科研人员的个性化推荐需求研究

张建伟　李月琳　卢丹

摘   要：文章基于用户视角揭示了科研人员的个性化推荐需求，构建了个性化推荐需求层次模型。丰富了用户视角下个性化推荐研究，为知识服务平台更具针对性地设计个性化推荐提供了理论指导，为实现个性化推荐算法与用户视角下个性化推荐研究的融合提供了参考。研究采用半结构化深度访谈，对22名科研人员进行了访谈，使用NVivo11质性分析工具进行数据分析。研究发现，科研人员的个性化推荐需求包括内容需求、交互功能需求、界面布局需求、效能需求和情感需求，其中，需要首先满足的是内容需求，其次是交互功能需求和界面布局需求，再次是效能需求，最后是情感需求。基于此，研究提出科研人员个性化推荐需求层次模型。此外，研究表明，任务、交互检索习惯、推荐解释影响着科研人员对个性化推荐的需求和关注。

关键词：用户视角;科研人员;个性化推荐需求

中图分类号：G250   文献标识码：A   DOI：10.11968/tsyqb.1003-6938.2021056

On Personalized Recommendation Needs of Researchers

Abstract This study aims to explore the personalized recommendation needs （PRNs） of researchers from user's perspective.  Semi-structured in-depth interviews with 22 researchers were conducted， and NVivo11 was used for data analysis. Five PRNs were identified： content needs， interactive functional needs， interface layout needs， effectiveness needs and emotional needs. Furthermore， the PRNs hierarchical model indicates that content needs are basic needs， should be satisfied firstly， interactive functional needs， interface layout needs should be satisfied secondly， followed by effectiveness needs and emotional needs. In addition， tasks， interactive retrieval habits， and recommendation interpretation affect the PRNs of researchers. Based on the results， a PRNs hierarchical model is developed. This study has implications for incorporating personalized recommendation needs into algorithms. It adds new knowledge about personalized recommendation to the research community and informs personalized recommendation system design.

Key words users perspective; researchers; personalized recommendation needs

1   引言

個性化推荐是互联网平台（或网站、系统）主动为用户提供信息的一种服务，长期受到学术界和工业界的关注。已有研究表明，算法导向的个性化推荐研究占据着主流，大数据技术、机器学习被广泛运用在个性化推荐研究之中，对推荐算法的嵌入、拟合等研究层出不穷[1-2]，但多数算法的嵌入、拟合并不具有实践意义[3]。与此同时，基于用户视角，个性化推荐应如何表现，用户对个性化推荐存在哪些需求等问题并未得到应有的关注。然而，只有洞悉用户的需求和行为特征，才能为其提供有效的信息服务[4]，对上述问题的探讨不仅有利于洞察用户的个性化推荐需求，也可为个性化推荐算法的改进和个性化推荐系统的设计提供参考，进一步提升平台的交互体验，为用户提供优质的个性化推荐服务。

知识服务平台是ICTs发展进程中产生的重要学术信息交流工具，是数字图书馆发展的新阶段，已成为科研人员跟踪、获取最新研究成果的重要信息源。针对知识服务平台的个性化推荐研究，一些学者关注了如何使用不同技术对推荐算法进行优化，如通过语义技术构建基于内容的知识服务平台个性化推荐[5];也有学者借助用户画像为科研人员提供个性化推荐[6]。但这些研究均未能从用户视角关注科研人员的个性化推荐需求。因此，本研究以科研人员为对象，采用半结构化深度访谈法收集数据，分析科研人员对知识服务平台的个性化推荐需求。具体研究问题如下：

RQ1：科研人员对知识服务平台的个性化推荐需求表现在哪些方面？

RQ2：不同个性化推荐需求存在何种关系？

RQ3：影响科研人员个性化推荐需求的因素有哪些？

该研究的目的在于揭示科研人员对知识服务平台的个性化推荐需求，并进一步构建个性化推荐需求层次模型，为揭示科研人员的个性化推荐需求、改善基于用户的个性化推荐算法及提升个性化推荐的绩效做出贡献。

2   文献综述

2.1    科研人员的信息需求与信息搜寻行为研究

（1）科研人员的信息需求研究。信息需求是情报学领域的重要概念，它源于用户认知层面的不确定性，进而驱动用户展开信息搜寻活动[7]。多位知名学者从认知视角对信息需求进行了深入地研究，形成了影响深远的理论，如Taylor[8]提出的信息需求四层次，Belkin[9]提出的“知识非常态（Anomalous State of Knowledge，ASK）假设”，Dervin[10]提出的认知鸿沟等。在上述理论指导下，学者们进一步研究了不同用户群体的信息需求。

