BibTip: Unterschied zwischen den Versionen

Aus HistnetWiki
Wechseln zu:Navigation, Suche
(Innovationen)
(Funktionalität)
Zeile 31: Zeile 31:
  
 
===Funktionalität===
 
===Funktionalität===
BibTip beruht auf dem Prinzip des Bibliomining. Darunter ist eine Kombination von Data Mining, bibliometrischen und statistischen Verfahren zu verstehen, um benutzerbezogene Informationen und Verhaltensmuster aus dem Bibliothekssystem zu extrahieren.
+
BibTip beruht auf dem Prinzip des [http://www.bibliomining.com/ Bibliomining]. Darunter ist eine Kombination von [http://de.wikipedia.org/wiki/Data_mining Data Mining], bibliometrischen und statistischen Verfahren zu verstehen, um benutzerbezogene Informationen und Verhaltensmuster aus dem Bibliothekssystem zu extrahieren.
Vereinfacht kann der Prozess wie folgt dargestellt werden. Zwischen der Benutzerabfrage am OPAC und dem '''Recommender Management System''' operieren Software-Agenten (Computerprogramme), welche die einzelnen Abfragen beobachten, auswerten und in neue Informationen umwandeln. Die Aktivität der Agenten modifiziert also fortlaufend die Datenstruktur des Systems, weshalb auch von einem '''generischen Agenten Pattern''' die Rede ist.
+
 
 +
Vereinfacht kann der Prozess wie folgt dargestellt werden. Zwischen der Benutzerabfrage am OPAC und dem '''Recommender Management System''' operieren [http://de.wikipedia.org/wiki/Software-Agent Software-Agenten] (Computerprogramme), welche die einzelnen Abfragen beobachten, auswerten und in neue Informationen umwandeln. Die Aktivität der Agenten modifiziert also fortlaufend die Datenstruktur des Systems, weshalb auch von einem '''generischen Agenten Pattern''' die Rede ist.
  
 
[[Bild:Agenten.jpg|framed|Die Agenten im Einsatz]]
 
[[Bild:Agenten.jpg|framed|Die Agenten im Einsatz]]
Zeile 40: Zeile 41:
 
*Auf dieser Grundlage generiert schliesslich der '''Empfehlungsagent''' zu jedem Buch eine Liste von verwandten Produkten, die das erwartbare statistische Mittelmass überstiegen und daher als ‚Empfehlung’ markiert sind.
 
*Auf dieser Grundlage generiert schliesslich der '''Empfehlungsagent''' zu jedem Buch eine Liste von verwandten Produkten, die das erwartbare statistische Mittelmass überstiegen und daher als ‚Empfehlung’ markiert sind.
  
Summa summarum erstellt das Programm die Empfehlungen, indem es alle gemeinsam in einer Session angesehenen Dokumente identifiziert, welche häufiger in Kombination erscheinen, als es aufgrund des statistisch errechneten Kaufverhaltensmodells zu erwarten wäre. Diese sogenannten '''Ausreisser''' werden künftig bei einer entsprechenden Buchsuche dem Benutzer als Empfehlung präsentiert. Die theoretische Grundlage für diesen Algorhythmus bildet [http://en.wikipedia.org/wiki/Andrew_Ehrenberg Andrew S. C. Ehrenbergs] '''Repeat-Buying theory'''.
+
Summa summarum erstellt das Programm die Empfehlungen, indem es alle gemeinsam in einer Session angesehenen Dokumente identifiziert, welche häufiger in Kombination erscheinen, als es aufgrund des statistisch errechneten Kaufverhaltensmodells zu erwarten wäre. Diese sogenannten '''Ausreisser''' werden künftig bei einer entsprechenden Buchsuche dem Benutzer als Empfehlung präsentiert.
 +
 
 +
Die theoretische Grundlage für diesen Algorhythmus bildet [http://en.wikipedia.org/wiki/Andrew_Ehrenberg Andrew S. C. Ehrenbergs] '''Repeat-Buying theory'''.
  
 
===Implementierung===
 
===Implementierung===

Version vom 26. März 2008, 14:51 Uhr

Das offizielle Logo

BibTip ist ein bibliothekarischer Empfehlungsdienst (Recommendersystem) der Universitätsbibliothek Karlsruhe auf der Basis des individuellen Nutzungsverhaltens. Der herkömmliche OPAC wird damit um eine Funktion ergänzt, die sich in Online-Shops längst etabliert hat. Bekannt geworden ist etwa der Grosshandel Amazon mit seinem Produkteverweis: "Kunden, die diesen Artikel gekauft haben, kauften auch: ...".

Mittels statistischer Analysen generiert das Programm aus den Ergebnissen der OPAC-Recherche eine Liste mit verwandten Titeln, die im Interessenbereich des Benutzers liegen (könnten). Der traditionellen Sacherschliessung wird mit dieser Funktion ein assoziatives Verfahren zur Seite gestellt, das sich stärker an den Benutzern orientiert.

Entstanden ist dieses Produkt im Rahmen eines DFG-Projekts zur Entwicklung von Recommendersystemen für bibliographische Datenbanken.


