Biblioteche e Big Data: una sfida complessa per nuove forme di conoscenza immaginando nuovi assetti e servizi

Marcy Strong – responsabile del servizio metadati presso le biblioteche River Campus dell’Università di Rochester New York – ha espresso  con poche parole una semplice ma profonda verità: “le biblioteche hanno gestito i dati per secoli”. Oggi, che dopo più fasi di un’impetuosa e pervasiva rivoluzione digitale, siamo immersi in un diluvio di dati, ci chiediamo se le biblioteche possano non solo sopravvivere ma raccogliere la sfida e proporsi come punto di riferimento anche nel nuovo ecosistema informativo sempre più datizzato.

La trama del flusso tecnologico che ci avvolge (global fluency) è quella dei Big Data, in pratica un’impressionante quantità di bit sotto forma di valori numerici, video, parole, immagini, ecc. Qualcosa corrispondente – in un solo giorno al mondo –a circa 2,5 quintilioni di dati (il quintilione  è un numero seguito da 30 zeri!) e che equivale – per ogni minuto di internet – a circa 4 milioni di ricerche su Google, mezzo milione di twitter e oltre 4 milioni di visualizzazioni video YouTube.

Difficile dare una definizione più precisa  per i Big Data. La più in voga è quella delle “3V + 1V”, vale a dire si può parlare di Big Data in presenza di un Volume di dati nell’ordine degli zettabyte, di un’estrema Varietà nella tipologia dei dati, di una Velocità incredibile nella loro generazione  e infine – con la quarta e più controversa V –  anche attribuendo un Valore/Veridicità ai dati in quanto ritenuti affidabili e quindi suscettibili di fornire analisi utili e interessanti.

L’ultima – controversa -“V” apre la questione se le analisi dei Big Data possano o meno essere ritenute una “nuova forma di conoscenza”. È indubbio che i cambiamenti tecnologici in corso si nutrono di Big data e non solo nella ricerca scientifica e nelle strategie aziendali, ma anche nella vita quotidiana e nella cultura. Tuttavia, e malgrado il famoso articolo del saggista di Wired Chris Anderson nel quale si teorizzava con l’avvento dei Big Data la fine del metodo scientifico e l’apertura di una nuova era del sapere basata su correlazioni ad altissima velocità[1], i dubbi rimangono e sono autorevolmente argomentati.

Già nell’ormai lontano 2012 un’interessante ricerca dal titolo “Critical questions for big data”[2], s’incaricava di ridimensionare i facili entusiasmi confutando che i Big Data “ possano offrire di per sé una forma più alta di intelligenza e conoscenza dando vita a intuizioni e rivelazioni prima impossibili”  e ribadendo che la sola accumulazione di dati senza una solida comprensione teorica impedisca di fatto una loro interpretazione. Recentemente il filosofo dell’informazione Luciano Floridi[3] ha chiarito ancora meglio la questione, spiegando che la “nuova forma di conoscenza” attribuita ai Big Data può essere intesa solo dal punto di vista epistemologico.

In altre parole, secondo Floridi, non basta mettere in campo strumenti “non convenzionali”(supertecnologie) per gestire e soprattutto estrarre conoscenza dai Big Data, al contrario è  necessario mettere a punto nuovi modelli di analisi (piccoli pattern). La chiave non può essere computazionale ma intellettiva, ovvero si tratta di individuare negli immensi dataset ormai disponibili (social media,  genetica, medicina, fisica sperimentale ecc.) nuovi pattern dotati di valore aggiunto  in quanto consequenziali “al chi siamo e al che cosa stiamo cercando”.

Un esempio interessante per nuovi modelli di analisi viene dai “Thick Data”, ovvero dati ottenuti non in maniera massiva ma immersiva, volti cioè ad analizzare e rivelare contesti culturali, sociale, emotivi circoscrivendo particolari gruppi di studio. A prima vista,  possono sembrare l’opposto dei Big Data in quanto dati qualitativi di contesto rispetto al “diluvio” dei dati quantitativi. Ma, in realtà, rappresentano illuminanti dimostrazioni di “piccoli pattern” in grado di colmare e aggiustare le tante lacune delle analisi massive / predittive dei Big Data[4].

In ogni caso, in un mondo informativo sempre più ad alta densità di dati (data liquidity), le biblioteche, come ci ricorda Marcy Strong, non possono che prendere posizione. E nel farlo non possono che raccogliere una sfida tecnologicamente e concettualmente  complessa in quanto giocata proprio in un ambito per loro vitale:  il passaggio epocale dal documento ai dati.