科研人员是信息行为领域长期关注的研究对象。已有研究表明，不同学科、不同身份科研人员的信息需求存在一定的差异，如人文社会科学领域科研人员的信息需求主要表现在对文献和研究数据的搜索[11]，航空航天领域的科研人员对获取最新研究成果需求极大，即使这些成果来源于同行的口头描述[12]，生物医学领域科研人员的信息需求除最新研究成果外，也包括对专业图书馆和工具的选择与使用。不仅如此，相较于普通科研人员，院士的信息需求表现在如何提出开拓性研究，而不是花费时间用于选择工具和搜索[13];但处于职业生涯初期的科研人员则需要获取更全面的信息[14-15]。尽管存在上述差异，但科研人员的信息需求大体可以归纳为探索、文献搜索、科研数据查找、信息渠道选择及技术工具使用[16]。上述研究为设计用户满意的知识服务平台提供了指导，对如何为不同学科、不同身份的科研人员提供高质量的信息服务具有理论和实践意义，也为知识服务平台个性化推荐研究提供了参考。

随着ICTs的发展和情境的变化，学者们也进一步揭示了科研合作和学术社交网络情境下科研人员的信息需求。如严炜炜[17]提出了科研人员的多粒度科研合作信息需求结构;张帅[18]构建了学术社交网络情境下，科研人员以研究构想、研究评价、研究规划、研究实施、发布与传播为核心的信息需求模型。可见，新技术、新情境催生了科研人员新的信息需求，个性化推荐也应做出相应的回应，更好地满足他们的需求。

（2）科研人員的信息搜寻行为研究。与科研人员的信息需求研究类似，他们的信息搜寻行为引起了学者们的广泛关注。学术界对科研人员信息搜寻行为的研究可追溯至20世纪40年代[7，19]。如Ellis[20]采用扎根理论研究了社会科学家的信息搜寻行为，提炼出了包含开始（starting）、跟踪引文链（chaining）、浏览（browsing）、区分选择（differentiating）、跟踪（monitoring）、提取（extracting）6个特征的信息搜寻模式（information seeking pattern）。Ellis等[21-22]又对物理学家、化学家及R&D科研人员的信息搜寻行为进行了研究，进一步将模式扩展到8个特征，新增了验证（verifying）和结束（ending）。该模式在学者们的进一步验证和修订之下[23-24]，成为揭示用户信息搜寻行为的经典理论模式。

不少学者针对科研人员的信息搜寻行为特征，如信息源选择、检索式构建、浏览、文献利用、学术信息交流方式等开展了广泛的研究[25]。如Brown[26]发现天文学家、化学家和物理学家高度依赖期刊文献开展科研工作，但数学家更多依赖专著和学术交流活动;张云秋等[27]分析了任务特征对医学科研人员信息搜寻行为的影响，构建了探索式医学搜索行为模型;Arshad和Ameen[28]发现不同领域科研人员的信息素养存在差异，而社会科学领域研究人员的信息素养相对较高。其次，学者们也识别了影响科研人员信息搜寻行为特征的因素，如Niu和Hemminger[29]使用问卷调查了2063名科研人员信息搜寻行为，发现人口统计学、心理学、角色、情境因素对科研人员的信息搜寻行为存在影响，且学术地位是重要的影响因素;胡媛等[30]发现个性化服务对科研人员的信息搜索行为存在影响。此外，伴随着ICTs带来的变革，学者们开始关注社交网络平台环境下科研人员信息搜索行为。Ameen和Arshad[31]发现，科研人员越来越注重电子资源的使用，更多地通过搜索引擎、谷歌学术、在线OA（Open Access）网站获取科研信息。

信息需求驱动了用户的信息搜寻行为。用户在信息搜寻的过程中，是否需要系统提供的个性化推荐取决于用户的需求。因此，实现有效的个性化推荐离不开对用户个性化推荐需求的分析。

2.2    学术信息个性化推荐研究

学术信息个性化推荐的提出可追溯至20世纪90年代，Bollacker[32]提出了一种基于代理的自动化检索工具帮助用户发现感兴趣的出版物，随后数据挖掘算法[33]、机器学习技术[34]、知识图谱[35]等被运用到学术信息个性化推荐研究之中。

首先，结合语义分析技术构建基于内容的推荐算法是实现知识服务平台个性化推荐的重要方法[5，36]，但该方法存在标注数据成本过高的问题，Xue等[37]通过挖掘已有学术网络，自动构建训练数据，对提取的多种异构特征进行学习，提出了新的候选生成方法，缓解了标注问题;其次，随机游走算法和矩阵分解能有效地区分不同用户的兴趣[38-39]，在学术信息个性化推荐研究中表现较好。混合推荐技术也被用于知识服务平台个性化推荐研究，在缓解数据稀疏、协同推荐相关问题方面表现良好[40-41]。随着机器学习和大数据技术的发展，学者们提出了通过构建用户画像进行学术信息个性化推荐的策略，如王庆和赵发珍[6]提出的基于用户兴趣画像的馆藏资源个性化推荐服务模式表现出了良好的推荐性能。上述研究成果从理论上表明了学术信息个性化推荐的良好性能，但鲜有研究从用户视角分析科研人员的个性化推荐需求，而洞悉科研人员个性化推荐需求不仅能提高推荐的针对性，还可将用户的具体需求融入个性化推荐算法中，更好地满足用户的个性化需求。

