史雅莉
(武漢大學(xué)信息管理學(xué)院 武漢 430072)
·實(shí)證研究·
科學(xué)數(shù)據(jù)管理背景下高校IR系統(tǒng)用戶行為建模研究
史雅莉
(武漢大學(xué)信息管理學(xué)院武漢430072)
以技術(shù)接受模型理論為基礎(chǔ),構(gòu)建高校 IR 用戶接受模型并對其進(jìn)行驗(yàn)證。研究發(fā)現(xiàn),感知有用性、感知易用性、使用經(jīng)驗(yàn)及部分外部變量與用戶的IR使用行為呈顯著正相關(guān)。國內(nèi)高校IR建設(shè)發(fā)展過程中應(yīng)注意以下四方面問題:整合數(shù)據(jù)資源與提高數(shù)據(jù)質(zhì)量、完善IR功能與提高系統(tǒng)運(yùn)行效率、加大宣傳力度與開展教育培訓(xùn)工作、調(diào)整圖書館職能與增強(qiáng)數(shù)據(jù)服務(wù)意識。
高校IR技術(shù)接受模型用戶行為
〔引用本文格式〕史雅莉.科學(xué)數(shù)據(jù)管理背景下高校IR系統(tǒng)用戶行為建模研究[J].圖書館,2016(10):53-57
隨著數(shù)據(jù)密集型科研趨勢的日益明顯,無論是學(xué)術(shù)研究機(jī)構(gòu),還是圖書館、檔案館等信息服務(wù)機(jī)構(gòu)都需對大規(guī)模的數(shù)據(jù)進(jìn)行管理,確保數(shù)據(jù)質(zhì)量[1]。OpenDOAR統(tǒng)計(jì)數(shù)據(jù)顯示,截至2016年5月,世界范圍內(nèi)在此網(wǎng)站上注冊的機(jī)構(gòu)庫(Institutional Repository,IR)數(shù)量已達(dá)3049個[2]。為適應(yīng)科研環(huán)境的變化,國內(nèi)由北京大學(xué)、清華大學(xué)、南京大學(xué)等高校牽頭的首批14所國家協(xié)同創(chuàng)新中心已于2013年4月11日通過認(rèn)定[3],國內(nèi)機(jī)構(gòu)庫的建設(shè)與發(fā)展逐漸備受關(guān)注。針對高校科學(xué)數(shù)據(jù)管理的CALIS三期IR建設(shè)與推廣項(xiàng)目于2012年4月通過驗(yàn)收,在IR系統(tǒng)開發(fā)、內(nèi)容建設(shè)和制度建設(shè)等方面均取得顯著成效。該項(xiàng)目根據(jù)高校需求規(guī)范建立IR數(shù)據(jù)資源共享平臺,協(xié)助高校發(fā)布、共享和保護(hù)現(xiàn)有數(shù)字資源,提升各高??蒲泄芾砼c知識服務(wù)水平[4]。學(xué)術(shù)界,相關(guān)學(xué)者也對此展開了專題研究[5],但從用戶角度對高校IR利用情況的研究相對較少。本研究采用實(shí)證方法,通過模型構(gòu)建對目前我國高校IR用戶使用行為進(jìn)行量化分析,以期為國內(nèi)高校IR建設(shè)與發(fā)展提供借鑒與參考。
2.1模型構(gòu)建及研究假設(shè)
筆者通過調(diào)研發(fā)現(xiàn),高校IR作為一種科學(xué)數(shù)據(jù)共享平臺,以圖書館網(wǎng)站為依托,已在很多高校投入并廣泛使用。盡管劉巧英[6]、胡海燕[7]等學(xué)者已針對用戶從不同角度進(jìn)行了研究,但目前國內(nèi)高校科學(xué)數(shù)據(jù)管理尚未形成統(tǒng)一定制,為了更好地完善IR的職能,提高其利用率,使高校科學(xué)數(shù)據(jù)得到最大程度的利用和共享,本研究從用戶的角度出發(fā),以Davis、Venkatesh等人提出并通過長期實(shí)踐檢驗(yàn)的技術(shù)接受模型為基礎(chǔ),構(gòu)建了高校IR用戶接受模型[8,9](參見圖1)。
圖1 高校IR系統(tǒng)用戶接受模型
