基于CiteSpace的國內(nèi)圖書館用戶畫像研究現(xiàn)狀與可視化分析

李 璐

(山東大學(xué)(威海) 圖書館,山東 威海 264209)

0 引言

近年來,隨著互聯(lián)網(wǎng)大數(shù)據(jù)的發(fā)展,用戶畫像作為大數(shù)據(jù)時(shí)代實(shí)現(xiàn)精準(zhǔn)服務(wù)的工具之一,被廣泛地應(yīng)用于計(jì)算機(jī)、電子商務(wù)[1]以及健康醫(yī)療等多個(gè)領(lǐng)域。用戶畫像的概念最早是由交互設(shè)計(jì)之父Alan Cooper提出的[2],它是依據(jù)用戶的性別、年齡、受教育程度等人口統(tǒng)計(jì)學(xué)特征、社交關(guān)系和行為模式等信息構(gòu)建出的標(biāo)簽化的用戶模型。利用該模型,可以從用戶的角度出發(fā),為用戶提供精準(zhǔn)的產(chǎn)品和服務(wù)。

隨著大數(shù)據(jù)時(shí)代的到來,圖書館也在向著數(shù)字圖書館、智慧圖書館、未來學(xué)習(xí)中心的方向邁進(jìn)。圖書館系統(tǒng)中存儲(chǔ)了海量的讀者人口統(tǒng)計(jì)學(xué)數(shù)據(jù)、借閱信息等,將用戶畫像的概念引入圖書館的研究中解讀讀者行為,可以幫助圖書館更好地了解讀者需求,為讀者提供更加精準(zhǔn)的服務(wù),解決圖書館服務(wù)與讀者需求不匹配的矛盾。

國內(nèi)用戶畫像的研究自2016年以來發(fā)展迅猛,在CNKI中以“用戶畫像”為主題的中文期刊文獻(xiàn)自2016年以38%的平均速度增長(zhǎng),其中核心期刊論文占比約為30%,但圖書情報(bào)與數(shù)字圖書館學(xué)科的期刊論文占比僅約為22.7%。本研究將利用CiteSpace對(duì)CNKI中圖書館用戶畫像領(lǐng)域的中文期刊文獻(xiàn)進(jìn)行分析,從而為后續(xù)圖書館用戶畫像的研究提供新的思路和借鑒。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

本研究采用文獻(xiàn)計(jì)量學(xué)方法對(duì)從數(shù)據(jù)庫中獲取的文獻(xiàn)利用CiteSpace軟件進(jìn)行可視化研究分析。文獻(xiàn)計(jì)量學(xué)是以數(shù)學(xué)與統(tǒng)計(jì)學(xué)為理論基礎(chǔ),通過提取文獻(xiàn)的發(fā)表年份、期刊名、作者、機(jī)構(gòu)、關(guān)鍵詞等信息,研究某學(xué)科發(fā)文的數(shù)量、分布及變化情況,從而揭示某學(xué)科的發(fā)展現(xiàn)狀及未來研究熱點(diǎn)的一種方法。CiteSpace是一款多元、分時(shí)、動(dòng)態(tài)的引文可視化分析軟件,可以利用該軟件呈現(xiàn)出的科學(xué)知識(shí)結(jié)構(gòu)、規(guī)律和分布情況,構(gòu)建科學(xué)知識(shí)圖譜[2]。

