Personalisierung von Suchräumen
in Resource Discovery Systemen
Björn Muschall, Universitätsbibliothek Leipzig
103. Bibliot...
Wikipedia:
“Der Suchraum eines Suchproblems
ist die Menge, die nach den zu
findenden Objekten durchsucht werden
soll.”
htt...
Suchräume aus Sicht einer Bibliothek
Größe des Suchraums
3 Beispiele aus dem finc-Projekt:
Lokaler Index UB Leipzig HGB Leipzig HMT Leipzig
Lokaler Bestand 3.0...
Mögliche Kriterien für Suchräume
Aus Sicht der Bibliothek:
● Technische Schnittstellen
● Externe Kollektionen (Metadaten)
...
Mögliche Kriterien für Suchräume
Aus Nutzersicht:
● Formale und inhaltliche Kriterien
● Aktualität
● E-/Print, Verfügbarke...
Eigener
Index
Technische Schnittstellen
Anbieter-Index
EBSCO
Primo Central
Summon
...
Mögliche Kriterien für Suchräume
API
Technische Schnittstellen
… und formale Kriterien
Eigener
Index
Anbieter-Index
EBSCO
Primo Central
Summon
...
Mögliche Kri...
Am Rande: solr-fusion
https://github.com/outermedia/solr-fusion
Single solr proxy to multiple solr servers with
different ...
Suchraum-Skalierung
Formale Kriterien werden gut über Facetten oder Vor-
Facettierung abgebildet.
Drill-Down über Facetten
Nicht geeignet für alles,
was den Suchraum
erweitert.
Vor-Facettierung ist kein
stabiler Wert.
Drill-Down über Facetten
Nicht geeignet für
● alles, was nicht über Facetten identifizierbar
sein soll (z.B. PDA Kollektio...
Entwicklung Prototyp
● Einbindung personalisierter
“Sucheinstellungen” im Benutzerkonto
● Voreinstellung “Größe des Suchra...
Vordefinierte Suchräume
Minimal
● Print-Bestand
Optimal
+ Print Erwerbungsvorschläge
+ Online verfügbar
Umfassend
+ Print-...
Ansicht Benutzerkonto
Live
Probleme, Herausforderung
● Benutzerfreundliche und “fassbare”
Integration ins Frontend
● Features in RDS generell sehr ge...
blog.finc.info
muschall@ub.uni-leipzig.de
Nächste SlideShare
Wird geladen in …5
×

Personalisierung von Suchräumen in RDS

7.401 Aufrufe

Veröffentlicht am

Immer mehr Bibliotheken und Verbünde setzen für den Nachweis ihrer Bestände auf suchmaschinenbasierte Resource Discovery Systeme. Die flexible Einbindung von Metadaten sowohl aus dem eigenen Haus als auch von externen Anbietern ist ein wesentlicher Grund, warum sich diese Systeme etabliert haben. Viele Bibliotheken nutzen zudem die Einbindung eines kommerziellen aggregierten Index für den Nachweis elektronischer Bestände bis auf Zeitschriftenartikel-Ebene. Diese Indizes beziehen für einen großen Teil der dort erfassten Ressourcen den eigentlichen Volltext in die Suche mit ein. Im Rahmen des sächsischen Projekts finc werden fachbezogene Bestände angrenzender Bibliotheken indexiert und bei Bedarf suchbar gemacht. Nutzergesteuerte Erwerbung für E-Books und Print-Werke oder die Erweiterung der Recherche auf nicht-lizenzierte E-Medien sind keine Seltenheit und erweitern den bisher bekannten Suchraum eines OPACs wesentlich.
Diese neue Quantität ist nicht unumstritten und stellt Bibliothekare und Katalog-Teams vor neue Herausforderungen. Die für diese Systeme typischen Facetten erlauben zwar die Einschränkung auf standardisiert erfasste Werte wie Sprache, Format oder elektronische Verfügbarkeit. Sie bilden jedoch keinen für den Nutzer erkennbaren und skalierbaren Suchraum ab.
Die Universitätsbibliothek Leipzig setzt sich mit verschiedenen Möglichkeiten auseinander, wie Suchräume definiert und für den Nutzer skalierbar präsentiert werden können. In Verbindung mit Benutzerkonten werden zudem Möglichkeiten der Personalisierung eruiert. Der Vortrag stellt die im Rahmen des Projekts finc entwickelten Lösungsansätze vor.