高校機(jī)構(gòu)知識庫用戶接受模型中共有12個變量,其中包括3個核心變量(感知有用性、感知易用性、行為意向),7個外部變量(主觀規(guī)范、形象、工作相關(guān)性、信息質(zhì)量、計(jì)算機(jī)自我效能感、感知愉悅性、便利條件),1個調(diào)節(jié)變量(經(jīng)驗(yàn))以及結(jié)果變量(使用行為)。據(jù)此,本研究提出以下假設(shè),并在參考國內(nèi)外相關(guān)文獻(xiàn)的基礎(chǔ)上,對理論模型中的各變量指標(biāo)做出定義和解釋(參見表1)。
表1 變量定義及研究假設(shè)
2.2研究設(shè)計(jì)及數(shù)據(jù)收集
本研究采用問卷調(diào)查法對上述各項(xiàng)指標(biāo)進(jìn)行測量。問卷設(shè)計(jì)題型以選擇題為主,共分為三個部分。第一部分是對用戶高校機(jī)構(gòu)庫使用基本情況的調(diào)查,包括使用時長、使用頻率、瀏覽方式等。第二部分是問卷主體部分,采用李克特量表對高校IR用戶接受模型中各變量的測量,將用戶態(tài)度分為“非常同意/5分”、“同意/4分”、“不確定/3分”、“不同意/2分”、“非常不同意/1分”五個層次,通過打分制獲取定量調(diào)查結(jié)果。第三部分是對用戶基本信息的調(diào)查,包括性別、年齡、職業(yè)、專業(yè)等信息。
在調(diào)研過程中以問卷調(diào)研為主,正式調(diào)研之前進(jìn)行了專家小組討論和預(yù)測試。調(diào)研對象主要為清華大學(xué)和北京大學(xué)兩所高校的師生以及科研工作者,共發(fā)放349份調(diào)查問卷,其中紙質(zhì)版調(diào)查問卷322份,電子版調(diào)查問卷8份,網(wǎng)絡(luò)版調(diào)查問卷19份,共計(jì)回收323份,回收率為92.6%。剔除誤填、未填完、空白卷、同一答案、選擇失真等廢卷45份,得到有效問卷278份,有效問卷回收率為86.1%。由于此次調(diào)研問卷是分批發(fā)放,所以數(shù)據(jù)轉(zhuǎn)錄與問卷發(fā)放工作交叉進(jìn)行,轉(zhuǎn)錄及統(tǒng)計(jì)分析工具為社會科學(xué)統(tǒng)計(jì)軟件SPSS20.0。
3.1描述性統(tǒng)計(jì)
本次調(diào)查樣本中,男性有167位,占樣本總數(shù)的60.1%,女性有111位,占樣本總數(shù)的39.9%,年齡分布主要集中在40歲以下,本科生、碩士研究生、博士研究生、教研工作者分別占樣本總數(shù)的37.4%、34.9%、21.9%、5.8%。專業(yè)領(lǐng)域涉及社會科學(xué)、自然科學(xué)、工程學(xué)等,其中自然科學(xué)和工程學(xué)的有效樣本所占比例為44.2%,略高于社會科學(xué)領(lǐng)域的樣本量,有利于均衡樣本的學(xué)科分布,保證調(diào)研數(shù)據(jù)的有效性。
表2 IR使用經(jīng)驗(yàn)分布情況
關(guān)于用戶使用經(jīng)驗(yàn),本次調(diào)研對象都是高校IR的使用者和潛在使用者,由表2可以看出,大部分受試者都具有一定的IR使用經(jīng)驗(yàn)。對本校IR有半年以上使用經(jīng)驗(yàn)的人數(shù)占樣本總數(shù)的68.7%,在頻率統(tǒng)計(jì)中,計(jì)入周使用頻次的人數(shù)占樣本總數(shù)的85.3%。其中35%的受試者每周使用IR的累計(jì)時長為1-5小時,21.2%的受試者每周使用IR的累計(jì)時長在5小時以上。
關(guān)于用戶瀏覽習(xí)慣的統(tǒng)計(jì),研究通過調(diào)研受試者對IR中數(shù)據(jù)資源的瀏覽方式,進(jìn)一步分析高校IR科學(xué)數(shù)據(jù)的分類管理。調(diào)查數(shù)據(jù)顯示,91.4%的受試者更愿意通過學(xué)科主題的方式瀏覽和查找所需科學(xué)數(shù)據(jù),46.0%的受試者更愿意通過作者去瀏覽,其次是年代(21.6%)和機(jī)構(gòu)(16.2%),最后是載體類型(8.6%)。
