大数据时代高校图书馆信息资源管理创新与发展.docVIP

大数据时代高校图书馆信息资源管理创新与发展 　　作者简介：张颖（1968-），女，湖北省武汉市人，华中师范大学图书馆馆员，主要从事情报网络数据研究。 　　摘要：大数据分析实现了当代高校图书馆在图书情报信息资源管理中的高效性和便捷性。在高校图书馆文献管理中，运用大数据理论进行数据挖掘、海量数据分析、高维数据阅览等，体现了大数据技术的优势所在，通过科学统计与分析网络阅读等结构复杂的大数据，能够极大促进高校的科研与教学工作，提高工作效率。大数据技术使得高校图书馆在网络时代能够与其他学术研究机构进行成功合作，大数据技术在当代高校图书馆中的运用已经成为信息资源管理创新性发展战略的标志性成果。 　　关键词：大数据;高校图书馆 ;信息资源;数据管理;创新性 　　中图分类号：G250.73文献标识码：A 　　DOI：10.3963/j.issn2015.03.018 　　一、大数据分析在高校图书馆数据管理及文献与知识模块中的运用 　　大数据（big data）分析在高校图书馆管理中的第一个明确分析对象是海量阅读数据。从数据分析的表象来看，分析海量数据可以理解为对读者所感兴趣的文献信息资料等阅读对象的记录进行归类管理，大数据技术适用于高校图书馆数据管理，同时具有时间和空间属性。海量数据分析与管理的一项重要功能是对所确定的数据目标进行分析整理，以提供数字图书资源存在的价值与依据。其中，海量数据中的阅览数据既能体现文献的重要与否，又能体现文献的被利用率。文献知识是概念的诠释与表达，阅读的数据则是揭示知识存在的模式与关系的重要素材。单一的数据记录并不能说明知识的价值、可靠性和认知程度，只有将不同记录的数据进行有序的组织与关联，通过大数据分析，把握读者阅览的信息等，同时把与该知识文献相关的共性与差异阅读信息的关键线索进行对比分析，对数据中的有效信息进行有序解读，实现对隐藏于数据中的知识结构与线索的归纳与推理，才能证明该知识的可靠性和价值。 　　用大数据技术分析图书馆文献知识的过程具有一定的复杂性。知识的获取可分为显性知识获取和隐性知识获取。与获取显性知识阅读量数据相对应的是显现数据，显性数据的海量数据分析是按照某种规律或理论通过测量归类而得到的数据，用以描述观察到的文献阅览总量和对知识概念的获取，比如文科学科分类阅览、理论文献查阅、新闻事件的点击阅读、网上参与公众知识媒体平台的程度，等等。数据分析的作用是客观真实地评估高校图书馆信息资源的整体利用的程度与强度。然而，许多知识与信息是不可直接靠量化而获得的，这部分无法直接测量的知识与信息就需要通过模型辅助来推断。而用于未知概念推理建模的数据称为隐性数据，隐性数据分析的重要作用是揭示显性知识信息与资源成立的可靠依据。以PBL（problembasedlearning） 教学模式的数据分析研究为例。PBL是以问题解决为导向、以大学生自主学习的能力为教学目标的学习方法和相关知识体系，PBL教学模式能调动大学生学习的积极性与主动性，形成解决问题的技能和自主学习的能力。高校图书馆通过分析大学生查阅相关知识的点击量作为显性数据统计，研究分析表明学生在没有教师指导的情况下也能通过自己的阅读而独立解决问题。支持这个数据分析结论的理想数据还得益于一组高维隐性数据，即：参加实验的大学生在图书馆摄入的该知识的显性数据加上与该知识相关的学科知识的点击阅览数据作为隐性数据相加的总和。这个实验较为复杂，其成功的关键是如何实现双盲（double blind）数据设计与分析，通过尝试有效的隐性知识结构管理数据可能获得支持该研究质量不错的全面观察数据。图书信息采购、电子信息资源的阅览总量与相关隐性消费数据可以为该研究提供后续支持，如PBL问题意识较弱的学生关注本学科的研究成果，PBL问题意识较强的学生则关注与本学科领域相关的跨学科知识范围的信息获取。因此，我们研究PBL教学模式不能脱离高校图书馆信息技术的海量数据采集与分析，在充分采集显性数据的基础上还要利用大数据技术分析隐性的数据才能为科研项目提供客观科学的数据参考。 　　简而言之，利用大数据技术建立高校图书馆文献资源与信息综合平台，为高校学术研究提供数据采集、创建、检测、合成、编码、存储、发布、检索、提取、判断、问题解决和服务等形式多样的大数据分析服务，不仅大大扩展了数字化时代高校图书馆的功能，极大地提升了图书情报文献的利用率，而且很好地推动了从大数据中发现新知识和跨学科学习的知识创新模块，推动了当代高校图书馆信息资源管理模式的发展与创新。 　　二、大数据视域下的云计算与高校图书馆数据挖掘 　　谷歌、华盛顿大学、清华大学联合开展的云计算（cloud computing）学术合作计划正积极探索着大数据时代高校图书馆数据管理的新模式。“云计算是在