段堯清 劉宇明 蔡詩茜 陳玲

摘要：[目的/意義]本文從用戶信息采納行為的視角出發(fā)，通過信息采納意向的中介效應(yīng)針對數(shù)字圖書館個性化推薦的影響因素進(jìn)行研究。[方法/過程]在計劃行為理論的基礎(chǔ)上構(gòu)建了數(shù)字圖書館個性化推薦信息用戶采納行為模型，并通過實(shí)證研究對該模型進(jìn)行檢驗(yàn)與分析。[結(jié)果/結(jié)論]數(shù)據(jù)分析結(jié)果表明：信息采納意向在感知有用性、用戶期望、信息質(zhì)量及主觀規(guī)范對數(shù)字圖書館個性化推薦用戶信息采納行為的影響作用中均有中介效應(yīng)。

關(guān)鍵詞：數(shù)字圖書館;個性化推薦;用戶行為;信息采納;中介效應(yīng);計劃行為理論

DOI：10.3969/j.issn.1008-0821.2019.02.010

〔中圖分類號〕G252.0〔文獻(xiàn)標(biāo)識碼〕A〔文章編號〕1008-0821（2019）02-0085-09

數(shù)字圖書館是圖書館在移動互聯(lián)環(huán)境下的新發(fā)展，也是信息時代重要的信息基礎(chǔ)設(shè)施和知識獲得的傳播工具。主要實(shí)現(xiàn)圖書館各類資源在手持設(shè)備上的同一檢索功能，以及滿足用戶可以隨時隨地獲取和閱讀文獻(xiàn)正文的需要[1]。學(xué)界普遍認(rèn)同移動數(shù)字圖書館重在對傳統(tǒng)服務(wù)模式的創(chuàng)新發(fā)展、而非簡單執(zhí)行信息服務(wù)的網(wǎng)絡(luò)化的觀點(diǎn)，如何實(shí)現(xiàn)創(chuàng)新，則重在考察實(shí)際環(huán)境和需求。盛小平等將資源可用性、權(quán)威性作為移動數(shù)字圖書館資源評價的要素[2]。用戶利用率則是這些評價方式樸素且實(shí)際的體現(xiàn)。用戶能否獲得準(zhǔn)確獲取資源的途徑、是否得到了閱讀意愿的滿足和優(yōu)越的使用體驗(yàn)，都是數(shù)字圖書館服務(wù)評價的重要指標(biāo)。因此如何滿足用戶變化著的需求是數(shù)字圖書館在當(dāng)前形勢下的重大挑戰(zhàn)。

伴隨著資源數(shù)字化過程的迅速推進(jìn)以及用戶需求的變化莫測，個性化推薦服務(wù)成為當(dāng)前圖書館服務(wù)的一種重要模式[3]。個性化的推薦側(cè)重于搜集用戶興趣，有針對性地進(jìn)行推薦，可以更好地滿足用戶需求。本文從用戶信息采納行為的角度來探討數(shù)字圖書館如何為用戶提供更優(yōu)質(zhì)準(zhǔn)確的個性化推薦服務(wù)，從而增強(qiáng)用戶使用意愿，提升數(shù)字圖書館平臺的有效性與易用性，推動數(shù)字圖書館的發(fā)展與變革。

1相關(guān)研究綜述

目前國外數(shù)字圖書館研究重點(diǎn)已由以系統(tǒng)和項目為中心開始向以用戶和服務(wù)為中心進(jìn)行轉(zhuǎn)移。Smeaton A F等[4]認(rèn)為大多數(shù)的數(shù)字圖書館還停留在單一的檢索功能上，并不能滿足用戶們的需求，并指出個性化推薦在數(shù)字圖書館的應(yīng)用能夠解決該問題。而后國外學(xué)者從不同角度對該問題進(jìn)行了相對詳細(xì)的研究，Noah S A等[5]提出從語義、本體技術(shù)角度研究本體驅(qū)動的語義數(shù)字圖書館推薦系統(tǒng)以解決分布式網(wǎng)絡(luò)環(huán)境下跨系統(tǒng)互操作問題。Renda M等[6]設(shè)計出不僅滿足用戶信息推薦需求，而且為共同興趣用戶提供交流協(xié)作空間，并提出個性化協(xié)同數(shù)字圖書館模型。Resnick P等[7]和Shardanand U等[8]則用協(xié)同過濾的方法建立了WebWatcher和LikeMiinds系統(tǒng)，在此基礎(chǔ)上K P Birman[9]將該方法分為基于用戶的協(xié)同過濾方法和基于項目的協(xié)同過濾方法，針對數(shù)字圖書館的應(yīng)用背景選擇了基于用戶的協(xié)同過濾方法，通過評分結(jié)果估算用戶可能喜歡的物品。

