KB ONDERZOEKSKRONIEK Mariëlle van Tilburg
Voorbeeld van huidige slimme leesassistent: Boekbot.
Voorbeeld van huidige slimme leesassistent: Nexi.
Voorbeeld van huidige slimme leesassistent: Kjoep.
Wie kiest wat je leest?
Hoe zorg je dat lezers onbevooroordeeld hun weg vinden naar een boek? Aanbevelingsalgoritmes zijn alom aanwezig op moderne mediaplatforms, zoals Netflix en Spotify, maar wat als je als bibliotheek de lezer een onafhankelijk en pluriform perspectief wilt bieden? Om dat te onderzoeken is in maart het project DiBiLi (Diagnosing Bias in Library Recommender Systems) van start gegaan, onder leiding van onderzoeker Savvina Daniil.
Mariëlle van Tilburg
Coördinator van de online Bibliotheek
In de rubriek
KB Onderzoekskroniek beschrijven medewerkers
van de afdeling Onderzoek van de KB, nationale bibliotheek
hun resultaten, trends
en vondsten.
‘Onderzoek laat zien dat 70 procent hulp wil bij het vinden van een boek in het digitale aanbod. De helft verwacht daardoor méér te gaan lezen’
‘Het dashboard moet ongewenste effecten van bias, waaronder culturele, sociale of populariteitsbias, helpen minimaliseren’
Sinds 2015 heeft de KB de wettelijke taak om te voorzien in een landelijke digitale bibliotheek. De online Bibliotheek is het platform voor het lezen en luisteren van geleende e-books, luisterboeken en tijdschriften voor bibliotheekleden. Het heeft 450.000 actieve gebruikers, een collectie van 65.000 titels en 9 miljoen uitleningen per jaar. Een convenant tussen uitgevers, makers, openbare bibliotheken en de KB, en financiering door het ministerie van OCW, maakt de publieke dienst mogelijk.
In 2027 wordt het platform vernieuwd. Het wordt gebruiksvriendelijker, toegankelijker en persoonlijker. Het nieuwe platform belooft lezers beter wegwijs te maken in het grote aanbod, meer te inspireren en sneller aan een passend boek te helpen. Automatisch gecureerde presentatie en persoonlijke aanbevelingen spelen daarbij een belangrijke rol en die zijn vaak afhankelijk van algoritmes.
BOEKAANBEVELINGSSYSTEMEN
Book recommenders in de bibliotheeksector zijn niet nieuw. Al minstens 10 jaar wordt er gewerkt aan applicaties voor leestips. Ontwikkelingen als conversational AI en large language models (LLM’s) zorgen voor een boost in slimme assistenten, zoals Boekbot (Brainport Bibliotheken Eindhoven), Nexi (OBA) en Kjoep (Bibliotheek Rotterdam). En niet alleen de mogelijkheden groeien, ook de behoefte van de eindgebruiker groeit. Want moet je je klant überhaupt wel willen sturen als bibliotheek? Het antwoord daarop is ja. Onderzoek onder (potentiële) lezers dat de KB voorafgaand aan het vernieuwingstraject van de online Bibliotheek uitvoerde laat zien dat 70 procent van de ondervraagden hulp wil bij het vinden van een boek in het brede digitale aanbod. De helft verwacht daardoor méér te gaan lezen, ook de helft van alle jongeren.
VERANTWOORDE INZET
Maar hoe zorg je dat de algoritmes achter die aantrekkelijke recommenders de waarden van de bibliotheek ondersteunen? Zoals het bieden van een onafhankelijk, betrouwbaar, origineel en pluriform aanbod dat verschillende perspectieven biedt en voldoende serendipiteit. Ook de helft van de ondervraagden uit het KB-gebruikersonderzoek geeft aan verrast te willen worden door aanbevelingen net buiten hun bubbel. Hoe minimaliseer je bias als algoritmes per definitie gebaseerd zijn op het maken van selecties en het zoeken van overeenkomsten in gebruik of metadata? Hoe kun je recommenders verantwoord inzetten?