1.2 數(shù)據(jù)來源

用戶畫像,又被稱為“用戶角色定位”“讀者畫像”等[4]。張海濤等[5]對(duì)用戶畫像的研究中曾用“用戶畫像”“群體畫像”“個(gè)人畫像”作為檢索詞構(gòu)建了檢索式。本研究以CNKI學(xué)術(shù)期刊庫為數(shù)據(jù)源,在高級(jí)檢索模式中構(gòu)建檢索式:(主題=圖書館*(‘用戶畫像’+‘讀者畫像’+‘個(gè)體畫像’+‘群體畫像’+‘用戶標(biāo)簽’+‘讀者標(biāo)簽’+‘用戶角色’)) OR ( 篇關(guān)摘=圖書館* (‘用戶畫像’+‘讀者畫像’+‘個(gè)體畫像’+‘群體畫像’+‘用戶標(biāo)簽’+‘讀者標(biāo)簽’+‘用戶角色’))。檢索時(shí)間為2023年5月31日,最終檢索到了527篇中文期刊文獻(xiàn)。為了提高數(shù)據(jù)的準(zhǔn)確性,經(jīng)過人工篩選剔除不符合要求的文獻(xiàn),共得到458篇樣本文獻(xiàn)。

2 圖書館用戶畫像研究的時(shí)空分布情況

2.1 圖書館用戶畫像研究的時(shí)間分布

通過研究期刊文獻(xiàn)某一主題發(fā)文的時(shí)間變化,可以揭示出在對(duì)應(yīng)時(shí)間和領(lǐng)域內(nèi)研究的熱度變化以及研究趨勢(shì)。將剔除無關(guān)文獻(xiàn)后的全部樣本文獻(xiàn)及其中的核心期刊(北大核心、CSSCI、CSCD)文獻(xiàn)分別依據(jù)時(shí)間繪制了年發(fā)文量折線圖,如圖1所示。由于樣本中只搜集到了2023年5月的文獻(xiàn),因此根據(jù)前5個(gè)月的發(fā)文量,對(duì)2023年圖書館用戶畫像全年期刊發(fā)文量做了簡(jiǎn)單的預(yù)測(cè),如圖1中的虛線所連接的點(diǎn)所示。

圖1 圖書館用戶畫像期刊論文發(fā)文時(shí)間分布

通過圖1可以看出國內(nèi)圖書館用戶畫像的研究自2017年開始發(fā)展起來,比整體用戶畫像的研究晚了1年,2017—2021年處于高速發(fā)展時(shí)期并在2021年達(dá)到了峰值。綜合全部期刊及核心期刊在2022—2023年的發(fā)文量,未來圖書館用戶畫像的研究將會(huì)略有下降,趨于平緩和穩(wěn)定,但依然會(huì)是研究的熱點(diǎn)。

2.2 圖書館用戶畫像研究的空間分布

通過對(duì)圖書館用戶畫像研究的發(fā)文期刊進(jìn)行統(tǒng)計(jì)分析,可以很容易找出發(fā)表此類文章總數(shù)量較多的期刊,以及近幾年依然發(fā)表該主題文章較多的期刊。通過對(duì)發(fā)文期刊進(jìn)行分析,不僅可以進(jìn)一步判斷該主題的熱度,還可以找到合適的投稿期刊。

本研究通過對(duì)樣本文獻(xiàn)的來源期刊進(jìn)行統(tǒng)計(jì)分析,并選取發(fā)文量前15名的期刊制作了統(tǒng)計(jì)表,如表1所示。從表1可以看出,發(fā)文量排名前15的期刊中有7個(gè)是核心期刊,占半數(shù)左右,而且排名前3的期刊均是核心期刊,可見該研究的重要性。從各期刊2022—2023年發(fā)文量的迷你圖(迷你圖的橫坐標(biāo)是年份,縱坐標(biāo)是發(fā)文量(篇),其中2023年的發(fā)文量是根據(jù)2023年前5個(gè)月發(fā)文量計(jì)算的預(yù)測(cè)值)可以看出,包括《圖書館工作與研究》《河南圖書館學(xué)刊》《圖書館學(xué)刊》《圖書館理論與實(shí)踐》《江蘇科技信息》《情報(bào)探索》《新世紀(jì)圖書館》《圖書館界》在內(nèi)的8個(gè)期刊近3年發(fā)表相關(guān)主題的文章數(shù)量呈增長(zhǎng)或較高的平穩(wěn)趨勢(shì),說明該主題的研究依然有很高的研究?jī)r(jià)值和熱度,另外相關(guān)研究的作者可以優(yōu)先選擇該類期刊投稿。

