[摘 要]K-Means是一種將相似的數(shù)據(jù)點(diǎn)劃分到一個(gè)集群、不同的數(shù)據(jù)點(diǎn)劃分到不同集群的聚類算法，Apriori算法則是一種頻繁項(xiàng)集挖掘算法。高校圖書館為人才培養(yǎng)和科研服務(wù)提供重要助力。以高校圖書館為例，通過數(shù)據(jù)調(diào)查、問卷調(diào)查和訪談?wù){(diào)查3種方式了解其借閱情況，利用K-Means與Apriori算法分別對借閱數(shù)據(jù)進(jìn)行聚類與關(guān)聯(lián)性分析。根據(jù)分析結(jié)果，提出通過調(diào)整采購方案、吸引讀者興趣、優(yōu)化圖書館館藏等途徑提高高校圖書館資源利用率，實(shí)現(xiàn)圖書館投入費(fèi)用的效用最大化。

[關(guān)鍵詞]資源利用率 數(shù)據(jù)挖掘 K-Means算法 Apriori算法 高校圖書館

[分類號]G258.6；G253

1 引言

習(xí)近平總書記在黨的二十大報(bào)告中指出：“教育、科技、人才是全面建設(shè)社會主義現(xiàn)代化國家的基礎(chǔ)性、戰(zhàn)略性支撐”，并在黨的十九屆六中全會上強(qiáng)調(diào)要深入推進(jìn)世界一流大學(xué)和一流學(xué)科建設(shè)[1-2]。黨和國家領(lǐng)導(dǎo)人始終關(guān)注高等教育，在高等教育經(jīng)費(fèi)投入越來越高的趨勢下，高校為圖書館撥付的經(jīng)費(fèi)數(shù)額越來越大，然而高校學(xué)生對于圖書館館藏資源的利用率卻沒有顯著提高。

高校圖書館是學(xué)校的文獻(xiàn)信息資源中心，是為人才培養(yǎng)和科學(xué)研究服務(wù)的學(xué)術(shù)性機(jī)構(gòu)。其主要職能是教育和信息服務(wù)，主要任務(wù)是建設(shè)全校的文獻(xiàn)信息資源體系及文獻(xiàn)信息服務(wù)體系，為教學(xué)、科研和學(xué)科建設(shè)提供文獻(xiàn)信息保障，方便全校師生獲取各類信息，不斷拓展和深化服務(wù)，積極參與學(xué)校人才培養(yǎng)、信息化建設(shè)和校園文化建設(shè)，發(fā)揮信息資源和專業(yè)服務(wù)優(yōu)勢，為社會服務(wù)。部分高校圖書館在預(yù)算資金一定的情況下，會大量購買價(jià)格較高的圖書，或者減少購買傳播科學(xué)文化知識的學(xué)術(shù)著作，增加購買武俠或言情文學(xué)作品，以降低資源量，進(jìn)而提高資源利用率[3]。然而，以上片面追求高資源利用率的做法是不可取的，不利于高等教育人才培養(yǎng)。高校圖書館應(yīng)該以高等教育人才培養(yǎng)目標(biāo)作為約束條件來研究如何提升資源利用率。

運(yùn)用K-Means與Apriori算法進(jìn)行數(shù)據(jù)挖掘和分析有助于高校圖書館有效利用資源，合理分配投入資金，在一定程度上避免資源的浪費(fèi)，促進(jìn)高校圖書館從數(shù)量型向質(zhì)量型轉(zhuǎn)變[4]。筆者采用K-Means與Apriori算法，對遼寧某高校圖書館的借閱情況數(shù)據(jù)進(jìn)行聚類分析與關(guān)聯(lián)規(guī)則挖掘分析，根據(jù)聚類結(jié)果與關(guān)聯(lián)規(guī)則結(jié)果得出圖書資源建設(shè)及推薦對策建議，為高校圖書館提高資源利用率提供參考。

2 文獻(xiàn)綜述

現(xiàn)有對于圖書館資源利用率的研究文獻(xiàn)中，部分學(xué)者直接提出改進(jìn)意見，如王琦、陳文勇[5]從尊重用戶信息行為規(guī)律、圖書館信息推送、技術(shù)支持3個(gè)方面提出了提高圖書館資源利用率的應(yīng)對策略；吳雪映[6]對公共圖書館資源利用率的提升作出了思考；雷三丫[7]針對軍校圖書館提高資源利用率提出建議。

