数据赋能视角下高校图书馆智慧教学服务模式研究

刘 莹

(辽宁经济职业技术学院图书馆，辽宁 沈阳 110122)

1 引 言

信息技术时代，数据成为社会发展和进步必不可少的基本元素，是各领域研究与应用的关键对象，通过数据的赋能作用和驱动作用开辟社会发展、治理和服务的新渠道，数据赋能思想以数据精准化、智能化的特点成为各行各业高度重视的发展路径，对大数据的研究和应用已成为学界和业界关注的重点。在教育大数据视野下，数据赋能的过程是一种以数据为核心的生产关系和生产力重塑的过程，以教育大数据为关键要素并将数据技术有效嵌入教学服务系统，从数据科学、智能科学、社会学、管理学、经济学、心理学等交叉融合的视角，研究教育治理的内在规律并形成新的理论范式，进而形成一种以数据驱动为核心的教育治理模式。正是基于数据赋能理念，我们可以更好地认识教育数据的作用以及合理地利用数据开展更多的服务。目前，关于高校图书馆教学服务的研究多为国外经验介绍、案例分析、具体情境下的服务模式，如鲁宁等通过分析美国大学图书馆教学服务的情况，指出其教学服务具有学科服务深度嵌入、信息素养框架新、物理空间支持度高等特点，认为其教学服务模式正在发生转变。黄晓斌等以哈佛大学、牛津大学、耶鲁大学、麻省理工学院等10所国际一流大学为样本，对其图书馆官网的教学服务情况展开研究，并从服务理念、资源配置、课程馆员、多元化和深层次服务、服务手段支持等方面提出做好我国高校图书馆教学服务的建议。刘珊等以2019年全国高校图书馆服务本科教学案例大赛中获奖的142个案例为分析对象，对其服务对象、服务内容、图书馆地区、高校类型等方面展开分析，总结其服务特色。总而言之，目前围绕高校图书馆教学服务产生了不少研究成果，但从大数据方面开展的研究较少，尤其缺乏对基于数据驱动视角下的高校图书馆智慧教学服务研究。本文将基于数据赋能视角，从数据驱动教学服务出发对高校图书馆智慧教学服务模式展开进一步研究。

2 高校图书馆教学服务现状

在信息技术的影响下，信息化、数字化、智慧化的服务备受关注，同时随着高校“双一流”建设工程的推进，学科服务、教学服务等工作的创新成为高校图书馆关注的热点，各高校图书馆纷纷展开智慧化的教学服务探索，但仍存在许多问题。

2.1 资源内容建设不完善，更新不及时

高校图书馆有丰富的书籍、报纸、期刊等纸质文献资源以及影音、数据库等数字化文献资源，但在资源内容建设上存在一些问题。例如，与师生所需资源匹配程度较低，没能很好地对接师生所需要的教学书籍、视频课程、辅导资料等资源，资源内容建设的精准性不足，资源的分类上架存在固化问题，未能针对师生的实际教学使用需求进行资源购置和分类。同时，师生对网络信息资源有较大的需求，但网络信息资源驳杂繁多，不利于信息素养较低的群体获取和使用，需要高校图书馆对网络信息资源进行整合梳理，形成较为可靠的资源体系供师生使用。而且高校图书馆馆藏资源更新速度较慢，师生群体对图书馆资源的信任程度较低，持续使用的师生用户不多。

2.2 个性化服务理念缺失，服务内容单一

目前，高校图书馆对教学服务的智慧化、个性化概念理解不足、不够深入，图书馆服务人员将教学服务视为被动的服务模式，在服务过程中根据学生和教师的指令来完成教学服务，且向全校所有师生提供统一的服务内容和服务方式，缺乏主动化服务、个性化服务、差异性服务理念。同时，高校图书馆为有需求的师生所提供的服务内容多为课程资源、设备技术指导、信息素养培训讲座等，多属于集体服务，未能满足师生的个性化需求，导致服务内容同质化现象严重。高校图书馆仅担任提供教学资源的角色，师生对图书馆开展的教学服务信任度不高，利用率较低。

2.3 智慧化程度低，数据利用率低

随着信息技术的发展和应用，服务过程的智慧性有了实现基础，但目前高校图书馆在教学服务过程中对信息技术和智能技术的运用程度仍然较低，仍为传统服务模式。虽然高校信息化建设已开展多年，但在教学服务方面的建设仍有不足，对教学过程和教学服务过程中产生的大量数据难以有效利用，难以对师生的显性和隐性需求进行挖掘分析。由于大数据技术和数据采集技术的利用存在欠缺，加之高校图书馆人员对师生产生的各类数据不够重视，导致海量数据的价值难以挖掘和释放，无法基于数据分析为师生提供更多个性化、针对性的服务内容，无法实时对师生教学情况进行跟踪了解和服务，导致服务效果不理想，与智慧化教学服务有着较大差距。

