面向小数据的图书馆精准创客服务研究

刁 羽，畅 佩（四川理工学院图书馆）

面向小数据的图书馆精准创客服务是以创客的创新需求为中心，全方位、多角度地跟踪、收集、整合创客小数据，并及时发现、分析创客群体的个性化需求，最终目的是给创客群体在研究过程中提供具体问题的解决方案，为创客群体个性化服务提供最有价值的决策支持。

1 创客小数据

1.1 内涵

第一位意识到“小数据”重要性的是美国康奈尔大学教授德波哈尔·艾斯汀，这位计算机科学教授认为小数据是一种新的具有明确个体属性的信息证据，它是“yourrowoftheirdata”（他们数据中属于你的那行数据）。［1］换句话说，小数据是围绕不同属性个体或群体全方位、多层次采集的特征、行为模式及情景感知的数据集合。创客小数据是创客群体在创客项目研究过程中全部行为和状态数据的累积，它重点分析的是创客群体在某个时间或空间节点的因果关系和数据背景，同时对于分析解决创客群体具体想法、行为和需求的个性化问题具有极其重要的参考价值。面向小数据的图书馆精准创客服务建立在对创客群体小数据进行全面深入分析的基础上，是为创客群体提供知识资源的新型服务模式。它的精髓在于全方位地提炼创客群体在研究过程中不同族群的“小数据”，并结合特色化的、符合创客需求的知识资源，充分利用碎片化的时间让创客体验更贴心、更实际、更个性的精细化服务。

1.2 类型

图书馆创客小数据主要由创客群体特征数据、创客行为感知数据、社会关系数据3种类型构成（见下表）。

① 创客群体特征数据是体现创客群体基本特征及预测、判断创客需求信息的主要依据。［2］该类型的数据由创客群体基本特征数据（如姓名、学历、研究方向、职称等）、服务需求反馈数据、服务满意度评价数据组成，数据主要来源于移动图书馆、微信图书馆以及创客服务集成管理系统。② 创客行为感知数据来源于图书馆服务器监控设备、视频终端监控设备、物联网设备等，主要记录创客群体利用知识资源的物理位置、行为方式、科研习惯、创新偏好等。③社会关系数据主要是通讯系统、网络系统收集的以及其他与创客群体相关的数据，主要记录创客群体当前的目标状态、心理状态以及周围的设备状态等，这些数据是创客小数据集的重要补充。

表 图书馆创客小数据构成类型

2 创客小数据在图书馆精准创客服务中的应用优势

以创客群体为中心，根据创客群体小数据精细处理结果，可以有效地帮助创客服务团队精准了解和把握创客群体的个性化需求。在服务过程中，服务团队全面融合、更新、监测和分析不同层次的创客相关数据，为创客群体提供实时知识或咨询服务，这种服务方式对图书馆开展个性化的创客服务具有重要的意义。

（1）创客小数据总量小、易采集和集中性高的特征，为创客精准服务创造基础条件。图书馆创客小数据来源是以创客群体为对象而采集的团体特征、感知及社会关系数据集合，不同属性的创客群体数据在采集方法、时间及应用背景上，都会有极强的个性化特征。创客小数据总量较少、种类单一，与大数据相比，对不同族群“创客小数据”进行采集、分析研究相对便宜，它不需要图书馆投入大量经费购买数据分析软件或硬件设备。而小数据自身固有的集中性，能有效地避免社会数据“噪音”，为创客需求定位、机会分析提供了精准的战略支持，从而为创客群体个性化精准服务创造基础条件。

（2）创客小数据以创客群体为中心的动态感知及预测数据，为创客群体精准服务创造因果条件。创客服务团队通过深度、动态地采集和分析创客群体特征数据、创客行为数据、社会关系数据等，能够实时动态地感知及预测创客群体的创新意向、科研行为习惯及后期创客需求状态；在构建创客创新发现模型的基础上，建立创客创新发现数据库，将创客的稳定创新与即时创新进行加权计算和融合，准确找出和预测创客的知识需求点以及未来的创新点，从而为创客群体在科研过程中遇到的各种问题提供更加快捷、直接、精准的解决方案。

