高校图书馆试用数字资源采购决策研究——以贵州财经大学图书馆为例

张银玲

(贵州财经大学 图书馆,贵州 贵阳 550025)

0 引言

随着互联网的快速发展,越来越多的人使用电脑、手机等设备进行浏览阅读。据统计,“截至2019年6月,我国网民规模达8.54亿,较2018年底增长2 598万,互联网普及率达61.2%,较2018年底提升1.6个百分点;我国手机网民规模达8.47亿,较2018年底增长2 984万,网民中使用手机上网的比例达99.1%,较2018年底提升0.5个百分点。”[1]这些数字的背后,是不断增大的数字阅读群体,其中包括了大量的高校教师与学生。可见,网络阅读、数字阅读已经成为广泛的阅读方式。基于这种趋势,越来越多的资源将被数字化,网络化。数字资源类别越多,内容越广,对图书馆资源建设的要求就越来越高。如何从众多的数字资源中选择适合本校的数字资源,是对图书馆工作人员新的挑战。对于普通高校图书馆,同类高校数字资源的建设经验具有重要的指导作用,但每个高校的读者情况都不完全相同,需要根据自身情况进行资源的合理选择。与此同时,随着图书馆的读者需求不断提高,图书馆职能也从传统的图书资源提供转变到如今以信息服务为主。因此,以自身用户需求为导向的资源服务体系建设将成为新常态[2]。在网络环境下,用户信息需求多样化、个性化特征明显,数字资源建设应以用户为中心,吸引用户参与,关注用户体验[3]。如何将本校图书馆用户的需求真正转化为资源建设的输入,长期困扰着图书馆资源建设部门。

与传统纸本资源的选取不同之处在于,数字资源的选取是按照类别选择,而不是具体的某一个资源。传统的纸质资源通常按照“一种书”“一本刊”来做微观选择,而数字资源则是按“一个库”进行整体选择,因此数字资源的选择更加难以评价,各图书馆都慎重而为。为此,催生了数字资源的试用。数字资源的试用,是高校图书馆采购数字资源的重要环节,对数字资源的采购决策提供重要的参考依据。

当前高校读者用户能参与到数字资源的推荐、日常使用以及意见反馈等阶段,本文提出了一种试用数字资源采购决策模型,实现了读者对数字资源的试用结果进行量化评价,它能对数字资源采购决策提供有力的数据支撑,减少了图书馆数字资源选择的盲目性,使得所引进的数字资源更佳符合读者需求,从而提高数字资源利用率,更好的发挥数字资源的价值。

1 数字资源选取模式及存在的问题

1.1 高校数字资源选取模式

目前,各高校图书馆数据资源选择通常有以下几种方式。

1.1.1 同行参考

借鉴同类型高校图书馆经验,选择比较权威的同类高校图书馆使用率较高的相关数字资源。这种方式适合高校图书馆首次或大批量采购数字资源,避免了因缺乏经验而决策困难的情况。由于同类权威高校图书馆数字资源的使用情况可以一定程度说明该数字资源的专业适用情况,具有重要的参考意义,这种方式的采购比较简便,操作性强。

1.1.2 资源提供方推荐

商业数字资源提供商会不定期向各高校图书馆推荐其相关的数字资源产品,在其推荐的过程中,除介绍对应产品的基本情况外,也会介绍已经购买该数字资源的其他高校图书馆的使用情况,这对未购买的图书馆具有一定的参考价值。根据该数字资源与学校的专业匹配情况,并对比已购数字资源配置情况,若没有该类型数字资源,同时又符合学校专业发展,一般会将该类数字资源纳入试用数字资源中,待试用一定时间后,再综合判断来决定是否正式引入。

1.1.3 读者推荐

图书馆长期接受读者推荐相关的纸质书本及数字资源,若某类资源推荐者达到一定的数量,图书馆将考虑先引进该类数字资源进行试用,试用期结束后,结合实际的试用情况最终决定是否正式引入。

1.2 高校图书馆数字资源建设存在的问题

1.2.1 已购数字资源利用率不高

同一个数字资源,在不同的高校其利用情况也不尽相同,已经有图书馆意识到已购数字资源存在利用率不高、与投入的成本不成比例[4-6]等问题。以贵州财经大学图书馆(以下简称我馆)为例,全校在职教职工及在校学生总人数约2.5万人,正式购买41个数字资源库,使用率最高的为“CNKI中国知网”,日均点击量为267次,使用率第二的“国务院发展研究中心信息网”日均点击量则降为41.21次。日均点击量超过10次的数字资源只有6个,仅占所有正式购买的数字资源总量的15%。日均点击量低于10次的数字资源占全部购买资源总量的85%。其中,日均点击量低于5次的数字资源总共16个,占全部正式购买的数字资源总量的39%。其中,日均点击量仅为1次的数字资源就有3个,详见表1所示。