3 高校图书馆智慧教学服务的驱动因素

高校图书馆智慧教学服务模式需要在数据驱动下开展，而所说的“数据”并非仅仅指资源数据或大数据技术，而基于数据基础和技术通过数据挖掘与分析实现的可供利用、有价值的数据集合，无论大数据技术本身还是服务过程中需要的其他智能技术能够服务于智慧教学服务，都是通过其技术的作用来体现数据的价值的。

3.1 技术驱动因素

智慧教学服务过程中，技术体系是智慧特征突显的基础和工具，通过技术的驱动作用实现师生各项数据的智能处理和分析，主要包括物联网技术、数据采集技术、大数据技术、云计算技术以及机器学习等智能分析技术。其中，物联网技术和数据采集技术主要实现智慧教学服务过程中的数据采集，通过各项设备的互联收集师生在教学和学习过程中产生的实时数据，然后由大数据技术和云计算技术进行实时的分析计算以及利用智能分析技术进行数据的进一步智能分析处理，挖掘数据背后隐藏的信息，并以此为依据为师生用户提供与需求信息相匹配的服务内容。

3.2 数据驱动因素

3.2.1 馆藏资源数据。众所周知，图书馆历来被赋予保存与传承人类文化遗产的功能，大量文献储藏于此。然而，伴随着信息量的快速增长，如何快速、准确地从大量文献信息资源中获取有价值的信息，已成为用户的一大困惑。用户需求逐渐呈现个性化、专业化、知识化的特征。针对这种转变，图书馆人需在知识服务理念下重新审视、挖掘和利用馆藏资源。例如，上海图书馆利用以关联数据为主的万维网技术构建以“家谱知识服务平台”“名人手稿档案库”等为代表的各类文献的基础知识库，可辅助实现对文献中蕴含知识元的析取、组织、关联、呈现、传递。

3.2.2 业务设备数据。教学过程中师生使用的各项设备同样是数据的重要来源，如多媒体设备、图书馆自助设备、手机电脑等移动终端，师生在授课学习时会使用多种设备辅助教学实施，设备会留存师生用户的专业、年级、性别、学科、院系等账号信息，这些信息方便图书馆馆员对师生群体进行分类服务，掌握用户的基本情况，了解师生群体的基本信息属性。同时，可保持设备运行的管理数据，根据设备运行数据进行及时维护、调整，更换设备放置位置，管理温度、湿度等设备环境情况，为师生提供良好的设备使用环境。

3.2.3 师生行为数据。我国高校在校生人数较多，庞大的师生群体可产生海量数据，包括空间利用数据、阅读数据、网络行为数据、资源利用数据等，这些数据共同构成了高校图书馆的师生数据集合。借助用户画像等新技术，可以实现对这些数据的采集、挖掘、清洗，进而对师生用户属性(包括信息行为属性、互动属性、情景属性等)进行划分，以形成师生用户画像，借以了解师生用户的类型、特征、需求及关联等，从而实现面向师生教学科研需求的精准化知识服务。

4 数据赋能视角下高校图书馆智慧教学服务模式构建

所谓数据赋能视角下的高校图书馆智慧教学服务，是指高校图书馆服务馆员创新性地运用多种技术对师生教学过程各个场景中的数据进行采集、挖掘，并在丰富资源的支撑下实现个性化、智慧化的教学服务。因此，本研究在总结目前高校图书馆教学服务现状和智慧教学服务驱动因素的基础上，构建智慧教学服务模式(见图1)。

图1 数据赋能视角下高校图书馆智慧教学服务模式

4.1 教学资源体系

在智慧服务实现过程中首先需要高校图书馆具备丰富完善、更新及时、动态协调的教学资源体系，以支撑师生用户对教学资源的多样化需求，如融合高校图书馆馆藏资源、校内其他部门的资源、海量的网络教育资源以及师生自身的学习资源等多类型资源，建立统一的教学资源数据库。其中，高校图书馆资源根据本校内学科专业建设和师生需求调研进行采购规划，集中购买师生最需要的图书、期刊等资源，不可盲目建设；高校图书馆要与其他部门如教务处、网络中心等协同保障教学服务，通过集聚多个部门的人力、物力资源来共同构建安全可靠的教学资源体系。同时，高校图书馆要针对师生所需要的网络教育资源要进行甄别和处理，如网络慕课、学术社区资源、微信公众号资源等，将符合师生需求的网络信息资源传递给他们，并建立专门的网络信息资源库，定期更新和维护资源库，保障资源的时效性和价值性。师生日常使用的学习资源同样是高校图书馆应该关注的重要资源，高校图书馆要善于引导师生将所用资源与高校图书馆资源体系建立联系，将有价值的资源上传到高校图书馆资源库中，扩展资源类型和容量，达到通过对师生学习资源的整合获取最贴合用户需求的资源的目的。