關(guān)于IR數(shù)據(jù)資源分布情況,目前高校IR中所包含的數(shù)據(jù)資源以期刊論文、會議論文居多,對實(shí)驗(yàn)數(shù)據(jù)、年度報(bào)告等數(shù)據(jù)的管理位居其次,對專利、工作文稿、計(jì)劃或藍(lán)圖等數(shù)據(jù)收集和共享較少。此外,有四位受試者還選擇了“其他”選項(xiàng),提出了視頻課程等內(nèi)容(參見表3)。
表3 IR數(shù)據(jù)資源分布情況
3.2信效度檢驗(yàn)
為保證總樣本數(shù)據(jù)的有效性,本研究在因素抽取和主成分分析后,采取直交轉(zhuǎn)軸最大變異法對每個層面構(gòu)念的量表進(jìn)行了效度檢驗(yàn)。由表4可知,五個層面的KMO值介于0.725至0.872之間,指標(biāo)統(tǒng)計(jì)量均大于0.700,顯著性概率值P=0.000〈0.05,由于KMO值越接近于1,表示整體數(shù)據(jù)越適合進(jìn)行因素分析。因此,本研究中每個層面構(gòu)念的整體數(shù)據(jù)都比較適合進(jìn)行因素分析。此外,在反映像相關(guān)矩陣中每個變量的取樣適當(dāng)性量數(shù)即MSA值越接近于1,因此,每個層面構(gòu)念的個別題項(xiàng)都比較適合進(jìn)行因素分析。
表4 各因素組的KMO與Bartlett’s檢驗(yàn)
根據(jù)信度指標(biāo)值判斷準(zhǔn)則,分量表的信度指標(biāo)值最少要在0.6以上,由表5可見,第五層面構(gòu)念題項(xiàng)的Cronbach's Alpha值相對偏低,但仍高于0.6,考慮到內(nèi)部一致性信度的高低會受題項(xiàng)數(shù)量的影響,而在本研究中這兩個因素所包含的題項(xiàng)均較少,因而該信度檢驗(yàn)結(jié)果也是可以接受的。
表5 各因素組的可靠性統(tǒng)計(jì)量表
3.3回歸分析
表6為PU、PEOU、BI、AU四組變量的回歸系數(shù)及其顯著性檢驗(yàn),包括預(yù)測變量的非標(biāo)準(zhǔn)化的回歸系數(shù)、標(biāo)準(zhǔn)化的回歸系數(shù)、回歸系數(shù)顯著性檢驗(yàn)的t值及顯著性概率值、共線性診斷的統(tǒng)計(jì)量(允差及方差膨脹系數(shù)VIF)(見表6)。根據(jù)分析結(jié)果可知,四組變量的標(biāo)準(zhǔn)化回歸方程式:
PU=0.323×IQ+0.197×PEOU+0.085×SN+0.064×I
PEOU=0.323×PE+0.322×CSE+0.175×FC
BI=0.306×SN+0.200×PU+0.086×PEOU
AU=0.513×BI+0.191×FC
從標(biāo)準(zhǔn)化回歸方程式中可以看出,PU的四個預(yù)測變量中以IQ和PEOU兩個自變量對效標(biāo)變量的影響較大,SN和I變量的對其影響相對較低。由于四個預(yù)測變量的標(biāo)準(zhǔn)化回歸系數(shù)值均為正數(shù),表示其對效標(biāo)變量的影響均為正向。四個預(yù)測變量回歸系數(shù)顯著性檢驗(yàn)的t值分別為5.306(P=0.000〈0.05)、3.161(P=0.002〈0.05)、1.320(P=0.188〉0.05)、1.479(P=0.140〉0.05)。因此,回歸系數(shù)未達(dá)顯著的預(yù)測變量有“主觀規(guī)范”和“形象”,原因是SN與PEOU、I與SN變量均呈顯著正相關(guān)且相關(guān)程度為中度關(guān)系,故被排除于回歸模型之外。但是,回歸分析中未達(dá)顯著水平的預(yù)測變量SN和I不一定與效標(biāo)變量沒有關(guān)系,由積差相關(guān)分析可知,其與效標(biāo)變量PU均達(dá)顯著相關(guān)。
