收稿日期：2024-03-26

作者簡介：劉軍（1978—" ），信陽師范大學(xué)圖書館副研究館員。

* 本文系2021年度河南省哲學(xué)社會科學(xué)規(guī)劃項目“疫情防控背景下圖書館依托聯(lián)盟開展線上服務(wù)研究”的階段性研究成果之一，項目編號：2021BZH014；也系2023年度信陽師范大學(xué)廉政專題研究項目“系統(tǒng)觀念視域下各類監(jiān)督力量有效融合機制研究”的階段性研究成果之一，項目編號：2023-xlz-001。

摘" 要：［目的/意義］針對圖書館讀者行為數(shù)據(jù)較難獲取等局限，探索利用NetLogo多智能體（多主體）建模方法以拓展讀者行為分析途徑。［方法/過程］設(shè)計主體、屬性和讀者滿意度等算法，構(gòu)建讀者行為分析多智能體模擬方法流程，并通過讀者入館行為的實證研究驗證其有效性。［結(jié)果/結(jié)論］多智能體模擬能夠不依賴大量歷史行為數(shù)據(jù)，通過個體簡單規(guī)則模擬、數(shù)據(jù)分析和可視化形式，揭示讀者行為發(fā)展演化，啟示圖書館預(yù)測因果關(guān)聯(lián)、預(yù)判讀者需求、優(yōu)化資源配置、改進服務(wù)效能等。

關(guān)鍵詞：圖書館；讀者行為；NetLogo；多智能體模擬

中圖分類號：G250""" 文獻標識碼：A""" 文章編號：1003-1588（2024）04-0121-05

1" 背景

讀者行為分析一般是在采集大量讀者行為歷史數(shù)據(jù)的基礎(chǔ)上，運用數(shù)據(jù)挖掘、大數(shù)據(jù)技術(shù)等方法對讀者行為數(shù)據(jù)進行統(tǒng)計、分析（如關(guān)聯(lián)分析、序列分析、分類、預(yù)測、聚類分析等［1］），揭示讀者的行為特征和規(guī)律，并依此達到改進服務(wù)、優(yōu)化圖書館業(yè)務(wù)流程等目的。國內(nèi)外學(xué)者很早就開展了相關(guān)研究，早在2001年，Michael Cooper教授就通過對不同類型讀者訪問加州圖書館的行為數(shù)據(jù)進行挖掘，預(yù)測圖書館未來的讀者訪問量［2］。近年來隨著信息技術(shù)的發(fā)展，讀者行為分析研究得到越來越多的關(guān)注。國外對讀者行為的研究按照研究對象不同，大致從兩個方面開展：一方面從讀者角度，主要是從搜索、借閱和閱讀等行為采集、分析展開，如Mikkonen Anna（2017）［3］、Saira Hanif Soroya（2020）［4］等；另一方面從圖書館角度，主要是從環(huán)境和服務(wù)兩個方面對讀者行為影響進行分析，如Hanui Yu（2019）［5］、尹正玉（2019）［6］等。國內(nèi)讀者行為研究從2005年后逐漸興起，按研究側(cè)重不同大致有以下三類：一是側(cè)重從數(shù)據(jù)挖掘、大數(shù)據(jù)等技術(shù)在讀者行為分析中的應(yīng)用研究，如張魯（2005）［7］、張文華（2009）［8］、姜笑楠（2022）［9］等。二是側(cè)重讀者行為和圖書館服務(wù)的關(guān)系研究，如王頻（2008）［10］、姜育彥和李雅茹（2021）［11］、譚丹丹（2011）［12］等。三是從特定讀者或讀者某一特定行為開展研究，如周欣（2016）［13］、陳菁菁（2022）［14］、葉欣欣（2023）［15］等。

