查先進，張 坤，嚴亞蘭

（1.武漢大學信息資源研究中心，武漢 430072；2.武漢大學信息管理學院，武漢 430072；3.武漢大學圖書情報國家級實驗教學示范中心，武漢 430072；4.武漢科技大學恒大管理學院，武漢 430065）

1 引言

新信息技術的發(fā)展使得數字圖書館信息環(huán)境已由原來的信息不足轉變?yōu)樾畔⑦^載[1]，并且新信息環(huán)境下的長尾效應[2]、信息碎片化[3]、信息迷航[4]、“情感缺失”[5]等問題愈益凸顯。傳統(tǒng)數字圖書館提供的“人找信息”[6]“一對多”[7]和“以平臺為中心”[8]的被動服務模式已與新信息環(huán)境和用戶需求不相適應，因此，數字圖書館信息服務模式亟待優(yōu)化。同時，新信息技術的出現也推動了社會化媒體等非圖書館機構的蓬勃發(fā)展[4]，進一步加劇了數字圖書館面臨的外部威脅。在此背景下，數字圖書館亟須找到有效途徑以應對新挑戰(zhàn)。新信息技術在為數字圖書館帶來新挑戰(zhàn)的同時，亦帶來新機遇。智能信息推薦的出現為數字圖書館應對挑戰(zhàn)提供了新思路和新方法。例如，Elsevier作為數字圖書館中重要的全文學術資源庫之一，提供了智能信息推薦服務，能夠根據用戶的下載、瀏覽等活動，向用戶提供個性化文獻推薦。但是，現階段數字圖書館智能信息推薦服務還處于發(fā)展初期，導致用戶對該服務的體驗感受大相徑庭。滿意度是用戶對數字圖書館智能信息推薦服務整個體驗過程的評價和情感反應[9]，對數字圖書館智能信息推薦服務滿意度影響因素進行深入探討，全面揭示其影響規(guī)律，將有助于提升數字圖書館智能信息推薦質量，更好地滿足用戶信息需求，進而為數字圖書館服務優(yōu)化與良性發(fā)展提供有益參考。因此，本文將具體探討如下問題：數字圖書館智能信息推薦服務滿意度影響因素有哪些？影響機制與作用路徑如何？能否構建理論模型？對未來相關研究與實踐有何啟示？

2 文獻綜述

數字圖書館為用戶提供了極佳的學術資源[10]，但隨著學術資源爆炸式增長，數字圖書館信息過載現象日趨嚴重[11]，找到合適的學術資源已成為一個很大的挑戰(zhàn)[12]，而使用推薦系統(tǒng)則有助于應對該挑戰(zhàn)[13]。借助推薦系統(tǒng)將相關信息“推”給數字圖書館用戶，可以使其得到更好的服務[10]，因此，數字圖書館有必要將推薦系統(tǒng)作為促進和加速信息搜尋過程中的適當工具[14]。推薦系統(tǒng)也稱為個性化推薦系統(tǒng)[15]，它可以呈現個性化學習內容，并提供適當的學習資源來支持用戶活動[12]。正確使用推薦系統(tǒng)不僅對于提供真正的個性化服務至關重要，而且可以幫助減少信息過載和提高用戶體驗的滿意度[14]。