有的學(xué)者基于統(tǒng)計(jì)數(shù)據(jù)，提出了建議。陳文華[8]從高校圖書館、讀者及社會環(huán)境等方面入手，對現(xiàn)階段影響我國高校圖書館利用率的不利因素進(jìn)行分析，同時(shí)就如何提高利用率提出相應(yīng)的建議和措施；劉佳音[9]根據(jù)IEL數(shù)據(jù)庫使用數(shù)據(jù)的后臺統(tǒng)計(jì)研究了高校圖書館資源利用率問題；孫維佳、顧建新[10]針對李文正圖書館資源利用率逐年下降的趨勢，統(tǒng)計(jì)分析了影響高校圖書館資源利用率的主要因素并探討了提高資源利用率的措施。

國外與國內(nèi)均有學(xué)者利用不同的分析方法處理統(tǒng)計(jì)數(shù)據(jù)，并根據(jù)分析結(jié)果給出相關(guān)對策建議。Isibika和Kavishe[11]采用定量和定性相結(jié)合的方法分析了Mzumbe圖書館的資源利用率；Ikenwe等[12]利用Pearson積矩相關(guān)系數(shù)澄清了信息素養(yǎng)的某些要素與尼日利亞圖書館資源使用之間的聯(lián)系中存在不確定性和模糊性的問題；Noh[13]基于DEA-CCR模型和DEA-BCC模型確定了技術(shù)效率（CCR*BCC），認(rèn)為大學(xué)圖書館的資源利用率因是否將電子資源納入評估而呈現(xiàn)顯著差異；Iqbal等[14]通過隨機(jī)抽樣，在科欽科技大學(xué)（CUSAT）和本地治里大學(xué)（PU）的圖書館發(fā)放了250份問卷，調(diào)查兩所高等院校的圖書館OA機(jī)構(gòu)知識庫的使用情況，并對提高資源利用率提出了建議；李曉童[15]應(yīng)用TAM與TTF模型對高校圖書館資源利用率展開了研究；徐夢宇等[16]從借閱人群、借閱時(shí)間、利用率3個(gè)方面進(jìn)行數(shù)據(jù)處理，提取7個(gè)維度特征值，基于機(jī)器學(xué)習(xí)、模型訓(xùn)練探究高校圖書館高利用率資源的識別方法。

綜上所述，直接對圖書館資源利用率提出意見缺乏數(shù)據(jù)支撐，沒有對圖書館數(shù)據(jù)應(yīng)用相應(yīng)的數(shù)據(jù)處理方法則會使研究淺嘗輒止，現(xiàn)有文獻(xiàn)鮮少將K-Means與Apriori算法應(yīng)用于提高圖書館資源利用率的研究。因此，筆者應(yīng)用K-Means與Apriori算法進(jìn)行數(shù)據(jù)分析與挖掘，有助于豐富其應(yīng)用方面的研究，同時(shí)為高校圖書館提高資源利用率提供了借鑒與參考。

3 數(shù)據(jù)來源與研究內(nèi)容

3.1 數(shù)據(jù)來源

研究數(shù)據(jù)主要為遼寧某高校讀者的書籍借閱情況，數(shù)據(jù)來自該校圖書館數(shù)據(jù)庫信息和問卷調(diào)查結(jié)果，確保了樣本的完整性與準(zhǔn)確性。研究的時(shí)間范圍為2020年9月至2021年7月一個(gè)學(xué)年度，反映該學(xué)年兩個(gè)學(xué)期的情況。數(shù)據(jù)庫信息主要包括讀者所在學(xué)院、專業(yè)、每月（剔除完全處于假期的2月份和8月份）借閱圖書的種類與借閱數(shù)量，問卷調(diào)查對象為該校區(qū)大一到研三的在校學(xué)生。另外，訪談了41名學(xué)生，充分了解其借閱習(xí)慣及形成原因、薦購書單等。通過數(shù)據(jù)調(diào)查、問卷調(diào)查和訪談?wù){(diào)查3種方式相結(jié)合為后續(xù)研究的可信度提供了合理保證。該校圖書館圖書分類采用的是我國通用的《中國圖書館分類法》，按照從總到分、從一般到具體的編制原則組成22個(gè)大類，由于沒有相關(guān)專業(yè)且借閱量遠(yuǎn)遠(yuǎn)低于其他大類，該校剔除軍事（E），天文學(xué)、地球科學(xué)（P），生物科學(xué)（Q），醫(yī)藥衛(wèi)生（R），農(nóng)業(yè)科學(xué)（S），航工航天（V）6個(gè)大類，剩余16個(gè)大類如表1所示。