Onderzoeker Savvina Daniil deed vier jaar research naar het antwoord. Haar onderzoek, Responsible Recommenders in the Public Library Sector, is een PhD-project dat onder de vlag van het Cultural AI lab is ondergebracht bij het CWI en wordt gefinancierd door de KB. Het heeft kennis opgeleverd over hoe bibliotheken aanbevelingssystemen verantwoord kunnen implementeren en hoe waarden als inclusiviteit en pluriformiteit te vertalen zijn naar specifieke, machineleesbare criteria en meetwaarden.
DIBILI-PROJECT EN DASHBOARD
Het project Diagnosing Bias in Library Recommender Systems (DiBiLi), dat loopt van maart tot december 2026, bouwt logisch voort op Daniils onderzoek. Doel ervan is de ontwikkeling van een dashboardprototype waarmee verschillende vormen van bias in boekaanbevelingsalgoritmes gevisualiseerd en zo getest kunnen worden met behulp van een brede dataset van uitleengegevens en brondata. Het is de bedoeling dat gebruikers van de tool – dit zijn vooral ontwikkelaars van algoritmes – inzicht krijgen in het effect van hun algoritme. En dat zij parameters zodanig kunnen afstellen dat ongewenste effecten van verschillende soorten bias, zoals culturele, sociale of populariteitsbias, worden geminimaliseerd. Voor de online Bibliotheek en andere opdrachtgevers die recommenders willen inzetten biedt het dashboard een mogelijkheid om effecten inzichtelijk te krijgen en bij te (laten) sturen.
De lezer kiest. En als die daarbij geholpen wil worden is het aan ons om te zorgen voor technologie die een zo breed, pluriform en verrassend mogelijk aanbod waarborgt.
> DiBiLi is een samenwerking tussen CWI, KB en NBD Biblion I Bookarang. Het project wordt mede mogelijk gemaakt dankzij een subsidie van SIDN fonds en Top ICT binnen het programma Responsible AI in de praktijk.
> Daniil is inmiddels gepromoveerd aan de Vrije Universiteit Amsterdam; haar proefschrift Bias in Book Recommendation is hier te lezen.
Je vindt dit artikel, evenals meer afleveringen van de rubriek KB Onderzoekskroniek, ook in het archief op informatieprofessional.nl,. <
IP | vakblad voor informatieprofessionals | 07 / 2026
Mariëlle van Tilburg
KB ONDERZOEKSKRONIEK
Hoe zorg je dat lezers onbevooroordeeld hun weg vinden naar een boek? Aanbevelingsalgoritmes zijn alom aanwezig op moderne mediaplatforms, zoals Netflix en Spotify, maar wat als je als bibliotheek de lezer een onafhankelijk en pluriform perspectief wilt bieden? Om dat te onderzoeken is in maart het project DiBiLi (Diagnosing Bias in Library Recommender Systems) van start gegaan, onder leiding van onderzoeker Savvina Daniil.
Mariëlle van Tilburg
Coördinator van de online Bibliotheek
In de rubriek
KB Onderzoekskroniek beschrijven medewerkers
van de afdeling Onderzoek van de KB, nationale bibliotheek
hun resultaten, trends
en vondsten.
Voorbeeld van huidige slimme leesassistent: Boekbot.
Sinds 2015 heeft de KB de wettelijke taak om te voorzien in een landelijke digitale bibliotheek. De online Bibliotheek is het platform voor het lezen en luisteren van geleende e-books, luisterboeken en tijdschriften voor bibliotheekleden. Het heeft 450.000 actieve gebruikers, een collectie van 65.000 titels en 9 miljoen uitleningen per jaar. Een convenant tussen uitgevers, makers, openbare bibliotheken en de KB, en financiering door het ministerie van OCW, maakt de publieke dienst mogelijk.
In 2027 wordt het platform vernieuwd. Het wordt gebruiksvriendelijker, toegankelijker en persoonlijker. Het nieuwe platform belooft lezers beter wegwijs te maken in het grote aanbod, meer te inspireren en sneller aan een passend boek te helpen. Automatisch gecureerde presentatie en persoonlijke aanbevelingen spelen daarbij een belangrijke rol en die zijn vaak afhankelijk van algoritmes.
