APP下载

国内智慧图书馆研究现状与发展趋势

2018-09-10

山西档案 2018年5期
关键词:聚类期刊文献

智慧图书馆作为智能建筑与数字图书馆的创新性结合,在重新审视图书馆功能及服务的基础上,以读者服务为中心,将图书馆的各项资源融入到读者的工作﹑学习和生活中。它不仅仅是建筑,更是一种理念和人文关怀的表征。总体而言,目前学者们对智慧图书馆的理解侧重于单一方面,尚未形成模块化﹑理论性的总结。本文拟基于文献计量和共词分析法,对国内智慧图书馆研究现状与趋势进行探讨。

一、数据来源

本文以中国知网(CNKI)为文献源,在高级检索中以“或”条件检索“篇名”“关键词”两个字段,设定检索词为“智慧图书馆”“智能图书馆”,形成“‘题名=智慧图书馆or智能图书馆’或者‘关键词=智慧图书馆or智能图书馆’”的检索式,选定数据库不限,匹配条件为模糊,检索时间为2008年5月30日。结果显示,2008年至今共收录期刊论文756篇,其中核心期刊171篇,对文献进行筛选﹑去重,得到有效文献700篇,以分析软件相对应格式导出文献信息。

二、文献计量分析

(一)文献增长﹑来源及分布

2008—2010年间以“智慧图书馆”为主题的期刊文献累计发表11篇,年均3.7篇,主题研究处于探索阶段;2011—2018年间,文献发表量快速增长,实际积累量也不断增长(700篇),为快速发展阶段。

根据布拉德福定律,可将某一学科的期刊划分为核心﹑相邻﹑相关期刊。此时,这三类期刊的总载文量相等,且三类期刊数量成1:n:n2关系。经计算,本文每类期刊的总载文量约为233.33篇,核心期刊10种,相邻期刊25种,相关期刊144种,三者比例为10:25:144(约1:2.5:2.42),基本符合布拉德福定律。核心期刊的载文量大于等于16篇,其中农业图书情报学刊(38篇)﹑图书馆学刊(29篇)﹑河南图书馆学刊(27篇)载文量位列前三。

(二)作者及机构类型分布

1.高产作者研究。对有效文献的作者及其发文量进行统计,上海社会科学学院信息研究所王世伟发文量最多(9篇),武汉大学曾子明(7篇)﹑南京大学邵波(7篇)﹑广东农工商职业技术学院黄辉(6篇)排名前三。有效文献的作者共1227位,运用普赖斯定律,可得高产作者为35位,但高产作者总发文量为183篇,仅为有效文献量的四分之一,与普赖斯定律不相符,智慧图书馆领域的核心作者尚未形成。

2.作者机构及类型。机构在某一领域中的科研水平和活跃程度主要由发文量体现出来。经统计,共有13所机构发文量大于等于5篇,高校10所﹑公共图书馆2所﹑研究所1所,高校是主要参与机构。其中,武汉大学﹑南京大学﹑重庆大学﹑上海大学这4 所大学的发文量占13所机构总发文量的44.6%,表明这4所大学发文质量较高,在该领域整体研究能力较强,但也反映出其他机构的发文量较少,目前仅靠少数几个机构即

可代表该领域的研究趋势和主流。

三、共词分析

(一)关键词提取及初步聚类

1.关键词提取。对有效文献进行关键词提取,剔除重复出现或意思一致的,并进行相似性合并,如“物联网应用”“物联网技术”等统一为“物联网”。由于“创新”“构建”“智慧”等关键词含义较为宽泛,无实质研究意义可剔除。选取词频大于等于5次的关键词作为高频关键词,最终确定38个高频关键词。去除数据中的非高频词汇,得到高频关键词两两共现矩阵。

2.初步聚类。将高频关键词矩阵导入Gephi软件形成共现网络,该网络的密度为0.008,与完整网络(总值为1)的差距较大,可见智慧图书馆各研究方向之间合作联系度较低。网络直径为3,平均连接长度约为1.21,最短长度连接数为218,表明同一研究方向内部联系较为紧密,适合对各研究方向进行群体划分与聚类。对高频关键词初步聚类,大致分为六个研究方向:高校图书馆﹑服务模式﹑数据资源﹑技术创新﹑管理建设﹑综合环境因素。

(二)聚类分析

层次聚类是根据事物自身的特征,通过已建立的统计模型对事物进行多元分析,其目的是将相似的事物进行归类。关键词提取时,已对38个高频关键词进行了初步分类,为进行更精确的分类,本文运用spss软件对高频关键词相异矩阵(共现矩阵误差较大,需转换为相异矩阵缩小误差)进行层次聚类,聚为六大类,并绘制聚类树状图(见图1)。

1.高校图书馆。高校图书馆在时空﹑知识整合等方面逐步与校园其他服务相结合,突破限制,主动进行知识推送﹑挖掘院系科研动态﹑提供深层次的信息服务,并在文献收集上结合本校专业设置和科学研究项目,为相关学科服务。

2.服务模式。为应对基础馆藏工作和智慧化转型,馆员应及时熟悉新技术和新系统,鼓励开启“专深—终身”二维学习模式。[1]阅读推广是图书馆服务于全民阅读的最有效方式,它的发展将为图书馆领域带来新的课题内容,如研究推广活动的理念定义﹑合理性﹑服务特征﹑目标人群等。[2]

