安璐

（徐州醫(yī)科大學(xué)，江蘇徐州 221000）

隨著”互聯(lián)網(wǎng)”時(shí)代的到來(lái)，電子閱讀方式已經(jīng)逐步成為了高校學(xué)生獲取信息和知識(shí)的主要方式之一。在這種網(wǎng)絡(luò)化、快節(jié)奏的閱讀背景下，各個(gè)高校也都建設(shè)起了自己的網(wǎng)絡(luò)信息平臺(tái)，來(lái)更好地服務(wù)廣大師生。近年來(lái)微信用戶數(shù)量爆發(fā)式的增長(zhǎng)使其全面快速地融入政治、經(jīng)濟(jì)、社會(huì)、文化生活的各個(gè)方面，較傳統(tǒng)媒體傳播更加迅速、廣泛、持久。因此成為了當(dāng)代高校師生接觸信息最廣泛的一種方式。高校的圖書(shū)館是高校內(nèi)最重要的文化傳播場(chǎng)所之一，在當(dāng)下互聯(lián)網(wǎng)高速發(fā)展的情況下，利用高校圖書(shū)館自身的優(yōu)勢(shì)，有效推進(jìn)文化傳播工作，利用微信平臺(tái)結(jié)合自身特點(diǎn)推進(jìn)微信公眾號(hào)服務(wù)，并能夠在突發(fā)公共危機(jī)時(shí)期師生無(wú)法返校的情況下擴(kuò)展甚至是替代高校圖館的功能，成為了許多高校研究的重點(diǎn)。圖書(shū)館微信公眾號(hào)平臺(tái)的閱讀情況最能反映高校微信平臺(tái)的發(fā)展情況。

筆者通過(guò)分析徐州醫(yī)科大學(xué)圖書(shū)館微信平臺(tái)建立以來(lái)2020-01-01—2021-05-31 的每日閱讀量數(shù)據(jù)序列，建立整合自回歸移動(dòng)平均模型（ARⅠMA，Auto Regression Ⅰntegreate Moving Average）。對(duì)數(shù)據(jù)模型進(jìn)行分析，給出一定的預(yù)測(cè)結(jié)果，并結(jié)合高校圖書(shū)館的有效信息，給出針對(duì)性的發(fā)展管理建議。

1 ARIMA 模型的定義

時(shí)間序列模型[1]是將一個(gè)或一組變量排列的順序，依照時(shí)間順序進(jìn)行，作用于相關(guān)數(shù)字的表達(dá)式，來(lái)闡述變量與相互關(guān)系的方式，從而得到的一種離散數(shù)字組成的集合，利用模型預(yù)測(cè)序列未來(lái)走勢(shì)，有助于為管理等工作提供科學(xué)合理的指導(dǎo)。時(shí)間序列模型可分為平穩(wěn)時(shí)間序列和非平穩(wěn)時(shí)間序列。平穩(wěn)時(shí)間序列可以用來(lái)擬合回歸方程進(jìn)行未來(lái)的預(yù)測(cè)，而非平穩(wěn)的時(shí)間序列不能直接做回歸，會(huì)產(chǎn)生沒(méi)有實(shí)際意義的偽回歸。自回歸模型是來(lái)闡述一種關(guān)系，歷史值與當(dāng)前值的相關(guān)聯(lián)系，根據(jù)過(guò)去發(fā)生的數(shù)字來(lái)對(duì)本身的數(shù)字進(jìn)行推測(cè)。AR 模型對(duì)于數(shù)據(jù)的要求比較高，要有一定的平穩(wěn)性。自回歸模型要確認(rèn)一個(gè)階數(shù)p，來(lái)用過(guò)去的數(shù)值來(lái)表示目前的數(shù)值。p階自回歸模型的公式定義為：

式（1）中：yt為當(dāng)前值；μ為常數(shù)項(xiàng)；p為階數(shù)；γi為自相關(guān)系數(shù)；εt為誤差。

自回歸模型有很多的限制：①自回歸模型是用自身的數(shù)據(jù)進(jìn)行預(yù)測(cè)；②時(shí)間序列數(shù)據(jù)必須具有平穩(wěn)性；③自回歸只適用于預(yù)測(cè)與自身前期相關(guān)的現(xiàn)象。

移動(dòng)平均模型關(guān)注的是自回歸模型中的誤差項(xiàng)的累加，q階自回歸過(guò)程的公式定義如下：

移動(dòng)平均法能有效地消除預(yù)測(cè)中的隨機(jī)波動(dòng)。自回歸模型AR 和移動(dòng)平均模型MA 模型相結(jié)合，就得到了自回歸移動(dòng)平均模型ARⅠMA（p，q），計(jì)算公式如下：

