智慧图书馆环境下高校图书馆“用户问题解决专家”模式探析

陈光华

(安徽工业大学 图书馆，安徽 马鞍山 243002)

大数据与智慧图书馆相伴相生，这已成业界定论。智慧图书馆概念问世几年来，国内关于智慧图书馆研究的公开成果尚不太多，且大多仅从馆舍硬件等进行阐述，少量虽兼及智慧服务及智慧馆员，但又囿于图书馆当前尚处从传统时代向大数据时代过渡，均未做深度研究。针对智慧图书馆开展全方位、深层次研究势在必行，其重点是对于“用户问题解决专家”的研究。

高校图书馆有别于其它类馆，其具有主体用户的相对高知性，业务与服务的相对趋向智力密集性，因而对于“用户问题解决专家”的需求更加迫切。

笔者拟从概念、必要性、构建方式三方面进行粗浅分析，力图为大数据时代智慧图书馆环境下高校图书馆构建“用户问题解决专家”模式提供参考。

一、智慧图书馆及“用户问题解决专家”概念

(一)智慧图书馆

通过比较发现，国内智慧化相对成熟的高校图书馆大抵都已将当今前沿的科学技术渗透到建筑设计中，实现楼宇、设备、空间的精准自控化管理，从而体现环境的智慧化，使图书馆成为一个不受空间限制、能够被感知的移动图书馆。

而真正未来智慧图书馆还必须顺应大数据的共性原理，体现硬件以外即队伍、理念、软件、服务的智慧化，所以其一定是以物联网技术及智慧感知技术为基础的数字化、网络化、智能化的新型图书馆，是在信息技术支撑的基础上，注重整合协同管理、泛在惠民服务以及绿色可持续发展的图书馆。简言之，智慧图书馆是远高于数字图书馆的超越物理空间、模糊具体岗位功能的智慧共同体。

(二)“用户问题解决专家”

当前业界相对稳定的对于未来智慧图书馆员的提法是“用户问题解决专家”。针对这一概念的研究最早甚至可追溯至十余年前，但主要集中在对服务模式的研究，其中大多又集中在数字资源利用或参考咨询等信息服务研究上，其所谓专家仅系图书馆现过渡阶段环境下的学科信息知识的初步分析及传递员，即俗称的学科馆员，不能与大数据时代智慧图书馆环境下的馆员专家等而视之。

真正的“用户问题解决专家”应是能从容驾驭智慧图书馆环境，整体知识博厚全面，图书馆学知识精专，能为各类用户提供快速、便捷、可选择、无障碍、一揽子解决问题的途径和方法的全能专家，应是具有用户需求广度推介及深度分析能力，能随时进行广度知识搜罗、深度知识挖掘的有品质、有价值、有内容的高层次专家。具体说来，其能致力于终身学习，富有创造力，见多识广，视野开阔；能胜任对现有体系和服务的执行和管理，适应快速变化的现实环境，同时具备卓越的洞察力和执着的献身精神，能时刻关注用户的信息需求，了解如何通过建设新信息源来提升服务质量，并聚焦那些能有效传播信息的新技术。

二、高校图书馆“用户问题解决专家”模式构建的必要性

(一)高校教学科研与管理服务之间矛盾凸显

目前，不少高校向着教学科研型大学转变。尤其是近两年来，几乎所有综合性大学均将“双一流”作为近远景目标，队伍建设进一步增速，人事制度及岗位绩效改革已如火如荼，纷纷在人员编制总量不变的前提下，进一步向教学科研倾斜政策，投入人力，管理服务队伍则相应不断缩编。

以笔者所在的学校为例，现有管理人员约800人，专任教师、科研人员约1 200人，占比分别为40%与60%。这样的人才队伍结构与规模，基本能较好地适应学校当前“地理位置处四线城市，整体水平居省内中上”的基本发展状况，各项工作有序推进。但是，在向“双一流”目标挺进过程中，学校也明确提出了队伍建设的近远景计划，拟通过“职数总体固定，两线同步增减”的形式，到“十三五”末，把管理与教研队伍人数占比分别调整到15%和85%左右，分别约为300人与1 700人。这无论从质上还是从量上，都对服务管理提出了更高的要求，教学科研与管理服务之间的矛盾不可避免地凸显出来。

具体到图书馆，情况更不容乐观。截至“十二五”末，图书馆尚有馆员94人。三年来，基本遵照学校针对非教研部门“自然减员，不予补充”的人事规定，虽经图书馆多方努力，积极协调，由学校引进了若干人才，但由于人员退休、人才外流等因素，目前馆员人数已迅速减至80人，管理与服务模式亟待更新。

