高校智慧图书馆阅读推广模式∗

芦晓红

（中国刑事警察学院图书馆，辽宁 沈阳 110854）

智能化设备的出现，给传统图书馆造成很大的冲击，图书馆转型迫在眉睫。“互联网+”的发展，使以大数据和智能技术为背景的智慧图书馆发展模式应运而生，给图书馆未来提供了新的发展方向。智慧阅读已成为人们关注的热点话题，如何在深化阅读推广活动中发挥智慧性和多元性，是高校图书馆在阅读推广中的一项重要工作。

1 阅读推广研究的综述

1.1 图书馆阅读推广文献概述

1.1.1 阅读推广基础理论研究

笔者2019年2月22日以“中国知网”为检索平台，以“图书馆+阅读推广”为主题，共搜索到3600多篇有效文献。对此类文献按年份做了如下统计（见图1），数据表明，我国此项基础理论研究工作尚且处于初级阶段，近5年来才有了明显的发展，这与国家从2014年开始连续6年将全民阅读写入政府报告密不可分。

通过研究发现，我国阅读推广的理论研究主要集中在阅读推广的内涵和特征，图书馆在推广过程中所占的重要地位和智慧阅读服务的模式与评价机制几个方面，其中王波、张怀涛等几位学者的论述被引率较高[1]。

图1 图书馆阅读推广发文量年度统计

1.1.2 阅读推广活动案例研究

近年来，图书馆阅读推广活动层出不穷，公共图书馆和高校图书馆占据了主要阵地。从全国高校图书馆阅读推广案例大赛中发现，阅读方式主要以实体场所纸质资料阅读为主，内容形式丰富多样，具体形式包括荐读、展览、征文、话剧、知识竞赛、微电影等，涵盖了众多时尚与个性的元素。目前部分阅读推广活动已打破了固有的推广模式，活动场地也不局限于图书馆内，而是延伸至书店、咖啡屋、展示厅等地，以满足阅读者更有个性化的体验和感受，拓展其阅读空间。

1.2 阅读推广研究工作中存在的问题

1.2.1 缺失用户与资源关联性的相关研究

传统的阅读推广较重视馆藏图书借阅次数和阅读推广的关系，忽略了读者阅读行为主动性和被动性的关系，并且缺乏彼此间的数据分析。资源与用户间的关系直接影响读者的阅读质量和阅读理解的效果，阅读推广的宗旨在于让读者进行深阅读，增强读者的阅读兴趣和阅读能力。通过数据分析可以很直观地对用户与用户之间存在的关联性进行分析，能将读者按阅读兴趣的类型进行分类，将读者资源进行整合，以便向他们推荐共同感兴趣的文献资源。

1.2.2 缺乏阅读推广智能技术的实践应用

大多数图书馆往往忽略收集阅读推广数据。阅读推广的程度只能按照图书的借阅数量作为评判的依据，因此没有客观真实的读者阅读行为数据，对读者阅读兴趣的了解少之又少[2]。智能技术在阅读推广中应用很少，导致读者的阅读行为、阅读记录、收藏评价等得不到真实的反映，在对这些行为分析之后，可以更好地按照读者的阅读需求，进行有针对性的阅读推广。近年来，电子信息技术包括网络自媒体的加速发展，微信、QQ 等已经成为阅读推广的新型工具，但是缺乏更加具有探索性智能化技术的深层次应用。

1.2.3 缺少专业数字化资源的阅读推广

近年来，我国国民的阅读呈量上升趋势，并且以年轻读者为主，很多读者喜欢阅读电子书，并且电子书的阅读量也在持续上涨。但是很多图书馆的阅读推广重心却偏向馆藏实体资源的利用。在推广过程中，内容的主观性较强，阅读内容不合理，偏重于大众阅读，对专业性强的内容推广较少，存在推广内容有偏差和专业推广不深入的问题。

2 智慧图书馆系统支撑阅读推广的优势

科学技术（互联网、智能技术与云计算等）的不断发展，为智慧图书馆技术应用奠定了基础，在大数据资源整合环境下可以根据用户的个性化需求，将各种数据进行分析，做到精准与高效、智慧与互通，为读者推荐更为适合的图书资源。

2.1 为阅读推广的数据分析与智能技术提供支撑

智慧图书馆系统可以更加全面地获取读者的相关信息资料、对图书馆内各类书籍的分布位置，甚至图书的借阅信息都有详细的数据记载[3]。其中用户基本信息主要有用户的姓名、性别、专业方向等，阅读信息主要是记录读者在信息智能借阅平台上的借阅记录、浏览记录等。掌握以上数据可以有效地将各种数据资源进行优化整合，为读者精准推荐图书，提升用户的阅读体验和阅读效果。

2.2 为阅读推广的智慧服务平台建设提供保障

传统的阅读推广模式主要以实体场所为主，其推广的载体大多以纸质图书为主，具有很大的局限性，活动组织比较困难，成本较大，并且要做诸多的前期准备工作，且交流和分享的成果不易统计。依托智能技术的应用，建立一个智慧图书馆系统，能将所有资源进行整合，给用户及数字图书资源库搭建起一个更加便捷的网络平台，智能化平台可以根据用户的基本信息推送适合该用户特征的个性化信息，并与用户形成互动。

2.3 为阅读推广的科学规划提供方向

智慧图书馆系统在对用户相关信息的收集及分析后，再科学地将图书馆的资源及服务推送给读者，让读者获取更有效的阅读信息。其是“资源+平台+服务”互相融合的产物，这种方案的提出可以有效地提高读者的阅读效率，具有较强的科学性、具体性、适应性，解决了主观推荐存在的弊端和低效的问题。

