag 4 - Eksempel på materialepos
Page 101 and 102:
Bilag 6 - Statsbibliotekets forside
Page 103 and 104:
Page 105:
Bilag 10 - Søgning på ”Læckber
show all

Christians speciale - med bilag

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?