數據賦能視角下高校圖書館智慧教學服務模式研究

劉 瑩

(遼寧經濟職業技術學院圖書館，遼寧 沈陽 110122)

1 引 言

信息技術時代，數據成為社會發展和進步必不可少的基本元素，是各領域研究與應用的關鍵對象，通過數據的賦能作用和驅動作用開辟社會發展、治理和服務的新渠道，數據賦能思想以數據精準化、智能化的特點成為各行各業高度重視的發展路徑，對大數據的研究和應用已成為學界和業界關注的重點。在教育大數據視野下，數據賦能的過程是一種以數據為核心的生產關系和生產力重塑的過程，以教育大數據為關鍵要素并將數據技術有效嵌入教學服務系統，從數據科學、智能科學、社會學、管理學、經濟學、心理學等交叉融合的視角，研究教育治理的內在規律并形成新的理論范式，進而形成一種以數據驅動為核心的教育治理模式。正是基于數據賦能理念，我們可以更好地認識教育數據的作用以及合理地利用數據開展更多的服務。目前，關于高校圖書館教學服務的研究多為國外經驗介紹、案例分析、具體情境下的服務模式，如魯寧等通過分析美國大學圖書館教學服務的情況，指出其教學服務具有學科服務深度嵌入、信息素養框架新、物理空間支持度高等特點，認為其教學服務模式正在發生轉變。黃曉斌等以哈佛大學、牛津大學、耶魯大學、麻省理工學院等10所國際一流大學為樣本，對其圖書館官網的教學服務情況展開研究，并從服務理念、資源配置、課程館員、多元化和深層次服務、服務手段支持等方面提出做好我國高校圖書館教學服務的建議。劉珊等以2019年全國高校圖書館服務本科教學案例大賽中獲獎的142個案例為分析對象，對其服務對象、服務內容、圖書館地區、高校類型等方面展開分析，總結其服務特色。總而言之，目前圍繞高校圖書館教學服務產生了不少研究成果，但從大數據方面開展的研究較少，尤其缺乏對基于數據驅動視角下的高校圖書館智慧教學服務研究。本文將基于數據賦能視角，從數據驅動教學服務出發對高校圖書館智慧教學服務模式展開進一步研究。

2 高校圖書館教學服務現狀

在信息技術的影響下，信息化、數字化、智慧化的服務備受關注，同時隨著高校“雙一流”建設工程的推進，學科服務、教學服務等工作的創新成為高校圖書館關注的熱點，各高校圖書館紛紛展開智慧化的教學服務探索，但仍存在許多問題。

2.1 資源內容建設不完善，更新不及時

高校圖書館有豐富的書籍、報紙、期刊等紙質文獻資源以及影音、數據庫等數字化文獻資源，但在資源內容建設上存在一些問題。例如，與師生所需資源匹配程度較低，沒能很好地對接師生所需要的教學書籍、視頻課程、輔導資料等資源，資源內容建設的精準性不足，資源的分類上架存在固化問題，未能針對師生的實際教學使用需求進行資源購置和分類。同時，師生對網絡信息資源有較大的需求，但網絡信息資源駁雜繁多，不利于信息素養較低的群體獲取和使用，需要高校圖書館對網絡信息資源進行整合梳理，形成較為可靠的資源體系供師生使用。而且高校圖書館館藏資源更新速度較慢，師生群體對圖書館資源的信任程度較低，持續使用的師生用戶不多。

2.2 個性化服務理念缺失，服務內容單一

目前，高校圖書館對教學服務的智慧化、個性化概念理解不足、不夠深入，圖書館服務人員將教學服務視為被動的服務模式，在服務過程中根據學生和教師的指令來完成教學服務，且向全校所有師生提供統一的服務內容和服務方式，缺乏主動化服務、個性化服務、差異性服務理念。同時，高校圖書館為有需求的師生所提供的服務內容多為課程資源、設備技術指導、信息素養培訓講座等，多屬于集體服務，未能滿足師生的個性化需求，導致服務內容同質化現象嚴重。高校圖書館僅擔任提供教學資源的角色，師生對圖書館開展的教學服務信任度不高，利用率較低。

2.3 智慧化程度低，數據利用率低

隨著信息技術的發展和應用，服務過程的智慧性有了實現基礎，但目前高校圖書館在教學服務過程中對信息技術和智能技術的運用程度仍然較低，仍為傳統服務模式。雖然高校信息化建設已開展多年，但在教學服務方面的建設仍有不足，對教學過程和教學服務過程中產生的大量數據難以有效利用，難以對師生的顯性和隱性需求進行挖掘分析。由于大數據技術和數據采集技術的利用存在欠缺，加之高校圖書館人員對師生產生的各類數據不夠重視，導致海量數據的價值難以挖掘和釋放，無法基于數據分析為師生提供更多個性化、針對性的服務內容，無法實時對師生教學情況進行跟蹤了解和服務，導致服務效果不理想，與智慧化教學服務有著較大差距。

