大数据环境下学科服务策略研究★

周凤飞 王佳佳

(天津工业大学图书馆 天津 300387)

1 引言

随着信息技术的发展，全球已进入信息爆炸时代，数据总量迅速膨胀，大数据时代应运而生。2011年5月麦肯锡公司在《大数据:下一个创新、竞争和生产力的前沿》研究报告中首次提出大数据的概念[1]。自从大数据概念提出以来，国际上大数据的讨论和政府行动趋势强劲。美国2012年出台《大数据研究和发展计划》，将大数据上升为事关国家核心竞争力的国家战略，这是继“信息高速公路计划”之后在信息科学领域的又一重大计划。英国2013年出台《英国数据能力发展战略规划》，投资1.89亿英镑，提高大数据的采集、分析能力，推动英国在 “数据革命”中抢得先机[2]。2016年3月18日，中华人民共和国国民经济和社会发展第十三个五年规划纲要(简称“十三五”规划(2016-2020年))发布，纲要中提出：“实施国家大数据战略，推进数据资源开放共享”。由此可见，各个国家纷纷将大数据从以往的商业层面上升到了国家意志和国家战略层面。

大数据时代的到来，促进了思维的变革、技术的变革和商业的变革。数据、技术与思维将三足鼎立。在此背景下，大数据技术、大数据思维逐渐渗入到图书馆的服务与管理创新中，特别对高校图书馆学科服务，影响作用日渐深入。面向问题、面向数字与模型、面向决策支持、面向数据范式的学科建设与科学研究都将越来越依赖于大数据的支撑；为教学科研提供服务也将越来越需要具有数据素养的图书馆专业学科馆员。图书馆如何基于大数据思维、大数据理论、方法和技术，开展更深层次的学科服务，已经成为图书馆界面临的重要决策问题。

2 大数据与学科服务

2.1 大数据

在学术界，目前尚未对大数据的概念有统一的定义，大家比较认可关于大数据的定义从早期IBM公司提出的3V说法，逐渐发展到4V ，再到现在的 5V( 新增 Value) 。大数据的 5 个“V”，业界将其归纳为 Volume，Velocity，Variety，Veracity，Value，实际上也就是大数据包含的 5 个特征，即：巨大的数据量 (Volume)、快速的分析和处理速度 (Velocity)、多样化的数据种类和数据来源 (Variety)、知识的真实性 (Veracity)和对商业领域巨大的价值(Value)[3]。如今大数据早已不再是简单的数据大的事实了，而最重要的现实是对大数据进行分析，只有通过分析才能获取其中智能的、深入的、有价值的信息。所以其核心理念就是以一种有效的方式来管理海量数据并从中提取价值。如何从海量数据中提取出有价值的数据，则需要利用各种先进的大数据技术。大数据的核心技术主要有数据采集与预处理技术、数据存储与管理技术、数据分析及挖掘技术、数据展现及应用技术。

2.2 大数据背景下的学科服务

《普通高等学校图书馆规程(2005版)》规定，“高等学校图书馆应积极拓展信息服务领域，提供数字信息服务，嵌入教学和科研过程，开展学科化服务，根据需求积极探索开展新服务”[4]。在大数据背景下，无论是科研单位、教学单位、还是图书馆等信息机构，都面临着严峻的挑战。教学、科研需要更加系统化、专业化、知识化的数据资源支撑，而图书馆则是提供这种支撑的后台保障。面对不断变化的信息环境，传统的以文献资源提供和检索为主的被动式服务已经远不能满足用户的需求。学科服务逐渐朝着智慧化、协作化、绿色化、视觉化、泛在化和主动化的趋势发展。而基于大数据的学科服务就是为适应学科服务这种多元化的发展趋势而衍生的一种基于网络的用以解决结构化、半结构化及非结构化数据多维度处理、分析并提供有预测性知识的信息服务新模式，是嵌入式协作化学科服务模式的一种新发展。这种服务模式以用户需求为中心，以先进技术为支撑，以学科知识资源为基础，以促进学科知识创新为目标，是综合应用数据挖掘、信息检索等大数据技术，对学科知识资源进行深入挖掘、分析与集成，为不同层次的用户提供个性化智力服务的一种新形式。

3 大数据环境下学科服务存在的问题

3.1 学科馆员的数据素养不强

数据素养简单来说就是人们有效且正当地发现、评估和使用信息及数据的一种意识和能力。主要包括数据意识、数据获取能力、数据处理与分析能力、数据交流能力、数据评价能力及数据道德等几个方面[5]。大数据环境下，教学、科研等项目对数据质量的要求越来越高，高质量的数据必须由高数据素养的人才提供。因此数据素养已经成为馆员及科研人员的必备素养之一，作为深入教学、科研项目的学科馆员来说，数据素养尤为重要。新一代的学科馆员已不仅是数据收集者，更是知识发现者。虽然图书馆对学科服务的重视程度逐渐增强，越来越多的图书馆已经配备了具有专业知识背景，且检索能力较强的学科馆员，但是对数据进行科学的管理、分类、分析、挖掘的知识和技能较为匮乏，所掌握的方法和工具也十分有限 ，使用新型数字工具(如绘制思维导图软件、情报分析图谱软件及专利分析软件)的能力较弱[6-7]。面对分散且杂乱的数据资源，如何将有价值的信息提取出来，并进行深度的挖掘分析，将结果以恰当的形式展现给用户，是新时代的学科馆员应该具备的技能。

