多维分析视角下图书馆市民夜校服务改进策略研究

摘 要：文章以济南“YEAH归人”泉民夜校为例，采用 LDA主题分析模型结合情感分析及Neo4j图数据库知识图谱分析，对社交媒体平台上的读者评论数据进行多维分析，通过文本挖掘识别出六个核心主题：夜校与城市空间融合、多元化课程与创新性、社会参与度与公众反响、社交与社区互动、个人成长与终身学习、现代教育模式与青年认同。情感分析结果显示，市民对夜校的正面评价普遍较多，也有一定的负面声音和中立态度。通过Neo4j图数据库揭示了课程内容、教师资质和学员反馈之间的复杂关联。基于分析结果提出跨界融合创新夜校服务模式、优化课程设置与师资队伍建设、提升学员线上线下参与度、驱动个人发展与职业成长、加强品牌建设与宣传推广、建立服务评估与反馈机制等图书馆市民夜校服务改进策略。

关键词：LDA模型；情感分析；知识图谱；社交媒体；公共图书馆；市民夜校

中图分类号：G254;G72 文献标识码：A

文章编号：1003-7136（2025）01-0085-09

Research on Improvement Strategies for Library Citizen Night School Services From the Perspective of Multidimensional Analysis：Case Study of \"YEAH Returning Home\" Quanmin Night School in Jinan

LIU Yong

Abstract：Taking the \"YEAH Returning Home\" Quanmin Night School in Jinan as an example，this paper uses LDA theme analysis model combined with sentiment analysis and Neo4j graph database knowledge graph analysis to conduct multidimensional analysis of readers′ comment data on social media platforms.Six core themes were identified through text mining：the integration of night schools and urban spaces，diversified courses and innovation，social participation and public response，social and community interaction，personal growth and lifelong learning，and modern education models and youth identity.The sentiment analysis results show that citizens generally have a high positive evaluation of night schools，but there are also some negative voices and neutral attitudes.The complex relationship between course content，teacher qualification and student feedback was revealed through Neo4j graph database.Based on the analysis results，this paper puts forward the improvement strategies for library night school services for citizens，such as innovating the service model with cross-border integration，optimization of curriculum setting and faculty construction，improving students′ online and offline participation，driving personal development and career growth，strengthening brand building and promotion，and establishing service evaluation and feedback mechanisms.

Keywords：LDA model；sentiment analysis；knowledge graph；social media；public library；citizen night school

0 引言

随着终身学习理念的普及，社会各界越来越重视持续教育和个人发展。在此背景下，图书馆市民夜校作为一种公益性的成人教育形式，为市民提供了一个灵活、便捷的学习平台，对于提升市民的整体素质及推动学习型城市建设起到了积极的作用。特别是在一些大中城市，图书馆市民夜校已经成为城市文化建设的重要组成部分，其丰富多样的课程和活动，满足了市民对于知识更新和技能提升的需求。但是，市民夜校在管理与服务方面也遇到了很多难题，比如如何有效整合教育资源、提高教学质量、增强社区互动、促进个人成长以及建立反馈机制等，这些问题不仅影响市民夜校的教育效果，也制约其在推动终身学习方面的积极作用。

本研究旨在通过深入分析济南“YEAH归人”泉民夜校（以下简称：泉民夜校）的案例，识别图书馆市民夜校在管理和服务中存在的问题，并提出改进策略。社交媒体作为现代信息传播的重要渠道，汇聚了大量真实、即时的公众意见。因此，本研究首先通过社交媒体平台收集泉民夜校的相关评论文本数据，进行数据清洗、分词和预处理；其次应用LDA模型对处理过的数据进行主题分析，以识别关键的关注焦点和观点倾向^［1］；再次，对评论文本进行情感分析，了解市民对夜校服务的情感态度；最后，构建知识图谱，分析课程内容、授课教师和学员反馈之间的关联。基于以上分析结果，提出针对性的改进建议和发展策略，以期优化夜校的运作模式，提升其社会效益和教育效果。本研究的创新之处在于综合运用了LDA模型、情感分析和Neo4j知识图谱三种方法，全方位、多维度地为改进图书馆市民夜校

