高校圖書館流通數(shù)據(jù)挖掘的新思路

〔摘要〕圖書館流通數(shù)據(jù)是圖書館業(yè)務流程優(yōu)化的重要依據(jù)之一，對其分析方法層出不窮，但用于指導圖書館實踐活動的甚少。本文通過參考與借鑒情報學基本定律與分析方法，重新定義并建立基于圖書借閱頻次的評價指標，即圖書半衰期、圖書集合普賴斯指數(shù)、圖書滯架指數(shù)、圖書h指數(shù)，以及基于讀者借閱次數(shù)與行為的分析方法，即讀者h指數(shù)等指標和圖書耦合/共現(xiàn)網(wǎng)絡模型，從而提高對高校圖書館流通數(shù)據(jù)的分析能力和組織能力，希冀為優(yōu)化采購和布局配置，向讀者提供積極、主動、個性化信息服務提供新的思路。

〔關(guān)鍵詞〕OPAC數(shù)據(jù)；流通數(shù)據(jù)；高校圖書館；評價指標

DOI：10.3969/j.issn.1008-0821.2013.10.033

〔中圖分類號〕G251.5〔文獻標識碼〕A〔文章編號〕1008-0821（2013）10-0143-06

圖書館借閱信息是伴隨著圖書館門戶公開化而誕生的副產(chǎn)品，但其在館藏采購、館藏管理、讀者需求分析等方面具有不可忽視的作用。隨著圖書館資源和管理數(shù)字化進程加快，每日都會從圖書館管理系統(tǒng)中產(chǎn)生龐雜的表單信息，如何讓信息從無序到有序，便于從中了解讀者借閱興趣與傾向、館藏圖書的利用率，有必要對流通數(shù)據(jù)進行深度剖析。但是對于借閱數(shù)據(jù)的深度挖掘停留在研究層面的較多，付諸指導圖書館實踐的較少，為了避免陷入數(shù)據(jù)豐富但信息貧乏的尷尬局面，圖書館有必要增強對流通數(shù)據(jù)的分析能力和組織能力，并以此為客觀依據(jù)，向讀者提供積極、主動、個性化信息服務，這也與泛在圖書館所要求打破被動服務壁壘，提高以讀者驅(qū)動為導向的主動服務意識的宗旨相一致[1-2]。

1圖書館借閱數(shù)據(jù)利用現(xiàn)狀

目前國內(nèi)外學者對于圖書館流通數(shù)據(jù)的分析主要從以下4個方面開展：

1.1利用統(tǒng)計學概念分析借閱數(shù)據(jù)

制定若干統(tǒng)計指標對圖書館流通數(shù)據(jù)進行頻次分析是最常見也是最簡便的方法，且統(tǒng)計結(jié)果具有一定參考價值。如對圖書館流通數(shù)據(jù)中的宏觀人次、書次指標進行統(tǒng)計，可以了解館藏利用和讀者用書的總體狀況；對個人借書、單本圖書借閱指標進行統(tǒng)計，能夠揭示不同讀者借閱特點和各類圖書的利用率；對高校范圍內(nèi)（非）出版物的引文進行統(tǒng)計，可以直觀得出本館館藏對校內(nèi)讀者的滿足率[3-5]。

1.2采用數(shù)據(jù)挖掘技術(shù)進行讀者需求分析

大多數(shù)圖書館管理系統(tǒng)都是事務處理型[6]，主要應用于日常業(yè)務操作，而數(shù)據(jù)倉庫是分析處理型，能夠從無序數(shù)據(jù)流中挖掘出讀者和圖書館員感興趣的信息：如建立一種基于模式識別中Mercer核聚類算法的自動分類和統(tǒng)計分析法，按照中圖法22個大類對館藏圖書類型和借閱記錄進行量化編碼，實現(xiàn)讀者群分類以及對讀者借閱文獻類型、流量進行實時監(jiān)測和統(tǒng)計[7]；或建立事務數(shù)據(jù)庫，基于Apriori算法[8-9]、改進算法FP-Growth[10]、鄰接矩陣[11]等挖掘圖書借閱數(shù)據(jù)的關(guān)聯(lián)規(guī)則，進而構(gòu)建各學科書籍之間的關(guān)聯(lián)度以及讀者對圖書信息資源的借閱模式[12-14]。

1.3利用聚類法對讀者和圖書進行細分

有學者利用Clementine兩步聚類模型對高校讀者進行聚類分析，將其分為積極型、一般型和消極型3類[15]，或利用系統(tǒng)聚類算法建立圖書館讀者細分模型[16-17]，并針對不同類型的讀者開展個性化服務，如制定不同借閱規(guī)則、賦予不同借閱權(quán)限；或利用K-means算法分別對圖書和讀者進行了聚類，從中分析圖書的借閱規(guī)律、讀者借閱圖書的某種傾向及讀者是否活躍，從而制定出相應的決策，以便有針對性地豐富館藏資源和優(yōu)化館藏布局，并為圖書館開展個性化服務提供參考[18-19]。

1.4借鑒情報學評價指標分析流通數(shù)據(jù)

