图书馆信息服务质量评估的建模与分析

●陈 燕（南京政治学院 上海分院信息管理系，上海 200433）

1 信息服务质量的定量评估模型

信息服务质量是用户对在接收信息服务过程中的心理感受和对信息服务结果的效用的综合性认识，同时也是对信息服务活动期望比较的结果。因此信息服务质量是一个主观范畴。传统的信息服务质量的评估方法通常将图书馆业务统计的数值直接作为评价指标，没有强调用多种方法进行测度，只注意绝对值的比较，而忽略了相对值的比较。而且长期以来评估一直侧重于定性的描述，缺乏定量的指标。服务质量不能由管理者来决定，它必须建立在用户的需求、向往和期望的基础之上。服务质量可以被定义为用户对实际所得到服务的感知（Apperceive of service，简称Aos）与用户对服务的期望（Expectation of service，简称Eos）之间的差距，可定义此差距为D=Aos－Eos（Aos和Eos的值可以通过用户满意度调查等方式具体量化）。由此定义可见，服务质量取决于用户对服务的预期质量和实际体验质量（即用户实际感知到的服务质量）之间的对比。在用户体验质量达到或超过预期质量时（即D≥0），用户就会满意，从而认为对用户的服务质量较高；反之，当D＜0时，则会认为对用户的服务质量较低。

信息服务同时也是一个客观过程，服务质量不仅仅体现在信息资源利用的结果中，也充分体现在信息服务活动的过程中。因此，对信息服务质量的评价应根据服务效益进行评估。服务效益除了具有能够进行定性评价的指标，还可利用数学建模做定量的推算。客观的信息服务质量评估可以从宏观、微观两个层面考察：宏观层面使用服务效益来度量；微观层面使用可用性来度量。［1］

2 宏观层面的服务效益模型

建立信息服务效益评价模型之前，先引入服务效益的概念。定义服务效益E为服务质量与服务成本的比值，它是信息用户与信息资源通过适当的信息服务方式结合而得到的结果。下面就从静态和动态两个角度对其进行讨论。

2.1 静态模型分析

静态地看，E可定义为图书馆输出（用户得到的信息服务QoS）与输入（图书馆成本CoS）之比，即E=QoS/CoS，说明E是花费单位成本取得的服务质量。提高服务效益E的具体方法就是降低服务成本（CoS），并提高服务质量（QoS）。

从提高服务质量（QoS）的角度讲，持续发展的尖端技术和新兴技术为图书馆提供了优化和整合多种格式的、多样化的跨程序、跨数据库、跨网络、跨平台、跨系统以及跨领域的图书馆信息资源、服务和指导，实现了实时与非实时的互动服务，［2］达到甚至超出用户预期，使用户得到优质信息服务。

从降低服务成本（CoS）的角度讲，系统应进行软硬件协同设计。综观多年来硬件的发展可以看出：推动硬件发生根本变化的驱动力是以低成本和低功耗嵌入日益强大的计算资源能力的需求，带给消费者新的用户体验。理论上说，每个应用系统都存在适合于该系统的软硬件功能的最佳组合，亦称全匹配。硬件配置强于软件设计，是大马拉小车；软件设计强于硬件配置，是小马拉大车。为了协调“车”与“马”之间的关系，设计时应从系统的需求出发，根据一定的指导原则和分配算法对软硬件功能进行分析与合理划分，从而使系统的整体性能、运行时间、能量损耗、存储能力达到最佳状态，实现“全匹配”。结合到图书馆的工作特点，在软件上可以考虑采用基于觉察上下文计算来降低服务成本，提高计算精度。

这种静态分析方法，优点是计算简单，易于理解。缺点是它只关心信息服务过程的两端：即投入与产出，是一种粗粒度的度量方式。

2.2 动态模型分析

动态地看，着眼信息服务的整个过程，服务效益与信息资源（I）、信息用户（P）、信息服务（S）三者都有密切的关系。因此服务效益E可以表达为这三个变量的函数，即E=F（I，P，S）。

这里定义E=K（I×P）S，K为调整因子（条件：I＞=0 P＞=0 S＞=0）。上述公式说明，服务效益可以从四个方面来分析：

（1）当I或P为0，则E＝0，说明没有信息用户或是信息资源，再好的服务也不会产生服务效益。

（2）当0＜I×P＜1，此时信息用户与信息资源结合松散，二者结合产生“强抵消”，服务（S）的加强对E产生成指数效果的消极影响，如图1：

图1 信息用户与信息资源松散结合产生的消极影响

（3）当I×P＝1，此时信息用户与信息资源此消彼涨，I与P单个变量的增长被另一变量减弱，二者作用刚好抵消，从图像上看就是在I-P曲线上任何一点的与坐标轴围成的图形（图中两个矩形）面积都是1，如图2。这样，服务（S）的优劣无法对E产生影响，即E不随S的增大而增大，如图3：