“I documenti sono solo sottoprodotti occasionali dell’accesso all’informazione e non la sua principale incarnazione” così, tempo fa, sosteneva il fisico IBM Lewis M. Branscomb[5]. Ed è proprio questo è il punto. Le tecnologie negli ultimi decenni hanno rovesciato le gerarchie nel mondo dell’informazione.

La dimensione reticolare, l’idea della “performance tecnologica”, il fattore “velocità di accesso” hanno cambiato il modo di concettualizzare l’informazione e poi, in ultimo, con l’esplosione dei Big Data, le biblioteche si sono trovate a gestire una proliferazione dei dati che comporta l’introduzione di  sistemi data-driven. Insomma, forze dirompenti tutte esterne al mondo bibliotecario hanno finito per esercitare un forte condizionamento su scelte, programmi  e strategie delle biblioteche. Di conseguenza, l’impatto dei Big Data non sarà di poco conto, e probabilmente produrrà nuovi impegni economici, tecnologici e mutamenti organizzativi. È prevedibile, infatti,  un  rivolgimento negli attuali assetti di quei sistemi bibliotecari più vicini al mondo dell’Università e della ricerca, con un ritorno a forme più centralizzate e quindi meglio attrezzate rispetto ai costi e alle complessità dei Big Data.

Nello stesso tempo, l’ingresso dei Big Data in biblioteca apre anche nuovi scenari nella gestione di questa “nuova forma di conoscenza” con  la creazione di nuovi ruoli, funzioni e servizi. Ad esempio con l’utilizzo dei flussi di dati per ottimizzare le performance della biblioteca rispetto ai propri utenti, oppure ridisegnando per il bibliotecario un nuovo ruolo professionale – quello del “data librarian” – vale a dire di un esperto in grado di affrontare le problematiche della gestione di grandi masse di dati maneggiando tutti gli strumenti della “data curation”.

Un’esigenza di nuove professionalità emergenti dal mondo bibliotecario avvalorata anche da uno studio dell’Università del Tennessee (USA), dal quale si evince che su oltre 100 biblioteche universitarie, almeno il 40% è impegnato a sviluppare programmi per supportare scienziati e ricercatori nelle procedure di gestione dei dati.

Insomma, è una vera e propria sfida quella per le biblioteche messe davanti  “alla prova dei dati”. Una sfida iniziata negli USA e in Gran Bretagna, dove diversi sistemi bibliotecari universitari ormai si propongono come piattaforme per servizi di gestione / supporto / consulenza per i Big Data. Anche perché un altro sondaggio – sempre nell’ambito delle  università anglosassoni –  fa sapere del rapporto non facile tra ricercatori e dati: da un lato spicca il loro desiderio di accedere a un sistema facile di condivisione per l’utilizzo dei dati altrui, dall’altro c’è la  diffusa ammissione d’incapacità nel creare le condizioni minime di condivisione per permettere un accesso semplice ai propri.

 In questo senso, è stato importante l’accordo tra lo Sloan Digital SkySurvey (SDSS)[6] – progetto astronomico che sta mappando lo spazio profondo producendo un enorme quantità di dati – e le Sheridan Libraries,  biblioteche della John Hopkins University di Baltimora[7], considerata la prima università di ricerca degli Stati Uniti. In quanto,  ha messo in evidenza – forse per la prima volta – il nuovo ruolo delle biblioteche come “laboratorio” di ricerca e sviluppo nell’ambito della gestione dei dati.

Comunque, già dal 2011 le Sheridan Libraries avevano lanciato un nuovo importante servizio dati: il Johns Hopkins Data Management Services (DMS). Implementandolo nell’ottica di best practice nella gestione dei dati, fornendo nello stesso tempo orientamento, istruzione e formazione e offrendo servizi di archiviazione e condivisione dati a supporto di ricercatori, istituzioni e agenzie.

Nell’ambito del DMS  è stato poi realizzato il Johns Hopkins Data Archive, un repository di dati – per l’archiviazione a lungo termine – disponibile per i ricercatori JHU.  Tutta iniziative che – non a caso – coordinate dalla Direzione gestione dati delle Sheridan Libraries, la quale ha ribadito in tutte le occasioni che lo scopo prioritario è sempre quello di creare le migliori condizioni per dare un supporto ai ricercatori nella loro complessa attività.