3 高校圖書館智慧教學服務的驅動因素

高校圖書館智慧教學服務模式需要在數據驅動下開展，而所說的“數據”并非僅僅指資源數據或大數據技術，而基于數據基礎和技術通過數據挖掘與分析實現的可供利用、有價值的數據集合，無論大數據技術本身還是服務過程中需要的其他智能技術能夠服務于智慧教學服務，都是通過其技術的作用來體現數據的價值的。

3.1 技術驅動因素

智慧教學服務過程中，技術體系是智慧特征突顯的基礎和工具，通過技術的驅動作用實現師生各項數據的智能處理和分析，主要包括物聯網技術、數據采集技術、大數據技術、云計算技術以及機器學習等智能分析技術。其中，物聯網技術和數據采集技術主要實現智慧教學服務過程中的數據采集，通過各項設備的互聯收集師生在教學和學習過程中產生的實時數據，然后由大數據技術和云計算技術進行實時的分析計算以及利用智能分析技術進行數據的進一步智能分析處理，挖掘數據背后隱藏的信息，并以此為依據為師生用戶提供與需求信息相匹配的服務內容。

3.2 數據驅動因素

3.2.1 館藏資源數據。眾所周知，圖書館歷來被賦予保存與傳承人類文化遺產的功能，大量文獻儲藏于此。然而，伴隨著信息量的快速增長，如何快速、準確地從大量文獻信息資源中獲取有價值的信息，已成為用戶的一大困惑。用戶需求逐漸呈現個性化、專業化、知識化的特征。針對這種轉變，圖書館人需在知識服務理念下重新審視、挖掘和利用館藏資源。例如，上海圖書館利用以關聯數據為主的萬維網技術構建以“家譜知識服務平臺”“名人手稿檔案庫”等為代表的各類文獻的基礎知識庫，可輔助實現對文獻中蘊含知識元的析取、組織、關聯、呈現、傳遞。

3.2.2 業務設備數據。教學過程中師生使用的各項設備同樣是數據的重要來源，如多媒體設備、圖書館自助設備、手機電腦等移動終端，師生在授課學習時會使用多種設備輔助教學實施，設備會留存師生用戶的專業、年級、性別、學科、院系等賬號信息，這些信息方便圖書館館員對師生群體進行分類服務，掌握用戶的基本情況，了解師生群體的基本信息屬性。同時，可保持設備運行的管理數據，根據設備運行數據進行及時維護、調整，更換設備放置位置，管理溫度、濕度等設備環境情況，為師生提供良好的設備使用環境。

3.2.3 師生行為數據。我國高校在校生人數較多，龐大的師生群體可產生海量數據，包括空間利用數據、閱讀數據、網絡行為數據、資源利用數據等，這些數據共同構成了高校圖書館的師生數據集合。借助用戶畫像等新技術，可以實現對這些數據的采集、挖掘、清洗，進而對師生用戶屬性(包括信息行為屬性、互動屬性、情景屬性等)進行劃分，以形成師生用戶畫像，借以了解師生用戶的類型、特征、需求及關聯等，從而實現面向師生教學科研需求的精準化知識服務。

4 數據賦能視角下高校圖書館智慧教學服務模式構建

所謂數據賦能視角下的高校圖書館智慧教學服務，是指高校圖書館服務館員創新性地運用多種技術對師生教學過程各個場景中的數據進行采集、挖掘，并在豐富資源的支撐下實現個性化、智慧化的教學服務。因此，本研究在總結目前高校圖書館教學服務現狀和智慧教學服務驅動因素的基礎上，構建智慧教學服務模式(見圖1)。

圖1 數據賦能視角下高校圖書館智慧教學服務模式

4.1 教學資源體系

在智慧服務實現過程中首先需要高校圖書館具備豐富完善、更新及時、動態協調的教學資源體系，以支撐師生用戶對教學資源的多樣化需求，如融合高校圖書館館藏資源、校內其他部門的資源、海量的網絡教育資源以及師生自身的學習資源等多類型資源，建立統一的教學資源數據庫。其中，高校圖書館資源根據本校內學科專業建設和師生需求調研進行采購規劃，集中購買師生最需要的圖書、期刊等資源，不可盲目建設；高校圖書館要與其他部門如教務處、網絡中心等協同保障教學服務，通過集聚多個部門的人力、物力資源來共同構建安全可靠的教學資源體系。同時，高校圖書館要針對師生所需要的網絡教育資源要進行甄別和處理，如網絡慕課、學術社區資源、微信公眾號資源等，將符合師生需求的網絡信息資源傳遞給他們，并建立專門的網絡信息資源庫，定期更新和維護資源庫，保障資源的時效性和價值性。師生日常使用的學習資源同樣是高校圖書館應該關注的重要資源，高校圖書館要善于引導師生將所用資源與高校圖書館資源體系建立聯系，將有價值的資源上傳到高校圖書館資源庫中，擴展資源類型和容量，達到通過對師生學習資源的整合獲取最貼合用戶需求的資源的目的。