3.2 研究內(nèi)容

研究以該高校圖書館為例，使用IBM SPSS Modeler工具對圖書館數(shù)據(jù)庫進(jìn)行整理，得出該校學(xué)生的圖書借閱數(shù)據(jù)，通過數(shù)據(jù)挖掘?qū)ζ溥M(jìn)行聚類分析和關(guān)聯(lián)規(guī)則分析，掌握高校在校學(xué)生的閱讀興趣濃厚程度以及圖書借閱的規(guī)律與趨勢，為圖書館館藏結(jié)構(gòu)的動態(tài)調(diào)整、圖書采購與書籍推薦提供參考依據(jù)，從而提升高校圖書館資源利用率。研究思路如圖1所示。

4 聚類分析

4.1 算法選擇

聚類是通過某個(gè)標(biāo)準(zhǔn)將數(shù)據(jù)集劃分為不同標(biāo)準(zhǔn)類別，聚類相同類別數(shù)據(jù)，并最大程度分離不同類別的數(shù)據(jù)。聚類分析是一種探索性分析，因此在分析過程中無需給出特定的分類標(biāo)準(zhǔn)?，F(xiàn)有的聚類算法有層次聚類、K-Means算法、EM算法、Optics算法等，筆者選擇可以直接給定樣本點(diǎn)類別和個(gè)數(shù)的K-Means算法。

4.2 K-Means算法流程

K-Means算法流程分為以下6個(gè)步驟，如圖2所示。

（1）進(jìn)行數(shù)據(jù)準(zhǔn)備，在數(shù)據(jù)集合中確定若干分類個(gè)數(shù)。

（2）確定初始聚類中心點(diǎn)。

（4）通過計(jì)算各對象平均值，重新確定新的聚類中心。

（5）通過中心點(diǎn)匯總時(shí)是否產(chǎn)生新的中心點(diǎn)或聚類劃分時(shí)各對象是否進(jìn)入上一次不同聚類中，來判斷是否滿足收斂。

（6）若滿足收斂，則可以得出結(jié)論；若不滿足收斂，則重新計(jì)算并確定新的聚類中心，直到中心點(diǎn)匯總時(shí)沒有新的中心點(diǎn)產(chǎn)生或聚類劃分時(shí)各對象均不進(jìn)入上一次不同聚類中為止。

4.3 基于K-Means算法的聚類實(shí)施分析

從高校學(xué)生讀者的角度對圖書館借閱情況數(shù)據(jù)實(shí)施聚類分析，旨在通過分析讀者閱讀興趣，為高校圖書館圖書采購提出建議。

每位讀者的閱讀興趣不盡相同，閱讀興趣濃厚的讀者圖書借閱數(shù)量比較大；反之，閱讀興趣有待提高的讀者，前往圖書館借閱圖書的概率就比較小。依據(jù)讀者的圖書借閱數(shù)量進(jìn)行相似劃分，得到借閱圖書數(shù)量柱形圖，如圖3所示。

使用IBM SPSS Modeler工具的K-Means算法進(jìn)行聚類分析時(shí)需要手動輸入聚類分類數(shù)，為保證參數(shù)設(shè)置具有科學(xué)依據(jù)，經(jīng)過SPSS 22.0進(jìn)行數(shù)據(jù)分析得出聚類系數(shù)，如表2所示。

根據(jù)聚類表繪制聚合系數(shù)折線圖（見圖4）?？芍?，當(dāng)類別數(shù)為4時(shí)，折線的下降趨勢趨緩，因此確定該數(shù)值為4時(shí)聚類效果優(yōu)于其他數(shù)值，聚類效果如表3所示。

