基于數據驅動的高校圖書館智慧服務實踐路徑

于 歡,肖宗花,馬 巖,李 梅

(河北醫科大學 圖書館,河北 石家莊 050017)

0 引言

信息技術的迅猛發展加速了圖書館服務從數字化、網絡化向數據化、智慧化轉型。特別是隨著大數據技術的日趨成熟,“數據驅動”的價值不斷凸顯,高校圖書館作為教學科研的信息和服務中心,在信息泛化的時代,通過各類設備、文獻系統、服務及社交平臺積累了相當規模的資源、業務及用戶行為等數據,是高校的“數據集中”高地。因此,如何轉變思維,從傳統的資源管理模式向數據管理模式拓展,以數據驅動服務創新、提高服務效率、增強服務效果已成為圖書館業界亟待解決的熱點問題。

1 研究現狀

近年來,圖書館業內學者們從不同角度探討了如何有效運用數據,挖掘數據價值,以數據驅動圖書館智慧服務的持續發展。一些學者試圖通過數據管理與治理,實現數據增值。在宏觀上,包冬梅等[1]提出了包括促成因素、范圍和實施評估3個子框架的高校圖書館數據治理CALib框架;盧小賓等[2]從大數據理論和數據生命周期理論出發提出基于組織性、管理性及使用性的3種數據標準模式,構建了智慧圖書館數據標準體系。微觀視角下,李玉海等[3]從服務數據獲取的角度出發,從數據交互性、交互頻度、響應時間以及數據感知深度4個維度構建了智慧服務數據屬性模型,論述了不同數據屬性對智慧服務的影響;劉雙等[4]依據數據的交互程度對數據進行分塊,并提出了構建數據分塊標準體系、完善數據分塊來源結構、打造數據分塊精深產品的可持續發展策略。還有一部分學者聚焦數據驅動下智慧服務模式的構建,如左平熙[5]認為高校圖書館智慧服務的總體邏輯架構應包含物質、服務以及技術3個層面,其策略重點是空間、資源及人之間的深度融合;宋甲麗等[6]借鑒了拉斯韋爾的5W傳播模式,結合大數據環境圖書館智慧服務的特征與服務層次,構建了基于服務主體、服務資源、服務手段、服務對象、服務效果的5W智慧服務模式;而朱純琳[7]則通過分析服務前、服務中及服務后數據的獲取與流動,構建了具備數據流動、數據增值、數據決策特征的圖書館智慧服務生態系統。

由此可見,數據驅動下的高校圖書館智慧服務理論研究成果豐碩,主要集中在模式及體系的構建上,調查及實踐案例研究較少。本文從實踐角度出發,充分考慮圖書館智慧服務建設的現實境遇,依照數據驅動理念,提出了數據驅動背景下以技術為支撐、以數據為核心、以人才為引擎的高校圖書館智慧服務實踐路徑。

2 基于數據驅動的高校圖書館智慧服務實踐路徑

2.1 以技術為支撐,拓展服務場景

2.1.1 物聯網技術

(1)射頻識別技術(Radio Frequency Identification,RFID)。RFID技術的工作原理是通過閱讀器與標簽之間進行非接觸式的數據通信,達到識別目標的目的。它是物聯網在圖書館領域應用的關鍵技術,且發展較為成熟,目前主要應用于紙質資源管理,應用場景包括:自助借還、自動上架、智能盤點、定位導航等。RFID電子標簽在紙質資源中的使用,拓展了圖書借還服務場景、提高了圖書流通速率,降低了圖書錯架率,減少了尋書時間,實現了館藏流通管理的一體化、高效化。但同時,該技術需要信號識別器此類的物聯網設備支持,應用場景存在一定局限性,因此一些場館選擇使用二維碼技術作為RFID技術的輔助,通過二維碼實現身份認證、無證借還、架標信息查詢、信息傳遞及電子資源共享等功能。