3.数据资源。开展科学数据管理与服务,有利于构建特色馆藏资源,形成一体化共享

平台。在此过程中,为避免重复浪费,有必要建立健全馆藏资源规章制度。台湾地区在馆藏资源建设中形成的发展政策﹑建设经费制度﹑资源征集制度﹑评鉴与维护制度﹑合作制度﹑图书委员会等,值得我们借鉴。[3]

4.技术创新。随着云计算的发展,图书馆对数据收集﹑分析﹑挖掘﹑预测的需求将不断加大。例如,情境感知可进行实时咨询方案微调,清华大学图书馆设置的智能聊天机器人﹑上海图书馆举办活动时出现的机器人讲解员通过不断的自我学习为读者提供差异化服务。利用RFID管理系统,图书馆可以最优选择设备和供应商,避免信息不对称性的弊端。检索工具智能化可帮助读者通过关联检索发现新的未知的文献信息,且实时连接移动端,方便快捷。[4]

5.管理建设。树立以人为本理念,强调职业精神,提升图书馆形象和文化内涵,是管理的内在要求。为实现管理日常化﹑长期化,建立健全组织机制是必然趋势。这主要包括制度﹑政策﹑经费等机制,如法人治理﹑政府与社会资本合作﹑政府购买公共服务等。

6.综合环境因素。智慧图书馆推广的电子书籍﹑移动端借阅等项目,与智慧城市注重市民参与﹑社会协同的理念相融合,共同构建起智慧城市和图书馆。图书馆的社会教育作用不断加强,及时开发各类检索﹑翻译以及个性化服务,不断跟进人工智能,是信息服务融合大背景下的必然趋势。[5]

图1 高频关键词聚类树状

(三)战略坐标分析

战略坐标法可分析某个研究领域中各研究方向的内部(密度)以及相互之间(向心度)联系的密切程度。本文运用战略坐标法,分别计算38个高频关键词相异矩阵的密度和向心度,将得出的数值归类到所代表的六大聚类中,得到战略坐标图(见图2)。通过观察,C类与D类的密度较高,A类与B类居中,E类与F类较低;C类与D类的向心度较高,E类与B类居中,A类与F类较低。

1.数据资源(C)﹑技术创新(D)这两类研究内外联系均较为紧密,理论发展较为成熟,为该领域研究的重点方向。信息爆炸时代,信息良莠不齐,数据资源智慧化有利于资源结构优化和提升利用的效益。技术创新促进了阅读﹑参考咨询﹑服务空间等多个环节的变化和重塑。这两类研究作为基础性工作,一直是学者们探讨的热点。

2.高校图书馆(A)内部发展较为平稳,但与其他研究联系并不密切。高校图书馆具有丰富的馆藏和数据库资源,可与校园整体环境相结合,具有持续性和前瞻性。从作者机构分布不难发现,许多研究学者来自高校,但高校独立性较强,与其他研究机构联系度较低。

3.服务模式(B)内外联系度均较为平稳。由于服务模式受整个社会演进以及文化环境的影响,且影响因素波动较小,该研究不仅在过去和当下发展平稳,在未来将继续保持稳定态势。

4.管理建设(E)内部关联度较低,与其他研究的关联度一般,在智慧图书馆研究中处于较周边的位置。但管理是服务的前提,一个机构的管理效率和层次水平是该机构有效运行的前提。管理建设作为一研究大类具有不可替代的现实意义。

5.综合环境因素(F)密度与向心度均最低,表明此类研究尚处于不成熟阶段,或遇到了研究瓶颈。出现此情况可能是该研究内容较为广泛,涉及公共服务﹑城市发展以及人文理念等各方面,而现阶段智慧图书馆研究领域的宏观性研究较少,主要集中在技术﹑服务﹑资源等较微观的研究。由于内部关联度较低,综合环境因素在日后可能会分化为多个主题,具有较大潜力。[6]

图2 战略坐标

四、结论

智慧图书馆处于起步发展阶段,具有创新性和前沿性,各研究阶段传承关系较强,部分主题始终保持着核心热点状态。高频关键词可聚为六大类,即高校图书馆﹑服务模式﹑数据资源﹑技术创新﹑管理建设﹑综合环境因素。宏观分析方面,发现数据资源﹑技术创新相关研究已较为丰富成熟,高校图书馆﹑服务模式﹑管理建设等研究发展较为平稳,综合环境因素日后可能分化为多个研究方向。

图书馆是一个生长着的有机体,目前“智慧”主要体现在技术更新上,笔者更希望从形态和服务模式进行创新。这一创新需要先进技术和理念的支持。我们对智慧图书馆还需要更进行深入的探索。

猜你喜欢

聚类期刊文献
期刊更名启事
期刊简介
Hostile takeovers in China and Japan
期刊问答
Cultural and Religious Context of the Two Ancient Egyptian Stelae An Opening Paragraph
基于K-means聚类的车-地无线通信场强研究
The Application of the Situational Teaching Method in English Classroom Teaching at Vocational Colleges
基于高斯混合聚类的阵列干涉SAR三维成像
The Role and Significant of Professional Ethics in Accounting and Auditing
基于Spark平台的K-means聚类算法改进及并行化实现