APP下载

读者大数据在高校图书馆阅读推广中的运用
——基于南京大学图书馆NLSP系统数据的分析

2022-05-30张侃宁

关键词:南京大学周转率委托

张侃宁

(南京大学 图书馆,江苏 南京 210046)

引言

目前,大数据技术已渗透各行各业,图书馆也不例外。高校图书馆在日常工作中,积累了大量有关读者的数据,包括读者身份特征以及行为记录等。这些数据反映出读者的阅读行为、阅读习惯、阅读偏好以及文献利用等方面的信息。

“数据运用能力和图书馆提供服务能力紧密相联,只有在充分分析读者和资源数据的基础上,图书馆才能够进行精准的阅读传播和其他个性化服务,从而获取竞争优势。”[1]因此,为提升竞争优势,高效利用这些数据辅助日常的图书馆工作,做出合理决策,尤为重要。“读者大数据能够帮助图书馆从形式、群体、内容、平台等方面进行精准高效的阅读推广服务。”[2]本文即以NLSP系统相关的读者数据为母本,分析读者大数据在阅读推广中的运用,并提出相关建议。

NLSP(Next Library Service Platforms或NJU Library),是南京大学图书馆于2019年4月26日发布的以微服务框架下纸电数一体化为核心的新一代图书馆系统平台。此平台由南京大学图书馆与江苏图星软件共同研发,是国内首家新一代图书馆服务平台。“同年9月24日,NLSP在人机交互、数据服务、权限管理、专业规范等多个方面完成功能迭代,推出了2.0版本。2020年9月22日,NLSP3.0版本作为南京大学图书馆‘十三五’规划的重要成果发布。”[3]。考虑有些数据需要以年度为区间统计,因此笔者选取2020年1月至2021年9月系统记录的读者数据为样本,以确保所有数据均来自NLSP系统。

下面将从读者、时间、文献三个方面进行交叉挖掘分析,结合具体实践,阐释这些读者数据如何运用到阅读推广工作中。

1 读者综合借还分析

为方便统计分析,笔者以年度为单位,将南京大学图书馆NLSP系统借还数据分两个部分展示。

从表1可以看出:2、3、4月受寒假以及新冠疫情影响,综合借还数量是全年最低值,2月份甚至出现借还仅为1册次的情况。但也正是因为正常借还受到影响,该月的续借册次数值偏高。从5月份开始,分批返校以及特殊情况可申请返校政策下达,借还册次开始逐步回升,尤其是6月份毕业季的到来,还书册次达上半年之最。8月正式迎来开学返校,借还册次在9月迎来峰值。10至12月,随着新学期的推进,借还数据趋于稳定,12月份临近考试,出现一个小的借还高峰。

表1 2020年南京大学图书馆借还综合分析Table 1 Comprehensive analysis of borrowing and returning of NJU library in 2020

表2 2021年1-9月南京大学图书馆借还综合分析Table 2 Comprehensive analysis of borrowing and returning of NJU library from january to september in 2021

从表2可以看出:2021年2月,因受寒假影响,同样迎来谷值;3月返校归来,迎来借还高峰。7、8月份,受疫情影响,暑假留校人员普遍多于寒假,因此并未出现2020上半年那样借还数据绝对值极低的情况。

针对以上读者综合借还规律,图书馆工作人员可适时进行阅读推荐。每年1月份,是考试月和寒假的衔接期,该月的借还数值相对稳定,且续借册次也有一定的数值,说明有相当数量的读者寒假依旧有阅读的习惯,且习惯于选择需要的图书带回家阅读。针对这种情况,可以在寒假正式来临前发起阅读推荐,以供读者选择。笔者所在的南京大学图书馆,在2021年1月寒假正式来临前,进行了推荐书目的公众号推送。此次书目推荐,以视频拍摄为辅助手段,由馆员直接出境拍摄,将阅读推荐与宅家防疫、强身健体结合起来,以寒假宅家小攻略的主题呈现。每年下半年,针对9月份开学季即将迎来下半年的借还高峰,可先在暑假8月份有针对性的开展书目推荐工作,让读者在开学前便能接收到相应的推荐信息,以满足新学期伊始高涨的阅读需求。

2 读者分类借阅统计分析

依据NLSP系统,2020年1月至2021年9月,南京大学图书馆分类借阅(见表3、表4)。为方便统计以及对比分析,笔者以自然年断开。

从表3、4可以看出,这两年的分类借阅情况大致相当,也就是说,每年分类文献的借阅量在该年全年文献借阅量中的占比基本相似,且借阅总计这一绝对数值也无明显差别。从借阅量上看,文学类、哲学类、政治法律类、历史地理类文献的借阅量最大,借阅率最高。对于此四类稳定的高需求文献,应当做好长期的阅读推送工作。