開展讀者行為分析的前提是獲取到足夠豐富的讀者行為歷史數(shù)據(jù)，但圖書館除了能獲取有限的借還數(shù)據(jù)、入館數(shù)據(jù)、資源訪問數(shù)據(jù)，獲得讀者其他更多不同類型、維度的數(shù)據(jù)比較困難，因此，圖書館使用讀者行為分析的方法改進服務(wù)就存在較大局限。讀者行為多智能體模擬方法不需過多依賴歷史數(shù)據(jù)，而是依靠分析、探索讀者個體行為，建立多智能體間相互作用的規(guī)則，再通過簡單、可控規(guī)則及大量主體的交互作用，采用自下向上的綜合方法仿真模擬，發(fā)現(xiàn)總體新特征，從而獲得啟示。本研究探討采用建模平臺NetLogo模擬與分析的方法分析讀者行為，并通過實證研究讀者入館行為驗證其有效性。

2" 讀者行為分析的多智能體模擬方法

2.1" 多智能體建模與NetLogo工具

多智能體建模的方法被認為是一種對未來影響深遠的變革性思想，在政府和企業(yè)決策、科學(xué)研究等方面，從自然科學(xué)、社會科學(xué)到工程學(xué)科等領(lǐng)域均有廣泛應(yīng)用，是分析復(fù)雜系統(tǒng)的強大工具［16］。美國西北大學(xué)連接學(xué)習(xí)與計算機建模中心（CLC，Center for Connected Learning and Computer-Based Modeling）開發(fā)的NetLogo就是這樣一種軟件平臺［17］，其被設(shè)計為“低門檻”——普通館員經(jīng)過學(xué)習(xí)也可以快速上手，同時也是“高上限”——可以建立復(fù)雜先進的科學(xué)模型。NetLogo包含四類主體（Agent），包括瓦片（Patches）、海龜（Turtles）、鏈（Links）及觀察者（Observers）。建模者能夠向成百上千個獨立運行的主體通過編程發(fā)出指令，通過調(diào)整參數(shù)探索主體在各種條件下的行為，通過大量主體的交互作用觀察涌現(xiàn)出的群體模式。本研究采用這一平臺創(chuàng)建模型，模擬讀者行為，并觀察不同參數(shù)條件下讀者行為的演化。

2.2" 主體創(chuàng)建和讀者滿意度計算

2.2.1" 主體創(chuàng)建。建立NetLogo模型首先需要創(chuàng)建主體，以便探索這些主體在行為交互中出現(xiàn)的模式。在模擬讀者行為的模型中，通常需要創(chuàng)建圖書館和讀者兩類主體：圖書館是單一原始主體，實現(xiàn)與讀者的交互；讀者主體數(shù)量眾多，粒度為個人，即將每個讀者作為一個主體，實現(xiàn)讀者行為模擬。其次需要定義主體屬性，以便模擬個體行為，根據(jù)所關(guān)注的讀者行為定義兩類主體的屬性。圖書館主體屬性較簡單，除了系統(tǒng)內(nèi)置的主體屬性，還可以定義開館時間、入館人數(shù)等用以描述圖書館基本信息的屬性。讀者主體除了系統(tǒng)屬性，可以定義讀者類型、來館次數(shù)、滿意狀態(tài)、容忍度等屬性，以表征主體，實現(xiàn)主體間的交互，見表1。本實證研究是根據(jù)讀者入館目的對讀者分類，為了模擬圖書館不同管理措施對入館行為的影響，將讀者分為以下三種類型：A類型——以自習(xí)、閱覽、信息檢索為目的入館的讀者（需要使用座位），B類型——以借還書為入館目的的讀者，這些讀者接受相關(guān)服務(wù)，通常不需要固定座位，C類型——參加各類線下交流等活動的讀者。在實際的入館讀者中，這三類入館讀者人數(shù)并不是均勻分布的，2020年譚宇鵬在《基于新型交互模式的高校圖書館空間優(yōu)化設(shè)計研究》中［18］，對讀者來圖書館的目的進行了問卷調(diào)查，本模型參考問卷調(diào)查數(shù)據(jù)，并對讀者入館目的進行了簡化——即每次入館讀者限定一個目的，依據(jù)讀者分類進行歸納合并：A類讀者（自習(xí)、閱覽、信息檢索行為）占比53%，B類讀者（借還書行為）占比6.4%，C類讀者（線下交流等行為）占比40.6%。另外，通過公開信息和相關(guān)文獻調(diào)研、梳理，可以發(fā)現(xiàn)圖書館采取的入館限制措施主要有以下四種：①人流控制。圖書館日接納讀者數(shù)量通常被限定為正常人流量的75%，這項管控措施顯然對以上三類讀者都有同等概率的影響。②間隔座位。該項措施對需要使用座位自習(xí)、閱覽、檢索信息的讀者有影響，但對借還書和其他線下活動讀者的影響有限。③暫停線下活動。該項措施主要對線下活動讀者有影響。④閉館。該項措施對三類讀者均有同樣影響。