Anche i ricercatori di Oxford, possono avvalersi di un sistema bibliotecario di tutto rispetto: quello delle Bodleian Libraries[8]. Si tratta di uno dei sistemi bibliotecari più antichi e importanti del mondo che non è solo tradizione, ma anche politica digitale innovativa:   la biblioteca pensata  come grande impresa digitale (Bodleian Digital Library Systems and Services),  con lo scopo di promuovere la conoscenza attraverso l’accesso e mediante il supporto alla ricerca scientifica.

 In particolare, riguardo ai Big Data (solo nel 2012 la ricerca di Oxford ne ha generati oltre  3 petabyte), il sistema BDLSS ha messo ha disposizione per la ricerca un’infrastruttura dati: un archivio digitale (ORA-DATA – Oxford University Research Archive). In ORA-DATA può essere depositato qualsiasi tipo di dato. Né è assicurata la conservazione, l’accessibilità, la reperibilità e riuso. Cosa molto importante, i ricercatori, una volta archiviati i loro dati, possono in qualsiasi momento recuperarli e ri-utilizzarli in modo da rispondere a nuove richieste di analisi e studio, sviluppando attraverso la rete nuovi progetti di ricerca.

La “prova dei dati” è anche  pane quotidiano per il UC Curation Center della California Digital Library[9] che supporta  ricercatori e  biblioteche connesse al sistema nel gestire, conservare e fornire accesso alle loro risorse digitali. Particolarmente sviluppata è la data curation, per la quale l’UC ha realizzato tutta una serie di strumenti molto interessanti. A cominciare dal repository “Merritt” che vanta innovative soluzioni, tra cui un tipo di gestione che permette anche  il controllo diretto e la condivisione dei propri dati mediante URL persistenti. C’è poi “Dash”, uno strumento self-service che consente ai ricercatori di descrivere, caricare e condividere i propri dati di ricerca, e che permette  anche di descrivere i dati mediante lo schema  metadati “DataCite”, cioè una chiave per rendere i dati citabili, ricercabili e accessibili all’interno dei membri dei vari gruppi di lavoro. Infine, altri due strumenti molto validi implementati da UC sono DMPTool e EZID (easy-eye-dee). Il primo aiuta i ricercatori e le istituzioni a creare piani di gestione di dati di alta qualità che possano soddisfare i requisiti degli eventuali finanziatori delle ricerche, il secondo invece semplifica la creazione e gestione di identificatori unici a livello globale sia per i dati che per le fonti di una ricerca, assicurandone una futura rilevabilità.

Oltre a gestire i dati altrui, le biblioteche ormai dispongono in proprio di una grande quantità di dati. Questa proliferazione interna offre spazio per immaginare (e in alcuni casi cominciare a realizzare) nuovi servizi. I dati generati dai flussi interni possono essere sia quantitativi che qualitativi. I primi sono al momento decisamente prevalenti. Un esempio di dati quantitativi è quello dei numeri sulla circolazione dei prestiti normali e di quelli interbibliotecari, dei file log derivanti dai login degli utenti per accedere alle applicazioni on line della biblioteca e dei dati sui download delle risorse elettroniche messe a disposizione. Mentre una tipologia di  dati qualitativi può essere quella raccolta tramite social media: un esempio,  i “like” ottenuti dalla presentazione di nuovi libri sulla pagina Facebook della biblioteca.

Qualcuno ha affermato che le collezioni rappresentano un po’ il “DNA” o la “scatola nera” di una biblioteca, sicuramente ne rappresentano il tradizionale “baricentro”. Ma, anche la loro gestione sta subendo l’impatto della proliferazione dei dati. La più grande organizzazione mondiale per biblioteche – l’ OCLC (Online Computer Library Center)[10] – ne suggerisce una gestione tutta data-driven, mettendo a disposizione un potente strumento: il “Sustainable Collection Services[11]”. L’idea è di avere sotto controllo la situazione e l’evoluzione delle collezioni attraverso l’analisi dei dati. Per ottenere questo, nel set “Sustainable Collection Services” c’è il servizio“GreenGlass[12]” che consente di esplorare e visualizzare i dati sulle collezioni a supporto di tutte quelle attività di gestione e scarto. In altre parole, da la possibilità di gestire in modo nuovo, approfondito e comparativo, le proprie collezioni permettendo dismissioni mirate del materiale cartaceo così da poter rimodellare spazi e luoghi fisici della biblioteca.