表1 贵州财经大学数字资源使用情况统计

从高校科研教学层面来说,一个数字资源就算只有一个读者使用,只要有科研成果生成,能帮助学生提高学习,帮助教师开展教学科研等,这个资源就是有价值的。但图书馆仍然需要考虑如何更大地发挥数字资源的价值,让更多的读者使用引进的数字资源,从而提高数字资源的利用率。

1.2.2 试用数字资源种类繁多

数据库商为了获得更多的用户,扩大影响,会向具有潜在购买可能的图书馆提供一定期限与权限的数字资源免费试用,图书馆也因此获得了更多使用免费资源的机会。随着时间的积累,高校图书馆的试用数字资源也越来越多,为师生读者提供了广泛的资源,极大地丰富和拓展了高校图书馆文献资源馆藏,但同时也造成了一定的删订困难。

以艾瑞深中国校友会编写的《校友会2019中国财经类大学排行榜》[7]排名前20的财经类高校为例,试用数字资源最少的是上海财经大学图书馆,试用数字资源5个,占全部数字资源的5%,最多的是天津商业大学,试用数字资源431个,占全部数字资源比例高达79.5%。20所财经高校图书馆,试用数字资源数量超过正式购买数字资源数量一半的就有10个。同样为财经类高校,我馆目前正在试用的数据资源有50个,占全部数字资源的54.9%,就近两年新增的试用数据资源就有34个。每年图书馆都会根据图书馆馆藏要求,结合学校的教学科研发展,图书馆采购经费等采购一定的数字资源,但如何选出最合适的数字资源,仍困扰着图书馆资源建设部门。

2 试用数字资源决策模型

目前,越来越多的图书馆意识到用户参与图书馆资源建设的重要性,并为此做了一定的研究与实践[8-10]。实际上,读者已经或多或少参与到了图书馆的建设当中,如大多数图书馆都在做的读者推荐,读者问题意见反馈等,只是参与度不高。图书馆在选择一个试用数字资源进行正式采购之前应充分掌握读者试用期间所获取的各种体验,这些体验应该包括资源是否有实际的价值、资源是否方便查询检索等,而不是简单的听“一己之见”,或者单看资源的访问下载量。高校图书馆读者专业分布明确,各专业学生数量不同,访问量仅仅是一个总数字,并不能完全体现一个数字资源的真实价值,对于那些师生少的专业,显得“有失公平”。

本文充分考虑了试用数字资源学科属性与各类读者学科属性一致性因素的影响,提出将高校图书馆读者进行明确分类,分配各类读者不同的决策权重,同时采用定向推荐试用的模式,让各类读者用户广泛参与到资源的试用结果评价,并按照特定的数学模型计算出试用数字资源的评价结果,得到最终量化的采购推荐值,用以辅助图书馆进行科学的采购决策。

2.1 数字资源与用户的学科属性一致性匹配

目前,拥有图书馆网站的高校基本都建立了专门的试用数字资源访问页面,将引进的全部试用数字资源及其对应的试用方法通过列表形式提供给读者,方便读者进行试用访问。由于高校是按照教育部印发的《普通高等学校本科专业目录(2012年)》进行明确的学科分类与专业划分,只有充分考虑试用数字资源学科属性与各类读者学科属性一致性因素,将其重点推荐给专业对口的读者(Reader)进行试用,才能实现对该数字资源试用的最佳价值体现。

对于专业性强的数字资源,按照学科门类下的一级学科进行对应的试用推荐。例如,《中国审判案例数据库》是集案例检索、阅读、应用、研究、报送、整理于一体的综合性法律应用案例平台,对应读者用户所属学科门类为法学,而法学门类下设有法学类、政治学类、社会学类、民族学类、马克思主义理论类、公安学类等6个一级学科,32种专业。考虑该数字资源学科属性与读者用户学科属性的一致性因素,应将其重点推荐给与之学科属性一致性强的法学类(法学)、公安学类(治安学、侦查学、边防管理)两个一级学科所属专业教师及学生读者试用。