服务提供新的研究视角，研究结果不仅对泉民夜校具有指导意义，也为其他地区市民夜校的发展提供了参考。

1 泉民夜校概述

夜校在中国至少有百年以上的历史，1909年湖南士绅姜济寰等人创办了夜学堂，当时为了招收学员，还曾刊登过一篇广告，其中提到“无论做手艺的，做生意的，都可以听讲，不要一个钱学俸”^［2］。随后，夜校在中国各地逐渐普及，比如保定的商务半夜学堂、广州的商业半夜学堂以及刘启勋所创办的商业补习夜馆等。1917年，毛泽东以湖南第一师范学友会教育研究部的名义创办了第一所革命工人夜学^［3］，这表明夜校也承担了一定的社会教育责任。随着时间的推移，夜校的使命和形式不断演变，但其提供夜间教育的核心理念一直延续至今。

泉民夜校源于济图夜校，济图夜校是济南市图书馆开办的综合性夜校，旨在满足市民多样化的美育需求和终身学习的愿望。自2023年12月首次开课以来，推出了包括零基础化妆课、手机短视频拍摄及剪辑、职场面试等多门课程，受到市民的热烈欢迎^［4］。夜校

的定位和服务宗旨是服务市民、建立品牌形象，盘活济南市域的公共文化空间，吸引更多市民参与夜校的各类文化艺术课程，提升市民的艺术素养。2024年4月，济南“YEAH归人”市民夜校春季班开启报名。2024年5月，济南市文化馆及相关教学点全面启动，夜校更名为”泉民夜校”，推出132门1000余节课程，并且新增37个夜校教学点供市民选择^［5］。

2 基于LDA模型的泉民夜校网络文本挖掘

2.1 LDA模型原理及应用

隐含狄利克雷分布（latent dirichlet allocation，LDA）模型，是一种无监督学习的主题建模方法。在自然语言处理，特别是在文本挖掘领域，LDA模型广泛应用于识别文本主题、对文本进行分类以及计算文本相似度等多个方面。它能够从海量文本数据中挖掘出隐含的主题结构，为理解文本内容、进行文本分类与聚类等提供有力支持。LDA模型可以用来分析社交媒体上的用户评论、文章等文本数据，提取出其中的主题分布。通过这种方式，可以了解用户对某一话题或事件的关注点和情感倾向，从而评估其影响力^［6］。

2.2 数据来源与预处理分析

由于单个社交平台关于泉民夜校的评论数据较少，为了提高实验结果的普适性和可靠性，分别以“济南市民夜校”“济南图书馆夜校”“济图青年夜校”“济图夜校”“泉民夜校”“YEAH归人”等为关键词，通过八爪鱼网页数据采集器在抖音、微博、小红书、百度四个平台进行数据采集，时间为2023年12月至2024年8月。这种方法更全面地反映了泉民夜校在互联网上的影响力，保证了数据的相关性与多样性^［7］。采集得到抖音数据1056条、微博博文1770条、小红书数据1743条、百度搜索采集新闻标题及摘要数据1153条，共计5722条数据，去除重复数据796条，最终获得研究数据4926条。

2.2.1 数据清洗和预处理

为了进行LDA主题模型分析，需要先对数据进行清洗和预处理，包括使用Jieba进行中文分词，去除停用词，以及清理无关的表情符号、特殊符号和多余的空格，确保文本数据的质量和可用性。本研究使用Python的Pandas库来读取Excel文件，并查看其中包含的Sheets。使用正则表达式匹配并删除所有符号，包括但不限于标点符号、表情符号、空格以及其他非文本符号。对每个文本条目进行清洗，将所有文本转换为统一的小写，以消除大小写的差异^［8］。通过这些方法，确保数据集的清洁度和一致性，为文本挖掘和主题建模提供高质量的输入。