BOEKAANBEVELINGSSYSTEMEN
Book recommenders in de bibliotheeksector zijn niet nieuw. Al minstens 10 jaar wordt er gewerkt aan applicaties voor leestips. Ontwikkelingen als conversational AI en large language models (LLM’s) zorgen voor een boost in slimme assistenten, zoals Boekbot (Brainport Bibliotheken Eindhoven), Nexi (OBA) en Kjoep (Bibliotheek Rotterdam). En niet alleen de mogelijkheden groeien, ook de behoefte van de eindgebruiker groeit. Want moet je je klant überhaupt wel willen sturen als bibliotheek? Het antwoord daarop is ja. Onderzoek onder (potentiële) lezers dat de KB voorafgaand aan het vernieuwingstraject van de online Bibliotheek uitvoerde laat zien dat 70 procent van de ondervraagden hulp wil bij het vinden van een boek in het brede digitale aanbod. De helft verwacht daardoor méér te gaan lezen, ook de helft van alle jongeren.
VERANTWOORDE INZET
Maar hoe zorg je dat de algoritmes achter die aantrekkelijke recommenders de waarden van de bibliotheek ondersteunen? Zoals het bieden van een onafhankelijk, betrouwbaar, origineel en pluriform aanbod dat verschillende perspectieven biedt en voldoende serendipiteit. Ook de helft van de ondervraagden uit het KB-gebruikersonderzoek geeft aan verrast te willen worden door aanbevelingen net buiten hun bubbel. Hoe minimaliseer je bias als algoritmes per definitie gebaseerd zijn op het maken van selecties en het zoeken van overeenkomsten in gebruik of metadata? Hoe kun je recommenders verantwoord inzetten?
Onderzoeker Savvina Daniil deed vier jaar research naar het antwoord. Haar onderzoek, Responsible Recommenders in the Public Library Sector, is een PhD-project dat onder de vlag van het Cultural AI lab is ondergebracht bij het CWI en wordt gefinancierd door de KB. Het heeft kennis opgeleverd over hoe bibliotheken aanbevelingssystemen verantwoord kunnen implementeren en hoe waarden als inclusiviteit en pluriformiteit te vertalen zijn naar specifieke, machineleesbare criteria en meetwaarden.
DIBILI-PROJECT EN DASHBOARD
Het project Diagnosing Bias in Library Recommender Systems (DiBiLi), dat loopt van maart tot december 2026, bouwt logisch voort op Daniils onderzoek. Doel ervan is de ontwikkeling van een dashboardprototype waarmee verschillende vormen van bias in boekaanbevelingsalgoritmes gevisualiseerd en zo getest kunnen worden met behulp van een brede dataset van uitleengegevens en brondata. Het is de bedoeling dat gebruikers van de tool – dit zijn vooral ontwikkelaars van algoritmes – inzicht krijgen in het effect van hun algoritme. En dat zij parameters zodanig kunnen afstellen dat ongewenste effecten van verschillende soorten bias, zoals culturele, sociale of populariteitsbias, worden geminimaliseerd. Voor de online Bibliotheek en andere opdrachtgevers die recommenders willen inzetten biedt het dashboard een mogelijkheid om effecten inzichtelijk te krijgen en bij te (laten) sturen.
De lezer kiest. En als die daarbij geholpen wil worden is het aan ons om te zorgen voor technologie die een zo breed, pluriform en verrassend mogelijk aanbod waarborgt.
> DiBiLi is een samenwerking tussen CWI, KB en NBD Biblion I Bookarang. Het project wordt mede mogelijk gemaakt dankzij een subsidie van SIDN fonds en Top ICT binnen het programma Responsible AI in de praktijk.
> Daniil is inmiddels gepromoveerd aan de Vrije Universiteit Amsterdam; haar proefschrift Bias in Book Recommendation is hier te lezen.
Je vindt dit artikel, evenals meer afleveringen van de rubriek KB Onderzoekskroniek, ook in het archief op informatieprofessional.nl,. <
Voorbeeld van huidige slimme leesassistent: Kjoep.
Voorbeeld van huidige slimme leesassistent: Nexi.
IP | vakblad voor informatieprofessionals | 07 / 2026