我國智慧圖書館研究熱點分析與趨勢預測*

王 雨, 盛東方, 王 錚

0 引言

大數據、物聯網、云計算、人工智能、虛擬現實等信息技術蓬勃發展，為智慧圖書館構建注入了動力。智慧圖書館是數字圖書館和復合圖書館發展理念與實踐的延續、整合與升華，是圖書館創新發展的新模式[1]。“智慧圖書館”這一新理念首先在歐美付諸實踐，2001年前后加拿大渥太華率先建立名為“Smart Library”的圖書館聯盟，這是國外關于智慧圖書館的最早實踐[2]。2003年AITTOLA等發表《智慧圖書館：基于位置感知的移動圖書館服務》，拉開了西方研究智慧圖書館的序幕[3]。我國首次對智慧圖書館進行論述的學者是嚴棟，論述內容為物聯網技術對智慧圖書館構建的深遠影響[4]。之后智慧圖書館研究逐漸成為國內圖書館界關注的熱點。為精準把握國內智慧圖書館建設的研究熱點及前沿趨勢，本文通過共詞分析、戰略坐標圖、灰色預測等方法對2001-2018年我國智慧圖書館領域的理論研究文獻進行全面梳理，總結已取得的學術成果，跟蹤發展動向，挖掘生長點，為該領域發展提供借鑒。

1 研究方法

1.1 數據獲取與預處理

以中國知網學術文獻總庫為數據源，為保證數據量的完整型，采用多個不同的檢索策略進行文獻題錄的獲取。策略為：“主題=圖書館AND全文=智慧服務”OR“主題=智慧服務AND 關鍵詞=圖書館”OR“主題=圖書館AND關鍵詞=智慧化”OR“主題=智慧圖書館AND 全文=智慧服務”OR“主題=圖書館服務AND 關鍵詞=智慧”OR“主題=智慧圖書館AND 關鍵詞=服務”；所有檢索式中的發表時間均為“2010.01.01-2018.12.31”。

首先，利用NoteExpress軟件對檢索得到的文獻題錄進行預處理，包括去除重復題錄，刪除會議、學位論文、報紙等類型文獻，得到1，603篇文獻。其次，統計1，603條題錄信息中關鍵詞的詞頻量，合并意思相同的關鍵詞，篩選出詞頻量前25 的關鍵詞，將其作為高頻關鍵詞。然后，使用BibExcel軟件對高頻關鍵詞進行共現分析，得到共現相似矩陣。為減少0值個數對聚類結果造成的影響，將相似矩陣轉換為相異矩陣。

1.2 分析框架

為全面展現我國智慧圖書館研究主題的熱點及趨勢，本文利用圖1所示的體系框架對預處理之后的題錄數據進行分析與預測。首先，利用SPSS繪制關鍵詞共現聚類譜系圖，通過聚類分析發現關鍵詞之間的親疏關系，挖掘潛在的有用知識。利用可視化工具VOSviewer繪制關鍵詞共現網絡圖譜，以圖譜方式直觀呈現熱點關鍵詞，反映近年來該領域的前沿研究。然后，結合參考文獻對聚類結果所代表的研究主題進行詳細分析。其次，對得到的主題類團采用GM(1，1)模型進行詞頻量、向心度、密度三指標的定量預測，基于2010-2020年的指標值繪制戰略坐標圖，從時間維度展現智慧圖書館領域研究熱點主題的演變以及未來兩年的發展走勢[5]。

圖1 主題領域分析體系框架

圖2 高頻關鍵詞聚類譜系圖

2 主題領域研究熱點分布

2.1 關鍵詞聚類分析

運用SPSS對相異矩陣采用系統聚類、沃德連接、平方Eucilidean距離、Z-score標準化等方法進行聚類分析，根據聚類結果，可將高頻關鍵詞劃分為4類，見圖2。

