Christians speciale - med bilag

”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