NSTL原文传递服务用户画像分析

蒋 君 王 超 张 玢

(中国医学科学院医学信息研究所/图书馆 北京 100005)

1 引言

随着信息时代的到来，跨领域多学科交叉研究不断深化，任何一家图书馆的馆藏资源都难以满足用户多样化信息需求，需要通过文献资源共享和文献传递的方式来解决[1]。用户画像技术能够较好地描述用户特征和信息需求，在用户和图书馆之间搭起交流桥梁，有利于驱动原文传递的创新发展。

用户画像以数据分析为工具，通过对用户属性、行为等方面的挖掘，了解并跟踪用户的需求变化，从而进行精准营销[2]。最早提出用户画像概念的是交互设计之父A. Cooper，将其定义为基于用户真实数据的虚拟代表。Rebecca M. Quintana将用户画像描述为一个从海量数据中获取、由用户信息构成的形象集合，通过这个集合可以描述用户偏好兴趣等个性化需求[3]。在图书情报领域，Amato G认为信息提供者的最终目标是满足用户的信息需求，为用户定制用户画像[4]。Mao Jin探讨基于标签的个性化推荐新方法[5]。王庆基于用户画像进行图书馆资源推荐模式设计与分析，为图书馆开展个性化服务提供新思路[6]。许鹏程在数据驱动下进行数字图书馆用户画像模型构建，以促进数字图书馆的知识服务升级[7]。陆尧针对区域图书馆联盟文献传递进行用户行为分析，提出改进意见[8]。本文在国家科技图书文献中心(National Science and Technology Library，NSTL)原文传递的基础上对用户画像进行分析，以便精准了解用户需求，实现资源服务内容精细化。

2 数据与方法

2.1 数据来源

中国医学科学院医学信息研究所/图书馆(以下简称医科院图书馆)为NSTL的医学分中心，面向全国科研单位提供医学类信息服务工作。医科院图书馆目前拥有医学及相关学科高质量数据库91个，电子期刊16 300余种，纸本期刊4 500余种，涵盖基础医学、临床医学、药学、公共卫生等医学各学科及化学、心理学等医学交叉学科。本文选取医科院图书馆2018年1月1日-12月31日期间通过NSTL原文传递系统向全国医学科研机构提供的80 866篇原文传递文献为数据源。

2.2 研究方法

对80 866篇原文传递文献进行数据清洗和整理，采用文献计量学方法分析原文传递的语种、出版年等外在特征，聚类分析法计算出文献的领域特征，时序分析法分析用户申请的时间规律，从用户的行为信息和偏好兴趣两个维度对用户画像进行分析，以便优化资源建设，改进工作流程，提高工作效率和用户满意度。

2.3 分析框架

用户画像是一个长期逐步完善的过程，其目标是通过对用户行为、偏好等方面分析，给用户打上标签，以便精准快速分析用户行为习惯，为其提供个性化服务。NSTL原文传递用户画像是在原文传递的基础上通过原文传递系统获得用户行为数据并进行预处理，形成规范化用户信息加以存储，然后对这些用户信息进行分类聚类等统计分析，勾勒出精确的用户画像，从而指导原文传递服务升级。用户画像分析框架，见图1。

图1 用户画像分析框架

3 用户画像构建

3.1 用户偏好

3.1.1 语种 2018年共有458位用户通过NSTL原文传递服务平台向医科院图书馆申请原文传递服务，单个用户最高申请次数为20 675次。医科院图书馆发送原文传递文献80 866篇，去重后为50 648篇，其中单篇最高发送量为81次。将80 866篇原文传递文献按语种进行分类，见表1。可以看出原文文献主要以外文文献为主，占99.6%。同时还有33篇中文文献，全部是北京协和医学院的学位论文。分析其原因主要是：(1)医科院图书馆以外文文献为主，国外许多重要期刊是从创刊开始进行收录，覆盖范围广泛。(2)国际上多数医学期刊论文使用英文发表。(3)除使用英语的国家外，日本、法国、德国等国也有较好的医学专业和医学期刊，并且有些小语种(如匈牙利语、荷兰语、波兰语等)在国内是独家馆藏。(4)中文文献一般可以从中国知网或万方等网络数据库上查找全文，但北京协和医学院的硕博论文只能在图书馆获得。

