基于小数据决策支持的读者荐购服务优化路径研究
来源:用户上传
作者:王春艳
摘 要：小数据作为以个体为中心的全方位数据，对个体需求分析有着重要价值。以图书馆读者荐购小数据为对象，从图书和读者两个维度对荐购数据进行数据挖掘，探讨分析图书馆读者荐购服务现状及存在的问题。提出从荐购服务的多方宣传、荐购政策的合理制定、荐购申请的及时处理与荐购回复的规范说明这4个方面，有针对性地对读者荐购服务进行优化，从数据层面为高校图书馆完善读者荐购服务提供决策支持与参考。
关键词：高校图书馆 小数据 荐购数据 决策支持
中图分类号：G253文献标识码：A 文章编号：1672-3791（2022）12（a）-0000-00
Research on the Optimization Path of Reader Recommendation Service based on Small Data Decision Support
WANG Chunyan
（Northeast Forestry University Library， Harbin， Heilongjiang Province， 150040 China）
As a comprehensive data centered on individuals， small data is of great value for individual demand analysis. Taking the small data of reader recommendation as the object， this paper conducts data mining on the recommendation data from the two dimensions of books and readers， and discusses and analyzes the current situation and existing problems of our library's reader recommendation service. It is proposed to optimize the reader recommendation service from four aspects： the multi-party publicity of the recommendation service， the reasonable formulation of the recommendation policy， the timely processing of the recommendation application and the specification of the recommendation reply， so as to provide decision support and reference for the university library to improve the reader recommendation service from the data level.
University libraries; Small data; Recommendation data; Decision support
随着移动互联网、云算、物联网和人工智能等数字技术的快速发展与应用，大数据的理念已深入社会的各个领域，并改变着人们的生活、工作与思维方式。图书馆作为信息服务中心，一直是这些先进技术的体验者，日常工作中积累了大量的业务数据，但限于自身的人力与物力，图书馆并没有很好地利用这些大数据。
与大数据对应的是小数据，是指以个体为中心的全方位数据，包括与个体有关的思维、行为、情感、特点、爱好、社会联系等个体数字化特征，具有个性化、精准性和隐蔽性等特点，能够有效地揭示个体行为模式规律，对于个体需求分析有着重要价值，是大数据的组成、延伸与完善。利用小数据分析可准确得知读者阅读需求变化的趋势，有利于图书馆为读者开展个性化服务提供决策支持，目前国内学者已针对图书馆的不同服务（如学科服务、知识服务、创客服务等），利用小数据思维对其进行了相关研究，并提出了相应的服务优化策略。
