Thirty Years of Digital Libraries: What ECDL/TPDL Tells Us About the Field, and Where We Go from Here

In de late jaren 1990 begon er in de wereld van de informatiewetenschap een nieuw idee vorm te krijgen: de digitale bibliotheek. In die tijd was dit niet louter een website met een paar gescande boeken. Het was een complexe technische uitdaging, een belofte om geheel nieuwe systemen te bouwen die enorme collecties digitale inhoud konden opslaan, organiseren en leveren. Onderzoekers waren druk bezig met het construeren van de digitale planken, het schrijven van de software die ervoor zou zorgen dat computers met elkaar konden communicen, en het uitzoeken hoe ze deze systemen werkbaar konden maken voor mensen. Gedurende de volgende drie decennia kwam een specifieke groep wetenschappers jaarlijks samen op een conferentie in Europa om hun voortgang te delen. Zij noemden hun bijeenkomst de European Conference on Research and Advanced Technology for Digital Libraries, later afgekort tot TPDL. Gedurende dertig jaar diende deze bijeenkomst als een barometer voor het vakgebied, waarin elke verschuiving werd vastgelegd in wat onderzoekers belangrijk vonden, wie het werk verrichtte en wat ze daadwerkelijk aan het bouwen waren.

Een recente studie door Gianmaria Silvello, een onderzoeker aan de Universiteit van Padua, heeft teruggekeken op de gehele geschiedenis van deze conferentiereeks om te begrijpen hoe het concept van een digitale bibliotheek is getransformeerd. Silvello analyseerde elke paper die werd gepresenteerd tijdens de dertig edities van de conferentie, van de eerste bijeenkomst in 1997 tot de meest recente samenkomst in 2026. Om orde te scheppen in bijna 1.600 academische papers, gebruikte de onderzoeker een krachtig computerprogramma, bekend als een groot taalmodel, om de titels en abstracts van elk bijdrage te lezen en ze in categorieën in te delen. Dit hulpmiddel hielp identificeren of een paper ging over het bouwen van een nieuw softwaresysteem, het bestuderen van hoe mensen een bibliotheek gebruiken, of het analyseren van de data binnen een collectie. De onderzoeker controleerde vervolgens handmatig een steekproef van deze door de computer gegenereerde labels om te controleren of de machine de tekst correct las. Het doel was om de evolutie van het veld te traceren, niet alleen door woorden te tellen, maar door te observeren hoe de gemeenschap zelf in de loop van de tijd veranderde.

Het verhaal dat de data vertelt, is er een van een fundamentele verschuiving in de focus. In de vroege jaren, van 1997 tot 2007, werd de conferentie gedomineerd door de constructie van systemen. Onderzoekers waren gericht op de architectuur van digitale bibliotheken, het creëren van de frameworks en protocollen die verschillende computersystemen in staat stelden om informatie te delen. Ze bouwden de infrastructuur, ontwierpen de metadata-standaarden die een bibliotheek in het ene land met een bibliotheek in een ander land zouden laten communiceren, en ontwikkelden de zoekmachines die gebruikers zouden helpen vinden wat ze nodig hadden. De papers zaten vol technische discussies over systeemontwerpen, interoperabiliteit en de tools die nodig waren om deze digitale repositories te laten functioneren. Het was een tijdperk van engineering, waarbij de primaire vraag was hoe men de bibliotheek zelf kon bouwen.

Naarmate de jaren verstreken, begon het gesprek te veranderen. In de middelste periode, van 2008 tot 2016, verschoof de focus van de constructie van de systemen naar de mensen die ze gebruikten en de inhoud die ze bevatten. Onderzoekers begonnen te bestuderen hoe gebruikers interactie hadden met deze digitale collecties, hoe digitale materialen voor de lange termijn bewaard konden worden en hoe men de groeiende web van data kon beheren. De systemen die in het eerste decennium waren gebouwd, waren niet langer het hoofdonderwerp van onderzoek; ze waren het achtergrond-framework geworden, beheerd door bibliotheken en archieven. De nieuwe vragen gingen over wat er met de records binnen deze systemen gedaan kon worden.

In het meest recente decennium, van 2017 tot 2026, heeft het veld een tweede, zelfs nog dramatischer transformatie ondergaan. Het onderzoek is bijna volledig verschoven naar de data zelf. Tegenwoordig gaan de papers minder over het bouwen van de bibliotheek en meer over het verwerken van de wetenschappelijke en culturele records die de bibliotheek bevat. De dominante onderwerpen zijn nu text mining, natuurlijke taalverwerking en machine learning. Onderzoekers gebruiken geavanceerde computermodellen om enorme hoeveelheden historische documenten, wetenschappelijke artikelen en cultureel erfgoedmateriaal te analyseren. Ze bouwen kennisgrafen, wat complexe kaarten zijn van hoe verschillende stukken informatie met elkaar verbonden zijn, en ze gebruiken kunstmatige intelligentie om betekenis te extraheren uit miljoens records. De digitale bibliotheek wordt niet langer gezien als een systeem dat gebouwd moet worden, maar als een gecureerde collectie van betrouwbare data die gebruikt kan worden om kunstmatige intelligentie te trainen en nieuwe vormen van ontdekking te ondersteunen.

