面向小數據的圖書館精準創客服務研究

刁 羽，暢 佩（四川理工學院圖書館）

面向小數據的圖書館精準創客服務是以創客的創新需求為中心，全方位、多角度地跟蹤、收集、整合創客小數據，并及時發現、分析創客群體的個性化需求，最終目的是給創客群體在研究過程中提供具體問題的解決方案，為創客群體個性化服務提供最有價值的決策支持。

1 創客小數據

1.1 內涵

第一位意識到“小數據”重要性的是美國康奈爾大學教授德波哈爾·艾斯汀，這位計算機科學教授認為小數據是一種新的具有明確個體屬性的信息證據，它是“yourrowoftheirdata”（他們數據中屬于你的那行數據）。［1］換句話說，小數據是圍繞不同屬性個體或群體全方位、多層次采集的特征、行為模式及情景感知的數據集合。創客小數據是創客群體在創客項目研究過程中全部行為和狀態數據的累積，它重點分析的是創客群體在某個時間或空間節點的因果關系和數據背景，同時對于分析解決創客群體具體想法、行為和需求的個性化問題具有極其重要的參考價值。面向小數據的圖書館精準創客服務建立在對創客群體小數據進行全面深入分析的基礎上，是為創客群體提供知識資源的新型服務模式。它的精髓在于全方位地提煉創客群體在研究過程中不同族群的“小數據”，并結合特色化的、符合創客需求的知識資源，充分利用碎片化的時間讓創客體驗更貼心、更實際、更個性的精細化服務。

1.2 類型

圖書館創客小數據主要由創客群體特征數據、創客行為感知數據、社會關系數據3種類型構成（見下表）。

① 創客群體特征數據是體現創客群體基本特征及預測、判斷創客需求信息的主要依據。［2］該類型的數據由創客群體基本特征數據（如姓名、學歷、研究方向、職稱等）、服務需求反饋數據、服務滿意度評價數據組成，數據主要來源于移動圖書館、微信圖書館以及創客服務集成管理系統。② 創客行為感知數據來源于圖書館服務器監控設備、視頻終端監控設備、物聯網設備等，主要記錄創客群體利用知識資源的物理位置、行為方式、科研習慣、創新偏好等。③社會關系數據主要是通訊系統、網絡系統收集的以及其他與創客群體相關的數據，主要記錄創客群體當前的目標狀態、心理狀態以及周圍的設備狀態等，這些數據是創客小數據集的重要補充。

表 圖書館創客小數據構成類型

2 創客小數據在圖書館精準創客服務中的應用優勢

以創客群體為中心，根據創客群體小數據精細處理結果，可以有效地幫助創客服務團隊精準了解和把握創客群體的個性化需求。在服務過程中，服務團隊全面融合、更新、監測和分析不同層次的創客相關數據，為創客群體提供實時知識或咨詢服務，這種服務方式對圖書館開展個性化的創客服務具有重要的意義。

（1）創客小數據總量小、易采集和集中性高的特征，為創客精準服務創造基礎條件。圖書館創客小數據來源是以創客群體為對象而采集的團體特征、感知及社會關系數據集合，不同屬性的創客群體數據在采集方法、時間及應用背景上，都會有極強的個性化特征。創客小數據總量較少、種類單一，與大數據相比，對不同族群“創客小數據”進行采集、分析研究相對便宜，它不需要圖書館投入大量經費購買數據分析軟件或硬件設備。而小數據自身固有的集中性，能有效地避免社會數據“噪音”，為創客需求定位、機會分析提供了精準的戰略支持，從而為創客群體個性化精準服務創造基礎條件。

（2）創客小數據以創客群體為中心的動態感知及預測數據，為創客群體精準服務創造因果條件。創客服務團隊通過深度、動態地采集和分析創客群體特征數據、創客行為數據、社會關系數據等，能夠實時動態地感知及預測創客群體的創新意向、科研行為習慣及后期創客需求狀態；在構建創客創新發現模型的基礎上，建立創客創新發現數據庫，將創客的穩定創新與即時創新進行加權計算和融合，準確找出和預測創客的知識需求點以及未來的創新點，從而為創客群體在科研過程中遇到的各種問題提供更加快捷、直接、精準的解決方案。

