科研人員的個性化推薦需求研究

張建偉　李月琳　盧丹

摘? ?要：文章基于用戶視角揭示了科研人員的個性化推薦需求，構(gòu)建了個性化推薦需求層次模型。豐富了用戶視角下個性化推薦研究，為知識服務平臺更具針對性地設(shè)計個性化推薦提供了理論指導，為實現(xiàn)個性化推薦算法與用戶視角下個性化推薦研究的融合提供了參考。研究采用半結(jié)構(gòu)化深度訪談，對22名科研人員進行了訪談，使用NVivo11質(zhì)性分析工具進行數(shù)據(jù)分析。研究發(fā)現(xiàn)，科研人員的個性化推薦需求包括內(nèi)容需求、交互功能需求、界面布局需求、效能需求和情感需求，其中，需要首先滿足的是內(nèi)容需求，其次是交互功能需求和界面布局需求，再次是效能需求，最后是情感需求。基于此，研究提出科研人員個性化推薦需求層次模型。此外，研究表明，任務、交互檢索習慣、推薦解釋影響著科研人員對個性化推薦的需求和關(guān)注。

關(guān)鍵詞：用戶視角;科研人員;個性化推薦需求

中圖分類號：G250? ?文獻標識碼：A? ?DOI：10.11968/tsyqb.1003-6938.2021056

On Personalized Recommendation Needs of Researchers

Abstract This study aims to explore the personalized recommendation needs （PRNs） of researchers from user's perspective.? Semi-structured in-depth interviews with 22 researchers were conducted， and NVivo11 was used for data analysis. Five PRNs were identified： content needs， interactive functional needs， interface layout needs， effectiveness needs and emotional needs. Furthermore， the PRNs hierarchical model indicates that content needs are basic needs， should be satisfied firstly， interactive functional needs， interface layout needs should be satisfied secondly， followed by effectiveness needs and emotional needs. In addition， tasks， interactive retrieval habits， and recommendation interpretation affect the PRNs of researchers. Based on the results， a PRNs hierarchical model is developed. This study has implications for incorporating personalized recommendation needs into algorithms. It adds new knowledge about personalized recommendation to the research community and informs personalized recommendation system design.

Key words users perspective; researchers; personalized recommendation needs

1? ?引言

個性化推薦是互聯(lián)網(wǎng)平臺（或網(wǎng)站、系統(tǒng)）主動為用戶提供信息的一種服務，長期受到學術(shù)界和工業(yè)界的關(guān)注。已有研究表明，算法導向的個性化推薦研究占據(jù)著主流，大數(shù)據(jù)技術(shù)、機器學習被廣泛運用在個性化推薦研究之中，對推薦算法的嵌入、擬合等研究層出不窮[1-2]，但多數(shù)算法的嵌入、擬合并不具有實踐意義[3]。與此同時，基于用戶視角，個性化推薦應如何表現(xiàn)，用戶對個性化推薦存在哪些需求等問題并未得到應有的關(guān)注。然而，只有洞悉用戶的需求和行為特征，才能為其提供有效的信息服務[4]，對上述問題的探討不僅有利于洞察用戶的個性化推薦需求，也可為個性化推薦算法的改進和個性化推薦系統(tǒng)的設(shè)計提供參考，進一步提升平臺的交互體驗，為用戶提供優(yōu)質(zhì)的個性化推薦服務。

知識服務平臺是ICTs發(fā)展進程中產(chǎn)生的重要學術(shù)信息交流工具，是數(shù)字圖書館發(fā)展的新階段，已成為科研人員跟蹤、獲取最新研究成果的重要信息源。針對知識服務平臺的個性化推薦研究，一些學者關(guān)注了如何使用不同技術(shù)對推薦算法進行優(yōu)化，如通過語義技術(shù)構(gòu)建基于內(nèi)容的知識服務平臺個性化推薦[5];也有學者借助用戶畫像為科研人員提供個性化推薦[6]。但這些研究均未能從用戶視角關(guān)注科研人員的個性化推薦需求。因此，本研究以科研人員為對象，采用半結(jié)構(gòu)化深度訪談法收集數(shù)據(jù)，分析科研人員對知識服務平臺的個性化推薦需求。具體研究問題如下：

RQ1：科研人員對知識服務平臺的個性化推薦需求表現(xiàn)在哪些方面？

RQ2：不同個性化推薦需求存在何種關(guān)系？

RQ3：影響科研人員個性化推薦需求的因素有哪些？

該研究的目的在于揭示科研人員對知識服務平臺的個性化推薦需求，并進一步構(gòu)建個性化推薦需求層次模型，為揭示科研人員的個性化推薦需求、改善基于用戶的個性化推薦算法及提升個性化推薦的績效做出貢獻。

2? ?文獻綜述

2.1? ? 科研人員的信息需求與信息搜尋行為研究

（1）科研人員的信息需求研究。信息需求是情報學領(lǐng)域的重要概念，它源于用戶認知層面的不確定性，進而驅(qū)動用戶展開信息搜尋活動[7]。多位知名學者從認知視角對信息需求進行了深入地研究，形成了影響深遠的理論，如Taylor[8]提出的信息需求四層次，Belkin[9]提出的“知識非常態(tài)（Anomalous State of Knowledge，ASK）假設(shè)”，Dervin[10]提出的認知鴻溝等。在上述理論指導下，學者們進一步研究了不同用戶群體的信息需求。

科研人員是信息行為領(lǐng)域長期關(guān)注的研究對象。已有研究表明，不同學科、不同身份科研人員的信息需求存在一定的差異，如人文社會科學領(lǐng)域科研人員的信息需求主要表現(xiàn)在對文獻和研究數(shù)據(jù)的搜索[11]，航空航天領(lǐng)域的科研人員對獲取最新研究成果需求極大，即使這些成果來源于同行的口頭描述[12]，生物醫(yī)學領(lǐng)域科研人員的信息需求除最新研究成果外，也包括對專業(yè)圖書館和工具的選擇與使用。不僅如此，相較于普通科研人員，院士的信息需求表現(xiàn)在如何提出開拓性研究，而不是花費時間用于選擇工具和搜索[13];但處于職業(yè)生涯初期的科研人員則需要獲取更全面的信息[14-15]。盡管存在上述差異，但科研人員的信息需求大體可以歸納為探索、文獻搜索、科研數(shù)據(jù)查找、信息渠道選擇及技術(shù)工具使用[16]。上述研究為設(shè)計用戶滿意的知識服務平臺提供了指導，對如何為不同學科、不同身份的科研人員提供高質(zhì)量的信息服務具有理論和實踐意義，也為知識服務平臺個性化推薦研究提供了參考。

