學科館員數據智慧研究

袁紅軍, 袁一帆（.鄭州師范學院圖書館；.英國薩塞克斯大學商學院）

學科服務可以很好地服務于高校學科建設、助推教學科研。近年來，高校圖書館設立學科館員并與各院系建立對口聯系，以加強圖書館與院系之間的溝通和交流，及時了解師生需求、建議和意見，共同構建合理的學科資源體系，并對用戶（主要是指學科用戶）進行宣傳與培訓，為其提供文獻信息參考咨詢、論文查收查引、定題文獻信息檢索等服務等。學科服務具有主動化、個性化、知識化等特性，往往包括學科文獻信息服務、知識服務、信息推送與定制、情報分析與決策支持、教學與科研服務、學科素養教育、資源薦購、科研數據管理等。大數據時代，數據在學科服務中占據的位置越來越重要，學科館員每時每刻都要與不同類型的數據發生關聯，這就要求學科館員必需具備一定的數據素養，而數據智慧（Data-based Wisdom）是其中重要的一部分。

1 學科館員數據智慧的內涵

Ackoff 于1989 年首先提出了一個基于人類意識的認知理論，是關于數據、信息、知識及智慧的體系［1］。這個體系中，數據、信息、知識、智慧依次從低到高排列，每一層是上一層的基礎。通過對數據的分析與處理，取得上一層關聯性信息；信息是結構化的數據，強調數據的意義和目標，為人們的決策和行動提供信息內容的支持，即生成知識；知識具有傳播性，是基于經驗所作出的對信息的判斷，知識的增長伴隨著智慧的增加，從而可以預測未來發展趨勢［2］。2015 年，John Girard 等在《大數據時代戰略性的數據智慧》一書中提出，“使用技術、領導力和文化來創造、轉化并保存隱含在數據中的知識，從而實現組織愿景”，并指出數據的處理需要基于“知識金字塔”得以實現，即數據要經歷轉化為信息、升級為知識、升華為智慧的過程［3］。

大數據時代，高校圖書館擁有大量的科研、用戶借閱、咨詢歷史、日志、全文、影像等數據，以及文摘、題錄、書目等元數據。這些數據分布在不同的空間，只有通過收集、分類、編目、處理分析等方式，才能更好地挖掘數據價值，達到數據服務的目的。

數據智慧的價值是在大數據的容量、速度、多樣性和真實性基礎上，通過提供可操作的信息和完善決策來實現的［4］。數據智慧的核心概念由“數據”和數據養成的“智慧”構成［5］。學科館員獲取數據智慧的過程，本質上是數據經過分析處理后，逐步提升為學科信息和學科知識，并最終形成學科館員智慧的過程，即學科館員數據智慧層級結構為“不同類目數據—學科信息—學科知識—學科館員智慧”的學科知識的應用。具體而言，學科館員將散亂的數據進行組織、整理，從而形成有用的數據集，即學科信息。學科館員再依據其自身知識經驗形成新的知識，即學科信息上升為學科知識。學科館員利用已有知識對新知識進行分析、評估、理解、利用等，以提高其有效性和價值，使學科知識上升為智慧知識。因此，不同類目的數據是構成學科館員數據智慧形成的基礎和前提，期間經歷了學科信息和學科知識的升級和轉換［6］。

學科信息主要是指學科館員為院系師生提供的參考咨詢服務、導覽服務、現場釋疑、定題服務、信息素養教育等，幫助院系師生解決在利用圖書館資源和服務過程中遇到的各類問題。學科知識強調以學科館員為核心構建服務團隊，包括科技查新服務、文獻調研服務、檢索查證服務等。可見，學科服務主要是由所有專職或兼職學科館員以單一學科館員或組建團隊的方式，針對重點學科及科研團隊的個性化知識服務。而學科館員數據智慧是指學科館員將不同類目數據進行分類、加工、組織、存儲、利用、預測等，并將其與數理分析、資源工具、情報分析與決策相結合，運用學科館員持有的方法、經驗、理解、常識、洞察力、判斷力等，揭示大量數據中隱藏的有價值信息的過程。其中，數據主要來自于學科服務語境中不同學科數據或用戶在學習與科研活動中生成的各類數據。