读者荐购服务作为图书馆文献资源建设工作的重要补充，是图书馆针对读者需求开展读者个性化服务所采用的主要方式。史丽香、田艳艳、娄冰、许静波等人分别以不同地区、不同类型的高校为对象，围绕图书馆网站的荐购服务内容对我国读者荐购服务现状进行了相关调研，但缺少从小数据视角出发的、基于读者荐购数据的针对荐购服务的深入研究。因此，该文以东北林业大学图书馆（以下简称“该馆”）为例，通过对近10年读者荐购数据的统计分析，从“小数据”的角度对荐购服务进行实证分析，探讨当前读者荐购服务的现状及荐购中存在的问题并提出优化策略，以期从数据层面上为高校图书馆完善读者荐购服务提供决策支持与参考。
1 荐购小数据的统计分析
该馆于2013年6月份更换为汇文图书管理系统，其OPAC自带的荐购系统以其方便快捷的特性成为笔者学校读者首选的荐购方式。 通过对该馆近9年的荐购数据进行收集、整理，选取荐购图书的题名、分类号、责任者、出版信息、荐购日期、荐购状态及处理备注，以及荐购读者的人数、类型与专业等内容作为研究对象，从图书和读者两个维度对读者荐购数据进行深度挖掘，分析该馆荐购服务中存在的问题与不足，从而有针对性地提出解决方案。
nlc202211301439
1.1 整体的荐购情况
该馆从2013年7月1日至2022年6月30日的9年间共产生荐购数据18 797条，以一学年（当年7月1日至次年6月30日）作为一个统计周期，部分数据（荐购总数、无效荐购数与西文图书数）的分布情况见图1。其中，荐购总数在2018年前相对稳定，在2 200条左右，更换系统后的第二年（2014年）达到最高；2019年后，由于新冠疫情的原因导致荐购数量减少。而与荐购总数对应的，无效荐购数一直居高不在，占荐购总数一半以上。此外，与荐购总数相比，西文图书的荐购数相对较少，说明该校荐购系统中的荐购主要以中文图书为主，因此后文中的分析以中文图书的荐购数据为准。
1.2 中文图书荐购信息的处理情况
通过对荐购信息中“荐购状态”字段的分析，可了解荐购图书的处理结果。对“荐购状态”的6种状态（待处理、已处理、已订购、已典藏（优先借阅）、已典藏和退订），与“处理备注”的4种情况（已有馆藏、已订购、未订购和未备注）进行分类合并，保留已有馆藏、未订购（包括退订）、未备注、待处理和已订购（包括已典藏的两种状态）5种说明作为处理状态的最终结果，以2018年的统计数据为例，具体处理情况见表1。
其中，已有馆藏的图书占荐购总数的6.4%，说明部分读者在荐购图书时，并没有进行馆藏图书的检索查重，造成重复荐购。
根据馆藏文献资源建设的原则，图书馆对于读者荐购的图书，会做一定的选择，对于不满足馆藏条件的图书不予采购。多年来，该馆的未订购比例一直较高，荐购失败率近1/2，最高时达57.2%（2018年）。说明读者对于馆藏原则、收录标准等荐购服务的具体规则并不了解，造成大量的无效荐购。
未备注的图书，其“荐购状态”为“已处理”，如果在“处理备注”中没有进一步的说明，读者将无法通过此状态了解其荐购申请是否被接受，相当于未处理；而对于读者新荐购的图书，在图书馆未处理的时候，显示的“荐购状态”为“待处理”。整体上看，该馆在这方面处理及时。
将已典藏的图书、已订购未到馆和已到馆正在处理的图书合到一起，归为已订购图书，代表了荐购成功的图书。该馆的文献资源建设明确要求对符合要求的荐购图书保证百分百采购，但由于无效荐购以及其它原因（无法购买到所荐购图书）导致荐购申请中成功订购图书的比例占荐购总数的比例相对较低。
1.3 订购图书的分类与出版社信息
通过对读者荐购图书的类目及出版社的统计分析，可更好地把握读者对图书的需求方向，及时调整图书采购策略，同时应对高频出版社出版的图书给予更多的关注，以期在符合馆藏原则的前提下，采购到更多高质量的读者喜爱的图书。