隨著ICTs的發(fā)展和情境的變化，學者們也進一步揭示了科研合作和學術(shù)社交網(wǎng)絡(luò)情境下科研人員的信息需求。如嚴煒煒[17]提出了科研人員的多粒度科研合作信息需求結(jié)構(gòu);張帥[18]構(gòu)建了學術(shù)社交網(wǎng)絡(luò)情境下，科研人員以研究構(gòu)想、研究評價、研究規(guī)劃、研究實施、發(fā)布與傳播為核心的信息需求模型。可見，新技術(shù)、新情境催生了科研人員新的信息需求，個性化推薦也應做出相應的回應，更好地滿足他們的需求。

（2）科研人員的信息搜尋行為研究。與科研人員的信息需求研究類似，他們的信息搜尋行為引起了學者們的廣泛關(guān)注。學術(shù)界對科研人員信息搜尋行為的研究可追溯至20世紀40年代[7，19]。如Ellis[20]采用扎根理論研究了社會科學家的信息搜尋行為，提煉出了包含開始（starting）、跟蹤引文鏈（chaining）、瀏覽（browsing）、區(qū)分選擇（differentiating）、跟蹤（monitoring）、提?。╡xtracting）6個特征的信息搜尋模式（information seeking pattern）。Ellis等[21-22]又對物理學家、化學家及R&D科研人員的信息搜尋行為進行了研究，進一步將模式擴展到8個特征，新增了驗證（verifying）和結(jié)束（ending）。該模式在學者們的進一步驗證和修訂之下[23-24]，成為揭示用戶信息搜尋行為的經(jīng)典理論模式。

不少學者針對科研人員的信息搜尋行為特征，如信息源選擇、檢索式構(gòu)建、瀏覽、文獻利用、學術(shù)信息交流方式等開展了廣泛的研究[25]。如Brown[26]發(fā)現(xiàn)天文學家、化學家和物理學家高度依賴期刊文獻開展科研工作，但數(shù)學家更多依賴專著和學術(shù)交流活動;張云秋等[27]分析了任務特征對醫(yī)學科研人員信息搜尋行為的影響，構(gòu)建了探索式醫(yī)學搜索行為模型;Arshad和Ameen[28]發(fā)現(xiàn)不同領(lǐng)域科研人員的信息素養(yǎng)存在差異，而社會科學領(lǐng)域研究人員的信息素養(yǎng)相對較高。其次，學者們也識別了影響科研人員信息搜尋行為特征的因素，如Niu和Hemminger[29]使用問卷調(diào)查了2063名科研人員信息搜尋行為，發(fā)現(xiàn)人口統(tǒng)計學、心理學、角色、情境因素對科研人員的信息搜尋行為存在影響，且學術(shù)地位是重要的影響因素;胡媛等[30]發(fā)現(xiàn)個性化服務對科研人員的信息搜索行為存在影響。此外，伴隨著ICTs帶來的變革，學者們開始關(guān)注社交網(wǎng)絡(luò)平臺環(huán)境下科研人員信息搜索行為。Ameen和Arshad[31]發(fā)現(xiàn)，科研人員越來越注重電子資源的使用，更多地通過搜索引擎、谷歌學術(shù)、在線OA（Open Access）網(wǎng)站獲取科研信息。

信息需求驅(qū)動了用戶的信息搜尋行為。用戶在信息搜尋的過程中，是否需要系統(tǒng)提供的個性化推薦取決于用戶的需求。因此，實現(xiàn)有效的個性化推薦離不開對用戶個性化推薦需求的分析。

2.2? ? 學術(shù)信息個性化推薦研究

學術(shù)信息個性化推薦的提出可追溯至20世紀90年代，Bollacker[32]提出了一種基于代理的自動化檢索工具幫助用戶發(fā)現(xiàn)感興趣的出版物，隨后數(shù)據(jù)挖掘算法[33]、機器學習技術(shù)[34]、知識圖譜[35]等被運用到學術(shù)信息個性化推薦研究之中。

首先，結(jié)合語義分析技術(shù)構(gòu)建基于內(nèi)容的推薦算法是實現(xiàn)知識服務平臺個性化推薦的重要方法[5，36]，但該方法存在標注數(shù)據(jù)成本過高的問題，Xue等[37]通過挖掘已有學術(shù)網(wǎng)絡(luò)，自動構(gòu)建訓練數(shù)據(jù)，對提取的多種異構(gòu)特征進行學習，提出了新的候選生成方法，緩解了標注問題;其次，隨機游走算法和矩陣分解能有效地區(qū)分不同用戶的興趣[38-39]，在學術(shù)信息個性化推薦研究中表現(xiàn)較好?；旌贤扑]技術(shù)也被用于知識服務平臺個性化推薦研究，在緩解數(shù)據(jù)稀疏、協(xié)同推薦相關(guān)問題方面表現(xiàn)良好[40-41]。隨著機器學習和大數(shù)據(jù)技術(shù)的發(fā)展，學者們提出了通過構(gòu)建用戶畫像進行學術(shù)信息個性化推薦的策略，如王慶和趙發(fā)珍[6]提出的基于用戶興趣畫像的館藏資源個性化推薦服務模式表現(xiàn)出了良好的推薦性能。上述研究成果從理論上表明了學術(shù)信息個性化推薦的良好性能，但鮮有研究從用戶視角分析科研人員的個性化推薦需求，而洞悉科研人員個性化推薦需求不僅能提高推薦的針對性，還可將用戶的具體需求融入個性化推薦算法中，更好地滿足用戶的個性化需求。

