数据挖掘技术在读者满意度分析中应用.docVIP

数据挖掘技术在读者满意度分析中应用 　　摘 要：本文在系统阐述读者满意度的研究现状及评价分析模式的基础上，详细介绍了利用数据挖掘技术实现LibQUAL+模式下读者代表随机抽取、二维象限分析法中满意度参数自动统计等辅助应用的实现方法、具体步骤及案例结果。 　　关键词：数据挖掘 读者满意度 服务质量评估 读者调查 　　中图分类号：G252文献标识码：B 文章编号：1673-8454（2008）17-0081-02 　　 　　一、读者满意度的研究现状 　　 　　图书馆是为读者提供信息服务的学术性机构, 读者服务是图书馆服务的核心内容。随着计算机技术、网络技术的高速发展与普及，有许多的图书馆开发研制出基于网络环境下的读者满意度调查分析系统，利用调查分析系统在网络上广泛收集读者的调查问卷，进行科学、快捷、准确的统计分析，获取非常宝贵的分析结果，对图书馆制定下一步的工作计划提供了有力的参考依据。 　　1．LibQUAL+模式 　　读者满意度测量与评价的模式有许多，美国研究图书馆协会(ARL)于1999年提出并实施了LibQUAL+项目，该项目采用的服务质量评价模式是以用户的愿望及满意度作为衡量信息服务工作的标准，即服务质量（Ｑ）＝用户感知（Ｐ）―用户期望（Ｅ），因此又被称为“期望―感知”模型。在此基础上，他们针对①信息获取、②服务影响、③图书馆整体环境、④个人控制这4个较全面反映服务质量的层面提出25个与用户直接相关的命题，通过调查问卷的方式，用期望值、实际感受值及最低可容忍受值3种形式让用户对服务质量进行评价。[1] 　　LibQUAL+项目研究和设计了一种基于网络的图书馆信息服务质量的调查分析系统，它通过一个大小可调节的网页，向通过随机抽样方式获取的用户群进行图书馆服务的网络问卷调查，来了解用户对图书馆信息服务的评价。 　　 　　2．二维象限分析法 　　也有学者提出利用二维象限分析法来进行调查分析，它是用来研究服务的多样性与整体满意度关系的方法。依据二维象限分析法，把读者服务区的重要性作为Y轴，读者的满意度作为X轴，再在坐标轴上进行刻度划分，用直线画成“田”字形。这样就做成了二维象限的分析方块。如图1所示。 　　其中，象限Ⅰ为强势区即高重要性―高满意度的服务区域，象限Ⅱ为弱势区即低重要性―低满意度的服务区域，象限Ⅲ为机会区即低重要性―高满意度的服务区域，象限Ⅳ为威胁区即高重要性―低满意度的服务区域。[2] 　　我们可以利用二维象限分析法来调查分析读者对图书馆各类阅览室的满意程度，针对各类阅览室的资源情况、开放时间、服务对象等特征给予不同的重要性分值，Y轴的刻度在0-100之间。至于读者的满意程度分值即X轴的值，我们可以利用数据挖掘技术统计分析图书馆自动化管理系统的流通阅览记录计算出来，X轴的刻度也在0-100之间。 　　 　　二、数据挖掘技术在图书馆读者满意度调查分析中的辅助应用 　　 　　数据挖掘也叫数据库知识发现，就是从大量的、模糊的、不完全的、随机的数据中提取隐含的、人们事先不知道的有用的信息和知识的过程。数据挖掘任务主要包括数据总结、关联分析、聚类分析、分类和预测等。[3]其中，数据总结目的是对数据进行浓缩，给出它的紧凑描述。传统的也是最简单的数据总结方法是计算出数据库的某些字段上的求和值、平均值、方差值等统计值，用直方图、饼状图等图形方式表示。[4] 　　当前高校图书馆普遍实现了图书馆的自动化管理，长期保存有本馆的书目数据、读者数据、流通历史数据和读者阅览数据等，积累了非常丰富的原始数据。我们可以基于这些数据利用数据挖掘技术，对读者群体的专业结构、馆藏资源的分类、图书的利用率和各类阅览室的接待服务情况等进行统计分析，为读者满意度的调查分析起到辅助作用，为图书馆的资源建设、读者服务、本科教学工作水平评估提供决策依据。 　　1．数据挖掘技术在基于LibQUAL+模式的读者满意度分析中的应用 　　图书馆在实施LibQUAL+项目时需要通过随机抽样的方式，选择能够代表不同用户群体的读者来完成问卷调查，用户代表的随机抽取非常关键，是整个项目调查结果合法有效的保证。我们可以利用数据挖掘技术，对图书馆的读者数据进行数据总结挖掘，按学科分布、读者类别、年龄层次等分类方法统计出读者的结构情况，为实现基于LibQUAL+模式的读者满意度调查提供用户代表名单。 　　笔者基于汇文文献信息服务系统（libsys）开发的读者代表随机抽取模块需要实现的主要任务包括： 　　①统计读者总量（reader_max），确定用户代表数量（ｕｓｅｒ＿ｃｏｕｎｔ）为读者总量的10%，即user_count=reader_ max*10%。 　　②按照学科分布分类统计出读者数量，确定每个学科需要随机抽取的用户代表数量。