國內(nèi)對于數(shù)字圖書館個性化推薦的研究主要集中在以下幾個方面：第一，數(shù)字圖書館個性化推薦的技術(shù)研究及應(yīng)用。王敏等提出了模糊聚類和模糊識別相結(jié)合的聚類技術(shù)[10]。毛宜鈺等提出了一種基于聚類的協(xié)同過濾式圖書信息推薦算法[11]，李娜認(rèn)為從圖書館服務(wù)對象的特殊性出發(fā)，個性化推薦需要智能搜索技術(shù)、數(shù)據(jù)挖掘技術(shù)以及信息推送3種技術(shù)的結(jié)合不斷完善了個性化推薦的技術(shù)基礎(chǔ)[12];第二，數(shù)字圖書館個性化推薦的方法研究。洪亮等引入角色的概念模擬用戶信息選擇，提出了改進(jìn)后的情境感知推薦方法，為移動數(shù)字圖書館資源推薦提供了多種思路，有利于推薦系統(tǒng)的改進(jìn)和完善[13];第三，基于用戶的數(shù)字圖書館個性化推薦研究。張榮等基于各種技術(shù)和算法提出了用戶偏好模型，他們認(rèn)為數(shù)字圖書館要為用戶提供個性、準(zhǔn)確的服務(wù)[14]。丁雪等認(rèn)為個性化推薦中的關(guān)鍵問題即用戶本體的構(gòu)建，包括用戶基本信息本體、用戶個性本體和用戶需求本體，并用六元組表示方法實(shí)踐本體的表示，以及通過流程圖詮釋本體間的作用機(jī)制，促進(jìn)了數(shù)字圖書館健康良好的發(fā)展[15]。

綜合國內(nèi)外的相關(guān)研究成果可以發(fā)現(xiàn)，在對數(shù)字圖書館個性化推薦的研究中，從用戶信息采納行為角度出發(fā)探討其相關(guān)影響因素的研究相對較少，更鮮有學(xué)者探索中介效應(yīng)在其中的作用。中介效應(yīng)能夠把原有的關(guān)于同一問題的研究聯(lián)系在一起，把原來用來解釋相似現(xiàn)象的理論整合起來，而使得已有的理論更為系統(tǒng)。中介效應(yīng)不僅可以解釋關(guān)系背后的作用機(jī)制，還能整合已有的研究或理論，具有顯著的理論和實(shí)踐意義。本文在研究數(shù)字圖書館個性化推薦用戶信息采納行為的過程中，重點(diǎn)研究用戶采納意向在其中所起到的中介效應(yīng)，并基于計劃行為理論構(gòu)建數(shù)字圖書館個性化推薦用戶信息采納行為模型，通過結(jié)構(gòu)方程對其進(jìn)行驗(yàn)證，為相關(guān)假設(shè)提供支持。

2假設(shè)與模型構(gòu)建

計劃行為理論（Theory of Planned Behavior，TPB）是Ajzen I[16]于1991年在理性行為理論的基礎(chǔ)上提出的。該理論從人的理性角度出發(fā)，在綜合分析眾多信息的基礎(chǔ)上，對可能發(fā)生結(jié)果進(jìn)行考慮而后采取一個對自己最有利的行為。其核心思想認(rèn)為主觀規(guī)范、行為態(tài)度、知覺行為控制能夠直接影響人的行為意向。該理論不僅局限于心理學(xué)，更適用于與不同種類的研究對象與研究模型。因此，研究者需要在計劃行為理論的基礎(chǔ)上，結(jié)合自身的具體研究對象和研究情景，對原始模型進(jìn)行相應(yīng)修改[17]。