3.2 学科服务平台功能不完善

随着学科服务模式的改变，用户需求的增多，大数据环境下的学科服务需要学科服务一站式平台来支持。这里的学科服务平台定义为：学科服务平台是学科服务系统必不可少的一部分，是一个展现学科服务系统各组成部分、各类工具和资源的平台，将学科馆员、学科用户和学科资源三者紧密结合在一起[8]。笔者通过访问部分985高校的图书馆网站发现，即使是科研实力强劲，学术资源丰富的一流大学，在学科服务一站式平台建设方面仍然有所欠缺。主要问题是有的学校缺少学科服务一站式平台，在有学科服务一站式平台的情况下，则存在平台的功能定位尚不清晰、重建设轻维护情况严重、部分图书馆重建设轻宣传，用户的知晓度和使用度不高的问题[9]。如何将深入教学科研的学科馆员、海量数据、协同创新、产学研结合的研究需求以及数据库、自建库、免费学术资源库及开放出版资源结合起来，提供功能完善的基于学科馆员、学科用户、学科资源的管理、检索分析等一站式服务平台已迫在眉睫。

3.3 学科服务范围较窄

以大数据为基础的学科分析工具出现之前，大部分学校的学科服务项目包括：提供文献信息服务，用户培训、学科资源建设、信息素养教育、查收查引等，服务范围较窄、层次较浅，并没有深入教学科研当中，而只停留在表面[10]。现在已有一些高校图书馆开始提供一些更深层次的服务。如2016年11月，同济大学图书馆利用了SCI、SSCI、ESI和InCites数据库相关统计数据对同济大学2015-2016年进入ESI排名前1%的学科，以及未进入ESI学科排名前1%但接近程度超过50%的潜力学科进行分析，为同济大学保持优势学科、发展潜力学科提供了有力的数据支撑。武汉纺织大学图书馆于2014年，选取Web of scienceTM核心合集平台的数据，以SCIE和SSCI数据库为文献计量工具，通过分析总结出该校纺织科学与工程学科在全国的综合地位，为学科发展提供数据定位，给领导制定决策做出参考[11]。如何深入教学科研之中，为学校的学科建设、科学研究提供有力的支撑与保障，是图书馆学科服务重要的发展方向。

4 大数据环境下加强学科服务的策略

4.1 制定数据馆员培养计划，为大数据环境下学科服务提供人才保障

美国大学与研究图书馆协会( Association of College and Research Libraries，ACRL) 《2015 年环境扫描》提出: “数据馆员需要积极主动地参与信息素养对话，学习新的教学策略，并基于自身专业做出贡献[12]。图书馆要积极组织安排学科馆员在进行相关实践的基础上开展在职培训，并实行考核制度。可以举办有关的研讨会，进行经验以及先进理念的交流。定期邀请相关的专家进行培训，制定有利于提高数据素养的培养计划。开展相关的数据技能大赛以增加大家的学习热情等。

4.2 完善学科服务平台的功能，为学科服务提供大数据支撑

构建具有强大的知识资源整合能力、海量知识分析能力、大数据挖掘能力和多维度知识可视化能力的一站式平台，以研究型用户需求环境和需求趋势为导向，是一种以用户为中心的提供解决问题决策的知识展示、交互和推送的新型服务模式。平台的目标是为全校的用户提供高效、高质量的学科服务。将学科服务的三要素学科馆员、用户以及知识资源三者整合在一起，实现功能的最大化[13]。将各种专业的结构化资源数据库、非结构化的网络数据资源以及各种自建数据库整合在一起，通过建立个性化、多样化的学科知识服务体系，增强图书馆的信息服务能力。可以通过设置不同的导航模块如：知识检索、学科态势分析、资源推荐、科研学术评价等，形成面向教学、面向科研的学科化服务体系，为不同类型的学科用户提供个性化服务。学科服务一站式平台要求界面友好、结构层次清晰、内容丰富、功能完善，具有综合性、开放性、适用性、易用性。平台的设计不能盲目追求功能多样，而应以高校学科服务的实际能力，以及用户的实际需求为准，遵循先进性、可靠性、开放性、服务性以及可扩展性的原则，致力于打造以用户需求为中心、以知识资源为导向、以先进技术为支撑的一站式服务平台。