從20世紀90年代初至今，推薦系統(tǒng)一直被視為重要研究領域[16]。1992年，美國施樂公司研究所開發(fā)了旨在過濾海量電子郵件和推薦電子新聞的Tapestry系統(tǒng)[17]，這是商業(yè)機構對信息資源推薦的較早嘗試。20世紀90年代中期，推薦系統(tǒng)的應用拓展至數字圖書館領域，美國圖書館界率先開始數字圖書館推薦系統(tǒng)項目的研發(fā)。1995年，斯坦福大學的Balabanovi?和Shoham介紹了其正在研究的數字圖書館推薦系統(tǒng)項目，并推出了該項目部分成果——個性化推薦系統(tǒng)LIRA[18]；1997年，他們又介紹了該項目另一成果——個性化推薦系統(tǒng)Fab[19]。1998年，Bollacker等[20]提出學術資源推薦系統(tǒng)CiteSeer，引起各界人士對該問題的關注。同年，美國人工智能協(xié)會（American Association for Artificial Intelligence，AAAI）組織召開了專門會議，對推薦系統(tǒng)的發(fā)展進行了集中討論[15]。2000年前后，康奈爾大學圖書館首次推出了當時較為成熟的圖書館個性化服務系統(tǒng)——My Library@Cornell系統(tǒng)，為后來許多數字圖書館推薦系統(tǒng)提供了設計原型[21]。此后，數字圖書館個性化推薦服務逐步發(fā)展起來。然而，近年來，用戶對學術資源的需求呈現出明顯的長尾趨勢[22]，對推薦系統(tǒng)提出了更高要求，以往推薦系統(tǒng)與新信息技術相結合的產物——智能推薦應運而生。智能推薦在信息資源領域的應用即智能信息推薦，指計算機信息系統(tǒng)通過分析用戶數據主動向用戶提供符合其興趣偏好或需求的信息，其實質是在最短時間內為用戶提供其最想要或最需要的信息。

智能信息推薦是數字圖書館個性化服務的重要內容，隨著人工智能迎來發(fā)展新風口，國內外學者對數字圖書館領域智能信息推薦研究的熱情日益增加。當前，圍繞數字圖書館情境開展的智能信息推薦研究主要聚焦于算法與技術、系統(tǒng)與模型、功能與服務等方面。針對數字圖書館智能信息推薦的算法與技術，Guo等[11]提供了一種個性化數字資源推薦方法，將PageRank和協(xié)同過濾（Collaborative Filter‐ing，CF）技術置于統(tǒng)一框架中，通過從歷史使用數據中生成并分析用戶關系和資源關系的時間感知網絡，向活躍數字圖書館用戶推薦合適的數字資源。針對數字圖書館智能信息推薦的系統(tǒng)與模型，Tian等[23]設計了一種基于混合推薦算法的高校圖書館個性化推薦系統(tǒng)，幫助用戶從許多候選書中選擇適當的書。針對數字圖書館智能信息推薦的功能與服務，李賀等[24]發(fā)現，作為移動圖書館信息服務的新方式，情景感知信息推薦服務有著個性化的顯著優(yōu)勢，而技術和設備的兼容為該服務提供了外部動力和重要保障。隨著研究的成熟，越來越多智能信息推薦系統(tǒng)在數字圖書館中進行使用或試驗，如智能圖書推薦系統(tǒng)[25]、科研論文推薦系統(tǒng)[26]、生物醫(yī)學期刊投稿推薦系統(tǒng)[27]、審稿人推薦系統(tǒng)[28]、智能圖書推廣場景選擇系統(tǒng)[29]等，數字圖書館智能信息推薦實踐正在進一步深入。

自1998年成立中國高等教育文獻保障系統(tǒng)（China Academic Library&Information System，CALIS）以來，我國數字圖書館發(fā)展迅速。迄今為止，我國的大學幾乎都擁有了數字圖書館[30]，但由于不同數字圖書館所采用的信息技術、設備等各異，不同數字圖書館的發(fā)展水平并不一致，導致用戶對不同數字圖書館的使用體驗存有差異。用戶滿意度是數字圖書館服務的重要衡量指標[31]，為了提供有效的數字圖書館服務，設計人員和管理人員需要充分了解影響數字圖書館用戶使用滿意度的因素[32]，因此，該主題也受到諸多研究者的關注。比如，李賀等[33]基于對高校數字圖書館用戶滿意度內涵的分析，考察了高校數字圖書館用戶滿意度的主要影響因素，并據此構建了評價模型。胡昌平等[31]利用結構方程模型方法考察了數字圖書館具體服務與用戶滿意度之間的影響關系，研究結果發(fā)現，數字圖書館服務的用戶滿意度受信息提供服務、信息檢索服務以及個性化服務的直接影響。夏立新等[34]基于用戶視角，利用層次分析法和G1算法，構建了數字圖書館知識服務滿意度的評價指標體系，并以實例揭示了各個指標權重的確立過程。Xu等[35]考察了數字圖書館用戶滿意度和忠誠度的影響因素，研究結果證實，感知有用性和數字圖書館親和力對用戶滿意度具有顯著影響，進而影響用戶對數字圖書館的忠誠度。與此同時，他們還考察了研究生和本科生對數字圖書館滿意度之間的異同，結果表明，年齡、使用頻率、使用經驗等個人差異對本科生和研究生使用數字圖書館的滿意度都產生了重要影響；與本科生相比，研究生對數字圖書館的系統(tǒng)質量、信息質量、服務質量、親和力、易用性及實用性方面更加滿意[30]。

