【摘要】以2002-2011年我國圖情領(lǐng)域關(guān)于用戶研究的文獻為對象，從關(guān)鍵詞共現(xiàn)分析、聚類分析、社會網(wǎng)絡(luò)分析等幾個方面對文獻中的高頻關(guān)鍵詞進行定量研究，并將其歸類為六大主題。

【關(guān)鍵詞】用戶 共詞分析 社會網(wǎng)絡(luò)分析 主題歸類 核心主題

引言

隨著信息化和網(wǎng)絡(luò)化時代的來臨，人們的信息交流日益頻繁，信息用戶日漸龐大。對用戶進行研究已成為我國圖情領(lǐng)域研究的前沿和熱點，其研究成果可以為信息服務(wù)機構(gòu)開展以用戶為中心的服務(wù)提供依據(jù)。在這一趨勢的引領(lǐng)下，圖情界同仁迫切希望了解近10年來關(guān)于用戶研究的熱點領(lǐng)域和動態(tài)信息，為未來完善用戶研究提供有用的借鑒。因此，筆者采用共詞分析法和社會網(wǎng)絡(luò)分析法對2002-2011年我國圖情領(lǐng)域關(guān)于用戶研究文獻中的高頻關(guān)鍵詞進行分析，以揭示用戶研究的主題，把握其發(fā)展趨勢。

共詞分析法主要是利用文獻集中關(guān)鍵詞對共同出現(xiàn)的情況來確定該文獻集所代表學(xué)科中各主題之間的關(guān)系。一般做法是統(tǒng)計一組文獻的關(guān)鍵詞兩兩之間在同一篇文獻中出現(xiàn)的頻率，便可形成一個由這些詞對關(guān)聯(lián)所組成的共詞網(wǎng)絡(luò)。利用聚類、因子分析等多元統(tǒng)計分析方法對共詞網(wǎng)絡(luò)進行分析，進而展現(xiàn)該學(xué)科的研究結(jié)構(gòu)[1]。

社會網(wǎng)絡(luò)分析法原本是社會學(xué)用于研究社會成員之間關(guān)系的一種定量方法，后來被引入到了圖情領(lǐng)域的相關(guān)研究。它在關(guān)鍵詞分析中應(yīng)用的主要原理是將關(guān)鍵詞作為網(wǎng)絡(luò)的節(jié)點，關(guān)鍵詞之間的共現(xiàn)關(guān)系則構(gòu)成節(jié)點之間的連線，構(gòu)建社會網(wǎng)絡(luò)關(guān)系圖譜，然后應(yīng)用中心度、小世界效應(yīng)等方法進行分析，進而發(fā)掘出關(guān)鍵詞之間的關(guān)系 [2]。

2.1 數(shù)據(jù)來源

為了盡可能保證查全率，筆者以“用戶”、“信息用戶”為題名和關(guān)鍵詞，對中國知網(wǎng)和維普網(wǎng)收錄的19種圖情領(lǐng)域核心期刊進行檢索。共得到2002-2011年發(fā)表的論文2 632篇，剔除非學(xué)術(shù)論文、重復(fù)等無效部分后，最終有效篇數(shù)為2 115篇。

19種核心期刊分別是：《情報學(xué)報》、《圖書情報工作》、《國家圖書館學(xué)刊》、《圖書與情報》、《圖書館學(xué)研究》、《圖書館工作與研究》、《圖書館理論與實踐》、《情報雜志》、《情報科學(xué)》、《圖書館雜志》、《圖書館建設(shè)》、《圖書館論壇》、《圖書館》、《圖書情報知識》、《情報理論與實踐》、《中國圖書館學(xué)報》、《大學(xué)圖書館學(xué)報》、《情報資料工作》、《現(xiàn)代圖書情報技術(shù)》。除了《情報學(xué)報》上發(fā)表的文獻來自于維普網(wǎng)外，其他均來自于中國知網(wǎng)。

2.2 數(shù)據(jù)預(yù)處理

由于關(guān)鍵詞是論文作者自行選擇的自然語言，因此會存在一些不規(guī)范、不統(tǒng)一的現(xiàn)象。為了讓研究結(jié)果更加準(zhǔn)確，筆者采用歸并、吸收和丟棄三種方法對關(guān)鍵詞進行逐一的人工處理。

