高校圖書館讀者教育培訓(xùn)現(xiàn)狀的統(tǒng)計(jì)與預(yù)測(cè)

鄧 盛,侯奇焜,陳敏哲,楊宇舟,趙夏苓

(1.湖南師范大學(xué)外國語學(xué)院,湖南 長沙 410081)(2.廈門大學(xué)經(jīng)濟(jì)學(xué)院,福建 廈門 361005)(3.波士頓大學(xué)經(jīng)濟(jì)學(xué)院,美國 波士頓 02215)

新形勢(shì)下的高校圖書館讀者教育培訓(xùn)工作主張“一切以讀者發(fā)展為中心”,通過“高校圖書館讀者教育培訓(xùn)”為主題詞檢索中文最大數(shù)據(jù)庫CNKI,可以從過去15年的620篇文獻(xiàn)成果中清晰地看到中國大陸高校圖書館關(guān)于讀者教育培訓(xùn)工作的發(fā)展. 隨著讀者培訓(xùn)內(nèi)容的不斷拓展以及培訓(xùn)形式的多樣化,高校圖書館讀者教育培訓(xùn)工作針對(duì)培訓(xùn)項(xiàng)目內(nèi)容的設(shè)計(jì)、調(diào)研、以及設(shè)置的形式都會(huì)根據(jù)各自特點(diǎn)開展. 在教育培訓(xùn)期的宣傳、培訓(xùn)形式的多樣性結(jié)合也進(jìn)一步吸引讀者的注意力,使他們對(duì)培訓(xùn)課程產(chǎn)生濃厚的興趣. 針對(duì)培訓(xùn)效果,部分高校圖書館也會(huì)針對(duì)性地做一些讀者調(diào)研或是網(wǎng)上培訓(xùn)隨堂測(cè). 這些工作都會(huì)對(duì)高校圖書館實(shí)施培訓(xùn)教育的工作者予以及時(shí)反饋:如對(duì)培訓(xùn)項(xiàng)目的需求性是否強(qiáng)烈,對(duì)培訓(xùn)內(nèi)容的知識(shí)點(diǎn)是否了解掌握,對(duì)施教者本次講評(píng)或課程設(shè)計(jì)的建議,希望獲得或偏重哪些方面的培訓(xùn)等,并以此來提高讀者教育培訓(xùn)工作的實(shí)際效果.

目前,高校圖書館已進(jìn)入數(shù)字化時(shí)代,關(guān)于讀者教育培訓(xùn)服務(wù)的內(nèi)容和方式也正發(fā)生著深刻變化. 培訓(xùn)者們似乎更注重教育培養(yǎng)解決問題能力,提高個(gè)人在工作中必須具備的知識(shí)技能與態(tài)度,以勝任某個(gè)特定的職務(wù)或執(zhí)行其所從事的一切活動(dòng)[1]. 通過近15年文獻(xiàn)成果可以看到中國大陸高校圖書館在讀者教育培訓(xùn)工作中取得了很大的進(jìn)步,尤其是教育培訓(xùn)的形式:從面對(duì)面講座的教授口口相傳到簡(jiǎn)單的PowerPoint演示文檔,發(fā)展到MOOC、微課、手機(jī)視頻,甚至還有少部分研究者提出的lab.3.0這類虛擬培訓(xùn). Web3.0時(shí)代下學(xué)生獲取文獻(xiàn)檢索課的行為既表現(xiàn)出與泛在學(xué)習(xí)相同的特點(diǎn):隨時(shí)、隨地、集成地獲得相關(guān)知識(shí)和服務(wù),又表現(xiàn)出極強(qiáng)的參與性與合作學(xué)習(xí)的特點(diǎn)[2]. 高校圖書館的讀者對(duì)教育培訓(xùn)服務(wù)不再停留在對(duì)原始教育培訓(xùn)模式上的需求,他們的需求越來越高,要求教育培訓(xùn)者將更加專業(yè)化的培訓(xùn)信息轉(zhuǎn)向更加個(gè)性化的服務(wù). 現(xiàn)在的大學(xué)生讀者都是在數(shù)字化的環(huán)境下成長,互聯(lián)網(wǎng)和數(shù)字化信息的使用已經(jīng)變成常態(tài),在這樣的環(huán)境下,高校圖書館也應(yīng)隨著讀者的受教行為發(fā)生變化,需要更好地對(duì)讀者的教育培訓(xùn)進(jìn)行分析. 選擇合適的讀者教育培訓(xùn)形式,結(jié)合讀者受教過程中所要求的專業(yè)性、個(gè)性化服務(wù)而衍生的讀者預(yù)約式培訓(xùn)活動(dòng). 針對(duì)學(xué)科特點(diǎn),尤其是學(xué)科館員需要結(jié)合所屬專業(yè)的特點(diǎn),設(shè)置適合本專業(yè)信息資源的應(yīng)用,而這些形式在CNKI檢索文獻(xiàn)中都有較好的體現(xiàn).

