Verschillende ontdekomgevingen creëren

Bibliotheken

Hoe kunnen we ons online publiek meer onverwachte parels laten ontdekken en nog meer gaan inspireren. Waarom enkel en alleen tekstueel zoeken? We kunnen de bibliotheekcollectie eveneens doorzoekbaar maken op een manier die visueel uitnodigt om op ontdekkingstocht te gaan.

Terug naar de innovatieagenda.

Leerlingen op een tablet in de bib aan het zoeken

Het project

We weten intussen dat een aanzienlijk percentage bibliotheekgebruikers momenteel geen beroep doet op de catalogus om te zoeken, maar andere zoekstrategieën hanteert. Binnen de bibliotheek denken wij bijvoorbeeld aan het vragen van tips aan het personeel, het bekijken van themastands, of het browsen van de rekken. Buiten de muren van de bibliotheek doen gebruikers inspiratie op via (sociale) media of via tips van vrienden. Uit oudere gebruikersbevragingen onthouden we ook dat ruwweg 10% van de gebruikers op onze websites op zoek zijn naar inspiratie, een reeds aanzienlijk deel dat eventueel nog vergroot kan worden door hier specifiek op in te zetten. Dit project heeft de ambitie een digitaal alternatief te bieden voor die alternatieve zoekstrategieën en de vraag naar inspiratie.

Daarnaast hopen wij met dit project ook een positieve impact te hebben op de laagdrempeligheid en toegankelijkheid van het aanbod. Zoeken via de huidige catalogus vereist een zekere kennis die niet alle gebruikers eigen is of die door omstandigheden moeilijk is (denk aan dyslectici, personen met anderstalige achtergrond, …).

Tot slot werken we rond het thema inspiratie ook samen met Publiq en VRT in een zijproject dat onderzoek doet naar de meerwaarde van cross-sectorale smaakprofielen en het eventueel uitwisselen van cultuuraanbevelingen tussen de platformen van die spelers (MuseumPass, Mijn Bibliotheek / Bibwebsite, VRT Max).

Stand van zaken

Met dit project ontwikkelen we digitale tools die gebruikers nieuwe manieren bieden om de bibliotheekcollectie te ontdekken en te benutten. Via gebruikersonderzoek en experimenten verkennen we welke aanpak het meeste potentieel heeft: een chatbot, een visuele ontdekomgeving, of iets anders?

Een experiment eind 2024 leerde ons iets over het potentieel van een chatbot waarmee je conversationeel de collectie kunt doorzoeken en aanbevelingen krijgt. Het resultaat was gemengd: er zit zeker potentieel in, maar het zal veel aandacht vragen om de input-data en de prompts en algoritmes goed genoeg te krijgen voor een oplossing die in productie kan draaien. Gebruikers hadden meteen hoge verwachtingen bij de experimentele bot.

Gebruikersonderzoek midden 2025 leerde ons dat lijstjes centraal staan in het ontdekkingsproces van heel wat gebruikers. Met deze en andere inzichten gingen we samen met een projectgroep van bibmedewerkers aan de slag. Dat leidde tot een viertal concepten van toepassingen:

  • een 'slimme boekenvinder' die lijstjes met aanbevolen boeken presenteert aan een gebruiker op basis van diens input (bv. favoriete boeken, thema's, ...) op de bibwebsite;
  • een digitaal inspiratieplatform voor in de bib (soort digitale thematafel);
  • een samenwerking met contentleveranciers (traditionele en sociale media) om hun aanbevelingslijsten ook een plek te geven in de digitale omgeving van de bib;
  • een 'boekenscanner' toepassing die het makkelijker maakt om items aan een Mijn Bibliotheek lijstje toe te voegen of waarmee je om het even waar een boek/cover/titel kunt inscannen en zien of je bib dit in bezit heeft.

Rond die concepten voerden we opnieuw gebruikersonderzoek uit en een bevraging bij de projectgroep, waarna de 'boekenscanner' en de 'slimme boekenvinder' als experimenten met het meeste potentieel naar voren kwamen.

Van de 'boekenscanner' lieten we wireframes maken en testten we uit of die duidelijk zijn voor het publiek. Een technische analyse naar de haalbaarheid staat nog gepland.

Van de 'slimme boekenvinder' willen we een werkende proefversie maken en die op een aantal sites uitproberen. De uitwerking van dit experiment loopt van november 2025 tot maart 2026. In die toepassing gaan we op basis van de input die een gebruiker geeft zowel door mensen gecureerde lijsten als door AI gegenereerde lijsten met aanbevelingen presenteren. We willen leren welke tips het meest geapprecieerd worden, of gebruikers tevreden zijn van de toepassing en of ze tot effectieve conversies (uitleningen) leidt.

Op het einde van alle experimenten beslissen we op basis van alle verzamelde feedback of dit ook leidt tot één of meerdere diensten die in productie kunnen gaan.