經聚類得到譜系圖后，對各主題類團進行命名。為保證命名的客觀性，引入“粘合力”指標來衡量關鍵詞對類團的貢獻程度，貢獻度的大小決定著關鍵詞是否居于類團的核心地位。粘合力是用該詞與該類團下的其他主題(關鍵)詞在同篇文獻中的共現頻率的平均值計算而得[6]，其符號定義如下：對于包含n個主題詞的類團，其中主題詞Ai(i≤n)對于Bj來說Ai的粘合力N(Ai)為：

通過計算可得到：物聯網、大數據、智慧圖書館、讀者服務與信息服務分別居于核心地位，對聚類成團的貢獻程度最大。因此，分別將四大類團命名為“智慧信息技術類”“大數據與智慧服務類”“圖書館類”“讀者信息服務類”，見表1。

2.2 關鍵詞共現知識圖譜

基于可視化軟件VOSviewer構建關鍵詞共現網絡及密度圖(見圖3)，相同顏色的標簽歸為一類，標簽大小表示詞頻量大小。聚類結果與SPSS得到的結果略有差異，但關鍵詞“智慧圖書館”“圖書館”“智慧服務”依然是研究熱點。圖3中，顏色越“暖”意味著關鍵詞受關注度越高，從圖中明顯看出“智慧圖書館”“智慧服務”“圖書館”“大數據”等詞是近9 年的研究熱點。

2.3 研究熱點主題內容分析

(1)智慧信息技術類將物聯網、RFID、云計算等當下主流信息技術融入智慧圖書館，使圖書館更具智慧化。近年將信息技術與智慧圖書館構建相融合的研究引起學者的關注。蔣玲探討RFID技術在圖書館書刊流通、圖書定位、圖書盤點、智能防盜、存儲信息等方面的應用， 肯定RFID技術對提高圖書館服務水平的意義[7]。沈奎林等設計超高頻RFID智慧圖書館管理平臺系統架構，實現圖書自助借還、定位、盤點，讀者自助查詢以及感知走廊、智能書架、安全門禁等應用[8]。王茜等將大數據、云計算、可視化等技術與智慧圖書館相結合，提出智慧圖書館系統平臺建設及應用的方案[9]。董同強等從空間功能和結構設計入手，以大數據、云計算、人工智能等新技術作為支撐，提出智慧型學科服務空間的功能框架體系[10]。

表1 高頻關鍵詞粘合力統計表

圖3 關鍵詞共現網絡及密度圖

(2)大數據與智慧服務類是基于用戶的大數據來分析用戶的信息行為，從而為用戶提供精細化、個性化的智慧服務，因此，大數據分析技術在圖書館服務中的應用(即提供智慧服務)逐漸成為學者關注的熱點。高穎指出大數據背景下高校館智慧服務建設面臨的主要是平臺技術、數字信息資源等問題，建議建設大數據服務平臺，推進大數據應用，優化智能系統管理[11]。徐瀟潔等搭建基于數據管理的智慧服務框架，指出智慧圖書館應在數據管理基礎上挖掘需求并提供決策支撐，主動提供創新服務[12]。陳臣構建基于大數據挖掘與知識發現的圖書館智慧服務體系，為讀者提供個性化智慧閱讀服務[13]。

(3)圖書館類的核心關鍵詞是智慧圖書館，它是大數據和數字圖書館相融合的必然產物，是圖書館發展的新方向[14]。近年來智慧圖書館研究一直是熱點，“智慧服務”在圖書館建設中的應用越來越多。鄭懌昕等綜述國內外智慧圖書館研究現狀，認為全球范圍內關于智慧圖書館的認識日益清晰、實踐逐步深入，但國內的應用與推廣較為緩慢[15]。潘雪等構建基于泛在網絡環境的公共圖書館智慧服務模式，指出圖書館在提供智慧服務時應該智慧化感知用戶信息需求、智慧化提供特色信息服務、智慧化存貯整合信息資源[16]。