2.2.2 高频词统计分析

将所有数据文本合并为一个连续的字符串，并利用Split函数将其分割成单独的词语，然后通过Pyton的Collections库中的Counter类统计每个词语的出现频率，从而获得了词频数据（见表1）。从表1中可以看出，“夜校”是最高频词汇，表明夜校是讨论的核心，反映了人们对夜校教育和活动的广泛关注。“课程”“报名”等词频次较高，说明读者对泉民夜校的关注主要集中在课程设置和报名方法等方面。“市民”和“年轻人”这两个词的高频出现表明了夜校的主要受众，夜校提供了符合这些群体需求的教育和文化活动。“上班”“下班”“时间”等词汇的高频出现可能反映了夜校为上班族提供了灵活的学习时间，使他们能够在工作之余进行学习和提升。

2.3 LDA主题模型建模

本研究使用Python的Gensim库构建LDA模型，通过加载语料和字典分别训练了1～20个主题的模型，利用困惑度和主题一致性两个标准来评估模型的合理性。通过计算不同主题数下的困惑度，并绘制主题数与困惑度折线图，找到困惑度下降速率变化的拐点（见图1）。通过图1可以看出随着主题数的增多，困惑度逐渐减小。当主题数量超出7个，困惑度的降低趋势显著增强，与此同时，模型的复杂度也在提升，这往往会导致模型出现过拟合问题。因此，最终的主题数量应在1到6之间选择。鉴于研究文本数量较多，当选择2到5个主题时，文本的主题划分显得不够详尽，因此最终确定LDA主题模型的主题数为6^［9］。

本文基于Python的pyLDAvis库对夜校的主题模型可视化，最终生成一个交互式的HTML文件，通过直观的图形界面和交互式功能将评论数据的主题分布以图形化的方式展示出来，展示每个主题下的关键词及主题之间的关系（见图2）。根据气泡图所示，当主题数为6时，气泡之间没有重叠，即表示各个主题之间可以完美地分隔开。

2.4 主题识别与影响力分析

LDA模型训练得到6个主题类别，分别是夜校与城市空间融合、多元化课程与创新性、社会参与度与公众反响、社交与社区互动、个人成长与终身学习、现代教育模式与青年认同（见表2）。

2.4.1 夜校与城市空间融合

此主题围绕夜校如何整合并有效利用公共教育资源，为市民提供高质量的学习环境和机会。泉民夜校利用现有资源开设课程，与城市中的图书馆、泉城书房、文化馆、党校、新华书店等公共空间紧密结合，挖掘、利用公共文化及城市空间，为市民提供了便利的学习环境。这些空间在夜晚转变成文化学习的舞台，丰富了城市的夜生活，展现了城市空间的多功能性和文化活力^［10］，既发挥了公共设施的潜力，也降低了市民的学习成本。夜校与城市空间融合不仅提升了城市的教育文化软实力，还为市民提供了提升自我、实现个人价值的宝贵平台，体现了夜校在终身教育体系中的重要价值。

2.4.2 多元化课程与创新性

这个主题聚焦于夜校课程内容的丰富性和新颖性，体现了泉民夜校在传统教育框架之外，通过提供多样化的课程满足不同人群的学习需求和兴趣爱好。2024年春季班推出如手机短视频、美妆零基础入门、职场面试技巧、木工、茶艺、掐丝珐琅、非物质文化遗产等在内的课程，不仅覆盖了实用技能，还涉及艺术修养和健康生活等多个方面。这种课程设置反映了夜校在顺应时代变化，引入新媒体技术、生活美学等新兴领域的同时，也保留了手工扎染等传统文化，实现了传统与现代的融合。夜校课程的多样性鼓励了市民探索未知、拓宽视野，同时也为个人兴趣的培养和技能的提升创造了条件。通过提供从技能培训到文化艺术课程的广泛选择，夜校满足了不同背景、不同需求的市民的多元化学习需求^［11］。