歸并法是指對同一內(nèi)容用不同詞語來表達(dá)或者同一詞語用不同語種來表示的情況，歸并為統(tǒng)一的詞語。如用戶、讀者和信息需求者等，歸并為用戶； Lib2.0、Library2.0和圖書館2.0，歸并為圖書館2.0。

吸收法是指針對同一研究內(nèi)容，但卻采用上下位關(guān)系來表示的關(guān)鍵詞，如用戶、圖書館用戶和信息用戶，采用上位類代替下位類的方式進行吸收，即采用用戶來表示。有些詞需要采用下位類吸收上位類的方式，如模型和用戶模型，這需要結(jié)合文獻的具體內(nèi)容而定。

丟棄法是指針對一些與用戶研究無關(guān)或者太寬泛的關(guān)鍵詞，如學(xué)校機構(gòu)的名稱（中央財經(jīng)大學(xué)）、趨勢、google工具欄、21世紀(jì)等，將這些關(guān)鍵詞丟棄而不納入統(tǒng)計分析范疇。同時，由于本文研究的文章都是來源于圖情領(lǐng)域，這些文章包含“圖書館”這個關(guān)鍵詞的頻率較高，為了使得研究結(jié)果更加準(zhǔn)確和客觀，把這個關(guān)鍵詞也剔除。

按照上述方式，采用自編的C語言程序進行統(tǒng)計，共得到關(guān)鍵詞3 256個。結(jié)合齊普夫第二定律以及關(guān)鍵詞頻次變化曲線，選取頻次大于20的34個高頻關(guān)鍵詞，如表1所示：

2.3 構(gòu)建共詞矩陣

為反映關(guān)鍵詞之間的關(guān)系，筆者統(tǒng)計高頻關(guān)鍵詞兩兩共現(xiàn)的情況，構(gòu)建出34×34的共詞矩陣（見表2）。由于關(guān)鍵詞共現(xiàn)的頻次直接受到各自詞頻大小的影響，因此原始共詞矩陣難以反映關(guān)鍵詞之間真正的依賴程度。為了消除這種現(xiàn)象，筆者采取常用的Ochiia系數(shù)對關(guān)鍵詞對進行了包容化處理，將原始共詞矩陣轉(zhuǎn)換為相似矩陣。Ochiia系數(shù)計算公式為： ，其中 表示關(guān)鍵詞 和 共現(xiàn)的頻次， 分別表示關(guān)鍵詞 和 的頻次。

由于構(gòu)建的相似矩陣為0值過多的稀疏矩陣，為方便后續(xù)處理，用1與全部相似矩陣中的數(shù)據(jù)相減，得到表示關(guān)鍵詞對的相異矩陣（表3），作為后面分析的矩陣變量。相異矩陣中的值越大表示兩個關(guān)鍵詞對聯(lián)系越不緊密，值越小表明聯(lián)系越緊密。

2.4 研究方法

因子分析法。該方法的目的是用少數(shù)幾個因子去描述眾多指標(biāo)或因素之間的聯(lián)系，其基本原理是把比較密切的幾個變量歸在同一類中，每一類變量就成為一個公共因子，然后以較少的幾個公共因子反映原資料的大部分信息。運用這種方法，可以確定本論文研究的高頻關(guān)鍵詞的類數(shù)，為聚類分析中類數(shù)的確定提供依據(jù)[3]。

聚類。該方法是直接比較各事物之間的性質(zhì)，將性質(zhì)較相近的聚為一類，將性質(zhì)差別較大的歸入不同類的分析方法。運用此方法，可以將高頻關(guān)鍵詞按照距離的遠(yuǎn)近聚集成不同的類別，使類內(nèi)屬性相似性最大， 類間屬性相似性最小[4]。

多維尺度分析。該方法是通過低維空間（通常是二維空間）展示多個研究對象之間的聯(lián)系，利用平面距離來反映研究對象之間的相似程度。通過高頻關(guān)鍵詞的多維尺度分析結(jié)果，可以直觀形象地展現(xiàn)關(guān)鍵詞之間的相近程度[5]。

