數(shù)字圖書館智能信息推薦服務(wù)滿意度影響機(jī)理的扎根研究

查先進(jìn)，張 坤，嚴(yán)亞蘭

（1.武漢大學(xué)信息資源研究中心，武漢 430072；2.武漢大學(xué)信息管理學(xué)院，武漢 430072；3.武漢大學(xué)圖書情報(bào)國家級實(shí)驗(yàn)教學(xué)示范中心，武漢 430072；4.武漢科技大學(xué)恒大管理學(xué)院，武漢 430065）

1 引言

新信息技術(shù)的發(fā)展使得數(shù)字圖書館信息環(huán)境已由原來的信息不足轉(zhuǎn)變?yōu)樾畔⑦^載[1]，并且新信息環(huán)境下的長尾效應(yīng)[2]、信息碎片化[3]、信息迷航[4]、“情感缺失”[5]等問題愈益凸顯。傳統(tǒng)數(shù)字圖書館提供的“人找信息”[6]“一對多”[7]和“以平臺(tái)為中心”[8]的被動(dòng)服務(wù)模式已與新信息環(huán)境和用戶需求不相適應(yīng)，因此，數(shù)字圖書館信息服務(wù)模式亟待優(yōu)化。同時(shí)，新信息技術(shù)的出現(xiàn)也推動(dòng)了社會(huì)化媒體等非圖書館機(jī)構(gòu)的蓬勃發(fā)展[4]，進(jìn)一步加劇了數(shù)字圖書館面臨的外部威脅。在此背景下，數(shù)字圖書館亟須找到有效途徑以應(yīng)對新挑戰(zhàn)。新信息技術(shù)在為數(shù)字圖書館帶來新挑戰(zhàn)的同時(shí)，亦帶來新機(jī)遇。智能信息推薦的出現(xiàn)為數(shù)字圖書館應(yīng)對挑戰(zhàn)提供了新思路和新方法。例如，Elsevier作為數(shù)字圖書館中重要的全文學(xué)術(shù)資源庫之一，提供了智能信息推薦服務(wù)，能夠根據(jù)用戶的下載、瀏覽等活動(dòng)，向用戶提供個(gè)性化文獻(xiàn)推薦。但是，現(xiàn)階段數(shù)字圖書館智能信息推薦服務(wù)還處于發(fā)展初期，導(dǎo)致用戶對該服務(wù)的體驗(yàn)感受大相徑庭。滿意度是用戶對數(shù)字圖書館智能信息推薦服務(wù)整個(gè)體驗(yàn)過程的評價(jià)和情感反應(yīng)[9]，對數(shù)字圖書館智能信息推薦服務(wù)滿意度影響因素進(jìn)行深入探討，全面揭示其影響規(guī)律，將有助于提升數(shù)字圖書館智能信息推薦質(zhì)量，更好地滿足用戶信息需求，進(jìn)而為數(shù)字圖書館服務(wù)優(yōu)化與良性發(fā)展提供有益參考。因此，本文將具體探討如下問題：數(shù)字圖書館智能信息推薦服務(wù)滿意度影響因素有哪些？影響機(jī)制與作用路徑如何？能否構(gòu)建理論模型？對未來相關(guān)研究與實(shí)踐有何啟示？

2 文獻(xiàn)綜述

數(shù)字圖書館為用戶提供了極佳的學(xué)術(shù)資源[10]，但隨著學(xué)術(shù)資源爆炸式增長，數(shù)字圖書館信息過載現(xiàn)象日趨嚴(yán)重[11]，找到合適的學(xué)術(shù)資源已成為一個(gè)很大的挑戰(zhàn)[12]，而使用推薦系統(tǒng)則有助于應(yīng)對該挑戰(zhàn)[13]。借助推薦系統(tǒng)將相關(guān)信息“推”給數(shù)字圖書館用戶，可以使其得到更好的服務(wù)[10]，因此，數(shù)字圖書館有必要將推薦系統(tǒng)作為促進(jìn)和加速信息搜尋過程中的適當(dāng)工具[14]。推薦系統(tǒng)也稱為個(gè)性化推薦系統(tǒng)[15]，它可以呈現(xiàn)個(gè)性化學(xué)習(xí)內(nèi)容，并提供適當(dāng)?shù)膶W(xué)習(xí)資源來支持用戶活動(dòng)[12]。正確使用推薦系統(tǒng)不僅對于提供真正的個(gè)性化服務(wù)至關(guān)重要，而且可以幫助減少信息過載和提高用戶體驗(yàn)的滿意度[14]。