3   研究方法

本研究采用半结构化深度访谈法收集数据，使用NVivo11质性分析工具对访谈数据进行开放编码分析。

3.1    数据收集

为确保受访者快速进入访谈所需要的情境，更加深入地挖掘受访者的个性化推荐需求，本研究为受访者提供以机构用户身份访问中国知网（CNKI）的电脑，供受访者检索使用。本研究在对知识服务平台个性化推荐服务特征分析的基础上，结合研究问题设计了初步的访谈大纲，使用该访谈大纲对4名博士研究生进行预访谈后，对访谈大纲进行优化，形成了正式的访谈大纲（见表1）。正式访谈大纲包含4个情境模块：（1）结合受访者的检索经历，讨论他们对个性化推荐的认识;（2）在受访者熟悉的科研主题情境下讨论个性化推荐需求;（3）在受访者陌生的科研主题情境下讨论个性化推荐需求;（4）对比主流知识服务平台个性化推荐（中国知网、ScienceDirect（2种不同时间节点的推荐）、JSTOR、Google Scholar），讨论个性化推荐需求。

访谈流程包括：受访者首先签署知情同意书，然后填写受访者基本信息问卷，最后接受访谈。本研究对访谈进行录音，并使用Morae软件录制受访者在访谈中使用中国知网的检索过程，形成视频文件;录音转化为文字材料用于开放编码，视频用于分析受访者的交互检索习惯、个性化推荐的使用情况，对开放编码分析起到辅助作用。每位受访者在访谈结束后会收到30元人民币的酬劳。

本研究选择研究生和高校教师作为访谈对象（受访者信息见表2），共招募受访者22人，其中博士研究生15人（68.17%），硕士研究生4人（18.19%），讲师2人（9.09%），副教授1人（4.55%）;受访者来自6所层次不同的高校，包括南开大学、清华大学、天津大学、重庆大学、天津中医药大学和华北水利水电大学。专业背景广泛，主要来自管理学、工学、医学、文学、教育学5大学科门类，其中2名受访者具有交叉学科背景，男女比例为6：5。访谈的时间在2020年12月到2021年3月之间，受新冠肺炎疫情影响，9名受访者通过腾讯会议接受访谈，访谈过程全程录音和录屏，以收集数据，进行后续分析。

3.2    数据分析

本研究根据访谈顺序对受访者进行排序（P1-P22），共获取有效访谈内容13余万字，平均访谈时长54分钟，采用开放编码对访谈文本进行分析。分析过程包括4个阶段。首先，随机选择5个样本，由两位编码人员背靠背完成编码，讨论形成编码框架;然后，从所有样本中随机选择15个样本，在编码框架指导下进行背靠背编码分析，对编码结果进行梳理和总结（部分编码框架见表3）;接着，从剩余7个样本中随机选择5个进行编码分析，对编码结果进行检验，因没有新的概念产生，判定为理论饱和;最后，对剩余的2个样本进行编码分析，进一步检验编码的有效性。

4   研究结果

4.1    科研人员对知识服务平台的个性化推荐需求

分析表明，科研人员对知识服务平台的个性化推荐需求可归纳为5个类别：内容需求、交互功能需求、界面布局需求、效能需求和情感需求。

（1）内容需求。科研人员使用知识服务平台的主要目的是获取相关学术研究信息，个性化推荐提供准确、新颖、高质量、多类型的内容是科研人员的首要需求。

首先，受学科和研究主题差异的影响，科研人员期待知识服务平台个性化推荐能准确区分差异，精准定位他们潜在的需求，避免推荐内容出现张冠李戴。如P3是企业管理专业的博士生，他在检索“概念创新”时，中国知网为其推荐文学领域有关“概念创新”的内容，他表示这种推荐根本没有存在的必要;其次，新颖、高质量的推荐内容旨在准确定位科研人员潜在需求的前提下，为他们推荐前沿热点、高被引、高下载量的文献，推荐相关学者及其研究成果。分析发现，跟踪研究进展、查新是科研人员使用知识服务平台进行检索常见的任务类型，为完成上述任务，科研人员倾向参考最新发表的高水平论文，因此科研人员要求个性化推荐的内容要保证新颖和高质量，拒绝推荐陈旧文献、普通文献。如P14表示：“最好把与这个主题的研究前沿、一些学术大牛，在旁边给我推荐一下，因为这样的话我可以根据这些人，更有针对性地找到需要的东西”。此外，个性化推荐的内容需要做到多类型，由于不同学科研究范式存在差异，科研人员对推荐内容的类型同样存在差异。除推荐论文外，文学专业的科研人员希望推荐图书，而生物类专业的科研人员希望在检索文献时，平台可以推荐与实验材料相关的供应商信息，如P13表示：“可以直接推荐到某个厂家，我们做实验需要购买设备，如某种药物，不同厂家他们的品质会有很大差别”。同时，科研人員也希望平台在推荐时可以对相关研究提炼总结，或直接推荐文献中的图片和数据表格。

（2）交互功能需求。交互功能需求指用户期待知识服务平台进行个性化推荐时，为其提供可选择的、不同的支持用户与知识服务平台进行交互的功能、工具，包括扩展查询、分类排序、更新、关闭推荐等。

