Sammensæt din undersøgelse

Et af projektets mål var at udvikle og teste en model, som kan anvendes af andre biblioteker, som måler borgernes ophold og færden i nye biblioteksrum med henblik på optimering af bibliotekets indretning, faciliteter, services, åbningstider og wayfinding i forhold til borgernes behov. 

Det var desværre ikke muligt at udvikle en direkte replikerbar model til andre folkebiblioteksbygninger, af tre grunde: 

•    Teknologi: Dokk1 er bestykket med mere og mere avanceret teknologi end noget andet folkebibliotek i Danmark.  

•    Størrelse: Dokk1 er Skandinaviens største folkebibliotek og en helt speciel biblioteksbygning med kæmpestore, åbne rum, høje besøgstal og mange forskellige, samtidige aktiviteter, hvor det er særligt udfordrende at registrere data og lave manuelle tællinger. 

•    Aktivitetsniveau og partnerskaber
Der er ca. 140 – 160 arrangementer pr. måned i Dokk1 og mange aktiviteter drives af partnere uden personalets medvirken og uden at der foreligger data om antal deltagere.  
Så de modeller med kombination af data fra manuelle tællinger, biblioteksdata og teknologier, som projektet har anvendt, kan ikke umiddelbart replikeres til andre folkebiblioteker.  Men metoderne og erfaringerne med de forskellige målemetoder vil kunne anvendes og tilpasses til andre folkebiblioteksbygninger.  

Projektet har lært nogle generelle pointer omkring nye teknologier:

•    Der er afgørende forskel på, om teknologierne registrerer mennesker (f.eks. tællekameraer og heatmaps) eller devices (f.eks. sensorer, som sniffer brugernes wifi- og bluetooth data)
 
•    Rå data fra nye teknologier ikke er viden, som umiddelbart kan fortolkes som fakta om brugeres ophold og færden i rum, uanset om visualiseringer af data kan ligne fakta om besøgs- og opholdstid i zoner. 
”Big data” skal valideres med ”ground truth tællinger”, det vil sige manuelle tællinger og observationer af besøgende. Herefter kan teknologierne kalibreres i flere loops til at komme tættere på virkeligheden. 

Anbefalinger – sammensæt din egen undersøgelse

1) Hvilke indsigter leder du efter?
Overvej hvilke indsigter I er ude efter. Hvad er målet med at lave undersøgelsen?
I SmartLibrary var det et vigtigt fundament for afprøvning af de forskellige værktøjer, at vi fik afgrænset de spørgsmål, som vi ville undersøge:
•    Opholdstid:  Hvor længe opholder folk sig i bygningen? 
•    Sporing af flokke: Hvordan bevæger folk sig rundt i bygningen? Hvor er ”hovedvejene”, og er der ruter, som benyttes i mindre omfang? 
•    Analyse af adfærdsmønstre: I hvilke områder af bygningen opholder folk sig mest? I hvilke området opholder folk sig mindst?

Disse spørgsmål kunne nye teknologiske målemetoder hjælpe med at give indblik i. 

Hvis man vil vide noget om, hvorfor besøgende opholder og færdes i biblioteket, som de gør, så kan teknologierne ikke give nyttig viden.
Vi havde andre spørgsmål, - fx: Hvad laver folk i Dokk1? Sidder de sammen – sidder de alene? Hvor mange kommer alene og hvad laver de alene? Og hvorfor?
Her skal man benytte kvalitative og antropologiske undersøgelser; f.eks. deltagerobservationer, walkalongs og interviews. 
Hvis man gerne vil lære mere om borgernes behov med henblik på at udvikle biblioteket, anbefales at bruge metoder fra Design Thinking. 
 

2) Hvilke data og teknologier har I allerede til rådighed?

Skab et overblik over teknologier, værktøjer og metoder til at indsamle, analysere og dokumentere brugernes adfærd i biblioteksrum. Tænk over, hvad I kan bruge de kvalitative værktøjer til? Og hvad kan I bruge de kvantitative metoder til?

3) Hvilke kompetencer har I på feltet?

De forskellige værktøjer kan hjælpe med at give svar og indsigter i forhold til spørgsmålene. Men det kræver viden om både kvalitative og kvantitative metoder, inden man går i gang for at kende begrænsningerne og mulighederne i de enkelte tilgange. Det vil også være en fordel, hvis man har en gruppe, der kan arbejde dedikeret med at skabe indsigt i brugernes adfærd. Det kræver forskellige kompetencer: viden om IT, biblioteksbrug, antropologiske metoder m.m. Der er altså behov for at sammensætte en række forskellige kompetencer i den gruppe, der skal se på brugeradfærd og brugerindsigter. 

4) Skab adgang til data

At skabe brugerindsigter på baggrund af data indsamlet i bygningen kan inkludere bidrag fra bygningsdriften, IT-afdelingen, biblioteksområdet, eksterne leverandører med mere. Det kan være svært at få adgang til data og vær også opmærksom på de organisatoriske barrierer, der kan være. Så af samme grund kan det også være vigtigt at have forskellige dele af organisationen i den gruppe, der arbejder med undersøgelsen.

5) Dataansvar

Det er biblioteket (eller institutionen/ejeren af rummet), som har dataansvaret for de data, som de indsamler, opbevarer, behandler og kommunikerer om og til borgere, lånere og ansatte. Vær opmærksom på lokale regler, men også love om personoplysninger og den nye persondataforordning, der træder i kraft 25. maj 2018.
Se kort artikel om data-ansvar og oplysningspligt her.

6) Resultat

Rå data kan ikke stå alene.
Vær forberedt på, at det kræver analyse og bearbejdning af de data og den viden, der kommer ud af jeres undersøgelser. Det tager tid at komme fra data og til indsigter.
Ofte vil resultaterne af jeres undersøgelser ikke være et færdigt svar - men blot mere kvalificerede spørgsmål. 
I afsnittet ”Fra data til viden” er der en introduktion til forskellige analysemetoder.
Her en udførlig gennemgang af analyser, som sammenligner data fra nogle af de nye målemetoder indbyrdes med data fra manuelle tællinger og andre data fra biblioteket. 
Se eksempler på analyser af data her.

Afsluttende rapport, som gennemgår alle test, resultater og anbefalinger kan ses her

Redigeret 7. marts 2018 af Sidsel Bech-Petersen, sibp@aarhus.dk og Lotte Duwe Nielsen, LDN@aarhus.dk,