在大数据背景下，满足用户多样化和个性化的需求是衡量图书馆服务质量的重要标准。个性化服务系统是对当前各种自动化服务系统的升级改版，需要重点解决两个方面的问题：一是数据信息的收集方法，需要实现密切跟踪用户学习动态过程，及时收集用户数据，并建立全面综合的用户模型；二是数据信息的分析方法，要在现有数据的基础上，运用先进的数据分析方法，充分挖掘信息价值，以建立全面系统的用户服务体系。图书馆要想为用户提供智慧学习环境必须在技术上有所突破和创新，能够跟踪用户的整个学习过程，并做好信息收集，同时要进行快速的数据分析，根据分析结果为用户量身定制服务。正是在这种情况下，学习分析技术为图书馆的服务变革提供了技术支持，美国高校信息化协会和新媒体联盟在其发布的《2013 年地平线报告（高教版）》中认为，学习分析技术将在未来几年成为主流技术，并受到广泛认可和应用[1].
1 学习分析技术的涵义
学习分析技术源自商业数据分析，是商家用来分析消费者活动并预测消费走向的手段，比如淘宝网就能够跟踪和收集用户浏览和购买的商品信息，并推测用户的消费倾向，从而进行商品推荐；这些技术的核心要素就是数据收集、分析、归类、判断。学习分析技术也是基于大数据分析发展而来的，主要功能是为教育领域的决策提供数据支持和信息参考。
2011 年 2 月第一届学习和知识分析国际大会召开，学习分析技术的定义在会上得到统一认识，即学习分析技术是对学习者及其学习情境数据的测量、收集、分析和报告，并据此掌握学习信息，优化学习情境[2].根据定义可知，学习分析是对学习者学习过程的跟踪过程，同时要完成信息记录、分析，并根据信息判断学习者的学习状态，预测学习效果，进而介入学习情境，优化学习状态，改善学习效果，整个过程涵盖了数据采集、存储、分析、表示和应用五项具体技术。具体到高校图书馆的应用，需要满足的具体要素有：①学习过程，这是学习分析的对象，学习分析本质上是为学习活动服务的，通过分析要掌握学习内容、学习进度、学习状态及学习目标完成情况；②学习环境，包括学习者完成学习活动所需要的一切硬件和软件环境，硬件方面主要是图书馆场所环境是否舒适、安静等，软件方面主要是学习资源是否充足，图书馆管理是否合理等；③学习者，这是主要的服务对象和受益者，主要掌握学习者的需求信息，为图书馆改进服务提供依据，这些是图书馆运用大数据进行学习分析的核心。
学习分析是针对用户反映的需求信息进行分析判断，判断图书馆资源供给、环境完善方面的优势和不足，并以此来改进图书馆服务方法和服务水平，最终为用户提供更良好个性化的学习体验。具体来说，学习分析能及时掌握图书馆资源的利用情况，资源是否存在短缺现象，服务是否被学习者认可和满足他们的要求，这些都为图书馆提供了工作导向。因此，学习分析对图书馆改进工作具有重大意义。
2 学习分析技术的分析方法
学习分析技术在继承传统数据分析方法的同时，还充分借鉴了大数据时代的信息分析技术，这些技术的综合运用使得学习分析技术更加全面、完善，更具有实用性，同时使其科学化和智能化水平进一步提高。本文主要介绍社会网络分析法、话语分析法和内容分析法在学习分析技术中的应用，以便更加全面地了解和掌握学习分析技术。
2.1 社会网络分析法
社会网络分析是通过数据构建一个虚拟的社会网络，主要研究群体的社会结构性特征、用户地位，传播影响力等，是为适应学习网络化、结构化的要求而产生的社会研究方法。图书馆服务已经进入虚拟服务时代，更多的是通过网络进行信息交流互动，所以用户交互网络生成的信息成为图书馆了解用户需求的重要来源。运用社会网络分析方法，既能探究网络学习中用户的组织联系、角色分工，还能了解网络中信息交流的方式和用户的学习状态，使其学习效果提升改善。独立的个体不会自觉地与同伴进行比较，通过社会网络分析及时把信息反馈给每个组织成员，就会形成鲜明的对比，从而促进落后的学习者调整改进学习状态，进而改进整个网络的学习进展情况[3].
2.2 话语分析法
话语分析法是对语言交流进行分析的方法，属于语言学研究领域，为了研究学习过程中的信息传递，引入到教育领域。应用到图书馆，就是对用户在图书馆学习过程中产生的用户之间、用户与图书馆之间的交流信息进行定性分析。话语分析法的适当运用，能够帮助我们全面了解用户在图书馆学习过程中产生的信息交流，尤其是网络学习的信息，有了这些信息，我们就能够探索个体观点形成的过程、知识体系构建的过程等。话语分析将来的发展方向是潜在语义分析，这项分析可以进行对话和计算机支持的辩论分析[4].
