bibliosferaБиблиосфераBibliosphere1815-31862712-7931ГПНТБ СО РАН10.20913/1815-3186-2025-4-118-126bibliosfera-2187Research ArticleНАУКА В ЦИФРАХSCIENCE IN FIGURESПреодоление интерпретационного разрыва в веб-аналитике научной библиотеки посредством циклической модели синтеза количественных и качественных данныхOvercoming the Interpretive Gap in Scientific Library Web Analytics Through a Cyclical Model of Synthesizing Quantitative and Qualitative Datahttps://orcid.org/0009-0003-1508-8084ЯрутичД. А.YarutichD. A.

Ярутич Дарья Александровна, магистр педагогических наук, соискатель ученой степени кандидата наук, заведующий отделом информационного сопровождения интернет-портала Республиканской научно-технической библиотеки

пр-т Победителей, 7, Минск, 220004

Yarutich Daria Alexandrovna, Master of Pedagogical Sciences, Applicant, Head of the Information Support Department of the Internet Portal of the Republican Library for Science and Technology

7 Pobediteley Avenue, Minsk, 220004 

savonevskaya@gmail.comРеспубликанская научно-техническая библиотекаБеларусьRepublican Library for Science and TechnologyBelarus20252802202604118126Copyright © Ярутич Д.А., 20262026Ярутич Д.А.Yarutich D.A.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.bibliosphere.ru/jour/article/view/2187

Статья посвящена актуальным вызовам, стоящим перед научными библиотеками в условиях цифровизации и высокой конкуренции. Целью исследования является разработка и методологическое обоснование циклической модели синтеза количественных и качественных данных для преодоления интерпретационного разрыва в веб-аналитике. Анализируется проблема интерпретационного разрыва, возникающего при опоре исключительно на количественные данные веб-аналитики, которые не раскрывают мотивы и глубинные информационные потребности пользователей. В качестве решения предлагается разработанная автором циклическая модель, основанная на системной интеграции количественных данных веб-аналитики (ответ на вопрос «что?») и качественных методов исследования, таких как опросы и юзабилити- тестирование (ответ на вопрос «почему?»). Модель представлена как четырехэтапный управленческий фреймворк (сбор данных, анализ, оптимизация, оценка) для непрерывного улучшения цифровых сервисов. Основные результаты исследования: в теоретическом плане – методология преодоления интерпретационного разрыва, позволяющая перейти от анализа действий к глубокому пониманию пользователей; в практическом плане – управленческий фреймворк, внедрение которого позволяет библиотекам системно выявлять проблемы в цифровых сервисах и принимать обоснованные решения по их оптимизации. Применение модели позволяет трансформировать библиотеку в адаптивную экосистему, эффективно удовлетворяющую сложные информационные запросы научного сообщества.

The article is devoted to the current challenges facing scientific libraries in the context of digitalization and high competition. The aim of the study is to develop and methodologically justify the cyclical model for synthesizing quantitative and qualitative data to overcome the interpretive gap in web analytics. It analyzes the problem of the interpretation gap that arises when relying solely on quantitative data from web analytics, which do not reveal the motives and deep information needs of users. As a solution, the author’s cyclical model is proposed, based on the system integration of quantitative web analytics data (the answer to the question “what?”) and qualitative research methods, such as surveys and usability testing (the answer to the question “why?”). The model is presented as a four-stage management framework (data collection, analysis, optimization, evaluation) for the continuous improvement of digital services. The main results are the creation of a holistic methodology that allows libraries the motion from analyzing actions to a deep understanding of users, as well as presenting a specific framework for its practical implementation. The use of the model allows one the transformation of a library into an adaptive ecosystem that effectively meets the complex information needs of the scientific community.