從20世紀(jì)90年代初至今，推薦系統(tǒng)一直被視為重要研究領(lǐng)域[16]。1992年，美國施樂公司研究所開發(fā)了旨在過濾海量電子郵件和推薦電子新聞的Tapestry系統(tǒng)[17]，這是商業(yè)機(jī)構(gòu)對信息資源推薦的較早嘗試。20世紀(jì)90年代中期，推薦系統(tǒng)的應(yīng)用拓展至數(shù)字圖書館領(lǐng)域，美國圖書館界率先開始數(shù)字圖書館推薦系統(tǒng)項(xiàng)目的研發(fā)。1995年，斯坦福大學(xué)的Balabanovi?和Shoham介紹了其正在研究的數(shù)字圖書館推薦系統(tǒng)項(xiàng)目，并推出了該項(xiàng)目部分成果——個(gè)性化推薦系統(tǒng)LIRA[18]；1997年，他們又介紹了該項(xiàng)目另一成果——個(gè)性化推薦系統(tǒng)Fab[19]。1998年，Bollacker等[20]提出學(xué)術(shù)資源推薦系統(tǒng)CiteSeer，引起各界人士對該問題的關(guān)注。同年，美國人工智能協(xié)會(huì)（American Association for Artificial Intelligence，AAAI）組織召開了專門會(huì)議，對推薦系統(tǒng)的發(fā)展進(jìn)行了集中討論[15]。2000年前后，康奈爾大學(xué)圖書館首次推出了當(dāng)時(shí)較為成熟的圖書館個(gè)性化服務(wù)系統(tǒng)——My Library@Cornell系統(tǒng)，為后來許多數(shù)字圖書館推薦系統(tǒng)提供了設(shè)計(jì)原型[21]。此后，數(shù)字圖書館個(gè)性化推薦服務(wù)逐步發(fā)展起來。然而，近年來，用戶對學(xué)術(shù)資源的需求呈現(xiàn)出明顯的長尾趨勢[22]，對推薦系統(tǒng)提出了更高要求，以往推薦系統(tǒng)與新信息技術(shù)相結(jié)合的產(chǎn)物——智能推薦應(yīng)運(yùn)而生。智能推薦在信息資源領(lǐng)域的應(yīng)用即智能信息推薦，指計(jì)算機(jī)信息系統(tǒng)通過分析用戶數(shù)據(jù)主動(dòng)向用戶提供符合其興趣偏好或需求的信息，其實(shí)質(zhì)是在最短時(shí)間內(nèi)為用戶提供其最想要或最需要的信息。

智能信息推薦是數(shù)字圖書館個(gè)性化服務(wù)的重要內(nèi)容，隨著人工智能迎來發(fā)展新風(fēng)口，國內(nèi)外學(xué)者對數(shù)字圖書館領(lǐng)域智能信息推薦研究的熱情日益增加。當(dāng)前，圍繞數(shù)字圖書館情境開展的智能信息推薦研究主要聚焦于算法與技術(shù)、系統(tǒng)與模型、功能與服務(wù)等方面。針對數(shù)字圖書館智能信息推薦的算法與技術(shù)，Guo等[11]提供了一種個(gè)性化數(shù)字資源推薦方法，將PageRank和協(xié)同過濾（Collaborative Filter‐ing，CF）技術(shù)置于統(tǒng)一框架中，通過從歷史使用數(shù)據(jù)中生成并分析用戶關(guān)系和資源關(guān)系的時(shí)間感知網(wǎng)絡(luò)，向活躍數(shù)字圖書館用戶推薦合適的數(shù)字資源。針對數(shù)字圖書館智能信息推薦的系統(tǒng)與模型，Tian等[23]設(shè)計(jì)了一種基于混合推薦算法的高校圖書館個(gè)性化推薦系統(tǒng)，幫助用戶從許多候選書中選擇適當(dāng)?shù)臅?。針對?shù)字圖書館智能信息推薦的功能與服務(wù)，李賀等[24]發(fā)現(xiàn)，作為移動(dòng)圖書館信息服務(wù)的新方式，情景感知信息推薦服務(wù)有著個(gè)性化的顯著優(yōu)勢，而技術(shù)和設(shè)備的兼容為該服務(wù)提供了外部動(dòng)力和重要保障。隨著研究的成熟，越來越多智能信息推薦系統(tǒng)在數(shù)字圖書館中進(jìn)行使用或試驗(yàn)，如智能圖書推薦系統(tǒng)[25]、科研論文推薦系統(tǒng)[26]、生物醫(yī)學(xué)期刊投稿推薦系統(tǒng)[27]、審稿人推薦系統(tǒng)[28]、智能圖書推廣場景選擇系統(tǒng)[29]等，數(shù)字圖書館智能信息推薦實(shí)踐正在進(jìn)一步深入。