通過上述聚類分析可以大體把握高校學(xué)生讀者的借閱情況，K-Means算法將938名讀者分為4類，其中聚類1占比最高，達(dá)到了56.7164%，有532名高校學(xué)生讀者，平均圖書借閱數(shù)量為5.1767本。聚類2占比為20.7889%，平均圖書借閱數(shù)量最少，僅為1.6256本。聚類4占比數(shù)量最少，但是平均借閱圖書數(shù)量最多。

4.4 聚類實(shí)施結(jié)果分析

聚類分析結(jié)果將高校學(xué)生讀者分為4個(gè)大類，這四類人群在圖書借閱數(shù)量上存在著明顯的差距。

在聚類4中，讀者的平均圖書借閱數(shù)量遠(yuǎn)遠(yuǎn)高于其他類別，達(dá)到了兩位數(shù)，該類讀者閱讀興趣十分濃厚。通過對數(shù)據(jù)的進(jìn)一步分析發(fā)現(xiàn)，該類讀者主要來自工商管理學(xué)院與營銷管理學(xué)院，屬于文科相關(guān)專業(yè)，由于實(shí)驗(yàn)較少且平時(shí)需要閱讀梳理大量的文獻(xiàn)資料，圖書借閱數(shù)量多。高校圖書館可以通過問卷調(diào)查結(jié)果，掌握其感興趣的圖書，結(jié)合現(xiàn)有館藏，適當(dāng)調(diào)整采購偏好。

在聚類3中，可以發(fā)現(xiàn)該類讀者平均借閱量為8.1852本，閱讀興趣較為濃厚，占比接近1/5。高校圖書館一方面可以酌情采納該類讀者推薦書籍的建議，另一方面可以舉辦圖書館志愿者招募等活動，以進(jìn)一步提升其閱讀興趣。

聚類1的讀者占比最大，平均每兩月借一本書。針對該類讀者可以組建QQ群或微信群，在群中發(fā)送薦讀書目并說明書籍的特色以及推薦理由，以提高該類讀者的閱讀興趣，幫助其尋找到適合自己的書籍。

聚類2中的讀者占總數(shù)的五分之一，平均圖書借閱量僅為1.6256本，其中不乏借閱量為零的讀者，之所以存在這種情況，并不是他們沒有任何閱讀興趣，可能是由于隨著互聯(lián)網(wǎng)圖書館、知網(wǎng)的普及，網(wǎng)絡(luò)在線閱讀方便快捷，部分讀者更傾向于網(wǎng)絡(luò)閱讀。當(dāng)然，其中亦有閱讀興趣十分匱乏的讀者，高校圖書館應(yīng)加強(qiáng)微信公眾號的建設(shè)，通過多種方式宣傳圖書館資源[17]。同時(shí)，可以舉辦有關(guān)讀書的活動或比賽，如“我是演講家”、知識競答等吸引學(xué)生參與，培養(yǎng)其閱讀興趣。還可以對圖書館空間布局進(jìn)行優(yōu)化，打造網(wǎng)紅圖書館以吸引讀者[18]。

高校圖書館通過書目推薦、舉辦活動等方式提高自身資源的利用率，推薦哪些種類的書籍、何時(shí)推薦是亟須思考的問題，筆者為此進(jìn)行關(guān)聯(lián)規(guī)則分析，以期解決該問題。

5 關(guān)聯(lián)規(guī)則分析

5.1 算法選擇

關(guān)聯(lián)規(guī)則是一種需要確定支持度，基于某種特定規(guī)則，并從數(shù)據(jù)集中探索隱含關(guān)系進(jìn)而尋找數(shù)據(jù)與數(shù)據(jù)關(guān)系的方法。支持度公式為：

在確定支持度后要確定置信度，其代表著規(guī)則的可靠性，即關(guān)聯(lián)性的強(qiáng)弱。然后尋找關(guān)聯(lián)規(guī)則支持度閾值，將其與提前確定的置信度閾值進(jìn)行比較，若大于或等于閾值則獲得關(guān)聯(lián)規(guī)則挖掘結(jié)果。置信度公式為：

筆者選擇已經(jīng)廣泛應(yīng)用的Apriori算法，該算法通過生成候選集和向下封閉檢測挖掘關(guān)聯(lián)規(guī)則的頻繁項(xiàng)集[19]。

