基于CiteSpace的國內圖書館用戶畫像研究現狀與可視化分析

李 璐

(山東大學(威海) 圖書館,山東 威海 264209)

0 引言

近年來,隨著互聯網大數據的發展,用戶畫像作為大數據時代實現精準服務的工具之一,被廣泛地應用于計算機、電子商務[1]以及健康醫療等多個領域。用戶畫像的概念最早是由交互設計之父Alan Cooper提出的[2],它是依據用戶的性別、年齡、受教育程度等人口統計學特征、社交關系和行為模式等信息構建出的標簽化的用戶模型。利用該模型,可以從用戶的角度出發,為用戶提供精準的產品和服務。

隨著大數據時代的到來,圖書館也在向著數字圖書館、智慧圖書館、未來學習中心的方向邁進。圖書館系統中存儲了海量的讀者人口統計學數據、借閱信息等,將用戶畫像的概念引入圖書館的研究中解讀讀者行為,可以幫助圖書館更好地了解讀者需求,為讀者提供更加精準的服務,解決圖書館服務與讀者需求不匹配的矛盾。

國內用戶畫像的研究自2016年以來發展迅猛,在CNKI中以“用戶畫像”為主題的中文期刊文獻自2016年以38%的平均速度增長,其中核心期刊論文占比約為30%,但圖書情報與數字圖書館學科的期刊論文占比僅約為22.7%。本研究將利用CiteSpace對CNKI中圖書館用戶畫像領域的中文期刊文獻進行分析,從而為后續圖書館用戶畫像的研究提供新的思路和借鑒。

1 研究方法與數據來源

1.1 研究方法

本研究采用文獻計量學方法對從數據庫中獲取的文獻利用CiteSpace軟件進行可視化研究分析。文獻計量學是以數學與統計學為理論基礎,通過提取文獻的發表年份、期刊名、作者、機構、關鍵詞等信息,研究某學科發文的數量、分布及變化情況,從而揭示某學科的發展現狀及未來研究熱點的一種方法。CiteSpace是一款多元、分時、動態的引文可視化分析軟件,可以利用該軟件呈現出的科學知識結構、規律和分布情況,構建科學知識圖譜[2]。

1.2 數據來源

用戶畫像,又被稱為“用戶角色定位”“讀者畫像”等[4]。張海濤等[5]對用戶畫像的研究中曾用“用戶畫像”“群體畫像”“個人畫像”作為檢索詞構建了檢索式。本研究以CNKI學術期刊庫為數據源,在高級檢索模式中構建檢索式:(主題=圖書館*(‘用戶畫像’+‘讀者畫像’+‘個體畫像’+‘群體畫像’+‘用戶標簽’+‘讀者標簽’+‘用戶角色’)) OR ( 篇關摘=圖書館* (‘用戶畫像’+‘讀者畫像’+‘個體畫像’+‘群體畫像’+‘用戶標簽’+‘讀者標簽’+‘用戶角色’))。檢索時間為2023年5月31日,最終檢索到了527篇中文期刊文獻。為了提高數據的準確性,經過人工篩選剔除不符合要求的文獻,共得到458篇樣本文獻。

2 圖書館用戶畫像研究的時空分布情況

2.1 圖書館用戶畫像研究的時間分布

通過研究期刊文獻某一主題發文的時間變化,可以揭示出在對應時間和領域內研究的熱度變化以及研究趨勢。將剔除無關文獻后的全部樣本文獻及其中的核心期刊(北大核心、CSSCI、CSCD)文獻分別依據時間繪制了年發文量折線圖,如圖1所示。由于樣本中只搜集到了2023年5月的文獻,因此根據前5個月的發文量,對2023年圖書館用戶畫像全年期刊發文量做了簡單的預測,如圖1中的虛線所連接的點所示。

圖1 圖書館用戶畫像期刊論文發文時間分布

通過圖1可以看出國內圖書館用戶畫像的研究自2017年開始發展起來,比整體用戶畫像的研究晚了1年,2017—2021年處于高速發展時期并在2021年達到了峰值。綜合全部期刊及核心期刊在2022—2023年的發文量,未來圖書館用戶畫像的研究將會略有下降,趨于平緩和穩定,但依然會是研究的熱點。

2.2 圖書館用戶畫像研究的空間分布

通過對圖書館用戶畫像研究的發文期刊進行統計分析,可以很容易找出發表此類文章總數量較多的期刊,以及近幾年依然發表該主題文章較多的期刊。通過對發文期刊進行分析,不僅可以進一步判斷該主題的熱度,還可以找到合適的投稿期刊。

本研究通過對樣本文獻的來源期刊進行統計分析,并選取發文量前15名的期刊制作了統計表,如表1所示。從表1可以看出,發文量排名前15的期刊中有7個是核心期刊,占半數左右,而且排名前3的期刊均是核心期刊,可見該研究的重要性。從各期刊2022—2023年發文量的迷你圖(迷你圖的橫坐標是年份,縱坐標是發文量(篇),其中2023年的發文量是根據2023年前5個月發文量計算的預測值)可以看出,包括《圖書館工作與研究》《河南圖書館學刊》《圖書館學刊》《圖書館理論與實踐》《江蘇科技信息》《情報探索》《新世紀圖書館》《圖書館界》在內的8個期刊近3年發表相關主題的文章數量呈增長或較高的平穩趨勢,說明該主題的研究依然有很高的研究價值和熱度,另外相關研究的作者可以優先選擇該類期刊投稿。