3 文献利用率分析

依据NLSP系统,2020年1月至2021年9月,南京大学图书馆入藏图书利用率如下。

表5按照中图法将文献分类,统计指定时间段内可借文献馆藏、借阅种次、借阅册次、利用率等信息。其中:可借文献馆藏是指书刊状态标记为“可借”的文献;借阅种次是指按种类计次,即每种书只要有1册被借阅过,即使借阅多次仍计1次;借阅册次也是同样,同一种书刊借阅种次多于1次时,仍记为1次;利用率=借阅种次/可借文献馆藏(种)。

表3 2020年南京大学图书馆分类借阅统计Table 3 Classified borrowing statistics of NJU library in 2020

表4 2021年1月至9月南京大学图书馆分类借阅统计Table 4 Classified borrowing statistics of NJU library from january to september in 2021

从表5可以看出,文学类文献的借阅种次以3456次位列第一,且远超其他类别。余下的文献类别中,历史地理类、工业技术类、政治法律类、经济类以及哲学类的文献借阅种次均超过1000次,位列其后。同时,这六大类别也是可借文献馆藏种/册列表上排名前六位的文献类型。这说明文献入藏量与借阅种次间整体呈现正相关的关系。而在种次利用率方面,马列类文献的入藏量虽仅有409种1115册,位于所有文献类别中的下位圈,但种次利用率却以30.07%位居首位。数理科学和化学、自然科学总论类文献紧随其后,然而可借文献馆藏种/册数也都相对较低。政治法律类、经济类、文学类、历史地理类文献借阅种次和种次利用率间的波动较小,说明这几大类的文献入藏量与利用率处于相对均衡的状态。其中,艺术类文献的入藏量与利用率间的差距较大,相对于其2507种5095册的入藏量,8.5%的种次利用率数值较低。这样的数值偏差,一方面是因为南京大学图书馆有专门的艺术与特藏文献阅览区,其中有部分的艺术类图书以L类编目,与中文图书借阅区内的J类艺术类图书区分开来,另一方面也说明,在日后的阅读推广实践中,可以进一步加强艺术类文献的推广工作,从而也能积极活跃艺术类书书籍的文献利用率。

表5 南京大学图书馆文献利用率

4 文献周转率分析

周转率,是指一定时间段内文献归还量与借阅量之比。依据NLSP系统,2020年1月至2021年9月期间,南京大学图书馆的文献周转率统计如下表。

从表6、7可以看出,2020年文献周转率总体上处于均衡状态,归还与借阅比基本为1∶1。3月份受疫情影响学生无法返校,文献周转率极低;6月毕业季,积压图书归还高峰,文献周转率极高。其余数值,基本上围绕100%合理波动。

表6 2020年南京大学图书馆文献周转率Table 6 Document turnover rate of NJU library in 2020

表7 2021年1月至9月南京大学图书馆文献周转率Table 7 Document turnover rate of NJU library from january to september in 2021

2021年1月至9月的数值无太大波动,虽然7、8月一定程度上受到疫情影响,但整体上符合寒暑假数值相对较低的情况。

时间维度的文献周转率分析,还可以与上文提到的综合借还分析结合起来,可以在像上半年的3、4、5月以及下半年的9、10月,借书量以及流通周转率均处于活跃期的阶段,以定期专栏的形式进行书刊推荐或其他形式的阅读推广的系列投送。

除了从时间的维度分析文献周转率,还可以从文献本身的角度分析。

表8是从文献本身维度,统计出来的2020年1月到2021年9月,南京大学图书馆的文献周转率。从表格中我们可以看出,除航空、航天类文献周转率低于100%外,其余均在100%以上,且各类文献的周转率相差不大,均在100%上下轻微浮动,说明分类文献的周转率整体均衡。其中文学类、历史地理类、政治法律类、哲学类、工业技术类书籍的借阅量最大,且周转率也位于上位圈。针对这种借阅量大且周转率高的文献类型,可以确定不同主题,在线下设立专题书架,与线上推送互相配合,以弥补单一“客户端”导致的信息遗漏。

表8 2020年1月至2021年9月南京大学图书馆文献周转率Table 8 Document turnover rate of NJU library from january to september in 2021