научные библиотекивеб-аналитикациклическая модельинформационные потребностиинтерпретационный разрывколичественные и качественные методыData-Driven подходпользовательский опыт (UX)непрерывное улучшениецифровая трансформацияscientific librariesweb analyticscyclical modelinformation needsinterpretation gapquantitative and qualitative methodsData-Driven approachuser experience (UX)continuous improvementdigital transformationReferencesАрхипова Л. И. Data-driven-м аркетинг в принятии решений // Экономический рост Республики Беларусь: глобализация, инновационность, устойчивость. Минск, 2020. С. 369–370Arkhipova LI (2020) Data-driven marketing in decision making. Ekonomicheskii rost Respubliki Belarus’: globalizatsiya, innovatsionnost’, ustoichivost’. Minsk, pp. 369–370. (In Russ.)].Бакаев М. А. Современные тенденции в автоматизированной оценке юзабилити и поведенческие факторы в алгоритмах поисковых систем // Программные продукты и системы. 2017. Т. 30, № 3. С. 447–455Bakaev MA (2017) Modern trends in automated usability assessment and behavioral factors in search engine algorithms. Programmnye produkty i sistemy 30 (3): 447–455. (In Russ.)].Балагинин В. А., Назаров А. Д. Вебвизор, или Как повысить конкурентоспособность компании // BI – технологии в оптимизации бизнес-процессов. Екатеринбург, 2014. С. 62–64Balaginin VA and Nazarov AD (2014) Webvisor, or How to increase the company’s competitiveness. BI – tekhnologii v optimizatsii biznes-protsessov. Yekaterinburg, pp. 62–64. (In Russ.)].Денисов А. А. Сравнительный анализ Яндекс.Метрики и Google Analytics в качестве политических инструментов управления городской цифровой инфраструктурой // Постсоветский материк. 2024. № 1. С. 33–47Denisov AA (2024) Comparative analysis of Yandex.Metrica and Google Analytics as policy tools for managing urban digital infrastructure. Postsovetskii materik 1: 33–47. (In Russ.)].Жемчугов А. М., Жемчугов М. К. Цикл PDCA Деминга. Современное развитие // Проблемы экономики и менеджмента. 2016. № 2. С. 3–28Zhemchugov AM and Zhemchugov MK (2016) Deming’s PDCA cycle. Modern development. Problemy ekonomiki i menedzhmenta 2: 3–28. (In Russ.)].Земсков А. И. Библиотека – инструмент передачи знаний // Научные и технические библиотеки. 2010. № 6. С. 78–81Zemskov AI (2010) A library as a tool for knowledge transfer. Nauchnye i tekhnicheskie biblioteki 6: 78–81. (In Russ.)].Имаи М. Кайдзен: ключ к успеху японских компаний. 5-е изд. Москва : Альпина Паблишер, 2011. 274 с.Imai M (2011) Kaizen: the key to Japan’s competitive success. 5th ed. Moscow: Alpina Publisher. (In Russ.)].Кашицына А. М., Косых О. И., Маркелова С. В. Сервис-дизайн – новый ход в управлении проектами // Экономика и социум. 2023. № 6-1. С. 763–767Kashitsyna AM, Kosykh OI and Markelova SV (2023) Service design is a new move in project management. Ekonomika i sotsium 6-1: 763–767. (In Russ.)].Кряжева М. Ф., Нуждинова В. С. Веб-аналитический инструментарий: возможности использования в библиотечно-информационной деятельности // Культура: теория и практика. 2016. № 2. С. 61–62Kryazheva MF and Nuzhdinova VS (2016) Web-analytics: the possibilities of use in library and information activities. Kul’tura: teoriya i praktika 2: 61–62. (In Russ.)].Олевинский М. А. Веб аналитика. Сравнение систем веб аналитики // IN SITU. 2015. № 4. С. 46–48Olevinskii MA (2015) Web analytics. Comparison of web analytics systems. IN SITU 4: 46–48. (In Russ.)].Рыхторова А. Е., Ударцева О. М. Сегментирование пользователей сайта для продвижения библиотечных ресурсов и услуг // Библиосфера. 