綜上可知，相關研究已取得了重要成果，卻仍存在以下不足。首先，現有數字圖書館智能信息推薦的相關研究主要聚焦于智能信息推薦前端，即以用戶需求為終點，主要從技術、算法、模型等層面探討“如何實現”和“如何優(yōu)化”問題。但聚焦于智能信息推薦后端，即以用戶需求為起點，從推薦質量、推薦效果評價等層面考慮“實現什么”和“優(yōu)化什么”問題的相關研究較少，而從用戶體驗滿意度視角審視數字圖書館智能信息推薦服務的研究則更為匱乏。其次，現有數字圖書館用戶滿意度相關研究，主要從整體層面來探討用戶滿意度的影響因素或評價指標，而數字圖書館提供的服務其實有很多，如座位預約、圖書借還、信息咨詢等，各類具體服務的影響機理可能存有差異，需要開展更為深入的針對性研究方可探明。但數字圖書館用戶滿意度相關研究中，缺乏聚焦于信息系統(tǒng)推薦服務這一更加深入和差異化主題層面的探討，因此，在數字圖書館提供智能服務已呈普遍趨勢的背景下，有必要對數字圖書館智能信息推薦服務滿意度開展進一步的細粒度研究。最后，相關實證研究主要采用定量方法展開研究，較少有研究采用質性方法進行探索性層面的嘗試。因此，本文擬通過訪談法搜集原始數據，借助扎根理論方法對原始數據進行編碼分析，基于已有的理論、文獻和原始數據，提煉數字圖書館智能信息推薦服務滿意度影響因素，系統(tǒng)揭示各影響因素間的作用關系與影響路徑，并在此基礎上構建各有效影響因素變量間的理論模型，以期為數字圖書館智能信息推薦服務的相關研究與實踐提供參考。

3 訪談提綱設計與數據搜集

3.1 訪談提綱設計

本文利用半結構化訪談方法進行數據搜集，數據搜集過程如圖1所示。通過文獻調研和前期經驗，設計初步訪談大綱，邀請兩名受訪者進行預訪談并加以修正，并確定正式訪談提綱（表1）。在訪談提綱中，涉及導語介紹、術語界定、受訪者信息和核心問題四個方面。

表1 訪談提綱

圖1 數據搜集與分析過程示意

3.2 樣本選擇

本文以目的性抽樣[36]和理論飽和抽樣[37]為原則進行樣本選擇。

根據目的性抽樣原則，本文對樣本對象的限定條件描述為：①熟悉并經常使用數字圖書館；②有過智能信息推薦服務的接觸或體驗；③能夠清楚地理解訪談問題，并具備清楚表達自身觀點與想法的知識與能力；④能夠最大限度地為訪談問題提供信息量；⑤有時間、精力、條件等接受訪談，并同意訪談過程全程錄音。

根據理論飽和抽樣原則，一直訪談至受訪者不再提供新范疇時停止訪談，并在進行大于3人的驗證工作后確定研究樣本。結合上述原則，本文認為，文化程度相對較高的研究生群體屬于數字原住民群體（1990年及之后出生），他們對數字圖書館智能信息推薦服務的感受更加具有典型性，因此，該群體成為本文主要的研究樣本目標群體。同時，對數字圖書館使用頻率較高的師生群體進行訪談，更容易獲取豐富的信息量以實現理論飽和。此外，考慮數據搜集的便利性，并盡可能地兼顧不同性別、不同專業(yè)等因素，本文最終將21位受訪者確定為研究樣本（表2）。