(2)短距離無線通信技術。短距離無線通信技術具有傳輸速率高、傳輸信息可靠、低能耗、微型化的特點,是物聯網體系中的重要支撐技術,可應用于圖書館的智慧服務建設。例如建設基于藍牙4.0技術的智慧圖書館室內位置服務ILBS,通過在圖書館內建立藍牙基站,確保讀者進入圖書館并打開手機自帶藍牙功能時,即可獲取讀者位置信息,結合RFID技術為讀者提供3D場館導航、座位預約、圖書語音導航、信息推送等智慧化服務;建設基于ZigBee技術的智能圖書館環境感知系統,通過傳感器對館內溫度、照明度、濕度、噪聲及粉塵進行自動監測,智能管理圖書館的燈光、空調、煙霧探測等設備,為讀者提供安全、節能、舒適的空間環境。

物聯網及自動識別技術的應用推動了圖書館的數據采集能力的發展,實現了圖書館設備與空間的智能關聯,為圖書館的智慧服務建設提供了底層信息來源與數據保障,為圖書館智慧服務場景拓展提供可能。

2.1.2 大數據技術

“互聯網+”的時代,圖書館內的各類業務系統、服務平臺及智能設備積累了海量的數據資源,利用大數據技術能夠將這些數據建立關聯,挖掘數據價值,發揮數據效能,具體可從以下3個方面著手。

(1)利用大數據技術打破資源間的壁壘,建立智慧型知識服務搜索引擎。通過智慧型知識服務搜索引擎,可以實現用戶需求、資源以及相關學術性知識一站檢索的目的。目前,一些高校圖書館,如北京大學圖書館已經將館藏紙質資源、各類電子資源進行整合,實現了跨資源類型的一站式檢索,同時提供篩選及排序功能,智慧型知識服務搜索引擎的雛形已然形成。未來圖書館還需要對標互聯網搜索引擎,在檢索速度、界面可讀性及檢索功能上逐步提升與完善,引入更多先進的信息技術,如基于移動視覺的搜索模式,以此拓展搜索方式,為用戶提供更為便捷、個性化的知識搜索服務。

(2)利用大數據技術實現個性化、精準化服務。通過對用戶進行全域化、全時段、場景化的信息采集與識別,利用數據挖掘、聚類分析、用戶畫像等技術繪制精準的“用戶畫像”,了解用戶真實需求、預測用戶隱性需求。然后通過大數據深度揭示、挖掘、聚合和重組資源,構建資源畫像與用戶畫像之間的關聯度模型,為用戶打造個性化、精細化的知識產品。依據數據推動服務的理念,很多高校圖書館已經開展了不同類型的個性化、精準化服務,并取得了良好成效。例如,重慶大學圖書館建設了數據挖掘系統,通過分析讀者閱讀行為大數據,為讀者提供了猜你喜歡、成長軌跡、收藏夾、業務提醒等個性化服務;南京大學推出了“Mobi+移動圖書館服務”,同時支持語音搜索、二維碼掃描等功能,實現了線上精準化推薦服務。

(3)利用大數據技術輔助管理決策,提高管理效能。通過大數據平臺監測圖書館內的各類服務及運營數據,能夠直觀地看到管理中存在的不足與問題,進而有針對性地做出調整或決策。例如,通過對空間服務數據的統計與分析,可以了解不同時段、不同類型空間的使用頻率、受眾對象、讀者滿意度等信息,依此調整、優化空間服務;在資源采購方面,大數據的優勢更為明顯,依據大數據的客觀分析結果,能夠增強資源采購工作的科學性、滿足不同讀者的多樣需求,支持讀者決策采購模式的構建,提高圖書館資源建設水平。

2.1.3 網絡信息與人工智能技術

(1)網絡信息技術。網絡信息技術的發展必然不斷推動著圖書館的轉型與發展,伴隨著web1.0→web2.0→web3.0的發展歷程,圖書館的服務歷經著以資源為中心單向為讀者提供文獻服務→以業務為中心雙向為讀者提供信息服務→以“人”為中心多向為用戶提供智慧引導服務的演化。移動互聯網技術推動了移動圖書館、虛擬圖書館的快速發展,使圖書館服務不再局限于傳統的物理實體,為圖書館泛在智慧服務提供了有效的技術支撐。目前,各高校圖書館都在積極探索線下服務向線上的延伸,積極通過微信、微博、微視、移動App、微信小程序等形式向用戶提供資源獲取與推薦服務,其多樣性和便捷性迎合了年輕人的喜好,增強了用戶的使用黏性。特別是5G技術的加速普及,為大數據背景下高校圖書館的發展提供了更多機遇,利用5G高速率、超大連接、超低時延的特性,協同其他先進技術,能夠拓展圖書館的服務場景,為用戶帶來更好的服務體驗。