Deze verschuiving in wat er bestudeerd wordt, wordt vergezeld door een verschuiving in wie het werk doet. In de beginjaren trok de conferentie een breed internationaal publiek aan, met een aanzienlijk aantal onderzoekers uit de Verenigde Staten. In de loop van de tijd is de gemeenschap geografisch gekrompen. Het aandeel auteurs uit Noord-Amerika is gestaag gedaald, terwijl de aanwezigheid van Europese onderzoekers is gegroeid tot dominantie op de conferentie. Tegenwoordig komt de grote meerderheid van de deelnemers uit Europa, en is het aantal vertegenwoordigde landen afgenomen. De gemeenschap is lokaler geworden, met een kleinere kern van terugkerende auteurs en een groot aantal nieuwkomers die slechts één keer deelnemen. Ook de onderzoeksgroepen die de conferentie drijven zijn veranderd, waarbij verschillende teams in verschillende tijdperken de leiding namen, wat de veranderende prioriteiten van het veld weerspiegelt.

De studie onthult ook hoe de definitie van een digitale bibliotheek in de geest van de onderzoekers is geëvolueerd. In het begin verwees de term naar een systeem of een collectie van digitale objecten. In de loop van de tijd is het een rol gaan beschrijven: de verantwoorde curatie van collecties. Een digitale bibliotheek wordt nu begrepen als de entiteit die ervoor zorgt dat een collectie betrouwbaar is, dat zij weet waar de data vandaan komt, en dat deze veilig gebruikt kan worden door zowel mensen als machines. Deze nieuwe definitie is cruciaal omdat het een echte digitale bibliotheek onderscheidt van een eenvoudige zoekmachine of een willekeurige dump van data. Het benadrukt de verantwoordelijkheid van de instelling om de kwaliteit en integriteit van de informatie in de loop van de tijd te waarborgen.

De onderzoekers vonden dat hoewel de focus is verschoven van systemen naar data, de betrokkenheid van daadwerkelijke bibliotheken, archieven en musea constant is gebleven, hoewel hun rol is veranderd. In de vroege jaren waren deze instellingen vaak de primaire bouwers van de systemen. Tegenwoordig zijn ze vaker partners in onderzoek, waarbij ze de gecureerde collecties leveren die onderzoekers analyseren. De papers geschreven door professionals uit deze instellingen gaan nu vaak over samenwerking met universiteitsonderzoekers, waarbij de diepgaande kennis van de collecties wordt gecombineerd met de geavanceerde analytische tools van de computerwetenschappen.

Kijkend naar de toekomst suggereert de studie verschillende richtingen voor het veld. Nu kunstmatige intelligentie krachtiger wordt, is de behoefte aan hoogwaardige, gecureerde collecties nog nooit zo groot geweest. Deze collecties dienen als de trainingsdata voor machine learning-modellen en als de 'ground truth' voor het evalueren van hun antwoorden. De onderzoekers stellen voor dat het veld zich moet richten op de kwaliteit van deze collecties, de betrouwbaarheid van de kennisgrafen die eruit worden opgebouwd, en de langetermijnbehoud van de data. Ze suggereren ook dat de conferentie moet blijven evolueren, bijvoorbeeld door meer ruimte te geven aan de digitale geesteswetenschappen en door de banden met andere velden zoals databeheer te versterken.

De dertigjarige reis van de ECDL/TPDL-conferentie toont een veld dat is volwassen geworden van een focus op engineering naar een focus op kennis. De bouwers van de systemen hebben plaatsgemaakt voor de verwerkers van de data, maar de kernmissie blijft hetzelfde: om de informatie van de wereld toegankelijk en nuttig te maken. De digitale bibliotheek is niet verdwenen; ze heeft simpelweg van vorm veranderd, van een plek waar systemen worden gebouwd naar een plek waar de verhalen van de menselijke cultuur en wetenschap worden verwerkt, begrepen en bewaard voor de toekomst. De onderzoekers concluderen dat het belangrijkste wat een digitale bibliotheek vandaag de dag kan doen, is verantwoording afleggen over wat zij bezit, om te garanderen dat de collecties die zij beheert betrouwbaar en beschikbaar blijven voor generaties na ons.