圖書館作為高校教學(xué)和科研最為重要的補(bǔ)充基地,讀者的教育培訓(xùn)內(nèi)容與培訓(xùn)模式也十分重要. 通常情況下,高校圖書館讀者教育培訓(xùn)工作主要含有:新生入館教育、文獻(xiàn)檢索引用以及專題講座、多媒體實(shí)操輔導(dǎo)、數(shù)字參考咨詢、知識(shí)競(jìng)賽和有獎(jiǎng)問答等. 基于“圖書館是唯一集中的場(chǎng)所,它提供了一個(gè)以用戶為中心、服務(wù)為手段的環(huán)境,可以讓日新月異的最新信息技術(shù)與傳統(tǒng)的知識(shí)資源相結(jié)合[3]”這些具體的教育培訓(xùn)模式都會(huì)涉及不同學(xué)科類的讀者,而交流的有效性則很大程度取決于讀者行為的參與度. 美國Donald Beagle教授認(rèn)為“以數(shù)字化信息資源為背景構(gòu)建一個(gè)信息供需雙方協(xié)同的工作空間,使用戶與館員、用戶與用戶之間可以進(jìn)行顯性和隱性知識(shí)的交流和建模,這種多維的動(dòng)態(tài)交互模式不僅能夠?yàn)閹熒峁└玫男畔⒎?wù),而且通過用戶們相互的信息交流可拓展知識(shí)背景和進(jìn)行知識(shí)創(chuàng)新”[4]. 從技術(shù)上說,將信息共享空間描述為“共同的學(xué)習(xí)場(chǎng)所、多媒體工作站、高科技教室以及小組研究空間的組合”[5]是可以實(shí)現(xiàn)的. 隨著手機(jī)端口的進(jìn)一步開發(fā)應(yīng)用,使得讀者可以便捷檢索文獻(xiàn)及使用電子數(shù)據(jù)庫. 隨著科技的進(jìn)一步發(fā)展,教育培訓(xùn)的推送也更簡(jiǎn)潔便利,培訓(xùn)教師們可通過RSS工具聚合各學(xué)科國內(nèi)外的博客學(xué)術(shù)動(dòng)態(tài)信息推送給讀者,減少用戶信息搜索和獲取的成本[6].

1 數(shù)據(jù)處理與分析

1.1 數(shù)據(jù)來源

表1 分類變量設(shè)定Table 1 Set classification variables

數(shù)據(jù)收集最近15年中文數(shù)據(jù)庫CNKI以“高校圖書館讀者教育培訓(xùn)”為關(guān)鍵詞的620篇論文,并對(duì)它們進(jìn)行年份整理與分類整理;同時(shí)收集南京師范大學(xué)圖書館官網(wǎng)上披露的近幾年讀者培訓(xùn)鏈接記錄,通過發(fā)布時(shí)間進(jìn)行時(shí)段性分類整理. 由于讀者培訓(xùn)實(shí)踐與學(xué)術(shù)文獻(xiàn)的內(nèi)容無法一一對(duì)應(yīng),為了客觀反映圖書館讀者教育培訓(xùn)相關(guān)學(xué)術(shù)研究的內(nèi)容與高校圖書館讀者培訓(xùn)實(shí)踐主要內(nèi)容的大致對(duì)應(yīng)關(guān)系,我們將圖書館培訓(xùn)內(nèi)容分類與論文分類對(duì)應(yīng)起來,以1-6為標(biāo)志,構(gòu)成了一個(gè)類別變量(見表1).