自1998年成立中國高等教育文獻(xiàn)保障系統(tǒng)（China Academic Library&Information System，CALIS）以來，我國數(shù)字圖書館發(fā)展迅速。迄今為止，我國的大學(xué)幾乎都擁有了數(shù)字圖書館[30]，但由于不同數(shù)字圖書館所采用的信息技術(shù)、設(shè)備等各異，不同數(shù)字圖書館的發(fā)展水平并不一致，導(dǎo)致用戶對不同數(shù)字圖書館的使用體驗(yàn)存有差異。用戶滿意度是數(shù)字圖書館服務(wù)的重要衡量指標(biāo)[31]，為了提供有效的數(shù)字圖書館服務(wù)，設(shè)計(jì)人員和管理人員需要充分了解影響數(shù)字圖書館用戶使用滿意度的因素[32]，因此，該主題也受到諸多研究者的關(guān)注。比如，李賀等[33]基于對高校數(shù)字圖書館用戶滿意度內(nèi)涵的分析，考察了高校數(shù)字圖書館用戶滿意度的主要影響因素，并據(jù)此構(gòu)建了評價(jià)模型。胡昌平等[31]利用結(jié)構(gòu)方程模型方法考察了數(shù)字圖書館具體服務(wù)與用戶滿意度之間的影響關(guān)系，研究結(jié)果發(fā)現(xiàn)，數(shù)字圖書館服務(wù)的用戶滿意度受信息提供服務(wù)、信息檢索服務(wù)以及個(gè)性化服務(wù)的直接影響。夏立新等[34]基于用戶視角，利用層次分析法和G1算法，構(gòu)建了數(shù)字圖書館知識服務(wù)滿意度的評價(jià)指標(biāo)體系，并以實(shí)例揭示了各個(gè)指標(biāo)權(quán)重的確立過程。Xu等[35]考察了數(shù)字圖書館用戶滿意度和忠誠度的影響因素，研究結(jié)果證實(shí)，感知有用性和數(shù)字圖書館親和力對用戶滿意度具有顯著影響，進(jìn)而影響用戶對數(shù)字圖書館的忠誠度。與此同時(shí)，他們還考察了研究生和本科生對數(shù)字圖書館滿意度之間的異同，結(jié)果表明，年齡、使用頻率、使用經(jīng)驗(yàn)等個(gè)人差異對本科生和研究生使用數(shù)字圖書館的滿意度都產(chǎn)生了重要影響；與本科生相比，研究生對數(shù)字圖書館的系統(tǒng)質(zhì)量、信息質(zhì)量、服務(wù)質(zhì)量、親和力、易用性及實(shí)用性方面更加滿意[30]。

綜上可知，相關(guān)研究已取得了重要成果，卻仍存在以下不足。首先，現(xiàn)有數(shù)字圖書館智能信息推薦的相關(guān)研究主要聚焦于智能信息推薦前端，即以用戶需求為終點(diǎn)，主要從技術(shù)、算法、模型等層面探討“如何實(shí)現(xiàn)”和“如何優(yōu)化”問題。但聚焦于智能信息推薦后端，即以用戶需求為起點(diǎn)，從推薦質(zhì)量、推薦效果評價(jià)等層面考慮“實(shí)現(xiàn)什么”和“優(yōu)化什么”問題的相關(guān)研究較少，而從用戶體驗(yàn)滿意度視角審視數(shù)字圖書館智能信息推薦服務(wù)的研究則更為匱乏。其次，現(xiàn)有數(shù)字圖書館用戶滿意度相關(guān)研究，主要從整體層面來探討用戶滿意度的影響因素或評價(jià)指標(biāo)，而數(shù)字圖書館提供的服務(wù)其實(shí)有很多，如座位預(yù)約、圖書借還、信息咨詢等，各類具體服務(wù)的影響機(jī)理可能存有差異，需要開展更為深入的針對性研究方可探明。但數(shù)字圖書館用戶滿意度相關(guān)研究中，缺乏聚焦于信息系統(tǒng)推薦服務(wù)這一更加深入和差異化主題層面的探討，因此，在數(shù)字圖書館提供智能服務(wù)已呈普遍趨勢的背景下，有必要對數(shù)字圖書館智能信息推薦服務(wù)滿意度開展進(jìn)一步的細(xì)粒度研究。最后，相關(guān)實(shí)證研究主要采用定量方法展開研究，較少有研究采用質(zhì)性方法進(jìn)行探索性層面的嘗試。因此，本文擬通過訪談法搜集原始數(shù)據(jù)，借助扎根理論方法對原始數(shù)據(jù)進(jìn)行編碼分析，基于已有的理論、文獻(xiàn)和原始數(shù)據(jù)，提煉數(shù)字圖書館智能信息推薦服務(wù)滿意度影響因素，系統(tǒng)揭示各影響因素間的作用關(guān)系與影響路徑，并在此基礎(chǔ)上構(gòu)建各有效影響因素變量間的理論模型，以期為數(shù)字圖書館智能信息推薦服務(wù)的相關(guān)研究與實(shí)踐提供參考。