3? ?研究方法

本研究采用半結(jié)構(gòu)化深度訪談法收集數(shù)據(jù)，使用NVivo11質(zhì)性分析工具對訪談數(shù)據(jù)進行開放編碼分析。

3.1? ? 數(shù)據(jù)收集

為確保受訪者快速進入訪談所需要的情境，更加深入地挖掘受訪者的個性化推薦需求，本研究為受訪者提供以機構(gòu)用戶身份訪問中國知網(wǎng)（CNKI）的電腦，供受訪者檢索使用。本研究在對知識服務平臺個性化推薦服務特征分析的基礎(chǔ)上，結(jié)合研究問題設(shè)計了初步的訪談大綱，使用該訪談大綱對4名博士研究生進行預訪談后，對訪談大綱進行優(yōu)化，形成了正式的訪談大綱（見表1）。正式訪談大綱包含4個情境模塊：（1）結(jié)合受訪者的檢索經(jīng)歷，討論他們對個性化推薦的認識;（2）在受訪者熟悉的科研主題情境下討論個性化推薦需求;（3）在受訪者陌生的科研主題情境下討論個性化推薦需求;（4）對比主流知識服務平臺個性化推薦（中國知網(wǎng)、ScienceDirect（2種不同時間節(jié)點的推薦）、JSTOR、Google Scholar），討論個性化推薦需求。

訪談流程包括：受訪者首先簽署知情同意書，然后填寫受訪者基本信息問卷，最后接受訪談。本研究對訪談進行錄音，并使用Morae軟件錄制受訪者在訪談中使用中國知網(wǎng)的檢索過程，形成視頻文件;錄音轉(zhuǎn)化為文字材料用于開放編碼，視頻用于分析受訪者的交互檢索習慣、個性化推薦的使用情況，對開放編碼分析起到輔助作用。每位受訪者在訪談結(jié)束后會收到30元人民幣的酬勞。

本研究選擇研究生和高校教師作為訪談對象（受訪者信息見表2），共招募受訪者22人，其中博士研究生15人（68.17%），碩士研究生4人（18.19%），講師2人（9.09%），副教授1人（4.55%）;受訪者來自6所層次不同的高校，包括南開大學、清華大學、天津大學、重慶大學、天津中醫(yī)藥大學和華北水利水電大學。專業(yè)背景廣泛，主要來自管理學、工學、醫(yī)學、文學、教育學5大學科門類，其中2名受訪者具有交叉學科背景，男女比例為6：5。訪談的時間在2020年12月到2021年3月之間，受新冠肺炎疫情影響，9名受訪者通過騰訊會議接受訪談，訪談過程全程錄音和錄屏，以收集數(shù)據(jù)，進行后續(xù)分析。

3.2? ? 數(shù)據(jù)分析

本研究根據(jù)訪談順序?qū)κ茉L者進行排序（P1-P22），共獲取有效訪談內(nèi)容13余萬字，平均訪談時長54分鐘，采用開放編碼對訪談文本進行分析。分析過程包括4個階段。首先，隨機選擇5個樣本，由兩位編碼人員背靠背完成編碼，討論形成編碼框架;然后，從所有樣本中隨機選擇15個樣本，在編碼框架指導下進行背靠背編碼分析，對編碼結(jié)果進行梳理和總結(jié)（部分編碼框架見表3）;接著，從剩余7個樣本中隨機選擇5個進行編碼分析，對編碼結(jié)果進行檢驗，因沒有新的概念產(chǎn)生，判定為理論飽和;最后，對剩余的2個樣本進行編碼分析，進一步檢驗編碼的有效性。

4? ?研究結(jié)果

4.1? ? 科研人員對知識服務平臺的個性化推薦需求

分析表明，科研人員對知識服務平臺的個性化推薦需求可歸納為5個類別：內(nèi)容需求、交互功能需求、界面布局需求、效能需求和情感需求。

（1）內(nèi)容需求?？蒲腥藛T使用知識服務平臺的主要目的是獲取相關(guān)學術(shù)研究信息，個性化推薦提供準確、新穎、高質(zhì)量、多類型的內(nèi)容是科研人員的首要需求。

首先，受學科和研究主題差異的影響，科研人員期待知識服務平臺個性化推薦能準確區(qū)分差異，精準定位他們潛在的需求，避免推薦內(nèi)容出現(xiàn)張冠李戴。如P3是企業(yè)管理專業(yè)的博士生，他在檢索“概念創(chuàng)新”時，中國知網(wǎng)為其推薦文學領(lǐng)域有關(guān)“概念創(chuàng)新”的內(nèi)容，他表示這種推薦根本沒有存在的必要;其次，新穎、高質(zhì)量的推薦內(nèi)容旨在準確定位科研人員潛在需求的前提下，為他們推薦前沿熱點、高被引、高下載量的文獻，推薦相關(guān)學者及其研究成果。分析發(fā)現(xiàn)，跟蹤研究進展、查新是科研人員使用知識服務平臺進行檢索常見的任務類型，為完成上述任務，科研人員傾向參考最新發(fā)表的高水平論文，因此科研人員要求個性化推薦的內(nèi)容要保證新穎和高質(zhì)量，拒絕推薦陳舊文獻、普通文獻。如P14表示：“最好把與這個主題的研究前沿、一些學術(shù)大牛，在旁邊給我推薦一下，因為這樣的話我可以根據(jù)這些人，更有針對性地找到需要的東西”。此外，個性化推薦的內(nèi)容需要做到多類型，由于不同學科研究范式存在差異，科研人員對推薦內(nèi)容的類型同樣存在差異。除推薦論文外，文學專業(yè)的科研人員希望推薦圖書，而生物類專業(yè)的科研人員希望在檢索文獻時，平臺可以推薦與實驗材料相關(guān)的供應商信息，如P13表示：“可以直接推薦到某個廠家，我們做實驗需要購買設(shè)備，如某種藥物，不同廠家他們的品質(zhì)會有很大差別”。同時，科研人員也希望平臺在推薦時可以對相關(guān)研究提煉總結(jié)，或直接推薦文獻中的圖片和數(shù)據(jù)表格。