5.2 Apriori算法流程

Apriori算法流程分為以下6個(gè)步驟，如圖5所示。

（1）進(jìn)行數(shù)據(jù)準(zhǔn)備，設(shè)置最小支持度。

（2）確定最小置信度。

（3）根據(jù)步驟一設(shè)置的最小支持度，尋找頻繁項(xiàng)集。

（4）利用頻繁1項(xiàng)集，發(fā)現(xiàn)并判定候選集，嘗試尋找頻繁2項(xiàng)集。

（5）重復(fù)步驟三，尋找頻繁k項(xiàng)集，直到無法尋找到新的頻繁k項(xiàng)集。

（6）將符合的規(guī)則（即出現(xiàn)大于或等于最小置信度的規(guī)則）寫入規(guī)則庫。

5.3 基于Apriori算法的關(guān)聯(lián)規(guī)則分析

利用Apriori算法流程對借閱圖書的月份與借閱圖書的種類進(jìn)行關(guān)聯(lián)規(guī)則分析，可以得出讀者在不同學(xué)期階段對不同圖書的興趣情況，為高校圖書館在不同階段的圖書推薦提供參考。

高校學(xué)生讀者在整個(gè)學(xué)年中經(jīng)歷兩個(gè)學(xué)期，每學(xué)期的不同月份所需閱讀的書籍有所不同，比如5、6、11、12月份臨近期末，讀者對專業(yè)書籍的借閱量有所增加。通過對借閱書籍的種類與借閱時(shí)間之間的關(guān)聯(lián)規(guī)則挖掘分析，可以探尋其中的書籍借閱規(guī)律。

將借閱時(shí)間設(shè)置為前項(xiàng)，借閱圖書種類設(shè)置為后項(xiàng)。在Apriori算法應(yīng)用過程中，最小支持度的值均是根據(jù)人的經(jīng)驗(yàn)初始設(shè)定。如果離開人為設(shè)定的最小支持度，則Apriori算法無法使用。設(shè)定合適的最小支持度初始值才能進(jìn)行有效數(shù)據(jù)挖掘。如果支持度、置信度閾值設(shè)置太低，關(guān)聯(lián)規(guī)則會過多，得到的結(jié)果沒有價(jià)值；如果支持度、置信度閾值設(shè)置太高，關(guān)聯(lián)規(guī)則會過少，得到的結(jié)果同樣沒有價(jià)值[20]。經(jīng)過多次測試，最終確定最小支持度為10%，最小置信度為5%。通過Apriori算法，共尋找到28條關(guān)聯(lián)規(guī)則，關(guān)聯(lián)規(guī)則挖掘結(jié)果如表4所示。

關(guān)聯(lián)規(guī)則挖掘結(jié)果顯示，O類圖書在12月份被高校學(xué)生讀者借閱的置信度最高，達(dá)到了17.7139%，I類圖書在10月份被高校學(xué)生讀者借閱的置信度稍高于最小置信度。通過關(guān)聯(lián)挖掘分析，圖書館可以有計(jì)劃地在不同月份推薦不同種類的圖書，以提高書籍的借閱率，進(jìn)而有效提升圖書館資源利用率。

5.4 關(guān)聯(lián)規(guī)則挖掘結(jié)果分析

對高校學(xué)生讀者的借閱時(shí)間與借閱圖書種類的關(guān)聯(lián)規(guī)則進(jìn)行進(jìn)一步數(shù)據(jù)挖掘與分析，可以看出各類圖書在什么時(shí)間段比較受歡迎，方便全面了解高校學(xué)生讀者的閱讀趨勢。

O類圖書在每學(xué)期的學(xué)期初與期末，尤其是學(xué)期期末備受青睞。每學(xué)期初，在收到本學(xué)期的課程安排后，部分學(xué)生會有計(jì)劃地對數(shù)理科學(xué)和化學(xué)類新知識進(jìn)行預(yù)習(xí)，以便在課堂上能夠更快地理解和吸收，因此此類圖書在學(xué)期初借閱量較大。每學(xué)期末，數(shù)理相關(guān)課程接近尾聲或已經(jīng)結(jié)課，學(xué)生需要準(zhǔn)備高等數(shù)學(xué)、線性代數(shù)、概率論與數(shù)理統(tǒng)計(jì)、數(shù)值分析、矩陣論等課程的期末考試，因此相關(guān)習(xí)題與解析等大學(xué)教輔類書籍的借閱量比較大。另外，數(shù)理科學(xué)難度相比其他學(xué)科較高，因此其參考資料也在這段時(shí)間被大量借閱。高校圖書館應(yīng)根據(jù)讀者借閱特點(diǎn)，堅(jiān)持通識教育協(xié)同發(fā)展理念，搭建協(xié)同教育發(fā)展平臺，營造濃厚的學(xué)術(shù)氛圍[21]。