（3）创客小数据非结构化及完整性的特征，为图书馆精准创客服务提供科学保障。对于创客小数据来说，视频监控设备、物联网设备、服务器监控设备、社会媒体（微博、微信、博客）等产生的及第三方增值服务商共享的视频数据、图片数据、文本数据等具有多样性、主观性及随机性的特点，其呈现出的非结构化属性，更能体现创客群体的行为特征。随着创客项目的进展以及创客群体活动范围的扩大，其产出的数据总量在不断增加，类型也趋于多样化，于是就可以获得更加多样化、个性化的反映创客群体行为特征的完整数据。这些非结构化的不同族群的“创客小数据”能清晰而精确地描述出提供的知识资源或服务是否最优、是否能获取预期的创客满意度，这些数据实际应用过程的精确判断能为精准创客服务提供科学保障。

3 建立面向创客小数据的创新发现系统

图书馆精准创客服务重点在于全面跟踪处理不同种族的创客小数据，最大程度地满足创客群体对个性化精准服务的需求。本研究通过建立面向创客小数据的创新发现系统，发现创客的需求所在，感知创客的创意所在，并更加关注创客群体本身，进而充分体现图书馆以人为本的核心价值观。面向创客小数据的创新发现系统以创客基本特征、创客行为感知、社会关系等小数据为采集对象，在构建创客实时创新模型的基础上对创客小数据的统一管理问题制定相应的对策，从而最大程度地为创客群体提供个性化的精准服务。

3.1 构建面向创客小数据的创新发现模型

当前，Web技术正在高速发展，很多互联网公司在有一定用户积累之后，需要告别早期粗放式、高成本的服务方式，走上根据用户特征和价值提供精准化服务的道路。在无法实现大数据用户画像的条件下，为用户打上价值标签以实现用户分类，简单而有效。标签系统提供了从多维度进行用户分类的方法，在用户分类的基础上，实现差异化服务、差异化匹配，最大程度地节约服务成本。［3］本研究依据标签个性化、差异化、共享化的特性，将不同属性的创客小数据进行标签标准化处理，并结合创客稳定创新研究和即时创新研究，设计出基于标准标签的创客实时创新模型。该模型能够实时表达创客创新意向以及体现相关创客项目的研究进度；还要能发掘和预测创客稳定创新与即时创新；并将创客小数据映射到标准标签，将标准标签作为创新项，进行权重的计算；同时对创客群体科研行为、社会关系数据进行不同维度的特征提取及去噪，实时动态地反映创客创新意向的变化特征；最后结合创客服务满意度进行综合评估，精准匹配资源，最终实现图书馆的精准创客服务（见下图）。

图 创客实时创新模型流程

（1）创客小数据采集层。① 通过创客注册采集创客基本特征数据；② 图书馆通过服务器监控、视频监控设备以及物联网技术的各种传感设备，结合标准标签集合采集创客行为感知小数据和社会关系数据。

（2）创客小数据处理与分析层。① 对创客基本特征数据通过映射标准标签集合，直接作为创客稳定创新研究模型；② 将与创客行为感知相关的一系列小数据进行去噪和映射的标准化处理，同时利用遗忘函数计算并聚合分析创客创新特征数据，进而建立创客即时创新模型。

（3）创客创新发现层。将创客小数据挖掘与分析层的稳定创新与即时创新进行加权平均计算和融合，删除不受创客关注的冷门发展领域，形成动态的创客实时创意数据库。

（4）创客精准服务决策层。将图书馆知识资源与创客服务满意度数据进行多角度、多层次地比对、评

价，根据比对评价结果对创客群体的实时创意提出合理建议，从而实现精准服务决策。

3.2 创客小数据的统一管理

（1）创客小数据的采集原则。在面向小数据的创客创意发现系统中，创客小数据采集的重点是创客创新特征数据和行为感知数据。针对不同需求不同背景的创客群体，其采集的广度、深度以及范围都有所不同。服务团队要依据特性和来源对数据进行分析与提炼，再结合创客群体创新意向，进行动态聚合分类，同时不断监测和更新数据的动态变化，尽量避免创客小数据过度追求同源性和一致性。在降低创客小数据总量的同时，提高数据价值密度，从而为图书馆精准创客服务提供更全面的、高品质的数据支持。