（2）交互功能需求。交互功能需求指用戶期待知識服務平臺進行個性化推薦時，為其提供可選擇的、不同的支持用戶與知識服務平臺進行交互的功能、工具，包括擴展查詢、分類排序、更新、關(guān)閉推薦等。

擴展查詢的需求源于科研人員在檢索時認知上出現(xiàn)的“知識非常態(tài)”[9]，進而無法準確地構(gòu)建檢索關(guān)鍵詞。因此，科研人員希望個性化推薦能基于他們輸入的關(guān)鍵詞進行擴展查詢推薦，供其選擇。如P6把他進行學術(shù)信息檢索時遇到的狀態(tài)描述為“我知道我想要什么，但我不知道我怎么去找到它，怎么去描述它”，因此他對個性化推薦提出了如下需求“它能根據(jù)我提供的一些關(guān)鍵詞，推薦出我想要的（能準確描述我信息需求的關(guān)鍵詞），就是實際文獻當中用的比較多的那個關(guān)鍵詞”。

當前知識服務平臺展示個性化推薦常見的形式是羅列文獻屬性或相關(guān)詞組，但結(jié)合科研人員對推薦內(nèi)容的準確、相關(guān)、新穎、高質(zhì)量的要求，他們首先希望個性化推薦能夠?qū)ν扑]內(nèi)容進行分類排序，科研人員根據(jù)自己的需求進行選擇，如根據(jù)影響因子高低、引用量高低分類排序，P19表示：“希望在推薦時，提供排序供我選擇使用，如推薦的內(nèi)容按照年度從近往遠排序，這樣就更好了?！贝送猓蒲腥藛T的交互功能需求還表現(xiàn)在對個性化推薦進行關(guān)閉、更新操作。個性化推薦是平臺主動為用戶提供的一種信息服務，當這種服務無法滿足用戶需求時，他們希望平臺能夠提供更新推薦內(nèi)容或者關(guān)閉推薦的交互功能。如P8希望知識服務平臺可以提供刪除推薦的按鈕，當平臺提供的推薦內(nèi)容質(zhì)量不高時，P22表示“這其實就是一種強迫的推銷，（此時）人的心理上會有一種逆反”。而P13也認為個性化推薦在交互上應讓用戶選擇，尊重用戶意愿?？梢?，知識服務平臺在個性化推薦交互設(shè)計方面應滿足用戶的偏好和需求。

（3）界面布局需求。已有研究表明，信息平臺中信息密度、圖片文字布局、字體字號設(shè)計對用戶的滿意度和搜索效率具有顯著影響[42]。本研究分析發(fā)現(xiàn)，科研人員期待知識服務平臺個性化推薦在界面設(shè)計上應做到視覺吸引和動態(tài)化呈現(xiàn)，尤其在視覺上能夠吸引科研人員的關(guān)注，具體需求表現(xiàn)在呈現(xiàn)位置、字體效果、頁面整體設(shè)計方面。

研究發(fā)現(xiàn)，科研人員的交互檢索路徑是固定的，具有習慣性特征，個性化推薦的呈現(xiàn)位置應出現(xiàn)在檢索結(jié)果的兩側(cè)，且位置醒目，避免使用超鏈接或放置頁面底端等超出用戶視線的位置。如P12表示“我覺得還不如就放在側(cè)邊，因為往下拖拽（網(wǎng)頁）需要時間，而人的目光是有限的”;P3在評價中國知網(wǎng)個性化推薦時表示“知網(wǎng)是最糟糕的，因為他在最底端，我根本注意不到”。其次，科研人員要求展示個性化推薦內(nèi)容的字體大小不應小于頁面其他文字大小，字體顏色在瀏覽前后應有一定的變化（如P10）。此外，在對比不同平臺個性化推薦后，受訪者普遍認為ScienceDirect的個性化推薦界面設(shè)計較好，原因是其個性化推薦展示界面簡潔、直觀、清晰。如P5表示“我可能更喜歡ScienceDirect，他不需要我再去點（擊）一個東西（鏈接）了呀，就很直觀啊，我看到這些推薦的文獻題目就知道要不要了”。

（4）效能需求。科研人員對個性化推薦的效能需求主要表現(xiàn)在啟發(fā)、挖掘潛在關(guān)系、發(fā)散思維，最終提升檢索效率。受“知識非常態(tài)”困擾，科研人員往往試圖通過變換檢索詞來解決這一困境，但這一過程通常會消耗大量時間，最終結(jié)果可能不盡如人意（如P17、P22），因此，科研人員希望個性化推薦能夠基于他們的檢索，結(jié)合相關(guān)前沿熱點，為他們推薦具有啟發(fā)性的信息。跨學科、多學科交叉發(fā)展是當今科學研究的主流發(fā)展方向，科研人員希望個性化推薦能立足于他們當前科研主題，挖掘與之相關(guān)的潛在關(guān)系網(wǎng)絡(luò)，為科研人員提供新的研究思路，突破信息繭房對科研人員帶來的困擾。如P10表示“比如說休閑文學，推薦可以開闊一下思路，就是不同的視角，它可以提示你，發(fā)散思維，它刺激一下，給你一點啟示”;如P2表示“它能夠給我推薦檢索主題背后的一些理論，或者背后的一些隱性的東西的話，我就會覺得更好”。不僅如此，個性化推薦實現(xiàn)挖掘潛在關(guān)系和發(fā)散思維之后意味著檢索效率、交互檢索體驗的雙重提升，這正是科研人員所期待的。