T類圖書即工業(yè)技術(shù)類圖書，在全年的借閱量比較集中，一直較受歡迎。隨著信息技術(shù)的高速發(fā)展，無論在任何時(shí)間段，高校學(xué)生讀者都愿意去借閱信息技術(shù)類圖書，如《Python快樂編程》《Web前端開發(fā)》等關(guān)于可以讓讀者更加高效地進(jìn)行學(xué)習(xí)和科研的集成系統(tǒng)Python的圖書會被反復(fù)大量借閱。高校圖書館應(yīng)緊跟時(shí)代的步伐，增加對該類圖書的采購，并盡量選擇近年出版的版本，以保證圖書內(nèi)容與軟件版本的一致性。

語言、文字，文學(xué)、藝術(shù)類圖書在學(xué)期初期、中期，尤其是4、5、10、11月份比較受高校學(xué)生讀者的歡迎，這段時(shí)間學(xué)生壓力較小，課余時(shí)間較多。由于該校區(qū)沒有馬克思主義學(xué)院，且理工科學(xué)院居多，哲學(xué)和歷史、地理學(xué)類圖書的需求量不是很大，圖書館可以優(yōu)化校區(qū)之間的館藏結(jié)構(gòu)，將該類圖書轉(zhuǎn)移至其他需求量比較大的校區(qū)，使其得到充分的利用。

總而言之，高校圖書館可以通過調(diào)研所在高校學(xué)生的閱讀趨勢與習(xí)慣，把握學(xué)生的閱讀規(guī)律并加以利用，在適當(dāng)?shù)臅r(shí)間推送適當(dāng)種類的圖書，以達(dá)到最大化的宣傳效果。如在每學(xué)期初推送語言、文字，文學(xué)、藝術(shù)類等圖書，期末推送關(guān)于數(shù)理科學(xué)的教輔資料和計(jì)算機(jī)相關(guān)書籍等，利用圖書館微信公眾號等平臺每月進(jìn)行推薦和宣傳。

6 結(jié)語

筆者采用K-Means與Apriori算法對高校圖書館借閱數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和聚類分析，探究借閱圖書的月份與種類間的關(guān)聯(lián)規(guī)則。通過聚類分析，可以找出某類圖書閱讀興趣濃厚的讀者，為圖書館采購書籍征詢建議提供參考人選。通過關(guān)聯(lián)規(guī)則分析，可以掌握在校學(xué)生的閱讀規(guī)律，為圖書館閱讀推薦提供方向指引。

同時(shí)，本研究的數(shù)據(jù)樣本廣度存在一定的不足。首先，研究的樣本量不夠充足，只調(diào)研了遼寧某高校其中一個(gè)校區(qū)學(xué)生的圖書館借閱數(shù)據(jù)，并未與高校教師的圖書借閱情況相結(jié)合。其次，調(diào)查訪談中僅簡單詢問了被調(diào)查者的圖書借閱情況，受訪者群體較為局限，訪談內(nèi)容不夠深入。最后，應(yīng)創(chuàng)新數(shù)據(jù)挖掘方法，從而對提升高校圖書館資源利用率提出更加科學(xué)合理的建議對策。

參考文獻(xiàn)：

[1] 習(xí)近平.高舉中國特色社會主義偉大旗幟 為全面建設(shè)社會主義現(xiàn)代化國家而團(tuán)結(jié)奮斗——在中國共產(chǎn)黨第二十次全國代表大會上的報(bào)告[M].北京：人民出版社，2022.

[2] 楊河，楊伊佳.中國道路與中國方案研究[M].北京：人民出版社，2022.

[3] 王倩，湯二子.高校圖書館資源利用率提升研究：算法、理論與實(shí)踐[J].新世紀(jì)圖書館，2021（1）：62-68.

