●王雯霞 (中國醫(yī)科大學(xué) 沈陽 110122)

研究生教育是培養(yǎng)高層次人才的有效途徑。我國圖書情報(bào)研究生教育歷史較短，1978年全面恢復(fù)研究生培養(yǎng)制度后，武漢大學(xué)和南京大學(xué)圖書館學(xué)系開始招收首批碩士研究生[1]。面對信息時(shí)代出現(xiàn)的各種挑戰(zhàn)，圖情領(lǐng)域的研究生教育發(fā)展方向更加多元化、專業(yè)化。國務(wù)院學(xué)位委員會(huì)于2010年通過了圖書情報(bào)碩士專業(yè)學(xué)位(MLIS)方案[2]，標(biāo)志著圖書情報(bào)碩士研究生教育進(jìn)入一個(gè)新階段。筆者嘗試在總結(jié)國內(nèi)圖書情報(bào)領(lǐng)域碩士研究生群體畫像的基礎(chǔ)上，為其科研能力的培養(yǎng)與發(fā)展提供解析和參考，有利于優(yōu)化圖書情報(bào)人才結(jié)構(gòu)，提升核心競爭力。

1 圖書情報(bào)研究生培養(yǎng)概述

關(guān)于圖書情報(bào)領(lǐng)域研究生培養(yǎng)的研究成果很豐富，有學(xué)者通過對我國臺(tái)灣地區(qū)[3]以及國外[4-7]圖書館學(xué)情報(bào)學(xué)碩士研究生教育和人才培養(yǎng)的詳細(xì)闡述，具體說明了新時(shí)代背景下研究生人才培養(yǎng)理念的轉(zhuǎn)變狀況。還有學(xué)者通過對中美圖書情報(bào)研究生培養(yǎng)方案的對比分析，提出對研究生培養(yǎng)應(yīng)該基于職業(yè)需求，加強(qiáng)實(shí)踐和合作共享優(yōu)勢資源[8-9]。柯平等認(rèn)為圖書情報(bào)學(xué)研究生教育是整個(gè)圖情教育體系的一個(gè)重要組成部分[10]。同時(shí)，對MLIS的研究近年來也受到學(xué)界的廣泛關(guān)注[11-13]，這些研究成果一致認(rèn)為通過優(yōu)化教學(xué)方式、完善師資隊(duì)伍等方式，能促進(jìn)圖書情報(bào)碩士專業(yè)學(xué)位研究生的人才培養(yǎng)。

碩士研究生是充滿活力的科研生力軍，在導(dǎo)師的科研課題中承擔(dān)著重要角色，在科研活動(dòng)中可以得到培養(yǎng)，增長才干。目前有學(xué)者認(rèn)為圖書情報(bào)碩士教育呈現(xiàn)出學(xué)術(shù)型和專業(yè)碩士并行的情況[14]，相比側(cè)重理論研究的學(xué)術(shù)碩士，MLIS偏向應(yīng)用，但在培養(yǎng)方式上都是理論學(xué)習(xí)、實(shí)踐實(shí)習(xí)、學(xué)位論文相結(jié)合[15]。在學(xué)位論文方面，兩者對科研能力的需求是重合的，但側(cè)重點(diǎn)不一致，學(xué)術(shù)碩士重點(diǎn)面向?qū)W術(shù)研究，對科研能力的需求高于專業(yè)碩士。學(xué)位論文是碩士研究生科研成果的重要產(chǎn)出形式，能展現(xiàn)圖情領(lǐng)域研究生教育的發(fā)展方向。針對學(xué)位論文的研究，有學(xué)者[16-17]采用關(guān)鍵詞和共詞分析的方法，對某一學(xué)科碩士論文進(jìn)行分析，反映圖情領(lǐng)域的研究現(xiàn)狀和碩士選題特點(diǎn)。還有學(xué)者[18-20]對學(xué)位論文的研究是基于文獻(xiàn)計(jì)量的角度，指出圖書情報(bào)學(xué)碩士論文的研究主題日益多樣化，但稍落后于期刊論文。從現(xiàn)有研究結(jié)果來看，學(xué)者的關(guān)注點(diǎn)更多的是圍繞碩士學(xué)位論文，鮮有研究從整個(gè)攻讀碩士學(xué)位期間的科研成果角度展開，綜合分析碩士研究生作為學(xué)術(shù)研究后備軍的科研發(fā)展?jié)摿Α?/p>