感知的有用性反映了一個人認(rèn)為使用一個具體的系統(tǒng)對他工作業(yè)績提高的程度，一般情況下，系統(tǒng)帶給用戶愉悅體驗(yàn)越高，用戶感知到的有用性越強(qiáng)。一些學(xué)者已經(jīng)分析出感知有用性在一些領(lǐng)域中對用戶采納意向能夠產(chǎn)生正向影響。如李進(jìn)華等[19]分析了感知有用性對微信信息流廣告采納意愿產(chǎn)生正向影響，劉錦宏等[20]分析了感知有用性對移動數(shù)字圖書館使用意向產(chǎn)生正向影響。在應(yīng)用數(shù)字圖書館個性化推薦獲取信息的過程中，用戶能夠提升效率、節(jié)約時間。用戶體驗(yàn)到通過個性化推薦的方式能夠更高效的提升自己，才能產(chǎn)生一定的采納意向。據(jù)此提出以下假設(shè)：

H1：感知有用性對信息采納意向有顯著（正）影響。

用戶期望是指用戶在運(yùn)用某項技術(shù)前，對該技術(shù)或平臺所獲信息的預(yù)期結(jié)果。如果用戶在使用新技術(shù)或平臺的過程中能顯著提高工作效率或?qū)W習(xí)效率，這種感知上的期望就會增加用戶持續(xù)使用該技術(shù)或平臺的意愿。在數(shù)字圖書館環(huán)境下，用戶在手機(jī)上、平板、電腦上查詢相關(guān)主題文獻(xiàn)，如果用戶認(rèn)為該方式能提高查詢文獻(xiàn)的效率，對自己的日常工作和學(xué)習(xí)有較大幫助，使用數(shù)字圖書館的意愿就會更強(qiáng)烈。據(jù)此提出以下假設(shè)：

H2：用戶期望對信息采納意向有顯著（正）影響。

Stvilia B[21]認(rèn)為為信息質(zhì)量包括相關(guān)性、有效性、可解釋性、實(shí)效性、準(zhǔn)確性和完整性等方面。是評價網(wǎng)絡(luò)信息資源最基本、最主要的標(biāo)準(zhǔn)。信息質(zhì)量反映了用戶需求的價值的大小，滿足用戶信息需求的價值越大，信息質(zhì)量就越高，反之亦然。在數(shù)字圖書館個性化推薦用戶信息采納過程中，用戶如果能夠獲得全面性、時效性、可靠性、相關(guān)性和權(quán)威性強(qiáng)的信息，無疑能夠提高用戶的采納意愿。據(jù)此提出以下假設(shè)：

H3：信息質(zhì)量對信息采納意向有顯著（正）影響。

TPB理論認(rèn)為主觀規(guī)范是指個人對于是否采取某項特定行為所感受到的社會壓力，亦即在預(yù)測他人的行為時，那些對個人的行為決策具有影響力的個人或團(tuán)體對于個人是否采取某項特定行為所發(fā)揮的影響作用大小。行為科學(xué)的相關(guān)理論認(rèn)為，人們在進(jìn)行某種行為時通常會參照他們的社會網(wǎng)絡(luò)來調(diào)整自己的態(tài)度、信念和行為方式[18]。在數(shù)字圖書館個性化推薦過程中，個性化信息的交互能夠增加用戶間對相關(guān)信息的關(guān)注，從而提高個性化推薦信息的采納意向，使主觀規(guī)范成為信息采納的關(guān)鍵因素之一。據(jù)此提出如下假設(shè)：

H4：主觀規(guī)范對信息采納意向有顯著（正）影響。

計劃行為理論認(rèn)為：一般而言，個人對于某項行為的采納意向愈正向時，則個人更有可能產(chǎn)生采納行為。許多研究成果和理論模型都將行為意向與實(shí)際行為直接關(guān)聯(lián)，甚至將意向形成等同于行為發(fā)生。然而，現(xiàn)實(shí)生活中人們在形成某一意向后，很多時候卻沒有采取相應(yīng)的行為[22]。行為執(zhí)行意向理論認(rèn)為執(zhí)行意向在采納意向和采納行為起關(guān)鍵作用。在數(shù)字圖書館個性化推薦過程中，個性化推薦的信息能夠針對不同用戶的需求，使用戶有足夠的執(zhí)行意向從而產(chǎn)生行為。據(jù)此提出以下假設(shè)：

