李茜华 曹倩 王鑫

[摘 要]现代数字图书馆致力于充分利用大数据资源，不断增强信息资源使用者同图书馆提供的服务之间的契合度。本文介绍了采用大数据建模手段建立的一个包括当下读者信息使用意向、图书馆信息资源应用及读者后期使用信息资源情况概览的信息反馈管理（IFM）模型，通过建立模型提高读者和图书馆提供的信息资源之间的匹配度，进一步提升读者信息资源的使用效率和使用满意度。

[关键词]大数据;信息资源;读者服务;IFM模型

doi：10.3969/j.issn.1673 - 0194.2020.12.085

[中图分类号]G253[文献标识码]A[文章编号]1673-0194（2020）12-0-02

0     引 言

随着网络技术和计算机技术的发展，数字时代已然来临，改变了人们的工作及生活方式。处于无所不在的数字环境中，几乎所有做过的事情都会留下数字痕迹。对于绝大多数的信息资源使用者来说，这些人类行为产生的数据尚未被开发提炼加工，无法直接获取利用。大数据的概念，是一种既利用传统数据，又运用新兴大规模数据以提升人们娱乐、工作、生活体验水平的数据革命。事实上，科学家已经着手研究如何驾驭大数据建设更智慧的数字环境，大数据技术的出现促进了数字信息化实现。对于高校图书馆来说，大数据技术带来了前所未有的机遇，帮助高校图书馆从业人员完善读者服务，更好地把握读者的需求，全面且精准地提升了高校图书馆的读者服务质量，提高了为读者提供个性化信息资源的综合实力。从根本上说，图书馆对读者信息需求的兴趣、专业背景、获取及使用信息的能力了解和回应得越多，读者就越可能更好地获取满足他们需求的信息资源。通过建立基于大数据技术的模型，利用模型的优势建立良好的组织，并整合相关信息资源，一方面，能够帮助读者选择适合自身需求的信息资源;另一方面，能够协助图书馆工作人员整合馆藏信息资源，更大限度地满足读者获取信息的需要。IFM模型正是基于这种需求建立的众多基于大数据技术的模型之一。

1     IFM模型介绍

IFM（Information Feedback Management，信息反馈管理）指系统性地收集、分析、合并并使用各种反馈信息提升信息服务水准的过程。IFM是一种集中化采集、管理以及利用组织中所有的反馈信息的系统，使机构能够在信息反馈的指导下，或自然的互动问题引导下，与信息使用者进行全方面交流。这种方法使信息使用者意见的采集、管理和使用变得流水线化，使机构的信息資源配置得到优化。IFM系统使高校图书馆将读者反馈的信息同多种多样的信息数据、读者评价、读者调查以及信息统计学和信息计量学结合，以增强对信息资源推送、参考咨询系统影响读者信息决策的综合理解。IFM是一种能够帮助图书馆从读者、图书馆员、数据供应商等多渠道实时收集和反馈信息的大数据管理进程，可以把读者反馈信息同现有信息资源进行整合，使用智能的分析手段将数据转化为可操作信息，并把相关信息在正确的时间分享给正确的人以保证其他各方面的跟进工作。换句话说，IFM能够收集、统一并管理大量信息源的数据，再及时响应反馈数据，准确解析出用户特定的信息需求。

2     IFM模型可行性

数据本身并没有使用价值，只有把数据当作信息载体，精确传达某种信息，且告诉人们一些特定行为背后原因时，才具有使用价值。正是认识到这一点，大数据相关科技公司正在快速地越过由组织被动提供反馈信息的阶段，并挖掘非结构化的、未经处理的反馈信息，这些信息可以来源于问卷调查、电子邮件、社交媒体网站以及读者的反馈评价等。IFM模型会系统地实时收集和分析多来源的读者反馈数据，并致力于使用这些信息提升反应速度、服务质量，最终提高信息资源建设质量、提高读者满意度。这些反馈信息来自各种渠道，比如参考咨询、网页活动、社交媒体网络以及在线聊天室等。在充分搜集数据信息之后，这个过程还应生成简明直观的报告，通过分析报告，使整个图书馆的从业人员，上至馆长办公室下到信息资源采购部，都能够充分理解读者的信息需求，采取相关行动提高读者满意度。利用IFM系统，图书馆能够更加清楚地理解读者对信息资源的需求，更加切合实际地满足他们的期望;参考咨询人员能够及时理解读者使用信息的偏好，为其提供针对性服务;信息资源的采购部门能够快速获取读者偏好，在采购过程中满足读者的需求。IFM系统通过图书馆现有的系统或渠道加强图书馆与读者的互动，大大提升读者满意度，提高信息资源的采购成功率。因此，图书馆可以将读者需求信息集合到一个数据库中，运用各种有效的方法挖掘这些数据，并据此设计资源管理流程。