2 搭建用戶畫像標(biāo)簽數(shù)據(jù)集

虛擬用戶畫像的基礎(chǔ)是真實(shí)數(shù)據(jù)，姓名、畢業(yè)院校、發(fā)表文獻(xiàn)題名、發(fā)表文獻(xiàn)被引量等差異化標(biāo)簽可以區(qū)分不同用戶。畫像的標(biāo)簽體系決定不同群體的細(xì)分程度，描述了不同碩士研究生群體的學(xué)術(shù)科研需求，因此搭建用戶畫像標(biāo)簽數(shù)據(jù)集是首要目標(biāo)。本文選擇中國知網(wǎng)“圖書情報(bào)與數(shù)字圖書館”專輯內(nèi)的相關(guān)文獻(xiàn)，學(xué)位授予年度選擇2000—2018年，數(shù)據(jù)采集時(shí)間為2020年6月13日，共獲取7 045個(gè)樣本對象。以樣本對象的具體姓名和所在高校為檢索點(diǎn)，利用專業(yè)檢索式獲取每位碩士研究生的發(fā)文情況。為避免重復(fù)和兼顧查準(zhǔn)率、查全率，姓名字段選擇精確匹配，單位字段選擇模糊匹配，檢索式設(shè)置為“AU=作者 and AF%學(xué)位授予單位”。采用Python作為爬蟲抓取語言，以知網(wǎng)公開的文獻(xiàn)網(wǎng)址為種子頁，共采集到7 045位作者發(fā)表的49 589篇文獻(xiàn)，數(shù)據(jù)采集時(shí)間為2020年10月。

根據(jù)樣本采集的源數(shù)據(jù)結(jié)構(gòu)和研究目的，本文從用戶和行為兩個(gè)維度構(gòu)建表格：用戶信息表存放圖情領(lǐng)域碩士研究生的基礎(chǔ)數(shù)據(jù)，包含字段為姓名、畢業(yè)院校、學(xué)位授予時(shí)間、指導(dǎo)教師；文獻(xiàn)信息表描述該作者攻讀碩士學(xué)位期間發(fā)表文獻(xiàn)的相關(guān)信息，包含字段為作者、作者單位名稱、文獻(xiàn)題名、文獻(xiàn)來源、發(fā)表時(shí)間、被引量。

文獻(xiàn)信息表中的數(shù)據(jù)是冗余繁雜的原始資料，必須經(jīng)過預(yù)處理才能變成有效信息。數(shù)據(jù)預(yù)處理分兩步進(jìn)行。第一步是依據(jù)畢業(yè)院校的碩士研究生學(xué)制篩選特定時(shí)期內(nèi)作者所發(fā)表文獻(xiàn)的相關(guān)信息。由于圖情領(lǐng)域部分期刊的出版周期為雙月刊、季刊等，文獻(xiàn)收錄見刊的時(shí)間較長，因此本文選取的特定時(shí)期是從作者入學(xué)到畢業(yè)后七個(gè)月以內(nèi)。第二步是排除同單位中同名作者的情況,判斷依據(jù)首先是作者所發(fā)文獻(xiàn)中的簡介信息，其次是論文合著者。經(jīng)過數(shù)據(jù)預(yù)處理后，僅擷取7 045位作者在攻讀碩士學(xué)位期間的16 352篇文獻(xiàn)。

3 碩士研究生群體用戶畫像構(gòu)建與實(shí)現(xiàn)

群體用戶畫像構(gòu)建與實(shí)現(xiàn)分三步展開：首先需要借助RFM模型對用戶行為特征進(jìn)行篩選，提取可聚類變量近度R、頻度F、值度M；其次是在第一步的基礎(chǔ)上對碩士研究生群體進(jìn)行聚類劃分；最后運(yùn)用詞云分析可視化每類群體的論文顯著關(guān)鍵詞圍繞傾向，識(shí)別核心學(xué)術(shù)用戶，提供差異化的科研策略。