表2 研究樣本情況

3.3 數據搜集

本文的數據搜集工作共歷時9周，在正式訪談階段，通過線上訪談方式進行數據搜集，訪談在得到用戶同意后進行全程錄音。訪談過程中對受訪者表述不清或模棱兩可的內容進行追問，訪談結束后通過電腦軟件進行轉錄，并進行人工校對及修正。轉錄完成后，將文檔發(fā)送給受訪者確認，以保證數據的真實性，并按照受訪者確認順序分別用字母A～U表示，最終形成21篇總字數達96169字的規(guī)范化轉錄文檔。

4 扎根分析

4.1 扎根理論

扎根理論是在經驗資料基礎上構建理論的有效方法，該方法在已有理論和文獻支持之下，根據研究者個人知識和經驗對原始資料進行編碼，進而構建理論模型[38-39]。由于相關研究并不充分，因此，利用扎根理論方法對數字圖書館智能信息推薦服務滿意度進行探索性研究是比較合適的選擇。目前，扎根理論已在諸多研究中得到應用[40-41]，并受到大量研究者的認可。為了方便編碼和記錄原始編碼痕跡，本文采用與扎根理論方法契合度較高[42]，且已在眾多領域得到應用的質性數據分析軟件NVivo進行輔助分析[43-44]。本文數據編碼分析過程見圖1。

4.2 開放式編碼

在開放式編碼階段，本文通過逐句編碼，共提取出569條原始語句，即原始參考點。在對其進行“貼標簽”和賦予“本土概念”的操作過程后，共提煉出隱私泄露、滯后推薦、猜你喜歡等78條初始概念（表3）。

表3 概念化編碼舉例

進一步對初始概念聚類進行范疇化處理，最終形成推薦服務質量滿意度、推薦系統(tǒng)質量滿意度等24個基本范疇?；痉懂?、包含的所有初始概念、基本范疇內涵及范疇命名依據如表4所示。

?

?

4.3 主軸編碼

在主軸編碼階段，本文通過對24個基本范疇進行歸納整合，共提煉出數字圖書館智能信息推薦服務滿意度、推薦系統(tǒng)質量、推薦服務質量、推薦信息質量、推薦形式和用戶偏好6個主范疇（表5）。

表5 主軸編碼情況

4.4 選擇式編碼

在選擇式編碼階段，本文通過對6個主范疇進行反復比較和深度分析，梳理出如下“故事線”：在用戶偏好的調節(jié)作用下，推薦服務質量、推薦信息質量、推薦系統(tǒng)質量和推薦形式對數字圖書館智能信息推薦服務滿意度產生直接影響。對故事線的詳細描述如表6所示。依據此故事線，本文將“數字圖書館智能信息推薦服務滿意度”確定為核心范疇，并構建數字圖書館智能信息推薦服務滿意度影響機理的理論模型，如圖2所示。

表6 主范疇典型關系結構

圖2 數字圖書館智能信息推薦服務滿意度影響機理的理論模型

4.5 理論飽和度檢驗和可信度分析

（1）理論飽和度檢驗。當數據資料編碼階段不能再提供新的范疇和關系時，再進行多于3份資料的驗證，若依然不能發(fā)現新的范疇和關系，便可認定編碼所構建的理論已實現飽和[57]。本文將理論飽和原則作為樣本選擇標準之一，即當受訪者不能再提供新的范疇和關系，便停止訪談，因此，最終樣本確定標志著理論飽和。

（2）可信度分析。為了保證本研究可信度，訪談前，在文獻調研、前期經驗和預訪談基礎上設計正式訪談提綱；訪談時，采用線上半結構化訪談方式，以激發(fā)受訪者自由表達真實想法，對訪談過程全程錄音，并對受訪者回答不清楚或者模棱兩可的內容進行追問查實；訪談后，通過機器轉錄和人工校對相結合方式進行規(guī)范化的資料轉錄，并將轉錄結果交由受訪者本人進行確認。在數據分析階段，借助NVivo工具，清楚記錄編碼痕跡，通過盡量使用訪談資料提及“本土概念”的方式，以增強分析結果描述型可信度；通過清楚界定各范疇和關系的內涵并為其提供原始資料支撐，以增強分析結果解釋型可信度；通過將已有符合相關范疇內涵的概念作為范疇命名的參考依據，并嚴格遵循扎根理論三級編碼程序及要求，以增強分析結果理論型可信度。

