基于知識(shí)圖譜的圖書(shū)館大數(shù)據(jù)應(yīng)用分析

摘

要：通過(guò)CNKI核心期刊數(shù)據(jù)庫(kù)，收集了近10年大數(shù)據(jù)在圖書(shū)館應(yīng)用的文獻(xiàn)，并運(yùn)用CiteSpace的計(jì)量統(tǒng)計(jì)功能對(duì)文獻(xiàn)的關(guān)鍵詞進(jìn)行統(tǒng)計(jì)，通過(guò)對(duì)關(guān)鍵詞的分析，掌握該領(lǐng)域研究現(xiàn)狀、熱點(diǎn)以及趨勢(shì)，把握研究重點(diǎn)，明確研究方向，為數(shù)據(jù)化浪潮下的相關(guān)研究提供參考。結(jié)果表明，當(dāng)前大數(shù)據(jù)在圖書(shū)館的應(yīng)用研究主要集中在數(shù)字圖書(shū)館、數(shù)據(jù)分析、信息服務(wù)、云計(jì)算、知識(shí)服務(wù)、人工智等領(lǐng)域，但學(xué)術(shù)無(wú)止境，研究人員應(yīng)該嘗試找到新的突破口，從而進(jìn)行更多的創(chuàng)新性研究。關(guān)鍵詞：大數(shù)據(jù)；圖書(shū)館；知識(shí)圖譜；Citespace中圖分類號(hào)：G35

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1673-291X（2024）06-0129-04引言大數(shù)據(jù)是伴隨云計(jì)算、物聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)等技術(shù)發(fā)展起來(lái)的新興事物。大數(shù)據(jù)時(shí)代，數(shù)字已經(jīng)滲透到當(dāng)今各個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，成為重要的生產(chǎn)因素。在此過(guò)程中，海量的結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)應(yīng)運(yùn)而生。這些數(shù)據(jù)具備體量大（Volume）、類型多（Variety）、價(jià)值密度低（Value）和速度快（Velocity）的4V特征。圖書(shū)館承載著知識(shí)的收集、存儲(chǔ)、加工以及開(kāi)發(fā)與創(chuàng)新的任務(wù)。隨著大數(shù)據(jù)時(shí)代的到來(lái)，圖書(shū)館數(shù)據(jù)種類不斷增加，數(shù)據(jù)量日益增長(zhǎng)，智能化、個(gè)性化服務(wù)和對(duì)海量數(shù)據(jù)的實(shí)時(shí)分析和潛在價(jià)值挖掘的需求也在快速增長(zhǎng)，因此圖書(shū)館在一定程度上也具備大數(shù)據(jù)的4V特征[1]。中國(guó)知網(wǎng)上不乏關(guān)于大數(shù)據(jù)在圖書(shū)館應(yīng)用的研究文獻(xiàn)，而其中篇名最能反映文獻(xiàn)研究?jī)?nèi)容，所以課題成員限定檢索字段為“篇名”字段，不限制時(shí)間，文獻(xiàn)來(lái)源類別限定為北大核心、CSSCI、CSCD，檢索日期為2022年4月30日，以“大數(shù)據(jù)”和“圖書(shū)館”作為檢索詞，共檢索出404篇文獻(xiàn)。根據(jù)知網(wǎng)檢索結(jié)果統(tǒng)計(jì)，這些文獻(xiàn)中應(yīng)用研究占66.67%，開(kāi)發(fā)研究占25.93%，行業(yè)研究占3.7%，管理研究占3.7%。在大數(shù)據(jù)背景之下，圖書(shū)館具體做了哪些方面的工作或研究，單憑閱讀幾篇文獻(xiàn)還不足以深入了解。