3.1 特征變量選取

目前，多數(shù)學(xué)者認(rèn)為用戶畫像的概念最早由Cooper A在1995年提出[21]，最初的目的是加強(qiáng)軟件工程師之間的溝通。隨著精準(zhǔn)信息服務(wù)需求的增加，用戶畫像逐步擴(kuò)張到社交網(wǎng)絡(luò)[22]、健康醫(yī)療[23]、圖書館[24]等領(lǐng)域。何娟通過構(gòu)建讀者的個(gè)人畫像和群體畫像推薦圖書，并結(jié)合問卷調(diào)查驗(yàn)證此方法的有效性[25]。Kumar H等使用奇異值分解(SVD)為每個(gè)用戶建立一個(gè)聚類用戶興趣檔案(CUIP)[26]。Riccardo R等用微觀模擬工具模擬機(jī)場用戶的行動(dòng)軌跡，構(gòu)建決策支持系統(tǒng)為機(jī)場用戶管理提供建議[27]。用戶畫像方法作為實(shí)現(xiàn)精準(zhǔn)服務(wù)的有效工具之一，也可以運(yùn)用RFM模型構(gòu)建用戶畫像。

RFM模型是由Hughes A M[28]提出的，該模型簡單易用，根據(jù)具體應(yīng)用領(lǐng)域的差異，學(xué)者對傳統(tǒng)RFM模型中的指標(biāo)含義進(jìn)行修正。Miglautsch J R認(rèn)為RFM模型的三個(gè)變量應(yīng)該根據(jù)客戶差異賦予不同權(quán)重[29]。Liu D R等混合了基于加權(quán)RFM方法和基于偏好的協(xié)作過濾方法，改進(jìn)硬件零售市場的有效個(gè)性化推薦[30]。Yeh I C等加入首次購買時(shí)間和客戶流失概率參數(shù)來擴(kuò)展RFM模型[31]。Sarvari P A等人采用加權(quán)RFM(WRFM)和未加權(quán)RFM指標(biāo)組成不同類型集群[32]。趙洪波為分析面向圖書館精準(zhǔn)服務(wù)的讀者行為數(shù)據(jù)，采用讀者最近相關(guān)活動(dòng)數(shù)據(jù)(R) 、相關(guān)活動(dòng)頻率數(shù)據(jù)(F) 、相關(guān)活動(dòng)時(shí)間停留數(shù)據(jù)(M)三個(gè)指標(biāo)為依據(jù)[33]。

群體畫像特征變量選取的是用戶的行為屬性，數(shù)據(jù)主要集中在文獻(xiàn)信息表中，包括6個(gè)字段，分別為作者、作者單位名稱、文獻(xiàn)題名、文獻(xiàn)來源、發(fā)表時(shí)間、被引量。借鑒上述的RFM模型指標(biāo)含義，以進(jìn)一步細(xì)分和識(shí)別碩士研究生為目標(biāo)導(dǎo)向，根據(jù)發(fā)文行為的差異性，對RFM模型的指標(biāo)含義進(jìn)行調(diào)整。調(diào)整后的近度R表示在攻讀碩士學(xué)位期間，每個(gè)人最近一次文獻(xiàn)的發(fā)表時(shí)間與其畢業(yè)時(shí)間的間隔，以月為時(shí)間單位。頻度F表示在特定時(shí)間范圍內(nèi)，每個(gè)人發(fā)表的文獻(xiàn)總量。被引量是衡量文獻(xiàn)學(xué)術(shù)價(jià)值的重要指標(biāo)，值度M表示被引量的平均值。

3.2 用戶群體劃分

(1)變量聚類。聚類分析可以通過指標(biāo)的變量聚類，對不同指標(biāo)的分類情況進(jìn)行總體分析，以實(shí)現(xiàn)用戶分群的目標(biāo)，但如何確定分類距離是聚類分析的關(guān)鍵。聚類算法中的距離測度要求變量之間具有一定的獨(dú)立性，因此在聚類之前，需要檢驗(yàn)變量的分布狀態(tài)與獨(dú)立性。表1是對三個(gè)特征變量的基本統(tǒng)計(jì)量描述，從表中可以看出值度M具有較大的標(biāo)準(zhǔn)差，有的作者文獻(xiàn)被引均值為0，最大被引均值為88。根據(jù)表2中K-S檢驗(yàn)的結(jié)果，顯著性sig均小于0.05，因此三個(gè)特征變量均不呈正態(tài)分布。