同理可知,PEOU的三個預(yù)測變量PE、CSE、FC與其效標(biāo)變量PEOU均達(dá)顯著相關(guān)。BI的三個預(yù)測變量SN、PU、PEOU與其效標(biāo)變量BI均達(dá)顯著相關(guān)。AU的兩個預(yù)測變量BI和FC與其效標(biāo)變量AU達(dá)顯著相關(guān)。但二者的允差值均為0.942,方差膨脹系數(shù)均為1.062〈2.000,未大于評定指標(biāo)值10,表示進(jìn)入回歸方程式的自變量間的多元共線性問題不明顯。
表6 模型回歸系數(shù)摘要
3.4調(diào)節(jié)變量的效應(yīng)分析
E是高校IR用戶接受模型中的調(diào)節(jié)變量,研究采用分組多元線性回歸方法對E的調(diào)節(jié)效應(yīng)進(jìn)行了分析。在回歸分析過程中將調(diào)研用戶使用經(jīng)驗(yàn)單選題的題項(xiàng)進(jìn)行了邏輯劃分,把用戶使用經(jīng)驗(yàn)劃分為2年以下、2-4年、4年以上三個階段。據(jù)此,構(gòu)建了回歸模型1、2、3并得出分組回歸分析結(jié)果(參見表7)。
表7 經(jīng)驗(yàn)調(diào)節(jié)模型摘要
E調(diào)節(jié)SN與PU之間的關(guān)系,本研究中假設(shè)隨著E的增長,SN對PU的積極直接影響會削弱(H14)。如表6所示,模型1為2年以下組回歸方程,該回歸模型的多元相關(guān)系數(shù)R2=0.145,能夠解釋因變量PU變異量的14.5%,P=0.000〈0.05,表示模型1的總體回歸效果是顯著的。模型2為2-4年組回歸方程,該回歸模型的多元相關(guān)系數(shù)R2=0.269,能夠解釋因變量PU變異量的26.9%,P=0.000〈0.05,表示模型2的總體回歸效果是顯著的。模型3為4年以上組回歸方程,該回歸模型的多元相關(guān)系數(shù)R2=0.038,能夠解釋因變量PU變異量的3.8%,P=0.300〉0.05,表示模型3的總體回歸效果未達(dá)顯著水平。同理,E調(diào)解SN與BI之間的關(guān)系,本研究中假設(shè)隨著E的增長,SN對用戶BI的積極直接影響削弱(H15)。由下表數(shù)據(jù)可知模型1、2、3的總體回歸效果均達(dá)顯著水平。
4.1假設(shè)驗(yàn)證
本研究利用SPSS20.0軟件,采用相關(guān)分析、多元線性回歸分析和分組回歸分析對高校IR用戶接受模型的假設(shè)進(jìn)行了驗(yàn)證(參見圖2)。由驗(yàn)證結(jié)果可知,PU的變異量可被解釋28.7%,PEOU的變異量可被解釋41.5%,BI的變異量可被解釋22.4%,AU的變異量可被解釋34.7%。各回歸模型的整體顯著性檢驗(yàn)的F均達(dá)顯著水平(P=0.000〈0.05),除H3、H14外,其他假設(shè)均已通過驗(yàn)證。
圖2 高校IR用戶接受模型驗(yàn)證結(jié)果
4.2國內(nèi)高校IR系統(tǒng)建設(shè)的建議
4.2.1整合數(shù)據(jù)資源與提高數(shù)據(jù)質(zhì)量
內(nèi)容構(gòu)建是高??茖W(xué)數(shù)據(jù)管理及高校IR發(fā)展的核心,在調(diào)研過程中不少用戶反映IR數(shù)據(jù)資源更新不及時、準(zhǔn)確性較差、分類不夠清晰、內(nèi)容不夠精煉等。因此,已建或?qū)⒔ǖ母咝R應(yīng)把內(nèi)容建設(shè)作為重中之重,拓寬數(shù)據(jù)資源的學(xué)科覆蓋范圍。另外,由于科學(xué)數(shù)據(jù)的時效性較強(qiáng),所以IR系統(tǒng)應(yīng)做好資源更新工作。本次調(diào)研數(shù)據(jù)顯示,用戶在使用IR進(jìn)行數(shù)據(jù)檢索時更傾向于通過學(xué)科主題和作者的分類方式瀏覽資源,因此高校館應(yīng)充分整合數(shù)據(jù)資源并對其進(jìn)行有效分類,保證資源檢全率,使之得到最大程度的共享。
4.2.2完善IR功能與提高系統(tǒng)運(yùn)行效率