值得注意的是:從數(shù)據(jù)整理分析中可以看到每年文獻(xiàn)內(nèi)容對(duì)當(dāng)年讀者培訓(xùn)規(guī)劃內(nèi)容的影響——前9個(gè)月的文獻(xiàn)已經(jīng)占了當(dāng)年學(xué)術(shù)文獻(xiàn)的多數(shù). 這是由于網(wǎng)頁鏈接無法獲取圖書館每年規(guī)劃讀者培訓(xùn)的時(shí)間,而導(dǎo)致我們無法精確區(qū)分發(fā)表文獻(xiàn)對(duì)當(dāng)年讀者培訓(xùn)規(guī)劃的影響. 但我們可以發(fā)現(xiàn),在接下來的幾年里,不同的內(nèi)容都在增加,其中關(guān)于讀者培訓(xùn)的論文數(shù)量增長最快(見圖1).

數(shù)據(jù)來源:整理所得圖1 不同論文內(nèi)容下的論文發(fā)表數(shù)預(yù)測(cè)Fig.1 Under different thesis paper presented for prediction

1.2 不同類別文獻(xiàn)發(fā)表次數(shù)的估計(jì)

由于文獻(xiàn)數(shù)量影響著圖書館的讀者培訓(xùn),所以為了預(yù)測(cè)讀者培訓(xùn)次數(shù)的變化,首先需要預(yù)測(cè)不同類別文獻(xiàn)數(shù)量在未來的變化. 在這種情況下,本文采用普通最小二乘法(OLS)、負(fù)二項(xiàng)回歸(NBREG)、廣義線性模型(GLM)分別預(yù)測(cè)文獻(xiàn)數(shù)量,其中GLM又根據(jù)數(shù)據(jù)的分布不同,分為負(fù)二項(xiàng)GLM、泊松GLM與伽馬GLM 3種情況[7-11].

根據(jù)文獻(xiàn)[12-14]中的方法與工具,可以得到關(guān)于不同類別文獻(xiàn)發(fā)表次數(shù)的擬合與預(yù)測(cè)值. 因此,OLS模型設(shè)定如下:

而負(fù)二項(xiàng)模型與GLM模型設(shè)定如下:

式中,cnkinumit是類別i在第t年的文獻(xiàn)數(shù)量,classidj是第j種論文內(nèi)容的類別變量,yeart是年度時(shí)間趨勢(shì)項(xiàng).為此,針對(duì)不同論文內(nèi)容,可以得到5種不同回歸的論文發(fā)表次數(shù)預(yù)測(cè)值,時(shí)間為2019-2028年,εit是殘差項(xiàng).

這些預(yù)測(cè)值并沒有考慮時(shí)間滯后項(xiàng),因?yàn)閿?shù)據(jù)太短,在考慮時(shí)間滯后的情況下,無法得到較長時(shí)間的預(yù)測(cè)值;并且年度時(shí)間趨勢(shì)項(xiàng)yeart已經(jīng)吸收了時(shí)間效應(yīng),為了減少樣本量的損失,這里不設(shè)立時(shí)間虛擬變量.

表2 PCSE與POISSON模型的參數(shù)估計(jì)Table 2 PCSE and POISSON model parameter estimation

1.3 不同類別圖書館讀者培訓(xùn)的擬合

根據(jù)類別變量classid,我們可以得到 t 年圖書館讀者培訓(xùn)類別j的次數(shù)libnumj,t. 假設(shè)讀者培訓(xùn)次數(shù)受到同一類別文獻(xiàn)數(shù)量的影響,那么設(shè)計(jì)圖書館培訓(xùn)課題的相關(guān)內(nèi)容就會(huì)受到之前文獻(xiàn)的影響,也就是說,讀者培訓(xùn)受到的影響是來自于文獻(xiàn)發(fā)表量的滯后項(xiàng)中. 因此,就可以構(gòu)造簡(jiǎn)單的回歸模型:

