大學圖書館微博影響力研究緒論,圖書館學論文

大學圖書館微博影響力研究緒論,圖書館學論文本篇論文目錄導航：【題目】【。分布數(shù)量為2018年1篇，2018年11篇，2018年58篇，2020年104篇，2020年149篇，2020年126篇。通過分析期刊數(shù)量分布發(fā)現(xiàn)，2018年是微博在我們國家圖書館應用的起始階段，相關(guān)方面的研究比擬少。2018年到2020年發(fā)文數(shù)量有了很大的增長幅度，高校圖書館微博逐步成為學科研究的熱門。國內(nèi)。分布數(shù)量為2008年7篇，2018年75篇，2018年36篇，2018年17篇，2020年15篇，2020年20篇，2020年14篇。2008年Casey,Michael,Stephens,Michael在(LibraryPR2.0〕[19]中提到Facebook和Twitter等社交網(wǎng)站有較成熟的頁面交互技術(shù)，但是一些IT部門出于毫無根據(jù)的安全擔憂，排擠使用新工具，但是一些圖書館公關(guān)部門堅持使用這些新的2.0工具。2018年Milstein,Sarah在(TwitterFORLibraries〔andLibrarians〕〕[20]中提到Twitter的用戶增長快速和提供免費信息服務，用戶能夠通過網(wǎng)絡或使用手機短信利用Twitter發(fā)送和接收短消息。圖書館和圖書館員能夠充分利用其功能來開展工作。一些圖書館已經(jīng)開場使用Twitter,并獲得了良好的效果，例如克利夫蘭公共圖書館。ColleenCuddy在(TwitteringinHealthSciencesLibraries〕[21]中概述了Twitter,討論了第三方應用軟件能夠加強在移動設備上使用Twitter的靈敏性，并對于醫(yī)學圖書館怎樣使用Twitter提出了建議。2018年Fields,Erin在(AuniqueTwitteruseforreferenceservices〕[22]一文中扼要介紹了Twitter在圖書館中的應用，并以哥倫比亞大學的Twitter賬戶為例講明了Twitter在參考咨詢服務中的作用，促使公共服務的轉(zhuǎn)變。Stuart,David在(WhatAreLibrariesDoingonTwitter?〕[23]一文中對433個圖書館微博的信息進行分析，講明了Twitter之所以流行的原因不僅僅僅僅是即時性和便捷性，主要原因在于提供了一個應用程序接口〔API〕，這個接口有助于圖書館和讀者之間的溝通溝通，能夠使得注冊用戶通過Twitter獲得大量的關(guān)注者。2020年DarcyDelBosque,SamA.Leif,SusieSkarl在(Librariesatwitter:trendsinacademiclibrarytweeting〕[24]一文中通過對美國高校圖書館的296個Twitter賬戶進行抽樣調(diào)查，構(gòu)建了19個不同的指標，主要包括布局設計、微博內(nèi)容、微博粉絲數(shù)等相關(guān)指標。通過研究，發(fā)現(xiàn)僅有34%的高校圖書館開通Twitter賬戶與粉絲進行溝通，但是這些賬戶之間的差異很大。2020年HaeMinKim,EileenG.Abels,ChristopherC.Yang在(WhodisseminatesacademiclibraryinformationonTwitter?〕[25]一文中為了研究圖書館信息傳播的用戶特征，從10個圖書館Twitter中收集了571條的轉(zhuǎn)發(fā)信息和506個轉(zhuǎn)發(fā)信息的用戶，并將其分為12組。分析結(jié)果表示清楚傳播圖書館信息的初級群體是同行的高校單位和學生。RobinR.Sewell在(Whoisfollowingus?DataminingalibrarysTwitterfollowers〕[26]一文中調(diào)查埃文斯圖書館Twitter上面的432個用戶和信息狀態(tài)，對其進行分類，來確定用戶群體。