ByG12.pdf - Fundación Bertelsmann

El reto de la personalización en las bibliotecas públicas
Las reglas de negocio pueden pedir al sistema que muestre contenidos basándose en quién
es un visitante de la biblioteca (datos damográficos), en qué está mirando o qué ha mirado
ya (análisis de la secuencia de clics), u otros factores, como por ejemplo este libro siempre
combina bien con esta música, o el día de la semana o el momento del día. Las herramientas
permiten una valoración en tiempo real de la efectividad de las campañas de marketing en
línea por parte de la biblioteca para aumentar el tamaño medio de la cesta, aumentar el
grado de acercamiento y, en última instancia, aumentar el valor de un usuario de la biblioteca.
No obstante, esta función va más allá de la mera valoración, pues el análisis o la valoración
de esta información se transforma a su vez en cambios del sistema procesables para
mejorar la experiencia del usuario.
4.4.2 TECNOLOGÍAS BASADAS EN AGENTES
Las tecnologías de personalización basadas en agentes están ganando en popularidad ya que
se pueden implementar de modo selectivo por contraste con los servidores de modelo de
usuario. Las tecnologías basadas en el agente se pueden aplicar fácilmente en un entorno
cada vez más móvil. El experimento Pokegent 113 (por alusión a pocket, «bolsillo» y agent,
«agente»), del Dartmouth College, es un ejemplo destacado. Se trata de un servidor de
agentes que interactúa con aplicaciones y servidores de información, y sensores sensibles al
contexto para formar un Sistema de Agente Personal para usuarios de la información móviles.
La personalización en la parte cliente también ha dado una mayor importancia a las tecnologías
de agentes. El experimento WHAT 114 (Web Host Access Tool), de la Villanova
University, proporciona un contexto de búsqueda indivualizada que incorpora el conocimiento
de experiencias de búsqueda previas, comportamientos del motor de búsqueda e
información proporcionada por el ususario. El sistema WHAT tiene como premisa el control
de la privacidad por parte del usuario, lo cual refuerza su confianza, y el filtrado de la
información se hace en la parte cliente. También se están realizando nuevos estudios para
establecer correlaciones entre la información sintáctica (acciones como por ejemplo mover
el ratón) y la información semántica (objetivos del usuario en un momento determinado).
Este planteamiento, que se conoce como vista basada en el recorrido (path-based view), se
diferencia principalmente de los sistemas de recomendación en que las personas se representan
mediante secuencias de decisiones colaborativas más que decisiones de carácter individual
115 .
113 Debbie O. Chyi. An Infrastructure for a Mobile-Agent System that Provides Personalized Services to
Mobile Devices. Dartmouth Technical Report TR2000-370, mayo de 2000.
114 Lillian Cassel, Ursula Wolz, Client Side Personalization. Proceedings of the Second DELOS Network of Excellence
Workshop on «Personalisation and Recommender Systems in Digital Libraries», Dublin City University, Ireland, 18-20 June 2001. 13
de octubre de 2001. www.ercim.org/publication/ws-proceedings/DelNoe02/CasselWolz.pdf
115 Alan Smeaton, Jamie Callan. Conference Summary. Proceedings of the Second DELOS Network of Excellence Workshop
on «Personalisation and Recommender Systems in Digital Libraries», Dublin City University, Ireland, 18-20 June 2001. 13 de octubre
de2001. www.ercim.org/publication/ws-proceedings/DelNoe02/
166