笔者问卷调查、走访调研多所省内及周边省外高校图书馆，情况也大抵如此。

(二)高校用户服务现状堪忧

据调研，当前国内高校图书馆，其狭义上的用户服务，大多仍是以信息学科馆员个性服务及文献流通共性服务为主要模式。一方面，学科馆员服务，其原本结构就不完整、整体素质均有待较大提高的服务团队，自身规模将进一步缩小，在大数据中的服务对象群体则又不断扩大，服务范围不断拓展，服务深度不断加强。因而即便是现有的服务水平也难以为继，遑论即将到来的真正大数据时代的服务创新，品质提升。另一方面，文献流通服务仍大多以劳动密集型为主，简单的手工操作枯燥地循环重复，富余劳动力低效率地轮值，不仅懈怠了馆员的工作热情，更扼杀了馆员的求知欲望，使其专业综合素质不断下降。

另就高校图书馆广义上的全馆管理与服务来说，囿于社会经济、校内校外各种相关因素，岗位绩效的确定往往没有令人信服的尺度，绩效岗位的分工亦无行之有效的选拔流动机制，因而往往人不能尽其才、才不能尽其用，忙闲不均有之，碌而无果有之。

这些国内大多高校图书馆当前面临的、急需解决的问题，迫使其顺应大势，探寻契合大数据时代特征的服务理念，实现服务模式革新，顺应其服务地方、发挥文化引领作用的潮流，并在此基础上，最大限度地统筹人力，充分挖潜，举全馆才智，为教学科研提供必要支撑，助力学校发展。可以说，“用户问题解决专家”概念的问世，为高校图书馆解疑释惑指明了可行方向。

三、大数据时代智慧图书馆环境下高校图书馆“用户问题解决专家”模式构建

(一)重塑新型数据图书馆

1.实现大数据由结构化为主向非结构化为主转变。大数据时代的高校图书馆，仅靠数据存量已无法满足用户个性化需求和实现多样化的知识储备。目前，我国高校图书馆的数据存储仍几乎都是文献资源的电子化、数字化和视频化等结构化单一类型，而大量隐藏着巨大价值的非结构化数据则长期被忽略。这些被长期忽略的数据，既可能是已然存在且继续发生的读者用馆行为、习惯和社会身份等，也可能是未来大数据时代图书馆走出校园，超越本我，与各类社会团体，甚至是商业、娱乐等社会服务机构建立的复杂关联。非结构化数据[1]从原理上说是基于网络和数据场的学术过程记忆，因为数据场中信息的类型、来源渠道和获取方式都是多元的，各种数据流动、交互操作、融合、引用等都将留下轨迹。由于结构化数据缺乏个性和价值再发现功能，所以重新发掘、科学分析及再利用非结构化数据资源，把隐性的数据流动转变为显性的，甚至可视化，使学术过程记忆在服务跟踪和评价中大显身手，意义深远。穿越传统的结构化数据服务，需要经过超量数据的捕捉、组织、分析和决策，形成严密的多向度的数据服务体系，以便为用户解决数据问题提供一站式一揽子智慧和人力服务。数据的非结构化系“用户问题解决专家”服务体系的重要组成部分，其深层意义体现为图书馆重要数据的功能集中增值，将会成为大数据时代智慧图书馆的常规内容。“存储在各类数据库和文档系统中的科学数据以及以业界标准化关系数据库所产生的元数据体系，将构成一种新型的、分布式的和整合式的数字图书馆，即大数据时代的智慧图书馆，既包括传统数字图书馆的各类处理、管理、检索服务等功能，又包括数据转换、可视化数据挖掘服务等新型数据服务功能。”[2]

2.实现服务模式由资源开放存取式向大数据驱动式转变。大数据时代，数据成为高校图书馆的资源核心和运行基础，能否从传统语境下的文献资源的开放存取式信息服务模式向数据驱动服务模式的突破，将是其能否继续生存并保持活力的关键。有专家断言，数据驱动[3]服务模式将是现代科学图书馆发展的新的生长点，此言不虚。可以想见，数据驱动服务模式将彻底颠覆高校图书馆资源配置，进而改变其价值定位、评价体系；对大数据的分析、处理、应用能力将成为未来智慧图书馆环境下，考量高校图书馆及馆员个人解决用户问题能力和发展潜力的重要评估指标。

目前已有北京、上海等地的少数高校馆对数据驱动服务理念的重要性有认识，已着手数据的非结构化，拓展组织、挖掘、分析数据的能力，提升自身解决用户问题的综合素质和市场竞争力。其中少数高校图书馆甚至已开始有意识地针对大数据需长期存储的根本特质，设法融入科研用户工作流的数据生命周期，为解决用户问题提供最佳资源和过程服务。