2 ARIMA 模型分析時(shí)間序列的基本步驟

將原始數(shù)據(jù)的時(shí)間序列可視化，觀察平穩(wěn)與非平穩(wěn)分布，通過(guò)單位根檢驗(yàn)，判斷時(shí)間序列是否為平穩(wěn)，通過(guò)ADF 找到最優(yōu)參數(shù)，建立ARⅠMA 模型，進(jìn)行預(yù)測(cè)。將原始數(shù)據(jù)的時(shí)間序列進(jìn)行可視化處理，作圖觀察時(shí)間序列的趨勢(shì)，如圖1 所示。

圖1 ARⅠMA 模型時(shí)間序列趨勢(shì)圖

對(duì)原數(shù)據(jù)進(jìn)行單位根檢驗(yàn)z-test 都小于各檢驗(yàn)臨界值，且p-value 小于0.05，所以一階差分后，序列變?yōu)槠椒€(wěn)時(shí)間序列，并繪制一階差分圖，如圖2 所示。

圖2 一階差分圖

ACF 和PACF 的模式呈現(xiàn)拖尾不明顯，則需要嘗試不同的參數(shù)值，然后通過(guò)赤池信息準(zhǔn)則來(lái)判斷，如圖3 所示。

圖3 一階差分自相關(guān)圖和一階差分偏自相關(guān)圖

本次模型構(gòu)建結(jié)果，包括回歸系數(shù)值、p值等。第一，模型參數(shù)表格展示模型構(gòu)建結(jié)果情況，通常不需要對(duì)其過(guò)多關(guān)注，即使p值大于0.05；第二，信息準(zhǔn)則BⅠC 和AⅠC 值常用于多次分析模型對(duì)比，它們的值越低，分析越好，如果需要進(jìn)行多次分析，可以將這2個(gè)數(shù)值進(jìn)行相關(guān)比較。從整體來(lái)講述構(gòu)建的模型的優(yōu)化內(nèi)容如表1 所示。

表1 模型參數(shù)表

結(jié)合BⅠC 信息準(zhǔn)則，對(duì)多個(gè)潛在備選模型進(jìn)行建模和對(duì)比選擇，最終找出最優(yōu)模型為ARⅠMA（0，1，2）。其模型公式為y（t）=0.199－0.731×ε（t－1）－0.219×ε（t－2）。擬合模型后，需要對(duì)得到的殘差列進(jìn)行單位根檢驗(yàn)，隨后檢驗(yàn)殘差序列是否為白噪聲。根據(jù)z-test 和p-value，殘差也為平穩(wěn)時(shí)間序列。用Q統(tǒng)計(jì)量進(jìn)行白噪聲（White Noise）檢驗(yàn)，通過(guò)白噪聲檢驗(yàn)的結(jié)果，可知模型的有效性擬合效果較好，如圖4所示。最后生成ARⅠMA 模型生成的預(yù)測(cè)值和原始值的擬合線如圖5 所示。

圖4 模型擬合效果圖

圖5 ARⅠMA 模型預(yù)測(cè)圖

3 結(jié)論與建議

運(yùn)用徐州醫(yī)科大學(xué)圖書(shū)館微信公眾號(hào)平臺(tái)的閱讀量建立ARⅠMA 模型[2]并進(jìn)行分析后，結(jié)合現(xiàn)實(shí)情況，得出了以下結(jié)論：微信公眾號(hào)平臺(tái)在公共危機(jī)引發(fā)的時(shí)期對(duì)圖書(shū)館有一定的替代效應(yīng)，從2020 年公共危機(jī)時(shí)期后閱讀量的波動(dòng)比較明顯，無(wú)明顯趨勢(shì)。預(yù)測(cè)趨勢(shì)只是看出短期存在一定不穩(wěn)定的波動(dòng)趨勢(shì)，這與實(shí)際情況隨著期末的來(lái)臨閱讀量會(huì)有一定程度的波動(dòng)比較明顯的情況相符和。結(jié)合上述情況給出以下建議。