3 訪談提綱設(shè)計(jì)與數(shù)據(jù)搜集

3.1 訪談提綱設(shè)計(jì)

本文利用半結(jié)構(gòu)化訪談方法進(jìn)行數(shù)據(jù)搜集，數(shù)據(jù)搜集過程如圖1所示。通過文獻(xiàn)調(diào)研和前期經(jīng)驗(yàn)，設(shè)計(jì)初步訪談大綱，邀請兩名受訪者進(jìn)行預(yù)訪談并加以修正，并確定正式訪談提綱（表1）。在訪談提綱中，涉及導(dǎo)語介紹、術(shù)語界定、受訪者信息和核心問題四個(gè)方面。

表1 訪談提綱

圖1 數(shù)據(jù)搜集與分析過程示意

3.2 樣本選擇

本文以目的性抽樣[36]和理論飽和抽樣[37]為原則進(jìn)行樣本選擇。

根據(jù)目的性抽樣原則，本文對樣本對象的限定條件描述為：①熟悉并經(jīng)常使用數(shù)字圖書館；②有過智能信息推薦服務(wù)的接觸或體驗(yàn)；③能夠清楚地理解訪談問題，并具備清楚表達(dá)自身觀點(diǎn)與想法的知識與能力；④能夠最大限度地為訪談問題提供信息量；⑤有時(shí)間、精力、條件等接受訪談，并同意訪談過程全程錄音。

根據(jù)理論飽和抽樣原則，一直訪談至受訪者不再提供新范疇時(shí)停止訪談，并在進(jìn)行大于3人的驗(yàn)證工作后確定研究樣本。結(jié)合上述原則，本文認(rèn)為，文化程度相對較高的研究生群體屬于數(shù)字原住民群體（1990年及之后出生），他們對數(shù)字圖書館智能信息推薦服務(wù)的感受更加具有典型性，因此，該群體成為本文主要的研究樣本目標(biāo)群體。同時(shí)，對數(shù)字圖書館使用頻率較高的師生群體進(jìn)行訪談，更容易獲取豐富的信息量以實(shí)現(xiàn)理論飽和。此外，考慮數(shù)據(jù)搜集的便利性，并盡可能地兼顧不同性別、不同專業(yè)等因素，本文最終將21位受訪者確定為研究樣本（表2）。

表2 研究樣本情況

3.3 數(shù)據(jù)搜集

本文的數(shù)據(jù)搜集工作共歷時(shí)9周，在正式訪談階段，通過線上訪談方式進(jìn)行數(shù)據(jù)搜集，訪談在得到用戶同意后進(jìn)行全程錄音。訪談過程中對受訪者表述不清或模棱兩可的內(nèi)容進(jìn)行追問，訪談結(jié)束后通過電腦軟件進(jìn)行轉(zhuǎn)錄，并進(jìn)行人工校對及修正。轉(zhuǎn)錄完成后，將文檔發(fā)送給受訪者確認(rèn)，以保證數(shù)據(jù)的真實(shí)性，并按照受訪者確認(rèn)順序分別用字母A～U表示，最終形成21篇總字?jǐn)?shù)達(dá)96169字的規(guī)范化轉(zhuǎn)錄文檔。

4 扎根分析

4.1 扎根理論

扎根理論是在經(jīng)驗(yàn)資料基礎(chǔ)上構(gòu)建理論的有效方法，該方法在已有理論和文獻(xiàn)支持之下，根據(jù)研究者個(gè)人知識和經(jīng)驗(yàn)對原始資料進(jìn)行編碼，進(jìn)而構(gòu)建理論模型[38-39]。由于相關(guān)研究并不充分，因此，利用扎根理論方法對數(shù)字圖書館智能信息推薦服務(wù)滿意度進(jìn)行探索性研究是比較合適的選擇。目前，扎根理論已在諸多研究中得到應(yīng)用[40-41]，并受到大量研究者的認(rèn)可。為了方便編碼和記錄原始編碼痕跡，本文采用與扎根理論方法契合度較高[42]，且已在眾多領(lǐng)域得到應(yīng)用的質(zhì)性數(shù)據(jù)分析軟件NVivo進(jìn)行輔助分析[43-44]。本文數(shù)據(jù)編碼分析過程見圖1。

4.2 開放式編碼

在開放式編碼階段，本文通過逐句編碼，共提取出569條原始語句，即原始參考點(diǎn)。在對其進(jìn)行“貼標(biāo)簽”和賦予“本土概念”的操作過程后，共提煉出隱私泄露、滯后推薦、猜你喜歡等78條初始概念（表3）。

表3 概念化編碼舉例

進(jìn)一步對初始概念聚類進(jìn)行范疇化處理，最終形成推薦服務(wù)質(zhì)量滿意度、推薦系統(tǒng)質(zhì)量滿意度等24個(gè)基本范疇。基本范疇、包含的所有初始概念、基本范疇內(nèi)涵及范疇命名依據(jù)如表4所示。

?