Quello delle collezioni è l’esempio di utilizzo dei flussi di dati per riprogrammare dall’interno la Biblioteca, nel tentativo di ottimizzarne politiche e performance. È un modello di monitoraggio attraverso i dati applicabile anche ad altri settori: dagli spazi pubblici ai materiali e strumenti di studio, al miglioramento della propria offerta informativa e formativa. In questo ultimo settore si sono cimentate, con risultati interessanti,  alcune organizzazioni universitarie  che hanno estrapolato i dati – sull’utilizzo da parte degli studenti di una varietà di servizi –  in due modalità fondamentali: in automatico mediante i login degli studenti per accedere ai database e ai siti web, e poi  costruendo liste di utenti che si sono impegnati con il personale delle biblioteche in sessioni di istruzioni e interazioni di riferimento

L’università australiana di Wollongong[13],  ha sviluppato un database (LibraryCube) per incrociare i dati di utilizzo della biblioteca con le prestazioni accademiche degli studenti. Le analisi dei dati ottenuti hanno rivelato una forte correlazione tra l’uso delle risorse formativa messe a disposizione dal sistema bibliotecario di Wollongong e i voti ottenuti dagli universitari. Questa stessa linea di ricerca è stata intrapresa da altri progetti. Il Library Impact Data Project[14] finanziato dal JISC (Joint Information Systems Committee)  società britannica no profit che sostiene la ricerca e l’istruzione e opera soprattutto nel campo del digitale, ha evidenziato come una volta identificate aree tematiche o corsi che mostrano un basso utilizzo delle risorse della biblioteche, si può procedere a un miglioramento mirato dei relativi servizi. Infine, l’università del Minnesota con il Library Data and Student Success[15], si è concentrata sull’impatto avuto dal sistema bibliotecario sulla fidelizzazione degli studenti del primo anno di corso, dimostrando una correlazione tra uso intensivo della biblioteca e GPA (Grade Point Average) più elevato già nel primo semestre di studi.

Da ultimo, c’è da considerare l’impatto – dal punto di vista  bibliografico – dei “Big Data” che diventano “Big Library Data”, ovvero i milioni e milioni di dati bibliografici conservati negli OPAC delle biblioteche di tutto il mondo, ma attualmente non raggiungibili con i motori di ricerca della Rete perché creati e registrati con formati non interoperabili nel web. Da questo punto di vista, per renderli partecipi e utilizzabili attraverso il web dei dati, si lavora da tempo con le tecnologie del web semantico: principalmente Linked Data e RDF (Resource Description Framework). L’obiettivo è la ricerca della massima granularità anche per i dati bibliografici, ovvero il ridurli (come già accade per i dati del web) a dati interoperabili e quindi processabili in maniera automatica dai computer connessi nella rete globale. La tecnologia dei Linked Data dovrebbe avere in questo processo un ruolo determinante: consentire la destrutturazione del record bibliografico per  permettere una ri-composizione dinamica di dati bibliografici e non,  funzionale non solo alle puntuali ma anche alle potenziali e contingenti ricerche provenienti  dalla totalità della Rete compresi i motori di ricerca.

[1] https://www.wired.com/2008/06/pb-theory/

[2] https://www.katecrawford.net/docs/CriticalQuestionsForBigDataICS.pdf

[3] https://www.oii.ox.ac.uk/people/luciano-floridi/

[4] https://forbes.it/2018/12/10/big-data-thick-data-cosa-sono/

[5] https://en.wikipedia.org/wiki/Lewis_M._Branscomb

[6] https://www.sdss.org/

[7] https://www.jhu.edu/

[8] https://www.bodleian.ox.ac.uk/

[9] https://www.cdlib.org/uc3/

[10] https://www.oclc.org/

[11] https://www.oclc.org/en/sustainable-collections.html

[12] https://help.oclc.org/Library_Management/SCS_and_GreenGlass

[13] https://www.uow.edu.au/

[14] http://www.activitydata.org/LIDP.html

[15] https://experts.umn.edu/en/organisations/library-data-student-success

Relazione
Convegno Stelline 2019
Sala Leonardo
Giovedì 14 marzo 2019
Ore 14.30 – 18.00

Questa voce è stata pubblicata in big data, Big Data culturali, big data curation, Datafication, digitalizzazione, Formati, linked data, preservazione digitale, Senza categoria, tecnologie digitali, Thick Data, web semantico e contrassegnata con , , , , , , , , , , , , , , . Contrassegna il permalink.