（3）創客小數據非結構化及完整性的特征，為圖書館精準創客服務提供科學保障。對于創客小數據來說，視頻監控設備、物聯網設備、服務器監控設備、社會媒體（微博、微信、博客）等產生的及第三方增值服務商共享的視頻數據、圖片數據、文本數據等具有多樣性、主觀性及隨機性的特點，其呈現出的非結構化屬性，更能體現創客群體的行為特征。隨著創客項目的進展以及創客群體活動范圍的擴大，其產出的數據總量在不斷增加，類型也趨于多樣化，于是就可以獲得更加多樣化、個性化的反映創客群體行為特征的完整數據。這些非結構化的不同族群的“創客小數據”能清晰而精確地描述出提供的知識資源或服務是否最優、是否能獲取預期的創客滿意度，這些數據實際應用過程的精確判斷能為精準創客服務提供科學保障。

3 建立面向創客小數據的創新發現系統

圖書館精準創客服務重點在于全面跟蹤處理不同種族的創客小數據，最大程度地滿足創客群體對個性化精準服務的需求。本研究通過建立面向創客小數據的創新發現系統，發現創客的需求所在，感知創客的創意所在，并更加關注創客群體本身，進而充分體現圖書館以人為本的核心價值觀。面向創客小數據的創新發現系統以創客基本特征、創客行為感知、社會關系等小數據為采集對象，在構建創客實時創新模型的基礎上對創客小數據的統一管理問題制定相應的對策，從而最大程度地為創客群體提供個性化的精準服務。

3.1 構建面向創客小數據的創新發現模型

當前，Web技術正在高速發展，很多互聯網公司在有一定用戶積累之后，需要告別早期粗放式、高成本的服務方式，走上根據用戶特征和價值提供精準化服務的道路。在無法實現大數據用戶畫像的條件下，為用戶打上價值標簽以實現用戶分類，簡單而有效。標簽系統提供了從多維度進行用戶分類的方法，在用戶分類的基礎上，實現差異化服務、差異化匹配，最大程度地節約服務成本。［3］本研究依據標簽個性化、差異化、共享化的特性，將不同屬性的創客小數據進行標簽標準化處理，并結合創客穩定創新研究和即時創新研究，設計出基于標準標簽的創客實時創新模型。該模型能夠實時表達創客創新意向以及體現相關創客項目的研究進度；還要能發掘和預測創客穩定創新與即時創新；并將創客小數據映射到標準標簽，將標準標簽作為創新項，進行權重的計算；同時對創客群體科研行為、社會關系數據進行不同維度的特征提取及去噪，實時動態地反映創客創新意向的變化特征；最后結合創客服務滿意度進行綜合評估，精準匹配資源，最終實現圖書館的精準創客服務（見下圖）。

圖 創客實時創新模型流程

（1）創客小數據采集層。① 通過創客注冊采集創客基本特征數據；② 圖書館通過服務器監控、視頻監控設備以及物聯網技術的各種傳感設備，結合標準標簽集合采集創客行為感知小數據和社會關系數據。

（2）創客小數據處理與分析層。① 對創客基本特征數據通過映射標準標簽集合，直接作為創客穩定創新研究模型；② 將與創客行為感知相關的一系列小數據進行去噪和映射的標準化處理，同時利用遺忘函數計算并聚合分析創客創新特征數據，進而建立創客即時創新模型。

（3）創客創新發現層。將創客小數據挖掘與分析層的穩定創新與即時創新進行加權平均計算和融合，刪除不受創客關注的冷門發展領域，形成動態的創客實時創意數據庫。

（4）創客精準服務決策層。將圖書館知識資源與創客服務滿意度數據進行多角度、多層次地比對、評

價，根據比對評價結果對創客群體的實時創意提出合理建議，從而實現精準服務決策。

3.2 創客小數據的統一管理

（1）創客小數據的采集原則。在面向小數據的創客創意發現系統中，創客小數據采集的重點是創客創新特征數據和行為感知數據。針對不同需求不同背景的創客群體，其采集的廣度、深度以及范圍都有所不同。服務團隊要依據特性和來源對數據進行分析與提煉，再結合創客群體創新意向，進行動態聚合分類，同時不斷監測和更新數據的動態變化，盡量避免創客小數據過度追求同源性和一致性。在降低創客小數據總量的同時，提高數據價值密度，從而為圖書館精準創客服務提供更全面的、高品質的數據支持。

（2）創客小數據的處理與分析。① 對采集的創客小數據制定語義明確的標準標簽，即同一數據可以被許多不同的標準標簽標記或同一標準標簽可以標注不同屬性的數據。通過對創客小數據在不同時間和空間維度上的分類、聚合、關聯、評估等處理，降低數據噪音，挖據出高品質的小數據，最大程度保證創客小數據的高效應用。② 利用基于共現率的標簽標準化方法和基于聚類的標簽標準化方法對不同族群的創客小數據進行標準化處理，［4］本著減少系統資源損耗的原則，只分析標簽之間的相似度。③ 根據創客群體的行為特征和規律，將采集的創客小數據經過一定序化標準標簽的集合、加權，形成動態資源集合，在數據整合和二次增值篩選的過程中發現小數據之間的關系，預測創客創新研究的變化。