這個(gè)模型中,n是時(shí)間滯后的最大項(xiàng)數(shù),α是截距項(xiàng),βt與γi是對(duì)應(yīng)變量的參數(shù). classidi是根據(jù)classid變量構(gòu)造出來的虛擬變量,用來控制不同類別關(guān)聯(lián)中不隨時(shí)間變化的影響.在虛擬變量的設(shè)定中,我們發(fā)現(xiàn),由于數(shù)據(jù)過少,實(shí)際上只有類別2與5的虛擬變量可以被構(gòu)造出來,其他的類別虛擬變量都因?yàn)橄鄳?yīng)類別在樣本中的數(shù)量太少,所以無法明顯地影響結(jié)果,故而被程序忽略掉了.因論文內(nèi)容類別相同的數(shù)據(jù)中,最少只有5個(gè)觀測(cè)值,故時(shí)間滯后項(xiàng)不會(huì)超過5期,以防止出現(xiàn)數(shù)據(jù)完全缺失.

數(shù)據(jù)來源:整理所得說明:圖中直線為45°線,反映了橫縱坐標(biāo)軸對(duì)應(yīng)數(shù)據(jù)相等的地方;并且為了保證數(shù)據(jù)的可信度,圖中刪除了小于0大于50的數(shù)據(jù).圖2 真實(shí)值與擬合值的散點(diǎn)圖Fig.2 Scatter diagram of real value and fitted value

由于該數(shù)據(jù)屬于長面板數(shù)據(jù),根據(jù)其數(shù)據(jù)特征,同時(shí)實(shí)驗(yàn)了面板校正標(biāo)準(zhǔn)誤差(panel-correctedstandarderror,即PCSE)模型、解決組內(nèi)自相關(guān)的FGLS模型、全面的FGLS模型、OLS模型、泊松回歸、負(fù)二項(xiàng)回歸等,發(fā)現(xiàn)只有PCSE模型與泊松回歸模型能夠保證不同的預(yù)測(cè)結(jié)果穩(wěn)健顯著,并且不同預(yù)測(cè)值最終的回歸結(jié)果類似,故本文只展示兩種不同回歸的結(jié)果.

系數(shù)表明,2年前的學(xué)術(shù)研究與5年前的學(xué)術(shù)研究對(duì)讀者培訓(xùn)的影響分別達(dá)到了一個(gè)頂峰,相關(guān)內(nèi)容的文獻(xiàn)每增加1篇,讀者培訓(xùn)增加1.832次與2.102次.其他年份也對(duì)讀者培訓(xùn)內(nèi)容產(chǎn)生明顯的影響,但效果隨著時(shí)間的提前,出現(xiàn)先增后減再增的現(xiàn)象.利用這個(gè)模型結(jié)果,就可以比較估計(jì)值與真實(shí)值之間的差異.如圖2所示,PCSE的擬合值與泊松回歸的擬合值存在一個(gè)系統(tǒng)的偏差,這意味著需要在PCSE擬合值與泊松回歸的擬合值之間進(jìn)行挑選.

如表3所示,可知從具體的估算數(shù)值來看,泊松回歸的預(yù)測(cè)結(jié)果中,異常值更多——不論是從標(biāo)準(zhǔn)差、最大值還是從均值來看,都太大了.所以本文后續(xù)內(nèi)容均采用PCSE擬合值.而表3中,PCSE擬合值的差別并不大,為了保證數(shù)據(jù)預(yù)測(cè)結(jié)果的穩(wěn)健性,根據(jù)Stock&Watson[15]的建議,本文采用OLS估算數(shù)據(jù)下生成的PCSE預(yù)測(cè)值.

