C’è un nuovo servizio gratuito, per tutte le biblioteche MLOL, ed è un servizio cui teniamo davvero molto. Dal 23 maggio 2023, tutti gli enti che aderiscono a MLOL possono rendere disponibile per i propri lettori un sistema di suggerimenti capace di espandere la ricerca e la scoperta di risorse digitali all’interno della biblioteca digitale.
Un servizio che non vedevamo l’ora di presentarvi: fuori da logiche commerciali, abbiamo creato un sistema di raccomandazioni che consente alle biblioteche di ottimizzare il catalogo digitale e di valorizzare le comunità di lettori attraverso la bibliodiversità.
Ve lo raccontiamo nel dettaglio qui sotto.
Per attivare il nuovo servizio di raccomandazioni è sufficiente che ogni polo bibliotecario MLOL invii al nostro indirizzo amministrazione@horizons.it la documentazione allegata alla comunicazione ufficiale che abbiamo inviato a tutti i responsabili lo scorso maggio. Qualora non l’aveste ricevuta, contattateci al medesimo indirizzo
COSA
I suggerimenti automatizzati di lettura sono una funzionalità essenziale per ogni store digitale, da anni ormai, e con questa realtà è necessario che le biblioteche facciano i conti. Per il nostro non ci siamo appoggiati a grandi provider di servizi paragonabili, abbiamo sviluppato tutto in casa: perché il centro di tutto, per noi, erano e sono biblioteche e lettori. I suggerimenti MLOL, allora, sono completamente integrati nella piattaforma.
Per questa ragione volevamo che le raccomandazioni MLOL fossero accurate e rilevanti per i gusti dei lettori, ma anche variegate, in modo da rappresentare il più ampio spettro di interessi possibili. Per esempio: tutti i modelli commerciali si basano su forzature che indirizzano i suggerimenti verso le novità editoriali o i titoli più popolari; noi, invece, abbiamo voluto dare priorità alla profondità del catalogo. In questo modo i lettori possono esplorare tematiche, autori e titoli affini all’evoluzione dei propri gusti e dei propri interessi.
Grazie alle raccomandazioni MLOL, insomma, le biblioteche hanno finalmente a disposizione uno strumento per far emergere dal catalogo risorse ancora appetibili, ma confinate o nascoste nella “coda lunga” di lettura, visibili solo a chi le cerchi attivamente.
PERCHÉ
Cercare vs. Scoprire
Le interfacce dei cataloghi mettono sempre gli utenti di fronte a diverse scelte possibili, ma al centro di ogni navigazione ci sono due concetti-base: “ricerca” ed “esplorazione”; tuttavia, l’esplorazione e la scoperta possono non risultare sempre immediate. I suggerimenti di lettura offrono una via a metà strada: la possibilità di scoprire esplorando.
Alla base del modello MLOL c’è un’analisi meticolosa e dinamica nel tempo delle diverse comunità di lettori digitali, da cui deriviamo un grafo di nodi e relazioni che fanno emergere le caratteristiche uniche di ciascuna di esse pur mantenendo i collegamenti tra le une e le altre. Alla base del grafo c’è il concetto che le comunità di lettori cambiano soprattutto in funzione di stagionalità – editoriali e di altro tipo – specifiche.
Per dirla in una riga: le comunità di lettori non sono isole.
COME
Il modello alla base del servizio
Senza scendere troppo nei tecnicismi, a questo punto ci sembra importante spiegarvi su quali basi abbiamo costruito i suggerimenti MLOL.
Per prima cosa, abbiamo rifinito un modello di apprendimento automatico in tempo reale – eccolo qua, il machine learning – che scompone le azioni degli utenti in un insieme gerarchico. Da ciascun prestito o prenotazione di ebook, da ciascuna consultazione o download di risorse Open e Audiolibri deriviamo un’azione principale e un sottoinsieme di azioni secondarie.
In secondo luogo, colleghiamo a questi eventi una serie di metadati:
- utente-autore (del libro, dell’audiolibro, della risorsa Open)
- utente-argomento editoriale (CCE del libro, dell’audiolibro, della risorsa Open)
- utente-editore (nel caso dell’Open, il publisher che rilascia la collezione aperta)
Questi eventi secondari, intersecandosi con gli eventi principali, formano i nodi di un grafo, e una serie di algoritmi derivati dalla scienza delle reti e dall’intelligenza artificiale applicata ai sistemi di raccomandazione estraggono informazioni e quindi valore dall’incrocio di tutti gli eventi di tutti gli utenti MLOL. Emergono gruppi e componenti, vere e proprie comunità di lettori, collegate le une alle altre da relazioni semantiche e abitudini d’uso della piattaforma.
