0 引言
图书馆用户偏好分析是影响图书馆提供或改进用户服务的重要因素之一.决策者必须考虑用户偏好变化,因为它们不仅体现了用户现在的需求,也能预测用户未来对图书馆服务需求的趋势[1- 2].基于此,本文提出用户偏好变化的多指标决策方法.多指标决策方法主要包括三个研究项:确定影响用户偏好变化的主要指标、确定各指标之间的权重比、用户的整体及局部满意度水平.本研究通过网上问卷形式,以两项独立的用户满意度调查为样本,这两项调查分别在 2006 年和 2012 年进行.本文主要思路是基于同样的指标,分析这两项调查数据,从而分析用户偏好的变化以及发展趋势,并根据用户的选择确定评价指标的权重,进而对如何改进图书馆服务提出建议.
1 多指标决策方法及框架模型
1.1 基于多指标决策方法建立用户偏好数学模型
多 指 标 决 策 方 法(multi- index decis ionmaking methods ,MDMM)已广泛用于测量和分析客户满意度,2002 年和 2007 年 Siskos 和Grigoroudis[3- 4]运用同类方法对客户的满意度进行评价和分析.本文将图书馆用户当作客户---图书馆提供服务并将其提供给客户(用户).多指标决策方法是使整体满意度指标与用户的偏好变化尽可能一致.用户的整体满意度取决于一系列指标:X= {X1,X2,…,Xn},这一系列指标被称作满意度维度[5].多指标决策方法可以分别评估全局和局部满意度函数 Y,其数学模型如下:
其中式(1)Y 表示整体满意度值;X 表示各指标集合;n 是指标的个数,bi是第 i项指标的正权重,θ+和θ-分别表示高估或低估的误差.式(2)决策变量中,n 是顾客样本的规模,i 表示第i个指标,k 表示满意度水平等级,yik表示客户对第 i个指标的局部满意度.约束条件式(3)- (6)表示:函数Y 和 X 在区间[0,100]内取值,其中最低满意度值是0 表示非常不满意,最高满意度的值是100 表示非常满意.MDMM 的目标在使得函数Y 与用户偏好 X 之间偏差最小.
1.2 用户偏好评价体系及表示形式.
从数学模型可以看出用户满意度取决于一系列满意度指标,这些指标构成用户偏好评价体系.
通过 MDMM 分析,有助于决策者对用户满意度的评估和对未来趋势的预测.
这些指标按照用户需求和优先级沿着纵向和横向延伸构成用户偏好评价体系[6].
(1)需求指标.将需求指数范围规定在[- 1,1]内,这些指数显示用户的需求水平,也可作为改进决策的指标.(2)优先级指标.按照用户满意度,将平均指数在[0- 1]的范围内显示用户全局或单个满意度水平.它们可以作为平均偏好的基本指标.
图 1 结合用户需求指标和优先级指标,构成"需求 / 优先级"用户偏好象限图,为用户满意度的改进提供行动线索.决策者可以根据改进项按优先级排序,确定改进服务策略.
2 多指标决策方法的应用及评估过程
2.1 图书馆用户满意度指标
本研究将多指标决策方法运用于图书馆用户偏好分析中,以两项独立的调查作为参考样本,第一项调查是在2006 年,第二项是在2012年.最后收取大约 200 份调查问卷,其中116名用户参与 2006 年的调查,而 84 名用户参与 2012 年的调查.调查问卷发布于图书馆网页,用户可以在网页上直接完成,调查问卷也通过图书馆的服务台发送至用户手中,保证了几乎所有图书馆的用户能够完成问卷.
此外,两项调查中的调查问卷具有相同的结构(指标和子指标).在两项调查中,用户都是图书馆的馆员或教授、助教、硕士研究生和博士研究生.
表 1 结合文献[7]和文献[8]以及图书馆实际使用情况,将用户满意度指标分为主要的 6 个大类(分别按照图书馆用户需求如图 1 用户偏好象限图所示,即不需要改变的固定资源、需要关注的资源、需要转移的资源以及具有竞争优势的资源进行分类),并分别设立子指标,以及按约束条件式(3)和(4)确定的 5 级满意度水平:非常满意[90- 100],满意[80- 89],一般[60- 79],不满意[50- 59] ,非常不满意[0- 49].