5 數字圖書館智能信息推薦服務滿意度的影響機理

5.1 推薦系統(tǒng)質量對數字圖書館智能信息推薦服務滿意度的影響

推薦系統(tǒng)質量通過系統(tǒng)穩(wěn)定性、系統(tǒng)易用性、界面友好性和隱私安全性四個基本范疇體現。①系統(tǒng)穩(wěn)定性是用戶使用數字圖書館智能信息推薦服務的基本條件，結合訪談材料，用戶認為系統(tǒng)穩(wěn)定性越高，其在使用過程中遇到系統(tǒng)崩潰、卡頓等問題的情況越少，體驗滿意度會更高，即系統(tǒng)穩(wěn)定性正向影響數字圖書館智能信息推薦服務滿意度。②訪談結果顯示，用戶認為在使用推薦系統(tǒng)的過程中，操作越簡單、自己付出的精力越少，越容易產生高滿意度，即系統(tǒng)易用性正向影響數字圖書館智能信息推薦服務滿意度。③推薦系統(tǒng)界面是用戶使用該系統(tǒng)首先會關注到的變量，不同界面對用戶產生的視覺沖擊不同，根據訪談資料，用戶認為推薦系統(tǒng)界面設計越友好，越容易讓其產生新鮮感，進而越容易產生高體驗滿意度，即界面友好性正向影響數字圖書館智能信息推薦服務滿意度。④推薦系統(tǒng)也引發(fā)了用戶對個人隱私的擔憂，訪談資料顯示，用戶較難接受隱私保護能力低的推薦系統(tǒng)，尤為厭惡服務方出售其信息以牟利的行為，因此，推薦系統(tǒng)越能保證用戶隱私安全，用戶滿意度越高，即隱私安全性正向影響數字圖書館智能信息推薦服務滿意度。結合上述各基本范疇與主范疇間關系以及各基本范疇對數字圖書館智能信息推薦服務滿意度的影響，可認為推薦系統(tǒng)質量正向影響數字圖書館智能信息推薦服務滿意度。

5.2 推薦服務質量對數字圖書館智能信息推薦服務滿意度的影響

推薦服務質量通過推薦及時性、推薦可控性和推薦個性化三個基本范疇體現。①推薦個性化能夠反映推薦系統(tǒng)在多大程度上滿足用戶需求，訪談資料表明，用戶認為推薦系統(tǒng)提供的推薦服務越個性化，其推薦的信息與用戶需求就越匹配，用戶越容易產生高體驗滿意度，即推薦個性化正向影響數字圖書館智能信息推薦服務滿意度。②推薦可控性體現了用戶所感知到的其對推薦服務的控制能力，結合訪談資料，部分用戶希望可以自主決定推薦的頻率、數量和時間等，尤為重要的是，當其發(fā)現推薦服務對其造成困擾時，用戶希望可以選擇退訂或關閉，若系統(tǒng)繼續(xù)強行推薦，則會引起其不滿，因此，可認為推薦可控性正向影響數字圖書館智能信息推薦服務滿意度。③推薦及時性反映了推薦服務的方便與快捷程度，體現了推薦系統(tǒng)的推薦效率，訪談結果顯示，用戶認為推薦越及時，越可能會對其產生價值，進而越容易產生高滿意度，即推薦及時性正向影響數字圖書館智能信息推薦服務滿意度。綜上，可認為推薦服務質量正向影響數字圖書館智能信息推薦服務滿意度。