3     图书馆信息资源的IFM模型

高校图书馆并不缺乏与读者相关的信息，但往往缺少一个完整的系统来管理和反馈这些获取的信息。目前，急需解决的问题是：真正有用的信息往往处在校园数据库以及信息收集系统中孤立存在的区段。数据缺失导致高校图书馆不能全面把握读者的信息需求，也不知道如何为读者提供更有针对性的信息资源。

3.1   信息资源管理

近年来，高校图书馆信息资源建设已经取得了很大发展，无论是自建数据库或者外采数据库，都以TB级别的发展趋势直线上升。即使高校图书馆本身没有数据收集计划，日常的读者信息资源访问量也提供了大量观察读者信息资源使用量的可比较数据。对于普通读者来说，他们希望通过最直观便捷的渠道获得需要的信息，而往往由于其在搜索信息时表述不够明确，导致他们无法直接获得准确的信息。对于高校图书馆来说，辨识读者早期的信息需求并在前期数字资源的建设工作中关注并避免信息标识错误，可以有效防止这一现象。一些数据分析工具如Clear Analytics等能为大数据信息管理提供一个完善的机制，以建立更加全面丰富的数据库，并最终致力于提高读者与图书馆信息资源之间的匹配程度。

3.2   信息资源内部反馈与指标

信息资源的内部反馈信息可以通过图书馆网站、读者浏览网页记录、读者利用馆藏记录等进行全方位收集，但必须明确该数据仅用于更好地为读者提供信息资源服务。因此，图书馆应设立相关搜集使用数据的标准，并由图书馆相关部门对运行情况进行定期审查。信息资源内部反馈与指标主要来源于3个途径。①读者档案数据。这些数据可以来源于问卷、参考咨询、网页互动等方式，通过这些方式调研读者信息需求，建立读者关注的信息资源档案，作为评估读者需求的参考因素。②辅助数据。主要通过读者在办理借书证时留下的信息，采集读者的学历类别、所学专业、涉猎程度等信息，分析并推测读者需要学科专业信息的范围。③门户平台的共享内容。图书馆门户网站是读者获取信息资源的必经之路，读者在浏览网页信息时会留下大量的数据，通过分析这些数据，可以准确解析出读者特性的信息需求。

3.3   信息资源外部反馈与指标

信息资源外部的数字环境由于不确定性多，比内部环境更加错综复杂，反馈指标主要来源于数字资源市场与数字环境调研，主要由数字资源供应商完成，在调研之前，需要为IFM模型定义高校合理的读者群体，获取信息资源的难度及相关研究问题。这些工作还应包含一个额外的学术性研究计划，决定提升读者和所获取信息资源匹配程度的方法。通过调研分析，数字资源供应商可以最大限度地优化高校图书馆数字资源的学科类别，提升供应数字资源的质量，为高校图书馆提高读者利用数字资源的满意度打下坚实的基础。

经过以上3个阶段的准备，IFM系统通过整合儲存数据和反馈信息，可以建立一个信息技术规划，能够合并、过滤以及集中数据和报告源，对其进行集中化分析采集，将反馈的数据形成可行性的分析报告。该报告具有规划性和实时性，可以对读者使用数字资源的需求趋势进行合理预测及分析，同时扩大信息资源相关性范围，帮助高校图书馆在能力范围内能获取更多的与读者需求高度相关的信息资源同时，可以将潜在的接点数据与已有内容整合，实现多渠道发布信息。

4     结 语

对于图书馆的数据资源建设和读者获取数据的满意度来说，在数据支持下形成的决策，是二者匹配程度最高的决策，也是最高效的决策。通过这些数据分析的结果，可以帮助读者获取最适合自身的信息资源，提升读者满意度。数字图书馆数字资源需要一个能提供广域数据分析，并深度管理读者需求周期信息的平台。大数据分析系统的终极目标是通过合适的方法，支持读者获取更精准、更个性化的信息资源。IFM系统能够帮助图书馆建立规划信息资源体系，是整合读者不同信息需求的最佳实践模型。

主要参考文献

[1]李煜，刘虹.大数据环境下我国大学图书馆数据服务调查分析[J].图书馆研究与工作，2019（6）：17-21.

[2]李梅珍.大数据环境下高校图书馆建立科研数据知识库智能推荐系统的思考[J].图书馆学刊，2019（3）：102-105.

[3]徐飞，徐绪堪，吴广印.大数据环境下科技文献用户阅读行为知识组织模型研究[J].情报学报，2015（9）：912-921.

[4]苏新宁.大数据时代数字图书馆面临的机遇和挑战[J].中国图书馆学报，2015（6）：4-12.

[5]孙鹏.高校图书馆大数据分析报告调研与分析[J].图书馆工作与研究，2018（12）：39-44.

[6]何胜，冯新翎，武群辉，等.基于用户行为建模和大数据挖掘的图书馆个性化服务研究[J].图书情报工作，2017（1）：40-46.