表1 圖書館用戶畫像發(fā)文量前15名來源期刊發(fā)文分布

2.3 作者合著分析

為了更加清晰地了解作者之間的關(guān)系,利用CiteSpace構(gòu)建了作者和機(jī)構(gòu)共現(xiàn)圖譜,將作者和機(jī)構(gòu)放在一起制作共現(xiàn)圖,可以更容易發(fā)現(xiàn)作者與機(jī)構(gòu)之間的關(guān)系,如圖2所示。圖2僅顯示了發(fā)文量2篇及以上的作者和機(jī)構(gòu),并將發(fā)文量在3篇及以上的作者和機(jī)構(gòu)進(jìn)行了文字標(biāo)簽顯示。在圖2中,節(jié)點(diǎn)越大代表發(fā)文越多,節(jié)點(diǎn)的顏色變化代表發(fā)文的時(shí)間,節(jié)點(diǎn)間的連線越粗則表示節(jié)點(diǎn)間的關(guān)系越強(qiáng)。從圖2可以看出,發(fā)文超過2篇的作者中僅存在3個(gè)合作網(wǎng)絡(luò),分別是由劉海鷗、黃文娜、姚蘇梅和張亞明主要依托燕山大學(xué)形成的合作網(wǎng)絡(luò);由吳志勤和習(xí)海旭主要依托江蘇理工學(xué)院形成的合作網(wǎng)絡(luò);由徐海玲和張海濤主要依托吉林大學(xué)形成的合作網(wǎng)絡(luò)。其中劉海鷗等人和張海濤等人的合作多發(fā)生在2020年之前,近幾年發(fā)文較少,有可能已經(jīng)轉(zhuǎn)變研究方向。而吳志勤與習(xí)海旭則在2020年后發(fā)文較多,未來有可能成為該主題下研究的主力團(tuán)隊(duì)。

圖2 圖書館用戶畫像期刊論文作者和機(jī)構(gòu)共現(xiàn)圖

2.4 機(jī)構(gòu)合作網(wǎng)絡(luò)分析

發(fā)文機(jī)構(gòu)是文獻(xiàn)作者的所屬單位,往往同一機(jī)構(gòu)的研究者具有合作關(guān)系,會(huì)具有相似的研究課題。通過對(duì)發(fā)文機(jī)構(gòu)進(jìn)行分析,一方面可以更加全面地發(fā)現(xiàn)圖書館用戶畫像研究的分布情況,展現(xiàn)研究的主體;另一方面也可以找到在該研究主題下機(jī)構(gòu)之間的合作關(guān)系,從而尋求新的合作機(jī)會(huì)。通過統(tǒng)計(jì)分析發(fā)現(xiàn),發(fā)文量超過2篇的機(jī)構(gòu)共18家,排名前5位的機(jī)構(gòu)分別是:江蘇理工學(xué)院圖書館(9篇)、吉林大學(xué)管理學(xué)院(9篇)、華中師范大學(xué)信息管理學(xué)院(7篇)、武漢大學(xué)信息管理學(xué)院(7篇)、江蘇理工學(xué)院計(jì)算機(jī)工程學(xué)院(6篇)。