4.2 數據采集體系

數據采集體系是智慧教學服務模式的關鍵組成部分，是嵌入師生群體、各終端設備等交互場景中進行數據收集的體系。數據采集體系通過部署物聯網技術、爬蟲技術、大數據技術、感知技術、數據庫技術等嵌入課堂教學、線下輔導、線上教學、線上研討等多個場景，將師生與師生之間、學生與學生之間、師生與設備之間交互產生的數據進行感知和采集，并將收集的數據存儲到資源庫中以備挖掘和分析。數據采集體系主要采集三個方面的數據，包括館藏資源數據、業務設備數據、師生行為數據，通過嵌入圖書館書籍借閱管理系統和資源管理系統實現書籍溫度、位置、環境等資源管理狀況的數據采集；同時，數據采集體系要對圖書館自助設備、智慧教室、多媒體設備、智能終端等多項設備進行數據管理，及時根據設備數據做進一步處理；數據采集體系還需獲取師生借閱行為、瀏覽行為、標注行為、收藏行為、下載行為、網絡信息資源使用行為、師生交流研討行為、教學行為、學習行為等行為數據，及時分析用戶當下及未來一段時間內需要的文獻資源。通過在師生教學過程中各個環境進行數據采集體系的部署來實現數據的全面采集和管理，進而為下一個體系的運作奠定基礎。

4.3 數據挖掘體系

數據挖掘體系是分析數據關聯、內涵、價值的部分，當數據采集體系搜集到大量師生用戶數據后，會由數據挖掘體系進行分析處理。首先，對數據進行清洗篩選，將冗余數據剔除，保留高價值的數據；然后根據一定的規則對數據進行聚類分類處理，并將同類別的數據進行分析，提取出數據特征；進而依據數據特征建立用戶行為標簽，將多個用戶行為標簽組成一個個體行為畫像，形成個體用戶的行為特征模式；其次，將個體用戶的行為特征組成群體行為畫像，形成同類型或不同類型的師生行為模型，根據師生行為模型分析其需求和進行服務內容的對接。在數據挖掘過程中，運用聚類分析、文本挖掘、關聯分析、機器學習等關鍵技術，各技術協同運作，形成由數據清洗篩選——數據聚類分析——數據特征抽取——個體行為畫像——群體行為畫像——師生行為模型全過程的數據挖掘體系，以便為教學服務體系輸出服務內容提供必要基礎。

4.4 教學服務體系

教學服務體系是智慧教學服務模式向用戶輸出服務內容的組成部分，為處于不同環境中的師生提供智慧化、個性化的服務內容，并提供反饋功能，促進智慧教學服務的循環進行。智慧教學服務可包括資源智能推送、資源個性化定制、資源智能檢索、信息素養教育培訓、網絡資源使用培訓、數據庫使用培訓、專題資源數據庫設計、機器輔助、交互式空間服務、研討空間、自學空間、考試模擬等多項服務內容和功能，高校圖書館應基于自身基礎和師生需求等實際情況設計，不可盲目建設。同時，教學服務體系要具備反饋能力，當高校圖書館提供的智慧教學服務與師生的需求不匹配或者匹配程度較低時，可對服務進行反饋，提出相應建議和明確需求，智慧教學服務模式則進行新一輪的處理流程，直至為師生用戶提供滿意的服務。

5 結 語

數據賦能背景下，各行各業正經歷以數據為核心的信息技術革命，基于大數據的高校圖書館創新服務研究具有較大的理論深入空間和實踐探索潛力。高校圖書館應抓住機遇，以更廣闊、更開放的視野創新技術，在掌握高價值數據集的基礎上，積極探索智慧化、個性化的教學服務模式，通過提升教學服務配套人員和設施的服務能力，實現教學資源體系、數據采集體系、數據挖掘體系、教學服務體系等多體系智慧教學服務模式的落地實踐，并在實踐中優化升級，通過多元協同實現教學服務的高效開展，助力高校圖書館服務業務擴展和智慧教學服務水平提升。