因此，為了準(zhǔn)確把握?qǐng)D書(shū)館在大數(shù)據(jù)環(huán)境下的成長(zhǎng)過(guò)程及發(fā)展趨勢(shì)，本文以圖書(shū)館在大數(shù)據(jù)時(shí)代的研究文獻(xiàn)為研究對(duì)象，并運(yùn)用CiteSpace的計(jì)量統(tǒng)計(jì)功能對(duì)文獻(xiàn)的關(guān)鍵詞進(jìn)行統(tǒng)計(jì)，通過(guò)關(guān)鍵詞的分析，掌握該領(lǐng)域研究現(xiàn)狀、熱點(diǎn)以及趨勢(shì)，把握研究重點(diǎn)、明確研究方向，以應(yīng)對(duì)當(dāng)今時(shí)代下的數(shù)據(jù)化浪潮，并為今后的研究提供參考。一、數(shù)據(jù)來(lái)源與研究方法（一）數(shù)據(jù)來(lái)源通過(guò)在中國(guó)知網(wǎng)數(shù)據(jù)庫(kù)查閱相關(guān)文獻(xiàn)了解到，如今大數(shù)據(jù)背景下的圖書(shū)館研究越來(lái)越受研究人員的關(guān)注，但是鮮有人對(duì)其做系統(tǒng)化分析。本文以中國(guó)知網(wǎng)數(shù)據(jù)庫(kù)相關(guān)文獻(xiàn)為研究對(duì)象，對(duì)收集的文獻(xiàn)數(shù)據(jù)進(jìn)行梳理歸納，對(duì)作者、關(guān)鍵詞等做統(tǒng)計(jì)以及圖譜分析，并根據(jù)分析結(jié)論總結(jié)目前國(guó)內(nèi)大數(shù)據(jù)背景下圖書(shū)館的研究現(xiàn)狀、熱點(diǎn)及趨勢(shì)，為圖書(shū)館數(shù)據(jù)化實(shí)踐提供理論指導(dǎo)。（二）研究方法本研究采用了文獻(xiàn)調(diào)研法和文獻(xiàn)計(jì)量法。知識(shí)圖譜可以對(duì)學(xué)科知識(shí)的結(jié)構(gòu)、規(guī)律和分布情況進(jìn)行可視化呈現(xiàn)，同時(shí)可以對(duì)學(xué)科領(lǐng)域的歷史脈絡(luò)、發(fā)展動(dòng)態(tài)、研究熱點(diǎn)和研究前沿進(jìn)行科學(xué)繪制、全景勾勒和重點(diǎn)凸顯[2]。Citespace可以構(gòu)建可視化知識(shí)圖譜，能夠直觀反映某一領(lǐng)域的研究熱點(diǎn)、趨勢(shì)等。筆者通過(guò)在中國(guó)知網(wǎng)數(shù)據(jù)庫(kù)期刊庫(kù)收集大數(shù)據(jù)在圖書(shū)館應(yīng)用的相關(guān)研究文獻(xiàn)，借助Citespace和中國(guó)知網(wǎng)的分析功能，對(duì)論文年度發(fā)文量、關(guān)鍵詞共現(xiàn)、關(guān)鍵詞突現(xiàn)圖等進(jìn)行分析，揭示其研究現(xiàn)狀、熱點(diǎn)、前沿和趨勢(shì)。二、文獻(xiàn)統(tǒng)計(jì)與知識(shí)圖譜分析（一）年份發(fā)文數(shù)量統(tǒng)計(jì)分析通過(guò)對(duì)文獻(xiàn)的年代發(fā)文量統(tǒng)計(jì)，可以在一定程度上發(fā)現(xiàn)某一個(gè)主題的研究發(fā)展速度和規(guī)模。本文對(duì)通過(guò)之前提到的條件下檢索出來(lái)的文獻(xiàn)進(jìn)行了統(tǒng)計(jì)，發(fā)現(xiàn)基于大數(shù)據(jù)的圖書(shū)館研究方面的文獻(xiàn)最早發(fā)表時(shí)間為2012年8月，從2012—2022年，核心期刊文獻(xiàn)發(fā)表數(shù)量統(tǒng)計(jì)如表1所示。從表1可以看出2012—2022年基于大數(shù)據(jù)的圖書(shū)館研究文獻(xiàn)數(shù)量變化過(guò)程。2012—2014年是逐步上升的階段，2014年增加明顯，2016到達(dá)高峰。2015—2018年文獻(xiàn)增量相較之前有所減少，但該期間數(shù)量變化幅度不大，相對(duì)較穩(wěn)定。從2019年開(kāi)始發(fā)文量呈下降趨勢(shì)，隨后逐年降低。（二）關(guān)鍵詞共現(xiàn)分析關(guān)鍵詞是文獻(xiàn)作者提取出來(lái)的體現(xiàn)文獻(xiàn)主要內(nèi)容或主要內(nèi)容某一方面的詞匯。高頻關(guān)鍵詞共現(xiàn)圖譜能夠有效地幫助研究者了解某一領(lǐng)域的研究文獻(xiàn)主題分布情況，并能掌握某一領(lǐng)域的研究熱點(diǎn)。