社會網(wǎng)絡(luò)關(guān)系圖譜。該方法能夠直觀地揭示各個元素之間的緊密程度和所處地位。通過構(gòu)建高頻關(guān)鍵詞的圖譜，可以分析出高頻關(guān)鍵詞在整個網(wǎng)絡(luò)中所處的地位 [6]。

3.1 總體趨勢

論文的數(shù)量能夠直接反映圖情領(lǐng)域?qū)τ脩粞芯康年P(guān)注度，2002-2011這10年間共有2 115篇相關(guān)論文，年均211.5篇?？牧繌?002年的98篇增長到了2011年的309篇，增長了近3.15倍，年均增長率達(dá)到12.2%。上述數(shù)據(jù)表明，近10年來我國學(xué)者對于用戶的研究越來越關(guān)注和重視。正如普賴斯文獻指數(shù)增長規(guī)律所反映的現(xiàn)象，圖情領(lǐng)域關(guān)于用戶的研究正處于發(fā)展階段，會引起許多不同學(xué)者進行思想交流，不同學(xué)科內(nèi)容的相互滲透、交叉，推動了用戶研究的蓬勃發(fā)展。

同時，筆者對關(guān)鍵詞進行規(guī)范化處理之后，共整理出頻次大于20的34個高頻關(guān)鍵詞。其中信息服務(wù)、用戶需求、數(shù)字圖書館、高校圖書館、個性化服務(wù)這5個關(guān)鍵詞的頻次都大于100，說明在網(wǎng)絡(luò)越來越發(fā)達(dá)的今天，圖書館等信息服務(wù)機構(gòu)更加關(guān)注用戶的個性化需求，根據(jù)不同用戶的需求特征，有針對性地提供信息服務(wù)。

為了更加清楚、形象地展現(xiàn)近10年我國圖情領(lǐng)域關(guān)于用戶研究的主題和核心領(lǐng)域，筆者對得到的高頻關(guān)鍵詞進行共詞和社會網(wǎng)絡(luò)分析，并繪制相應(yīng)的關(guān)系圖。

3.2 主題歸類

3.2.1 主題類數(shù)的確定

利用SPSS17.0 進行因子分析， 結(jié)果見表4。按照提取因子的方差累積百分比要超過60 %的原則， 從關(guān)鍵詞矩陣中提取符合條件的因子個數(shù)為6。這6個因子的方差累積貢獻率達(dá)到63.503%，即能夠解釋全部信息的63.503%。由此可以確定用戶研究的主題類數(shù)為6類。

3.2.2 歸類結(jié)果

根據(jù)因子分析的結(jié)果，將關(guān)鍵詞采用系統(tǒng)聚類的方法聚為六大主題（見表5），分別是新形勢下高校圖書館用戶教育研究、網(wǎng)絡(luò)環(huán)境下圖書館用戶需求研究、數(shù)字圖書館用戶個性化服務(wù)研究、網(wǎng)絡(luò)模式下用戶服務(wù)滿意度研究、網(wǎng)絡(luò)信息資源的用戶體驗研究、信息組織中的用戶參與研究。為了更加直觀形象地展示歸類主題結(jié)果，筆者采用多維尺度分析法構(gòu)建了主題圖譜（見圖1）。

新形勢下高校圖書館用戶教育研究。由于高校圖書館是高校的文獻信息中心，是教師、科研人員、學(xué)生查找資料的主要場所。因此，國內(nèi)外對于高校圖書館的用戶教育研究歷來都很重視，將之貫穿于圖書館各個工作環(huán)節(jié)中。隨著Web 2.0和圖書館2.0的發(fā)展，高校圖書館在文獻載體、信息構(gòu)建、服務(wù)手段等諸多方面都發(fā)生了巨大的變化。如何將Web 2.0和圖書館2.0的一些元素應(yīng)用于用戶教育，提高用戶信息檢索能力以及有效利用信息的能力，已成為高校圖書館一項十分緊迫而重要的任務(wù)[8]。