（5）情感需求。科研人員希望個性化推薦能提升檢索的體驗感，在情感上為其帶來意外的驚喜和愉悅。

科研人員認為檢索結(jié)果呈現(xiàn)的是與檢索詞相關(guān)的文獻，檢索結(jié)果只能在一定程度上滿足科研需求，因此他們希望平臺在此基礎(chǔ)上，能夠推薦具有啟發(fā)性的內(nèi)容，為其帶來意外的驚喜（如P2）。此外，科研人員表示學術(shù)信息檢索的過程是枯燥的（如P8），一旦檢索過程遇到困難，會產(chǎn)生沮喪、消極的情緒（如P10），因此科研用戶期待良好的個性化推薦能提升檢索體驗，在推薦優(yōu)質(zhì)內(nèi)容的同時，使其在檢索過程中獲得愉悅感。如P14在講述個性化推薦體驗時表示“某種程度上會讓我心情變好，因為我有新的發(fā)現(xiàn)”。

4.2? ? 不同個性化推薦需求的層次關(guān)系

分析發(fā)現(xiàn)，科研人員表達的5類個性化推薦需求存在層次關(guān)系，本研究進一步構(gòu)建了科研人員個性化推薦需求層次模型（見圖1）。

內(nèi)容需求是科研人員對個性化推薦最基礎(chǔ)的需求表達，也是最核心的需求?？蒲腥藛T在進行學術(shù)信息檢索時，任務目標明確，對結(jié)果質(zhì)量要求高（如P3、P12），因此科研人員首先關(guān)注個性化推薦內(nèi)容的質(zhì)量，內(nèi)容需求也是科研人員最先表達的個性化推薦需求，應優(yōu)先被滿足。

交互功能需求和界面布局需求對內(nèi)容需求的滿足具有支持作用，屬于第二層次的需求。分析發(fā)現(xiàn)，科研人員的交互檢索路徑固定，具有習慣性特征（如P10、P11），為更好地展示個性化推薦內(nèi)容，科研人員對平臺的交互和界面設(shè)計提出了要求。不僅如此，在信息技術(shù)的保障下，交互功能、界面布局可在檢索過程中直接呈現(xiàn)給科研人員，也直接影響著他們對個性化推薦質(zhì)量的感知與評估，故交互功能需求、界面布局需求應緊隨內(nèi)容需求被滿足。

效能需求是第三層次的需求。在內(nèi)容需求、交互功能需求、界面布局需求得到滿足后，科研人員進一步希望個性化推薦能降低他們檢索過程中的“知識非常態(tài)”程度，這也是個性化推薦的價值體現(xiàn)。如P1和P13均表示個性化推薦的效能是在內(nèi)容需求、交互功能需求被滿足的基礎(chǔ)上，進一步提升他們的認知狀態(tài)，他們認為精準的內(nèi)容才能發(fā)散思維，啟發(fā)思考和創(chuàng)新，同時交互功能需求和界面布局需求的滿足可進一步提升他們的檢索效率。

情感需求是科研人員對個性化推薦的第四層需求表達，也是對交互檢索體驗的要求。個性化推薦內(nèi)容質(zhì)量的提升有助于效能需求的實現(xiàn)，效能需求的滿足則會帶來意外的驚喜，個性化推薦交互功能和界面布局需求的滿足有助于提升科研人員的檢索效率和檢索體驗，使科研人員在原本枯燥的檢索過程中體驗到愉悅（如P8）。

4.3? ? 影響科研人員個性化推薦需求的因素

研究發(fā)現(xiàn)，在科研人員的學術(shù)信息檢索過程中，任務、交互檢索習慣、推薦解釋影響著他們對個性化推薦的需求和關(guān)注。

（1）任務。任務是用戶信息搜索的驅(qū)動力，是一個多維變量[43-44]。研究發(fā)現(xiàn)，任務類型、科研人員對任務熟悉度、困難度的感知影響著他們對個性化推薦的需求和關(guān)注。

首先，科研人員面臨的學術(shù)檢索任務可歸納為兩類，以尋找研究主題、跟蹤研究進展、學習領(lǐng)域知識為代表的探索式任務，如項目申報、畢業(yè)論文開題、學習研究方法等;以事實查找與確認為代表的事實型任務，如期刊投稿、數(shù)據(jù)查找等。針對探索式任務，所有受訪者表示需要個性化推薦為他們提供信息服務;但面對事實型任務，72.7%的受訪者認為不需要個性化推薦，因為事實型任務情境下，他們的任務目標明確，受他們固有交互檢索習慣的影響，個性化推薦會被他們認為是一種干擾、強迫，如P13表示“能搜到確定答案的那種是不需要個性化推薦的，因為有準確的結(jié)果，個性化推薦的話就是沒有明確結(jié)果（的時候），他給你提供思路，是比較需要的”。

此外，科研人員對任務熟悉度、任務困難度的感知同樣影響著他們對個性化推薦的需求和關(guān)注，面對低熟悉度、高難度任務時，他們會通過變換關(guān)鍵詞和信息源、咨詢專業(yè)人員的方式完成檢索（如P2、P11），但考慮到付出的成本較大，科研人員期待高質(zhì)量的個性化推薦能夠降低檢索成本，尤其在發(fā)散思維、明晰需求方面，如P2表示“我覺得需要個性化推薦的程度與我要解決問題的難度成正比，如果是一個新的問題，那我可能會比較需要個性化推薦”。由此可見，任務的特征對科研人員個性化推薦的需求具有一定的影響。

（2）科研人員的交互檢索習慣。研究發(fā)現(xiàn)，科研人員在使用知識服務平臺進行檢索時，其檢索路徑相對固化，體現(xiàn)了習慣性的特征。進一步分析可知，科研人員的交互檢索路徑影響著他們對個性化推薦的需求和關(guān)注，他們認為個性化推薦需要發(fā)生在交互檢索路徑之中，否則他們會忽略或淡化個性化推薦的存在。77.3%的受訪者在訪談之初表示并不知道中國知網(wǎng)提供個性化推薦，在體驗中國知網(wǎng)提供的個性化推薦之后，他們表示由于中國知網(wǎng)提供的個性化推薦被放置在文獻詳情頁的底端，而他們通常在查閱檢索文獻的標題、作者信息、摘要、關(guān)鍵詞后就做出了相關(guān)性判斷，沒有向下拖拽網(wǎng)頁的習慣，導致中國知網(wǎng)的個性化推薦從未進入他們的視野（如P11、P12、P13等）。可見，在設(shè)計個性化推薦時需要考慮科研人員的交互檢索習慣。