(2)人工智能技術。人工智能技術的應用為圖書館創造了新環境、注入了新活力。近年來,一些先進的圖書館已經成功將人工智能技術打造的機器人應用于圖書館服務之中,如上海圖書館的“圖小靈”智能機器人、清華大學圖書館的無人駕駛智能小車、南京大學圖書館的智能盤點機器人等,都是人工智能技術在圖書館領域的成功實踐案例。2022年,ChatGPT智能聊天機器人橫空出世,并迅速火遍全網,在全世界范圍內掀起了一股GPT熱潮,直接將人工智能從1.0時代推升至2.0時代。各行業也都在積極探索新技術背景下行業發展與改革的路徑。未來,在GPT技術的驅動下,能夠自主學習的圖書館機器人將得到廣泛應用,無人值守的圖書館系統會普遍啟用,智能化圖書館服務將會真正實現,資源信息服務將得以深化,用戶的交互體驗感會明顯增強。

2.2 以數據為核心,優化服務質量

2.2.1 整合圖書館異構數據,提高數據質量

高校圖書館的數據可以劃分為業務數據、資源數據、用戶數據及管理數據4種類型。每種類型的數據都可能來自不同的異構系統,以不同形式的載體呈現,標準不一,缺乏聯動。因此,做好數據整合,是弱化圖書館IT系統多樣性、消除大數據分布異構性、實現數據價值的關鍵。建立圖書館的大數據資源整合策略首先應從源頭開始,對采集終端包括各類傳感器、視頻監控、服務器日志采集系統及各類閱讀終端等設備所采集到的海量原始數據進行初步過濾與整合,消除冗余信息、過濾噪聲數據,這樣既減少了采集終端數據傳輸總量、緩解網絡負載壓力,同時也提高了數據價值密度,增強了數據的可用性。其次,要通過數據整合平臺對來自各業務體系的非結構化數據、半結構化數據、流數據等進行統一編碼,借助語義網和關聯數據技術完成圖書館的數據整合。使數據成為有邏輯意義、可彼此關聯的知識對象。在數據整合平臺的建設上應充分考慮兼容性與先進性,平臺應支持多數據源類型數據,提供標準的程序接口,具有較強關聯性挖掘及發現能力。再次,在圖書館服務功能創新融合化的時代背景下,圖書館的數據整合還需要特別注重與第三方大數據平臺、政府及其他相關部門的協作,獲取更為全面的數據資源。例如,圖書館可以與移動運營商合作,獲取用戶更多的非圖書館渠道的閱讀行為,通過數據的二次整合更精準地向用戶提供個性化、精準化的服務。最后,圖書館的數據整合,必須確保讀者隱私不受侵犯,數據安全有所保障。

2.2.2 挖掘圖書館數據價值,提升服務層次

高校圖書館的數據資源具有規模龐大、生成速度快、類型復雜多樣、價值密度低的大數據特征。因此,必須對數據進行深層次的挖掘,才能實現數據增值,形成知識服務向智慧服務的轉化。利用數據挖掘技術可以實現對圖書館文獻資源、用戶群體的細化與分類,通過深入挖掘各知識點間的關聯,找準讀者的群體偏好與需求,把適配的圖書館資源發送給特定群體,實現服務產品個性化。目前,高校圖書館已向讀者開展的個性化服務包括個性化檢索、個性化推薦及個性化互動,其中檢索及推薦的資源類型和范圍還存在一定的局限性,主要集中在圖書、文獻等信息資源上,尚未囊括圖書館全部服務資源。因此,未來圖書館需要跨系統全方位地獲取用戶行為數據,建立完備的用戶知識庫,拓展檢索及推薦資源類型,依據用戶反饋、當前位置、用戶習慣、用戶群體分類等信息,實時向用戶提供圖書、文獻、空間及設備等圖書館所有可用資源的探測性推薦服務,逐步提高服務的針對性和精確度。圖書館大數據的應用也有效地推動了高校圖書業務決策及管理能力的提升,業務實施將從以“文獻流”為中心向以“數據流”為中心轉變。通過對圖書館大數據的深度挖掘,將相關業務指標與數據聯動,能夠獲取個體分析無法得到的事物發展規律,用數據支撐管理者進行業務決策,提高決策水平與效率。以文獻資源管理為例,通過整合書目數據、館藏數據、讀者基本數據、讀者行為數據、文獻元數據、作者數據、出版社數據等多源數據,挖掘讀者需求、教學與科研需求、專業發展與通識教育需求,依此優化采購策略,提升文獻采訪對讀者信息需求的覆蓋性,有效利用資源建設經費,推動圖書館資源的合理利用和科學發展。

