Daniele Forzan

Come fanno bibliotecari delle Biblioteche di Pubblica Lettura a selezionare i titoli per lo sviluppo della collezione? In effetti sembra una attività onerosa, complessa ed oltretutto comporta una grande responsabilità: scegliere tra le oltre 85.000 novità (dato novità 2021) quei titoli più adatti alla biblioteca, disponendo di un budget limitato, in grado di coprire solo l’1.8 % della produzione. Inquadriamo meglio l’argomento con alcuni dati: titoli acquistati in media annualmente da una biblioteca di pubblica lettura 600, media annuale produzione titoli novità “adatti” alle biblioteche di pubblica lettura 27.000, titoli novità di narrativa pubblicati settimanalmente 193, titoli di narrativa mediamente acquistati settimanalmente dalle biblioteche di pubblica lettura 5. Come si fa a selezionare i 5 titoli di narrativa più adatti ad una biblioteca tra 193 titoli prodotti in una settimana? Si utilizzano degli algoritmi esperienziali conditi da innumerevoli bias: insomma ci pensano i bibliotecari. Funziona? A volte sì ma forse è più corretto dire che nella maggior parte dei casi non lo sappiamo. Come si misura la performance di una collezione? Ma soprattutto lo si fa? Regolarmente? Con quali tecniche? In presenza di performance insoddisfacenti, si utilizza la misurazione per modificare gli algoritmi esperienziali conditi da bias?
Con questo intervento vorremmo provare a dimostrare come gli strumenti digitali sono in grado di aiutare il bibliotecario nel migliorare le performance della collezione. Utilizzeremo big data, machine learning, algoritmi, statistiche di acquisto, statistiche di prestato e i preziosissimi metadati bibliocatalografici.