本研究運(yùn)用Citespace的關(guān)鍵詞分析功能，設(shè)置時(shí)間為1992—2022年，TimeSlicing設(shè)為1年，將節(jié)點(diǎn)類型設(shè)置為“Keword”，節(jié)點(diǎn)闕值設(shè)置為50，選擇Pathfinder算法，得到高頻關(guān)鍵詞知識(shí)圖譜見(jiàn)圖1。圖1中，節(jié)點(diǎn)數(shù)量N=315，節(jié)點(diǎn)間連線數(shù)量E=609，節(jié)點(diǎn)間聯(lián)系緊密。圖中“大數(shù)據(jù)”節(jié)點(diǎn)最大，代表該關(guān)鍵詞在所研究文獻(xiàn)中出現(xiàn)頻率最高；其次是“圖書(shū)館”“數(shù)據(jù)挖掘”“知識(shí)服務(wù)”“信息服務(wù)”“云計(jì)算”等。因?yàn)殛P(guān)鍵詞“圖書(shū)館”和“大數(shù)據(jù)”是研究主題確定的關(guān)鍵詞，所以雖然這幾個(gè)高頻詞匯出現(xiàn)頻率高，但是體現(xiàn)不出大數(shù)據(jù)在圖書(shū)館應(yīng)用研究的具體方向，而排名隨后的高頻詞匯則更能體現(xiàn)圖書(shū)館大數(shù)據(jù)應(yīng)用研究的具體情況。表1列出了排名前20的高頻詞匯，除去“大數(shù)據(jù)”“圖書(shū)館”，其他高頻關(guān)鍵詞，如“大數(shù)據(jù)”“圖書(shū)館”“學(xué)科服務(wù)”“信息服務(wù)”“數(shù)據(jù)挖掘”“知識(shí)服務(wù)”“數(shù)據(jù)分析”“精準(zhǔn)服務(wù)”“數(shù)據(jù)處理”和“服務(wù)模式”等的中介中心性值較強(qiáng)，是該學(xué)科領(lǐng)域關(guān)注的焦點(diǎn)，也是研究熱點(diǎn)。（三）關(guān)鍵詞聚類分析聚類分析是一種探索性的分析，指將物理或抽象對(duì)象的集合分組為由相似的對(duì)象組成的多個(gè)聚類的分析過(guò)程。聚類過(guò)程中，研究人員不必事先定義分類標(biāo)準(zhǔn)，聚類分析能夠從樣本數(shù)據(jù)出發(fā)自動(dòng)進(jìn)行分類，將數(shù)據(jù)分類到不同的類或者簇這樣的一個(gè)過(guò)程，因此同一個(gè)類或者簇中的對(duì)象有很大的相似性，可以定義為一個(gè)研究領(lǐng)域。本文運(yùn)用Citespace對(duì)樣本數(shù)據(jù)進(jìn)行聚類分析，通過(guò)LLR算法提取數(shù)據(jù)標(biāo)簽為聚類名，得到關(guān)鍵詞聚類圖譜為圖2。聚類結(jié)果顯示，聚類模塊值Q=0.5005>0.3，說(shuō)明聚類結(jié)構(gòu)顯著；聚類平均輪廓值S=0.8781>0.7，說(shuō)明該聚類可信。主要聚類有“#0圖書(shū)館”“#1數(shù)字圖書(shū)館”“#2數(shù)據(jù)分析”“#3知識(shí)服務(wù)”“#4信息服務(wù)”“#5云計(jì)算”“#6精準(zhǔn)服務(wù)”“#7區(qū)塊鏈”“#8人工智能”“#9大數(shù)據(jù)服務(wù)”“#10知識(shí)管理”“#11協(xié)同過(guò)濾”。圖2

大數(shù)據(jù)在圖書(shū)館的應(yīng)用研究關(guān)鍵詞聚類圖譜通過(guò)“timeline”繪制關(guān)鍵詞聚類的時(shí)間圖譜，如圖3所示。從圖3中可以看出每個(gè)研究領(lǐng)域的時(shí)間跨度及研究主題?！?0圖書(shū)館”“#1數(shù)字圖書(shū)館”“#2數(shù)據(jù)分析”“#4信息服務(wù)”和“#5云計(jì)算”聚類對(duì)象最早出現(xiàn)時(shí)間為2012年。其中，“#0圖書(shū)館”聚類內(nèi)部時(shí)間跨度最長(zhǎng)，從2012年一直延續(xù)至今；其次是“#4信息服務(wù)”，從2012年延續(xù)至2020年。