H5：信息采納意向?qū)π畔⒉杉{行為有顯著（正）影響。

數(shù)字圖書館個性化推薦信息過程中，主觀規(guī)范、感知有用性、用戶期望、信息質(zhì)量能夠有效表達(dá)用戶需求，這些都有助于提升用戶信息采納意向，進(jìn)而促進(jìn)用戶的信息采納行為。因此可以推論，數(shù)字圖書館個性化推薦過程中，當(dāng)用戶擁有了更強(qiáng)烈的采納意向，用戶才會產(chǎn)生采納行為。據(jù)此提出以下假設(shè)：

H6：信息采納意向在感知有用性對信息采納行為的影響關(guān)系中起中介作用

H7：信息采納意向在用戶期望對信息采納行為的影響關(guān)系中起中介作用

H8：信息采納意向在信息質(zhì)量對信息采納行為的影響關(guān)系中起中介作用

H9：信息采納意向在主觀規(guī)范對信息采納行為的影響關(guān)系中起中介作用

基于上述假設(shè)，本文提出了數(shù)字圖書館個性化推薦用戶信息采納行為模型，如圖1所示：

3研究方法

3.1問卷設(shè)計

本文的實(shí)證研究采用問卷調(diào)查法，用以進(jìn)行模型檢驗(yàn)。根據(jù)前文的假設(shè)推演和模型構(gòu)建，本文將數(shù)字圖書館個性化推薦用戶信息行為采納行為模型的變量設(shè)為模型中所示的6個變量，所有6個變量測量采用Likert5分量表，采用5個選項，1～5分別代表不同的同意度，1表示“非常不同意”，5表示非常同意，從1到5同意度逐級遞增。量表初步設(shè)計后，對問卷進(jìn)行了小部分前測。前測共收回44份問卷，前測過程中，筆者對被調(diào)查者反映出的一些問題進(jìn)行了修正，根據(jù)結(jié)果修改量表，形成正式問卷。測量選項內(nèi)容及相關(guān)來源如表1所示。

表1測量選項內(nèi)容及來源

變量測量題項文獻(xiàn)來源

感知有用性（PU）PU1：我認(rèn)為通過數(shù)字圖書館個性化推薦獲取信息對我很有幫助

PU2：使用數(shù)字圖書館個性化推薦獲取信息可以提升效率，節(jié)約時間

PU3：使用數(shù)字圖書館個性化推薦能夠滿足我的需求，取得我想要的結(jié)果Davis F D等[23]

用戶期望（UE）UE1：我期望數(shù)字圖書館個性化推薦能夠提供對我有幫助的信息

UE2：我期望數(shù)字圖書館個性化推薦能夠提供時效性強(qiáng)、客觀的信息

UE3：我期望所使用數(shù)字圖書館個性化推薦的平臺是簡潔明確的

UE4：我期望數(shù)字圖書館個性化推薦所提供的信息是可以信任的

UE5：我期望數(shù)字圖書館個性化推薦所提供的信息具有一定的層次性和可存儲性劉冰等[24]

信息質(zhì)量（DA）DA1：數(shù)字圖書館個性化推薦提供的信息能夠非常準(zhǔn)確地符合我的需求

DA2：數(shù)字圖書館個性化推薦提供數(shù)據(jù)能夠非常符合我實(shí)時的需求

DA3：數(shù)字圖書館個性化推薦提供的數(shù)據(jù)具有一定的權(quán)威性晁亞男等[17]

主觀規(guī)范（SN）SN1：我身邊的親友認(rèn)為我應(yīng)該借鑒數(shù)字圖書館個性化推薦的信息

SN2：那些能影響我行為意愿的人支持我使用數(shù)字圖書館個性化推薦

SN3：使用數(shù)字圖書館個性化推薦讓我感覺比身邊的人更現(xiàn)代化Fishbein M等[25]

采納意向（UI）UI1：我愿意試用數(shù)字圖書館個性化推薦

UI2：今后我會更加頻繁地使用數(shù)字圖書館個性化推薦來獲取信息

UI3：我會建議身邊的親友使用數(shù)字圖書館個性化推薦來獲取信息

UI4：在使用數(shù)字圖書館個性化推薦時我愿意為其建設(shè)提供意見和建議Davis F D等[26]

采納行為（UB）UB1：我接受通過數(shù)字圖書館個性化推薦的方式為我推薦信息

UB2：在工作、學(xué)習(xí)、生活中我使用數(shù)字圖書館個性化推薦

UB3：我建議他人使用數(shù)字圖書館個性化推薦的方式來獲取信息Lee等[27]