5.3 推薦信息質量對數字圖書館智能信息推薦服務滿意度的影響

推薦信息質量通過推薦信息的準確性、多樣性、豐富性、及時性、實用性和精簡性六個基本范疇體現。①不同推薦系統(tǒng)推薦的信息質量高低不同，結合訪談資料，用戶認為與其他推薦系統(tǒng)相比，數字圖書館的推薦系統(tǒng)推薦的信息更加可信，但由于其推薦的信息往往專業(yè)性很強，用戶也更難辨別信息是否真實準確，若其推薦的信息越準確，則越有可能產生高滿意度，即推薦信息的準確性正向影響數字圖書館智能信息推薦服務滿意度。②結合訪談資料，用戶認為推薦系統(tǒng)一直推薦某種相似主題或內容的信息會造成其視野狹隘，不利于其長遠發(fā)展，系統(tǒng)若提供具有差異性的信息內容，則可以在一定程度上避免“信息繭房效應”，也有助于滿足其不斷變化的信息需求，因此，可認為信息主題和內容越多樣，越容易產生高滿意度，即信息多樣性正向影響數字圖書館智能信息推薦服務滿意度。③訪談資料顯示，用戶認為面對海量碎片化信息和快節(jié)奏生活，系統(tǒng)推薦的信息越豐富，便越省時省力，其體驗滿意度便越高，即信息豐富性正向影響數字圖書館智能信息推薦服務滿意度。④信息具有一定生命周期，只有處于生命周期內的信息才能對用戶產生價值，信息及時性體現了信息的新穎性，結合訪談結果，用戶認為系統(tǒng)提供的信息越新穎，對其價值越高，從而滿意度也越高，即信息及時性正向影響數字圖書館智能信息推薦服務滿意度。⑤針對用戶同一需求，系統(tǒng)可能會提供很多信息，但訪談資料顯示，用戶認為不實用的信息會浪費其時間，系統(tǒng)提供的信息越實用，對其價值越大，越容易產生高滿意度，即信息實用性正向影響數字圖書館智能信息推薦服務滿意度。⑥訪談資料顯示，用戶認為系統(tǒng)推薦的信息越冗長，越容易引起其反感，體驗滿意度也越低，即信息精簡性正向影響數字圖書館智能信息推薦服務滿意度。綜上，可認為推薦信息質量正向影響數字圖書館智能信息推薦服務滿意度。

5.4 推薦形式多樣性對數字圖書館智能信息推薦服務滿意度的影響

推薦形式多樣性主要通過推薦途徑多樣性、信息呈現形式多樣性和資源格式多樣性三個基本范疇體現。①推薦途徑是用戶接收到推薦內容的必經環(huán)節(jié)，訪談結果顯示，用戶認為系統(tǒng)提供的推薦途徑（郵箱、短信、微信等）越多，符合其需求或偏好的可能性越大，其體驗滿意度也越高，即推薦途徑的多樣性正向影響數字圖書館智能信息推薦服務滿意度。②不同呈現形式所表達的信息內容含量與情感不同，結合訪談資料，用戶認為推薦系統(tǒng)提供的信息呈現形式（文字、圖片、小視頻等）越多樣，越容易滿足其不同需求或偏好，進而越容易產生高滿意度，即信息呈現形式多樣性正向影響數字圖書館智能信息推薦服務滿意度。③不同資源格式具有不同特點，結合訪談資料，用戶認為當系統(tǒng)無法準確識別其需求和特點時，推薦服務提供的資源格式（PDF、CAJ等）越多樣，用戶選擇空間越大，其滿意度也越高，即資源格式的多樣性正向影響數字圖書館智能信息推薦服務滿意度。綜上，可認為推薦形式多樣性正向影響數字圖書館智能信息推薦服務滿意度。

5.5 用戶偏好的調節(jié)作用

用戶偏好通過推薦服務偏好、推薦系統(tǒng)偏好、推薦形式偏好和系統(tǒng)功能使用偏好四個基本范疇體現。本研究的訪談資料顯示，用戶偏好的不同，推薦系統(tǒng)質量、推薦服務質量、推薦信息質量和推薦形式對數字圖書館智能信息推薦服務滿意度的影響程度會發(fā)生改變，因此，用戶偏好具有調節(jié)作用。其中，推薦服務偏好主要調節(jié)推薦服務質量對數字圖書館智能信息推薦服務滿意度的影響，推薦信息偏好主要調節(jié)推薦信息質量對數字圖書館智能信息推薦服務滿意度的影響，推薦形式偏好主要調節(jié)推薦形式多樣性對數字圖書館智能信息推薦服務滿意度的影響，系統(tǒng)使用偏好主要調節(jié)推薦系統(tǒng)質量對數字圖書館智能信息推薦服務滿意度的影響。

