基于时间序列的图书馆微信公众平台在突发公共危机中的统计研究：以徐州医科大学图书馆为例＊

安璐

（徐州医科大学，江苏徐州 221000）

随着”互联网”时代的到来，电子阅读方式已经逐步成为了高校学生获取信息和知识的主要方式之一。在这种网络化、快节奏的阅读背景下，各个高校也都建设起了自己的网络信息平台，来更好地服务广大师生。近年来微信用户数量爆发式的增长使其全面快速地融入政治、经济、社会、文化生活的各个方面，较传统媒体传播更加迅速、广泛、持久。因此成为了当代高校师生接触信息最广泛的一种方式。高校的图书馆是高校内最重要的文化传播场所之一，在当下互联网高速发展的情况下，利用高校图书馆自身的优势，有效推进文化传播工作，利用微信平台结合自身特点推进微信公众号服务，并能够在突发公共危机时期师生无法返校的情况下扩展甚至是替代高校图馆的功能，成为了许多高校研究的重点。图书馆微信公众号平台的阅读情况最能反映高校微信平台的发展情况。

笔者通过分析徐州医科大学图书馆微信平台建立以来2020-01-01—2021-05-31 的每日阅读量数据序列，建立整合自回归移动平均模型（ARⅠMA，Auto Regression Ⅰntegreate Moving Average）。对数据模型进行分析，给出一定的预测结果，并结合高校图书馆的有效信息，给出针对性的发展管理建议。

1 ARIMA 模型的定义

时间序列模型[1]是将一个或一组变量排列的顺序，依照时间顺序进行，作用于相关数字的表达式，来阐述变量与相互关系的方式，从而得到的一种离散数字组成的集合，利用模型预测序列未来走势，有助于为管理等工作提供科学合理的指导。时间序列模型可分为平稳时间序列和非平稳时间序列。平稳时间序列可以用来拟合回归方程进行未来的预测，而非平稳的时间序列不能直接做回归，会产生没有实际意义的伪回归。自回归模型是来阐述一种关系，历史值与当前值的相关联系，根据过去发生的数字来对本身的数字进行推测。AR 模型对于数据的要求比较高，要有一定的平稳性。自回归模型要确认一个阶数p，来用过去的数值来表示目前的数值。p阶自回归模型的公式定义为：

式（1）中：yt为当前值；μ为常数项；p为阶数；γi为自相关系数；εt为误差。

自回归模型有很多的限制：①自回归模型是用自身的数据进行预测；②时间序列数据必须具有平稳性；③自回归只适用于预测与自身前期相关的现象。

移动平均模型关注的是自回归模型中的误差项的累加，q阶自回归过程的公式定义如下：

移动平均法能有效地消除预测中的随机波动。自回归模型AR 和移动平均模型MA 模型相结合，就得到了自回归移动平均模型ARⅠMA（p，q），计算公式如下：

2 ARIMA 模型分析时间序列的基本步骤

将原始数据的时间序列可视化，观察平稳与非平稳分布，通过单位根检验，判断时间序列是否为平稳，通过ADF 找到最优参数，建立ARⅠMA 模型，进行预测。将原始数据的时间序列进行可视化处理，作图观察时间序列的趋势，如图1 所示。

图1 ARⅠMA 模型时间序列趋势图

对原数据进行单位根检验z-test 都小于各检验临界值，且p-value 小于0.05，所以一阶差分后，序列变为平稳时间序列，并绘制一阶差分图，如图2 所示。

图2 一阶差分图

ACF 和PACF 的模式呈现拖尾不明显，则需要尝试不同的参数值，然后通过赤池信息准则来判断，如图3 所示。

图3 一阶差分自相关图和一阶差分偏自相关图

本次模型构建结果，包括回归系数值、p值等。第一，模型参数表格展示模型构建结果情况，通常不需要对其过多关注，即使p值大于0.05；第二，信息准则BⅠC 和AⅠC 值常用于多次分析模型对比，它们的值越低，分析越好，如果需要进行多次分析，可以将这2个数值进行相关比较。从整体来讲述构建的模型的优化内容如表1 所示。