通過圖2的機(jī)構(gòu)共現(xiàn)關(guān)系可以發(fā)現(xiàn),發(fā)文量超過2篇的機(jī)構(gòu)中,主要形成了5個(gè)合作網(wǎng)絡(luò),分別是燕山大學(xué)的合作網(wǎng)絡(luò)、吉林大學(xué)管理學(xué)院與吉林大學(xué)信息資源研究中心的合作網(wǎng)絡(luò)、南京大學(xué)信息管理學(xué)院與南京大學(xué)圖書館的合作網(wǎng)絡(luò)、江蘇理工學(xué)院圖書館與江蘇理工學(xué)院計(jì)算機(jī)工程學(xué)院的合作網(wǎng)絡(luò)、華中師范大學(xué)信息管理學(xué)院與武漢大學(xué)信息管理學(xué)院和廣西師范大學(xué)圖書館的合作網(wǎng)絡(luò)。其中前4個(gè)合作網(wǎng)絡(luò)均是校內(nèi)不同學(xué)院之間的合作,而最后一個(gè)以華中師范大學(xué)信息管理學(xué)院為主的合作網(wǎng)絡(luò),則是跨校、跨地區(qū)的合作。由此可見,圖書館用戶畫像研究主題下的機(jī)構(gòu)合作現(xiàn)今以校內(nèi)合作為主,很少發(fā)展出大規(guī)模的跨地區(qū)合作。從圖2節(jié)點(diǎn)的圈層顏色還可以看出,華中師范大學(xué)信息管理學(xué)院、武漢大學(xué)信息管理學(xué)院、江蘇理工學(xué)院、安徽大學(xué)管理學(xué)院、東北林業(yè)大學(xué)圖書館、上海大學(xué)圖書情報(bào)檔案系、中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所、國家圖書館以及南京圖書館近幾年發(fā)文活躍,尤其是已形成明顯合作網(wǎng)絡(luò)的華中師范大學(xué)信息管理學(xué)院、武漢大學(xué)信息管理學(xué)院和江蘇理工學(xué)院將是未來該方向研究的主力機(jī)構(gòu)。

3 圖書館用戶畫像研究熱點(diǎn)分析

3.1 高頻關(guān)鍵詞分析

利用CiteSpace對(duì)圖書館用戶畫像相關(guān)研究文獻(xiàn)的關(guān)鍵詞進(jìn)行統(tǒng)計(jì),共得到了286個(gè)關(guān)鍵詞,其中詞頻為3及以上的關(guān)鍵詞共39個(gè),這表明該主題的研究?jī)?nèi)容較為廣泛,還在探索階段,也體現(xiàn)了跨學(xué)科的特征。排名前21位(詞頻大于等于5)的關(guān)鍵詞如表2所示。忽略表2中排名最前的兩個(gè)關(guān)鍵詞,這兩個(gè)詞是搜集樣本文獻(xiàn)的檢索詞,從剩下的關(guān)鍵詞中可以看出,“大數(shù)據(jù)”“小數(shù)據(jù)”“數(shù)據(jù)驅(qū)動(dòng)”“用戶行為”反映了圖書館用戶畫像研究涉及的數(shù)據(jù)基礎(chǔ),“人工智能”“數(shù)據(jù)挖掘”“區(qū)塊鏈”反映了研究采用的技術(shù),而剩余的15個(gè)關(guān)鍵詞則反映了研究的應(yīng)用方向。從這些詞可以看出,圖書館用戶畫像研究主要作用于圖書館的各項(xiàng)服務(wù),如閱讀推廣、精準(zhǔn)推薦、信息素養(yǎng)教育等。

表2 圖書館用戶畫像研究高頻關(guān)鍵詞(前21位)