表1 描述統(tǒng)計(jì)量

如果聚類分析所選變量之間的相關(guān)性較強(qiáng)，會(huì)在度量個(gè)體“親疏”距離時(shí)進(jìn)行重復(fù)計(jì)算，使同類變量占據(jù)較高權(quán)重，導(dǎo)致最終的聚類結(jié)果出現(xiàn)偏差，因此探索三個(gè)特征變量間的相關(guān)性關(guān)系是必要的。從表1中可以看出近度R和頻度F的極小值頻率均為3 048，百分比為43.3%，說明在7 045個(gè)樣本中，有3 048位作者只發(fā)表過1篇文章，考慮到此部分樣本占比近半且數(shù)據(jù)規(guī)律統(tǒng)一，可自成一類，需要對剩余的3 997個(gè)樣本對象進(jìn)一步展開探討。表3是針對三個(gè)變量的相關(guān)系數(shù)檢驗(yàn)表，表中顯示三個(gè)特征變量具有一定的獨(dú)立性，發(fā)文總量與被引均值呈微弱正相關(guān)，相關(guān)系數(shù)為0.237，發(fā)文總量較高，被引均值會(huì)略有提高；發(fā)文總量與時(shí)間間隔成微弱負(fù)相關(guān)，相關(guān)系數(shù)為-0.276，間隔越短的作者說明對學(xué)術(shù)的熱情較高，發(fā)文總量相應(yīng)會(huì)高一些。

表3 Spearman的rho相關(guān)系數(shù)檢驗(yàn)

(2)聚類分析結(jié)果。手肘法是一種利用SSE(Sum of the Squared Errors，誤差平方和)和K值的關(guān)系圖確認(rèn)最優(yōu)K值的方式，其主要特點(diǎn)是隨著K值的不斷增大，樣本劃分的類別就越精細(xì)，SSE隨著聚類精確度的提高變得越小，呈現(xiàn)出下降趨勢[34]。按照手肘法的特點(diǎn)，選取K值范圍為2～10，繪制出K值與SSE的關(guān)系圖，如圖1所示。從圖中可知，隨著K值的增加，SSE不斷降低，當(dāng)K>4時(shí)，下降幅度明顯降低，因此選取聚類數(shù)量的值為4。

圖1 K值與SSE的關(guān)系圖

使用手肘法根據(jù)三個(gè)特征變量將群體劃分為四類，再結(jié)合K-means聚類方法，7 045個(gè)樣本對象的聚類結(jié)果如表4所示。其中，第一類群體占比最高，數(shù)據(jù)個(gè)數(shù)為3 048；其次為第二類群體和第三類群體，兩者頻度F和值度M的聚類中心值很接近，但近度R有明顯差異；第四類群體共有367名，占比最小。

表4 聚類結(jié)果

3.3 群體畫像構(gòu)建與展示

7 045個(gè)樣本對象包含的發(fā)表文獻(xiàn)共16 352篇，根據(jù)四類群體的聚類結(jié)果進(jìn)行劃分，群體一包含文獻(xiàn)3 048篇，群體二包含文獻(xiàn)9 496篇，群體三包含2 332篇，群體四包含1 476篇。關(guān)鍵詞能有效揭示文獻(xiàn)主題，是論文的必備要素，本文將各群體所包含文獻(xiàn)的關(guān)鍵詞單獨(dú)抽取出來，按照關(guān)鍵詞詞頻進(jìn)行排序，依據(jù)詞頻表通過Python的中文分詞工具包制作出四類群體的詞云圖，如圖2～圖5所示。

圖2 群體一詞云圖

圖3 群體二詞云圖

圖4 群體三詞云圖

圖5 群體四詞云圖

群體一的顯著關(guān)鍵詞是服務(wù)、圖書館，具體涵蓋個(gè)性化信息服務(wù)、公共文化服務(wù)、公共圖書館。公共圖書館面向全社會(huì)，可以實(shí)現(xiàn)全民共享文化服務(wù)，個(gè)性化信息服務(wù)也是構(gòu)建公共文化服務(wù)體系的基礎(chǔ)，三者的關(guān)聯(lián)可看出群體一的顯著關(guān)鍵詞的圍繞傾向是面向公眾的圖書館服務(wù)研究。