表1 原文传递文献语种分析

3.1.2 类型 80 866篇原文传递文献共分为4种类型,见表2。在4种类型中期刊占绝大多数，其他3种类型只有少量，这与其自身特点有关：(1)期刊论文主要报道学术研究、学术创新点等成果，一般需要通过专家审稿，具有严谨性和连续性的特点，且医科院图书馆的外文医学期刊较为丰富，是医学研究人员首选。(2)会议论文是围绕某个会议主题在特定领域内的文章，是同领域内最新、最前沿的成果汇总，能及时反映学科发展趋向，有一定的参考价值[9]。(3)学位论文是作者为获得某种学位而撰写的研究报告或科学论文，具有一定独创性，参考文献多、全面，有助于对相关文献进行追踪检索[10]，并且北京协和医学院的学位论文是医科院图书馆的特色馆藏。(4)图书的内容比较系统、全面、成熟、可靠，但时效性不及其他类型文献，因此这类文献用户参考较少。对于这4种类型文献所包含的语种，期刊论文涉及语种较多，由除中文外的其他多语种文献组成，而学位论文仅包含中文文献，会议论文和丛书仅包含英文文献。

表2 原文传递文献类型分析

3.1.3 年代 原文传递文献按出版年代分布，见图2，可以看出：(1)1995-2018年每年都有申请，基本上是年代越新申请量越大(2018年除外)，说明用户非常重视文献的时效性，希望获得最前沿的科技成果。(2)2011-2018年的文献占比为51%，超过半数，2015-2017年这3年的文献需求量最多，其中2015年的文献超过6 000篇，说明近3年的文献是研究人员关注的重点。(3)2000年之前的文献约占5.5%，主要集中在《生殖医学杂志》(86篇，影响因子0.452，JCR分区Q4，妇产科)和《神经外科学杂志》(83篇，影响因子4.319，JCR分区Q1，临床神经病外科学)等期刊，说明这些医学期刊具有长尾效应，对现在仍有影响。期刊、会议和学位论文3种原文传递文献数量排名前3，将这3种类型分别按年代进行排序，见图3。期刊从1995-2018年都有使用，与总体趋势一样，年代越新使用量越大(2018年除外)；会议论文重点关注前一年(2017年)的文献，共计21篇；学位论文涉及2010-2017年10年的文献，且每年2～3篇，分布比较均匀。

图2 原文传递文献年代分析

图3 期刊类型文献年代分析

3.1.4 来源 原文传递文献共涉及3 883种来源文献，前360种期刊累计占比达50%。按文献量倒序排列，选取排名前20位，累积占比9%，见表3。总体来看：(1)排名前20位的来源文献申请次数都在240以上，最高达558次。(2)20种来源文献的JCR分区，Q1、Q2、Q3、Q4分别占50%、10%、10%和25%，多数文献分布在第1个分区，说明申请文献的质量较高。(3)排名前3的是《国际病毒学杂志》、《肝脏与胃肠病学》和《白血病和淋巴瘤》，这3种期刊的JCR分区均位于Q2～Q4，说明用户相对期刊来说，更看中单篇文献的质量。(4)3大顶级医学期刊《柳叶刀》(Lancet)、《新英格兰医学杂志》(NEJM)、《美国医学会杂志》(JAMA)分别位列第4、11和16位，影响因子较高，受到研究者的广泛关注。(5)还有一种期刊《印度医学会杂志》(第8位)未被收入SCI中，没有影响因子和JCR分区，但是文献传递量较高，说明用户关注印度相关的医学信息。

表3 前20位原文传递文献来源分析

3.1.5 学科分类 将文献按《中国图书馆图书分类法》(以下简称中图法)进行整理，除去没有分类的1 934篇(暂归为其他)外，共涉及中图法12个大类，超过中图法大类的50%，见图4。其中R医药、卫生领域最多，约占92%；其次是Q生物科学，占4%；再次是O数理科学和化学、T工业技术、N自然科学总论、D政治法律、S农业科学等与医学相关学科；此外还包括X环境科学、G文化科学、B哲学宗教、C社会科学总论和P天文学等边缘学科，表明这些学科与医学有交叉研究。在2级类目中，R73肿瘤学、R9药学的文献传递量最大，其次是R6外科学、R75皮肤病学与性病学、R74神经病学与精神病学等，由此得出这些领域是目前医学人员研究的重点。在非医药卫生领域，Q5生物化学、Q2细胞生物学、O6化学等领域文献较多。