5 读者借阅量个体分析

依据NLSP系统,2020年1月至2021年9月期间,南京大学图书馆各个类型读者的整体借阅量情况如表9所示。

表9的数据显示,本硕博学生的最大借阅量均超过500本,本科生以576册据首位,教职工的最大借阅册数相对低一些。在平均借阅册数和中位数方面,博士生以22.36册、8册居首位,教职工位列其后。而这四种类型读者的最小借阅量和借阅量众数,均为1册。纵观各项数值,本科生和硕士生之间的各项数值差别很小,而以上两者与博士以及教职工差别相对较大,这和不同类型读者的学业科研压力、知识水平层次、查阅资料的习惯等密切相关。

表9 读者借阅量个体分析Table 9 Analysis on library loan based on different reader types

仅从读者借阅量个体分析这一项数据模型就可以看出,阅读推广一定不能忽视不同类型读者间的个体差异。在文献推荐方面应当配合这些差异,将“浅阅读”与“深阅读”“泛读”与“精读”“通识类阅读”与“专业类阅读”结合起来。“大学图书馆阅读推广应以学科为主,以支撑专业教学与研究为重点,在学术性的基础上持续提升阅读推广的深度。”[4]目前,为满足这一方面的需求,南京大学图书馆从2020年4月起推出了“上书房行走”这一阅读推广活动。截止至2021年7月,这一系列活动已经推出40期。每一期邀请一位来自南京大学的学者介绍自己的书房,分享自己的读书经历、读书感悟,并附上专业的荐读书单。做阅读分享的学者来自各个不同学科,均在自己的学术领域很有建树。虽然高校图书馆在阅读推广中扮演着重要角色,但教师对学生的阅读却有着天然影响力,这种影响力就在阅读体验的分享中感染着学生[5]。因此在今后的阅读推广实践中,应进一步加强与教师的合作交流,从而将本科生、硕士生、博士生以及教职工这四类主要读者群串联起来,共同参与到阅读之中。

6 读者请求分类统计分析

目前,南京大学图书馆提供的读者请求类型服务主要是两种,一种是预约请求,一种是委托请求。这两种服务均是针对读者“指定图书”需求的服务。

表10是南京大学图书馆2020年委托借阅的情况。委托申请,是指读者发起的委托请求次数;委托到书,是指委托时间内读者发起的委托请求的书已经从书架上取下,准备发往或者已经到达取书地的次数;委托借出,指的是读者发起的委托请求的书已经被读者成功借出的次数;委托申请借阅比率,即委托借出/委托申请的比率;委托到书借阅比率,即委托到书/委托申请的比率。

从全年情况来看,政治法律类、文学类、经济类、历史地理类文献的委托借阅需求最大,交通运输、航空航天、军事类以及马列类文献的需求量最小。委托到书借阅比例反映出书刊实际找到的情况,这一数值基本在65%上下浮动。委托申请借阅比例反映出书刊实际借出的情况,这一数值基本上在57%上下波动。委托到书借阅比例与委托申请借阅比例间的偏差反映出读者到馆取书的情况,差值越小说明取书情况越好,反之说明越差。从上面的对比图可以看出,除个别委托量需求极低的文献有较大偏差外,大部分文献这两者间的偏差很小,基本上在8%左右,说明委托到馆取书整体情况良好。

表11是南京大学图书馆2021年(截止到9月底)委托申请的情况。与2020年相比,文学类、政治法律类、历史地理类、经济类文献依旧是需求量最大的几类文献。与此同时,委托申请数据较2020年也有了一些变化。首先,2021年(截止至9月底)的委托申请总量已经基本与去年全年持平,由此可见今年整体的委托需求是在上升的。其次是马列类文献的委托需求有了明显的提升,由去年的9次提升至今年(截止到9月底)的60次。这一方面说明读者对马列类文献的阅读兴趣有所提升,另一方面也说明,在建党100周年之际,南京大学图书馆推出的一系列相关阅读推广活动取得了一定成效。其中,包括每月固定的新书速递推送,大力推荐与此内容相关的新书,党史学习专题书目推介系列推送,以“学党史·悟思想·办实事·开新局”为主题的党史学习教育暖心活动,以传统拓印庆建党百年暨“金陵石语——南京大学藏南京地区历代碑帖展”活动,以及“像毛泽东主席、习近平总书记那样读书”的主题书展参观活动,并在仙林图书馆二楼大厅进口“新书角”区域开辟了专门的“百年党史学习专题区”书架,供老师和同学随手查阅。最后,较之于2020年,2021年的委托请求类别上新增了农业科学条目。