3.1 徐州醫(yī)科大學(xué)圖書(shū)館微信公眾號(hào)平臺(tái)現(xiàn)狀解讀

ARⅠMA 模型生成的預(yù)測(cè)值顯示短期趨勢(shì)是波動(dòng)的，并結(jié)合實(shí)際，隨著期末與假期的到來(lái)，高校圖書(shū)館的紙質(zhì)書(shū)籍閱讀量與電子平臺(tái)閱讀量普通情況下都是趨向于減少的。許多學(xué)者都做過(guò)研究，高校圖書(shū)館的閱讀量跟季節(jié)尤其是假期的來(lái)臨是有相關(guān)關(guān)系的，李偉等就北京理工大學(xué)3 年內(nèi)圖書(shū)館圖書(shū)借閱量的數(shù)據(jù)研究，指出了圖書(shū)借閱量具有周期性，并提出高校該重視紙質(zhì)館藏建設(shè)的建議；王家勝等通過(guò)分析青島農(nóng)業(yè)大學(xué)圖書(shū)館圖書(shū)借閱量數(shù)據(jù)時(shí)序圖，觀察總結(jié)了借閱量具有季節(jié)性現(xiàn)象；許志榮以江南大學(xué)圖書(shū)館為例，鑒于圖書(shū)館借閱量序列的長(zhǎng)期趨勢(shì)和季節(jié)周期的影響關(guān)系，建立了合適的ARⅠMA 模型分析。針對(duì)圖書(shū)館公眾號(hào)平臺(tái)閱讀量波動(dòng)比較明顯的情況[3]，并結(jié)合實(shí)際調(diào)查，微信公眾號(hào)平臺(tái)在公共危機(jī)發(fā)生后，還未恢復(fù)到以前高校師生穩(wěn)定的閱讀量，這一期間內(nèi)容沒(méi)有無(wú)可替代性，應(yīng)該加強(qiáng)圖書(shū)館微信公眾平臺(tái)內(nèi)容的建設(shè)，師生閱讀的黏性，在擴(kuò)大影響力的同時(shí)也可以更好地在公共危機(jī)中引導(dǎo)輿情的走向，一旦發(fā)現(xiàn)負(fù)面輿情與虛假輿情時(shí)，可以通過(guò)配合高校圖書(shū)館加強(qiáng)對(duì)網(wǎng)絡(luò)輿情引導(dǎo)的工作，確定發(fā)布內(nèi)容，對(duì)虛假輿情進(jìn)行有效解釋，否定謠言，澄清事實(shí)，疏導(dǎo)學(xué)生情緒，在公共危機(jī)發(fā)生時(shí)期將網(wǎng)絡(luò)輿情引導(dǎo)到正確方向。

2020 年徐州醫(yī)科大學(xué)圖書(shū)館微信公共平臺(tái)遇到了公共危機(jī)的時(shí)期，高校校師生都無(wú)法返校的情況下可以看到微信公眾號(hào)平臺(tái)還是具備了一定的閱讀量[4]，學(xué)校運(yùn)用圖書(shū)館微信平臺(tái)也及時(shí)發(fā)布了“抗擊疫情，圖書(shū)館助您居家科研”“關(guān)于疫情防控期間組織相關(guān)文獻(xiàn)資源服務(wù)平臺(tái)向高校提供免費(fèi)服務(wù)通知”等活動(dòng)，作為醫(yī)科類大學(xué)，在此期間更加迫切需要迅速獲取資料，展開(kāi)研究。在這一時(shí)期可以看到在圖書(shū)館無(wú)法借閱的情況下微信公眾號(hào)平臺(tái)依然保持了一定的閱讀量，對(duì)圖書(shū)館是有一定的補(bǔ)充替代作用的，如圖6 和圖7所示。

圖6 圖書(shū)館圖書(shū)借閱量

圖7 圖書(shū)館微信公眾號(hào)閱讀量

3.2 高校圖書(shū)館微信公眾號(hào)平臺(tái)發(fā)展展望

高校圖書(shū)館作為每個(gè)學(xué)校的信息文化交流中心，是為了服務(wù)于所在的學(xué)校機(jī)構(gòu)教學(xué)與科研，是學(xué)校信息化發(fā)展的主要基地。運(yùn)用好高校圖書(shū)館微信平臺(tái)發(fā)展信息分融服務(wù)，可以更好滿足學(xué)生隨時(shí)獲取圖書(shū)館資訊和圖書(shū)館文獻(xiàn)資源的需求，在現(xiàn)如今高校圖書(shū)館紙質(zhì)閱讀量都在下降的大趨勢(shì)下，個(gè)性化電子化的閱讀服務(wù)越來(lái)越受高校師生的歡迎，并且在特定時(shí)期，譬如各個(gè)公共危機(jī)發(fā)生的時(shí)期，借助互聯(lián)網(wǎng)的各個(gè)高?；ヂ?lián)網(wǎng)平臺(tái)如圖書(shū)館的微信公眾號(hào)平臺(tái)，可以更迅速地發(fā)布信息，溝通引導(dǎo)廣大師生的情緒，開(kāi)展線上的教學(xué)科研活動(dòng)，真正實(shí)現(xiàn)移動(dòng)互聯(lián)網(wǎng)圖書(shū)館的功能。