網(wǎng)絡(luò)環(huán)境下圖書館用戶需求研究。隨著網(wǎng)絡(luò)的不斷發(fā)展，用戶對信息的需求也處于不斷變化中。用戶不再滿足于簡單地獲取文獻信息，而是希望利用快捷、豐富的網(wǎng)絡(luò)資源全方位獲取各種相關(guān)的信息。圖書館傳統(tǒng)的服務(wù)模式已經(jīng)跟不上網(wǎng)絡(luò)環(huán)境下用戶的需求，用戶流失現(xiàn)象日益嚴(yán)重。在這種形勢下，學(xué)者對網(wǎng)絡(luò)環(huán)境下用戶需求的特點進行了大量的研究，以期圖書館等信息服務(wù)機構(gòu)創(chuàng)建與之相適應(yīng)的服務(wù)方式，為用戶提供綜合化的信息服務(wù)[9]。

數(shù)字圖書館用戶個性化服務(wù)研究。數(shù)字圖書館是隨著網(wǎng)絡(luò)技術(shù)的成熟而蓬勃發(fā)展起來的，用戶通過檢索就能夠獲取所需信息。由于需要用戶的參與，因此這種信息獲取往往是被動的，獲得的信息質(zhì)量不盡如人意。在這樣的情況下，個性化服務(wù)應(yīng)運而生，并已經(jīng)成為數(shù)字圖書館信息服務(wù)研究的主要問題。圍繞這個問題，學(xué)者對用戶信息行為、信息偏好、用戶模型、用戶咨詢、搜索引擎等方面進行了大量的研究，以便系統(tǒng)、全面地獲取用戶興趣特點，主動推送其所關(guān)注的信息資源。

網(wǎng)絡(luò)模式下用戶服務(wù)滿意度研究。網(wǎng)絡(luò)環(huán)境下圖書館的用戶滿意度是從用戶角度出發(fā)，即用戶在獲取網(wǎng)絡(luò)信息資源時是否達(dá)到或者超過預(yù)期滿足程度的一種心理狀態(tài)。學(xué)者對用戶滿意度研究有利于優(yōu)化網(wǎng)絡(luò)檢索系統(tǒng)，提高查全率和查準(zhǔn)率，提升信息的服務(wù)質(zhì)量。

網(wǎng)絡(luò)信息資源的用戶體驗研究。對圖書館等信息服務(wù)機構(gòu)而言，用戶體驗是指用戶在使用信息產(chǎn)品過程中所獲得的心理感受。根據(jù)用戶體驗結(jié)果可以有效地進行網(wǎng)絡(luò)信息資源整合、基本術(shù)語規(guī)范以及創(chuàng)新服務(wù)模式等。用戶體驗對于圖書館等信息服務(wù)機構(gòu)來說是一種全新的觀念，近年來對其關(guān)注度不斷加大。但是相對其他主題來說，用戶體驗研究的內(nèi)容寬泛而且沒有一個相對統(tǒng)一的標(biāo)準(zhǔn)，導(dǎo)致該領(lǐng)域的研究深度有限。

信息組織中的用戶參與研究。信息組織是信息資源開發(fā)利用的關(guān)鍵環(huán)節(jié)，由于當(dāng)前以博客、微博、社交網(wǎng)絡(luò)等為代表的微內(nèi)容不斷興起，用戶越來越多地參與到信息組織中來。用戶參與圖書館信息組織一方面有益于改善圖書館信息資源組織與服務(wù)，同時也給圖書館信息組織帶來了挑戰(zhàn)。因此，圖書館將來必須變革傳統(tǒng)的信息組織模式，創(chuàng)新信息組織模式與方法[10]。

3.3 核心主題

3.3.1 核心主題的確定

在確定了近10年來關(guān)于用戶研究的主題后，接下來筆者將進一步分析這6類主題的聯(lián)系程度及所處地位。為此，筆者借鑒社會網(wǎng)絡(luò)分析方法，繪制主題的社會網(wǎng)絡(luò)關(guān)系圖譜（見圖2）。圖譜中節(jié)點的大小代表在整個網(wǎng)絡(luò)中的地位，節(jié)點越大越接近中心地位，屬于核心主題。據(jù)此可以看出“數(shù)字圖書館用戶個性化服務(wù)研究”和“網(wǎng)絡(luò)環(huán)境下圖書館用戶需求研究”是整個主題網(wǎng)絡(luò)中的核心節(jié)點，其中前者與所有的主題都有聯(lián)系，核心地位更突出。這表明在互聯(lián)網(wǎng)的沖擊下，傳統(tǒng)圖書館在向數(shù)字圖書館邁進的過程中，更加注重以用戶需求為導(dǎo)向的個性化服務(wù)模式的運用。

