基于時間序列的圖書館微信公眾平臺在突發公共危機中的統計研究：以徐州醫科大學圖書館為例＊

安璐

（徐州醫科大學，江蘇徐州 221000）

隨著”互聯網”時代的到來，電子閱讀方式已經逐步成為了高校學生獲取信息和知識的主要方式之一。在這種網絡化、快節奏的閱讀背景下，各個高校也都建設起了自己的網絡信息平臺，來更好地服務廣大師生。近年來微信用戶數量爆發式的增長使其全面快速地融入政治、經濟、社會、文化生活的各個方面，較傳統媒體傳播更加迅速、廣泛、持久。因此成為了當代高校師生接觸信息最廣泛的一種方式。高校的圖書館是高校內最重要的文化傳播場所之一，在當下互聯網高速發展的情況下，利用高校圖書館自身的優勢，有效推進文化傳播工作，利用微信平臺結合自身特點推進微信公眾號服務，并能夠在突發公共危機時期師生無法返校的情況下擴展甚至是替代高校圖館的功能，成為了許多高校研究的重點。圖書館微信公眾號平臺的閱讀情況最能反映高校微信平臺的發展情況。

筆者通過分析徐州醫科大學圖書館微信平臺建立以來2020-01-01—2021-05-31 的每日閱讀量數據序列，建立整合自回歸移動平均模型（ARⅠMA，Auto Regression Ⅰntegreate Moving Average）。對數據模型進行分析，給出一定的預測結果，并結合高校圖書館的有效信息，給出針對性的發展管理建議。

1 ARIMA 模型的定義

時間序列模型[1]是將一個或一組變量排列的順序，依照時間順序進行，作用于相關數字的表達式，來闡述變量與相互關系的方式，從而得到的一種離散數字組成的集合，利用模型預測序列未來走勢，有助于為管理等工作提供科學合理的指導。時間序列模型可分為平穩時間序列和非平穩時間序列。平穩時間序列可以用來擬合回歸方程進行未來的預測，而非平穩的時間序列不能直接做回歸，會產生沒有實際意義的偽回歸。自回歸模型是來闡述一種關系，歷史值與當前值的相關聯系，根據過去發生的數字來對本身的數字進行推測。AR 模型對于數據的要求比較高，要有一定的平穩性。自回歸模型要確認一個階數p，來用過去的數值來表示目前的數值。p階自回歸模型的公式定義為：

式（1）中：yt為當前值；μ為常數項；p為階數；γi為自相關系數；εt為誤差。

自回歸模型有很多的限制：①自回歸模型是用自身的數據進行預測；②時間序列數據必須具有平穩性；③自回歸只適用于預測與自身前期相關的現象。

移動平均模型關注的是自回歸模型中的誤差項的累加，q階自回歸過程的公式定義如下：

移動平均法能有效地消除預測中的隨機波動。自回歸模型AR 和移動平均模型MA 模型相結合，就得到了自回歸移動平均模型ARⅠMA（p，q），計算公式如下：

2 ARIMA 模型分析時間序列的基本步驟

將原始數據的時間序列可視化，觀察平穩與非平穩分布，通過單位根檢驗，判斷時間序列是否為平穩，通過ADF 找到最優參數，建立ARⅠMA 模型，進行預測。將原始數據的時間序列進行可視化處理，作圖觀察時間序列的趨勢，如圖1 所示。

圖1 ARⅠMA 模型時間序列趨勢圖

對原數據進行單位根檢驗z-test 都小于各檢驗臨界值，且p-value 小于0.05，所以一階差分后，序列變為平穩時間序列，并繪制一階差分圖，如圖2 所示。

圖2 一階差分圖

ACF 和PACF 的模式呈現拖尾不明顯，則需要嘗試不同的參數值，然后通過赤池信息準則來判斷，如圖3 所示。

圖3 一階差分自相關圖和一階差分偏自相關圖

本次模型構建結果，包括回歸系數值、p值等。第一，模型參數表格展示模型構建結果情況，通常不需要對其過多關注，即使p值大于0.05；第二，信息準則BⅠC 和AⅠC 值常用于多次分析模型對比，它們的值越低，分析越好，如果需要進行多次分析，可以將這2個數值進行相關比較。從整體來講述構建的模型的優化內容如表1 所示。