图2 信息用户与信息资源互相抵消

（4）当I×P＞1，此时信息用户与信息资源结合紧密、相互配合，产生理想的效果，服务（S）的加强对E产生成指数效果的积极影响，如图4：

图4 信息用户与信息资源紧密结合产生的积极影响

3 微观层面的可用性模型

图书馆信息服务追求最佳的服务质量，对相关可用性管理提出了很高的要求。现有研究大多基于定性的角度研究信息服务系统的可用性问题，笔者尝试给出定量的可用性度量模型和分析。信息服务系统可用性具有典型的面向用户特点，为刻画用户行为需要引入具有非指数分布性质的模型状态，并且需要考虑用户态与系统态关联分析时的复杂情况。传统的连续时间马尔可夫链和半马尔可夫过程都不能很好地对以上情况给予分析。鉴于此，应使用基于马尔可夫重生过程（MRGP）的信息服务可用性度量方法，对系统可用性进行随机过程分析，给出对应瞬态和稳态行为的度量方法，结合信息服务特点定义系统请求可用性度量。最后进行数值分析，以评价用户和系统参数等因素对系统可用性度量的影响。［3］

3.1 建立具有双扩展特点的用户模型

双扩展用户模型如图5，图中结点表示用户状态，结点间连线表示状态迁移；用户状态包含资源请求状态Pri、思考状态Ti，服务请求状态Pmi，分别对应上述3类用户行为和完成态E及失效态F，其中E和F是表示会话正常结束或非正常中止状态（均为吸收态），状态标识Prii中ri表示随用户请求的变化，所依赖的资源具有不同的状态；同理，状态标识Pmii中mi表示随用户请求的变化，所依赖的服务系统具有不同状态。在该模型中，当用户发出资源请求，如果所需资源可用，则进入Pri态；完成该请求后，进入Ti态；如果无法进入或Pri态发生资源失效，则进入Pmi态；如果在Pmi态能够完成资源的再发现和重分配等服务活动，则返回Pri态，否则进入F态。如果一次会话中所有的请求Pri都得到正确处理，则由Ti态进入到完成态E；如果存在任何一个请求失败，则由Pmi态进入到失效态F。

图5 双扩展用户模型

3.2 构建系统可用性度量的MRGP模型

图书馆信息服务可用性具有面向用户和系统关联的特点，对可用性的影响在于：用户行为不同于电子元器件，需要非指数分布的模型状态描述。［4］例如，用户思考态不能使用指数分布来准确描述。其二是要求能够支持用户状态内的系统状态变换，即用户状态驻留时，相关联的资源状态或服务状态能执行连续的变化。例如在用户处于资源请求态时，对应的资源可以在工作态和失效态间变换。这可以描述为一种马尔可夫重生性质，即重生点间状态的变化性质，其中用户态是重生点，在重生点间支持系统状态的变化行为。［5］

基于以上分析，传统的连续时间马尔可夫链需要指数分布假设，而半马尔可夫过程假设所有的状态转换都是重生点，因此都不能很好地对可用性情况给与恰当的分析。马尔可夫重生过程（MRGP）是包含上述随机过程的一类更加广泛的随机过程，不但支持非指数分布的模型状态，而且可以基于重生理论建模用户和系统关联状态变化的复杂行为，因此本文提出基于MRGP的普适计算系统可用性度量方法。

根据双扩展用户模型并结合资源和服务子系统，定义随机过程｛Z（t），t≥0｝=｛（U（t），R（t），M（t）），t≥0}。其中随机变量U（t）∈ΩU=｛R，T，M，F｝表示用户处于时间t的状态，其中R，M分别对应用户Pr，Pm状态；随机变量R（t）∈ΩR=｛U，D｝表示信息资源在时间t的状态；随机变量M（t）∈ΩM=｛U，D｝表示服务子系统在时间t的状态；其中U，D分别表示工作态（Up）和失效态（Down）。了重生点之间的行为，全局核定义了跨越重生点的行为。在局部核和全局核的基础上，瞬时可用性的求解为其中是一个矩阵，其元素是∑uKiu*Vuj(t)。稳态可用性的求解基于如下过程：