完善的系統(tǒng)功能是有效管理科學(xué)數(shù)據(jù)的前提和保障。高校在系統(tǒng)設(shè)計(jì)時應(yīng)充分考慮用戶需求,在不影響檢索效率的前提下,簡化操作方式,增強(qiáng)檢索結(jié)果的可視化效果,使用戶界面更加人性化。在系統(tǒng)投入運(yùn)行后,還應(yīng)做好系統(tǒng)維護(hù)工作,及時發(fā)現(xiàn)問題并予以解決,這樣不僅可以提高系統(tǒng)反應(yīng)靈敏度,還可節(jié)約用戶時間,降低其等待成本。此外,由于大多高校IR系統(tǒng)的運(yùn)行依托于圖書館網(wǎng)站,所以圖書館系統(tǒng)整體工作效率的提高對于高校IR功能的完善至關(guān)重要。
4.2.3加大宣傳力度與開展教育培訓(xùn)工作
對于很多用戶尤其是較少使用IR的本科學(xué)生或者信息需求層次較低的用戶來說,很容易將高校IR與圖書館網(wǎng)站上的常用數(shù)據(jù)庫相混淆,而這部分人很有可能成為IR的潛在使用者,今后可能會因之前并不明確IR的功能而放棄使用。為此,高校應(yīng)做好以下工作:①加大推廣及宣傳力度,讓廣大師生及科研工作者盡早形成對高校IR的正確認(rèn)知,了解其功能,熟悉其資源布局;②加強(qiáng)用戶培訓(xùn),介紹和普及IR的使用方法;③加強(qiáng)對圖書館工作人員在數(shù)據(jù)監(jiān)護(hù)、數(shù)據(jù)管理、咨詢技巧等方面的培訓(xùn)[10]。圖書館是高??茖W(xué)數(shù)據(jù)管理的主體,只有增強(qiáng)館員的數(shù)據(jù)管理能力才能保證IR系統(tǒng)的有效運(yùn)行,促進(jìn)科研成果的傳播與共享。
4.2.4調(diào)整圖書館職能與增強(qiáng)數(shù)據(jù)服務(wù)意識
圖書館及其工作者在高??茖W(xué)數(shù)據(jù)管理及高校IR應(yīng)用及推廣過程中扮演著十分重要的角色[11]。在數(shù)據(jù)急劇膨脹、學(xué)術(shù)交流環(huán)境發(fā)生巨大變化的社會背景下,作為主要信息服務(wù)機(jī)構(gòu)之一的高校圖書館也面臨著用戶需求不斷升級、資源類型多元化、技術(shù)革新以及同類搜索引擎的挑戰(zhàn)等各方面壓力。因此,圖書館在推進(jìn)IR服務(wù)過程中應(yīng)認(rèn)真定位自身功能,增強(qiáng)數(shù)據(jù)服務(wù)意識,發(fā)揮學(xué)術(shù)圖書館的功效。與此同時,還需轉(zhuǎn)變傳統(tǒng)服務(wù)方式,積極嵌入到學(xué)科發(fā)展過程中,為廣大師生及科研工作者提供個性化、嵌入式服務(wù)。圖書館還應(yīng)發(fā)揮其資源優(yōu)勢,開展有關(guān)IR使用和數(shù)據(jù)檢索的公益講座,提高用戶的信息素養(yǎng)和實(shí)際操作水平。
(來稿時間:2016年5月)
1. Gary Marchionini.科研數(shù)據(jù)管理:保障數(shù)據(jù)質(zhì)量,促進(jìn)Ischools新科學(xué)研究[J].圖書情報(bào)知識,2013(4):4-9
2. OpenDOAR:Proportion of Repositories by Continent Worldwide [EB/OL]. [2016-05-03].http://www.opendoar.org/ onechart.php?cID=&ctID=&rtID=&clID=&lID=&potID=&rSoftWar eName=&search=&groupby=c.cContinent&orderby=Tally%20DES C&charttype=pie&width=600&height=300&caption=Proportion%20 of%20Repositories%20by%20Continent%20-%20Worldwide
3. 2011協(xié)同創(chuàng)新中心 [EB/OL]. [2016-04-22].http://baike. so.com/doc/5356440.html