結(jié)果顯示有54.37%來自得克薩斯州AM大學，用戶群最大的是學生，占比23.61%,主要由本科生組成，占比81.05%.學院人員很少介入，占比7.64%.企業(yè)用戶占比19.68%,校友占比11.57%和其他圖書館占比7.64%.2020年BesikiStvilia,LeilaGibradze在(Whatdoacademiclibrariestweetabout,andwhatmakesalibrarytweetuseful?〕[27]一文中提出人們越來越多的時間花在使用社交媒體，共享信息。圖書館也應該借助這種存在的社交媒體，促進與用戶的互動溝通來提高本身的服務質(zhì)量。通過分析使用Twitter的六大高校圖書館的Twitter信息，對752條Twitter信息進行主題分類，得出9種內(nèi)容類型，時間和資源類別的信息是最常見的。另外，存在一個URL微博的轉(zhuǎn)發(fā)量和用戶數(shù)量成正相關(guān)，年齡層次與微博的珍藏量成反比，對于圖書館開展服務做出了很大的啟示。總之，國外的研究主要從應用方面講明了Twitter上的高校圖書館的用戶類型，對圖書館進一步開展服務提出了啟示，并結(jié)合實例講明Twitter對提升高校圖書館服務方面的助力作用。1.3研究方式方法?！?〕文獻調(diào)查法。在文獻數(shù)據(jù)庫檢索國內(nèi)外高校圖書館微博的相關(guān)文獻，分析研究熱門，來了解國內(nèi)外高校圖書館微博相關(guān)的研究情況，為本論文的下一步研究做好準備工作。〔2〕統(tǒng)計分析法在新浪網(wǎng)上選取國內(nèi)39所985工程高校圖書館官方微博的認證賬戶為調(diào)查樣本，并統(tǒng)計出從開通之后的發(fā)文量〔筆者的統(tǒng)計時間截止到2020年12月15日〕，關(guān)注數(shù)，粉絲數(shù)，每條博文的評論數(shù)，轉(zhuǎn)發(fā)數(shù)，點贊數(shù)等相關(guān)數(shù)據(jù)，以作為基礎(chǔ)數(shù)據(jù)備用?！?〕spass21.0軟件統(tǒng)計。根據(jù)統(tǒng)計的相關(guān)數(shù)據(jù)，借助Excel進行數(shù)據(jù)的計算和處理，然后通過spass21.0軟件的相關(guān)功能進性數(shù)據(jù)的處理，并導出相關(guān)數(shù)據(jù)表。〔4〕灰關(guān)聯(lián)度分析法?；疑P(guān)聯(lián)度分析法是一種多因素統(tǒng)計分析方式方法，用灰關(guān)聯(lián)度分析法能夠分析影響力指標之間的強弱、大小和次序，在影響力指標之間的變化態(tài)勢浮動不大的情況下，就證明它們的關(guān)聯(lián)度大。若是變化態(tài)勢大，則講明指標間的關(guān)聯(lián)度比擬小。通過這種分析法在一定程度上能夠減小信息不對稱帶來的影響?！?〕主成分分析法。主成分分析法是一種數(shù)學變換的方式方法，它把給定的一組相關(guān)變量通過線性變換轉(zhuǎn)成另一組不相關(guān)的變量，這些新的變量根據(jù)方差依次遞減的順序排列。[28]利用主成分分析法這種降維方式方法能夠確定出高校圖書館測評指標中最主要的影響指標。〔6〕聚類分析法。聚類分析〔ClusterAnalysis〕又稱群分析，是根據(jù)物以類聚的道理，對樣品或指標進行分類的一種多元統(tǒng)計分析方式方法。[29]通過聚類分析法能夠?qū)τ绊懜咝D書館微博服務質(zhì)量提升的指標進行歸類分析，來衡量不同數(shù)據(jù)之間的類似性，能夠?qū)χ笜说暮侠硇约右则炞C。1.4創(chuàng)新之處。本文的創(chuàng)新之處在于：運用的測評方式方法比擬新穎和指標構(gòu)建比擬完善，在其他學者主要以微博的粉絲數(shù)作為研究的