荐购成功的中文图书，基本涵盖了所有的学科门类，但是数量相差极大。按照“中图法”对其进行类目统计，各大类图书占比较多的类目为 I、T、D、F和K类，合计占比超过订购图书的60%以上。尤其是其中的I类和T类，是历年荐购图书中的主要荐购对象，说明该馆在这两大类图书的采购中还是有所欠缺，在今后的采访工作中，应在符合馆藏原则的前提下对以上几大类图书有所偏重。
对历年荐购成功图书的出版社信息进行统计，汇总高频出版社信息，其中前15家出版社的图书共计4 525，占订购图书总计的49.4%。说明这些出版社出版的图书质量较高，为读者所青睐。
1.4 荐购读者信息
2013―2021年间年荐购人数与人均荐购图书数量见表2。从表2 中可见，虽然荐购人数在减少，但人均荐购数在增加；对荐购读者的读者类型进行统计，发现以本科生（12 592）和硕士研究生（3 968）为主，博士研究生（982）与教职工（1 255）较少；其中，荐购次数超过100次以上的读者有21位，10～99次有332位，2～9次有1 384位，其他仅荐购1次的读者有1 488位；荐购次数最多的一位读者为林学院的研究生，其硕士与博士期间分别荐购750次和481次，排名第二、三位的读者分别荐购473次和448次。总体来看，读者荐购热情相对较高，荐购10本以上的读者累计荐购12 293次，占荐购总数的65.4%。
2 读者荐购服务现状与问题
该馆通过OPAC系统进行的荐购服务，9年来共接收近19 000条荐购信息，平均年荐购量约为2 100条，但不同年份间相差较大。究其原因主要是来自于新冠疫情的影响，疫情3年之外的6年年荐购数较为稳定，但也说明多年来该馆的荐购服务]有太大的提高。
荐购信息的处理情况是关系到读者满意度与荐购服务水平的主要因素，该馆从新系统上线至今，在荐购服务上一直保持高度重视，并根据实际情况不断进行服务优化，如完善荐购说明、多方宣传服务、规范回复说明等，但从整体的情况来看，无效荐购情况依然不理想，荐购人数也相对较少，这将是今后工作的重点；但从人均荐购数的不断增长上看，读者对于荐购信息的及时处理与反馈情况是比较满意的，应继续保持。
在外文图书的荐购方面，通过荐购系统荐购的数量相较于中文图书来说基本可以忽略，一方面与该校的综合实力有关，另一面也可能与荐购方式有关，这里不过多讨论。对于荐购图书的类目与出版社方面，由于该馆的图书采购为统一招标，受限于书商提供的信息，仅能在选择时多关注于一些优秀出版社的图书与类目；而对于读者荐购的图书，在满足馆藏原则的条件下，尽量通过各种购书途径进行订购来满足读者的阅读需求。
荐购读者的分布上，主要为本科生和硕士研究生，而博士研究生和教职工的荐购较少。这一方面是后两者工作较忙且有一定的经济基础，有需要的图书个人就直接购买了；另一种原因，也可能是后两者对于该馆的荐购服务并不是十分了解，甚至于并不清楚图书馆有这项服务。因此图书馆在宣传服务时，不能只局限于学生当中，对于教师群体也应给予更多的重视，尤其是教师群体推荐的书籍更加专业与经典，这对于提高馆藏文献的整体质量是非常重要的。
nlc202211301439
3 读者荐购服务优化路径
作为图书馆文献资源建设的有益补充，应定期对读者荐购相关数据进行统计分析，对整个荐购服务进行科学评估，及时发现服务中的不足，准确把握读者的需求，进而不断完善荐购服务，为图书馆的资源采购提供参考。通过对该馆读者荐购小数据的深度分析，了解该馆荐购服务现状，针对其中存在的问题，采用多项措施对荐购服务进行完善与优化，以提高荐购服务质量。
3.1 荐购服务的多方宣传
读者荐购的参与度低，与高校对荐购服务的宣传力度有着直接的关系，各高校应加强对读者荐购服务的重视程度，通过各种方式加大读者荐购服务的宣传力度，如新生培训、图书展览、学术讲座等活动，使读者充分了解荐购服务，进而提高读者的参与度。
3.2 荐购政策的合理制定
荐购服务工作的顺利进行，离不开强有力的政策支撑，各高校图书馆应根据实际情况，制定符合各馆馆藏要求的荐购服务政策。在荐购政策中应明确说明文献采购的基本原则、各类文献的采拒标准、荐购前的查重提示、荐购后的处理机制等，以便于读者更好地了解荐购规则，减少重复荐购与无效荐购，进而提高荐购成功率。