3.2 關(guān)鍵詞聚類分析

利用CiteSpace對(duì)圖書館用戶畫像研究的樣本文獻(xiàn)關(guān)鍵詞進(jìn)行聚類分析,得到了8個(gè)聚類。根據(jù)聚類內(nèi)容及系統(tǒng)給出的聚類名稱,選擇有代表性的詞分別將其命名為#0服務(wù)創(chuàng)新、#1知識(shí)服務(wù)、#2閱讀推廣與學(xué)科服務(wù)、#3大數(shù)據(jù)、#4精準(zhǔn)服務(wù)、#5人工智能、#6信息服務(wù)、#7用戶需求,如圖3所示。從圖3可以看出,模塊值(ModularityQ)為0.552 8,加權(quán)平均輪廓值(Weighted Mean SilhouetteS)為0.874 3,進(jìn)一步查看每個(gè)聚類的數(shù)據(jù)可以發(fā)現(xiàn),每一個(gè)聚類的輪廓值(SilhouetteS)均大于0.7。Modularity是網(wǎng)絡(luò)模塊化的評(píng)價(jià)指標(biāo),Q值越大則表示網(wǎng)絡(luò)得到的聚類越好,Q∈[0,1],Q>0.3則意味著得到的網(wǎng)絡(luò)社團(tuán)的結(jié)構(gòu)是顯著的;Silhouette是用于評(píng)價(jià)聚類效果的參數(shù),S值越接近1,則網(wǎng)絡(luò)的同質(zhì)性越高,S值為0.7時(shí)聚類結(jié)果具有高信度,S值大于0.5認(rèn)為聚類結(jié)果是合理的[5]。由此可以看出,圖3的聚類結(jié)果顯著且具有較高信度。

圖3 圖書館用戶畫像研究關(guān)鍵詞聚類

通過對(duì)每個(gè)聚類所包含的關(guān)鍵詞(見圖4)進(jìn)行分析可以看出,不同聚類包含的關(guān)鍵詞具有相似性,說明在圖書館用戶畫像的研究領(lǐng)域,學(xué)者之間的研究具有共通性。通過對(duì)這些聚類文章的內(nèi)容、關(guān)鍵詞進(jìn)行梳理,可以將圖書館用戶畫像方向的現(xiàn)有研究總結(jié)為兩大類。

圖4 圖書館用戶畫像研究關(guān)鍵詞聚類時(shí)間線

第一類是用戶畫像在圖書館的應(yīng)用,它又包含了3個(gè)方向的內(nèi)容,分別為精準(zhǔn)服務(wù)與資源推薦(聚類0、聚類1、聚類4)、閱讀推廣與學(xué)科服務(wù)(聚類2)、其他服務(wù)應(yīng)用(聚類6和聚類7)。

(1)精準(zhǔn)服務(wù)與資源推薦。任何一個(gè)高?；驒C(jī)構(gòu)圖書館都擁有豐富的資源,包括圖書、數(shù)據(jù)庫以及課程資源。智慧圖書館的建設(shè)對(duì)資源推薦提出了更高的要求。資源的精準(zhǔn)利用與精準(zhǔn)推薦,可以更好地服務(wù)師生,幫助學(xué)校更好地實(shí)現(xiàn)學(xué)科建設(shè)。因此資源的精準(zhǔn)服務(wù)與推薦成為圖書館用戶畫像研究最大的應(yīng)用領(lǐng)域,主要目的是通過用戶畫像的應(yīng)用,構(gòu)建精準(zhǔn)服務(wù)模型,從而達(dá)到精準(zhǔn)服務(wù)的目的[11]。

(2)閱讀推廣與學(xué)科服務(wù)。閱讀推廣是現(xiàn)今圖書館的基礎(chǔ)業(yè)務(wù),而學(xué)科服務(wù)可以助力教師教學(xué)與科研。通過對(duì)閱讀推廣的受眾與學(xué)科服務(wù)的對(duì)象進(jìn)行標(biāo)簽化,可以勾勒出用戶在特定情境下的特征,進(jìn)而進(jìn)行有針對(duì)性的推廣,使得閱讀推廣與學(xué)科服務(wù)的效率更加高效。

(3)其他服務(wù)應(yīng)用。圖書館用戶畫像的應(yīng)用具有交叉性,除了在精準(zhǔn)服務(wù)和推廣方向有較多的應(yīng)用,還應(yīng)用在信息服務(wù)、信息咨詢、用戶需求等方面。有研究者通過用戶畫像剖析用戶需求,為圖書館的個(gè)性化信息服務(wù)系統(tǒng)設(shè)計(jì)提供了參考[12]。還有研究者通過再造參考咨詢流程,利用用戶畫像技術(shù),在用戶產(chǎn)生問題之前嘗試信息推送[13]。