2.4.3 社会参与度与公众反响

该主题强调了夜校在社会层面引起的广泛反响和高度参与。例如，泉民夜校报名火爆，课程迅速被抢空，显示了市民对夜间学习活动的高度热情和积极态度。这种现象背后的原因可能是现代社会生活节奏加快，人们在追求物质生活的同时，也越来越重视精神文化生活的充实和个人能力的提升。夜校作为灵活、便捷的学习平台，恰好契合了在职人士和中青年的求知需求。同时，夜校的普及和受欢迎程度也反映了济南市文化和旅游局、济南市图书馆在推动终身教育、构建学习型社会方面尝试的成功。

2.4.4 社交与社区互动

该主题着重于夜校在增强社区凝聚力、促进人际交往方面的作用。夜校成为社区成员共享学习经验、交流兴趣爱好的新场所，促进了邻里间的情感联系，增强了社区的归属感。在快节奏的都市生活中，夜校提供了一个慢下来的空间，让人们在学习的同时，也能与志同道合的朋友建立联系，形成以兴趣为纽带的社交网络。这种社区互动模式有助于构建和谐社会，促进社会文化的多样性和包容性。

2.4.5 个人成长与终身学习

夜校不仅传授具体技能，更重要的是激发了个人学习的热情，成为自我改变和提升的动力源泉。许多夜校课程如职场技能、心理解压、艺术修养等，直接关联到个人职业发展和生活质量的提升。夜校的学习经历促使人们在忙碌的工作、生活之外，寻找个人兴趣，实现自我价值。“白天上班，晚上学艺”的生活方式，成为许多人充实自我、实现自我超越的重要途径，是现代社会终身学习理念的体现^［12］。

2.4.6 现代教育模式与青年认同

该主题突出了夜校如何适应年轻一代的学习偏好，成为他们接受教育的新选择。夜校打破传统的学习时间和地点限制，采用灵活的课程安排和现代化的教学手段，如在线报名、多媒体教学等，与青年的生活节奏和科技使用习惯高度契合。夜校课程如短视频剪辑、结构化面试、AI办公等，直击青年求职需求和兴趣点，增强了青年对夜校教育模式的认可。夜校不仅提供了知识技能的获取途径，更成为青年社交、自我表达和身份认同的一部分，展现了夜校在现代教育体系中的新形象。

3 情感分析

情感分析的目的在于揭示市民对夜校服务的情感态度，从而为改进夜校的服务提供依据。通过情感分析，可以识别出市民对夜校服务的满意点和不满点，进而针对性地提出改进措施。本研究采用清华大学李军教授研究团队创建的中文褒贬义词典进行情感分析，该词典包含了大量经过精细分类的褒义词和贬义词，为情感分析提供了坚实的基础^［13］。采用基于词典匹配的方法来实现情感分析的核心思想是，通过预先构建的情感词典来识别和计算文本中的情感倾向，利用中文褒贬义词典识别出文本中的情感词汇，并根据词典的分类将它们标记为褒义或贬义。

情绪指数是指情感词汇所表达情感的强烈程度，情绪指数是一个量化指标，用于表示整体情感倾向，通常通过计算积极词汇和消极词汇的数量差来得出。本研究首先利用Jieba分词工具对输入文本进行分词处理，将其分割为独立的单词单元。随后，对于分词结果中的每个单词，系统会检查其是否存在于预先构建的积极或消极情感词典中。若单词出现在积极情感词典中，则相应地增加积极情感分数；若出现在消极情感词典中，则增加消极情感分数。本研究还考虑了程度副词对情感强度的影响，对于每个情感词汇，系统会检查其前是否有程度级别词汇，若存在，则根据程度级别词汇的作用增加额外的情感分数，以更准确地调整情感强度。最终，通过计算文本中积极情感分数与消极情感分数之差，得到情绪指数。若该情绪指数大于0，则将文本的情感倾向判定为“积极”；若小于0，则判定为“消极”；若等于0，则判定为“中性”。