扩展查询的需求源于科研人员在检索时认知上出现的“知识非常态”[9]，进而无法准确地构建检索关键词。因此，科研人员希望个性化推荐能基于他们输入的关键词进行扩展查询推荐，供其选择。如P6把他进行学术信息检索时遇到的状态描述为“我知道我想要什么，但我不知道我怎么去找到它，怎么去描述它”，因此他对个性化推荐提出了如下需求“它能根据我提供的一些关键词，推荐出我想要的（能准确描述我信息需求的关键词），就是实际文献当中用的比较多的那个关键词”。

当前知识服务平台展示个性化推荐常见的形式是罗列文献属性或相关词组，但结合科研人员对推荐内容的准确、相关、新颖、高质量的要求，他们首先希望个性化推荐能够对推荐内容进行分类排序，科研人员根据自己的需求进行选择，如根据影响因子高低、引用量高低分类排序，P19表示：“希望在推荐时，提供排序供我选择使用，如推荐的内容按照年度从近往远排序，这样就更好了。”此外，科研人员的交互功能需求还表现在对个性化推荐进行关闭、更新操作。个性化推荐是平台主动为用户提供的一种信息服务，当这种服务无法满足用户需求时，他们希望平台能够提供更新推荐内容或者关闭推荐的交互功能。如P8希望知识服务平台可以提供删除推荐的按钮，当平台提供的推荐内容质量不高时，P22表示“这其实就是一种强迫的推销，（此时）人的心理上会有一种逆反”。而P13也认为个性化推荐在交互上应让用户选择，尊重用户意愿。可见，知识服务平台在个性化推荐交互设计方面应满足用户的偏好和需求。

（3）界面布局需求。已有研究表明，信息平台中信息密度、图片文字布局、字体字号设计对用户的满意度和搜索效率具有显著影响[42]。本研究分析发现，科研人员期待知识服务平台个性化推荐在界面设计上应做到视觉吸引和动态化呈现，尤其在视觉上能够吸引科研人员的关注，具体需求表现在呈现位置、字体效果、页面整体设计方面。

研究发现，科研人员的交互检索路径是固定的，具有习惯性特征，个性化推荐的呈現位置应出现在检索结果的两侧，且位置醒目，避免使用超链接或放置页面底端等超出用户视线的位置。如P12表示“我觉得还不如就放在侧边，因为往下拖拽（网页）需要时间，而人的目光是有限的”;P3在评价中国知网个性化推荐时表示“知网是最糟糕的，因为他在最底端，我根本注意不到”。其次，科研人员要求展示个性化推荐内容的字体大小不应小于页面其他文字大小，字体颜色在浏览前后应有一定的变化（如P10）。此外，在对比不同平台个性化推荐后，受访者普遍认为ScienceDirect的个性化推荐界面设计较好，原因是其个性化推荐展示界面简洁、直观、清晰。如P5表示“我可能更喜欢ScienceDirect，他不需要我再去点（击）一个东西（链接）了呀，就很直观啊，我看到这些推荐的文献题目就知道要不要了”。

（4）效能需求。科研人员对个性化推荐的效能需求主要表现在启发、挖掘潜在关系、发散思维，最终提升检索效率。受“知识非常态”困扰，科研人员往往试图通过变换检索词来解决这一困境，但这一过程通常会消耗大量时间，最终结果可能不尽如人意（如P17、P22），因此，科研人员希望个性化推荐能够基于他们的检索，结合相关前沿热点，为他们推荐具有启发性的信息。跨学科、多学科交叉发展是当今科学研究的主流发展方向，科研人员希望个性化推荐能立足于他们当前科研主题，挖掘与之相关的潜在关系网络，为科研人员提供新的研究思路，突破信息茧房对科研人员带来的困扰。如P10表示“比如说休闲文学，推荐可以开阔一下思路，就是不同的视角，它可以提示你，发散思维，它刺激一下，给你一点启示”;如P2表示“它能够给我推荐检索主题背后的一些理论，或者背后的一些隐性的东西的话，我就会觉得更好”。不仅如此，个性化推荐实现挖掘潜在关系和发散思维之后意味着检索效率、交互检索体验的双重提升，这正是科研人员所期待的。

（5）情感需求。科研人员希望个性化推荐能提升检索的体验感，在情感上为其带来意外的惊喜和愉悦。

科研人员认为检索结果呈现的是与检索词相关的文献，检索结果只能在一定程度上满足科研需求，因此他们希望平台在此基础上，能够推荐具有启发性的内容，为其带来意外的惊喜（如P2）。此外，科研人员表示学术信息检索的过程是枯燥的（如P8），一旦检索过程遇到困难，会产生沮丧、消极的情绪（如P10），因此科研用户期待良好的个性化推荐能提升检索体验，在推荐优质内容的同时，使其在检索过程中获得愉悦感。如P14在讲述个性化推荐体验时表示“某种程度上会让我心情变好，因为我有新的发现”。