科研人員的交互檢索習慣符合“最小努力原則”[45]，在滿足基本交互操作前提下，科研人員拒絕個性化推薦帶來的額外交互操作負擔，如查閱個性化推薦需要點擊（如P8）、或需要拖拽網(wǎng)頁（如P11）、亦或強迫用戶瀏覽個性化推薦（如P22）。由此可見，科研人員希望以最小的努力付出獲取有效的信息，個性化推薦交互設(shè)計也應遵循“最小努力原則”。

（3）推薦解釋。個性化推薦解釋的合理性影響著用戶的采納[46]，推薦解釋不合理、不清楚會導致科研人員出現(xiàn)困惑，進一步影響他們對個性化推薦的關(guān)注和信任。如P4、P13對中國知網(wǎng)個性化推薦的排序產(chǎn)生了困惑，但平臺沒有給出推薦解釋，影響了他們對個性化推薦的進一步關(guān)注和采納;P18認為清晰的推薦解釋有助于他對推薦質(zhì)量做出判斷，認為推薦解釋很重要;P2則表示“他給我一個推薦理由的話，會增加我對它的關(guān)注度，肯定會吸引我”?？梢?，推薦解釋同樣影響著科研人員對個性化推薦的需求和關(guān)注。

5? ?討論與結(jié)論

本研究關(guān)注科研人員對知識服務平臺個性化推薦的需求問題，通過對22位科研人員訪談數(shù)據(jù)的分析可知，在知識服務平臺下，科研人員存在5個類別的個性化推薦需求：內(nèi)容需求、交互功能需求、界面布局需求、效能需求和情感需求，不同類別的需求具有不同的特征。內(nèi)容需求是基礎(chǔ)性需求，交互功能需求、界面布局需求支持內(nèi)容需求的滿足，其次需要被滿足的是效能需求，最后是情感需求，研究提煉了科研人員個性化推薦需求層次模型。本研究也進一步發(fā)現(xiàn)，任務、交互檢索習慣、推薦解釋影響著科研人員對個性化推薦的需求和關(guān)注。上述發(fā)現(xiàn)豐富了用戶視角下個性化推薦研究，為知識服務平臺更具針對性地設(shè)計個性化推薦提供了指導，也對未來開展技術(shù)與人文并重的個性化推薦研究具有啟示意義。

（1）滿足個性化推薦需求，緩解用戶“知識非常態(tài)”與檢索系統(tǒng)設(shè)計之間的矛盾。本研究提煉的個性化推薦需求層次模型表明，用戶對個性化推薦有著清晰的需求表達。高質(zhì)量的推薦內(nèi)容、準確的擴展查詢推薦是幫助用戶明晰需求、發(fā)散思維、挖掘潛在關(guān)系，滿足個性化推薦效能需求的基礎(chǔ)，效能需求的滿足則意味著用戶認知上“知識非常態(tài)”的減少，認知的提升為用戶帶來情感上的愉悅和驚喜。結(jié)合Belkin[9]對“知識非常態(tài)假設(shè)（Anomalous State of Knowledge，ASK）”的闡釋，本研究發(fā)現(xiàn)，個性化推薦需求不斷被滿足的過程有助于提升用戶的認知狀態(tài)，這一過程有助于緩解用戶“知識非常態(tài)”與檢索系統(tǒng)設(shè)計之間的矛盾，進一步表明滿足用戶個性化推薦需求的推薦功能在檢索系統(tǒng)中具有重要的位置。

Belkin[9]指出，用戶在認知上對需求內(nèi)容的“未知”或“模糊”往往使他們僅能夠感知到信息需求的存在，但無法準確地描述信息需求，導致“知識非常態(tài)”的發(fā)生;基于關(guān)鍵詞查詢的檢索系統(tǒng)則默認用戶能夠通過構(gòu)建檢索詞清晰地表達他們的需求，但用戶認知上的“知識非常態(tài)”恰好與檢索系統(tǒng)的這一設(shè)計相互矛盾，因此檢索系統(tǒng)應關(guān)注用戶的認知狀態(tài)。本研究從用戶視角揭示的個性化推薦需求層次模型表明，個性化推薦需求的滿足是用戶認知提升的過程，基于用戶個性化推薦需求設(shè)計推薦系統(tǒng)，可緩解用戶在交互檢索過程中的“知識非常態(tài)”，也提升了用戶的檢索效率和檢索體驗，如個性化推薦可以通過擴展查詢幫助用戶定位潛在需求，更加準確地為用戶提供滿足其信息需求的檢索詞。因此個性化推薦作為平臺主動為用戶提供信息的服務形式，是潛在緩解用戶“知識非常態(tài)”與檢索系統(tǒng)設(shè)計矛盾的工具。但這一矛盾的緩解不僅需要個性化推薦基于算法深入挖掘用戶行為、興趣偏好，也需要注重從人文角度洞悉用戶的個性化推薦需求，設(shè)計出既迎合用戶興趣偏好，又滿足用戶個性化推薦需求的推薦系統(tǒng)，提升用戶的個性化推薦體驗。

其次，科研人員在進行學術(shù)信息檢索時，認知上的“知識非常態(tài)”是普遍現(xiàn)象。科研人員對個性化推薦效能需求的表達，也表明當前知識服務平臺基于關(guān)鍵詞查詢的檢索功能并不能為用戶提供足夠有效的信息服務。

（2）推薦系統(tǒng)的交互功能設(shè)計、界面布局設(shè)計是影響用戶使用個性化推薦的重要因素。本研究發(fā)現(xiàn)，個性化推薦的交互功能設(shè)計、界面布局設(shè)計是影響用戶關(guān)注推薦、是否進一步使用推薦的重要因素。如果個性化推薦在交互功能、界面布局設(shè)計上無法滿足用戶的需求，用戶則會淡化對個性化推薦的關(guān)注，高質(zhì)量的推薦內(nèi)容將很難進入用戶的視野，這是對學術(shù)界和工業(yè)界的重要啟示。