3 智慧图书馆系统阅读推广模式框架设计

智慧图书馆系统搭载计算机技术、大数据技术以及智能终端技术，可以在阅读推广过程中对用户的相关信息数据进行快速分析，从而找出数据背后的客观规律。同时确定用户的兴趣和爱好，对不同的数据信息进行分类处理，完成对不同类型、不同层次客户的分类。在分类过程中需要关注大众与分众阅读相互融合的方式，通过分类实现一体化阅读。

智慧图书馆以采集的数据、互联网信息为数据源，通过人机交互智能化手段，建立对用户的数据感知、关联分析以及情境感知、个性化推荐功能，为不同的用户分享推送针对性的资源，并通过对各项数据的变化分析，保证智慧图书馆的推广效果[4]。

在智慧图书馆系统中，利用智慧门户可以对图书馆系统进行集成处理，在整个系统平台上容纳海量的数据。通过对交互数据、非结构数据、动态数据等的分析，获取趋势性、前沿性的信息，为阅读推广工作的进一步深化奠定基础。

智慧图书馆系统下阅读推广活动框架设计，如图2所示。

图2 智慧图书馆系统阅读推广活动框架

4 影响智慧图书馆系统阅读推广的因素

4.1 阅读推广的主体

智能图书馆阅读推广的主体即阅读推广者，主要指的是图书馆内的工作人员以及技术研发人员。可以充分联合学校教师、知名人士、学生团队以及其他校内外的社会组织机构共同参与，从而进一步提升推广效果，。

4.2 阅读推广的对象

通过对阅读推广对象相关数据分析，可以将读者分成以下几类：第一，普通型读者。对于普通读者而言，重点在于培养读者的阅读兴趣，从而逐渐提升读者的阅读水平，同时还应该充分利用智能门户的相关体验、智能化操作以及虚拟阅读技术，提高普通读者的阅读兴趣。全平台还应该提供一定的评价机制，激励读者发掘更加优质的阅读资源。第二，研究型读者。该类读者的阅读文献主要体现在与专业相关的领域上，因此对于该类读者可以通过建立学科阅读规则的方式，通过对读者的阅读行为进行实时监测，及时为研究性读者提供相关的专业阅读资源推荐服务。第三，管理型读者。这类读者更多关注的是学科发展的趋势、教育教学的动态等，因此可以从学科研究进展报告、相关重大会议、学科领域的相关专家报告等内容进行推荐。对于以上3种类型读者的划分，是基于当前数据形成的，通过对大量数据的持续分析，可以使服务变得更加细致。

4.3 阅读推广的方式

智慧图书馆的推广形式主要是指利用智能终端的筛选功能在门户上进行的推广。具体来说，可以利用当前大热的微信公众号、微博、各类短视频进行推广。对于智慧图书馆的资源配置以及推广，还可以借助APP智能终端，通过线上线下两个途径关注用户的体验。

4.4 阅读推广的效果

智慧图书馆阅读推广时，一方面应该重视对用户实时动态数据的监测，严格做到以用户的动态数据为基础，通过对相关资源数据动态的分析实现，对阅读推广效果进行有效评估。另一方面，还应该通过对相关数据变化规律、推广服务效果以及用户反馈等进行全面的评估和数据分析。通过分析评价阅读推广效果，并以此为依据不断完善阅读推广工作的内容与形式。

5 智慧图书馆系统下的阅读推广策略

5.1 构建大数据智慧服务平台

在智慧图书馆系统中，将图书馆目前所购买的数据库、图书资源进行去重筛选，对纸质文献及数字文献的元数据进行结构化描述、整合、组织，深度挖掘资源的价值，让读者可以便捷地获取有效资源[5]。另一方面，通过对大数据平台的建设，与国内外其他高校形成合作，从而更好地完成资源的流通和共享。

5.2 融入多维度智能推荐处理

图书馆馆藏资源通过智能推荐处理，最大的好处在于通过分析单一用户、多个用户之间的信息行为以及资源的匹配度，提高推荐的精准性。当前，智慧图书馆系统下的推广主要体现在资源的推荐和推送上，具体来说是通过对相关数据，用户的兴趣偏好、资源进行相互关联并推荐，但这种推荐在一定程度上忽视了用户的情感态度以及对文献的评价情况[6]。因此利用智慧图书馆系统对文献的阅读、检索以及交互作用的历史记录信息应该深入挖掘分析，并充分挖掘用户对资源评价的属性特征，为推荐资源提供基础依据。同时，在用户网络资源交互时，还应该通过算法设计增加推荐的准确性。用户之间的联系既可以是显性可见的，也可以是隐性不可见的，以此更好地保护用户资源选择上的私密性。

5.3 展示用户深层次挖掘数据

在智慧图书馆中采集的用户数据不仅可以作为资源推荐推送的重要依据，同时还能基于读者需求的分析，对图书馆的服务以及战略规划进行调整，从而提高资源的利用率以及图书馆的管理水平。用户数据的采集不仅体现在访问量、浏览量、收藏量以及下载量等文献的流通和下载指标上，同时还应关注用户对相关文献的阅读停留时间、留言情况以及用户的评价，从而深层次挖掘数据的价值。另一方面，还应该重视不同机构之间的合作。可以结合学校的选课系统、成绩情况以及学生的个人特长情况等，与采集的用户数据进行关联分析，从而加强对用户阅读行为以及学术成就的精准把握，为更加精确的阅读推广服务提供重要的数据参考。