4.2    不同个性化推荐需求的层次关系

分析发现，科研人员表达的5类个性化推荐需求存在层次关系，本研究进一步构建了科研人员个性化推荐需求层次模型（见图1）。

内容需求是科研人员对个性化推荐最基础的需求表达，也是最核心的需求。科研人员在进行学术信息检索时，任务目标明确，对结果质量要求高（如P3、P12），因此科研人员首先关注个性化推荐内容的质量，内容需求也是科研人员最先表达的个性化推荐需求，应优先被满足。

交互功能需求和界面布局需求对内容需求的满足具有支持作用，属于第二层次的需求。分析发现，科研人员的交互检索路径固定，具有习惯性特征（如P10、P11），为更好地展示个性化推荐内容，科研人员对平台的交互和界面设计提出了要求。不仅如此，在信息技术的保障下，交互功能、界面布局可在检索过程中直接呈现给科研人员，也直接影响着他们对个性化推荐质量的感知与评估，故交互功能需求、界面布局需求应紧随内容需求被满足。

效能需求是第三层次的需求。在内容需求、交互功能需求、界面布局需求得到满足后，科研人员进一步希望个性化推荐能降低他们检索过程中的“知识非常态”程度，这也是个性化推荐的价值体现。如P1和P13均表示个性化推荐的效能是在内容需求、交互功能需求被满足的基础上，进一步提升他们的认知状态，他们认为精准的内容才能发散思维，启发思考和创新，同时交互功能需求和界面布局需求的满足可进一步提升他们的检索效率。

情感需求是科研人员对个性化推荐的第四层需求表达，也是对交互检索体验的要求。个性化推荐内容质量的提升有助于效能需求的实现，效能需求的满足则会带来意外的惊喜，个性化推荐交互功能和界面布局需求的满足有助于提升科研人员的检索效率和检索体验，使科研人员在原本枯燥的检索过程中体验到愉悦（如P8）。

4.3    影响科研人员个性化推荐需求的因素

研究发现，在科研人员的学术信息检索过程中，任务、交互检索习惯、推荐解释影响着他们对个性化推荐的需求和关注。

（1）任务。任务是用户信息搜索的驱动力，是一个多维变量[43-44]。研究发现，任务类型、科研人员对任务熟悉度、困难度的感知影响着他们对个性化推荐的需求和关注。

首先，科研人员面临的学术检索任务可归纳为两类，以寻找研究主题、跟踪研究进展、学习领域知识为代表的探索式任务，如项目申报、毕业论文开题、学习研究方法等;以事实查找与确认为代表的事实型任务，如期刊投稿、数据查找等。针对探索式任务，所有受访者表示需要个性化推荐为他们提供信息服务;但面对事实型任务，72.7%的受访者认为不需要个性化推荐，因为事实型任务情境下，他们的任务目标明确，受他们固有交互检索习惯的影响，个性化推荐会被他们认为是一种干扰、强迫，如P13表示“能搜到确定答案的那种是不需要个性化推荐的，因为有准确的结果，个性化推荐的话就是没有明确结果（的时候），他给你提供思路，是比较需要的”。

此外，科研人员对任务熟悉度、任务困难度的感知同样影响着他们对个性化推荐的需求和关注，面对低熟悉度、高难度任务时，他们会通过变换关键词和信息源、咨询专业人员的方式完成检索（如P2、P11），但考虑到付出的成本较大，科研人员期待高质量的个性化推荐能够降低检索成本，尤其在发散思维、明晰需求方面，如P2表示“我觉得需要个性化推荐的程度与我要解决问题的难度成正比，如果是一个新的问题，那我可能会比较需要个性化推荐”。由此可见，任务的特征对科研人员个性化推荐的需求具有一定的影响。

（2）科研人员的交互检索习惯。研究发现，科研人员在使用知识服务平台进行检索时，其检索路径相对固化，体现了习惯性的特征。进一步分析可知，科研人员的交互检索路径影响着他们对个性化推荐的需求和关注，他们认为个性化推荐需要发生在交互检索路径之中，否则他们会忽略或淡化个性化推荐的存在。77.3%的受访者在访谈之初表示并不知道中国知网提供个性化推荐，在体验中国知网提供的个性化推荐之后，他们表示由于中国知网提供的个性化推荐被放置在文献详情页的底端，而他们通常在查阅检索文献的标题、作者信息、摘要、关键词后就做出了相关性判断，没有向下拖拽网页的习惯，导致中国知网的个性化推荐从未进入他们的视野（如P11、P12、P13等）。可见，在设计个性化推荐时需要考虑科研人员的交互检索习惯。

科研人员的交互检索习惯符合“最小努力原则”[45]，在满足基本交互操作前提下，科研人员拒绝个性化推荐带来的额外交互操作负担，如查阅个性化推荐需要点击（如P8）、或需要拖拽网页（如P11）、亦或强迫用户浏览个性化推荐（如P22）。由此可见，科研人员希望以最小的努力付出获取有效的信息，个性化推荐交互设计也应遵循“最小努力原则”。