Aufgabe und Zielsetzung des Projekts

BibTip entstand im Umfeld eines von der Deutschen Forschungsgemeinschaft (DFG) geförderten Projekts zu Recommendersystemen für Meta-Bibliothekskataloge. Das Projekt startete am 1. Juli 2004 in Zusammenarbeit des Instituts für Informatikwirtschaft und –management mit der Universitätsbibliothek Karlsruhe. Dort befindet sich BibTip bereits seit 2004 im Einsatz.

Gegenstand des Projekts bildet die Untersuchung und Auswertung von neuen Informatikdienstleistungen in Bibliotheken mit besonderem Augenmerk auf Recommendersystemen, um daraus kundenorientierte Serviceportale zu entwickeln. Am Ende sollen solche Systeme auch bibliotheksübergreifend zum Einsatz kommen. Das erklärte Hauptziel liegt in einer dauerhaften Verbesserung der Literaturversorgung in Deutschland.

  • Zeitersparnis bei der Literaturrechere für den Benutzer durch automatisierte Empfehlungen
  • Hilfe beim Bestandesmanagement und der Bestandespflege für die Bibliothek dank statistisch erfasstem Nutzungsverhalten.


Technischer Hintergrund

Voraussetzungen

Bei BibTip handelt es sich um einen verhaltensbasierten Recommender. Im Unterschied zu einem expliziten Recommender, wo der Benutzer direkt eigene Empfehlungen abgeben kann, beruht die verhaltensbasierte Variante auf statistischen Analysen der Benutzerinteressen. Der erfolgreiche Verlauf solcher Auswertungen setzt einige Kriterien voraus, die jedoch jedes grössere Bibliothekssystem problemlos erfüllen kann:

  • Eindeutige Objekterkennung (z.B. durch eine Identnummer)
  • Grosses Datenvolumen
  • Leistungsfähiges statistisches Modell
  • Intensive Nutzung

Besonders der letzte Punkt ist von entscheidender Bedeutung. Der Recommender optimiert seine Qualität im Laufe der Zeit zunehmends, je grösser die Analysebasis ist, über die er verfügt. Das bringt zunächst den Nachteil mit sich, dass eine gewisse Vorlaufzeit (von ungefähr einem halben Jahr) zum Aufbau der ersten Empfehlungen nötig ist.

Funktionalität

BibTip beruht auf dem Prinzip des Bibliomining. Darunter ist eine Kombination von Data Mining, bibliometrischen und statistischen Verfahren zu verstehen, um benutzerbezogene Informationen und Verhaltensmuster aus dem Bibliothekssystem zu extrahieren.

Vereinfacht kann der Prozess wie folgt dargestellt werden. Zwischen der Benutzerabfrage am OPAC und dem Recommender Management System operieren Software-Agenten (Computerprogramme), welche die einzelnen Abfragen beobachten, auswerten und in neue Informationen umwandeln. Die Aktivität der Agenten modifiziert also fortlaufend die Datenstruktur des Systems, weshalb auch von einem generischen Agenten Pattern die Rede ist.

Die Agenten im Einsatz
  • Der Beobachtungsagent observiert das Recherche-Verhalten eines Benutzers während einer Session und registriert die angesehenen Volltitel.
  • Aus diesen Daten erstellt der Aggregationsagent einen virutellen Warenkorb und berechnet daraus ein stochastisches Ausleihverhaltensmodell für jedes Buch.
  • Auf dieser Grundlage generiert schliesslich der Empfehlungsagent zu jedem Buch eine Liste von verwandten Produkten, die das erwartbare statistische Mittelmass überstiegen und daher als ‚Empfehlung’ markiert sind.

Summa summarum erstellt das Programm die Empfehlungen, indem es alle gemeinsam in einer Session angesehenen Dokumente identifiziert, welche häufiger in Kombination erscheinen, als es aufgrund des statistisch errechneten Kaufverhaltensmodells zu erwarten wäre. Diese sogenannten Ausreisser werden künftig bei einer entsprechenden Buchsuche dem Benutzer als Empfehlung präsentiert.

Die theoretische Grundlage für diesen Algorhythmus bildet Andrew S. C. Ehrenbergs Repeat-Buying theory.

Implementierung

Retrievalfunktion und Serendipity

BibTip versteht sich als Ergänzung zur konventionellen Sacherschliessung mit Schlagworten resp. Schlagwortketten (auch: intelligente Sacherschliessung, Indexierung). BibTip gewinnt also genau dort an Relevanz, wo die Vergabe von Schlagworten nicht mehr hinreicht: im Bereich der assoziativen Vernetzung.

Die Aufgabe des Sacherschliessers besteht darin, den Inhalt eines Dokuments möglichst präzise zu erfassen, das heisst mit möglichst ‚engen’ Schlagworten zu versehen. Anders als beim Social Tagging handelt es sich bei diesen Schlagworten um kontrolliertes Vokabular und nicht um willkürlich gewählte Stichwörter.