4.3 利用学科服务分析工具，为学科服务创新提供实践指导

充分利用大数据的：数据采集与预处理技术、数据存储与管理技术、数据分析及挖掘技术、数据展现及应用技术等对互联网中的各种类型的结构化及非结构化的海量数据，进行采集、存储、分析及展现。对于学科服务而言，利用这些关键技术，结合数据分析工具，对学科进行预测性趋势分析，为学校的学科建设以及科研提供更准确的数据支撑、更深层次的技术支持，是大数据背景下学科服务创新的必然发展之路。其中新兴的几个学科服务分析工具主要有EiDeep、InCites、SciVal。EiDeep是基于中国科研机构的中外文科技文献以及创新成果数据建立的科研创新能力评估与透视分析平台。除了中文文献它还可以提供EI、ESI、SCI、ISTP、Science、Nature、Cell、SSCI八类外文数据库收录的论文数据。利用Eideep平台，可以量化的展示科研机构创新能力的分布和发展趋势、按照机构组织体系，统计分析各级单位的科研绩效、对比同类机构间的能力差异，做到知己知彼、聚焦各行业领域中创新力较强机构，发现投资合作目标。InCites数据库中集合了近30年来Web of Science核心合集七大索引数据库的数据，拥有多元化的指标和丰富的可视化效果，可以辅助科研管理人员更高效地制定战略决策。利用InCites数据库可以定位重点学科 、优势学科、发展潜力学科，优化学科布局、跟踪和评估机构的科研绩效与同行机构开展对标分析、明确机构全球定位、分析本机构的科研合作开展情况，识别高效的合作伙伴、挖掘机构内高影响力和高潜力的研究人员，吸引外部优秀人才。SciVal分析工具可以帮助了解全球220个国家和4 600家机构的研究成果，其中包含了17种评估指标，可以实时了解在全国及全球的科研地位及科研进展，与全球类似机构比较，评估科研表现，并了解本地和全球合作情况，建立合作伙伴关系，促进交流和发展。其中SciVal比InCites的数据收录更为全面，尤其是收录了EI，因此更适合于评价工科高校，但SciVal的学科分类体系与我国的学科体系有很大的差异。InCites数据库包含了基于中国国务院学位委员会和教育部《学位授予和人才培养学科目录(2011年)》的学科分类，但文献数据收录略显不够全面。所以两者各有优劣，应根据具体的需求做出最优的选择。

5 小结

大数据环境下学科服务的核心就是技术与创新，而技术与创新的首要前提是思维的改变。环境在变，思维也在变，大数据环境就需要大数据思维。面对大数据时代带来的挑战，把大数据的理念、方法、技术结合图书馆的实际情况，寻找适合图书馆发展的新服务、新方向是图书馆提高服务质量的关键。

[1] 杨振力.大数据时代图书馆学科服务模式探析[J].图书馆学刊,2016,(6):73-75.

[2] 薛风平. 加快实施国家大数据战略[ EB/OL] .[2017-05-02].http://wb.qdqss.cn/html/qdrb/20160109/qdr b131138.html.

[3] Bernard Marr. Big data: the 5Vs everyone must know [EB/OL].[2017-05-05]. http://www.linkedin.com/pulse/20140306073407-64875646-big-data-the-5-vs-everyone-must-know.

[4] 刘江红, 赵桂荣. 大数据时代高校图书馆个性化学科服务创新探究——以黑龙江大学图书馆为例[J]. 农业图书情报学刊, 2016, 28(12):166-170.

[5] 隆茜.数据素养能力指标体系构建及高校师生数据素养能力现状调查与分析[J].图书馆,2015，(12):51-56.

[6] 郝媛玲, 沈婷婷, 高珊. 高校数据素养教育实践的思考和建议——基于哈佛大学案例和我国图书情报人员访谈的分析[J].图书情报工作, 2015，(12):44-51.

[7] 周凤飞, 王俊丽. 天津市高校图书馆学科馆员数字能力现状研究[J]. 图书情报工作, 2015，(19):47-54.

[8] 蔚海燕, 卫军朝. 研究型图书馆学科服务的转变:从学科馆员到学科服务平台[J]. 大学图书馆学报, 2013, 31(6):74-81.

[9] 李书宁. 985高校图书馆学科服务平台建设情况调查与分析[J]. 图书与情报, 2015，(4):71-76.

[10] 贠琳红. 高校图书馆嵌入式学科服务与传统信息服务的比较分析[J]. 农业图书情报学刊, 2014, 26(9):179-181.

[11] 闫文轩. 基于文献计量学的高校图书馆学科服务创新探索——以武汉纺织大学图书馆为例[J]. 中国教育技术装备, 2016，(2):79-80.

[12] Koltay T.Data literacy: in search of a name and identity[J].Journal of Documentation，2015，71(2):401-415．

[13] 刘禄峰.大数据环境下高校图书馆学科服务云平台构建研究[J]. 图书馆学刊, 2016，(3):99-101.