張銀玲

(貴州財經大學 圖書館,貴州 貴陽 550025)

0 引言

隨著互聯網的快速發(fā)展,越來越多的人使用電腦、手機等設備進行瀏覽閱讀。據統計,“截至2019年6月,我國網民規(guī)模達8.54億,較2018年底增長2 598萬,互聯網普及率達61.2%,較2018年底提升1.6個百分點;我國手機網民規(guī)模達8.47億,較2018年底增長2 984萬,網民中使用手機上網的比例達99.1%,較2018年底提升0.5個百分點?！盵1]這些數字的背后,是不斷增大的數字閱讀群體,其中包括了大量的高校教師與學生。可見,網絡閱讀、數字閱讀已經成為廣泛的閱讀方式?；谶@種趨勢,越來越多的資源將被數字化,網絡化。數字資源類別越多,內容越廣,對圖書館資源建設的要求就越來越高。如何從眾多的數字資源中選擇適合本校的數字資源,是對圖書館工作人員新的挑戰(zhàn)。對于普通高校圖書館,同類高校數字資源的建設經驗具有重要的指導作用,但每個高校的讀者情況都不完全相同,需要根據自身情況進行資源的合理選擇。與此同時,隨著圖書館的讀者需求不斷提高,圖書館職能也從傳統的圖書資源提供轉變到如今以信息服務為主。因此,以自身用戶需求為導向的資源服務體系建設將成為新常態(tài)[2]。在網絡環(huán)境下,用戶信息需求多樣化、個性化特征明顯,數字資源建設應以用戶為中心,吸引用戶參與,關注用戶體驗[3]。如何將本校圖書館用戶的需求真正轉化為資源建設的輸入,長期困擾著圖書館資源建設部門。

與傳統紙本資源的選取不同之處在于,數字資源的選取是按照類別選擇,而不是具體的某一個資源。傳統的紙質資源通常按照“一種書”“一本刊”來做微觀選擇,而數字資源則是按“一個庫”進行整體選擇,因此數字資源的選擇更加難以評價,各圖書館都慎重而為。為此,催生了數字資源的試用。數字資源的試用,是高校圖書館采購數字資源的重要環(huán)節(jié),對數字資源的采購決策提供重要的參考依據。

當前高校讀者用戶能參與到數字資源的推薦、日常使用以及意見反饋等階段,本文提出了一種試用數字資源采購決策模型,實現了讀者對數字資源的試用結果進行量化評價,它能對數字資源采購決策提供有力的數據支撐,減少了圖書館數字資源選擇的盲目性,使得所引進的數字資源更佳符合讀者需求,從而提高數字資源利用率,更好的發(fā)揮數字資源的價值。

1 數字資源選取模式及存在的問題

1.1 高校數字資源選取模式

目前,各高校圖書館數據資源選擇通常有以下幾種方式。

1.1.1 同行參考

借鑒同類型高校圖書館經驗,選擇比較權威的同類高校圖書館使用率較高的相關數字資源。這種方式適合高校圖書館首次或大批量采購數字資源,避免了因缺乏經驗而決策困難的情況。由于同類權威高校圖書館數字資源的使用情況可以一定程度說明該數字資源的專業(yè)適用情況,具有重要的參考意義,這種方式的采購比較簡便,操作性強。

1.1.2 資源提供方推薦

商業(yè)數字資源提供商會不定期向各高校圖書館推薦其相關的數字資源產品,在其推薦的過程中,除介紹對應產品的基本情況外,也會介紹已經購買該數字資源的其他高校圖書館的使用情況,這對未購買的圖書館具有一定的參考價值。根據該數字資源與學校的專業(yè)匹配情況,并對比已購數字資源配置情況,若沒有該類型數字資源,同時又符合學校專業(yè)發(fā)展,一般會將該類數字資源納入試用數字資源中,待試用一定時間后,再綜合判斷來決定是否正式引入。

1.1.3 讀者推薦

圖書館長期接受讀者推薦相關的紙質書本及數字資源,若某類資源推薦者達到一定的數量,圖書館將考慮先引進該類數字資源進行試用,試用期結束后,結合實際的試用情況最終決定是否正式引入。

1.2 高校圖書館數字資源建設存在的問題

1.2.1 已購數字資源利用率不高

同一個數字資源,在不同的高校其利用情況也不盡相同,已經有圖書館意識到已購數字資源存在利用率不高、與投入的成本不成比例[4-6]等問題。以貴州財經大學圖書館(以下簡稱我館)為例,全校在職教職工及在校學生總人數約2.5萬人,正式購買41個數字資源庫,使用率最高的為“CNKI中國知網”,日均點擊量為267次,使用率第二的“國務院發(fā)展研究中心信息網”日均點擊量則降為41.21次。日均點擊量超過10次的數字資源只有6個,僅占所有正式購買的數字資源總量的15%。日均點擊量低于10次的數字資源占全部購買資源總量的85%。其中,日均點擊量低于5次的數字資源總共16個,占全部正式購買的數字資源總量的39%。其中,日均點擊量僅為1次的數字資源就有3個,詳見表1所示。