6 研究結果、貢獻與展望

本文通過對訪談數據進行三級扎根分析，提煉出范疇并梳理“故事線”，系統(tǒng)地揭示了數字圖書館智能信息推薦服務滿意度的影響機理。研究結果發(fā)現，數字圖書館智能信息推薦服務滿意度包括推薦服務質量滿意度、推薦系統(tǒng)質量滿意度、推薦信息質量滿意度和推薦形式滿意度四個方面，推薦系統(tǒng)質量（系統(tǒng)穩(wěn)定性、系統(tǒng)易用性、界面友好性和隱私安全性）、推薦信息質量（推薦信息的準確性、推薦信息的多樣性、推薦信息的豐富性、推薦信息的及時性、推薦信息的實用性和推薦信息的精簡性）、推薦服務質量（及時性、推薦可控性和推薦個性化）和推薦形式多樣性（推薦途徑多樣性、信息呈現形式多樣性和資源格式多樣性）在用戶偏好（推薦服務偏好、推薦系統(tǒng)偏好、推薦形式偏好和系統(tǒng)使用偏好）的調節(jié)作用下，直接對數字圖書館智能信息推薦服務滿意度產生正向影響。

本文主要貢獻如下：①以往研究對社交媒體情境下智能信息推薦相關主題研究較多[58-60]，但聚焦數字圖書館這一學術情境開展的針對性研究相對較少，在這些研究中，主要探討了數字圖書館智能信息推薦的系統(tǒng)設計、算法優(yōu)化、模型構建和功能拓展等主題，本文從用戶滿意度視角對數字圖書館這一學術情境下智能信息推薦服務的影響機理進行扎根探測，填補了現有研究的不足，豐富了現有研究的主題，并進一步加深了人們對智能推薦服務滿意度的理解。②以往對不同情境下智能信息推薦服務滿意度影響因素的研究主要采用定量方法開展，使得一些潛在的影響范疇未能被發(fā)現，且影響因素間的作用關系缺乏系統(tǒng)梳理。本文采用質性方法進行差異性的探索性研究，系統(tǒng)地揭示了數字圖書館智能信息推薦服務用戶滿意度的影響因素，對各要素的作用路徑進行了剖析，并從理論層面構建了研究框架，為后續(xù)智能推薦服務的相關研究問卷量表和評價模型指標的設計提供了理論參考，也為數字圖書館智能信息推薦服務的優(yōu)化提供了實踐依據。③驗證了改進后D&M模型在數字圖書館智能信息推薦服務領域的契合性，延伸了該理論的適用場景，同時，新提煉出推薦形式多樣性范疇的影響作用，并進一步考察了用戶偏好的調節(jié)影響，深化和拓展了改進后的D&M模型，為未來研究提供了新思路。④為智能信息推薦服務賦予了新內涵和新要求。在以往研究或實踐中，推薦系統(tǒng)更多地關注用戶個性化信息需求或信息偏好的實現，即“投其所好”，但用戶需求是多層且易變的[61]，“投其所好”容易導致“隧道視野效應”和“信息繭房效應”，而數字圖書館作為傳播知識的重要載體，其目標之一是開闊用戶視野，促進其全面發(fā)展，因此，數字圖書館的智能信息推薦不僅需要實現“投其所好”（準確性），還需要實現“亮點紛呈”（多樣性）和“意外之喜”（預見性）。

但本文尚存在一定的局限性。首先，采用扎根理論方法進行數據編碼存在主觀性，這導致研究模型及結論的可靠性需進一步提升。其次，對數字圖書館智能信息推薦服務滿意度影響因素中的影響程度及影響路徑關系的探究還有待深入，比如，各范疇對用戶體驗滿意度的影響分別是多大，用戶偏好的調節(jié)作用影響有多大等。后續(xù)研究可結合結構方程建模等方法進行定量實證研究，通過對更大范圍的研究樣本進行數據搜集與分析，使得影響路徑和變量間的關系更加細?；瑥亩M一步提升研究模型的穩(wěn)健性和研究結果的普適性。