表1 圖書館用戶畫像發文量前15名來源期刊發文分布

2.3 作者合著分析

為了更加清晰地了解作者之間的關系,利用CiteSpace構建了作者和機構共現圖譜,將作者和機構放在一起制作共現圖,可以更容易發現作者與機構之間的關系,如圖2所示。圖2僅顯示了發文量2篇及以上的作者和機構,并將發文量在3篇及以上的作者和機構進行了文字標簽顯示。在圖2中,節點越大代表發文越多,節點的顏色變化代表發文的時間,節點間的連線越粗則表示節點間的關系越強。從圖2可以看出,發文超過2篇的作者中僅存在3個合作網絡,分別是由劉海鷗、黃文娜、姚蘇梅和張亞明主要依托燕山大學形成的合作網絡;由吳志勤和習海旭主要依托江蘇理工學院形成的合作網絡;由徐海玲和張海濤主要依托吉林大學形成的合作網絡。其中劉海鷗等人和張海濤等人的合作多發生在2020年之前,近幾年發文較少,有可能已經轉變研究方向。而吳志勤與習海旭則在2020年后發文較多,未來有可能成為該主題下研究的主力團隊。

圖2 圖書館用戶畫像期刊論文作者和機構共現圖

2.4 機構合作網絡分析

發文機構是文獻作者的所屬單位,往往同一機構的研究者具有合作關系,會具有相似的研究課題。通過對發文機構進行分析,一方面可以更加全面地發現圖書館用戶畫像研究的分布情況,展現研究的主體;另一方面也可以找到在該研究主題下機構之間的合作關系,從而尋求新的合作機會。通過統計分析發現,發文量超過2篇的機構共18家,排名前5位的機構分別是:江蘇理工學院圖書館(9篇)、吉林大學管理學院(9篇)、華中師范大學信息管理學院(7篇)、武漢大學信息管理學院(7篇)、江蘇理工學院計算機工程學院(6篇)。

通過圖2的機構共現關系可以發現,發文量超過2篇的機構中,主要形成了5個合作網絡,分別是燕山大學的合作網絡、吉林大學管理學院與吉林大學信息資源研究中心的合作網絡、南京大學信息管理學院與南京大學圖書館的合作網絡、江蘇理工學院圖書館與江蘇理工學院計算機工程學院的合作網絡、華中師范大學信息管理學院與武漢大學信息管理學院和廣西師范大學圖書館的合作網絡。其中前4個合作網絡均是校內不同學院之間的合作,而最后一個以華中師范大學信息管理學院為主的合作網絡,則是跨校、跨地區的合作。由此可見,圖書館用戶畫像研究主題下的機構合作現今以校內合作為主,很少發展出大規模的跨地區合作。從圖2節點的圈層顏色還可以看出,華中師范大學信息管理學院、武漢大學信息管理學院、江蘇理工學院、安徽大學管理學院、東北林業大學圖書館、上海大學圖書情報檔案系、中國農業科學院農業信息研究所、國家圖書館以及南京圖書館近幾年發文活躍,尤其是已形成明顯合作網絡的華中師范大學信息管理學院、武漢大學信息管理學院和江蘇理工學院將是未來該方向研究的主力機構。

3 圖書館用戶畫像研究熱點分析

3.1 高頻關鍵詞分析

利用CiteSpace對圖書館用戶畫像相關研究文獻的關鍵詞進行統計,共得到了286個關鍵詞,其中詞頻為3及以上的關鍵詞共39個,這表明該主題的研究內容較為廣泛,還在探索階段,也體現了跨學科的特征。排名前21位(詞頻大于等于5)的關鍵詞如表2所示。忽略表2中排名最前的兩個關鍵詞,這兩個詞是搜集樣本文獻的檢索詞,從剩下的關鍵詞中可以看出,“大數據”“小數據”“數據驅動”“用戶行為”反映了圖書館用戶畫像研究涉及的數據基礎,“人工智能”“數據挖掘”“區塊鏈”反映了研究采用的技術,而剩余的15個關鍵詞則反映了研究的應用方向。從這些詞可以看出,圖書館用戶畫像研究主要作用于圖書館的各項服務,如閱讀推廣、精準推薦、信息素養教育等。

表2 圖書館用戶畫像研究高頻關鍵詞(前21位)