Für das klassische Retrieval ist diese Abbildfunktion der intellektuellen Sacherschliessung die conditio sine qua non. Der Benutzer soll schliesslich bei der Recherche genau die Dokumente mit demjenigen Inhalt finden, wonach er gesucht hat. Dabei bleiben jedoch all jene Dokumente aussen vor, welche nicht von diesem engen Begriffsraster erfasst wurden.

An dieser Stelle setzt BibTip ein, dessen Grundlage nicht der Buchinhalt, sondern das Benutzinteresse bildet, das in der Regel breiter gestreut ist und über thematische Grenzen hinausreicht. Dies führt dann zu Serendipity-Effekten bei der Katalogsuche. Der Benutzer bekommt dadurch Bücher empfohlen, nach denen er bei der thematischen Recherche zwar nicht aktiv gesucht hat, die aber dennoch genau seinem Bedürfnis entsprechen.


BibTip und Bibliothek 2.0

Status Quo

Die Werbung von BibTip verspricht: „Bibliothek 2.0 leicht gemacht“. Versteht man unter Bibliothek 2.0 im engeren Sinn den Einsatz von Social Software mit benutzergenerierten Inhalten, dann fällt ein verhaltensbasierter Empfehlungsdienst wie BibTip nur bedingt unter diese Kategorie. Denn im Unterschied zu einem expliziten Recommendersystem (wie z.B. bei LibraryThing) gibt der Benutzer nicht aktiv Empfehlungen ab, sondern ein Programm generiert an seiner Stelle eine entsprechende Empfehlungsliste.

Da aber die Grundlage für eine solche Liste der automatisierte Vergleich individueller Vorlieben bildet, kann zumindest von einem passiven Empfehlungsverhalten der Benutzer gesprochen werden. Mit der eigenen Bücherwahl verweist ein Benutzer indirekt auf andere Benutzer mit ähnlichen Interessen. Wenn es sich auch nicht um benutzergenerierte Inhalte handelt, so also doch um Inhalte, die auf der Basis von Benutzerdaten generiert sind. Das entspricht implizit dem Geist der Web 2.0-Interaktion, umso mehr als mit einem bibliothekarischen Recommenderdienst keine kommerziellen Interessen verbunden sind.

Innovationen

Zudem fasst die Weiterentwicklung von BibTip einzelne Punkte ins Auge, welche den eingeschlagenen Weg Richtung Web 2.0 konsequent fortsetzen. Dazu gehören unter anderem:

  • Die Einbettung eines expliziten Recommenders im Sinne eines Reviewdienstes. Die Benutzer können - nach Nutzertypen (Student, Mitarbeiter, Professor) gruppiert – Bewertungen von Büchern in Form einer Rezension placieren. Auch dieses Prinzip ist bereits von Amazon bekannt.
  • Die Integration von Empfehlungen in den Benachrichtigungsdienst. Mit der Implementierung einer „Alert Me“-Funktion im Kontext des Recommenders kann der Benutzer für ihn relevante Bücher beobachten lassen. Sobald sich Änderungen auf der Empfehlungsseite des Buchs ergeben, erhält der Benutzer automatisch eine Mitteilung. Diesem Prinzip entspricht die Funktion von RSS-Feeds.
  • Der Benutzer als ‚heimlicher’ Fachreferent. Auf der Basis des Recommenders wird die Generierung von inhaltlichen Erschliessungselementen angestrebt. Die Aufgabe der Sacherschliessung soll damit über den engen Kreis der Fachkompetenzen auf eine freiere Form der inhaltlichen Vernetzung (à la Social Tagging) geöffnet werden.
  • Ebenso dienen systemübergreifende Empfehlungen dem Fachreferent als Anhaltspunkt für seine Anschaffungsentscheide. Die Anzahl der Empfehlung fungiert dabei als Mass für die Nutzungsintensität eines Dokuments.

Verwandte Produkte


Quellen

  • Coombs, Karen A., Building A Library Web Site on the Pillars of Web 2.0, in: Computers in Libraries 27/1 (2007). [1]
  • Dierholf, Uwe/Mönnich, Michael, Einsatz von Recommendersystemen in Bibliotheken, in: B.I.T. Online. Zeitschrift für Bibliothek, Information und Technologie 1 (2006), 27-30. [2]
  • Geyer-Schulz, Andreas et al., Recommenderdienste für wissenschaftliche Bibliotheken und Bibliotheksverbünde, in: Informatikwirtschaft. Ein Sektor mit Zukunft, hrsg. v. Andreas Geyer-Schulz und Alfred Taudes, Bonn: Gesellschaft für Informatik 2003, 43-57.
  • Haber, Peter, Mit BibTip auf dem Weg zum Opac 2.0?, in: weblog.histnet.ch (30. Januar 2007). [3]
  • Miller, Paul, Web 2.0: Building the New Library, in: Ariadne 45 (2005). [4]


Weblinks


Tags

  • Recommender-System
  • Bibliothekskatalog
  • Retrievalfunktion
  • Serendipität
  • assoziative Vernetzung
  • Benutzerverhalten
  • OPAC next generation
  • amazon
  • DFG
  • Rezensionen