Персонализация как принцип создания библиографических ресурсов для распространения научных знаний

В условиях возрастающего потока информации создание библиографических ресурсов для распространения научных сведений становится особенно актуальным. Важно не только собирать и систематизировать информацию для специалистов, но и способствовать получению широким кругом пользователей новых знаний, формировать у общественности полное представление об исследованиях и применении их результатов в реальной жизни. Персонализация, основанная на учете индивидуальных потребностей и предпочтений, играет ключевую роль в этом процессе, позволяет выделить релевантные и полезные источники информации, облегчает аудитории доступ к необходимым данным. Именно на этом принципе основана подготовка библиографических ресурсов, которые становятся важным инструментом поддержки коммуникации науки с обществом. Цель статьи – обосновать важность создания библиографических ресурсов с учетом принципа персонализации, заключающегося в адаптации контента и функций ресурсов под индивидуальные потребности, предпочтения и интересы пользователей. Выделены преимущества персонализированных библиографических ресурсов: они могут выполнять функции как научных, так и рекомендательных ресурсов для сопровождения взаимодействия науки и общества. Представлены результаты изучения индивидуальных потребностей и предпочтений в сфере научно-популярной литературы 184 пользователей ГПНТБ СО РАН на основе анализа их электронных формуляров. Показаны особенности деятельности библиографа при создании персонализированных библиографических ресурсов для распространения научных знаний в обществе.

1. Калюжная Т. А., Плешакова М. А. Информированность читателей о научных достижениях и спрос на научно-популярные журналы в публичной библиотеке // Труды ГПНТБ СО РАН. 2024. № 1. С. 49–61 DOI: https://doi.org/10.20913/2618-7515-2024-1-49-61

2. Кветкина Е. А. Актуальные тренды в цифровизации академических библиотек // Библиотека в XXI веке: деятельность, инициативы и результаты : материалы XV Междунар. науч.-практ. конф. молодых ученых и специалистов, Минск, 20 февр. 2024 г. Минск, 2024. С. 272–278

3. Моковая Т. Н. Направления развития библиографических электронных ресурсов современного вуза культуры // Библиосфера. 2022. № 4. С. 97–108 DOI: https://doi.org/10.20913/1815-3186-2022-4-97-108

4. Педагогика: большая современная энциклопедия / сост. Е. С. Рапацевич. Минск : Соврем. слово, 2005. 720 с.

5. Педагогический словарь: новейший этап развития терминологии / под общ. ред. О. Б. Даутовой. Санкт-Петербург : КАРО, 2020. 328 с.

6. Слащева Н. А., Цветкова В. А. Возможности интеллектуального анализа данных в научной библиотеке // Научная и техническая информация. Серия 1, Организация и методика информационной работы. 2024. № 11. С. 33–38

7. Ушакова О. Б. Особенности представления коллекций информационных ресурсов в электронном каталоге ГПНТБ России // Труды ГПНТБ СО РАН. 2024. № 4. С. 103–112 DOI: https://doi.org/10.20913/2618-7515-2024-4-103-112

8. Юкляевская А. В. СМИ как источник информации при создании рекомендательных библиографических ресурсов для развития научного мировоззрения // Библиосфера. 2024. № 2. С. 51–59 DOI: https://doi.org/10.20913/1815-3186-2024-2-51-59

9. An Z (2025) Construction of personalized service system of digital resource library based on artificial intelligence. Journal of Combinatorial Mathematics and Combinatorial Computing 127a: 9599–9616. DOI: https://doi.org/10.61091/jcmcc127a-529

10. Narendra AP, Dewi C, Gunawan LS and Ardi AS (2025) Artificial intelligence implementation in library information systems: current trends and future studies. Vietnam Journal of Computer Science 12 (3): 209–233. DOI: https://doi.org/10.1142/s2196888824300023

11. Patron G, Xu Z, Kapnadak I and Maia Polo F (2025) Recommendations beyond catalogs: diffusion models for personalized generation. arXiv: preprint server. arXiv:2502.18477. DOI: https://doi.org/10.48550/arXiv.2502.18477

12. Turul R and Nasir M (2025) Artificial intelligence in library classification: innovations, challenges, and future prospects. International Journal of Creative Research Thoughts (IJCRT) 13 (5): c300–c308.

13. Хu Y, Zhang J, Salemi A, Hu X, Wang W, Feng F, Zamani H, He X and Chua TS (2025) Personalized generation in large model era: a survey. arXiv: preprint server. arXiv:2503.02614. DOI: https://doi.org/10.48550/arXiv.2503.02614

14. Ziegler S and Shrake R (2018) PAL: toward a recommendation system for manuscripts. Information Technology and Libraries 37 (3): 84–98. DOI: https://doi.org/10.6017/ital.v37i3.10357