?

4.3 主軸編碼

在主軸編碼階段，本文通過對24個(gè)基本范疇進(jìn)行歸納整合，共提煉出數(shù)字圖書館智能信息推薦服務(wù)滿意度、推薦系統(tǒng)質(zhì)量、推薦服務(wù)質(zhì)量、推薦信息質(zhì)量、推薦形式和用戶偏好6個(gè)主范疇（表5）。

表5 主軸編碼情況

4.4 選擇式編碼

在選擇式編碼階段，本文通過對6個(gè)主范疇進(jìn)行反復(fù)比較和深度分析，梳理出如下“故事線”：在用戶偏好的調(diào)節(jié)作用下，推薦服務(wù)質(zhì)量、推薦信息質(zhì)量、推薦系統(tǒng)質(zhì)量和推薦形式對數(shù)字圖書館智能信息推薦服務(wù)滿意度產(chǎn)生直接影響。對故事線的詳細(xì)描述如表6所示。依據(jù)此故事線，本文將“數(shù)字圖書館智能信息推薦服務(wù)滿意度”確定為核心范疇，并構(gòu)建數(shù)字圖書館智能信息推薦服務(wù)滿意度影響機(jī)理的理論模型，如圖2所示。

表6 主范疇典型關(guān)系結(jié)構(gòu)

圖2 數(shù)字圖書館智能信息推薦服務(wù)滿意度影響機(jī)理的理論模型

4.5 理論飽和度檢驗(yàn)和可信度分析

（1）理論飽和度檢驗(yàn)。當(dāng)數(shù)據(jù)資料編碼階段不能再提供新的范疇和關(guān)系時(shí)，再進(jìn)行多于3份資料的驗(yàn)證，若依然不能發(fā)現(xiàn)新的范疇和關(guān)系，便可認(rèn)定編碼所構(gòu)建的理論已實(shí)現(xiàn)飽和[57]。本文將理論飽和原則作為樣本選擇標(biāo)準(zhǔn)之一，即當(dāng)受訪者不能再提供新的范疇和關(guān)系，便停止訪談，因此，最終樣本確定標(biāo)志著理論飽和。

（2）可信度分析。為了保證本研究可信度，訪談前，在文獻(xiàn)調(diào)研、前期經(jīng)驗(yàn)和預(yù)訪談基礎(chǔ)上設(shè)計(jì)正式訪談提綱；訪談時(shí)，采用線上半結(jié)構(gòu)化訪談方式，以激發(fā)受訪者自由表達(dá)真實(shí)想法，對訪談過程全程錄音，并對受訪者回答不清楚或者模棱兩可的內(nèi)容進(jìn)行追問查實(shí)；訪談后，通過機(jī)器轉(zhuǎn)錄和人工校對相結(jié)合方式進(jìn)行規(guī)范化的資料轉(zhuǎn)錄，并將轉(zhuǎn)錄結(jié)果交由受訪者本人進(jìn)行確認(rèn)。在數(shù)據(jù)分析階段，借助NVivo工具，清楚記錄編碼痕跡，通過盡量使用訪談資料提及“本土概念”的方式，以增強(qiáng)分析結(jié)果描述型可信度；通過清楚界定各范疇和關(guān)系的內(nèi)涵并為其提供原始資料支撐，以增強(qiáng)分析結(jié)果解釋型可信度；通過將已有符合相關(guān)范疇內(nèi)涵的概念作為范疇命名的參考依據(jù)，并嚴(yán)格遵循扎根理論三級編碼程序及要求，以增強(qiáng)分析結(jié)果理論型可信度。