4. 聶華,韋成府,崔海媛.CALIS機(jī)構(gòu)知識庫:建設(shè)與推廣反思與展望[J].中國圖書館學(xué)報(bào),2013(3):46-52
5. 燕今偉. 專題: 高??茖W(xué)數(shù)據(jù)管理與服務(wù)機(jī)制及運(yùn)行平臺研究[J].圖書情報(bào)工作,2013(6):11
6. 劉巧英.基于用戶需求的高校機(jī)構(gòu)知識庫的功能構(gòu)建[J].現(xiàn)代情報(bào),2011(11):150-153
7. 胡海燕.以用戶需求為導(dǎo)向的高校機(jī)構(gòu)知識庫自存儲服務(wù)機(jī)制研究[J].圖書情報(bào)工作,2013(10):33-37, 32
8. Venkatesh V., Morris M.G.Why Don’t Men Ever Stop to Ask for Directions? Gender, Social Influence, and Their Role in Technology Acceptance and Usage Behavior[J].MIS Quarterly, 2000, 24(l):115-139
9. Viswanath Venkatesh,F(xiàn)red Davis. A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies[J].Management Science, 2000, 46(2):186-204
10. 邢文明,吳方枝,司莉.高校圖書館開展科研數(shù)據(jù)管理與共享服務(wù)調(diào)查分析[J].圖書館論壇,2013(6):19-25,61
11. Diana L.H.,Catherine S.Y., Steve K.F..Changing Roles of Reference Librarians:the Case of the HKUST Institutional Repository[J].Reference Services Review,2005, 33(3):268-282
Modeling Study on User Behavior of IR under the Background of Research Data Management
Shi Yali
( Information Management School, Wuhan University )
This paper construct college IR user acceptance model based on technology acceptance model theory,and then through empirical research method to validate. This study found that perception of usability, perceived ease of use, experience and other external variables have a significant positive correlation with user IR usage behavior. Domestic construction and development of IR university should note the following four aspects: integrate data resources and improve the quality of data, strengthen IR function and improve the system efficiency, intensify propaganda and educational training work, adjustment library functions and enhanced data service awareness.
University IRTAMUser behavior
G250
史雅莉(1989-),女,博士研究生,研究方向:科學(xué)數(shù)據(jù)機(jī)構(gòu)庫聯(lián)盟,知識組織。