(4)讀者信息服務類凸顯讀者服務中的信息及知識服務。根據用戶特定需求，以知識和信息開發為手段，為用戶提供增值信息、特定信息成為圖書情報機構信息服務的主要內容。這一領域國內已有大量研究。趙蓉英等提出大數據環境下的知識管理框架模型——聚識成智，實現數據-知識-智慧的轉變，有利于知識服務、智慧服務的開展[17]。陳臣等從讀者個性化閱讀角度，提出圖書館可以從讀者相關大數據中精準感知用戶的閱讀需求與行為，實現圖書館個性化服務內容的精準推送與資源均等化分配，同時保護智慧閱讀中讀者的隱私[18]。洪亮等構建了大數據驅動的圖書館智慧信息服務體系，將圖書館的設備、資源、服務和用戶融合，通過數據挖掘技術，向用戶提供高效智能化、精準個性化的智慧信息服務[19]。曾子明等構建了智慧圖書館個性化知識推薦服務體系，探討智慧推薦服務的保障模式[20]。錢蔚蔚等對圖書館信息服務的用戶體驗進行實證研究，提出圖書館網站應該加強傳統信息服務、優化服務流程、強化有效溝通、挖掘個性特征、提供更高級的知識服務[21-22]。

3 主題領域研究趨勢預測分析

3.1 基于GM(1,1)的類團定量預測

灰色模型可以解決“小樣本、貧信息”問題[23]。在使用模型之前需要通過計算數列“級比”的方法(公式2)檢測模型的穩健性及準確性是否達到標準。如果λ(k)能夠落入到(間，則可以使用GM(1，1)進行預測。

利用Matlab軟件對數據進行檢驗，發現后5年數據的級比能落入灰色模型的范圍內。因此，可以使用GM(1，1)模型進行未來兩年詞頻量的預測。據圖4可知，未來兩年四大類團詞頻量都會有不同程度的增長，智慧信息技術類、大數據與智慧服務類、讀者信息服務類漲幅明顯，預示著智慧圖書館的發展將更加依賴信息技術的發展，智慧圖書館所提供的服務將會更加智慧化、創新化。

3.2 基于戰略坐標圖的類團定性預測

圖4 GM(1,1)預測詞頻量的導出圖

上一部分針對高頻關鍵詞進行聚類分析，通過計算詞與詞之間的距離劃分出四大類團。這些類團只顯示關鍵詞之間的相似程度，卻無法揭示其內部的核心概念以及彼此間的關系。所以，僅僅統計類團詞頻量并不能很好地預測智慧圖書館這一研究主題未來的變化情況。筆者通過分析類團內外部的研究情況對研究主題做出相應解釋。衡量類團內部關鍵詞聯系強度的一個重要指標是密度指標，它與粘合力指標有著密切的聯系。本文采用趙蓉英等給出的公式進行密度指標D的計算[24]，公式如下：

與密度指標相似，衡量類團間聯系程度的指標是向心度。向心度越大表征該類團在該領域越趨于中心化。本文采用邵作運等給出的公式來計算四大類團的向心度[25]，公式如下：

其中，Eij為關鍵詞間的共現次數，n為這一類團中包含的關鍵詞個數，N為所有高頻關鍵詞的數目，φs指一個類團，φ指研究領域的整體。

根據上述公式，分別計算各類團2010-2018 年的向心度及密度。同樣，利用GM(1，1)模型對這兩個指標數據進行檢驗與預測，得到2019年和2020 年的預測數據。取所有年份的向心度、密度的均值作為坐標原點，以詞頻量來衡量類團的 規模， 構建2010-2020 年四大類團的戰略坐標 圖( 見 圖5，P44)。