4.2 数据采集体系

数据采集体系是智慧教学服务模式的关键组成部分，是嵌入师生群体、各终端设备等交互场景中进行数据收集的体系。数据采集体系通过部署物联网技术、爬虫技术、大数据技术、感知技术、数据库技术等嵌入课堂教学、线下辅导、线上教学、线上研讨等多个场景，将师生与师生之间、学生与学生之间、师生与设备之间交互产生的数据进行感知和采集，并将收集的数据存储到资源库中以备挖掘和分析。数据采集体系主要采集三个方面的数据，包括馆藏资源数据、业务设备数据、师生行为数据，通过嵌入图书馆书籍借阅管理系统和资源管理系统实现书籍温度、位置、环境等资源管理状况的数据采集；同时，数据采集体系要对图书馆自助设备、智慧教室、多媒体设备、智能终端等多项设备进行数据管理，及时根据设备数据做进一步处理；数据采集体系还需获取师生借阅行为、浏览行为、标注行为、收藏行为、下载行为、网络信息资源使用行为、师生交流研讨行为、教学行为、学习行为等行为数据，及时分析用户当下及未来一段时间内需要的文献资源。通过在师生教学过程中各个环境进行数据采集体系的部署来实现数据的全面采集和管理，进而为下一个体系的运作奠定基础。

4.3 数据挖掘体系

数据挖掘体系是分析数据关联、内涵、价值的部分，当数据采集体系搜集到大量师生用户数据后，会由数据挖掘体系进行分析处理。首先，对数据进行清洗筛选，将冗余数据剔除，保留高价值的数据；然后根据一定的规则对数据进行聚类分类处理，并将同类别的数据进行分析，提取出数据特征；进而依据数据特征建立用户行为标签，将多个用户行为标签组成一个个体行为画像，形成个体用户的行为特征模式；其次，将个体用户的行为特征组成群体行为画像，形成同类型或不同类型的师生行为模型，根据师生行为模型分析其需求和进行服务内容的对接。在数据挖掘过程中，运用聚类分析、文本挖掘、关联分析、机器学习等关键技术，各技术协同运作，形成由数据清洗筛选——数据聚类分析——数据特征抽取——个体行为画像——群体行为画像——师生行为模型全过程的数据挖掘体系，以便为教学服务体系输出服务内容提供必要基础。

4.4 教学服务体系

教学服务体系是智慧教学服务模式向用户输出服务内容的组成部分，为处于不同环境中的师生提供智慧化、个性化的服务内容，并提供反馈功能，促进智慧教学服务的循环进行。智慧教学服务可包括资源智能推送、资源个性化定制、资源智能检索、信息素养教育培训、网络资源使用培训、数据库使用培训、专题资源数据库设计、机器辅助、交互式空间服务、研讨空间、自学空间、考试模拟等多项服务内容和功能，高校图书馆应基于自身基础和师生需求等实际情况设计，不可盲目建设。同时，教学服务体系要具备反馈能力，当高校图书馆提供的智慧教学服务与师生的需求不匹配或者匹配程度较低时，可对服务进行反馈，提出相应建议和明确需求，智慧教学服务模式则进行新一轮的处理流程，直至为师生用户提供满意的服务。

5 结 语

数据赋能背景下，各行各业正经历以数据为核心的信息技术革命，基于大数据的高校图书馆创新服务研究具有较大的理论深入空间和实践探索潜力。高校图书馆应抓住机遇，以更广阔、更开放的视野创新技术，在掌握高价值数据集的基础上，积极探索智慧化、个性化的教学服务模式，通过提升教学服务配套人员和设施的服务能力，实现教学资源体系、数据采集体系、数据挖掘体系、教学服务体系等多体系智慧教学服务模式的落地实践，并在实践中优化升级，通过多元协同实现教学服务的高效开展，助力高校图书馆服务业务扩展和智慧教学服务水平提升。