表3 不同文獻(xiàn)發(fā)表次數(shù)估計(jì)值情況下的圖書館培訓(xùn)預(yù)測(cè)值基本統(tǒng)計(jì)量Table 3 Basic statistics of library training prediction values under different estimated values of literature publication times

2 數(shù)據(jù)分析

為了預(yù)測(cè)數(shù)據(jù),首先需要預(yù)測(cè)未來幾年的文獻(xiàn)發(fā)表數(shù)量. 根據(jù)現(xiàn)有數(shù)據(jù),按照類似的回歸模型,易得不同類型文獻(xiàn)在未來幾年的發(fā)表數(shù)量. 采取聚類標(biāo)準(zhǔn)誤穩(wěn)健異方差OLS預(yù)測(cè)了發(fā)表文獻(xiàn)數(shù)據(jù)之后,再預(yù)測(cè)出來2019-2028年的不同類型圖書館培訓(xùn)的相應(yīng)結(jié)果. 根據(jù)上一節(jié)中得到的結(jié)果,可以得到如下預(yù)測(cè)數(shù)據(jù)(見表4).

由于數(shù)據(jù)缺失,并不能得到2023年之后所有結(jié)果的預(yù)測(cè)值. 但當(dāng)所有圖書館培訓(xùn)的數(shù)據(jù)預(yù)測(cè)都來源于文獻(xiàn)數(shù)量預(yù)測(cè)值的情況下,就可以得出完整的預(yù)測(cè)結(jié)果. 在預(yù)測(cè)結(jié)果中,幾乎所有類別的讀者培訓(xùn)數(shù)量都是上升的,這說明培訓(xùn)總量呈現(xiàn)增長趨勢(shì). 其中,類別2的預(yù)測(cè)值在2024年之前為負(fù)數(shù),這是因?yàn)檎鎸?shí)數(shù)據(jù)太少,導(dǎo)致了回歸截距項(xiàng)小于0,但這種預(yù)測(cè)誤差并不影響其后的趨勢(shì)分析. 為了保證分析的有效性,需要將存在負(fù)值的年份2019-2023年刪除,然后考慮其平均變化.

此外為了保證預(yù)測(cè)值與實(shí)際數(shù)據(jù)的可比性,我們?nèi)コ龥]有實(shí)際數(shù)據(jù)的“讀者培訓(xùn)工作”類別及只有兩年數(shù)據(jù)的“學(xué)科嵌入式預(yù)約”類別. 在此基礎(chǔ)上,我們考察了新媒體利用、資源文獻(xiàn)利用、閱讀及職業(yè)素養(yǎng)的實(shí)際數(shù)據(jù)與預(yù)測(cè)值的份額變化.

表4 不同類型圖書館培訓(xùn)次數(shù)的預(yù)測(cè)值Table 4 Predicted values of training times for different types of libraries

發(fā)現(xiàn)短期中新媒體數(shù)量有所減少,但它的份額會(huì)不斷增加. 資源文獻(xiàn)利用的份額不斷減少. 閱讀的比例也會(huì)逐年上升,而職業(yè)素養(yǎng)培訓(xùn)的份額幾乎保持不變. 這種份額變化會(huì)直到2024年之后變得穩(wěn)定下來,在這4種可比較的類別中,新媒體利用的份額接近30%,資源文獻(xiàn)利用的份額降到低于20%,閱讀份額足足增加到40%,職業(yè)素養(yǎng)的份額則保持在10%的水平上基本不變.

3 關(guān)于培訓(xùn)方式的預(yù)測(cè)

培訓(xùn)效果通常取決于培訓(xùn)內(nèi)容與培訓(xùn)方式,在互聯(lián)網(wǎng)越來越發(fā)達(dá)的今天,培訓(xùn)者通常采用集中講座交流或借助新媒體多種方式進(jìn)行培訓(xùn). 針對(duì)現(xiàn)有培訓(xùn)種類,根據(jù)南京師范大學(xué)讀者進(jìn)行問卷單項(xiàng)形式的選擇統(tǒng)計(jì),在近60%以上的培訓(xùn)欄目中,讀者勾選的是“碎片化”形式數(shù)據(jù)庫信息檢索技巧培訓(xùn)及網(wǎng)上學(xué)術(shù)資源的免費(fèi)查找等(見圖3).