從總體角度分析，每一類團的詞頻量都呈現逐年增加的趨勢，表明智慧圖書館研究逐漸引起國內學者的廣泛關注，未來這一主題仍將是研究熱點。從具體角度分析，得到如下結論：

(1)智慧信息技術類在2010-2018年間經歷了由第三象限過渡到第二象限最終到達第四象限的演變過程(即由第一階段依次向第三階段過渡，圖中圓點的顏色由淺及深表征著年份由小到大，下同)。這表明在起步階段時，類團處于研究的邊緣，并未引起足夠重視，但有很大的發展空間；由第一階段過渡至第二階段過程中，密度陡增，表明該類團內部關鍵詞之間聯系緊密。顧名思義，RFID 技術是物聯網技術的核心感知應用，將云計算超強的“大存儲”“快計算”功能與物聯網特有的“與網互聯”技術相結合，逐漸引起越來越多國內學者的關注。由第二階段過渡至第三階段時，向心度值逐漸增大，說明該類團與其他類團之間的聯系開始密切。比如，云計算、物聯網、RFID技術開始逐漸被應用到智慧圖書館的構建中，增強了智慧信息技術類與圖書館類的聯系。根據預測結果可知，未來兩年，該主題的詞頻量會繼續增加，標志著這一主題仍是研究的熱點；而且該類團主要位于第四象限，具有較低的密度值，但擁有較高的向心度值，表明信息技術在智慧圖書館的構建、智慧服務的供給等方面仍具有巨大潛力。所以，信息技術在智慧圖書館構建中的應用仍是未來學者們關注的重點。筆者認為，未來智慧圖書館除廣泛應用RFID技術外，還可以將新興的Beacon、NFC等技術應用在書籍定位等方面，節省用戶查找書刊的時間。另外，嘗試將數字人文引入圖書館構建中，利用OCR、VR/AR、可視化技術、機器學習等信息技術對人文社科領域的信息資源進行加工整合，以便更好地開展學科服務，提高用戶滿意度。

圖5 2010-2020年四大類團戰略坐標圖

(2)大數據與智慧服務類在2010-2018年間大致經歷了由第三象限過渡到第一象限最終到達第四象限的演變過程。第一階段為起步階段，內部結構松散，與其他類團的聯系也不緊密。這一階段類團的演變與“大數據”概念的提出、發展有著密切的聯系。2011 年麥肯錫首次提出“大數據”概念，但只限于概念層面對海量數據的描述，并未應用于實踐中，所以該類團發展并不成熟。第二階段向心度、密度的值都較高，這說明類團內部之間以及與其他類團之間的聯系都很緊密，是該時期比較活躍的主題[26]。這可能一是由于2014 年大數據首次出現在政府工作報告中，對大數據的關注已上升至國家戰略層面，國內學者開始不斷嘗試大數據的應用實踐，所以此階段該類團逐漸趨于核心位置；二是2015 年是用戶畫像研究開始快速發展的時期，大數據是用戶畫像的數據基礎，數字圖書館是用戶畫像的主要應用領域[26]，數字圖書館借助用戶畫像這一橋梁，充分開發大數據，以提供更加精準、智慧的服務，由此帶動該類團的發展。第三階段密度值降低，向心度值增大，表明該主題與其他主題的聯系日益密切，如“大數據”時代下的“智慧圖書館”構建得到迅猛發展。在智慧圖書館中，感知信息、用戶信息、圖書信息的存儲與處理等都是基于大數據的，由此體現出“大數據與智慧服務類”與“圖書館類”聯系密切。根據預測結果，未來兩年，該類團的向心度、密度都有所下降，說明其內部以及外部的聯系均趨于松散。但是，筆者認為“大數據”“數字圖書館”“智慧服務”仍然是未來圖書館建設的重點問題，隨著數據挖掘技術的日趨成熟，基于用戶行為數據的分析將會帶動圖書館服務模式的創新。比如，在智慧圖書館的構建過程中，基于讀者基本信息、借閱記錄、跨平臺的日志記錄構建用戶畫像，了解用戶偏好，從而進行閱讀推廣。此外，高校圖書館可以借助大數據分析技術、可視化技術等開展學科服務，以用戶需求為導向，對海量資源進行數據挖掘、整合、分析及可視化呈現。同時，可運用大數據技術將各個高校圖書館的文獻資源以聯盟形式進行數字化開發與長期保存，鼓勵跨學科合作，促進知識的開放獲取。