表1 貴州財經大學數字資源使用情況統計

從高校科研教學層面來說,一個數字資源就算只有一個讀者使用,只要有科研成果生成,能幫助學生提高學習,幫助教師開展教學科研等,這個資源就是有價值的。但圖書館仍然需要考慮如何更大地發(fā)揮數字資源的價值,讓更多的讀者使用引進的數字資源,從而提高數字資源的利用率。

1.2.2 試用數字資源種類繁多

數據庫商為了獲得更多的用戶,擴大影響,會向具有潛在購買可能的圖書館提供一定期限與權限的數字資源免費試用,圖書館也因此獲得了更多使用免費資源的機會。隨著時間的積累,高校圖書館的試用數字資源也越來越多,為師生讀者提供了廣泛的資源,極大地豐富和拓展了高校圖書館文獻資源館藏,但同時也造成了一定的刪訂困難。

以艾瑞深中國校友會編寫的《校友會2019中國財經類大學排行榜》[7]排名前20的財經類高校為例,試用數字資源最少的是上海財經大學圖書館,試用數字資源5個,占全部數字資源的5%,最多的是天津商業(yè)大學,試用數字資源431個,占全部數字資源比例高達79.5%。20所財經高校圖書館,試用數字資源數量超過正式購買數字資源數量一半的就有10個。同樣為財經類高校,我館目前正在試用的數據資源有50個,占全部數字資源的54.9%,就近兩年新增的試用數據資源就有34個。每年圖書館都會根據圖書館館藏要求,結合學校的教學科研發(fā)展,圖書館采購經費等采購一定的數字資源,但如何選出最合適的數字資源,仍困擾著圖書館資源建設部門。

2 試用數字資源決策模型

目前,越來越多的圖書館意識到用戶參與圖書館資源建設的重要性,并為此做了一定的研究與實踐[8-10]。實際上,讀者已經或多或少參與到了圖書館的建設當中,如大多數圖書館都在做的讀者推薦,讀者問題意見反饋等,只是參與度不高。圖書館在選擇一個試用數字資源進行正式采購之前應充分掌握讀者試用期間所獲取的各種體驗,這些體驗應該包括資源是否有實際的價值、資源是否方便查詢檢索等,而不是簡單的聽“一己之見”,或者單看資源的訪問下載量。高校圖書館讀者專業(yè)分布明確,各專業(yè)學生數量不同,訪問量僅僅是一個總數字,并不能完全體現一個數字資源的真實價值,對于那些師生少的專業(yè),顯得“有失公平”。

本文充分考慮了試用數字資源學科屬性與各類讀者學科屬性一致性因素的影響,提出將高校圖書館讀者進行明確分類,分配各類讀者不同的決策權重,同時采用定向推薦試用的模式,讓各類讀者用戶廣泛參與到資源的試用結果評價,并按照特定的數學模型計算出試用數字資源的評價結果,得到最終量化的采購推薦值,用以輔助圖書館進行科學的采購決策。

2.1 數字資源與用戶的學科屬性一致性匹配

目前,擁有圖書館網站的高?；径冀⒘藢ｉT的試用數字資源訪問頁面,將引進的全部試用數字資源及其對應的試用方法通過列表形式提供給讀者,方便讀者進行試用訪問。由于高校是按照教育部印發(fā)的《普通高等學校本科專業(yè)目錄(2012年)》進行明確的學科分類與專業(yè)劃分,只有充分考慮試用數字資源學科屬性與各類讀者學科屬性一致性因素,將其重點推薦給專業(yè)對口的讀者(Reader)進行試用,才能實現對該數字資源試用的最佳價值體現。

對于專業(yè)性強的數字資源,按照學科門類下的一級學科進行對應的試用推薦。例如,《中國審判案例數據庫》是集案例檢索、閱讀、應用、研究、報送、整理于一體的綜合性法律應用案例平臺,對應讀者用戶所屬學科門類為法學,而法學門類下設有法學類、政治學類、社會學類、民族學類、馬克思主義理論類、公安學類等6個一級學科,32種專業(yè)?？紤]該數字資源學科屬性與讀者用戶學科屬性的一致性因素,應將其重點推薦給與之學科屬性一致性強的法學類(法學)、公安學類(治安學、偵查學、邊防管理)兩個一級學科所屬專業(yè)教師及學生讀者試用。

對于沒有特定專業(yè)限制或涵蓋多學科門類的綜合型數字資源,則可以向全校讀者用戶進行試用推薦,如《就業(yè)數字圖書館》《超星期刊》等。推薦原則詳見表2。

表2 試用數字資源推薦原則

2.2 模型構建

本決策模型充分考慮了高校圖書館讀者的類型與特點,劃分教師讀者與學生讀者。其中,考慮教師隊伍整體專業(yè)能力及文化水平較強,對資源的使用頻率及深度均較高,當前模型暫不對教師讀者(R1)進一步細分。研究生讀者對數字資源的使用頻率與使用深度明顯高于本科生,故將學生讀者再細分為研究生讀者(R2)和本科生讀者(R3)兩類。