A completare il tutto, il modello analizza il flusso dei click di navigazione degli utenti sulle risorse e valuta – caso per caso, titolo per titolo – se derivare un valore e un peso da aggiungere agli altri eventi. Questo, in definitiva, consente la possibilità di presentare suggerimenti personalizzati anche a coloro che su MLOL hanno solo una storia di navigazione, ma non ancora una storia di consultazioni e letture.
UNA PROVA
Una volta che il sistema bibliotecario MLOL avrà compilato l’apposita documentazione, il servizio verrà reso disponibile sul portale a tutti gli utenti. Starà a ogni singolo lettore decidere se visualizzare o meno i nostri consigli, semplicemente cliccando sul pulsante ATTIVA I SUGGERIMENTI nel messaggio modale che comparirà subito dopo il login. Nota: non verranno inviate mail; il nostro sistema di suggerimenti si sviluppa tutto all’interno del portale MLOL.
Esplora
In questa prima versione del servizio, due carousel di copertine nella pagina principale del portale – la sezione Esplora – accompagnano subito il lettore in una serie di suggerimenti tematici. Per ciascun argomento editoriale, sia per gli ebook commerciali che per le risorse Open, è possibile ottenere consigli tra tutte le risorse non ancora consultate dall’utente. L’architettura del servizio gestisce, in tempo reale, la sostituzione immediata dei titoli appena scaricati o prenotati.
Queste vetrine tematiche sono generate tenendo conto delle specificità di ogni singolo utente, quando sia possibile far leva su uno storico di letture, oppure prelevando da un insieme di titoli che in quel momento potrebbero essere appetibili per un potenziale lettore ancora “anonimo”, sia che si tratti del suo primo accesso, sia che non abbia ancora deciso di scaricare un ebook, un audiolibro o di consultare una risorsa Open.
Il modello sottostante costruisce un indice di popolarità complesso, che mette a disposizione dei potenziali nuovi lettori una serie di titoli appetibili, partendo dal grafo delle comunità di lettura dei portali MLOL e analizzando i trend per argomento editoriale.
Il servizio offre la possibilità, per gli ebook commerciali Mlol, di applicare un filtro sulla disponibilità immediata al prestito dei titoli, aggiornando la vetrina con le stesse modalità ma tenendo conto delle sole risorse libere in quel preciso momento.
Scheda
La scheda di ogni ebook commerciale, audiolibro o risorsa Open propone due vetrine di suggerimenti, per consentire al lettore di proseguire nell’esplorazione del catalogo, in accordo con la storia delle proprie letture e preferenze e con l’evoluzione delle stesse nel corso del tempo. Il servizio di suggerimenti sfrutta qui un modello ibrido utente/documenti, dove il peso della bilancia tra possibili titoli per prossimità di argomenti e titoli calcolati in base alla storia di letture personali è dinamico, e varia a seconda delle specificità dell’utente e della disponibilità di risorse del portale.
Primo carousel
La prima selezione di suggerimenti mette in relazione con il titolo corrente sia l’eventuale storia di lettura dell’utente, sia gli argomenti editoriali dell’item scelto. Il modello interviene in questo caso in modo più semantico, offrendo percorsi di scoperta del catalogo nella rosa degli argomenti editoriali presenti anche nei metadati della risorsa consultata.
I titoli presentati sono ottenuti quindi grazie alla “vicinanza” degli stessi con la risorsa di partenza, senza dimenticare naturalmente la composizione della comunità di lettori che ha letto lo stesso ebook o consultato lo stesso audiolibro o risorsa Open e analizzate le preferenze di questo gruppo all’interno di argomenti simili.
Anche in questo caso, l’architettura real time del servizio consente ricambi e aggiornamenti dei titoli suggeriti in base alle azioni dell’utente sulla scheda consultata. Ogni nuovo prestito o prenotazione, insomma, incide sul grafo delle comunità di lettori presenti sul portale.