3.2問卷收集

正式問卷的發(fā)放采用線上調(diào)查的方式進(jìn)行，從問卷發(fā)放至問卷截止為期20天。共回收問卷196份，除去無效問卷和填寫不全的問卷31份，實(shí)際回收165份，回收率達(dá)84.1%，有效問卷高于問卷量表題項5倍[23]。樣本統(tǒng)計結(jié)果中，在總結(jié)前測出現(xiàn)的問題基礎(chǔ)上，被調(diào)查者對數(shù)字圖書館個性化推薦都有一定的了解。被調(diào)查者女性占樣本總量的57.3%。年齡和教育程度來看，絕大部分為年輕人，且受教育程度較高。為了確保數(shù)據(jù)質(zhì)量，本研究使用SPSS 21對問卷樣本數(shù)據(jù)進(jìn)行結(jié)構(gòu)變量統(tǒng)計，得出相應(yīng)的極小值、極大值、均值、標(biāo)準(zhǔn)差等統(tǒng)計量，具體如表2所示。

從表中可以看出，所有變量的標(biāo)準(zhǔn)差都小于1.5，這表明被試者的看法比較集中，各變量之間的差異度和離散度均比較小。

3.3信效度檢驗(yàn)

3.3.1信度檢驗(yàn)

信度是用于衡量測量工具的一致性和穩(wěn)定性的程度。信度理想的測量工具，可以真實(shí)地反映被測對象的屬性值。Chronbach Alpha系數(shù)是測量量表信度的指標(biāo)，Alpha系數(shù)的最高值為1，一般來說，在實(shí)際研究中，若該系數(shù)等于或超過0.7，則認(rèn)為內(nèi)部一致性較高。本文利用SPSS 21對問卷數(shù)據(jù)進(jìn)行整體的信度分析，分析結(jié)果如表3所示。Cronbachs α值為0.960，基于標(biāo)準(zhǔn)化項的Cronbachs α值為0.961，說明問卷有較高的可信度。

3.3.2效度分析

效度即有效性，是指問卷的有效性和正確性，即問卷能夠測量出其所欲測量的構(gòu)面或特性的程度。

較高的效度表示測量結(jié)果能體現(xiàn)出被測對象的真正特征。本文通過SPSS 21對問卷進(jìn)行KMO和Bartlett的檢驗(yàn)結(jié)果，如表5所示。KMO和Bartlett檢驗(yàn)系數(shù)為0.948，Bartlett的球形度檢驗(yàn)顯著性為0.000，表明該問卷結(jié)果非常適合做因子分析。

采用主成分分析法進(jìn)行因子抽取時，條件是基本特征值大于1，最大收斂迭代次數(shù)為25次，累計貢獻(xiàn)率不得小于50%，一般在70%到80%之間。得到的解釋總方差結(jié)果如表6所示，總共抽取出的因子累計貢獻(xiàn)率為75.708，符合因子分析的要求。

再觀察表7因子負(fù)載，各個潛變量的KMO值均大于0.65，Bartlett球形檢驗(yàn)顯著水平為0.000，且各測量項對應(yīng)的因子載荷均高于0.65，說明量表適合較好的收斂效度和判別效度。

3.4模型分析

本文所提出的組織能力理論模型已在前文中建立，本研究運(yùn)用AMOS 21軟件繪制了組織能力的結(jié)構(gòu)方程模型后選取較為常用的幾個指標(biāo)：χ2/df、RMSEA、CFI、PNFI、PCFI和顯著性P值，作為模型的評價的擬合指標(biāo)，具體的擬合結(jié)果如表8所示。

因模型整體擬合結(jié)果通過檢驗(yàn)，故不需要對模型進(jìn)行修正，可以對模型進(jìn)行路徑系數(shù)分析。

在對模型整體擬合情況檢驗(yàn)之后，分別檢驗(yàn)?zāi)Ｐ偷母鳁l假設(shè)，即分析臨界比C.R.、顯著性P值和潛變量間路徑系數(shù)的大小。通過AMOS 21軟件對模型的路徑關(guān)系進(jìn)行分析。具體檢測結(jié)果如圖2和表9所示。

在表9中可以看出潛變量間的5條路徑：PU→UI、UE→UI、DA→UI、SN→UI和UI→UB的P值都在0.01以下，C.R.值均大于1.96，均具有顯著影響，因此本文的研究假設(shè)均通過檢驗(yàn)。