[4] 張鈺，王宏新.高校圖書館經(jīng)濟(jì)價(jià)值評估影響因素研究——以遼寧某高校圖書館為例[J].情報(bào)探索，2021（8）：76-80.

[5] 王琦，陳文勇.高校圖書館移動閱讀服務(wù)利用率的影響因素與應(yīng)對策略[J].圖書館學(xué)研究，2014（18）：59-63，43.

[6] 吳雪映.關(guān)于提升公共圖書館報(bào)刊利用率的思考[J].圖書館理論與實(shí)踐，2015（10）：111-112.

[7] 雷三丫.軍校圖書館提高資源利用率的幾點(diǎn)建議[J].圖書館工作與研究，2017（S1）：54-56.

[8] 陳文華.現(xiàn)階段我國高校圖書館利用率的影響因素分析[J].圖書情報(bào)工作，2012（S1）：179-182，203.

[9] 劉佳音.基于IEL數(shù)據(jù)庫的圖書館電子資源利用率研究[J].圖書館理論與實(shí)踐，2013（6）：46-49.

[10] 孫維佳，顧建新.高校圖書館到館率和紙質(zhì)圖書利用率的分析與思考——以東南大學(xué)李文正圖書館為例[J].新世紀(jì)圖書館，2017（5）：25-30.

[11] Isibika I S，Kavishe G F.Utilisation of subscribed electronic resources by library users in Mzumbe university library， Tanzania.[J].GLOBAL KNOWLEDGE，MEMORY AND COMMUNICATION，2018（1-2）：109-125.

[12] Ikenwe J I，Anaehobi S E.Ability to identify extent of information need and access information as correlates of utilization of digital library resources by lecturers.[J].Digital Library Perspectives，2020（3）：265-279.

[13] Noh Y.Evaluation of the Resource Utilization Efficiency of University Libraries using DEA Techniques and a Proposal of Alternative Evaluation Variables[J].Library Hi Tech，2011（4）：697-724.

[14] Iqbal J，Naushad A P M.Familiarity and utilization of open access resources： A study of Library users of Cochin University of Science and Technology（CUSAT） and Pondicherry University （PU）[J].Information and Learning Science，2017（3-4）：141-151.

[15] 李曉童.基于TAM與TTF模型的高校圖書館電子資源利用效率研究[D].天津：天津工業(yè)大學(xué)，2019.

[16] 徐夢宇，成偉華，張計(jì)龍.基于機(jī)器學(xué)習(xí)的高校圖書館高利用率教參書識別研究[J].圖書館雜志，2020（11）：44-52.

[17] 任海芝，潘英杰.基于Logit模型的圖書出版企業(yè)官微傳播力影響因素研究[J].情報(bào)探索，2022（6）：62-70.

[18] 孔丹，任黨利，邊淑莉.國內(nèi)高校圖書館空間再造模型構(gòu)建[J].新世紀(jì)圖書館，2021（10）：37-42，49.

[19] 黃志良.數(shù)據(jù)挖掘技術(shù)在高校圖書館資源利用中的應(yīng)用研究[D].南昌：南昌大學(xué)，2020.

[20] 牛麗敏.Apriori算法分析與改進(jìn)綜述[J].桂林電子科技大學(xué)學(xué)報(bào)，2007（1）：27-30.

[21] 龍曉虹.高校圖書館嵌入通識教育協(xié)同發(fā)展策略研究[J].圖書館工作與研究，2022（3）：38-43.

金國峰 男，1981年生。博士，教授，博士生導(dǎo)師。研究方向：科技與教育創(chuàng)新管理、組織行為學(xué)。

潘英杰 男，1997年生。博士研究生在讀。研究方向：科技與教育創(chuàng)新管理、信息管理與智能決策。系本文通訊作者。

（收稿日期：2023-03-23；責(zé)編：劉清揚(yáng)。）

本文系2020年度國家社科基金一般項(xiàng)目“網(wǎng)絡(luò)空間意識形態(tài)治理體系研究”（項(xiàng)目編號：20BKS201）、中國高等教育學(xué)會2022年度高等教育科學(xué)研究規(guī)劃課題“新時(shí)代高校數(shù)字思政教育研究”（項(xiàng)目編號：22FD0202）的研究成果之一。