高校图书馆大数据应用的困境及实证研究

2023-07-24 理论教育版权反馈

【摘要】：究其原因，高校图书馆大数据应用正处于起步阶段，数据收集整合、数据分析和知识服务方法有待发展，相关技术有待突破；另外，高校图书馆数据量激增，海量存储的急切需求和计算设备性能的急待提高与资金投入受限也存在尖锐的矛盾。上述因素使得当前高校图书馆大数据应用陷入困境，阻碍了高校图书馆大数据服务的开展。大数据实时处理和高效分析是图书馆知识服务的前提，也是图书馆大数据应用落地的关键。

国内外学者对当前图书馆大数据应用进行了初步探讨，取得了一定的成果，但是多数文献偏重于概述方法和解析概念，在解决高校图书馆服务面临的学科知识服务和个性化服务问题方面，缺乏有效的理论和技术视角的应对方案。究其原因，高校图书馆大数据应用正处于起步阶段，数据收集整合、数据分析和知识服务方法有待发展，相关技术有待突破；另外，高校图书馆数据量激增，海量存储的急切需求和计算设备性能的急待提高与资金投入受限也存在尖锐的矛盾。上述因素使得当前高校图书馆大数据应用陷入困境，阻碍了高校图书馆大数据服务的开展。为了针对性提出应对方案，需要对当前所处的困境进行深入分析，主要从数据收集、数据分析、知识服务和硬件设备现状四个方面具体探讨。

（1）数据收集是大数据应用的起点，数据整合和存储是大数据应用的基础。当前，由于受到各种因素制约，在知识服务领域，相关企业数据库对大众开放程度较低，“信息孤岛”随处可见^[4]，数据的收集特别是高质量数据的完整获取存在很大困难。对于中国知网、万方数据库等知名的文献资源数据库，一般的高校图书馆即使在付出巨额的使用费后，购买的仅是检索和文献下载权限，而无法获取可以用于深入研究的完整数据库。由于不同数据库之间的关联程度迥异，不同类型的异构数据的存储方式和数据格式也大相径庭，如果仅是简单地堆砌在一起，即使采取传统的数据挖掘技术，也难以进行有效的知识发现，得到有价值的结果，给图书馆大数据的整合带来困扰。另外，整合后的海量数据如何恰当存储和高速访问也挑战传统的存储方式。

（2）大数据实时处理和高效分析是图书馆知识服务的前提，也是图书馆大数据应用落地的关键。图书馆大数据信息量大且类型多样，数据分析和数据挖掘至关重要。在大数据环境下，传统的数据挖掘方法难以满足对关系型数据，非结构化的、半结构化的数据进行挖掘以及开展深度分析的需求，这需要高性能计算设备和软件平台的支撑以提高处理速度、开发合适的数据挖掘算法以高效进行知识挖掘和知识发现。当前，国内相关领域的技术发展很不平衡，知名互联网企业如阿里巴巴和腾讯等构建了上万节点的大数据计算集群和软件平台，并成功开展企业大数据应用和服务，但是由于企业之间存在竞争等因素的作用，大数据的应用及开发技术的扩散和共享渠道不畅，技术优势的企业积极性不高，对开源社区的贡献不足，图书情报领域的研究者不易获取软件开发相关的技术资料，造成了高校图书馆大数据分析技术上的壁垒。

（3）知识展现和知识服务是图书馆大数据应用的落脚点。脉络清晰的知识展现手段能够促使知识发现的过程和知识之间的关系更容易被用户理解，有利于用户快速把握所获取的知识。在数据开放和知识共享的大趋势下，图书馆需要依据用户需求，通过对知识搜索、组织、分析、重组等方式为用户提供知识服务，以支持知识应用和知识创新。当前针对高校科研和教学的学科知识服务和面向高校师生的个性化推荐服务是高校图书馆知识服务的两个主要任务，但是相关研究仍然缺乏系统的理论分析和有效的技术支持手段。

（4）有限的计算设备和资金投入也给图书馆大数据服务带来了挑战。图书馆数据量迅速增加，数据存储及计算规模也随之急剧增大，因而服务器硬件设备和软件设施（如软件分析平台构建和相关应用软件的购置和维护等）需要大量的资金投入，但是普通高校图书馆每年用于此项的经费有限，必须寻求有效解决方案。

从以上分析可以看出，当前高校图书馆大数据应用和服务在基础理论支撑、技术衔接和资金投入均存在不足，图书馆大数据应用模式不能简单套用传统的模式，分析方法和技术也不能采用传统的数据分析框架和数据分析方法。

下列章节以知识管理理论和大规模网络分析理论为支撑理论，通过元数据模型的构建，大规模网络分析方法的应用，以及用户行为分析和挖掘，提出一种基于大规模网络分析方法的图书馆大数据一般应用模式，并阐述具体实现方法和主要技术，力图在一定程度上破解当前图书馆大数据服务面临的困境。

高校图书馆大数据应用的困境及实证研究

相关推荐