劉軍：多智能體圖書館讀者行為分析*

2.2.2" 計算讀者滿意度。對讀者滿意度的計算采用行為經(jīng)濟學(xué)中的損失規(guī)避理論——最早由經(jīng)濟學(xué)家丹尼爾·卡尼曼和阿莫斯·特沃斯基提出，后來被廣泛應(yīng)用于行為經(jīng)濟學(xué)、金融學(xué)、心理學(xué)等領(lǐng)域。損失規(guī)避理論認為，對于同樣的風(fēng)險，人們更容易接受有可能獲得收益的決策，而人們在同時面對同樣數(shù)量損失時，損失帶來的負效用為收益正效用的2至2.5倍［19］。損失厭惡反映了人們的收益和風(fēng)險偏好不一致，并表現(xiàn)為風(fēng)險厭惡。參考損失規(guī)避理論，模型在計算讀者滿意度時，設(shè)計了以下算法：讀者被拒絕訪問次數(shù)*2（體現(xiàn)風(fēng)險厭惡），計算與來館次數(shù)或服務(wù)次數(shù)的比率，再與本人容忍度（tolerance）進行比較，最后確定該讀者是否滿意——模型中讀者主體屬性happy？的值是1還是true。本研究中，涉及的主要變量見下頁表2。讀者不滿意率的計算：①每日到訪讀者不滿意率daily-dissatisfaction/（count day-reader），其中count為統(tǒng)計該類型集合主體數(shù)量。②累計每日到訪讀者不滿意率cumulative-dissatisfaction/ cumulative-readers。③某時刻區(qū)域內(nèi)某類型讀者不滿意率（count readers with ［need-type = 1 and happy？ =1］）/count readers with［need-type=1］。④某時刻區(qū)域內(nèi)讀者不滿意率（count readers with ［happy？ =1］）/count readers。

2.2.3" 行為模擬和實驗分析。在NetLogo模型中，行為模擬分為初始化和基于時鐘更新運行兩個部分，分別由setup和go兩個例程進行定義。在setup例程中，初始化NetLogo，建立讀者和圖書館主體，并初始化相關(guān)屬性，在go例程中則依據(jù)微觀規(guī)則，對讀者行為進行模擬，見圖1。觀察者設(shè)計實驗，通過參數(shù)調(diào)整、擴展API、開源硬件等與模型交互，模型運行期間通過可視化的模擬界面觀察宏觀模式的變化，還可以通過監(jiān)視器、輸出區(qū)圖表及行為空間采集的數(shù)據(jù)分析讀者行為演化過程、規(guī)律和宏觀模式的涌現(xiàn)，最后通過模型驗證、模型校驗和模型重復(fù)等過程不斷完善模型精度，更準確地回答現(xiàn)實世界的問題。

3nbsp; 實證研究

3.1" 模型的初始化和行為模擬

在本研究實證研究所設(shè)定的圖書館防控情形下，對模型假設(shè)了以下情況。

假設(shè)H1：讀者到訪圖書館目的單一，并依此被歸類。

假設(shè)H2：某類型的讀者在模擬運行期間，去圖書館的目的不發(fā)生變化，即讀者類型不變，以便始終保持一致的讀者類型分布。

假設(shè)H3：圖書館疫情防控行為被歸納為以上提及的四種。

假設(shè)H4：讀者不滿意率計算僅考慮到館被拒情況，在現(xiàn)實中也與館舍環(huán)境、文獻保障能力、服務(wù)質(zhì)量等多種因素有關(guān)。