用戶信息搜尋過程體現(xiàn)了最小努力原則，用戶傾向通過最小的努力或成本付出，獲取最有效的信息，達到滿足自己信息需求的目的[45]。本研究發(fā)現(xiàn)，滿足最小努力原則是個性化推薦交互設(shè)計的重要參考準則，86.4%的受訪者認為Google Scholar提供的個性化推薦交互設(shè)計是最糟糕的，原因是需要用戶點擊“相關(guān)文獻（Related Articles）”鏈接后，個性化推薦才會在新的頁面中展示出來，而受訪者表示他們不愿意去點擊，此時的點擊會破壞他們正常的交互檢索過程，并表示知識服務平臺把個性化推薦展示在他們目視范圍之內(nèi)即可。此外，中國知網(wǎng)的個性化推薦需要用戶拖拽頁面才能展現(xiàn)出來，多數(shù)受訪者表示這也是非常糟糕的交互體驗，他們通常不會、也不愿意去拖拽頁面。由此可見，個性化推薦交互設(shè)計在一定程度上影響著用戶對推薦的關(guān)注和使用，如果交互設(shè)計迫使用戶需要付出較多成本，用戶則會對個性化推薦失去關(guān)注和興趣，導致高質(zhì)量的推薦內(nèi)容無法呈現(xiàn)給用戶。

個性化推薦的界面布局設(shè)計也直接影響用戶對推薦的進一步關(guān)注和使用。本研究發(fā)現(xiàn)，77.3%的受訪者對中國知網(wǎng)個性化推薦的界面設(shè)計持否定態(tài)度，原因在于中國知網(wǎng)的個性化推薦被放置在頁面最底端，不在用戶的正常視線范圍內(nèi)。用戶希望個性化推薦的界面簡潔、直觀、清晰，需要在視覺上具有一定區(qū)分度，呈現(xiàn)位置要在用戶正常的交互視線之內(nèi)。這一發(fā)現(xiàn)驗證了方浩等[42]發(fā)現(xiàn)頁面中圖片文字、字體字號等界面設(shè)計對用戶滿意度具有一定影響的結(jié)論，同時也啟示我們未來應關(guān)注如何尋求最佳的個性化推薦交互功能設(shè)計、界面布局設(shè)計，為用戶提供更加舒適的個性化推薦體驗。

本研究也進一步驗證了不同學科領(lǐng)域科研人員的信息需求存在差異[11，13]，他們的個性化推薦需求同樣存在差異，如科研人員在個性化推薦的內(nèi)容需求方面，除希望平臺能夠推薦準確、相關(guān)、新穎、高質(zhì)量的文獻外，自然科學領(lǐng)域的科研人員更希望推薦文獻中的圖片，甚至推薦實驗材料相關(guān)的商家信息，而文學領(lǐng)域的科研人員則更期待推薦圖書。這種差異啟示個性化推薦系統(tǒng)在設(shè)計上不僅要注重算法優(yōu)化，也需從用戶視角出發(fā)設(shè)計出更具人文特色、用戶滿意的個性化推薦系統(tǒng)。

本研究也存在一定局限性：首先，由于受訪者招募具有一定難度，導致樣本以博士研究生為主，高校教師的樣本比例較低;其次，本研究以質(zhì)性數(shù)據(jù)為主，還需通過定量分析對模型加以驗證。因此，未來可以通過更大樣本的數(shù)據(jù)，引入定量定性相結(jié)合的研究方法進一步驗證和深化本研究的結(jié)果，豐富個性化推薦研究，提升和改善面向科研人員的個性化推薦系統(tǒng)的開發(fā)和設(shè)計。

參考文獻：

[1]? Renjith S，Sreekumar A，Jathavedan M.An extensive study on the evolution of context-aware personalized travel recommender systems[J].Information Processing & Management，2020，57（1）：102078.

[2]? Xu C.A novel recommendation method based on social network using matrix factorization technique[J].Information processing and management，2018，54（3）：463-474.

[3]? Lazer D，Kennedy R，King G，et al.The Parable of Google Flu：Traps in Big Data Analysis[J].Science，2014，343（3）：1203-1205.

[4]? 于良芝.圖書館情報學概論[M].北京：國家圖書館出版社，2016.

[5]? Pan C，Li W.Research paper recommendation with topic analysis[C].2010 International Conference on Computer Design and Applications.IEEE，2010：264-268.

[6]? 王慶，趙發(fā)珍.基于“用戶畫像”的圖書館資源推薦模式設(shè)計與分析[J].現(xiàn)代情報，2018，38（3）：105-109，137.

[7]? Case D，Given L.Looking for information：a survey of research on information seeking，needs，and behavior[M].Bradford： Emerald，2016.

[8]? Taylor R.Question-Negotiation and information seeking in libraries[J].College and research libraries，1968，29（3）：178-194.

[9]? Belkin N.Anomalous states of knowledge as a basis for information retrieval[J].Canadian journal of information science，1980，5（1）：133-143.

[10]? Dervin B.Information as a user construct： the relevance of perceived information needs to synthesis and interpretation[M].Philadelphia：Temple University Press，1983.

[11]? Kern D，Hienert D.Understanding the information needs of social scientists in Germany[J].Proceedings of the Association for Information Science and Technology，2018，55（1）：234-243.

[12]? Raitt D.The information needs of scientists and engineers in aerospace[M].Cheltenham，UK：Agard，1988.

[13]? Eisenschitz A.Information Needs and Information Seeking Behavior of Agricultural Scientists in Malaysia[J].Library & Information Science Research，2000，22（2）：145-163.

[14]? Tomaszewski R.Information Needs and Library Services for Doctoral Students and Postdoctoral Scholars at Georgia State University[J].Science & Technology Libraries，2012，31（4）：442-462.

[15]? Willson D，Given L."I'm in sheer survival mode"：Information behaviour and affective experiences of early career academics[J].Library & Information Science Research，2020，42（2）：101014.