（3）推荐解释。个性化推荐解释的合理性影响着用戶的采纳[46]，推荐解释不合理、不清楚会导致科研人员出现困惑，进一步影响他们对个性化推荐的关注和信任。如P4、P13对中国知网个性化推荐的排序产生了困惑，但平台没有给出推荐解释，影响了他们对个性化推荐的进一步关注和采纳;P18认为清晰的推荐解释有助于他对推荐质量做出判断，认为推荐解释很重要;P2则表示“他给我一个推荐理由的话，会增加我对它的关注度，肯定会吸引我”。可见，推荐解释同样影响着科研人员对个性化推荐的需求和关注。

5   讨论与结论

本研究关注科研人员对知识服务平台个性化推荐的需求问题，通过对22位科研人员访谈数据的分析可知，在知识服务平台下，科研人员存在5个类别的个性化推荐需求：内容需求、交互功能需求、界面布局需求、效能需求和情感需求，不同类别的需求具有不同的特征。内容需求是基础性需求，交互功能需求、界面布局需求支持内容需求的满足，其次需要被满足的是效能需求，最后是情感需求，研究提炼了科研人员个性化推荐需求层次模型。本研究也进一步发现，任务、交互检索习惯、推荐解释影响着科研人员对个性化推荐的需求和关注。上述发现丰富了用户视角下个性化推荐研究，为知识服务平台更具针对性地设计个性化推荐提供了指导，也对未来开展技术与人文并重的个性化推荐研究具有启示意义。

（1）满足个性化推荐需求，缓解用户“知识非常态”与检索系统设计之间的矛盾。本研究提炼的个性化推荐需求层次模型表明，用户对个性化推荐有着清晰的需求表达。高质量的推荐内容、准确的扩展查询推荐是帮助用户明晰需求、发散思维、挖掘潜在关系，满足个性化推荐效能需求的基础，效能需求的满足则意味着用户认知上“知识非常态”的减少，认知的提升为用户带来情感上的愉悦和惊喜。结合Belkin[9]对“知识非常态假设（Anomalous State of Knowledge，ASK）”的阐释，本研究发现，个性化推荐需求不断被满足的过程有助于提升用户的认知状态，这一过程有助于缓解用户“知识非常态”与检索系统设计之间的矛盾，进一步表明满足用户个性化推荐需求的推荐功能在检索系统中具有重要的位置。

Belkin[9]指出，用户在认知上对需求内容的“未知”或“模糊”往往使他们仅能够感知到信息需求的存在，但无法准确地描述信息需求，导致“知识非常态”的发生;基于关键词查询的检索系统则默认用户能够通过构建检索词清晰地表达他们的需求，但用户认知上的“知识非常态”恰好与检索系统的这一设计相互矛盾，因此检索系统应关注用户的认知状态。本研究从用户视角揭示的个性化推荐需求层次模型表明，个性化推荐需求的满足是用户认知提升的过程，基于用户个性化推荐需求设计推荐系统，可缓解用户在交互检索过程中的“知识非常态”，也提升了用户的检索效率和检索体验，如个性化推荐可以通过扩展查询帮助用户定位潜在需求，更加准确地为用户提供满足其信息需求的检索词。因此个性化推荐作为平台主动为用户提供信息的服务形式，是潜在缓解用户“知识非常态”与检索系统设计矛盾的工具。但这一矛盾的缓解不仅需要个性化推荐基于算法深入挖掘用户行为、兴趣偏好，也需要注重从人文角度洞悉用户的个性化推荐需求，设计出既迎合用户兴趣偏好，又满足用户个性化推荐需求的推荐系统，提升用户的个性化推荐体验。

其次，科研人员在进行学术信息检索时，认知上的“知识非常态”是普遍现象。科研人员对个性化推荐效能需求的表达，也表明当前知识服务平台基于关键词查询的检索功能并不能为用户提供足够有效的信息服务。

（2）推荐系统的交互功能设计、界面布局设计是影响用户使用个性化推荐的重要因素。本研究发现，个性化推荐的交互功能设计、界面布局设计是影响用户关注推荐、是否进一步使用推荐的重要因素。如果个性化推荐在交互功能、界面布局设计上无法满足用户的需求，用户则会淡化对个性化推荐的关注，高质量的推荐内容将很难进入用户的视野，这是对学术界和工业界的重要启示。

用户信息搜寻过程体现了最小努力原则，用户倾向通过最小的努力或成本付出，获取最有效的信息，达到满足自己信息需求的目的[45]。本研究发现，满足最小努力原则是个性化推荐交互设计的重要参考准则，86.4%的受访者认为Google Scholar提供的个性化推荐交互设计是最糟糕的，原因是需要用户点击“相关文献（Related Articles）”链接后，个性化推荐才会在新的页面中展示出来，而受访者表示他们不愿意去点击，此时的点击会破坏他们正常的交互检索过程，并表示知识服务平台把个性化推荐展示在他们目视范围之内即可。此外，中国知网的个性化推荐需要用户拖拽页面才能展现出来，多数受访者表示这也是非常糟糕的交互体验，他们通常不会、也不愿意去拖拽页面。由此可见，个性化推荐交互设计在一定程度上影响着用户对推荐的关注和使用，如果交互设计迫使用户需要付出较多成本，用户则会对个性化推荐失去关注和兴趣，导致高质量的推荐内容无法呈现给用户。