通过对泉民夜校相关的评论数据进行情感分析，并基于词典匹配方法得出评论数量与情绪指数之间的关系（见图3）。在这个分析中，情绪指数是纵轴，其范围为-0.6～0.6，间隔为0.2；而横轴代表评论数量。从图中可以看出，随着评论数量的增加，情绪指数在0值左右波动，这表明评论的情感倾向并不稳定，反映了读者评论内容的多样性和情感表达的复杂性。可以看出负面情感可能反映了某些市民对夜校的期待与现实之间的差距，或是对于某些方面的不满。正面情感则显示了市民对夜校的积极评价和支持，可能源于对课程内容、教学质量或是夜校带来的社会效益的认可。中性情感则可能表示市民对夜校持观望态度，或是文本内容本身不包含明显的情感色彩。大部分学员的情绪指数集中在0～0.5之间，表明他们对夜校的整体体验较为满意。同时，也有少量学员的情绪指数低于0，这可能反映了他们在某些方面的特别好恶或者特殊经历^［14］。总体来看，泉民夜校在社会上的影响力是复杂的，既有积极的认可，也有一定的负面声音和中立态度。

积极情绪的评论多为表达夜校课程的性价比，代表积极向上的心态。例如，“400元get新技能，谁不心动啊”“高性价比课程，用知识丰富自我”“拒绝精神内耗，一起夜学习”“一杯奶茶钱能上一节优质课”“培养兴趣爱好的同时还能交朋友”“报名费相对低廉，还能满足交友需求”“生活本应该丰富多彩”。

中性情绪多为读者表达对夜校课程的诉求和咨询，例如，“想学剪纸”“你好，茶艺课什么时候开”“洪楼附近有吗”“唐冶那边有吗”“章丘有吗”“市中区有吗？济南大学附近”“汉峪金谷这里有吗”“怎么进群”“咋报名”。

用户对泉民夜校的总体情感态度是积极正向的，但在课程报名、上课地点的距离、教育质量、材料收费等方面表现出负面情绪。多以“超级难抢”“来晚了都满了”“木工根本不够抢”“抢不到的市民夜校又来啦”“抢课难过演唱会”“比大学选修课还难抢 ”“抢不过大家，连避雷的机会都没有”“上课的地方怎么这么远”“麻烦市民夜校把控下教育质量吧，别什么人都给开课”“这种材料的收费是否合理”等来表达负面情感。

据计算，正面情绪占据主导地位，达到了51.95%，说明大多数学员对夜校的教学质量和服务表示认可。中性情绪紧随其后，占比35.36%，这部分人群可能需要更多的关注和引导，以激发他们的积极情绪。最后是负面情绪，只占到总数的12.69%，这意味着尽管存在一些问题或不满，但整体上学员们还是给予了较高评价，这无疑是对夜校工作的极大肯定。部分学员提出了一些建设性的改进意见和建议，这些反馈对于持续优化夜校的教学质量和服务水平具有重要的指导意义。

4 Neo4j图数据库知识图谱分析

知识图谱分析与LDA模型相辅相成，LDA模型用于识别文本数据中的隐含主题，而知识图谱分析旨在将非结构化的文本数据转换为结构化数据，从而更直观地展示和揭示课程内容、教师资质和学员反馈之间的复杂关联。通过这种可视化的知识图谱分析，可以更清晰地识别夜校服务中的关键要素和潜在的优化点。

Neo4j是一款高效的NoSQL图形数据库管理系统，它采用网络结构来存储结构化数据，而非传统的表格形式 ^［15］。以泉民夜校春季班课程为例，通过微信报名小程序采集课程ID、课程名称、上课地点、课程简介、联系电话、讲师、课程价格等信息后，利用GPT-4o大语言模型将非结构化数据转换为结构化数据，课程的字段设置为CID、CNAME、CPLACE、CJIANJIE、CPHONE、CTEACHER、CPRICE，然后保存为CSV格式数据并导入Neo4j图数据库。在Neo4j图数据库中建立读者、课程、评论、机构共四个节点，建立读者与课程、读者与评论、评论与课程、课程与办学点的关系。以化妆课为例，使用Cypher语句查询开设化妆课的办学地点，得出开设化妆课的办学点有市中区文化馆、山东书城4楼东厅、历城区万象新天党群服务中心、济南市图书馆（中心馆）负一层泺源书院、高新区美莲广场。化妆课上的知识图谱关联到了32条相关评论及发表相关评论的学员。山东艺术学院的宋阳老师分别在山东书城讲授了零基础化妆课，在济南市图书馆中心馆讲授了化妆进阶课。继续对山东书城办学点进行分析，可以看到其开办了花艺培训、手机短视频拍摄及剪辑、剪纸、风景摄影、掐丝珐琅制作、服装搭配、整理收纳等课程（见图4）。