3.5中介效應(yīng)檢驗(yàn)

本研究采用結(jié)構(gòu)方程模型來驗(yàn)證提出的多重中介模型，因?yàn)榻Y(jié)構(gòu)方程可以對復(fù)雜的模型進(jìn)行估計，可以同時處理多個因變量和中介變量。

3.5.1直接中介效應(yīng)檢驗(yàn)

本研究利用AMOS21.0對假設(shè)模型進(jìn)行Bootstrapping中介檢驗(yàn)，直接效應(yīng)的檢驗(yàn)結(jié)果見表10，其中包括感知有用性（PU）、用戶期望（UE）、信息質(zhì)量（DA）、主觀規(guī)范（SN）、采納意向（UI）、采納行為（UB）之間的直接中介效應(yīng)關(guān)系檢驗(yàn)。

3.5.2間接中介效應(yīng)檢驗(yàn)

同時，本研究利用AMOS21.0對假設(shè)模型進(jìn)行Bootstrapping間接效應(yīng)檢驗(yàn)，檢驗(yàn)結(jié)果見表11，其中包括感知有用性（PU）、用戶期望（UE）、信息質(zhì)量（DA）、主觀規(guī)范（SN）、采納意向（UI）、采納行為（UB）之間的簡介中介效應(yīng)關(guān)系檢驗(yàn)。

表10和表11數(shù)據(jù)表明，部分聚合后的感知有用性對信息采納行為有顯著正向影響，而信息采納意向介入后，感知有用性對信息采納行為的路徑系數(shù)由0.187下降為0.140，影響效果減弱，因此信息采納意向在感知有用性與信息采納行為的關(guān)系之間起到中介作用，H6得到驗(yàn)證。同理用戶期望、信

息質(zhì)量及主觀規(guī)范相應(yīng)的路徑系數(shù)覺有不同程度上的減弱，說明信息采納意向在以上影響因素與信息采納行為中均起到中介效應(yīng)。至此本文的假設(shè)全部得到驗(yàn)證。

4研究結(jié)果與討論

利用問卷調(diào)查法，本文基于用戶信息采納行為探究了數(shù)字圖書館個性化推薦中的主要影響因素。研究發(fā)現(xiàn)感知有用性、用戶期望、信息質(zhì)量、主觀規(guī)范、信息采納意愿均對用戶信息采納行為產(chǎn)生顯著正向影響。且信息采納意向在感知有用性、用戶期望、信息質(zhì)量、主觀規(guī)范對信息采納行為中起到明顯的中介效應(yīng)。實(shí)證分析的結(jié)果可以看出此模型能夠很好地表現(xiàn)影響數(shù)字圖書館個性化推薦信息的主要因素。在技術(shù)飛速發(fā)展的大數(shù)據(jù)時代，用戶的需求越來越偏向快速地獲得自己所期望的高質(zhì)量信息。而主觀規(guī)范同時也反映出用戶對信息交互的重視。這些因素均成為影響用戶信息采納意向的關(guān)鍵，對用戶后續(xù)的信息采納行為起到?jīng)Q定性作用。因此，要提高數(shù)字圖書館個性化推薦用戶的信息采納程度，必須做好以下3個方面的工作。

1）提高服務(wù)質(zhì)量，提升用戶關(guān)懷。為體現(xiàn)數(shù)字圖書館個性化推薦信息的優(yōu)勢，吸引用戶使用數(shù)字圖書館個性化推薦平臺，采納推薦信息，應(yīng)更重視用戶的行為習(xí)慣，而不是單一地追求先進(jìn)技術(shù)功能如何開發(fā)。數(shù)字圖書館個性化推薦平臺應(yīng)重點(diǎn)關(guān)注如何能夠讓用戶實(shí)時、低使用要求地獲取對自己有幫助的信息為目標(biāo)。

2）注重社交功能，加強(qiáng)用戶之間的溝通。調(diào)查結(jié)果顯示，大部分的受訪者表示因周圍能夠影響個人行為意愿的人使用數(shù)字圖書館個性化推薦功能而采納數(shù)字圖書館個性化推薦信息。為此，數(shù)字圖書館個性化推薦平臺應(yīng)與一些社交媒體展開合作，增強(qiáng)用戶之間的關(guān)聯(lián)。