个性化推荐的界面布局设计也直接影响用户对推荐的进一步关注和使用。本研究发现，77.3%的受访者对中国知网个性化推荐的界面设计持否定态度，原因在于中国知网的个性化推荐被放置在页面最底端，不在用户的正常视线范围内。用户希望个性化推荐的界面简洁、直观、清晰，需要在视觉上具有一定区分度，呈现位置要在用户正常的交互视线之内。这一发现验证了方浩等[42]发现页面中图片文字、字体字号等界面设计对用户满意度具有一定影响的结论，同时也启示我们未来应关注如何寻求最佳的个性化推荐交互功能设计、界面布局设计，为用户提供更加舒适的个性化推荐体验。

本研究也进一步验证了不同學科领域科研人员的信息需求存在差异[11，13]，他们的个性化推荐需求同样存在差异，如科研人员在个性化推荐的内容需求方面，除希望平台能够推荐准确、相关、新颖、高质量的文献外，自然科学领域的科研人员更希望推荐文献中的图片，甚至推荐实验材料相关的商家信息，而文学领域的科研人员则更期待推荐图书。这种差异启示个性化推荐系统在设计上不仅要注重算法优化，也需从用户视角出发设计出更具人文特色、用户满意的个性化推荐系统。

本研究也存在一定局限性：首先，由于受访者招募具有一定难度，导致样本以博士研究生为主，高校教师的样本比例较低;其次，本研究以质性数据为主，还需通过定量分析对模型加以验证。因此，未来可以通过更大样本的数据，引入定量定性相结合的研究方法进一步验证和深化本研究的结果，丰富个性化推荐研究，提升和改善面向科研人员的个性化推荐系统的开发和设计。

参考文献：

[1]  Renjith S，Sreekumar A，Jathavedan M.An extensive study on the evolution of context-aware personalized travel recommender systems[J].Information Processing & Management，2020，57（1）：102078.

[2]  Xu C.A novel recommendation method based on social network using matrix factorization technique[J].Information processing and management，2018，54（3）：463-474.

[3]  Lazer D，Kennedy R，King G，et al.The Parable of Google Flu：Traps in Big Data Analysis[J].Science，2014，343（3）：1203-1205.

[4]  于良芝.图书馆情报学概论[M].北京：国家图书馆出版社，2016.

[5]  Pan C，Li W.Research paper recommendation with topic analysis[C].2010 International Conference on Computer Design and Applications.IEEE，2010：264-268.

[6]  王庆，赵发珍.基于“用户画像”的图书馆资源推荐模式设计与分析[J].现代情报，2018，38（3）：105-109，137.

[7]  Case D，Given L.Looking for information：a survey of research on information seeking，needs，and behavior[M].Bradford： Emerald，2016.

[8]  Taylor R.Question-Negotiation and information seeking in libraries[J].College and research libraries，1968，29（3）：178-194.

[9]  Belkin N.Anomalous states of knowledge as a basis for information retrieval[J].Canadian journal of information science，1980，5（1）：133-143.

[10]  Dervin B.Information as a user construct： the relevance of perceived information needs to synthesis and interpretation[M].Philadelphia：Temple University Press，1983.

[11]  Kern D，Hienert D.Understanding the information needs of social scientists in Germany[J].Proceedings of the Association for Information Science and Technology，2018，55（1）：234-243.

[12]  Raitt D.The information needs of scientists and engineers in aerospace[M].Cheltenham，UK：Agard，1988.

[13]  Eisenschitz A.Information Needs and Information Seeking Behavior of Agricultural Scientists in Malaysia[J].Library & Information Science Research，2000，22（2）：145-163.

[14]  Tomaszewski R.Information Needs and Library Services for Doctoral Students and Postdoctoral Scholars at Georgia State University[J].Science & Technology Libraries，2012，31（4）：442-462.

[15]  Willson D，Given L."I'm in sheer survival mode"：Information behaviour and affective experiences of early career academics[J].Library & Information Science Research，2020，42（2）：101014.

[16]  陈春，吕俊生，田晓阳，等.科研用户的信息需求分析及其服务对策——以中国科学院西北地区研究所为例[J].图书馆理论与实践，2009（4）：69-72.

[17]  严炜炜.科研合作中的信息需求结构与协同信息行为[J].情报科学，2016，34（12）：11-16.

[18]  张帅.科研生命周期理论视角下学术社交网络用户信息需求研究[J].图书馆学研究，2021（5）：60-68.

[19]  邓小昭.学术用户网络信息查寻行为研究——行为生态学与认知科学整合视角[M].北京：科学出版社，2020.

[20]  Ellis D.Modeling the Information-Seeking Patterns of Academic Researchers：A Grounded Theory Approach[J].The Library Quarterly，1993，6（3）：469-486.