通过挖掘发现，泉民夜校的课程费用大约在每节课20～50元之间，具体费用根据不同的课程类别而有所不同，这一价格区间体现了公共文化服务的公益性和普惠性，给市民提供了夜间学习和提升自我的机会。

5 图书馆夜校服务改进策略

5.1 跨界融合创新夜校服务模式

根据LDA模型分析得出的夜校与城市空间融合、社交与社区互动这两个关键主题，建议夜校在服务模式上进行创新，进一步突破传统限制，与文化、企业和教育机构建立更紧密的联系，整合公共教育资源以降低成本，丰富夜间活动，并与城市规划相融合，创造独特的学习空间。这种跨界融合将带来服务内容的极大丰富和服务形式的多样化，满足学员日益多元化的学习需求。此外，情感分析中表达中性情感的市民大都咨询自己社区附近的夜校办学点，表明其对上课地点的方便程度具有较高的关注度。因此，图书馆市民夜校还需进一步融入社区生活，成为社区居民学习、交流、互动的平台，实现可持续发展。

5.2 优化课程设置与师资队伍建设

LDA主题分析结果显示，市民对夜校多元化课程与创新性关注度高；在情感分析结果中，市民对课程内容和教学质量作了大量积极评价；知识图谱分析显示，手机短视频拍摄及剪辑、职场面试技巧等课程由于其实用性和新颖性而受到市民的热烈欢迎。这表明夜校在课程设置上应继续紧跟市场需求和市民兴趣，不断更新和优化课程内容，继续强化夜校作为知识与技能提升平台的角色。通过进一步丰富课程种类和提升教学质量来满足市民的求知欲和技能提升需求。例如，夜校可以增设与市民职业发展密切相关的课程，如职场技能提升、新媒体运营等，以确保教学的专业性和前沿性。通过大数据分析学员的学习表现和历史数据，实施分层、分组的教学互动，教师可以针对不同层次的学生，推送相应的学习任务和辅导内容，从而实现差异化指导。

通过深入了解市民的学习需求、兴趣爱好和职业发展规划，更精准地把握目标受众的特点，从而调整和优化课程结构。例如，针对不同年龄段的市民，可以开设与之相适应的课程，如针对青少年的编程与科技创新课程，针对中老年人的健康养生与心理咨询课程等。

加强跨学科课程整合也是优化课程设置的重要举措。跨学科课程整合有助于打破学科壁垒，促进知识之间的融合与创新。通过整合不同学科领域的课程资源，可以为市民提供更加多元化、综合性的学习体验。例如，可以开设融合文学、历史、哲学等多个学科的人文通识课程，或者开设结合艺术、科技与设计的创新实践课程，以满足市民多样化的学习需求。

知识图谱的分析结果还揭示了师资队伍的分布和资质情况，基于此，夜校应重视师资队伍的建设，特别是热门课程和专业领域，需要引进更多具有专业背景和丰富经验的教师，包括聘请行业专家、高校教师授课，确保教学内容的专业性和前沿性。此外，夜校可以建立教师评估和激励机制，通过学员反馈和教学质量评估来不断提升教师的教学质量。

5.3 提升学员线上线下参与度

对于LDA社会参与度与公众反响主题聚类结果及情感分析中市民表达的负面情感，夜校需要特别关注并采取措施改进。例如，市民反映的课程难抢问题，夜校可以通过优化报名系统、增加课程频次或实施预约制度来缓解。同时，针对上课地点远的反馈，夜校可以考虑增设更多的教学点或与社区合作，利用社区资源来提供场地，以减少市民的通勤负担。在课程结束后，可通过问卷调查或面对面交流的方式，让学员填写对课程、老师、项目运营的评价及反馈意见；也可以利用社交网络平台，建立线上学习交流群，促进学员之间的交流和互动。夜校可以定期举办线下的学员交流活动，如学习分享会、文化沙龙等，增强学员的归属感。设立奖励机制也是提高学员参与度的有效途径。夜校可以对表现优秀的学员给予表彰和奖励，这不仅是对他们努力的认可，更能激发他们的学习热情和参与积极性。