5 數(shù)字圖書館智能信息推薦服務(wù)滿意度的影響機(jī)理

5.1 推薦系統(tǒng)質(zhì)量對數(shù)字圖書館智能信息推薦服務(wù)滿意度的影響

推薦系統(tǒng)質(zhì)量通過系統(tǒng)穩(wěn)定性、系統(tǒng)易用性、界面友好性和隱私安全性四個(gè)基本范疇體現(xiàn)。①系統(tǒng)穩(wěn)定性是用戶使用數(shù)字圖書館智能信息推薦服務(wù)的基本條件，結(jié)合訪談材料，用戶認(rèn)為系統(tǒng)穩(wěn)定性越高，其在使用過程中遇到系統(tǒng)崩潰、卡頓等問題的情況越少，體驗(yàn)滿意度會(huì)更高，即系統(tǒng)穩(wěn)定性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。②訪談結(jié)果顯示，用戶認(rèn)為在使用推薦系統(tǒng)的過程中，操作越簡單、自己付出的精力越少，越容易產(chǎn)生高滿意度，即系統(tǒng)易用性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。③推薦系統(tǒng)界面是用戶使用該系統(tǒng)首先會(huì)關(guān)注到的變量，不同界面對用戶產(chǎn)生的視覺沖擊不同，根據(jù)訪談資料，用戶認(rèn)為推薦系統(tǒng)界面設(shè)計(jì)越友好，越容易讓其產(chǎn)生新鮮感，進(jìn)而越容易產(chǎn)生高體驗(yàn)滿意度，即界面友好性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。④推薦系統(tǒng)也引發(fā)了用戶對個(gè)人隱私的擔(dān)憂，訪談資料顯示，用戶較難接受隱私保護(hù)能力低的推薦系統(tǒng)，尤為厭惡服務(wù)方出售其信息以牟利的行為，因此，推薦系統(tǒng)越能保證用戶隱私安全，用戶滿意度越高，即隱私安全性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。結(jié)合上述各基本范疇與主范疇間關(guān)系以及各基本范疇對數(shù)字圖書館智能信息推薦服務(wù)滿意度的影響，可認(rèn)為推薦系統(tǒng)質(zhì)量正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。

5.2 推薦服務(wù)質(zhì)量對數(shù)字圖書館智能信息推薦服務(wù)滿意度的影響

推薦服務(wù)質(zhì)量通過推薦及時(shí)性、推薦可控性和推薦個(gè)性化三個(gè)基本范疇體現(xiàn)。①推薦個(gè)性化能夠反映推薦系統(tǒng)在多大程度上滿足用戶需求，訪談資料表明，用戶認(rèn)為推薦系統(tǒng)提供的推薦服務(wù)越個(gè)性化，其推薦的信息與用戶需求就越匹配，用戶越容易產(chǎn)生高體驗(yàn)滿意度，即推薦個(gè)性化正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。②推薦可控性體現(xiàn)了用戶所感知到的其對推薦服務(wù)的控制能力，結(jié)合訪談資料，部分用戶希望可以自主決定推薦的頻率、數(shù)量和時(shí)間等，尤為重要的是，當(dāng)其發(fā)現(xiàn)推薦服務(wù)對其造成困擾時(shí)，用戶希望可以選擇退訂或關(guān)閉，若系統(tǒng)繼續(xù)強(qiáng)行推薦，則會(huì)引起其不滿，因此，可認(rèn)為推薦可控性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。③推薦及時(shí)性反映了推薦服務(wù)的方便與快捷程度，體現(xiàn)了推薦系統(tǒng)的推薦效率，訪談結(jié)果顯示，用戶認(rèn)為推薦越及時(shí)，越可能會(huì)對其產(chǎn)生價(jià)值，進(jìn)而越容易產(chǎn)生高滿意度，即推薦及時(shí)性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。綜上，可認(rèn)為推薦服務(wù)質(zhì)量正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。

5.3 推薦信息質(zhì)量對數(shù)字圖書館智能信息推薦服務(wù)滿意度的影響

推薦信息質(zhì)量通過推薦信息的準(zhǔn)確性、多樣性、豐富性、及時(shí)性、實(shí)用性和精簡性六個(gè)基本范疇體現(xiàn)。①不同推薦系統(tǒng)推薦的信息質(zhì)量高低不同，結(jié)合訪談資料，用戶認(rèn)為與其他推薦系統(tǒng)相比，數(shù)字圖書館的推薦系統(tǒng)推薦的信息更加可信，但由于其推薦的信息往往專業(yè)性很強(qiáng)，用戶也更難辨別信息是否真實(shí)準(zhǔn)確，若其推薦的信息越準(zhǔn)確，則越有可能產(chǎn)生高滿意度，即推薦信息的準(zhǔn)確性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。②結(jié)合訪談資料，用戶認(rèn)為推薦系統(tǒng)一直推薦某種相似主題或內(nèi)容的信息會(huì)造成其視野狹隘，不利于其長遠(yuǎn)發(fā)展，系統(tǒng)若提供具有差異性的信息內(nèi)容，則可以在一定程度上避免“信息繭房效應(yīng)”，也有助于滿足其不斷變化的信息需求，因此，可認(rèn)為信息主題和內(nèi)容越多樣，越容易產(chǎn)生高滿意度，即信息多樣性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。③訪談資料顯示，用戶認(rèn)為面對海量碎片化信息和快節(jié)奏生活，系統(tǒng)推薦的信息越豐富，便越省時(shí)省力，其體驗(yàn)滿意度便越高，即信息豐富性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。④信息具有一定生命周期，只有處于生命周期內(nèi)的信息才能對用戶產(chǎn)生價(jià)值，信息及時(shí)性體現(xiàn)了信息的新穎性，結(jié)合訪談結(jié)果，用戶認(rèn)為系統(tǒng)提供的信息越新穎，對其價(jià)值越高，從而滿意度也越高，即信息及時(shí)性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。⑤針對用戶同一需求，系統(tǒng)可能會(huì)提供很多信息，但訪談資料顯示，用戶認(rèn)為不實(shí)用的信息會(huì)浪費(fèi)其時(shí)間，系統(tǒng)提供的信息越實(shí)用，對其價(jià)值越大，越容易產(chǎn)生高滿意度，即信息實(shí)用性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。⑥訪談資料顯示，用戶認(rèn)為系統(tǒng)推薦的信息越冗長，越容易引起其反感，體驗(yàn)滿意度也越低，即信息精簡性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。綜上，可認(rèn)為推薦信息質(zhì)量正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。