3）及時關(guān)注提供信息及服務(wù)的使用效果。在提高推薦信息質(zhì)量的基礎(chǔ)上，應(yīng)更關(guān)注用戶使用信息的效果，數(shù)字圖書館個性化推薦平臺應(yīng)做到定期收集用戶提出的意見與建議。以便于及時采取措施，發(fā)揮數(shù)字圖書館個性化推薦的真正價值。

就結(jié)果分析來看，由于受到客觀條件限制等原因，本研究在數(shù)據(jù)采集過程中樣本相對比較單一，大部分被調(diào)查者都是在校學(xué)生，樣本的代表性有待提高。未來的研究可以通過其他調(diào)查方式獲取更有代表性的樣本，同時豐富影響用戶信息采納行為的影響因素，提出針對性的建議進(jìn)行研究。

參考文獻(xiàn)

[1]邵銳.移動互聯(lián)網(wǎng)是數(shù)字圖書館創(chuàng)新服務(wù)的重要途徑[J].農(nóng)業(yè)圖書情報學(xué)刊，2016，28（12）：189-192.

[2]盛小平，陶倩.美國7個圖書館員職業(yè)能力標(biāo)準(zhǔn)的比較分析[J].圖書情報工作，2016，60（24）：14-19.

[3]尚剛.個性化推薦技術(shù)在圖書館服務(wù)中的應(yīng)用研究[D].南京：南京財經(jīng)大學(xué)，2015.

[4]Smeaton A F，Callan J.Personalisation and Recommender Systems in Digital Libraries[J].International Journal on Digital Libraries，2005，5（4）：299-308.

[5]Noah S A，Alias N A R，Osman N A，et al.Ontology-Driven Semantic Digital Library[J].Information Retrieval Technology，2010，6458：141-150.

[6]Renda M E，Straccia U.A Personalized Collaborative Digital Library Environment：A Model and An Application[J].Information Processing & Management，2005，41（1）：5-21.

[7]Resnick P，Iacovou N，Suchak M，et al.GroupLens：An Open Architecture for Collaborative Filtering of Netnews[C]//ACM Conference on Computer Supported Cooperative Work.ACM，1994：175-186.

[8]Shardanand U，Maes P.Social Information Filtering：Algorithms for Automating“Word of Mouth”[C]//Sigchi Conference on Human Factors in Computing Systems.ACM Press/Addison-Wesley Publishing Co，1995：210-217.

[9]Chen X，Liu X，Huang Z，et al.RegionKNN：A Scalable Hybrid Collaborative Filtering Algorithm for Personalized Web Service Recommendation[C]//IEEE International Conference on Web Services.IEEE，2010：9-16.

[10]王敏，嵇紹春.基于模糊聚類和模糊模式識別的數(shù)字圖書館個性化推薦研究[J].現(xiàn)代情報，2016，36（4）：52-56.

[11]毛宜鈺，劉建勛，胡蓉，等.基于Logistic函數(shù)和用戶聚類的協(xié)同過濾算法[J].浙江大學(xué)學(xué)報：工學(xué)版，2017，51（6）：1252-1258.

[12]李娜.數(shù)字圖書館個性化推薦系統(tǒng)研究[J].農(nóng)業(yè)圖書情報學(xué)刊，2015，27（9）：108-110.

[13]洪亮，錢晨，樊星.移動數(shù)字圖書館資源的情境感知個性化推薦方法研究[J].現(xiàn)代圖書情報技術(shù)，2016，32（7）：110-119.

[14]張榮，張騰躍，胡玲.數(shù)字圖書館的用戶偏好模型及個性化推薦研究[J].黑河學(xué)院學(xué)報，2017，8（5）：208-210.

[15]丁雪，張玉峰.基于本體的智能數(shù)字圖書館個性化推薦用戶本體研究[J].現(xiàn)代情報，2009，29（12）：61-65.

[16]Ajzen I.The Theory of Planned Behavior[J].Organizational Behavior & Human Decision Processes，1991，50（2）：179-211.

[17]晁亞男，劉慶旭，畢強(qiáng).數(shù)字圖書館知識鏈接用戶使用意愿影響因素及實(shí)證研究[J].現(xiàn)代情報，2017，37（9）：35-43.

[18]王偉軍，王陽，王玉珠，等.移動商務(wù)用戶個性化推薦采納行為影響因素的實(shí)證研究[J].系統(tǒng)管理學(xué)報，2017，26（5）：816-823.