Perfil de usuários da Biblioteca Karl A. Boedecker

Técnicas de inteligência artificial, aplicadas a dados de transações de empréstimo do acervo de uma biblioteca, podem gerar recomendações de itens relevantes para usuários e pesquisadores. O sistema sugerido neste relatório é baseado em procedimentos de consolidação e conexão de registros em um data mart, associados às técnicas de análise de cestas, análise de agrupamentos e análise de redes, numa estratégia de cooperação indireta. No modelo aqui proposto, os itens da biblioteca são consolidados em assuntos significativos e grupos temáticos. Os usuários, por outro lado, são separados por grupos temáticos e segmentados segundo seu perfil de leitura. Por meio de consolidação são criadas listas para cada subgrupo especializado obtido, contendo recomendações específicas, temáticas e gerais. Sugere-se a utilização de transações virtuais para aperfeiçoar as recomendações. Além de servir a bibliotecas, o modelo proposto tem aplicabilidade direta em livrarias virtuais e pode ser adaptado para praticamente qualquer tipo de empreendimento em e-business.

Análise de redes em procedimentos de cooperação indireta: utilização no sistema de recomendações da Biblioteca Karl A. Boedecker

Sistemas de recomendação baseados cooperação indireta podem ser implementados em bibliotecas por meio da aplicação de conceitos e procedimentos de análise de redes. Uma medida de distância temática, inicialmente desenvolvida para variáveis dicotômicas, foi generalizada e aplicada a matrizes de co-ocorrências, permitindo o aproveitando de toda a informação disponível sobre o comportamento dos usuários com relação aos itens consultados. Como resultado formaram-se subgrupos especializados altamente coerentes, para os quais listas-base e listas personalizadas foram geradas da maneira usual. Aplicativos programáveis capazes de manipularem matrizes, como o software S-plus, foram utilizados para os cálculos (com vantagens sobre o software especializado UCINET 5.0), sendo suficientes para o processamento de grupos temáticos de até 10.000 usuários.