[21]  Ellis D，Cox D，Hall K.A comparison of the information seeking patterns of researchers in the physical and social sciences [J].Journal of Documentation，1993，49（4）：356-369.

[22]  Ellis D，Haugan M.Modeling the information seeking patterns of engineers and research scientists in an industrial environment[J].Journal of Documentation，1997，53：384-403.

[23]  Meho L，Tibbo H.Modeling the Information-Seeking Behavior of Social Scientists： Ellis's Study Revisited[J].Journal of the American Society for Information Science and Technology，2003，54（6）：570-587.

[24]  Makri S，Blandford A，Cox A.Investigating the information-seeking behaviour of academic lawyers：From Ellis's model to design[J].Information Processing & Management，2008，44（2）：613-634.

[25]  Niu X，Hemminger B，Lown C，et al.National study of information seeking behavior of academic researchers in the United States[J].Journal of the American Society for Information Science and Technology，2010，61（5）：869-890.

[26]  Brown C.Information seeking behavior of scientists in the electronic information age：Astronomers，chemists，mathematicians，and physicists[J].Journal of the Association for Information Science & Technology，1999，50（10）：929-943.

[27]  张云秋，李玉玲，王洪媛.基于日志与认知分析的探索式医学搜索行为研究[J].圖书情报工作，2014，58（11）：36-42.

[28]  Arshad A，Ameen K.Comparative analysis of academic scientists，social scientists and humanists'scholarly information seeking habits[J].The Journal of Academic Librarianship，2021，47（1）：102297.

[29]  Niu X，Hemminger M.A study of factors that affect the information-seeking behavior of academic scientists[J].Journal of the American Society for Information Science & Technology，2012，63（2）：336-353.

[30]  胡媛，艾文华，胡子祎，等.高校科研人员数据需求管理影响因素框架研究[J].中国图书馆学报，2019，45（4）：104-121.

[31]  Ameen K，Arshad A.Scholarly Information Seeking of Academic Engineers and Technologists[J].International Information & Library Review，2018，51（1）：1-8.

[32]  Bollacker K.Citeseer：An autonomous web agent for automatic retrieval and identification of interesting publications[C].Proceedings of the Second International Conference on Autonomous Agents，New York，1998.ACM Press，1998.

[33]  倪卫杰.基于用户兴趣模型的个性化论文推荐系统研究[D].天津：天津大学，2010.

[34]  熊回香，李跃艳.基于Word2vec的学者推荐与跨语言论文推荐模型研究[J].情报科学，2019，37（12）：19-26.

[35]  唐浩，刘柏嵩，刘晓玲，等.基于协同知识图谱特征学习的论文推荐方法[J].计算机工程，2020，46（9）：306-312.

[36]  Younus A，Qureshi A，Manchanda P，et al.Utilizing Microblog Data in a Topic Modelling Framework for Scientific Articles Recommendation[M].Cham，Switzerland：Springer International Publishing，2014.

[37]  Xue H，Guo J，Lan Y，et al.Personalized paper recommendation in online social scholar system[C].2014 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining（ASONAM）.ACM，2014.

[38]  Gori M，Pucci A.Research Paper Recommender Systems：A Random-Walk Based Approach[C].2006 IEEE/WIC/ACM International Conference on Web Intelligence（WI 2006），18-22 December 2006，Hong Kong，China.ACM，2006.

[39]  Li Y，Yang M，Zhang Z.Scientific articles recommendation[C].Proceedings of the 22nd ACM international conference on Information & Knowledge Management，2013：1147-1156.

[40]  Sun J，Jiang Y，Cheng X，et al.A hybrid approach for article recommendation in research social networks[J].Journal of Information Science，2018，44（5）：696-711.

[41]  Ye B，Tu Y，Liang T.A hybrid system for personalized content recommendation[J].Journal of electronic commerce research，2019，20（2）：91-104.

[42]  方浩，陳印超，赵莹，等.移动端新闻平台信息设计要素对视觉搜索效率的影响机制[J].图书情报工作，2019，63（22）：58-67.

[43]  Pharo N，Jarvelin K.The SST method：a tool for analysing Web information search processes[J].Information Processing & Management，2004，40（4）：633-654.

[44]  Li Y，Belkin N.A faceted approach to conceptualizing tasks in information seeking[J].Information Processing & Management，2008，44（6）：1822-1837.

[45]  Zipf K.Human behavior and the principle of least effort[M].Cambridge，Massachusetts：Addison-Wesley，1949.

[46]  Tintarev N，Masthoff J.A survey of explanations in recommender systems[C].Proceedings of the 23rd International Conference on Data Engineering Workshop.Istanbul，Turkey.IEEE，2007：801-810.

作者简介：张建伟，男，南开大学商学院信息资源管理系博士研究生，研究方向：个性化推荐、交互信息检索与评估;李月琳，女，南开大学商学院信息资源管理系教授，博士生导师，研究方向：信息行为、交互信息检索、健康信息学、数字图书馆与信息系统评估;卢丹，南开大学商学院信息资源管理系硕士研究生，研究方向：信息公开质量。