5.4 推薦形式多樣性對數(shù)字圖書館智能信息推薦服務(wù)滿意度的影響

推薦形式多樣性主要通過推薦途徑多樣性、信息呈現(xiàn)形式多樣性和資源格式多樣性三個(gè)基本范疇體現(xiàn)。①推薦途徑是用戶接收到推薦內(nèi)容的必經(jīng)環(huán)節(jié)，訪談結(jié)果顯示，用戶認(rèn)為系統(tǒng)提供的推薦途徑（郵箱、短信、微信等）越多，符合其需求或偏好的可能性越大，其體驗(yàn)滿意度也越高，即推薦途徑的多樣性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。②不同呈現(xiàn)形式所表達(dá)的信息內(nèi)容含量與情感不同，結(jié)合訪談資料，用戶認(rèn)為推薦系統(tǒng)提供的信息呈現(xiàn)形式（文字、圖片、小視頻等）越多樣，越容易滿足其不同需求或偏好，進(jìn)而越容易產(chǎn)生高滿意度，即信息呈現(xiàn)形式多樣性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。③不同資源格式具有不同特點(diǎn)，結(jié)合訪談資料，用戶認(rèn)為當(dāng)系統(tǒng)無法準(zhǔn)確識別其需求和特點(diǎn)時(shí)，推薦服務(wù)提供的資源格式（PDF、CAJ等）越多樣，用戶選擇空間越大，其滿意度也越高，即資源格式的多樣性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。綜上，可認(rèn)為推薦形式多樣性正向影響數(shù)字圖書館智能信息推薦服務(wù)滿意度。

5.5 用戶偏好的調(diào)節(jié)作用

用戶偏好通過推薦服務(wù)偏好、推薦系統(tǒng)偏好、推薦形式偏好和系統(tǒng)功能使用偏好四個(gè)基本范疇體現(xiàn)。本研究的訪談資料顯示，用戶偏好的不同，推薦系統(tǒng)質(zhì)量、推薦服務(wù)質(zhì)量、推薦信息質(zhì)量和推薦形式對數(shù)字圖書館智能信息推薦服務(wù)滿意度的影響程度會(huì)發(fā)生改變，因此，用戶偏好具有調(diào)節(jié)作用。其中，推薦服務(wù)偏好主要調(diào)節(jié)推薦服務(wù)質(zhì)量對數(shù)字圖書館智能信息推薦服務(wù)滿意度的影響，推薦信息偏好主要調(diào)節(jié)推薦信息質(zhì)量對數(shù)字圖書館智能信息推薦服務(wù)滿意度的影響，推薦形式偏好主要調(diào)節(jié)推薦形式多樣性對數(shù)字圖書館智能信息推薦服務(wù)滿意度的影響，系統(tǒng)使用偏好主要調(diào)節(jié)推薦系統(tǒng)質(zhì)量對數(shù)字圖書館智能信息推薦服務(wù)滿意度的影響。