除此之外，聚類對(duì)象出現(xiàn)時(shí)間較2012年晚，且持續(xù)時(shí)間較長(zhǎng)的是“#3知識(shí)服務(wù)”“#6精準(zhǔn)服務(wù)”“#7區(qū)塊鏈”和“#8人工智能”。（四）關(guān)鍵詞突現(xiàn)關(guān)鍵詞突現(xiàn)是某一時(shí)期內(nèi)關(guān)鍵詞出現(xiàn)頻率突然增加，關(guān)鍵詞突現(xiàn)圖譜能夠體現(xiàn)某一時(shí)期內(nèi)研究領(lǐng)域的研究熱點(diǎn)。通過(guò)Citespace提供的Burstdetection功能對(duì)高頻關(guān)鍵詞進(jìn)行統(tǒng)計(jì)，本研究共統(tǒng)計(jì)出25個(gè)突現(xiàn)詞，結(jié)果如圖4所示。突現(xiàn)關(guān)鍵詞的Strength值越高，說(shuō)明這一時(shí)期在該關(guān)鍵詞方面的研究越多。不同時(shí)期內(nèi)突現(xiàn)詞的變化反映了研究熱點(diǎn)隨時(shí)間推移產(chǎn)生的變化，通過(guò)對(duì)突現(xiàn)因時(shí)間變化的推移研究，可以進(jìn)一步了解研究領(lǐng)域的發(fā)展趨勢(shì)。從圖4看出，2012—2014年間突現(xiàn)關(guān)鍵詞有“數(shù)據(jù)挖掘”“數(shù)據(jù)處理”“數(shù)據(jù)分析”和“云計(jì)算”，其中“數(shù)據(jù)挖掘”突現(xiàn)強(qiáng)度最大。2013—2017年間突現(xiàn)關(guān)鍵詞有“知識(shí)服務(wù)”“信息服務(wù)”“保護(hù)”“信息素養(yǎng)”“敏感數(shù)據(jù)”“微服務(wù)”“服務(wù)創(chuàng)新”“服務(wù)模式”和“互聯(lián)網(wǎng)+”，其中“微服務(wù)”突現(xiàn)強(qiáng)度最大。2018—2022年間突現(xiàn)關(guān)鍵詞有“精準(zhǔn)服務(wù)”“區(qū)塊鏈”“共詞分析”“圖像資源”“人工智能”“數(shù)據(jù)驅(qū)動(dòng)”“系統(tǒng)設(shè)計(jì)”“讀者服務(wù)”“智慧服務(wù)”“化學(xué)科學(xué)”和“智慧化”，其中“精準(zhǔn)服務(wù)”突現(xiàn)強(qiáng)度最大，且持續(xù)時(shí)間最長(zhǎng)。三、結(jié)論本研究通過(guò)Citespace對(duì)2012年至2022年4月CNKI中核心期刊收錄的404篇關(guān)于大數(shù)據(jù)在圖書(shū)館的應(yīng)用方面的文獻(xiàn)進(jìn)行了統(tǒng)計(jì)，通過(guò)統(tǒng)計(jì)分析得到以下結(jié)論。1.通過(guò)聚類時(shí)間線可以看出，圖書(shū)館聚類、數(shù)字圖書(shū)館聚類、數(shù)據(jù)分析聚類、信息服務(wù)聚類、云計(jì)算聚類的相關(guān)研究從2012年開(kāi)始持續(xù)到最近時(shí)間為2022年。知識(shí)服務(wù)聚類、精準(zhǔn)服務(wù)聚類、區(qū)塊鏈聚類、人工智能聚類，相關(guān)主題最早研究時(shí)間開(kāi)始于2013年，持續(xù)研究時(shí)間到2021年。持續(xù)性最長(zhǎng)的是圖書(shū)館聚類，計(jì)算和數(shù)據(jù)分析等關(guān)鍵詞的出現(xiàn)頻率較高，表明當(dāng)前大數(shù)據(jù)在圖書(shū)館的應(yīng)用研究主要集中在這些方面。2.從核心期刊發(fā)文量統(tǒng)計(jì)來(lái)看，2012—2017年的發(fā)文量基本呈上升趨勢(shì)，2014—2017年4年間是發(fā)文量頂峰時(shí)期，但是從2018年開(kāi)始發(fā)文量開(kāi)始減少，到2021年僅有17篇，2022年在設(shè)定的檢索日期內(nèi)僅檢索到1篇。從文獻(xiàn)數(shù)量上可以看出，大數(shù)據(jù)在圖書(shū)館的應(yīng)用研究在前期備受研究人員關(guān)注，但隨著時(shí)間推移研究文獻(xiàn)數(shù)量逐