假設(shè)H5：每個時間步代表1天。

在世界中心建立圖書館主體，模型圍繞中心，建立半徑為scope的空白圓形區(qū)域，用來模擬顯示讀者入館情況，并初始化圖書館服務(wù)范圍內(nèi)（區(qū)域內(nèi)）的讀者。運行部分模擬讀者的入館行為，并進行滿意狀態(tài)檢測，在讀者入館行為模擬（services例程）中根據(jù)防控措施的開關(guān)參數(shù)，對讀者相關(guān)屬性進行修改，在滿意狀態(tài)監(jiān)測（check例程）中，計算讀者滿意度，更新讀者滿意狀態(tài)。

3.2" 實驗方案和分析

實驗一：人流控制措施對讀者滿意度的影響

在實驗中，設(shè)置參數(shù)為默認值，打開人流控制開關(guān)（采取限制入館人數(shù)的措施），模擬讀者到館行為，并計算每天（每個時間步）閉館后，4種讀者不滿意率（每日到訪讀者不滿意率、累計每日到訪讀者不滿意率、某時刻區(qū)域內(nèi)某類型讀者不滿意率、某時刻區(qū)域內(nèi)讀者不滿意率）的變化。模型模擬60天防控條件下圖書館的運行，取消防控措施后60天圖書館的運行（運行60個時間步后關(guān)閉疫情防控措施，繼續(xù)運行60個時間步），為了使計算結(jié)果更穩(wěn)定，利用NetLogo空間行為，模擬重復(fù)執(zhí)行100次，對每天的4種讀者不滿意率取平均值，整個實驗總共進行了12，000個時間步的模擬。

通過實驗可以觀察到，每日到訪讀者不滿意率在最開始的1～5天內(nèi)維持高位，其后隨著人流控制的防控天數(shù)增加，不滿意率逐漸下降，對這部分的曲線進行擬合：y=36.112x-0.405，不滿意率在疫情防控結(jié)束后迅速恢復(fù)正常；累計每日到訪讀者不滿意率在最開始的1～5天內(nèi)維持高位，其后在圖書館運行期間緩慢下降。某時刻區(qū)域讀者不滿意率在最開始的一周內(nèi)迅速上升，經(jīng)過一周緩慢上升后，在防控期間緩慢下降，并在防控結(jié)束后迅速下降并持續(xù)一段時間。由于人流控制的防控措施對三類讀者的影響是一樣的，這三類讀者的不滿意率變化保持一致。

實驗結(jié)果的啟示：圖書館在采取人流控制的防控措施之前和開始的一周左右時間，區(qū)域內(nèi)讀者的不滿意率會迅速上升，圖書館要盡量做好讀者的宣傳和疏導(dǎo)工作，其后讀者不滿意率迎來一個緩慢下降的過程，并在防控結(jié)束后的一段時間內(nèi)，不滿意率持續(xù)下降。

實驗二：間隔就坐措施對讀者滿意度的影響

在實驗中，在參數(shù)不變的情況下，打開間隔就座開關(guān)變量，即采取間隔就坐的防控措施，模擬讀者的到館行為，計算每天閉館后讀者不滿意率的變化。圖書館運行120天，其中60天在防控條件下運行，并重復(fù)執(zhí)行100次得到讀者不滿意率平均值。

通過實驗可以觀察到，每日到訪讀者不滿意率和累計每日到訪讀者不滿意率剛開始位于高位，其后在間隔就坐的防控期間，隨著天數(shù)增加不滿意率逐漸下降，當防控結(jié)束后每日到訪讀者不滿意率迅速恢復(fù)正常。由于間隔座位措施只對A類讀者有影響，因此，某時刻區(qū)域內(nèi)A類讀者不滿意率和某時刻區(qū)域內(nèi)讀者不滿意率的變化基本一致，這兩種不滿意率在最開始的一周內(nèi)迅速上升，經(jīng)過1～2天短暫穩(wěn)定后繼續(xù)迅速上升，約2周后保持基本穩(wěn)定，并在防控結(jié)束后快速下降。