3.3.2 核心主題的分析

社會網(wǎng)絡(luò)關(guān)系圖譜中兩節(jié)點間的連線情況反映兩個節(jié)點的聯(lián)系強度，如果存在連線，代表兩個節(jié)點有聯(lián)系；連線越粗，表示兩者關(guān)系越緊密。根據(jù)這個原理，筆者對核心主題——“數(shù)字圖書館用戶個性化服務(wù)研究”所囊括的高頻關(guān)鍵詞進行圖譜分析（見圖3）。從圖中可以看出，個性化服務(wù)與數(shù)字圖書館、用戶模型、搜索引擎以及知識服務(wù)聯(lián)系緊密?？梢娫跀?shù)字圖書館背景下，用戶模型的建立、搜索引擎的優(yōu)化以及原始資料的知識抽取對個性化服務(wù)的開展至關(guān)重要。同時，數(shù)字圖書館與用戶研究、用戶服務(wù)聯(lián)系緊密，表明數(shù)字圖書館與傳統(tǒng)圖書館相比，更加注重以用戶為中心的服務(wù)理念。

結(jié)論

筆者利用共詞和社會網(wǎng)絡(luò)分析技術(shù)，對2002-2011年我國圖情領(lǐng)域以用戶研究為主題的論文進行了研究。結(jié)果表明，學(xué)者對用戶研究的主題主要集中在六個方面。其中，數(shù)字圖書館用戶個性化服務(wù)研究和網(wǎng)絡(luò)環(huán)境下圖書館用戶需求是目前關(guān)注的重點領(lǐng)域?，F(xiàn)有的用戶研究主題都與互聯(lián)網(wǎng)技術(shù)密切相關(guān)，這表明將網(wǎng)絡(luò)技術(shù)引入到對圖情領(lǐng)域用戶的信息服務(wù)已成為這一學(xué)科的未來發(fā)展趨勢。

[參考文獻]

[1] 鐘偉金，李佳.共詞分析法研究（一）——共詞分析的過程與方式[J].情報雜志，2008，27（5）：70-72.

[2] 朱慶華，李亮.社會網(wǎng)絡(luò)分析法及其在情報學(xué)的應(yīng)用[J].2008（2）：179-183.

[3] Dhanarai C，Lyles M A.Managing tacit and explicit knowledge transfer in IJVs：The role of relational embedded mess and the impact on performance[J].Journal of International Business Studies，2004，35（3）：428-442.

[4] 韓永青，黃科舫.基于聚類技術(shù)的政務(wù)信息資源整合研究[J].圖書情報工作，2010，54（8）：11-15.

[5] 韓璐，謝俊奇.基于多維尺度分析的土地科學(xué)決策支持系統(tǒng)研究現(xiàn)狀分析[J].中國土地科學(xué)， 2009，23（7）：37-42.

[6] 劉軍.整體網(wǎng)分析講義：UCINET軟件使用指南[M].上海：格致出版社，2009.

[7] 林聚任.社會網(wǎng)絡(luò)分析：理論、方法與應(yīng)用[M].北京：北京師范大學(xué)出版社，2009.

[8] 由敬春.網(wǎng)絡(luò)環(huán)境下高校圖書館的用戶需求特點與服務(wù)模式[J].現(xiàn)代情報，2008（12）：78-83.

[9] 鄧小昭，阮建海，李健，等.網(wǎng)絡(luò)用戶信息行為研究[M].北京：科學(xué)出版社，2010.

[10] 司莉，邢文明.Web 2.0環(huán)境下用戶參與的圖書館信息組織模式及其影響研究[J].圖書館論壇，2011，31（6）：199-206.