图6 可用性度量MRGP模型

图6建立了普适计算系统可用性的状态模型。图中结点表示模型的状态，结点间连线表示状态迁移。每一个状态表示为一个三元组U（t），R（t），M（t）），模型的状态空间是 ｛（RU·），（TU·），（RD·），（TD·），（M·U），（M·D），（F·D），（F·U）｝。图中用·表示所对应的元组分量可取任意值，例如（RU·）表示用户处于Pr状态，所依赖的资源处于工作态时，服务子系统可处于任何状态。资源管理子系统失效率为λm，修复率为μm；资源子系统失效率为λr，修复率为μr。当用户进入Pr状态后，随机活动一段时间进入思考态（从（RU·）到（TU·）），该时间分布为F（t）；在思考态驻留一段时间后返回到Pr态，该驻留时间分布为G（t）。当用户处于R时，资源发生失效（从（RU·））到 （RD·），经过一段时间后服务启动（从（RD·）到（M·U）），时间分布为H（t）；设资源的可用性为AR，则服务子系统发现新的可替代资源并且该资源可用的概率是AR，该信息资源不可用的概率为1-AR；当资源和服务子系统均失效后，模型迁移到（F··）状态，用户在该状态驻留一段时间后进行重试，返回到（M·U）态或（M·D），驻留时间分布为R（t）；（M·D）态的驻留时间分布为T（t）。模型中F（t），G（t），H（t），R（t），T（t）都是非指数的任意分布，并且模型中存在重生点间的状态变化，即存在局部行为，其中局部行为是指并发的指数分布迁移，即指数分布迁移连接的两状态具有相同的任意分布，包括（TU·）与（TD·）和 （F·U）与 （F·D）之间的迁移。除局部行为之外，每个状态改变都是重生点。分析上述模型的状态空间满足至多只有一个任意分布处于活动的条件，所以｛Z（t），t≥0｝是马尔可夫重生过程（MRGP）。［5］

请求可用性的MRGP模型由其MRGP随机过程的局部核E（t）和全局核K（t）所决定。其中局部核定义

（2）计算一步转移概率矩阵K（∞），求得v=vK（∞），其中 v·e=1；

（3）稳态概率向量为 P=（v·α）/（v·μ）。

3.3 系统请求可用性的数值分析

基于以上度量模型，给出普适计算系统请求可用性的两个定义，狭义普适计算系统请求可用性NUA和广义普适计算系统请求可用性定义GUA。通过定义NUA为与相关研究的比较建立基础，而GUA给出了更加广泛的一类可用性度量。以上定义都是基于用户角度出发的可用性度量。

定义狭义的普适计算系统请求可用性为：在不考虑用户T状态的情况，用户能够成功发送请求的概率，即 NUA=（PM·U+PRU·）/（PF·U+PM·U+PRU·+PF·D+PM·D+PRD·）。

定义广义的普适计算系统请求可用性为：在NUA的基础上，综合考虑用户所有可能状态下，用户处于非失效状态 F 下的概率，即 GUA=（PM·U+PRU·+PTU·+PTD·）/（PF·U+PM·U+PRU·+PTU·+PF·D+PM·D+PRD·+PTD·）。

以上定义中，NUA和GUA的区别在于对用户、系统因素的折衷考虑。NUA更加侧重系统因素，即忽略用户的思考状态，结果是简化了用户因素对可用性度量的影响，突出了系统因素在可用性度量中的作用，所以更加适合于偏重系统可用性评价的情况。GUA则更加侧重用户因素，即综合考虑用户的思考状态，能够根据用户因素对可用性度量给出更加准确的分析。通过以上定义，普适计算系统请求可用性（NUA和GUA）与系统可用性关系的一个定性分析是：

（1）当系统处于失效状态时，用户可能没有向系统发送请求，因此用户感知不到相应的系统不可用性，即最终请求可用性大于系统可用性；

（2）当系统从失效状态迁移到可用状态时，由于用户仍然滞留在不可用状态（F状态）而导致用户对系统可用性感知的延迟，即请求可用性小于系统可用性，这和用户的重试率有紧密关联。

4 小结

任何事物都是质和量的统一，把事物的量作为一种测量工具，对质进行精确量化，不但可行而且也有利于对质的系统研究和了解。信息服务同样如此。信息服务是一项有目的实践活动，要以追求一定的服务效果为先决条件。在对其研究过程中，不但要追求性质方面的考察，也需要对其数量关系进行研究。只有将定性分析和定量分析相结合，进行综合的图书馆信息服务质量评价，才能得到较为完备、精确的结果。因此，除了按照传统方式从自我评估与用户反馈两个方面进行定性的评价外，还应针对信息服务特点，设计服务质量的定量评估模式，从两个层面（即宏观层面的服务效益和微观层面的可用性）来度量，通过两个角度（即服务全过程的动态角度和投入与产出的静态角度）来考察。宏观层面重在整合，微观层面重在突破；动态角度重在过程，静态角度重在结果。力求在整合的基础上不断实现突破，在突破的基点上不断实现新的整合，采用动态的过程控制静态的结果，利用静态的结果调整动态的过程，通过这一微观、动静态互动的发展模式完善普适计算环境下图书馆服务质量的评估体系，为改善服务质量提供依据和方法。

［1］陈燕.刍议图书馆信息服务质量评估［J］.消费导刊，2009（17）：117－118.

［2］李立力.数字化时代中不断演变的图书馆信息服务［C］//第四届上海图书馆论坛论文集.上海：上海科学技术文献出版社，2008：36.

［3］王海鹏.面向用户的普适计算系统可用性度量模型 ［J］. 计算机科学，2006， 33（11）：89－93.

［4］Xie W，et al.Modeling of user perceived web server availability［C］//ICC2003，Anchorage.Alaska，2003：1796－1800.

［5］Choi H，et al.Markov regenerative stochastic petrinet［J］.Performance Evaluation，1994（20）：335－367.