（3）創客小數據的使用與共享。創客小數據作為創客群體全面特征描述的數據集合，具有多種來源途徑，且涉及創客群體各方面的隱私信息。為此，創客小數據內容的共享需要規章制度加以規范。① 需明晰各類型、各層次的數據使用方的許可權，要讓創客具有知情權，可隨時審計他們的使用情況，保留撤銷或轉移數據的權利。② 在創客小數據的具體使用和共享過程中，圖書館要制定創客群體隱私保障機制，嚴格依據保密法適度共享創客小數據。③ 建立區域或某研究領域的創客小數據共享聯盟，在聯盟組織內制定相應章程規范，合理使用和共享創客小數據。［5］

4 面向小數據的圖書館精準創客服務構建策略

面向創客小數據的圖書館精準服務以創客群體的需求為導向，強調創客個體小數據的全面收集和處理，通過追蹤創客在科研過程中的動態數據，指導用戶正確決策，為創客提供綜合集成的知識資源并以解決創客問題為最終目的的一種高端知識利用服務。

4.1 樹立面向小數據的圖書館創客精準服務意識

樹立面向小數據的創客精準服務意識，首先要重新審視創客知識資源的價值。創客知識資源不同于一般的學科知識資源，它是與創客科學研究緊密相關的知識深度與濃度的深層次加工，需要相應的服務團隊適時嵌入并對其進行跟蹤、整合與開發，才能形成更有價值的資源，該資源能更高效地幫助創客群體實現知識更新和解決實際問題。其次是須將創客精準服務納入到圖書館深層次服務的工作范疇，以創客群體的需求為導向，針對創客群體在科研過程中所遇到問題的解決方案，為創客群體推送個性化的服務。

4.2 構建基于創客小數據的知識資源庫

創客知識資源是將大塊學科領域的單知識進行分解、萃取的濃縮知識，具有動態性、隨機性、精煉性的特點。在基于小數據的創客創新發現系統中，通過全面收集和處理創客群體“小數據”，在不同類型的小數據資源庫基礎上，以創客需求為導向，經過一系列整合、挖掘、監護等處理過程，建立對應的小數據知識庫。“創客小數據知識庫”是一種具有特殊屬性的數據知識庫，是基于創客群體行為特征的、展現其在時間維度和空間維度需求的知識空間集合。［6］創客服務團隊可以利用小數據知識庫不定期地與學科知識需求分析系統進行交互，在提供強有力的數據支撐的同時，及時觀察和挖掘創客潛在的需求，為創客提供更具個性化的知識資源服務。

4.3 創建面向小數據的創客自助知識與自主管理平臺

面向小數據的創客自助知識與自主管理平臺能夠有效協助創客群體發現個人或團體的知識構架。創客人員可通過該平臺進行小數據的收集、上傳、下載、保存等。在實現自我知識組織、自我知識管理、自我知識服務的同時，適時對小數據展開分析，即對不同族群的“小數據”關系鏈進行多維化重構，創客可據此實現自我歷史小數據的縱向對比，從而發現自身在知識結構、知識獲取、知識傳播等方面的個性化特征及缺陷。在此基礎上，創客還可將小數據分析結論與平臺云計算、大數據分析建議相結合，利用創客大數據的橫向對比，得出適合自己當前情境的知識分析結論。

4.4 細化分類，關注高端創客群體

面向小數據的創客個性化服務是一個需要不斷交互的過程，它需要創客服務團隊同時與創客、資源系統進行不間斷的深入交流，從而保證服務方案的精準提供及創客服務的高品質。根據創客需求小數據及創客群體的差異化需求，將創客群體進行細化分類，形成若干精準服務的動態子群體，針對這些子群體制定不同的采集標準，通過深入挖掘和分析創客小數據，構建創客價值評價模型、創客服務產品關聯分析模型及創客子群體關系管理模型等，過濾出具有實際及潛在價值的高端創客群體。這樣可降低服務邊際成本，提升圖書館與高端創客群體粘度，在普遍滿足服務質量的前提下，為高端創客群體定制個性化的特色服務和產品，全面提高圖書館創客服務效益。［7］