Veröffentlicht in: Daten & Analysen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Personalisierung von Suchräumen in RDS

  1. 1. Personalisierung von Suchräumen in Resource Discovery Systemen Björn Muschall, Universitätsbibliothek Leipzig 103. Bibliothekartag, 3.-6. Juni 2014: Ressource Discovery Systeme
  2. 2. Wikipedia: “Der Suchraum eines Suchproblems ist die Menge, die nach den zu findenden Objekten durchsucht werden soll.” http://de.wikipedia.org/wiki/Suchraum
  3. 3. Suchräume aus Sicht einer Bibliothek
  4. 4. Größe des Suchraums 3 Beispiele aus dem finc-Projekt: Lokaler Index UB Leipzig HGB Leipzig HMT Leipzig Lokaler Bestand 3.094.697 (3,6%) 58.655 (1,4%) 127.098 (38,6%) Externe Metadaten 2.570.448 (3%) 226.000 (5,3%) 202.094 (61,4%) Lokale Bibliotheken / Institute geplant 3.975.967 (93,3%) (HALLE14, HMT, UBL, HTWK) geplant Primo Central - - Holdings 80.000.000 (93%) geschätzt Expanded völlig unbekannt
  5. 5. Mögliche Kriterien für Suchräume Aus Sicht der Bibliothek: ● Technische Schnittstellen ● Externe Kollektionen (Metadaten) ● Lizenzrechtliche Einschränkung (Metadaten) ● Einschränkung auf Nutzergruppen (Dienste, die nur über Authentifizierung möglich sind) ● Volltext durchsuchbar ja/nein
  6. 6. Mögliche Kriterien für Suchräume Aus Nutzersicht: ● Formale und inhaltliche Kriterien ● Aktualität ● E-/Print, Verfügbarkeit ● Standort ● Holdings / Bibliographische Nachweise ● Volltext durchsuchbar ja/nein
  7. 7. Eigener Index Technische Schnittstellen Anbieter-Index EBSCO Primo Central Summon ... Mögliche Kriterien für Suchräume API
  8. 8. Technische Schnittstellen … und formale Kriterien Eigener Index Anbieter-Index EBSCO Primo Central Summon ... Mögliche Kriterien für Suchräume API E-Aufsätze & mehrBücher & mehr green economy Finden Verbund- daten Externe Kollektionen (NL, Open Access, Repository)
  9. 9. Am Rande: solr-fusion https://github.com/outermedia/solr-fusion Single solr proxy to multiple solr servers with different schemas
  10. 10. Suchraum-Skalierung Formale Kriterien werden gut über Facetten oder Vor- Facettierung abgebildet.
  11. 11. Drill-Down über Facetten Nicht geeignet für alles, was den Suchraum erweitert. Vor-Facettierung ist kein stabiler Wert.
  12. 12. Drill-Down über Facetten Nicht geeignet für ● alles, was nicht über Facetten identifizierbar sein soll (z.B. PDA Kollektionen) ● alles, was mehrere Facettenwerte betrifft (z. B. bibliographische Nachweise über mehreren Kollektionen) ● alles, wofür es keine Facetten gibt ● Expanded Search (Bsp. Primo Central)
  13. 13. Entwicklung Prototyp ● Einbindung personalisierter “Sucheinstellungen” im Benutzerkonto ● Voreinstellung “Größe des Suchraums” ● Vordefinierte Suchräume ● Weitere Einstellungen denkbar, derzeit “Aktualität im Ranking”
  14. 14. Vordefinierte Suchräume Minimal ● Print-Bestand Optimal + Print Erwerbungsvorschläge + Online verfügbar Umfassend + Print-Nachweis lokaler Bibliotheken + Online-Nachweise, nicht im Volltext verfügbar
  15. 15. Ansicht Benutzerkonto
  16. 16. Live
  17. 17. Probleme, Herausforderung ● Benutzerfreundliche und “fassbare” Integration ins Frontend ● Features in RDS generell sehr geringe Nutzung
  18. 18. blog.finc.info muschall@ub.uni-leipzig.de

×