表1 模型參數表

結合BⅠC 信息準則，對多個潛在備選模型進行建模和對比選擇，最終找出最優模型為ARⅠMA（0，1，2）。其模型公式為y（t）=0.199－0.731×ε（t－1）－0.219×ε（t－2）。擬合模型后，需要對得到的殘差列進行單位根檢驗，隨后檢驗殘差序列是否為白噪聲。根據z-test 和p-value，殘差也為平穩時間序列。用Q統計量進行白噪聲（White Noise）檢驗，通過白噪聲檢驗的結果，可知模型的有效性擬合效果較好，如圖4所示。最后生成ARⅠMA 模型生成的預測值和原始值的擬合線如圖5 所示。

圖4 模型擬合效果圖

圖5 ARⅠMA 模型預測圖

3 結論與建議

運用徐州醫科大學圖書館微信公眾號平臺的閱讀量建立ARⅠMA 模型[2]并進行分析后，結合現實情況，得出了以下結論：微信公眾號平臺在公共危機引發的時期對圖書館有一定的替代效應，從2020 年公共危機時期后閱讀量的波動比較明顯，無明顯趨勢。預測趨勢只是看出短期存在一定不穩定的波動趨勢，這與實際情況隨著期末的來臨閱讀量會有一定程度的波動比較明顯的情況相符和。結合上述情況給出以下建議。

3.1 徐州醫科大學圖書館微信公眾號平臺現狀解讀

ARⅠMA 模型生成的預測值顯示短期趨勢是波動的，并結合實際，隨著期末與假期的到來，高校圖書館的紙質書籍閱讀量與電子平臺閱讀量普通情況下都是趨向于減少的。許多學者都做過研究，高校圖書館的閱讀量跟季節尤其是假期的來臨是有相關關系的，李偉等就北京理工大學3 年內圖書館圖書借閱量的數據研究，指出了圖書借閱量具有周期性，并提出高校該重視紙質館藏建設的建議；王家勝等通過分析青島農業大學圖書館圖書借閱量數據時序圖，觀察總結了借閱量具有季節性現象；許志榮以江南大學圖書館為例，鑒于圖書館借閱量序列的長期趨勢和季節周期的影響關系，建立了合適的ARⅠMA 模型分析。針對圖書館公眾號平臺閱讀量波動比較明顯的情況[3]，并結合實際調查，微信公眾號平臺在公共危機發生后，還未恢復到以前高校師生穩定的閱讀量，這一期間內容沒有無可替代性，應該加強圖書館微信公眾平臺內容的建設，師生閱讀的黏性，在擴大影響力的同時也可以更好地在公共危機中引導輿情的走向，一旦發現負面輿情與虛假輿情時，可以通過配合高校圖書館加強對網絡輿情引導的工作，確定發布內容，對虛假輿情進行有效解釋，否定謠言，澄清事實，疏導學生情緒，在公共危機發生時期將網絡輿情引導到正確方向。

2020 年徐州醫科大學圖書館微信公共平臺遇到了公共危機的時期，高校校師生都無法返校的情況下可以看到微信公眾號平臺還是具備了一定的閱讀量[4]，學校運用圖書館微信平臺也及時發布了“抗擊疫情，圖書館助您居家科研”“關于疫情防控期間組織相關文獻資源服務平臺向高校提供免費服務通知”等活動，作為醫科類大學，在此期間更加迫切需要迅速獲取資料，展開研究。在這一時期可以看到在圖書館無法借閱的情況下微信公眾號平臺依然保持了一定的閱讀量，對圖書館是有一定的補充替代作用的，如圖6 和圖7所示。

圖6 圖書館圖書借閱量

圖7 圖書館微信公眾號閱讀量

3.2 高校圖書館微信公眾號平臺發展展望

高校圖書館作為每個學校的信息文化交流中心，是為了服務于所在的學校機構教學與科研，是學校信息化發展的主要基地。運用好高校圖書館微信平臺發展信息分融服務，可以更好滿足學生隨時獲取圖書館資訊和圖書館文獻資源的需求，在現如今高校圖書館紙質閱讀量都在下降的大趨勢下，個性化電子化的閱讀服務越來越受高校師生的歡迎，并且在特定時期，譬如各個公共危機發生的時期，借助互聯網的各個高?；ヂ摼W平臺如圖書館的微信公眾號平臺，可以更迅速地發布信息，溝通引導廣大師生的情緒，開展線上的教學科研活動，真正實現移動互聯網圖書館的功能。