5.4 驱动个人发展与职业成长

LDA分析结果揭示了市民对个人成长和终身学习及现代教育模式的关注。夜校可提供个性化的学习路径规划服务，帮助学员根据自己的职业目标和技能水平制定合适的学习计划，支持学员的职业发展。同时，开设与市场需求紧密结合的专业技能培训课程，并通过实践操作和案例分析，增强学员的实战能力。可定期举办职业发展研讨会，邀请行业专家分享经验，并提供职业规划讲座，帮助学员了

解行业趋势和职业晋升路径。对表现优秀的学员给予奖学金和荣誉证书，并与人社局、工会等机构或部门合作，提供证书的官方认证，增加学员的职场竞争力。

5.5 加强品牌建设与宣传推广

基于LDA分析，泉民夜校的品牌没有形成核心主题聚类，说明市民对夜校的品牌认知尚有提升空间。夜校需要明确自身的品牌定位，通过设计独特的标识和口号，制定全面的品牌传播策略，传达其核心价值观和特色。应深入挖掘并明确自身的品牌定位，通过深入了解学员需求和市场环境，夜校可以确定自己在成人教育市场中的独特地位和价值主张。这将有助于形成鲜明的品牌形象，使夜校在潜在学员心中占据独特的位置^［16］。

利用社交媒体、网络广告、线下活动等多种渠道，广泛宣传夜校的教学理念、课程设置、师资力量等方面的优势。通过精准的目标受众定位和个性化的传播内容，提高品牌曝光度和认知度。通过共同举办文化活动、学术讲座或赛事等形式，寻求与其他知名机构或组织的合作机会，借助合作伙伴的影响力，进一步扩大夜校的知名度和影响力。这种合作模式不仅有助于资源共享，还能提升夜校的品牌形象和社会认可度。夜校应重视口碑营销的力量。通过提供优质的教学服务和良好的学员体验，培养忠诚的学员群体。这些学员将成为夜校品牌的自发传播者，通过他们的推荐，吸引更多潜在学员加入，从而推动夜校品牌的持续发展。

5.6 建立服务评估与反馈机制

通过情感分析可知，学员对夜校的意见和建议没有及时通过官方渠道进行反馈。构建服务评估与反馈机制，旨在通过系统性的评估方法全面审视夜校服务的各个环节，畅通学员的问题反馈渠道，从而及时发现问题、分析问题，并依据学员的反馈进行有针对性的改进。

制定一套科学的评估指标体系，涵盖课程设置的合理性、教学内容的丰富性、教学方法的有效性、师资力量的专业性以及服务态度的友好性等多个方面。通过定期或不定期的评估活动，对夜校服务进行量化评分和分析，从而客观、全面地反映服务现状。建立便捷的反馈渠道，利用现代信息技术手段，如在线调查问卷、微信公众号留言、电子邮件等方式，为学员提供多样化的反馈途径。在收集到学员的反馈后，应定期进行汇总和分析，通过数据挖掘和文本分析等方法，深入了解学员的需求和期望，以及他们对当前服务的满意度和不满之处，这些分析结果将对调整服务策略和制定改进措施提供关键的参考^［17］。例如，针对课程设置方面的问题，可以优化课程结构，引入更多热门和实用的课程；针对服务态度的问题，可以加强馆员培训，提升服务意识和服务质量。

6 结语

本研究以泉民夜校为研究对象，运用包括LDA模型、情感分析和知识图谱在内的多维分析方法，深入探讨了图书馆市民夜校服务的改进策略。研究结果显示，泉民夜校在促进市民个人成长、丰富社区文化生活、推动终身学习等方面发挥了积极作用，同时，市民的反馈也揭示了夜校服务在课程报名、教学点分布、教育质量等方面存在的挑战。