在最受歡迎的培訓(xùn)形式中,“專業(yè)授課+操作實(shí)踐”是首選,超過50%;“自學(xué)網(wǎng)上授課視頻”緊隨其后,接近20%;剩下的培訓(xùn)形式并沒有超過10%(見圖4).

數(shù)據(jù)來源:整理所得圖3 不同培訓(xùn)類型的占比Fig.3 Proportion of different training types

數(shù)據(jù)來源:整理所得圖4 不同培訓(xùn)形式的占比Fig.4 Proportion of different training forms

可見短時(shí)間、有效性、簡(jiǎn)便性更成為年輕一代的選擇. 通過以上的文獻(xiàn)成果調(diào)查和對(duì)比分析可以看出,高校圖書館在讀者培訓(xùn)講座上呈現(xiàn)出專業(yè)化、定制化和虛擬化的特征,碎片化的新媒體趨勢(shì)也越來越成為現(xiàn)階段及未來一段時(shí)間培訓(xùn)的主要手段. 因此,高校圖書館在開展讀者培訓(xùn)設(shè)置時(shí),更應(yīng)該積極拓展線上信息素養(yǎng)教育、完善學(xué)科服務(wù)平臺(tái)建設(shè),并加強(qiáng)培訓(xùn)的宣傳力度及培訓(xùn)師資梯隊(duì)建設(shè).

4 結(jié)論

從文獻(xiàn)成果與讀者調(diào)研的數(shù)據(jù)分析中可以得到一個(gè)有趣的現(xiàn)象:理論性是早于讀者教育培訓(xùn)實(shí)踐發(fā)生的,特別通過文獻(xiàn)成果的統(tǒng)計(jì),可以有效預(yù)測(cè)未來幾年高校圖書館讀者教育培訓(xùn)的發(fā)展趨勢(shì). 利用有限的圖書館員從事更加專業(yè)化、多元化和復(fù)雜化的工作和服務(wù),有效促進(jìn)圖書館與館員在新媒體環(huán)境中有規(guī)劃地結(jié)合讀者教育培訓(xùn)工作,切實(shí)提高高校圖書館教育培訓(xùn)服務(wù)效果.

(1)加強(qiáng)培訓(xùn)講座師資隊(duì)伍建設(shè),要求培訓(xùn)者具備一定的學(xué)科背景的同時(shí),更需要強(qiáng)烈的信息意識(shí),具備扎實(shí)的圖書館信息基礎(chǔ)知識(shí)和網(wǎng)絡(luò)化的信息服務(wù)技能. 圖書館讀者培訓(xùn)也要考慮內(nèi)容新穎性、培訓(xùn)方式的多樣化,了解讀者的信息需求、增強(qiáng)與讀者之間的互動(dòng),嘗試與學(xué)生社團(tuán)合作,開發(fā)更多的有效培訓(xùn)課程.

(2)在讀者教育培訓(xùn)設(shè)計(jì)開發(fā)和培訓(xùn)施教的過程中,要積極做好課題調(diào)研與主題宣傳培訓(xùn)目標(biāo),使廣大讀者在整個(gè)培訓(xùn)中能有效的參與,達(dá)到設(shè)計(jì)和選擇滿意的讀者教育培訓(xùn)形式和功能. 在培訓(xùn)過程中,要注意營造教育培訓(xùn)的良好氛圍,以此獲得讀者的尊重與信任.

(3)在高校圖書館讀者教育培訓(xùn)中需要可持續(xù)性發(fā)展原則,在與具體軟件開發(fā)商簽訂有效的合同時(shí),要注意新媒體功能的開發(fā)、維護(hù)和升級(jí),保障其穩(wěn)定地為圖書館讀者工作. 新媒體功能模塊的使用,更多的讀者趨向選擇“碎片化”新媒體培訓(xùn)形式,所以高校圖書館讀者教育培訓(xùn)關(guān)于新媒體應(yīng)用與實(shí)操將成為圖書館教育培訓(xùn)的重要發(fā)展課題.