Παρατηρητήριο χρηστών του καταλόγου δεδομένων της ερευνητικής υποδομής SoDaNet

Η ερευνητική υποδομή SoDaNet αποτελεί τη μοναδική εθνική ερευνητική υποδομή των κοινωνικών επιστημών στην Ελλάδα. Η βασική υπηρεσία της υποδομής αφορά την πρόσβαση στον κατάλογο δεδομένων. Ο κατάλογος φιλοξενεί 600 και πλέον έργα δεδομένων και προσφέρει στους τελικούς χρήστες μεγάλο όγκο δεδομένων εμπλουτισμένο με μεταδεδομένα. Οι πόροι των έργων δεδομένων παρέχονται είτε ως ελεύθερης πρόσβασης, είτε μέσω σύνδεσης (άμεσα ή έπειτα από κατάλληλο αίτημα). Στην περίπτωση πρόσβασης μέσω σύνδεσης, ο χρήστης εγγράφεται σε σχετική φόρμα με αποτέλεσμα να είναι δυνατός ο εντοπισμός του προφίλ του. Για τις υπόλοιπες περιπτώσεις χρηστών, το SoDaNet έχει ενεργοποιήσει την υπηρεσία Google Analytics. Παράλληλα, ο κατάλογος δεδομένων διαθέτει εγγενή μηχανισμό για μετρήσεις χρήσης (Metrics) των πόρων των έργων δεδομένων. Ειδικότερα, διαθέτει σωρευτικό μηχανισμό παροχής στατιστικών χρήσης με την επεξεργασία δεδομένων ιχνηλάτισης, όπως: ο συνολικός αριθμός λήψεων και προβολών πόρων, το πλήθος των προβολών ανά έργο δεδομένων ή ανά συλλογή έργων δεδομένων κ.λπ. Στην παρούσα εργασία παρουσιάζονται το προφίλ των χρηστών του SoDaNet και οι χρήσεις των πόρων βάσει των ως άνω μηχανισμών. Παράλληλα, διερευνώνται μηχανισμοί για την αποτελεσματικότερη διαχείριση των χρηστών, όπως η δημιουργία ενός μηχανισμού παρατηρητηρίου, όπου θα εξάγονται με συνέπεια βασικοί δείκτες απόδοσης της υποδομής (Key Performance Indicators – KPIs) σε σχέση με τους χρήστες και τη χρήση της υποδομής. Η διατήρηση του προφίλ χρηστών, θα γίνεται πάντα με τη σύμφωνη γνώμη τους και θα διαφυλάσσεται (τεχνικά κι επιχειρησιακά) μέσα από το σύνολο των κανόνων που έχουν τεθεί στην πολιτική προστασίας προσωπικών δεδομένων του SoDaNet. Βασικός στόχος του μηχανισμού παρατηρητηρίου είναι η καταγραφή, μέτρηση και παρακολούθηση της χρήσης και αξιοποίησης του διαθέσιμου ψηφιακού περιεχομένου από την ερευνητική κοινότητα καθώς και από τρίτα συστήματα μέσα από μηχανισμούς ιχνηλάτησης, διαλειτουργικότητας και ανατροφοδότησης. Για το σκοπό αυτό θα χρησιμοποιηθούν σύγχρονοι μηχανισμοί tracking και logging, και θα επανασχεδιαστούν οι φόρμες διαχείρισης του προφίλ των χρηστών. Με τη διαχείριση και ανάλυση αυτών των δεδομένων, η υποδομή θα μπορεί μελλοντικά να δημιουργήσει προσωποποιημένες επιλογές πλοήγησης και προβολής με βάση το προφίλ του εκάστοτε χρήστη, όπως επίσης θα μπορεί να οδηγήσει και στη δημιουργία υποσυσυστήματος σύστασης ψηφιακού περιεχομένου (recommendation system), με τη χρήση αλγορίθμων μηχανικής μάθησης τόσο από τις προηγούμενες επιλογές του χρήστη, όσο και από τα στοιχεία του προφίλ του.