由美國學者Hirsh J提出的h指數(shù)最初用于評價科學家個人的學術(shù)成就[20]，隨后經(jīng)過多位學者在實證研究和理論分析基礎上進行擴展和延伸，h指數(shù)被成功應用到學術(shù)期刊評價、學術(shù)機構(gòu)評價和專利質(zhì)量評估等方面[21-22]，而h指數(shù)的思想與方法在圖書管理中也值得借鑒。國內(nèi)有學者利用評價指標h指數(shù)分析圖書借閱數(shù)據(jù)，統(tǒng)計分析讀者群h指數(shù)與圖書集合h指數(shù)，揭示不同讀者群的借閱活躍度、不同圖書集合的核心讀者以及不同讀者群的核心圖書，客觀反應圖書利用狀況和讀者借閱情況，體現(xiàn)圖書集合和讀者群的個性化特點[23]；由于h指數(shù)具有測算時間區(qū)域的敏感性，還可用于監(jiān)測圖書集合隨時間變化其借閱指標的波動情況[24]。

以上用于流通數(shù)據(jù)分析的方法各有利弊：基于統(tǒng)計學的頻次排序法雖然能夠揭示最熱門圖書和讀者信息，但圖書副本數(shù)、新舊程度、排架位置、讀者借閱權(quán)限等因素都會干擾統(tǒng)計結(jié)果，且無法在圖書集合或讀者群之間進行客觀比較；利用數(shù)據(jù)挖掘技術(shù)、聚類算法和關(guān)聯(lián)分析挖掘讀者借閱模式、不同學科圖書間關(guān)聯(lián)以及細分讀者類型等，對于圖書館員的技術(shù)背景、操作規(guī)范上有較高要求，結(jié)果受人為參數(shù)設定影響較大，且不夠直觀；而借鑒h指數(shù)對圖書借閱數(shù)據(jù)進行分析，將圖書集合和讀者群視為評價對象，客觀比較圖書集合和讀者群之間差異，且對特定時間段的波動較為敏感，但其在館藏老化進度、剔舊選擇、排架優(yōu)化等管理方面難以提供建設性意見，所以希望找出操作簡便、通用性強，同時具有直觀性與客觀性的分析方法。

2情報學基本定律橫向移植的可行性分析

筆者認為，圖書與期刊文獻作為信息和知識的載體，在利用與傳播的過程中具有相似的特征：隨著新知識的涌現(xiàn)，期刊文獻與圖書普遍存在老化現(xiàn)象，文獻的老化可以根據(jù)利用率和被引頻次來測算，圖書的老化則可以通過借閱頻次和趨勢來反映，此外，同被引聚類分析是把若干文獻看作是具有相同屬性的集合，中圖分類法也是將主題相似的圖書歸為一類；讀者與文獻同樣也具有相似特征，讀者每次借閱的圖書可以反映出借閱傾向，則圖書可看作是讀者借閱行為的基本元素，而文章所提供的關(guān)鍵詞能夠體現(xiàn)文章主體思想，則關(guān)鍵詞可看作是文章的基本知識單元[25]，關(guān)鍵詞具有詞耦合與詞共現(xiàn)現(xiàn)象，那么可以假設圖書借閱也有對應的圖書耦合與圖書共現(xiàn)情況，所以我們認為適用于文獻信息的相關(guān)定律在圖書借閱中也可參照借鑒，甚至可以建立適用于圖書的老化定律、學科圖書半衰期和圖書普賴斯指數(shù)、館藏圖書滯架指數(shù)、圖書集合h指數(shù)、讀者群h指數(shù)、圖書借閱耦合/共現(xiàn)模型等分析方法和評價指標，為館藏圖書管理、讀者需求分析與服務提供新的解決思路。

3基于圖書被借的指標研究

3.1圖書老化規(guī)律研究

圖書館大部分館藏文獻是在逐漸老化的，其利用率極低，這主要是圖書館文獻對讀者而言缺乏新穎性、針對性和實用性造成的，老化圖書不僅占據(jù)了圖書館有限的閱覽空間，加大了管理成本，而且給讀者查找圖書帶來不便，甚至影響到了圖書館的工作效率與窗口形象，所以及時剔除老化文獻、吐故納新是保持圖書館旺盛生命力的重要環(huán)節(jié)。圖書文獻的老化可以利用絕對流通量、平均利用率等指標來測度，但以單本圖書為研究對象或把所有圖書均一化看待的方法容易造成唯新是從的現(xiàn)象，而根據(jù)文獻26的研究結(jié)果[26]，每種館藏圖書從入藏至完全失去使用價值時的平均借閱次數(shù)S=K/b，K表示抽樣當年每種圖書的利用次數(shù)，b為一常數(shù)，可見館藏圖書利用率與統(tǒng)計當年每種圖書的利用次數(shù)正相關(guān)，所以頻繁采購同類型、相似內(nèi)容圖書是促進圖書老化的重要因素之一。筆者認為只有研究不同類型圖書的老化趨勢與特點，優(yōu)化采購配置，才能真正提高高校圖書館的文獻利用率。