3.2 關鍵詞聚類分析

利用CiteSpace對圖書館用戶畫像研究的樣本文獻關鍵詞進行聚類分析,得到了8個聚類。根據聚類內容及系統給出的聚類名稱,選擇有代表性的詞分別將其命名為#0服務創新、#1知識服務、#2閱讀推廣與學科服務、#3大數據、#4精準服務、#5人工智能、#6信息服務、#7用戶需求,如圖3所示。從圖3可以看出,模塊值(ModularityQ)為0.552 8,加權平均輪廓值(Weighted Mean SilhouetteS)為0.874 3,進一步查看每個聚類的數據可以發現,每一個聚類的輪廓值(SilhouetteS)均大于0.7。Modularity是網絡模塊化的評價指標,Q值越大則表示網絡得到的聚類越好,Q∈[0,1],Q>0.3則意味著得到的網絡社團的結構是顯著的;Silhouette是用于評價聚類效果的參數,S值越接近1,則網絡的同質性越高,S值為0.7時聚類結果具有高信度,S值大于0.5認為聚類結果是合理的[5]。由此可以看出,圖3的聚類結果顯著且具有較高信度。

圖3 圖書館用戶畫像研究關鍵詞聚類

通過對每個聚類所包含的關鍵詞(見圖4)進行分析可以看出,不同聚類包含的關鍵詞具有相似性,說明在圖書館用戶畫像的研究領域,學者之間的研究具有共通性。通過對這些聚類文章的內容、關鍵詞進行梳理,可以將圖書館用戶畫像方向的現有研究總結為兩大類。

圖4 圖書館用戶畫像研究關鍵詞聚類時間線

第一類是用戶畫像在圖書館的應用,它又包含了3個方向的內容,分別為精準服務與資源推薦(聚類0、聚類1、聚類4)、閱讀推廣與學科服務(聚類2)、其他服務應用(聚類6和聚類7)。

(1)精準服務與資源推薦。任何一個高校或機構圖書館都擁有豐富的資源,包括圖書、數據庫以及課程資源。智慧圖書館的建設對資源推薦提出了更高的要求。資源的精準利用與精準推薦,可以更好地服務師生,幫助學校更好地實現學科建設。因此資源的精準服務與推薦成為圖書館用戶畫像研究最大的應用領域,主要目的是通過用戶畫像的應用,構建精準服務模型,從而達到精準服務的目的[11]。

(2)閱讀推廣與學科服務。閱讀推廣是現今圖書館的基礎業務,而學科服務可以助力教師教學與科研。通過對閱讀推廣的受眾與學科服務的對象進行標簽化,可以勾勒出用戶在特定情境下的特征,進而進行有針對性的推廣,使得閱讀推廣與學科服務的效率更加高效。

(3)其他服務應用。圖書館用戶畫像的應用具有交叉性,除了在精準服務和推廣方向有較多的應用,還應用在信息服務、信息咨詢、用戶需求等方面。有研究者通過用戶畫像剖析用戶需求,為圖書館的個性化信息服務系統設計提供了參考[12]。還有研究者通過再造參考咨詢流程,利用用戶畫像技術,在用戶產生問題之前嘗試信息推送[13]。

第二類是圖書館用戶畫像研究所采用的技術與方法(聚類3和聚類5)。隨著互聯網的普及與信息技術的發展,更多的技術運用到圖書館的相關研究中來。圖書館用戶畫像的研究主要用到了大數據分析、小數據分析、關聯分析、數據挖掘、深度學習等數據分析技術,挖掘出用戶特征,進而助力圖書館的業務。

3.3 關鍵詞時間線分析

去除“圖書館”“用戶畫像”這兩個與檢索詞高度重合的關鍵詞后,利用聚類結果及其所包含的關鍵詞制作關鍵詞聚類時間線圖,如圖4所示。

圖4展示了在圖書館用戶畫像的研究中,研究者關注點的變化。圖中的節點越大,則表示該關鍵詞出現的頻次越多,節點邊緣的顏色越淺,則代表相關研究就越新穎。可以看到,在樣本文獻中出現頻次最多的關鍵詞是大數據、精準服務、閱讀推廣,并且這3個詞在2020年后均有相關研究。從關鍵詞的變化可以看出,2020年之前研究者們較多單純地關注用戶畫像在精準服務、閱讀推廣上的應用,以及大數據在研究中的應用。而在2020年之后的研究中,研究者們除了關注以上幾個方面,也更加關注用戶畫像在服務創新、慕課、參考咨詢、資源服務等方面的應用,并且在研究中引入了區塊鏈、人工智能、模型構建等新的技術和方法。這表明在今后對于圖書館用戶畫像的研究中,應該更加注重新方法和技術在研究中的使用,以及利用用戶畫像提升圖書館的新業務,比如設計信息素養課程、構建學習空間等。

4 結語

圖書館用戶畫像領域的研究在我國起步較晚,2019年以來相關研究較多,且發展較為平穩。在創建智慧圖書館和未來學習中心的大趨勢下,圖書館更需要利用用戶畫像來對讀者信息進行分析,從而做到精準服務、精準推薦、精準建設。圖書館是讀者的圖書館,只有精準地滿足讀者的需求,才能夠更好地助力讀者的學習與科研。

現有的研究多集中在應用的概念模型方向,畫像的構建與精準服務系統的研究還不夠深入,相關研究者可以與計算機領域的研究者合作,利用先進的計算機技術擴展研究的深度,使用戶畫像更好地服務于圖書館的業務實踐。此外,研究者可以擴展用戶畫像在圖書館的應用方向,加強其在圖書館新業務上的設計與應用。