實驗結(jié)果的啟示：圖書館在采取間隔就坐措施后，應(yīng)做好剛開始時讀者不滿意率出現(xiàn)急劇增加情況的應(yīng)對，并關(guān)注1～2周內(nèi)的不滿意率變化情況，重點做好因來館自習(xí)等使用座位的A類讀者的宣傳和疏導(dǎo)工作。

實驗三：暫停線下交流措施對讀者滿意率的影響

實驗?zāi)M在參數(shù)不變的情況下，打開暫停線下交流開關(guān)后，讀者到館行為的變化，圖書館運行120天（防控持續(xù)60天），并重復(fù)模擬100次得到讀者不滿意率并取平均值。

每日到訪讀者不滿意率和累計每日到訪讀者不滿意率變化情況與實驗二的結(jié)果較為相似，一開始位于高位，1～2周內(nèi)迅速下降后保持穩(wěn)定；由于該防控措施只對C類讀者有影響，某時刻區(qū)域內(nèi)C類讀者不滿意率和某時刻區(qū)域內(nèi)讀者不滿意率的變化趨勢基本一致，在最開始的一周迅速上升，短暫穩(wěn)定后繼續(xù)上升，并在約2周后保持基本不變。

實驗結(jié)果的啟示：圖書館采取暫停線下交流措施后，應(yīng)積極應(yīng)對剛開始時到訪讀者不滿意率較高的情況，并關(guān)注1～2周內(nèi)的不滿意率變化，適宜采取宣傳線上活動、線下活動向線上轉(zhuǎn)移等措施保障C類讀者的服務(wù)。

實驗四：讀者入館被拒容忍度對累計每日到訪讀者不滿意率的影響

實驗?zāi)M讀者在不同的入館被拒容忍度下，累計每日到訪讀者不滿意率的變化情況，實驗設(shè)定圖書館采用了間隔座位措施，其他參數(shù)為默認值；利用NetLogo行為空間多次模擬，容忍度從10%開始，每次增加1%，遞增至90%，每個容忍度模擬實驗100次，對累計每日到訪讀者不滿意率取平均值，實驗共模擬8，000次。

總體上看，累計每日到訪讀者不滿意率隨著讀者入館被拒容忍度的增加緩慢遞減，對曲線進行擬合：y=-0.0013x2+0.0326x+15.908，一段時間后不滿意率會突然下降，表現(xiàn)出臨界現(xiàn)象。

實驗結(jié)果的啟示：隨著被拒容忍度的提高，讀者不滿意率逐步下降，圖書館應(yīng)通過加強宣傳、溝通、改善服務(wù)等措施，提升信任度和入館黏性，不斷提升讀者入館被拒容忍度，隨著容忍度的增加，還可以更快實現(xiàn)不滿意率的降低，同時應(yīng)關(guān)注讀者不滿意率的突然下降。

4nbsp; 結(jié)語

本研究應(yīng)用NetLogo平臺，基于個體簡單規(guī)則的多智能體模擬的方法，設(shè)計實驗、通過可視化觀察和模擬數(shù)據(jù)分析，揭示讀者行為演化過程，建議圖書館提前采取精準措施和開展相應(yīng)的服務(wù)。從以上實驗可以看出，與傳統(tǒng)的讀者行為分析方法相比，這種工具和方法具有一定優(yōu)勢，見表3。