3.3荐购申请的及时处理
读者提出荐购申请后，如果得不到及时的反馈，会对荐购服务产生质疑、失去耐心，甚至导致不再荐购。图书馆应明确荐购流程，对读者的荐购申请做到及时处理。对于满足条件已订购的图书应及时更新其订购状态，使读者了解图书的处理进度，在图书到馆后能够第一时间借阅，从而满足读者对荐购图书的需求；而对于拒采的图书也要有合理的理由与解释。
3.4 荐购回复的规范说明
对于荐购记录的回复说明，各高校缺少统一的规范：有的过于简单，如关于拒采的回复，读者不能从中得到具体的拒采原因；有的则过于繁琐，同一类处理回复却复杂多样。这不仅不利于读者了解荐购的处理结果，也不利于日后的统计分析。
汇文系统荐购自带的处理回复有9项内容，过于简单，可以通过修改客户端采访模块的配置文件（SuggestReply.ini）增加其内容。同济大学将回复内容进行了编号：[A01]回复内容、[A02]回复内容，[B01]回复内容、[B2]回复内容等，对回复内容进行归类，但其A和B类内容有所重复，没有明显区别。可在其基础上进行完善，使回复更有条理性，如对回复进行分类：A表示已有馆藏、B表示已订购、C表示拒采，而每类下的具体序列则代表对应的不同处理：[B01]已订购尚未到馆、[B02]已到馆正在处理等。这样使读者能够对处理结果一目了然，明确其申请成功与否或被拒采的原因，方便其再次荐购；也利于图书馆日后对荐购服务进行相关的分析总结。
4 结语
我国图书馆界自2015年便开始了对小数据相关问题的探讨，虽取得了一定的成果，但主要集中在对小数据内涵、特征、服务模式以及关于数据采集、清洗、保存等理论方面的研究，缺少针对某项服务数据的具体分析，实践研究不够深入。小数据运用于图书馆的研究不应只停留在理论层面，更应加强实践层面的探究，注重理论与实践相结合，以理论来指导其实践，并以实践应用来促进其理论的深度发展，促进小数据在图书馆的深入运用。
该文以图书馆读者荐购小数据为对象，通过对荐购数据的深入挖掘分析，探讨读者荐购服务中存在的问题，从小数据思维的角度提出针对性的优化方案，优化荐购服务内容，提高荐购服务质量，进而为图书馆文献资源建设工作提供决策支持与参考。
参考文献
[1]维克托・迈尔・舍恩伯格，肯尼思・库克耶. 大数据时代：生活、工作与思维的大变革[M].盛劳燕，周涛，译.杭州：浙江人民出版社，2013：27-67.
[2]马晓亭，陈臣.基于可信小数据的图书馆个性化服务研究[J].D书情报工作，2015，59（4）：70-75.
[3]曹霞.国内图书馆界小数据研究进展[J].图书情报工作，2020，64（14）：145-151.
[4]张凤斌.高校图书馆学科服务小数据系统的构建与优化[J].图书馆，2021（11）：64-68.
[5]周欣.大数据环境下基于“小数据”挖掘的学科知识服务研究[J].高校图书馆工作，2020，40（6）：66-69，84.
[6]刁羽.基于创客小数据的图书馆个性化创客服务研究[J].图书馆工作与研究，2019（2）：55-61.
[7]方向明，沈玲.图书馆读者荐购研究综述[J].图书情报工作，2018，62（9）：143-150.
[8]史丽香.高校图书馆读者网上荐购的现状与思考：基于对50所高校的调查[J].图书馆论坛，2013，33（5）：117-122.
[9]田艳艳.中南六省区“211”高校图书馆网络荐购服务探究[J].图书馆工作与研究，2018（4）：78-82，92.
[10]娄冰.“双一流”大学图书馆网上荐购服务现状调查与分析[J].图书馆工作与研究，2018（2）：98-103.
[11]许静波，孙媛媛，于静.高校图书馆开展网上资源荐购服务的调研与思考[J].图书馆，2015（12）：63-67.
[12]袁红军.“985工程”高校图书馆荐购服务政策调查分析[J].图书馆学研究，2017（10）：46-51.
nlc202211301439
转载注明来源:https://www.xzbu.com/8/view-15442763.htm