对于没有特定专业限制或涵盖多学科门类的综合型数字资源,则可以向全校读者用户进行试用推荐,如《就业数字图书馆》《超星期刊》等。推荐原则详见表2。

表2 试用数字资源推荐原则

2.2 模型构建

本决策模型充分考虑了高校图书馆读者的类型与特点,划分教师读者与学生读者。其中,考虑教师队伍整体专业能力及文化水平较强,对资源的使用频率及深度均较高,当前模型暂不对教师读者(R1)进一步细分。研究生读者对数字资源的使用频率与使用深度明显高于本科生,故将学生读者再细分为研究生读者(R2)和本科生读者(R3)两类。

在明确读者分类的基础上,赋予每类读者不同的资源选择决策权值。其中,考虑到教师长期从事相应专业领域的教学科研工作,对相关专业有比较系统与深入的了解,因此分配较大的决策权值;学生读者是数字资源最广大的用户群体,对数字资源内容的全面性,平台的易用性等方面有一定的要求,鉴于其专业性不高,因此赋予其较低的决策权值,详细分配权值见表3。

表3 各类读者决策权值

针对正在试用或将要试用到期的数字资源,图书馆是将其转入正式的采购流程或删除试用,都需要进行相关的决策。对图书馆定期(如一年)开展的试用数字资源选择投票结果进行统计,并将统计数据代入已建立的决策模型:

(1)

其中,n=3;

Ri表示对应读者类型的权重系数,见表2所示;

Ti′表示对应读者类型中推荐购买人数;

Ti表示对应读者类型总人数。

计算得出每一个试用数字资源对应的推荐值P(Proposal),并按照由高到低的顺序进行资源排序。

决策模型中考虑了不同的数字资源受众群体差异,如综合性的数字资源读者可能是全校读者,而专题数据库的读者可能是某一个专业的师生读者,各专业师生读者数量上也存在较大差异,简单的以推荐人数来比较存在片面性,而采用各类读者用户的有效推荐量与该类用户的全体的占比进行计算更为客观、科学。

3 实例分析

以我馆2019年《中国社会科学院——皮书数据库》《北大法宝》《RESSET国际经济金融数据库》三个试用数字资源选择为例:《中国社会科学院——皮书数据库》属于专有的人文社会科学综合学术资源总库,主要读者为人文社科、国际政治与经济学相关专业教师及学生;《北大法宝》主要读者为法律相关专业教师及学生;《RESSET国际经济金融数据库》主要读者为经济学相关专业的教师及学生。通过采取推荐试用与专门投票相结合的方式,首先将三个数字资源推荐给对应学院的教师及学生进行试用。《中国社会科学院——皮书数据库》自2015年5月开始试用,《北大法宝》自2016年9月开始试用,《RESSET国际经济金融数据库》自2017年3月开始试用,经过几年的试用,图书馆于2019年3月发放资源使用投票问卷给试用的读者,最终回收投票问卷并统计试用情况后采用该模型进行推荐决策。

由以上计算可知,Pa

按照同样的决策模型,将我馆正在试用全部数字资源进行计算,得到全部试用数字资源的采购推荐值,将最终的结果按照推荐值由高到低进行排序。图书馆依据采购推荐值排序,结合学校科研教学需求、图书馆馆藏目标、每年的采购经费与采购任务等因素综合选择推荐值高的《RESSET国际经济金融数据库》和《北大法宝》纳入了正式采购名单,而《中国社会科学院——皮书数据库》因推荐值偏低,未纳入正式采购名单,目前因试用到期已被删除试用。

通过对已正式采购近一年的《RESSET国际经济金融数据库》和《北大法宝》两个数字资源使用情况跟踪统计,发现模型计算推荐值高的数字资源实际使用率也相对较高,详见表4。

表4 已采购数字资源使用情况对比

由表4可知,已采购的《RESSET国际经济金融数据库》实际单日用户点击量明显高于《北大法宝》,该统计结果与本文构建的模型计算采购推荐值结论完全吻合,表明该模型具有一定的正确性,在采购决策中能够发挥重要的正向指导作用。同时,通过该模型的应用,大大提高了数字资源采购决策效率,提升了图书馆数字资源的决策能力,也得到了图书馆资源建设部门的大力认可。

4 结束语

数字资源的选择涉及一系列复杂过程,需要权衡考虑的因素较多。本文充分考虑了不同类型读者参与数字资源试用结果评价对资源建设发挥的重要作用,在定向推荐试用数字资源和试用信息收集基础上,通过构建的决策模型进行试用数字资源推荐程度量化排序,结果能够更合理的反应读者用户的真实需求,有助于提高数字资源的利用率,同时也为数字资源建设提供科学依据和决策基础,从而降低资源建设的盲目性。当然,随着该模型在采购决策的深入应用,结合后期实践效果,未来可深入分析研究读者用户进一步细分的准则以及各类读者权值系数的优化,进而不断完善模型。