高校圖書館學科服務工作中經常會產生如學科資源薦購信息、咨詢服務信息、學科分析信息、用戶反饋信息、電子資源使用與購買信息、科研成果匯編等不同類目的數據，且彼此相互關聯。作為學科館員，不僅要熟悉學科服務業務工作中產生的數據，而且要熟練掌握數據分析工具。例如，不同類目的學科館藏數據一方面可作為統計數據使用，另一方面則可通過學科館員的智力勞動，判斷并分析這些學科館藏數據在時間和空間上的關聯性，如與文獻信息的利用率、用戶的喜愛程度、數據發展的趨勢和熱點、用戶學科結構與資源建設情況等的關聯關系。學科館員通過對這些數據處理分析，生成不同數據之間的動態網絡，從而實現學科服務多維的數據服務［7］。

2 學科館員數據智慧的構成要素

學科館員數據智慧的構成要素是其提升數據智慧能力的基礎。大數據時代，學科館員數據智慧主要劃分為數據思維、數據處理和數據應用三種類型。相應地，數據智慧的構成要素往往涵蓋學科館員對數據的察覺、獲取、分析、提煉、存儲、利用、共享等內容，主要體現為數據素養與數據智慧兩個方面。學科館員首先要有良好的數據意識，善于運用這些要素激發其敏銳的數據洞察力，發現并挖掘問題，從而形成針對性、個性化的咨詢方法和學科服務策略。

（1）數據素養。目前，有關數據素養的概念界定還沒有統一。有學者認為，數據素養是對知識的消費，對數據進行連續和貫穿思考的能力［8］。Stephenson 等認為，數據素養是有效發現、評估與使用數據的一種意識和能力［9］。數據素養包括數據獲取能力、管理能力、分析能力、存儲安全能力和道德倫理［10］，其核心內容為數據意識、數據技能與數據利用的能力［11］。可見，學科館員數據素養是學科館員具備的數據意識、數據處理分析能力、存儲與利用等綜合素質能力，以及運用不同學科知識與技能訓練的能力［12］。學科館員在研究數據管理服務階段需要識別和利用不同學科數據的專業技能，包括元數據創造和分配、學科專業存儲庫等［13］。學科數據核心技能包括數據獲取、數據分析處理、數據轉換、數據評價等能力，以及問題導向、全樣思維、容錯思維、相關思維等數據思維方法［14］。其中，數據分析處理能力是數據素養最核心的能力，如，選擇合適的數據測量工具與分析處理方式，對學科數據進行多維直觀呈現，得出相應研究結論并對數據分析結果進行評價，這也符合培養學科館員數據素養核心能力的要求。

（2）數字智慧。數據智慧即“智慧的數據”，強調技術智慧和服務智慧，主要是激發學科館員知識創新。數據智慧是技術發展的產物，在重視技術運用的基礎上，也應注重人文因素，關注人的智慧，即數據的應用和對智慧決策的推動作用。數字智慧（Digital Wisdom）與數據素養二者相互聯系、相互補充，共同作用于學科館員數據智慧能力的提升。2009 年，Marc Prensky 首次提出數字智慧的定義，包括兩層含義：一是通過使用數字技術獲得超出人們固有能力的認知能力而產生的智慧；二是審慎地利用技術以提升人們能力的智慧［15］。數字化環境下，人們越來越注重使用技術手段提升其智慧水平，并快捷、精準地作出科學判斷與決策［16］。數字智慧可以幫助學科館員充分理解所涉及的技術，選擇和使用合適的工具挖掘有用的知識，解決學習、咨詢服務、科研等過程中遇到的問題，或借助技術手段提升學科館員認知能力（超過天賦能力的智慧）。可見，學科館員數字智慧蘊含了使用數字技術獲取認知能力的智慧和通過使用數字技術提升學科服務能力的智慧兩層意義。但是，學科館員數據智慧并不是將技術與學科館員的智力分割，而是在學科館員的心智與數據融合交匯過程中形成一種新的介質，即數據智慧。學科館員數據智慧注重的是數據本身，而數據相關的技術則處于次要地位［17］。

高校圖書館學科館員數據素養、數據智慧和數字智慧三者之間相互依存，彼此影響，數據素養和數字智慧圍繞著數據智慧展開工作。即數據智慧需要數字智慧的支持，利用數字技術更好地掌控和分析數據，運用數據使用能力等素養，開展數據智慧工作。使用數據能力是數據素養的核心能力，數字技術是數字智慧能力提升的關鍵技術，而學科館員數據智慧強調如何對數據利用能力和數字智慧兩者進行充分利用。