6 研究結(jié)果、貢獻(xiàn)與展望

本文通過對訪談數(shù)據(jù)進(jìn)行三級扎根分析，提煉出范疇并梳理“故事線”，系統(tǒng)地揭示了數(shù)字圖書館智能信息推薦服務(wù)滿意度的影響機(jī)理。研究結(jié)果發(fā)現(xiàn)，數(shù)字圖書館智能信息推薦服務(wù)滿意度包括推薦服務(wù)質(zhì)量滿意度、推薦系統(tǒng)質(zhì)量滿意度、推薦信息質(zhì)量滿意度和推薦形式滿意度四個(gè)方面，推薦系統(tǒng)質(zhì)量（系統(tǒng)穩(wěn)定性、系統(tǒng)易用性、界面友好性和隱私安全性）、推薦信息質(zhì)量（推薦信息的準(zhǔn)確性、推薦信息的多樣性、推薦信息的豐富性、推薦信息的及時(shí)性、推薦信息的實(shí)用性和推薦信息的精簡性）、推薦服務(wù)質(zhì)量（及時(shí)性、推薦可控性和推薦個(gè)性化）和推薦形式多樣性（推薦途徑多樣性、信息呈現(xiàn)形式多樣性和資源格式多樣性）在用戶偏好（推薦服務(wù)偏好、推薦系統(tǒng)偏好、推薦形式偏好和系統(tǒng)使用偏好）的調(diào)節(jié)作用下，直接對數(shù)字圖書館智能信息推薦服務(wù)滿意度產(chǎn)生正向影響。

本文主要貢獻(xiàn)如下：①以往研究對社交媒體情境下智能信息推薦相關(guān)主題研究較多[58-60]，但聚焦數(shù)字圖書館這一學(xué)術(shù)情境開展的針對性研究相對較少，在這些研究中，主要探討了數(shù)字圖書館智能信息推薦的系統(tǒng)設(shè)計(jì)、算法優(yōu)化、模型構(gòu)建和功能拓展等主題，本文從用戶滿意度視角對數(shù)字圖書館這一學(xué)術(shù)情境下智能信息推薦服務(wù)的影響機(jī)理進(jìn)行扎根探測，填補(bǔ)了現(xiàn)有研究的不足，豐富了現(xiàn)有研究的主題，并進(jìn)一步加深了人們對智能推薦服務(wù)滿意度的理解。②以往對不同情境下智能信息推薦服務(wù)滿意度影響因素的研究主要采用定量方法開展，使得一些潛在的影響范疇未能被發(fā)現(xiàn)，且影響因素間的作用關(guān)系缺乏系統(tǒng)梳理。本文采用質(zhì)性方法進(jìn)行差異性的探索性研究，系統(tǒng)地揭示了數(shù)字圖書館智能信息推薦服務(wù)用戶滿意度的影響因素，對各要素的作用路徑進(jìn)行了剖析，并從理論層面構(gòu)建了研究框架，為后續(xù)智能推薦服務(wù)的相關(guān)研究問卷量表和評價(jià)模型指標(biāo)的設(shè)計(jì)提供了理論參考，也為數(shù)字圖書館智能信息推薦服務(wù)的優(yōu)化提供了實(shí)踐依據(jù)。③驗(yàn)證了改進(jìn)后D&M模型在數(shù)字圖書館智能信息推薦服務(wù)領(lǐng)域的契合性，延伸了該理論的適用場景，同時(shí)，新提煉出推薦形式多樣性范疇的影響作用，并進(jìn)一步考察了用戶偏好的調(diào)節(jié)影響，深化和拓展了改進(jìn)后的D&M模型，為未來研究提供了新思路。④為智能信息推薦服務(wù)賦予了新內(nèi)涵和新要求。在以往研究或?qū)嵺`中，推薦系統(tǒng)更多地關(guān)注用戶個(gè)性化信息需求或信息偏好的實(shí)現(xiàn)，即“投其所好”，但用戶需求是多層且易變的[61]，“投其所好”容易導(dǎo)致“隧道視野效應(yīng)”和“信息繭房效應(yīng)”，而數(shù)字圖書館作為傳播知識的重要載體，其目標(biāo)之一是開闊用戶視野，促進(jìn)其全面發(fā)展，因此，數(shù)字圖書館的智能信息推薦不僅需要實(shí)現(xiàn)“投其所好”（準(zhǔn)確性），還需要實(shí)現(xiàn)“亮點(diǎn)紛呈”（多樣性）和“意外之喜”（預(yù)見性）。

但本文尚存在一定的局限性。首先，采用扎根理論方法進(jìn)行數(shù)據(jù)編碼存在主觀性，這導(dǎo)致研究模型及結(jié)論的可靠性需進(jìn)一步提升。其次，對數(shù)字圖書館智能信息推薦服務(wù)滿意度影響因素中的影響程度及影響路徑關(guān)系的探究還有待深入，比如，各范疇對用戶體驗(yàn)滿意度的影響分別是多大，用戶偏好的調(diào)節(jié)作用影響有多大等。后續(xù)研究可結(jié)合結(jié)構(gòu)方程建模等方法進(jìn)行定量實(shí)證研究，通過對更大范圍的研究樣本進(jìn)行數(shù)據(jù)搜集與分析，使得影響路徑和變量間的關(guān)系更加細(xì)粒化，從而進(jìn)一步提升研究模型的穩(wěn)健性和研究結(jié)果的普適性。