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.
Auf den Schultern von Riesen - zur Rolle des Zitierens in der wissenschaftl...
Personalisierung von Suchräumen in RDS
1. Personalisierung von Suchräumen
in Resource Discovery Systemen
Björn Muschall, Universitätsbibliothek Leipzig
103. Bibliothekartag, 3.-6. Juni 2014: Ressource Discovery Systeme
2. Wikipedia:
“Der Suchraum eines Suchproblems
ist die Menge, die nach den zu
findenden Objekten durchsucht werden
soll.”
http://de.wikipedia.org/wiki/Suchraum
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. 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. Mögliche Kriterien für Suchräume
Aus Nutzersicht:
● Formale und inhaltliche Kriterien
● Aktualität
● E-/Print, Verfügbarkeit
● Standort
● Holdings / Bibliographische Nachweise
● Volltext durchsuchbar ja/nein
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)
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. Entwicklung Prototyp
● Einbindung personalisierter
“Sucheinstellungen” im Benutzerkonto
● Voreinstellung “Größe des Suchraums”
● Vordefinierte Suchräume
● Weitere Einstellungen denkbar, derzeit
“Aktualität im Ranking”