3 學科館員數據智慧能力提升的步驟

大數據時代，高校圖書館學科服務已經嵌入教學、科研的過程，同樣，也使學科數據嵌入到學科服務中，深刻地影響了學科服務創新績效的效果，從而推進學科館員由“基于經驗”轉向“數據智慧”的服務模式。關于學科館員數據智慧的研究源自教學數據智慧的實踐模式。Kathryn ParkerBoudett 等提出“數據智慧改進過程”（Data Wise Improvement Process， DWIP） 模型，DWIP模型是一種有效的教學數據智慧的實踐，即教師可有效使用學生評價數據的八個步驟，包括組建數據團隊、提升評估素養、創建數據概覽、發現與挖掘用戶數據、檢查教學、制定行動計劃、制定評估行動進展計劃、行動與評估。DWIP 模型的宗旨是協助高校開發和維護數據系統，幫助教師充分利用數據確認學生的學習需求，生成、實施和評估教學方案，進而提高教學質量［18］。本研究借鑒DWIP 模型分析高校圖書館學科服務，幫助學科館員運用數據智慧改進學科服務過程，從數據中升華智慧。

3.1 組織協作階段

學科館員數據智慧的重點在于以數據為中心開展各種協調工作，如學科館員在數據分享、咨詢工作中圍繞數據進行協商等。學科館員有效使用數據并開展協同工作是提高其數據智慧能力的重要手段。由于受個人意愿、專業背景、認知能力、研究水平等因素影響，學科館員彼此之間很難實現數據互通，需要學科服務團隊組織協作，以達到數據的互聯互通。學科服務團隊有明確的任務和行動計劃，如為不同學科背景的學科館員建立數據檔案、為咨詢過程中產生的各種數據創建數據存儲機制、為用戶反饋意見創建數據調查表等，同時建立學科館員團隊，以確保學科館員相互協同工作，并在計劃中為此留出專用時間，探討與分享數據利用的技能與經驗。在組織協作階段，學科服務團隊顯得非常重要。學科服務團隊由核心層、輔助層和外圍層三部分組成［19］，匯集了不同學科背景的學科館員、數據館員、院（部）教師顧問等人才的智慧，根據用戶需求層次，以團隊形式為用戶提供數據服務。

3.2 提升評估素養階段

在提升評估素養階段，主要是提升衡量與評估學科館員的綜合能力，以消除學科館員對于數據的恐懼。高校圖書館管理者應重視提升學科館員的評估素養，如學科館員數據素養能力的培育，包含能力提升與評估。為了提升學科館員的評估素養、使館員能夠有效利用數據，圖書館需要發展和提升其解釋、理解評價結果的能力，促使其熟悉并掌握如抽樣、效度、信度、測量誤差、標準參照、常模參照、測試量表等分析工具的使用，并運用能力成熟度理論構建高校圖書館學科服務能力評價體系。

3.3 創建數據概覽階段

學科館員評估素養得到提升后，即進入學科服務團隊探究階段，需要制定詳盡的數據概覽。在這一階段，匯集團隊成員的智慧，共同商討制定一份可行的、內容豐富、結構完整的數據概覽，可以直觀地反映錯綜復雜的服務環境。同時，學科服務團隊要求在創建數據概覽時，在保證用戶數據隱私安全的基礎上，收集用戶的咨詢歷史、用戶留言、學習情境等，并且要求這些數據具有可控、可管理、可分析的特點。

3.4 挖掘用戶數據階段

在創建數據概覽之后，學科館員需要認真研究用戶需求與行為。深入挖掘用戶數據，捕獲與明確不同用戶在學習和科研過程中普遍存在的共性問題，并作出針對性的咨詢決策予以改進。如學科咨詢服務中的“常見問題解答”（Frequently Asked Questions，FAQ）匯集了一些常見問題，包括學科資源借閱、學科文獻檢索等。需要注意的是，影響用戶數據挖掘的因素很多，如用戶環境形成的隱性數據等，而這些數據不容易被發現，需要學科館員予以關注。

3.5 檢測數據服務階段

針對學科服務團隊挖掘的數據結果進行分析，這一階段為檢查數據服務，突出檢測數據過程，為用戶提供更好的數據服務。學科館員利用相關的技術和工具，如利用學科數據統計分析工具 ESI（Essential Science Indicators） 進行學科態勢追蹤、學科競爭力分析，運用科研數據分析工具R 語言進行數據的統計分析和圖形技術操作，運用SPSS、States 等工具進行數據分析、數據管理等，［20］并根據不同情境下收集的數據分析用戶咨詢過程中存在的問題。學科館員兼顧學習者與服務者的雙重角色，不但要在團隊氛圍中相互學習、彼此進步，更要面對復雜、多樣的用戶需求，為用戶提供數據服務。數據的使用是數據服務的核心。這里的數據既包括服務統計的數字如學科資源使用量、數據庫培訓數量等，也包括用戶的瀏覽次數、文獻（知識）咨詢服務動態等。其中，文獻咨詢服務動態包含文獻題目、類型、用戶、回復學科館員、回復時間等內容。