研究的主要贡献在于成功识别出市民对夜校服务的六大核心关注点，并通过情感分析量化评估了市民的情感态度。这些发现为夜校服务的优化提供了依据，也为其他地区的市民夜校提供了改进服务的参

考。然而，本研究也存在一些局限性，如对LDA模型的依赖可能限制了主题挖掘的灵活性和效率，而数据来源主要依赖社交媒体，可能无法全面覆盖所有潜在的用户反馈。未来的研究需要在方法论上进行优化，探索更灵活的模型如BERTopic，以提高主题挖掘的准确性和效率^［18］。同时，应拓展数据收集渠道，整合更多类型的网络文本资源，以获得更全面的用户视角。此外，未来的研究还应更加关注不同背景和需求的市民如何感知和评价夜校服务，以及夜校服务的隐性价值，以全面评估夜校服务的社会影响力。

参考文献：

［1］唐晓波，向坤.基于LDA模型和微博热度的热点挖掘［J］.图书情报工作，2014，58（5）：58-63.

［2］许顺富.湖南绅士与晚清教育变革［J］.史学集刊，2010（6）：84-91.

［3］蒋永清.毛泽东主办工人夜校［J］.工会博览，2001（24）：60.

［4］李德虎，尹延明，韩延汝.济南市图书馆：开办夜校，盘活公共文化服务夜间资源［J］.文化月刊，2024（2）：58-59.

［5］“有趣有品 专业专享”市文化馆“YEAH归人”泉民夜校全面开课［EB/OL］.［2024-06-09］.http：//jnwl.jinan.gov.cn/art/2024/5/9/art_42920_4782891.html.

［6］BLEI D M，NG A Y，JORDAN M I.Latent dirichlet allocation［J］.Journal of machine learning research，2003，3（1）：993-1022.

［7］张文德，徐子杨，赵立红.基于LDA主题模型的“双一流”高校图书馆用户评论文本数据挖掘［J］.情报探索，2024（7）：120-127.

［8］冷雪卓，张涛，崔文波.国内数字人文领域文献主题识别及框架研究：基于LDA和Word2Vec的分析［J］.图书馆学刊，2024，46（3）：104-110.

［9］侯畅，李海晨.基于主题挖掘与情感分析的在线健康咨询评论研究［J］.情报探索，2023（6）：48-54.

［10］吴小冰，李昊远，张旭露.我国城市公共阅读空间政社合作模式及发展对策研究［J］.大学图书情报学刊，2023，41（4）：39-44.

［11］李月婷.我国公共图书馆参与开放教育资源运动初探［J］.图书馆研究，2024，54（2）：41-49.

［12］陈颖仪，罗舒乔，蔡畯.面向全民终身学习的公共图书馆阅读推广探析：以“全人生阅读”服务体系构建为例［J］.四川图书馆学报，2024（3）：8-14.

［13］马子洲. 基于改良SO-PMI算法的在线评论情感倾向性分析研究［D］. 大连：东北财经大学，2018.

［14］龚雨璐.基于感知价值的图书馆文化创意产品评论文本分析［J］.图书馆理论与实践，2024（2）：130-136.

［15］路莹，罗荣庆，王青春，等.基于图形数据库Neo4j的合著网络研究与实践［J］.中华医学图书情报杂志，2016，25（4）：13-16.

［16］刘爽.高质量发展背景下公共图书馆文化IP的全流程管理之路：以深圳市盐田区图书馆为例［J］.图书馆杂志，2023，42（11）：71-79.

［17］贾亚平.图书馆与新型农民夜校［J］.农业图书情报学刊，2009，21（1）：124-126.

［18］高春玲，姜莉媛，董天宇.基于BERTopic模型的老年人健康信息需求主题演化研究：以新浪微博平台为例［J］.情报科学，2024，42（4）：111-118.

作者简介：

刘勇（1986—），男，大学本科，馆员，济南市图书馆网络信息部副主任。研究方向：情报分析与数据管理。