表1 模型参数表

结合BⅠC 信息准则，对多个潜在备选模型进行建模和对比选择，最终找出最优模型为ARⅠMA（0，1，2）。其模型公式为y（t）=0.199－0.731×ε（t－1）－0.219×ε（t－2）。拟合模型后，需要对得到的残差列进行单位根检验，随后检验残差序列是否为白噪声。根据z-test 和p-value，残差也为平稳时间序列。用Q统计量进行白噪声（White Noise）检验，通过白噪声检验的结果，可知模型的有效性拟合效果较好，如图4所示。最后生成ARⅠMA 模型生成的预测值和原始值的拟合线如图5 所示。

图4 模型拟合效果图

图5 ARⅠMA 模型预测图

3 结论与建议

运用徐州医科大学图书馆微信公众号平台的阅读量建立ARⅠMA 模型[2]并进行分析后，结合现实情况，得出了以下结论：微信公众号平台在公共危机引发的时期对图书馆有一定的替代效应，从2020 年公共危机时期后阅读量的波动比较明显，无明显趋势。预测趋势只是看出短期存在一定不稳定的波动趋势，这与实际情况随着期末的来临阅读量会有一定程度的波动比较明显的情况相符和。结合上述情况给出以下建议。

3.1 徐州医科大学图书馆微信公众号平台现状解读

ARⅠMA 模型生成的预测值显示短期趋势是波动的，并结合实际，随着期末与假期的到来，高校图书馆的纸质书籍阅读量与电子平台阅读量普通情况下都是趋向于减少的。许多学者都做过研究，高校图书馆的阅读量跟季节尤其是假期的来临是有相关关系的，李伟等就北京理工大学3 年内图书馆图书借阅量的数据研究，指出了图书借阅量具有周期性，并提出高校该重视纸质馆藏建设的建议；王家胜等通过分析青岛农业大学图书馆图书借阅量数据时序图，观察总结了借阅量具有季节性现象；许志荣以江南大学图书馆为例，鉴于图书馆借阅量序列的长期趋势和季节周期的影响关系，建立了合适的ARⅠMA 模型分析。针对图书馆公众号平台阅读量波动比较明显的情况[3]，并结合实际调查，微信公众号平台在公共危机发生后，还未恢复到以前高校师生稳定的阅读量，这一期间内容没有无可替代性，应该加强图书馆微信公众平台内容的建设，师生阅读的黏性，在扩大影响力的同时也可以更好地在公共危机中引导舆情的走向，一旦发现负面舆情与虚假舆情时，可以通过配合高校图书馆加强对网络舆情引导的工作，确定发布内容，对虚假舆情进行有效解释，否定谣言，澄清事实，疏导学生情绪，在公共危机发生时期将网络舆情引导到正确方向。

2020 年徐州医科大学图书馆微信公共平台遇到了公共危机的时期，高校校师生都无法返校的情况下可以看到微信公众号平台还是具备了一定的阅读量[4]，学校运用图书馆微信平台也及时发布了“抗击疫情，图书馆助您居家科研”“关于疫情防控期间组织相关文献资源服务平台向高校提供免费服务通知”等活动，作为医科类大学，在此期间更加迫切需要迅速获取资料，展开研究。在这一时期可以看到在图书馆无法借阅的情况下微信公众号平台依然保持了一定的阅读量，对图书馆是有一定的补充替代作用的，如图6 和图7所示。

图6 图书馆图书借阅量

图7 图书馆微信公众号阅读量

3.2 高校图书馆微信公众号平台发展展望

高校图书馆作为每个学校的信息文化交流中心，是为了服务于所在的学校机构教学与科研，是学校信息化发展的主要基地。运用好高校图书馆微信平台发展信息分融服务，可以更好满足学生随时获取图书馆资讯和图书馆文献资源的需求，在现如今高校图书馆纸质阅读量都在下降的大趋势下，个性化电子化的阅读服务越来越受高校师生的欢迎，并且在特定时期，譬如各个公共危机发生的时期，借助互联网的各个高校互联网平台如图书馆的微信公众号平台，可以更迅速地发布信息，沟通引导广大师生的情绪，开展线上的教学科研活动，真正实现移动互联网图书馆的功能。