2.2.3 加強圖書館數據治理,促進數據開放融合

數據治理是智慧圖書館發展的必然趨勢,通過有效的數據治理制度,能夠促進圖書館的服務創新和價值創造。加強圖書館的數據治理,首先應從構建智慧圖書館的數據標準體系出發,通過制定數據融合、隱私處理、挖掘規范、數據共享等一系列的標準及規范將圖書館業務數據實現歸一化處理,提高數據質量,促進數據開放融合;其次,圖書館的數據治理需要法律法規及相關制度的支撐,當前我國雖有《數據安全法》《信息技術服務治理第5部分:數據治理規范》等法律和標準,以及中國圖書館學會編制的一系列指南作為智慧圖書館數據治理的依據與參考,但還不夠全面,行業標準尚未定義、形成,因此必須進一步完善智慧圖書館法律法規及行業制度;最后,圖書館的數據治理需要制度、技術、機構的協同合作,要避免僅利用理想化、抽象化的數據指標單向賦能圖書館數據治理,陷入數據崇拜的陷阱。要充分考慮數據技術與治理制度之間是否正向耦合,數據技術是否被圖書館采納、嵌入治理過程中,數據技術所傳遞的數據價值是否存在有價值信息的流失,確定數據技術與治理制度目標的一致性。除此之外,高校圖書館數據治理還要加強與各級圖書館學會、協會組織、政府機構及相關業務部門的合作,建立規范的合作機制,從而實現智慧圖書館數據治理效益的最大化。

2.3 以人才為引擎,提升服務效能

館員是圖書館智慧服務的主體,其能力素質直接影響了圖書館的服務水平,以人才為引擎,培養一支高素質的館員人才隊伍,是提高讀者滿意度、提升圖書館服務效能的關鍵。因此,高校圖書館需制定與之匹配的人力資源戰略以適應時代的發展及業務變革的需求。一方面,高校圖書館應該優化館員結構,設置專業的數據管理館員,重新制定崗位層級,確保各業務領域人員的配比科學合理,并依據不同崗位規劃其職業能力、制定招聘計劃。另一方面,高校圖書館必須構建系統的、有針對性的長效培訓機制,加強新技術、新理念、科學數據素養的通識培訓,同時兼顧不同崗位個性化、深入化的需求,如開展系統管理崗館員信息技術開發能力的培訓,數據管理崗館員數據服務安全、數據管理、數據倫理道德的培訓,學科服務崗館員數據分析與挖掘能力的培訓,讀者服務崗館員溝通與營銷能力的培訓等,同時抓住一切機會,助力館員職業能力的成長,鼓勵更多館員主導或參與智慧圖書館建設,加強與學校相關部門的合作,建立聯合培訓機制。除此之外,高校圖書館還應該改革薪酬制度,建立完善的績效考核制度,依此調動館員的工作熱情與積極性。

3 結語

智慧服務離不開數據,數據是實現智慧服務的重要驅動。高校圖書館必須借助智能化的信息識別技術、智慧式的數據采集理念完成圖書館大數據的整合,深入挖掘數據價值,加強數據治理,以用戶需求為宗旨,以數據推動服務與管理模式的不斷創新。當前許多大學圖書館都在積極探索智慧圖書館的建設,特別是在空間建設及設備引進方面,投入了大量經費,但存在“重建設、輕運維”“重技術、輕制度”的現象,數據信息共享與數據治理能力較弱,數據價值未得到有效發揮,大數據分析人才匱乏。因此,智慧圖書館的建設必須堅持制度、技術與人的協同發展,完善制度建設,加強數據治理,以技術為支撐,以數據為驅動,以用戶需求為著力點,同時重視人才隊伍的建設,特別是大數據人才的培養和儲備,只有這樣才能真正實現圖書館的大數據價值,優化圖書館的服務與管理效能。