3.6 制定行動計劃階段

檢測數據服務之后，學科服務團隊要求學科館員采取實際行動以解決教師和學生咨詢過程存在的問題。如，學科服務團隊召集學科館員商討并協助師生制定個性化的數據管理計劃。數據管理計劃是一份涵蓋了用戶整個科研活動中數據采集、處理、分析、存儲、利用等管理的正式文檔，具體包括數據創建類型、數據標準、數據標引與描述、元數據、數據共享與利用、數據道德與倫理、知識產權保護、數據管理工具、數據管理的成本規劃等。［21］學科館員也可以根據數據管理政策、數據相關利益者（資助者和出版商）申請要求和研究數據特點，幫助用戶澄清數據，協助用戶高效地創建數據管理計劃［22］。行動計劃應詳細而明確，包含工作量、咨詢時間、咨詢對象、咨詢結果、服務態度、質量評價、問責制等，并實時記錄學科館員工作的進展情況。學科服務團隊提供通用電子郵件聯絡點，公布學科館員姓名和聯系方式等，各院系用戶如有相關需求可直接聯系學科館員。

3.7 制定評估行動進展計劃階段

學科服務團隊制定評估行動進展的方案，可以有效監督行動計劃的實施情況，并據此進行完善和優化。如，美國大學與研究圖書館協會（American Association of University and Research Libraries，ACRL）于2016 年5 月頒布了《評估館員與協調員能力標準（草案）》（以下簡稱《標準》），評估指標包括評估知識、評估倫理、評估方法與策略、研究設計能力、數據收集與分析能力、交流與匯報能力、宣傳與推廣能力、協作能力、領導能力、管理能力以及指導、培訓與輔導能力11 項內容［23］。學科服務團隊可參考該標準，鼓勵團隊關注評估主體、設置專門的評估學科館員崗位、以《標準》為指導考查評估學科館員的綜合能力以及加強評估學科館員的實踐，以凸顯學科館員在高校圖書館評估中的主體地位、關注評估學科館員的綜合能力、學科館員的可選擇和可操作等特點，從而營造圖書館良好的評估文化氛圍。學科服務團隊可從短期、中期和長期目標來制定評估行動進展計劃，每一個目標的制定都要進行充分研討［24］。

3.8 行動與評估階段

行動與評估是學科館員數據智慧提升的最后一個步驟，是行動計劃和評估行動進展計劃的執行過程。學科館員按照以上步驟開展行動，并在行動中結合實際情況科學地作出調整與完善。

4 學科館員數據智慧能力提升的建議

4.1 營造數據驅動學科館員學習氛圍，消除學科館員對數據的恐懼心理

學科館員數據智慧提升的8 個具體步驟展示了高校圖書館與各院系的深入協作，因此，需要鼓勵與指導學科館員有效利用數據，以數據支撐學科服務的解決方案，培育學科館員共同的責任感與歸屬感。E-science 環境下，數據密集型科研大量呈現，滿足用戶需求不僅要依托數據、知識，更需要學科館員貢獻自己的智慧。學習逐漸成為學科館員日常工作的一部分，只有不斷學習探索，才能豐富學科館員的知識、提高其服務水平。因此，高校圖書館應積極營造濃厚的學習氛圍，構建有效的學習型學科服務團隊，并專注與持續地發展學習型文化。學習型學科服務團隊強調團隊成員的協作學習和團隊群體智力的開發，是學科服務實施“學科館員數據智慧能力”的基礎，需要與院系、圖書館的共同愿景相一致，可采取激勵措施激發學科館員的學習熱情及分享知識的意愿。大數據時代，數據驅動著每個學科館員關注數據、研究更廣范圍的數據，并根據用戶需求制定合適的咨詢解決方案。同時，為了保證學科館員數據智慧的有效提升，高校圖書館管理者應授予學科館員更多權力，如學科資源薦購權、用戶數據隱私權、建議與批評權等，支持與鼓勵學科館員獨立開展咨詢與決策服務。