3.2學科圖書半衰期

1960年，巴爾頓和開普勒提出了文獻情報的半衰期概念[27]：某學科或?qū)I(yè)現(xiàn)今仍在利用的全部文獻中較新的一半是在多長一段時間內(nèi)發(fā)表的（共時半衰期），與該學科一半文獻失效所經(jīng)歷時間相當（歷時半衰期）。也可借鑒文獻半衰期的概念定義學科圖書半衰期：特定統(tǒng)計時間段內(nèi)，某學科或主題圖書集合仍在流通（包括借閱與歸還）的全部圖書中教新的一半是在多長時間內(nèi)出版的（共時半衰期）；某學科或主題圖書集合一半圖書失去使用價值，即不再流通所經(jīng)歷的時間（歷時半衰期）。并且可以利用作圖法（所有測試數(shù)據(jù)均取自于北京大學醫(yī)學圖書館Unicorn系統(tǒng)），以某學科圖書出版年為橫坐標，統(tǒng)計時間段內(nèi)被借閱累積頻次或累積百分比為縱坐標，繪制學科圖書共時半衰期圖（圖1）；以圖書被借閱年代為橫坐標，統(tǒng)計截止時間之前被借閱累積頻次或累積百分比為縱坐標，繪制學科圖書歷時半衰期圖（圖2），其中累積百分比達到50%的點所對應橫坐標，即為半衰期觀測點，從圖1和圖2可以大致估算出R36病理學類圖書的半衰期為8年。1圖1R36類圖書共時半衰期圖1

1圖2R36類圖書歷時半衰期圖1

3.3圖書普賴斯指數(shù)

普賴斯指數(shù)是度量文獻老化速度與程度的指標，在文獻計量學研究中，普賴斯將被引文獻分成有現(xiàn)時作用的文獻和檔案性文獻，前者是指文獻在其出版的5年內(nèi)被引用，后者則是指出版5年后仍被引用，現(xiàn)時作用的文獻在總文獻中的比值即為普賴斯指數(shù)，可見普賴斯指數(shù)越大，該學科文獻老化越快。借鑒普賴斯指數(shù)的機理，定義學科圖書普賴斯指數(shù)：某統(tǒng)計時間段內(nèi)某類被借閱的圖書（如R4類圖書）中出版不超過X年的圖書數(shù)量占全部被借閱圖書的比例。其中X的確定，應以特定圖書館某統(tǒng)計時間段內(nèi)所有流通的圖書為大樣本，統(tǒng)計較新的一半圖書的最早出版年代，則當前統(tǒng)計時間與其差值為X。該指標還適用于其他圖書集合，如特定出版社的圖書、特定作者出版的圖書等。

3.4館藏圖書滯架時限

隨著館藏圖書老化，圖書的利用率和借閱量降低，這不僅占據(jù)了有限的借閱空間，而且增加了管理成本和難度，故大部分高校圖書館都會定期進行剔舊工作，但剔舊并不完全等同于剔除陳舊或破損的圖書。美國圖書館專家特魯斯威爾提出了藏書利用的二八法則：在圖書館的全部藏書中大約有20%的圖書能夠滿足近80%讀者的需求，而其余80%的圖書僅能夠滿足20%讀者的需求。因此，剔除利用率低的圖書才是館藏剔舊的重點，而研究表明，滯架時限是衡量館藏利用率和剔舊數(shù)量的最佳指標[28]。滯架時限指的是單本圖書最后流通時間（借閱日期或還書日期）與統(tǒng)計截止日期之間的差值，默認圖書借閱時限為30天，并不可續(xù)借，滯架時限的統(tǒng)計區(qū)間為0～11個月（如表1）。

3.5學科圖書h指數(shù)

h指數(shù)是J.E.Hirsh于2005年提出的一項旨在評價科學家個人績效的指標，其定義為[20]：將科學家S發(fā)表的論文按照被引次數(shù)從高到低的順序排列，相同被引次數(shù)的論文具有不同的序列號，當且僅當前h篇論文每篇論文的被引次數(shù)至少為h，同時第h+1篇論文的被引次數(shù)小于h+1時，則科學家S的h指數(shù)值為h。通過上文的可行性分析，我們認為特定類型的圖書集合也可以有“h指數(shù)”：將某時間段內(nèi)某主題圖書（如中圖法R322）按照借閱頻次進行排序（多副本圖書采用借閱頻次/副本數(shù)的值作為的相對借閱頻次），相同借閱次數(shù)的圖書具有不同序號（按照出版時間倒序排列），形成圖書數(shù)量與借閱頻次的數(shù)據(jù)序列，參照h指數(shù)原定義，當且僅當前h本圖書每本借閱頻次至少為h，同時第h+1本書借閱頻次小于h+1時，該主題圖書的h指數(shù)為h。如表2所示，統(tǒng)計時間段內(nèi)，某類圖書至少有4本被至少借閱4次，則該類圖書的h指數(shù)為4，那么可以確定該類圖書中借閱頻次大于等于4的為核心圖書。此外，時間段可以設定為年度、學期、月份，從而揭示特定時期的借閱需求特征，甚至可以制定圖書與時間的關(guān)聯(lián)規(guī)則，在圖書管理系統(tǒng)中進行薦閱與提示。