第二類是圖書館用戶畫像研究所采用的技術(shù)與方法(聚類3和聚類5)。隨著互聯(lián)網(wǎng)的普及與信息技術(shù)的發(fā)展,更多的技術(shù)運(yùn)用到圖書館的相關(guān)研究中來。圖書館用戶畫像的研究主要用到了大數(shù)據(jù)分析、小數(shù)據(jù)分析、關(guān)聯(lián)分析、數(shù)據(jù)挖掘、深度學(xué)習(xí)等數(shù)據(jù)分析技術(shù),挖掘出用戶特征,進(jìn)而助力圖書館的業(yè)務(wù)。

3.3 關(guān)鍵詞時(shí)間線分析

去除“圖書館”“用戶畫像”這兩個(gè)與檢索詞高度重合的關(guān)鍵詞后,利用聚類結(jié)果及其所包含的關(guān)鍵詞制作關(guān)鍵詞聚類時(shí)間線圖,如圖4所示。

圖4展示了在圖書館用戶畫像的研究中,研究者關(guān)注點(diǎn)的變化。圖中的節(jié)點(diǎn)越大,則表示該關(guān)鍵詞出現(xiàn)的頻次越多,節(jié)點(diǎn)邊緣的顏色越淺,則代表相關(guān)研究就越新穎?？梢钥吹?在樣本文獻(xiàn)中出現(xiàn)頻次最多的關(guān)鍵詞是大數(shù)據(jù)、精準(zhǔn)服務(wù)、閱讀推廣,并且這3個(gè)詞在2020年后均有相關(guān)研究。從關(guān)鍵詞的變化可以看出,2020年之前研究者們較多單純地關(guān)注用戶畫像在精準(zhǔn)服務(wù)、閱讀推廣上的應(yīng)用,以及大數(shù)據(jù)在研究中的應(yīng)用。而在2020年之后的研究中,研究者們除了關(guān)注以上幾個(gè)方面,也更加關(guān)注用戶畫像在服務(wù)創(chuàng)新、慕課、參考咨詢、資源服務(wù)等方面的應(yīng)用,并且在研究中引入了區(qū)塊鏈、人工智能、模型構(gòu)建等新的技術(shù)和方法。這表明在今后對(duì)于圖書館用戶畫像的研究中,應(yīng)該更加注重新方法和技術(shù)在研究中的使用,以及利用用戶畫像提升圖書館的新業(yè)務(wù),比如設(shè)計(jì)信息素養(yǎng)課程、構(gòu)建學(xué)習(xí)空間等。

4 結(jié)語

圖書館用戶畫像領(lǐng)域的研究在我國起步較晚,2019年以來相關(guān)研究較多,且發(fā)展較為平穩(wěn)。在創(chuàng)建智慧圖書館和未來學(xué)習(xí)中心的大趨勢(shì)下,圖書館更需要利用用戶畫像來對(duì)讀者信息進(jìn)行分析,從而做到精準(zhǔn)服務(wù)、精準(zhǔn)推薦、精準(zhǔn)建設(shè)。圖書館是讀者的圖書館,只有精準(zhǔn)地滿足讀者的需求,才能夠更好地助力讀者的學(xué)習(xí)與科研。

現(xiàn)有的研究多集中在應(yīng)用的概念模型方向,畫像的構(gòu)建與精準(zhǔn)服務(wù)系統(tǒng)的研究還不夠深入,相關(guān)研究者可以與計(jì)算機(jī)領(lǐng)域的研究者合作,利用先進(jìn)的計(jì)算機(jī)技術(shù)擴(kuò)展研究的深度,使用戶畫像更好地服務(wù)于圖書館的業(yè)務(wù)實(shí)踐。此外,研究者可以擴(kuò)展用戶畫像在圖書館的應(yīng)用方向,加強(qiáng)其在圖書館新業(yè)務(wù)上的設(shè)計(jì)與應(yīng)用。