2.2基于 MDMM
数学模型对图书馆用户偏好的统计分析按MDMM的数学模型,通过权重和满意度指数可以通过式(1)目标函数计算各主指标的整体满意度水平从而实现对用户偏好变化的评估和预测分析.图 2 为用户整体满意度统计图.
从图 2 可以看出,用户满意度指标整体呈现微弱增长.
虽然在 2006 年的调查中几乎所有指标的权重相同,而在2012年的调查中,"信息"占相当大的权重,几乎是其他标准权重的两倍.
这可以解释为在此期间关于提高信息服务方面发生了很大的变化(包括标志、规定、新服务提醒、关于 OPAC 和数据库使用的研讨会).有一些满意度指数明显降低,需要慎重考虑.如用户似乎并不重视"资料订购",对图书馆意味着有显着的改善空间.对于其他满意度指标出现同样的情况,也意味着有较大的改进空间.
图 3 和图 4 分别是 2006 年和 2012 年评估结果的象限图(各象限分别对应图 1).通过图 3和图 4 比较分析,可以得出用户偏好象限图用于评估图书馆用户偏好的变化非常有帮助.对照图1 可以得出"高需求高优先"象限显示了良好的绩效表现,如服务工作等.此外,"复印设备的可用性和使用的便利性"有所改进;然而在"图书馆的位置及到达便利性","图书馆规章制度","图书馆用户请求所需的时间"需要引起关注,因为它们仍停留在"低需求高优先"象限.可以采取的行动是:位置重新安排,改进规范指南;同时,所有其他的处于"低需求高优先"象限的都需要立即得到关注;同样,一些措施包括 OPAC 交互界面的改进,收藏更多专业图书(例如艺术、历史)也应该给予足够的重视.最后,"期刊覆盖的学科"在两项调查中均位于"高需求低优先级"象限.这表明这些资源可以用在其他地方,如增加相关学科的书籍或者增加电子期刊等.
3 本文的特色及后续研究
本文提出多指标决策方法追踪图书馆用户的偏好变化包括对指标权重和满意度指数进行比较分析并提出改进措施,其主要特色如下:
(1)该方法对图书馆用户满意度指标按主指标和子指标以用户需求和优先级作了详细分类,为用户满意度及偏好变化分析提供一个普遍适用的框架模型.
(2)运用了多指标决策方法(MDMM)构建了用户偏好变化的数学模型,可以对评价指标进行权重比较,并按照各子指标权重可以获得图书馆用户的整体和局部满意度.
(3)该方法可以预测用户偏好变化和发展趋势,为图书馆的管理者和决策者确定需重点改善的相关服务项目、满足用户相关需求提供帮助.
由于该项研究只是对一段时间内追踪用户偏好变化及发展趋势具有明显优势,而后续研究中应有足够的调查数据进行比较,并能结合统计方法对新的数据进行分析.此外,有必要建立和完善决策支持系统,以更进一步支持多决策指标方法收集、存储、分析数据的效率.
参考文献:
[1] 雷润玲. 模型分析:用户偏好对数字图书馆建设的影响[J]. 大学图书馆学报,2004 (3):3- 5.
[2] 黄希全. 数字图书馆推荐系统中用户偏好的建模方法[J]. 情报杂志,2006 (1):28- 30.
[3] Grigoroudis,E.,Kyriazopoulos,P.,Siskos,Y.,Spiridakos,A. and Yannacopoulos,D.(2007)," Tracking changes of e- customer preferences usingmulticriteria analysis",Managing Service Quality,Vol. 17 No. 5:538- 62.
[4] Siskos, Y., Grigoroudis, E., Zopoundis, C. andSaurais, O. (1998), " Measuring customersatisfaction using a collective preference disaggregationmodel",Journal of Global Optimization, Vol. 12:175- 95.
[5] Grigoroudis,E. and Siskos,Y. (2002),"Preferencedisaggregation for measuring and analyzing customersatisfaction:the MUSA method", European Journalof Operational R esearch,Vol. 143 No. 1:148- 70.
[6] Grigoroudis, V. and Siskos, J. (2005), ServiceQuality and Measurement of Customer's Satisfaction,New Technologies Publications,Peabody,MA.
[7]胡慕海,蔡淑琴,张宇.面向个性化推荐的情境化用户偏好研究[J].情报杂志,2010 (10):157- 162.
[8]孔繁超. 个性化信息服务中用户偏好的动态挖掘[J].情报理论与实践,2009 (6):111- 113.