[16]? 陳春，呂俊生，田曉陽，等.科研用戶的信息需求分析及其服務對策——以中國科學院西北地區(qū)研究所為例[J].圖書館理論與實踐，2009（4）：69-72.

[17]? 嚴煒煒.科研合作中的信息需求結(jié)構(gòu)與協(xié)同信息行為[J].情報科學，2016，34（12）：11-16.

[18]? 張帥.科研生命周期理論視角下學術(shù)社交網(wǎng)絡(luò)用戶信息需求研究[J].圖書館學研究，2021（5）：60-68.

[19]? 鄧小昭.學術(shù)用戶網(wǎng)絡(luò)信息查尋行為研究——行為生態(tài)學與認知科學整合視角[M].北京：科學出版社，2020.

[20]? Ellis D.Modeling the Information-Seeking Patterns of Academic Researchers：A Grounded Theory Approach[J].The Library Quarterly，1993，6（3）：469-486.

[21]? Ellis D，Cox D，Hall K.A comparison of the information seeking patterns of researchers in the physical and social sciences [J].Journal of Documentation，1993，49（4）：356-369.

[22]? Ellis D，Haugan M.Modeling the information seeking patterns of engineers and research scientists in an industrial environment[J].Journal of Documentation，1997，53：384-403.

[23]? Meho L，Tibbo H.Modeling the Information-Seeking Behavior of Social Scientists： Ellis's Study Revisited[J].Journal of the American Society for Information Science and Technology，2003，54（6）：570-587.

[24]? Makri S，Blandford A，Cox A.Investigating the information-seeking behaviour of academic lawyers：From Ellis's model to design[J].Information Processing & Management，2008，44（2）：613-634.

[25]? Niu X，Hemminger B，Lown C，et al.National study of information seeking behavior of academic researchers in the United States[J].Journal of the American Society for Information Science and Technology，2010，61（5）：869-890.

[26]? Brown C.Information seeking behavior of scientists in the electronic information age：Astronomers，chemists，mathematicians，and physicists[J].Journal of the Association for Information Science & Technology，1999，50（10）：929-943.

[27]? 張云秋，李玉玲，王洪媛.基于日志與認知分析的探索式醫(yī)學搜索行為研究[J].圖書情報工作，2014，58（11）：36-42.

[28]? Arshad A，Ameen K.Comparative analysis of academic scientists，social scientists and humanists'scholarly information seeking habits[J].The Journal of Academic Librarianship，2021，47（1）：102297.

[29]? Niu X，Hemminger M.A study of factors that affect the information-seeking behavior of academic scientists[J].Journal of the American Society for Information Science & Technology，2012，63（2）：336-353.

[30]? 胡媛，艾文華，胡子祎，等.高?？蒲腥藛T數(shù)據(jù)需求管理影響因素框架研究[J].中國圖書館學報，2019，45（4）：104-121.

[31]? Ameen K，Arshad A.Scholarly Information Seeking of Academic Engineers and Technologists[J].International Information & Library Review，2018，51（1）：1-8.

[32]? Bollacker K.Citeseer：An autonomous web agent for automatic retrieval and identification of interesting publications[C].Proceedings of the Second International Conference on Autonomous Agents，New York，1998.ACM Press，1998.

[33]? 倪衛(wèi)杰.基于用戶興趣模型的個性化論文推薦系統(tǒng)研究[D].天津：天津大學，2010.

[34]? 熊回香，李躍艷.基于Word2vec的學者推薦與跨語言論文推薦模型研究[J].情報科學，2019，37（12）：19-26.

[35]? 唐浩，劉柏嵩，劉曉玲，等.基于協(xié)同知識圖譜特征學習的論文推薦方法[J].計算機工程，2020，46（9）：306-312.

[36]? Younus A，Qureshi A，Manchanda P，et al.Utilizing Microblog Data in a Topic Modelling Framework for Scientific Articles Recommendation[M].Cham，Switzerland：Springer International Publishing，2014.

[37]? Xue H，Guo J，Lan Y，et al.Personalized paper recommendation in online social scholar system[C].2014 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining（ASONAM）.ACM，2014.

[38]? Gori M，Pucci A.Research Paper Recommender Systems：A Random-Walk Based Approach[C].2006 IEEE/WIC/ACM International Conference on Web Intelligence（WI 2006），18-22 December 2006，Hong Kong，China.ACM，2006.

[39]? Li Y，Yang M，Zhang Z.Scientific articles recommendation[C].Proceedings of the 22nd ACM international conference on Information & Knowledge Management，2013：1147-1156.

[40]? Sun J，Jiang Y，Cheng X，et al.A hybrid approach for article recommendation in research social networks[J].Journal of Information Science，2018，44（5）：696-711.

[41]? Ye B，Tu Y，Liang T.A hybrid system for personalized content recommendation[J].Journal of electronic commerce research，2019，20（2）：91-104.

[42]? 方浩，陳印超，趙瑩，等.移動端新聞平臺信息設(shè)計要素對視覺搜索效率的影響機制[J].圖書情報工作，2019，63（22）：58-67.

[43]? Pharo N，Jarvelin K.The SST method：a tool for analysing Web information search processes[J].Information Processing & Management，2004，40（4）：633-654.

[44]? Li Y，Belkin N.A faceted approach to conceptualizing tasks in information seeking[J].Information Processing & Management，2008，44（6）：1822-1837.

[45]? Zipf K.Human behavior and the principle of least effort[M].Cambridge，Massachusetts：Addison-Wesley，1949.

[46]? Tintarev N，Masthoff J.A survey of explanations in recommender systems[C].Proceedings of the 23rd International Conference on Data Engineering Workshop.Istanbul，Turkey.IEEE，2007：801-810.

作者簡介：張建偉，男，南開大學商學院信息資源管理系博士研究生，研究方向：個性化推薦、交互信息檢索與評估;李月琳，女，南開大學商學院信息資源管理系教授，博士生導師，研究方向：信息行為、交互信息檢索、健康信息學、數(shù)字圖書館與信息系統(tǒng)評估;盧丹，南開大學商學院信息資源管理系碩士研究生，研究方向：信息公開質(zhì)量。