Secondo carousel
Il secondo carosello in ciascuna scheda offre invece suggerimenti nei quali è assente il peso dell’argomento editoriale. Interviene anche qui un modello ibrido basato sia sulla complementarità del titolo con altri titoli in base ai metadati disponibili e indipendentemente dall’argomento, sia sulla consonanza dell’utente con il gruppo di lettori che ha già sfruttato la risorsa sul portale. Lo scopo, qui, è fare leva su un forte meccanismo di serendipità e, così facendo, garantire un’ampiezza di proposte ancora maggiore, proponendo percorsi potenzialmente interessanti per il lettore ma non più vincolati dal filtro delle categorie editoriali della risorsa di partenza.
Per il resto, i meccanismi possibili di questa vetrina sono gli stessi della precedente: update in tempo reale in base alle azioni dell’utente; calcolo della vicinanza dei titoli suggeriti in base alla risorsa di partenza e all’incrocio della storia dell’utente con altre comunità di lettori.
In entrambi i carousel, come accade nelle vetrine della pagina principale, è presente anche un meccanismo che ha il compito di “riempire” eventuali carenze di titoli da suggerire che in linguaggio tecnico è conosciuto come backfill. Laddove non sia presente una storia di letture dell’utente, o sia magari molto ridotta, il modello attinge dai titoli di maggiore popolarità per offrire comunque una rosa di suggerimenti.
Il modello di popolarità sottostante non è semplicemente il risultato del maggior numero di prestiti in un dato intervallo temporale; subentrano meccanismi più granulari di analisi dei trend dei titoli e delle caratteristiche delle comunità di lettori che in qualche modo sono passate per quei titoli. In continuo aggiornamento, senza sbilanciamenti forzati sulle ultime novità: il modo migliore, ribadiamo per riportare alla luce parti del catalogo che in passato hanno avuto forte impatto nelle scelte dei lettori e rimangono interessanti anche per i nuovi.
Le risorse Open
MLOL, però, non è fatta di sole risorse commerciali. La parte numericamente più consistente del nostro catalogo, infatti, è costituita dal Catalogo Open, una biblioteca digitale aperta – e partecipata, nelle nostre intenzioni – che si avvia a raccogliere ormai 4 milioni di oggetti digitali. Libri e manoscritti; spartiti e immagini; mappe e video; audiolibri e periodici; banche dati e risorse e-learning: una simile ampiezza di possibilità non è sempre facilmente presentabile o esplorabile. E anche qui i suggerimenti ci vengono in aiuto.
Altre particolarità della collezione Open? Ad esempio, metadati molto specifici e variabili a seconda della provenienza e collezioni spesso trasversali alle tipologie di materiali. Per questo abbiamo pensato ad alcuni meccanismi dei suggerimenti dedicati solo a questo tipo di risorse: le due vetrine presenti in ciascuna scheda Open offrono quindi la possibilità di filtrare le proposte per tipologia, pur mantenendo intatti i meccanismi di ibridazione dei modelli item-to-item e user-to-user presenti qui come nei caroselli di risorse MLOL.
Altre particolarità della collezione Open? Ad esempio, metadati molto specifici e variabili a seconda della provenienza e collezioni spesso trasversali alle tipologie di materiali. Per questo abbiamo pensato ad alcuni meccanismi dei suggerimenti dedicati solo a questo tipo di risorse: le due vetrine presenti in ciascuna scheda Open offrono quindi la possibilità di filtrare le proposte per tipologia, pur mantenendo intatti i meccanismi di ibridazione dei modelli item-to-item e user-to-user presenti qui come nei caroselli di risorse MLOL.
La particolarità di questa selezione delle tipologie Open consente all’utente di partire da una ricerca o da una scheda di un’immagine e ricevere suggerimenti che rimandano ad altre tipologie di contenuti “aperti”: inaspettate, magari, ma quasi sicuramente appetibili.
Forse il miglior esempio per spiegare perché il nuovo sistema di raccomandazioni MLOL sia utile a svolgere due dei compiti più significativi di una biblioteca: valorizzare ogni angolo utile del proprio catalogo per ottimizzarne e accrescerne l’uso e mettere in luce, se non addirittura creare, nuove connessioni tra i libri.
Per attivare il nuovo servizio di raccomandazioni è sufficiente che ogni polo bibliotecario MLOL invii al nostro indirizzo amministrazione@horizons.it la documentazione allegata alla comunicazione ufficiale che abbiamo inviato a tutti i responsabili lo scorso maggio. Qualora non l’aveste ricevuta, contattateci al medesimo indirizzo.
Marco Goldin, Francesco Pandini
Devi effettuare l'accesso per postare un commento.