3.1.6 标题聚类 从文献标题入手，运用Gephi可视化关系网络分析软件对内容进行分析。首先将所有标题进行分词，去除没有意义的代词、介词、副词、量词等停用词，选取词频在500以上的词，对其进行统计和聚类，揭示词与词之间的关联关系，见图5。通过分析可知这些文献主要聚为4类：以临床(clinical)为代表的粉色图标、以肌肉内(intramuscular)为代表的绿色图标、以治疗(treatment)为代表的橙色图标和以影响(effect)为代表的蓝色图标。粉色图标主要与临床、症、腺癌、肝脏、肺、肿瘤、分子、基因、血清等有关，代表腺癌、肝癌、肺癌等肿瘤在分子、基因和血清等方向的临床研究；绿色图标主要与肌肉、治疗管理、原发性、淋巴瘤、案例、外科、剂量、诊断等有关，代表原发性淋巴瘤、肌肉瘤等案例的诊断和手术；橙色图标主要与治疗、注射、药物、慢性、急性、疾病、风险等有关，代表慢性或急性疾病的注射或药物治疗及其风险因素。蓝色图标主要说明相关影响。各类内关系密切，各类间也有相互关联，连接的粗细代表关联强 度。

图4 原文传递文献学科分类

图5 标题聚类分析

3.2 用户行为

提交申请时间不仅可以反映用户工作习惯，还便于医科院图书馆根据需求量大小更好地安排工作。以下从工作日、月份、周期和时段4个时间维度对用户提交时间进行分析。从工作日来看，周一到周五的原文传递提交量相对较多，周末较少。周三是用户提交需求的高峰期，周二和周四其次，两头最少，见图6。从提交月份来看，10月、11月是最高峰，其次是7月和9月，然后是1月、3月和5月,见图7。这与申报奖项、课题和职称评定有一定关系。从提交周期来看，第41周(10月7-13日)提交需求最多，其次是第17周(4月22-28日)、37周(9月9-15日)和48周(11月25日-12月1日)，基本上都在提交月份的高峰期内，见图8。其中第41周与十一放假后需求积压反弹有关联。从提交时段来看，在24个时点中有3个高峰期：9-11点是第1个高峰期，也是提交量最大的时间段，12-16点是第2个高峰期，20-22点又迎来一个小高峰，见图9。从用户原文传递申请的全年时间分布分析，总体来说用户在10月节后第1个星期和4月、11月最后1个星期的周二到周四上午9-11点提交的申请最多，可以提前做好准备，根据需求量大小对工作人员进行相应调整，以便更好地为用户服务。

图6 提交工作日分析

图7 提交月份分析

图8 提交周期分析

图9 提交时段分析

4 启示与建议

4.1 关注用户需求，适时调整馆藏资源

从原文传递的分析结果可以看出大部分用户关注肿瘤学、药学、外科等领域资源及一些重点期刊，适当加强相应学科的资源建设将更好地满足用户需求。原文传递需求的学科分布将是加强针对性资源建设的参考，应定期向资源建设部反映馆内发送申请的情况，以便图书馆在购买新增资源时参考。

4.2 注重文献种类多样性，文献语种多样化

从用户需求特征看，期刊文献的需求量最大，但会议论文、学位论文和丛书也有需求，可能以后还包括标准、专利、科技报告等其他类型文献。从用户对文献语种的需求看，除英文外小语种文献也占有一定比例。为满足用户需求的多样化和个性化，建议文献采集时尽量扩充文献类型和语种。

4.3 拓展特种文献保障，完善馆藏资源揭示

原文传递的关键是找到用户需要的文献资源，这就意味着对文献要进行全面的揭示和完善的查询。目前图书馆中有少数馆藏资源只保存纸质版，尚没有进行数字化加工，难以实现统一揭示，尤其是一些珍贵的特藏文献，目前只有纸版保存。因此建议尽量实现图书馆的数字化处理，有利于文献的长久保存和有效利用。

4.4 预估工作强度，合理安排时间

根据用户提交申请时间可以推断出原文传递在每年的10月、11月达到高峰期，在每天的9-11点是一个高峰时段，可以根据分析结果预估工作量，做好工作安排，快捷高效地为用户服务。

4.5 加强宣传推广，提高用户满意度

相对于馆藏16 300余种电子期刊和4 500余种纸本期刊，原文传递文献使用量相对较少。为使用户能够有效使用图书馆资源，应不断进行原文传递服务的宣传和推广工作。可以采用发放宣传手册、举办讲座、走进课堂或者以公众号的方式进行宣传，重点介绍图书馆馆藏资源和原文传递的使用方法，为用户提供参考。此外可以向注册和潜在用户发放调查问卷，收集相关需求，以便及时改进，更好地为用户服务。

5 结语

原文传递是数字时代传统图书馆开展主动服务的一种表现形式。本文通过分析原文传递数据，描述用户画像特征，建立以用户需求和满意度为出发点的原文传递服务形式，根据用户画像中的需求调整馆藏资源，注重文献种类的多样性，完善馆藏资源揭示，根据用户请求时间分布，更加合理地安排工作，加强宣传推广，最终提高用户满意度。