群體二的顯著關(guān)鍵詞是分析，包含比較分析、文獻(xiàn)計(jì)量分析、可視化分析、因子分析、內(nèi)容分析。各種分析方法的使用基礎(chǔ)是豐富嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)，綜合運(yùn)用這些方法可揭示研究現(xiàn)狀和熱點(diǎn)，為研究人員把握領(lǐng)域前沿提供有力的參考依據(jù)。

群體三的最顯著關(guān)鍵詞是信息，具體涵蓋信息需求和咨詢、信息組織、數(shù)字資源保存、信息資源管理等一系列信息行為。次顯著詞是被引次數(shù)、引文分析、MOOC、博客、微博，前兩者含義相近，后三者是在人工智能信息技術(shù)發(fā)展下興起的新事物。

群體四的最顯著關(guān)鍵詞是評價(jià)，具體包括網(wǎng)站評價(jià)、期刊評價(jià)等各種評價(jià)指標(biāo)和體系的構(gòu)建，次顯著關(guān)鍵詞比較分散，包含創(chuàng)客空間、共現(xiàn)分析、科學(xué)計(jì)量學(xué)、SERVQUAL(服務(wù)質(zhì)量)、手機(jī)圖書館、特色數(shù)據(jù)庫、微信等。

4 用戶畫像描述及特征討論

本文聚焦于圖書情報(bào)碩士研究生群體的三個(gè)特征：在攻讀碩士學(xué)位期間的發(fā)文總量、最近一次文獻(xiàn)的發(fā)表時(shí)間與其畢業(yè)時(shí)間的間隔、文獻(xiàn)被引量的平均值，結(jié)合K-means算法將群體聚為四類。

4.1 低價(jià)值群體

群體一的特征是頻度F為1、近度R為0，說明在攻讀碩士學(xué)位期間，群體一的碩士研究生只發(fā)表了1篇文獻(xiàn)，即碩士畢業(yè)論文。碩士畢業(yè)論文是獲得碩士學(xué)位的必要條件之一，也是衡量研究生科研水平和創(chuàng)新能力的重要依據(jù)，群體一只是完成了必不可少的畢業(yè)論文，處于碩士研究生群體的科研邊緣位置，可以歸屬為低價(jià)值群體。低價(jià)值群體的用戶基數(shù)在群體中分布最廣，對科研論文還處于起步階段，論文顯著關(guān)鍵詞方向偏向基礎(chǔ)理論，該群體在某種程度上是學(xué)術(shù)成果的宣傳大軍。針對這部分群體首先需要進(jìn)行更加深入的信息素養(yǎng)教育，潛移默化地提升其信息處理能力；其次可以從研究領(lǐng)域內(nèi)的綜述、高被引論文入手，讓群體用戶更加了解研究領(lǐng)域的熱點(diǎn)問題和發(fā)展趨勢，明晰不同用戶的科研興趣點(diǎn)。

4.2 重要挽留群體

群體三的特征是頻度F為3、近度R為14，說明在攻讀碩士學(xué)位期間，除了必要的碩士畢業(yè)論文，群體三的碩士研究生平均每人發(fā)表2篇文獻(xiàn)，發(fā)表時(shí)間距離畢業(yè)時(shí)間14個(gè)月，大約是在研二階段。根據(jù)詞云圖顯示，群體三發(fā)表文獻(xiàn)的最顯著關(guān)鍵詞涵蓋了各種信息行為，揭示出該群體已經(jīng)具備信息檢索和利用等科研技能，結(jié)合數(shù)值為14的近度，可以歸屬為重要挽留群體。重要挽留群體具備承擔(dān)課題輔助工作或接受科學(xué)研究全面訓(xùn)練的能力，發(fā)文總量多，但最近一次發(fā)文時(shí)間間隔較長，是容易發(fā)展為科研潛力軍的類型。重要挽留群體可被視為潛在的科研輸出型用戶，可以制定相應(yīng)措施對這部分群體用戶進(jìn)行引導(dǎo)，提高該群體的科研積極性和活躍度，縮短科研發(fā)文的時(shí)間間隔。