（2）创客小数据的处理与分析。① 对采集的创客小数据制定语义明确的标准标签，即同一数据可以被许多不同的标准标签标记或同一标准标签可以标注不同属性的数据。通过对创客小数据在不同时间和空间维度上的分类、聚合、关联、评估等处理，降低数据噪音，挖据出高品质的小数据，最大程度保证创客小数据的高效应用。② 利用基于共现率的标签标准化方法和基于聚类的标签标准化方法对不同族群的创客小数据进行标准化处理，［4］本着减少系统资源损耗的原则，只分析标签之间的相似度。③ 根据创客群体的行为特征和规律，将采集的创客小数据经过一定序化标准标签的集合、加权，形成动态资源集合，在数据整合和二次增值筛选的过程中发现小数据之间的关系，预测创客创新研究的变化。

（3）创客小数据的使用与共享。创客小数据作为创客群体全面特征描述的数据集合，具有多种来源途径，且涉及创客群体各方面的隐私信息。为此，创客小数据内容的共享需要规章制度加以规范。① 需明晰各类型、各层次的数据使用方的许可权，要让创客具有知情权，可随时审计他们的使用情况，保留撤销或转移数据的权利。② 在创客小数据的具体使用和共享过程中，图书馆要制定创客群体隐私保障机制，严格依据保密法适度共享创客小数据。③ 建立区域或某研究领域的创客小数据共享联盟，在联盟组织内制定相应章程规范，合理使用和共享创客小数据。［5］

4 面向小数据的图书馆精准创客服务构建策略

面向创客小数据的图书馆精准服务以创客群体的需求为导向，强调创客个体小数据的全面收集和处理，通过追踪创客在科研过程中的动态数据，指导用户正确决策，为创客提供综合集成的知识资源并以解决创客问题为最终目的的一种高端知识利用服务。

4.1 树立面向小数据的图书馆创客精准服务意识

树立面向小数据的创客精准服务意识，首先要重新审视创客知识资源的价值。创客知识资源不同于一般的学科知识资源，它是与创客科学研究紧密相关的知识深度与浓度的深层次加工，需要相应的服务团队适时嵌入并对其进行跟踪、整合与开发，才能形成更有价值的资源，该资源能更高效地帮助创客群体实现知识更新和解决实际问题。其次是须将创客精准服务纳入到图书馆深层次服务的工作范畴，以创客群体的需求为导向，针对创客群体在科研过程中所遇到问题的解决方案，为创客群体推送个性化的服务。

4.2 构建基于创客小数据的知识资源库

创客知识资源是将大块学科领域的单知识进行分解、萃取的浓缩知识，具有动态性、随机性、精炼性的特点。在基于小数据的创客创新发现系统中，通过全面收集和处理创客群体“小数据”，在不同类型的小数据资源库基础上，以创客需求为导向，经过一系列整合、挖掘、监护等处理过程，建立对应的小数据知识库。“创客小数据知识库”是一种具有特殊属性的数据知识库，是基于创客群体行为特征的、展现其在时间维度和空间维度需求的知识空间集合。［6］创客服务团队可以利用小数据知识库不定期地与学科知识需求分析系统进行交互，在提供强有力的数据支撑的同时，及时观察和挖掘创客潜在的需求，为创客提供更具个性化的知识资源服务。

4.3 创建面向小数据的创客自助知识与自主管理平台

面向小数据的创客自助知识与自主管理平台能够有效协助创客群体发现个人或团体的知识构架。创客人员可通过该平台进行小数据的收集、上传、下载、保存等。在实现自我知识组织、自我知识管理、自我知识服务的同时，适时对小数据展开分析，即对不同族群的“小数据”关系链进行多维化重构，创客可据此实现自我历史小数据的纵向对比，从而发现自身在知识结构、知识获取、知识传播等方面的个性化特征及缺陷。在此基础上，创客还可将小数据分析结论与平台云计算、大数据分析建议相结合，利用创客大数据的横向对比，得出适合自己当前情境的知识分析结论。

4.4 细化分类，关注高端创客群体

面向小数据的创客个性化服务是一个需要不断交互的过程，它需要创客服务团队同时与创客、资源系统进行不间断的深入交流，从而保证服务方案的精准提供及创客服务的高品质。根据创客需求小数据及创客群体的差异化需求，将创客群体进行细化分类，形成若干精准服务的动态子群体，针对这些子群体制定不同的采集标准，通过深入挖掘和分析创客小数据，构建创客价值评价模型、创客服务产品关联分析模型及创客子群体关系管理模型等，过滤出具有实际及潜在价值的高端创客群体。这样可降低服务边际成本，提升图书馆与高端创客群体粘度，在普遍满足服务质量的前提下，为高端创客群体定制个性化的特色服务和产品，全面提高图书馆创客服务效益。［7］