(3)圖書館類在2010-2018年間大致經歷了由第三象限過渡到第一象限的演變過程，即類團的結構由松散漸趨于成熟。顧名思義，對圖書館的研究一直以來是圖書情報領域的熱點研究內容。從2010年國內首次提出“智慧圖書館”的概念以來，新興信息技術逐漸被應用于圖書館的建設中，這為智慧圖書館提供了新的契機，促進了智慧圖書館的發展，所以圖書館類與智慧信息技術類間的聯系密切。此外，智慧圖書館的構建也是傳統圖書館及公共圖書館朝“智慧”方向轉型的產物，三者是密不可分的。根據預測結果，未來兩年該類團的詞頻量、向心度、密度都在逐年增長，表明圖書館類具有良好的發展勢頭，對圖書館的研究依舊是學者們關注的焦點。其中，社區圖書館將是未來智慧圖書館的重要生長點，因為社區圖書館是公共圖書館服務的延伸，更貼近用戶生活。社區圖書館的服務不再局限于文獻資源的借閱，而是提供能集文化、知識、人文、娛樂于一體的、促進人際互動的物理場所[27]。

(4)讀者信息服務類在2010-2018年間的密度、向心度、詞頻量大致呈現上升趨勢，表明類團內部及其與其他類團間的聯系都趨于密切。筆者認為，這源于圖書館“讀者第一，服務至上”的服務宗旨。該類團中包含的“讀者服務”“信息服務”“個性化服務”“知識服務”存在交叉關系，當中，知識服務是信息服務的深化，是在充分挖掘用戶需求的基礎上，從顯、隱性資源中提煉用戶所需的相關知識，提供知識服務。所以，知識服務的提供需要數據挖掘技術的支持，使得讀者信息服務類與智慧信息技術類之間的聯系緊密。根據預測結果，未來兩年這一主題的發展會更趨于成熟。筆者認為，圖書館服務始終是智慧圖書館構建的核心問題，通過技術手段勾勒用戶畫像為用戶提供個性化服務，以及基于用戶的科研需求提供精準學科服務都將是未來智慧圖書館建設的重點內容。此外，提供知識服務的途徑也要有所擴大，如采用針對數字人文項目的“3D虛擬展示”、利用新媒體進行知識推廣，以及圖書館與書店、出版社、數據庫商等展開跨界融合，促進知識的傳播[28]。

4 結語

本研究基于文獻計量方法，從主題領域對關鍵詞進行聚類及可視化分析，突出現階段智慧圖書館領域的研究熱點；利用灰色模型特有的對小樣本進行預測的優勢，對未來兩年4個類團的詞頻量、向心度、密度等指標進行定量預測；通過繪制戰略坐標圖，直觀呈現各類團發展趨勢。本文得到以下結論：(1)這一主題領域的研究熱點主要集中在技術層面與服務層面，諸如RFID、物聯網、云計算、大數據等新一代信息技術的飛速發展帶動智慧圖書館的建設向更加智能的方向發展，而為讀者提供個性化服務、信息服務、知識服務等是智慧圖書館建設的目標；(2)“圖書館類”及“讀者信息服務類”的研究會走向成熟，表明未來圖書館的轉型、智慧圖書館的建設與服務等將是國內學者關注的重點，而為讀者提供更加人性化、智能化、信息化的服務仍是該領域研究的活躍主題。但是，本研究僅選取了中文數據庫，對外文文獻并未涉及，無法對比國內外在這一領域的差距。另外，CNKI數據庫導出的文獻題錄無法對文獻共被引、作者共被引等進行探討，因此對這一主題領域的分析還有所欠缺。