2018. № 3. С. 59–67Rykhtorova AE and Udartseva OM (2018) Website users segmentation to promote library resources and services. Bibliosfera 3: 59–67. (In Russ.)].Савельева И. П., Никулин Д. Н. Оценка эффективности интернет-рекламы с помощью систем вебаналитики // Вестник Южно-У ральского государственного университета. 2014. Т. 8, № 3. С. 99–105Savel’eva IP and Nikulin DN (2014) Assessment of online advertising efficiency using web analytics systems. Vestnik Yuzhno-U ral’skogo gosudarstvennogo universiteta 8 (3): 99–105. (In Russ.)].Стуков С. П., Елагина В. Б. Система “Кайдзен”: основы, преимущества и возможности введения в российских компаниях // Вестник магистратуры. 2018. № 1–3. С. 77–79Stukov SP and Elagina VB (2018) The Kaizen system: fundamentals, advantages and possibilities of implementation in Russian companies. Vestnik magistratury 1–3: 77–79. (In Russ.)].Ударцева О. М. Эффективный библиотечный сайт: data-driven-подход к управлению сайтом с применением аналитических инструментов // Библиосфера. 2021. № 2. С. 65–76DOI: https://doi.org/10.20913/13/1815-3186-2021-2-65-75Udartseva OM (2021) An effective library website: a data-driven approach to its management using analytical tools. Bibliosfera 2: 65–76. (In Russ.)]. DOI: https://doi.org/10.20913/13/1815-3186-2021-2-65-75Ушакова О. Б. От руководства чтением к клиентоориентированности: смена парадигмы (Опыт технической библиотеки предприятия) // Научные и технические библиотеки. 2013. № 3. С. 14–21Ushakova OB (2013) From reading guidance to customer focus: a paradigm shift (Experience of an enterprise technical library). Nauchnye i tekhnicheskie biblioteki 3: 14–21. (In Russ.)].Юлдашева О. У., Пирогов Д. Е. Становление концепции Data Driven маркетинга // Практический маркетинг. 2021. № 11. С. 3–9Yuldasheva OU and Pirogov DE (2021) The formation of the Data Driven marketing concept. Prakticheskii marketing 11: 3–9. (In Russ.)].Ярутич Д. А. Веб-аналитика как основа цифровой стратегии современной научной библиотеки // Веснік Беларускага дзяржаўнага ўніверсітэта культуры і мастацтваў. 2025. № 3. С. 93–102Yarutich DA (2025) Web analytics as the basis for the digital strategy of a modern research library. Vesnik Belaruskaga dzyarzhaunaga universiteta kul’tury i mastatstvau 3: 93–102. (In Russ.)].Ali N. M., Novikov B. A. Big data: analytical solutions, research challenges and trends // Труды Института системного программирования РАН. 2020. Т. 32, № 1. С. 181–204 DOI: https://doi.org/10.15514/ISPRAS-2020-32(1)-10Ali NM and Novikov BA (2020) Big data: analytical solutions, research challenges and trends. Trudy Instituta sistemnogo programmirovaniya RAN 32 (1): 181–204.] DOI: https://doi.org/10.15514/ISPRAS-2020-32(1)-10Kuhlthau CC (1993) A principle of uncertainty for information seeking. Journal of Documentation 49 (4): 339–355. DOI: https://doi.org/10.1108/eb026918Kuhlthau CC (1993) A principle of uncertainty for information seeking. Journal of Documentation 49 (4): 339–355. DOI: https://doi.org/10.1108/eb026918Wilson TD (2000) Human information behavior. Informing Science: the International Journal of an Emerging Transdiscipline 3 (2): 49–55. DOI: https://doi.org/10.28945/576Wilson TD (2000) Human information behavior. Informing Science: the International Journal of an Emerging Transdiscipline 3 (2): 49–55. DOI: https://doi.org/10.28945/576

The authors declare that there are no conflicts of interest present.