4.3 重要發(fā)展群體

群體二的特征是頻度F為3、近度R為3，說明在攻讀碩士學(xué)位期間，群體二的碩士研究生平均每人發(fā)表3篇文獻(xiàn)，且發(fā)文時(shí)間間隔較短，基本與碩士畢業(yè)論文同步完成，結(jié)合文獻(xiàn)顯著關(guān)鍵詞傾向，可以歸屬為重要發(fā)展群體。重要發(fā)展群體能兼顧發(fā)文總量和發(fā)文時(shí)間間隔，表明該群體可以綜合運(yùn)用知識(shí)發(fā)現(xiàn)問題、分析問題、解決問題，在某一研究方向有深層次的挖掘，在相應(yīng)的研究方向中具有較高的科研基礎(chǔ)，可以極大地提升發(fā)文的效率。針對重要發(fā)展群體，可以判定此類用戶在發(fā)文需求方面較為突出，從發(fā)文行為模式來看，這類群體對文獻(xiàn)內(nèi)容和分析方法有深入的思考，具有相對完善的理論應(yīng)用系統(tǒng)性，相比于重要挽留群體，前者在快速產(chǎn)出科研成果方面有明顯優(yōu)勢。滿足重要發(fā)展群體的科研需求是首要影響因素，其次是聚合科研方向相近的同伴，給群體用戶之間進(jìn)一步探討的空間。

4.4 高價(jià)值群體

群體四的特征是頻度F為4、近度R為5、值度M為22.21，說明在攻讀碩士學(xué)位期間，群體四的碩士研究生平均每人發(fā)表4篇文獻(xiàn)，發(fā)文時(shí)間間隔大約為5個(gè)月，文獻(xiàn)被引量的平均值很高，大約為其他三類群體的5～7倍，可以歸屬為高價(jià)值群體。高價(jià)值群體是碩士開展科研的核心用戶，從文獻(xiàn)顯著關(guān)鍵詞傾向可以看出，此類用戶的研究方向比較新穎熱門，發(fā)文活躍性也最高。高價(jià)值群體用戶數(shù)量較少，發(fā)文質(zhì)量較高，首先可以為該群體推薦研究前沿的高質(zhì)量文獻(xiàn)，便于用戶及時(shí)掌握科研發(fā)展動(dòng)向。其次是開展差異化的專項(xiàng)指導(dǎo)，引導(dǎo)并鼓勵(lì)用戶積極參與科研或者申請項(xiàng)目課題，進(jìn)一步促使該群體在不同科研成果類型中多開花。

5 結(jié)語

碩士作為科研后備軍，具備較大的科研發(fā)展?jié)摿蛣?chuàng)新精神。本文基于用戶畫像相關(guān)理論方法，選擇2000—2018年圖書情報(bào)碩士在整個(gè)攻讀碩士學(xué)位期間的發(fā)文情況作為研究對象，根據(jù)碩士的發(fā)文偏好進(jìn)行群體畫像描述，發(fā)現(xiàn)四類不同的研究生群體。在7 045個(gè)樣本對象中，43%的碩士只完成了必要的碩士畢業(yè)論文，57%的碩士發(fā)文數(shù)量在3篇以上，表明圖書情報(bào)領(lǐng)域碩士研究生不僅僅滿足于獲取學(xué)位，而且在科研方面有較強(qiáng)的需求。從發(fā)文質(zhì)量角度衡量，只有5%的碩士研究生的文獻(xiàn)平均被引量比較突出，是核心學(xué)術(shù)用戶，是圖情領(lǐng)域可持續(xù)發(fā)展的基礎(chǔ)力量和核心競爭力。

梳理整個(gè)研究，仍然存在不足之處，首先受到中國知網(wǎng)學(xué)科分類的局限，本文僅以中國知網(wǎng)“圖書情報(bào)與數(shù)字圖書館”領(lǐng)域?yàn)闃颖緦ο?，?shí)際上不同數(shù)據(jù)庫中碩士研究生的收錄情況可能是有少量不同的。其次是抓取時(shí)機(jī)問題，筆者選取的碩士學(xué)位授予年度是2000—2018年，如能結(jié)合不同數(shù)據(jù)庫中更多時(shí)間段內(nèi)的碩士發(fā)文情況，將能更加清晰地了解碩士研究生的發(fā)文行為特征，從而提供精準(zhǔn)化、個(gè)性化的科研發(fā)展策略。