从以上数据还可以看出,某些冷门类文献的委托需求量绝对值虽然很低,但借阅完成度相对较高,说明此类文献的特定“用户粘性”很强。针对这种特定“用户粘性”很强的冷门书籍,我们可以做专门的系列书籍推送。这样既满足了“小众阅读者”的兴趣,保证阅读推荐的准确性,又可以推广一些平时受众相对较少的文献。而阅读推荐作为阅读推广工作中的一项重要内容,除准确性之外,多样性、新颖性、惊喜性等指标也同样受到用户关注[6]。如果非目标读者群阅读到这类平时接触甚少的书籍,意外发现非常喜欢,则说明这样的推荐方式极大弥补了阅读推荐在多样性、新颖性与惊喜性上的相对不足,同时也能提高图书馆的文献利用率,让冷门书籍也变得鲜活起来。

表12是南京大学2020年预约申请分类统计数据。预约申请是指,指定预约时间内,读者发起的预约请求次数;预约到书是指,读者发起的预约请求的书已经被还回,准备发往或者已经到达取书地的次数;预约借出是指,读者发起的预约请求的书已经被读者借书成功的次数;预约申请借阅比率是指,预约借出/预约申请的比率;预约到书借阅比率是指,预约到书/预约申请的比率。

从全年情况来看,文学类、哲学类、政治法律类、社科总论类、工业技术类、历史地理类文献的预约需求是最大的,军事类、农业科学类文献的预约需求最小,到书与借阅比例都为0%,说明并无此两类文献通过预约的方式成功借出。从表12中可以看出,预约到书借阅比例与预约申请借阅比例整体处于60%以下,其中预约到书借阅比例主要集中在45%上下,预约申请借阅比例主要在30%上下浮动。预约申请借阅比例与预约到书借阅比例之间的偏差反映出读者实际取书的情况。生物科学类、工业技术类、艺术类文献的偏差比例比较大,而整体偏差则在15%上下浮动。这说明依旧存在一定比例的到书不取现象。较低的预约到书比例一方面说明存在一定比例的热门书刊副本不足,另一方面也说明存在一定数量的被预约书刊未能及时归还。

表10 南京大学图书馆2020年委托申请分类统计Table 10 Classified statistics of entrust application of NJU library in 2020

表11 南京大学图书馆2021年委托申请分类统计Table 11 Classified statistics of entrust application of NJU library in 2021

表12 南京大学图书馆2020年预约申请分类统计Table 12 Classified statistics of document reservation of NJU library in 2020

表13 南京大学图书馆2021年预约申请分类统计Table 13 Classified statistics of document reservation of NJU library in 2021

表13是2021年(截止到9月底)南京大学图书馆预约申请情况。从整体上看,文学类、政治法律类、历史地理类文献的预约需求量依旧较大。预约到书比例较上年有小幅上涨,预约到书借阅比例与预约申请借阅比例间的差值依旧在15%左右。和分类借阅统计一样,预约申请次数也体现出某类文献的热门程度。因此在做热门文献的阅读推广时,也应选择各类文献中预约次数较多的文献,以分门别类或者类别交叉的形式定期推送,扩大热门图书的馆藏副本,并定期推送这些新增的热门馆藏副本的上架信息。

6 结论

以南京大学图书馆研发并运用的NLSP系统所产生的相关读者数据为样本,从读者综合借还、读者分类借阅、文献利用率、文献周转率、读者借阅量、读者请求等六个方面,分析读者大数据在阅读推广中的具体运用。读者大数据反映出读者的阅读行为、阅读习惯、阅读偏好等重要信息,应充分挖掘这些数据背后潜在的阅读规律,将其运用到阅读推广工作中来。利用读者大数据,我们可以精准选择阅读推广的黄金时段,选择满足读者阅读需求的文献类型。具体实践中,阅读推广要做到线上与线下活动相结合,既要满足读者的显性阅读兴趣,又要善于发掘读者的隐性阅读需求,既要做好基础的“浅层次”阅读推荐,又要努力打造“深层次”的专业阅读,从而提供更加精准化、“用户粘性”更强的个性化服务。

猜你喜欢

南京大学周转率委托
谆谆教导 殷殷期望——南京大学师生热议习近平总书记给南京大学留学归国青年学者的重要回信
汽车委托外加工零件自动化配置管理
雄心壮“智”塑品牌,四载春秋担使命——记南京大学华智全球治理研究院成立四周年
神秘人约在几点碰面?
个股盘中突然暴涨暴跌原因分析
关于提高电力库存常规储备物资周转率的研究
应收账款的优化管理
试论企业营运能力分析
委托第三方参与立法需完善机制
南昌大学章程引发“南大”简称之争