3.建立大数据流动相关一揽子交互环境。高校图书馆占据大数据的前沿，面临相对更多的高端用户，肩负服务教学科研的重任，理当顺应潮流，顺势率先，其“用户问题解决专家”，应充分利用高校得天独厚的资源与人才优势，在智慧物联环境下，为用户提供智慧化服务。此处，通过智慧化设备、智慧化手段，服务的内容是优质、多元、高效的大数据资源，即俗称的海量资源;服务的方式是开放、感知的泛在; 服务队伍是博学精专、敬岗乐业、思考创新的智慧团体; 用户则是文明乐用、善解人意的校内师生、部门及社会团体、个人。

这一模式是基于大数据获取、存储、组织、分析和决策的智慧平台知识构建，包括基础框架体系、大数据处理体系、过程管理体系、大数据分析与决策体系、交互体系，其实质是资源与资源相联、资源与人相联、人人相联的和谐的智慧整体。它对于当前正面临队伍减员增速、文献流通服务功能逐渐弱化等问题的高校图书馆，不失为一剂真正迈向可持续发展之路的良方，对于“未来高校图书馆是否有存在必要”之疑问亦将不失为有力的回答。

(二)培养“用户问题解决专家”

舍恩伯格预见的未来“数据科学家”， 即统计学家、推广学家、社会活动家、软件程序员、图形设计师和作家的结合体，在智慧图书馆员身上的有效体现，即是大数据时代高校智慧图书馆“用户问题解决专家”的完美形式。

“用户问题解决专家”的培养的起步，当前很大程度上取决于图书馆管理者的胸襟与眼光，一方面要看其能否在方兴未艾的高校岗位、效益轮回中跳出狭隘的自我保护，努力规划、上达视听并积极着手实现大数据时代智慧馆员队伍建设大局。就省内来说，仅原985或211高校的图书馆录用有博士，其在未来“用户问题解决专家”培养方面已走在前头，其它除安庆师范大学图书馆外，尚未有所闻。

另一方面，要看其能否盘活现有队伍、盘强队伍能力。“用户问题解决专家”能力，固然可以通过政府机构、图书馆联合机构、图书情报机构、相关商业机构和图书馆员的共同努力而不自觉地慢慢获取，但当前关键的是，要想带着现有的人马朝着“数据科学家”方向较快挺进，管理者的学习提升意识、学习提升能力、学习效果示范均起着重要作用。时不我待，不立涛头终会被淹没。据悉，现在国内大多高校图书馆馆员小富即安，高级职称以后便不想也很难再有智慧追求和建树，根本发挥不了努力成为智慧化馆员的带头作用。少数高校图书馆甚至常年没有高质量外访学习安排，这固然有不可回避的客观因素，但更多的则是包括管理者在内的集体懈怠。

(三)实现数据图书馆、“用户问题解决专家”及用户的互联融合

具体从实践层面说来，大数据环境下的智慧图书馆员，即“用户问题解决专家”在日常服务中须做到以下几点，用于为用户进行分析和预测，以实现与图书馆、用户及用户问题的交互融合。一是准确把握大数据的范畴、价值、状态和周期；二是熟练运用跨多学科领域的人工智能、商业智能、数学算法、自然语言理解、信息技术等技术成果；三是能为用户和自身(本馆)做基于“投入回报” 的人物财及发展张力的发展规划；四是能组织策划、建立集成化的公共智慧获取、存储、组织、分析和决策的大数据综合解决方案等。如此，方能“融入环境，嵌入过程”，全方位、有目标，有主有次地解决用户所有问题，无论是教学科研的，还是阅读推广的，无论是建设智慧校园相关的，还是引领地方文化相关的。

就以上三者的互联融合而言，清华大学图书馆相关做法走得靠前，值得推广。如，其在检索平台“水木搜索”上综合运用多来源数据，将书、刊、文章等元数据汇聚一起，便于数据的开放链接技术定位及获取；将维基百科的词条、读者用馆标签、智慧馆员解决用户问题痕迹等与检索结果建立关联，在一个检索结果为用户提供不同层次、不同角度的数据信息；同时尝试从元数据仓储中提取关键词，分析其走向，研究用户间的合作深度，建立以人为中心的以“用户问题解决专家”为主导的大数据关联网络。

四、结语

建立高校智慧图书馆环境下的“用户问题解决专家”模式，当前的学科馆员既是重要的建设者，更是未来全能型专家的主要培养者及成员核心，其表率力量，对于引导流通服务功能弱化后的一线馆员的顺利转型，以及重拾信心及时跟进有着重要的偶像力量，是高校图书馆即将实现华丽转身的重要伏笔。