基于NetLogo的多智能體模擬方法的優(yōu)勢首先是不需要事先采集、清洗大量歷史行為數(shù)據(jù)；其次是將復(fù)雜的基于數(shù)據(jù)挖掘、大數(shù)據(jù)技術(shù)的應(yīng)用，以及描述宏觀主體間關(guān)系的復(fù)雜方程轉(zhuǎn)變?yōu)槲⒂^個體簡單直觀的規(guī)則；再次是NetLogo平臺免費開源，擁有較為豐富的API擴展，還可連接硬件，擴充分析應(yīng)用場景；最后是可視化的演化過程有利于直觀分析和理解。因此，多智能體模擬的讀者行為分析更容易被圖書館員和研究人員接受、理解和掌握，有利于廣泛開展，是傳統(tǒng)讀者行為分析方法有意義的拓展。

參考文獻：

［1］" 王偉，張征芳，王海明.基于數(shù)據(jù)挖掘的圖書館讀者行為分析［J］.現(xiàn)代圖書情報技術(shù)，2006（11）：51-54，60.

［2］" Michael C.Usage patterns of a web based library catalog［J］.Journal of the American Society for Information Scienceamp;Technology，2001（2）：137.

［3］Mikkonen Anna，Vakkari Pertti.Reader characteristics，behavior，and success in fiction book search［J］.Journal of the Association for Information Science and echnology，2017（9）：2154-2165.

［4］" Saira Hanif Soroya，Kanwal Ameen. Millennials’Reading Behavior in the Digital Age：A Case.Study of Pakistani University Students［J］.Journal of Library Administration，2020（5）：559-577.

［5］" Hanui Yu，Takeshi Akita. The effect of illuminance and correlated colour temperature on perceived comfort according to reading behaviour in a capsule hotel［J］.Building and Environment，2019（1）：384-393.

［6］" ，2008（4）：33-54.

［7］" 張魯，譚月輝，蘇春萍，等.數(shù)據(jù)挖掘技術(shù)在讀者借閱行為分析中的應(yīng)用［J］.情報雜志，2005（6）：36-37，40.

［8］" 張文華.基于讀者行為特征的數(shù)據(jù)挖掘?qū)嵗跩］.圖書館雜志，2009（12）：55-58.

［9］" 姜笑楠.基于SVM和DS證據(jù)理論的圖書館讀者借閱行為分析［J］.圖書館研究與工作，2022（2）：63-66，72.

［10］" 王頻.圖書館服務(wù)質(zhì)量與讀者行為關(guān)系研究［J］.圖書館論壇，2008（4）：113-114，149.

［11］" 姜育彥，李雅茹.讀者行為數(shù)據(jù)驅(qū)動的高校圖書館館藏建設(shè)模式探析［J］.數(shù)字與縮微影像，2021（4）：39-42.

［12］" 譚丹丹.基于讀者到館行為分析的圖書館服務(wù)優(yōu)化策略［J］.圖書館工作與研究，2011（1）：110-115.

［13］" 周欣，陸康.基于圖書館數(shù)字資源訪問系統(tǒng)的讀者行為數(shù)據(jù)挖掘研究［J］.現(xiàn)代情報，2016（1）：51-56，73.

［14］" 陳菁菁.面向圖書雙向推薦的公共圖書館讀者借閱行為研究［D］.上海：華東師范大學(xué)，2022.

［15］" 葉欣欣，袁曦臨，黃思慧.基于用戶畫像的海外網(wǎng)絡(luò)文學(xué)讀者閱讀行為研究：以Webnovel為例［J］.圖書館雜志，2023（1）：92-98.

［16］Uri Wilensky，William Rand.An Introduction to Agent-Based Modeling［M］.Cambridge：The MIT Press，2015：1-20.

［17］Wilensky，U.NetLogo［EB/OL］.［2024-03-24］.http：//ccl.northwestern.edu/netlogo/.

［18］" 譚宇鵬.基于新型交互模式的高校圖書館空間優(yōu)化設(shè)計研究［D］.沈陽：沈陽建筑大學(xué)，2020.

［19］" （英）詹姆斯·蒙蒂爾.行為金融學(xué) 洞察非理性投資心理和市場［M］.黃朔，譯.北京：中國青年出版社，2020：45-46.

（編校：崔萌）