毋庸置疑，高校圖書館通過數據對比就可以發現學科服務的優缺點，如用戶的瀏覽數據、咨詢服務數量、數據的計算方式、元數據、數據編碼、數據可視化等，這些數據將引起學科館員情緒上的波動，甚至恐懼。為此，首先要盡量避免使用專業術語，降低學科館員對不同類目數據的恐懼感；其次，通過數據展現學科館員在學科服務中所具有的優勢，增強其自信，幫助其改進不足、彌補差距；再次，學科館員應與時俱進，樹立數據思維，改進服務方法，為用戶提供高質量的學科知識服務；最后，高校圖書館管理者必須采取實際行動幫助學科館員提升服務技能，積極鼓勵學科館員將數據嵌入教學、科研的全過程，以用戶需求為導向，基于數據生命周期，利用智能設備和軟件技術將數據服務嵌入到用戶科研實踐中，以提高高校圖書館學科服務的精準度和實效性［25］。

4.2 組建學科數據服務團隊，完善學科服務平臺系統中數據支持功能

高校圖書館學科服務需要組建學科數據服務團隊，該團隊不同于以往的學科服務團隊，而是凸顯了數據的重要性，數據的質量由團隊組織結構、人員構成、成員技術與能力等因素決定。學科數據服務團隊可以針對不同數據環境提供解決方案，突出功能型團隊的作用，根據學科館員自身的職能和學科特點，靈活組建團隊，制定學科館員服務計劃，開展團隊合作，快速響應用戶需求情境的變化。學科數據服務團隊多由圖書館管理者、院系教師、數據館員、一般學科館員、資深學科館員等組成，按照職能、學科、功能等分工合作。如，組長或團隊負責人由副館長擔任，負責數據服務統籌協調、管理工作；一般學科館員收集用戶瀏覽數據、統計數據等；資深學科館員負責回復咨詢結果、答復服務意見等；數據館員負責數據相關技術應用工作。

學科數據服務團隊是有效提升學科館員數據智慧能力的組織層面的保障，而技術能力與水平則是其實施的核心。學科服務中的數據支持系統主要為學科服務平臺。目前，學科服務平臺的搭建方式有三種。① 基于Web2.0 技術，如華中科技大學圖書館的學科博客群。② 依托商業學科導航平臺，如武漢大學圖書館學科服務平臺使用LibGuides 版與緯度版。LibGuides 版采用美國Spring Share 公司研發的LibGuides 內容管理與知識共享平臺制作而成，目前已制作完成31 個學科服務平臺；緯度版由湖南緯度信息科技有限公司研發，采用國內緯度信息管理平臺制作而成，目前已經發布三個平臺，包括法學、藝術學、中國邊界與海洋研究［26］。③ 自主建設。北京師范大學圖書館、南京大學圖書館等利用開源軟件自主研發數據支持系統，如開源博客系統、Subject+、學科知識門戶等［27］。綜上，學科服務平臺系統中數據支持功能應體現智慧屬性，積極探索搭建智慧型學科服務平臺，包括數據資源層、技術處理層、信息管理層、智慧服務層4 個層級的智慧型學科服務平臺總體框架，推動高校圖書館學科服務創新。

4.3 加強學科館員的培訓力度，提升學科館員的數據素養

高校圖書館學科館員數據智慧能力的提升決定了學科館員應該是一名復合型人才，因此，加強學科館員的培訓顯得非常必要與緊迫。綜合掌握數據分析和管理知識及運用工具的能力是學科館員核心知識能力。具體內容包括：數據生命周期、數據指南、數據服務、數據監護、數據存儲與共享、數據素養等相關知識；圖書館系統知識、信息組織知識、科研相關知識、其他領域專業知識等［28］。此外，培訓方式多樣，包括在線培訓、專家講座、研修班、現場培訓、產品服務培訓等。例如，中國圖書館學會專業圖書館分會舉辦的關于數據館員的培訓課程，至今已經成功舉辦6 期。學科館員數據素養提升任重道遠，需要從其學歷與專業要求、專業知識與技能要求、實際經驗要求和其他要求四個方面提升學科館員所需具備的能力；根據數據資源獲取、數據加工、數據存儲、數據再利用等服務內容，提供相應的培訓，如數據計劃制定、數據分析、數據監護、數據權益、數據共享、獲取數據、運用數據等，并能將理論學習與業務實踐操作相結合，滿足不同學科館員的學習需要。

需要指出的是，圖書館管理者數據意識的培育也有利于學科館員數據素養的提升。高校圖書館管理層需要轉變觀念，具備數據管理戰略能力，能夠統籌規劃、科學研判，重視學科數據服務，注重學科館員專業成長，特別是數據管理服務能力的培養［29］。同時，高校圖書館管理者也應注意細節管理，應充分培養學科館員的數據敏感度，對數據智慧服務形成直觀的認知，提升高校圖書館學科館員數據智慧能力。