在明確讀者分類的基礎上,賦予每類讀者不同的資源選擇決策權值。其中,考慮到教師長期從事相應專業(yè)領域的教學科研工作,對相關專業(yè)有比較系統與深入的了解,因此分配較大的決策權值;學生讀者是數字資源最廣大的用戶群體,對數字資源內容的全面性,平臺的易用性等方面有一定的要求,鑒于其專業(yè)性不高,因此賦予其較低的決策權值,詳細分配權值見表3。

表3 各類讀者決策權值

針對正在試用或將要試用到期的數字資源,圖書館是將其轉入正式的采購流程或刪除試用,都需要進行相關的決策。對圖書館定期(如一年)開展的試用數字資源選擇投票結果進行統計,并將統計數據代入已建立的決策模型:

(1)

其中,n=3;

Ri表示對應讀者類型的權重系數,見表2所示;

Ti′表示對應讀者類型中推薦購買人數;

Ti表示對應讀者類型總人數。

計算得出每一個試用數字資源對應的推薦值P(Proposal),并按照由高到低的順序進行資源排序。

決策模型中考慮了不同的數字資源受眾群體差異,如綜合性的數字資源讀者可能是全校讀者,而專題數據庫的讀者可能是某一個專業(yè)的師生讀者,各專業(yè)師生讀者數量上也存在較大差異,簡單的以推薦人數來比較存在片面性,而采用各類讀者用戶的有效推薦量與該類用戶的全體的占比進行計算更為客觀、科學。

3 實例分析

以我館2019年《中國社會科學院——皮書數據庫》《北大法寶》《RESSET國際經濟金融數據庫》三個試用數字資源選擇為例:《中國社會科學院——皮書數據庫》屬于專有的人文社會科學綜合學術資源總庫,主要讀者為人文社科、國際政治與經濟學相關專業(yè)教師及學生;《北大法寶》主要讀者為法律相關專業(yè)教師及學生;《RESSET國際經濟金融數據庫》主要讀者為經濟學相關專業(yè)的教師及學生。通過采取推薦試用與專門投票相結合的方式,首先將三個數字資源推薦給對應學院的教師及學生進行試用。《中國社會科學院——皮書數據庫》自2015年5月開始試用,《北大法寶》自2016年9月開始試用,《RESSET國際經濟金融數據庫》自2017年3月開始試用,經過幾年的試用,圖書館于2019年3月發(fā)放資源使用投票問卷給試用的讀者,最終回收投票問卷并統計試用情況后采用該模型進行推薦決策。

由以上計算可知,Pa

按照同樣的決策模型,將我館正在試用全部數字資源進行計算,得到全部試用數字資源的采購推薦值,將最終的結果按照推薦值由高到低進行排序。圖書館依據采購推薦值排序,結合學?？蒲薪虒W需求、圖書館館藏目標、每年的采購經費與采購任務等因素綜合選擇推薦值高的《RESSET國際經濟金融數據庫》和《北大法寶》納入了正式采購名單,而《中國社會科學院——皮書數據庫》因推薦值偏低,未納入正式采購名單,目前因試用到期已被刪除試用。

通過對已正式采購近一年的《RESSET國際經濟金融數據庫》和《北大法寶》兩個數字資源使用情況跟蹤統計,發(fā)現模型計算推薦值高的數字資源實際使用率也相對較高,詳見表4。

表4 已采購數字資源使用情況對比

由表4可知,已采購的《RESSET國際經濟金融數據庫》實際單日用戶點擊量明顯高于《北大法寶》,該統計結果與本文構建的模型計算采購推薦值結論完全吻合,表明該模型具有一定的正確性,在采購決策中能夠發(fā)揮重要的正向指導作用。同時,通過該模型的應用,大大提高了數字資源采購決策效率,提升了圖書館數字資源的決策能力,也得到了圖書館資源建設部門的大力認可。

4 結束語

數字資源的選擇涉及一系列復雜過程,需要權衡考慮的因素較多。本文充分考慮了不同類型讀者參與數字資源試用結果評價對資源建設發(fā)揮的重要作用,在定向推薦試用數字資源和試用信息收集基礎上,通過構建的決策模型進行試用數字資源推薦程度量化排序,結果能夠更合理的反應讀者用戶的真實需求,有助于提高數字資源的利用率,同時也為數字資源建設提供科學依據和決策基礎,從而降低資源建設的盲目性。當然,隨著該模型在采購決策的深入應用,結合后期實踐效果,未來可深入分析研究讀者用戶進一步細分的準則以及各類讀者權值系數的優(yōu)化,進而不斷完善模型。