2.3 内容分析法
内容分析法是对传播内容中有价值的信息进行层层推理的分析过程，能够跟踪信息变化，不断抓住有意义的信息碎片进行推断，以获得准确含义，概括地说，它是通过系统客观的方式，对信息进行量化解释的方法[5].它的功能相对其他方法更为强大，不仅能分析静态的传播内容，还能跟踪信息的变化过程，分析内容传播的效果。内容分析法的定量分析能够对学习过程做到准确把握，为用户构建更真实的行为模式，同时也可以进行定性推测，根据积累的数据来判断用户的需求，提供更贴合实际需求的图书馆资源与服务。内容分析法的定量分析与话语分析法的定性分析形成互补，保证了图书馆在信息分析中的准确性、客观性、科学性和合理性。
3 高校图书馆运用学习分析技术的决策模型
本文根据学习分析技术在高校图书馆应用的决策流程，构建了一个基本模型。
3.1 数据的收集
为了保证分析结果的准确性和完整性，学习分析技术需要占有大量的数据，所以不仅需要依靠结构化数据，还要通过不同系统收集非结构化数据。因此，数据采集是学习分析进行的重要前提，为学习分析提供信息原材料。有效地提取收集这些信息就成为学习分析的重要步骤。
目前，高校图书馆可用来支持分析、作为决策依据的信息主要有三个来源：一是图书馆本来就有的自动化系统积累的原始信息，包括用户信息、书刊资源信息和馆员信息等档案信息；二是数字资源系统和 opac 系统中已经存储的信息，这些信息包含了大量用户和馆员的交互信息、资源利用信息和行为信息等，对分析判断用户需求有很大利用价值；三是图书馆员通过长期观察和工作经验积累的信息，也为改进工作提供了决策依据。
3.2 数据的分析
数据分析作为学习分析技术的重要环节，能够通过整合杂乱的用户信息，获得用户对图书馆环境的要求、学习行为的进行情况、学习需求和学习效果等信息，这些都成为构建智慧图书馆的必要信息支撑。根据分析对象不同，学习分析技术的数据分析方法主要有四种。
3.2.1 交互分析
用户在图书馆的学习过程并不是孤立的，而是与馆员不断产生交流互动的过程。交互分析就是建立在互动过程之上的，具体的交互过程包括馆员与用户、用户之间、用户和学习资料之间的交互。在交互过程中，用户反映了其个性化需求，而这些信息正是交互分析的价值所在。交互分析是通过集中分析交互文本和交互内容，深入研究学习者的知识建构过程和协作学习的层次等问题。
3.2.2 学习资源分析
学习资源分析是利用语义技术，对图书馆学习资源进行概括和描述，在计算机和人类理解的范围内，建立起计算机、学习者和图书馆学习资源的联系，实现计算机对学习资源的自动处理和计算机与人类的有效互动。学习资源在与学习者的互动中不断调整与补充，其适应性不断增强，越来越能够满足学习者的不同要求。语义关联是学习资源本身所具有的，借助这一属性，能够对学习资源进行描述整合，建立起资源网络，有助于提高学习者搜索资源和利用资源的效率，提高学习效果。
3.2.3 用户特征分析
用户作为学习活动的主体，为了满足其个性化的学习需求，需要对他学习过程的反应信息进行综合分析，内容具体包括兴趣爱好、学习偏爱、学习时间、上线频率、关注的热点、参与讨论的频率、APP 利用情况等。这些信息就能够建立一个全面立体的用户数据模型。在智慧图书馆学习环境中，要全面分析日志信息，充分挖掘它的价值，掌握用户的学习效率、学习强度等学习情况，并预测用户的学习效果。
通过建立用户数据模型，能够实现用户与图书馆的有效互动，图书馆可以向用户推荐有效的学习资源，提供及时的信息服务，提高学习效果；同时，也可以利用收集到的信息实现对学习效果的评估，为图书馆改善服务方法、更新服务内容提供信息支持。
3.2.4 用户行为分析
用户行为分析是全面掌握用户信息的一个重要环节，通过计算机收集用户人机互动过程中表达的肢体语言，可以用于信息甄别筛选和分析，其主要的信息源有手势语言和面部表情，其中对手势语言的识别发展比较成熟，主要是基于数据手套的识别和基于视觉的识别，对自然手的识别技术还需要进一步探索。
分析软件在学习分析中得到广泛应用，不仅有通用的工具软件，还有很多专业的分析工具。专业工具适用于某一特定的项目进行运行设计，信息搜集和数据分析更具准确性和实用性，指导性更强，有利于图书馆某项服务的提升，这类代表性的工具有SNAPP、Socrato、LOCO-Analyst、SNAPP 等。通用工具是通过对传统网络信息工具的改进，适用于图书馆数据情景，主要服务于图书馆服务方法改进和服务系统升级，这类工具有 Gephi、Mixpanel Analytics、Userfly 等几种[6].
3.3 行为干预
学习分析结果既能评价用户的表现，并反馈给用户，督促用户调整学习状态，更新学习方法，改善学习效果。同时也可以根据用户的需求，调整图书馆的服务方法和资源配置，及时满足用户的学习条件，从自身状态和外部环境两个方面帮助学习者提高学习能力，改善学习效果。
随着学习活动干预的不断发展，学者们依据不同的标准进行了系统的分类。根据干预行为的主体可分为人工干预和自动干预，其中，人工干预是以馆员为干预主体，根据掌握的信息直接与学习者沟通，对学习活动提出改进建议。
4 学习分析技术带来的高校图书馆服务优化
4.1 个性化服务的优化
学习分析技术不仅是数据处理技术的发展，更是信息反馈和学习跟踪的集合，它能够根据用户的具体情况，提供改进建议。当某一用户利用图书馆的时间明显少于其他用户时，系统会及时提醒，督促他调整学习状态。即时提醒服务是学习分析技术的重大突破，同时，图书馆也能够根据该技术提供的信息跟踪和分析数据，准确找出服务内容和方法上存在的不足，进行针对性的调整，使服务更贴合具体用户的实际情况，提供个性化服务。
美国高校图书馆较早开始利用学习分析技术指导学生学习和提升图书馆服务。美国普渡大学图书馆在 2007 年启动了“信号项目”,通过对学生信息系统和图书馆管理系统的信息进行分析比对，对那些利用图书馆时间较少的同学提供了专项服务，并对图书馆的资源进行重新分类编排，以提高资料利用效率。美国西北大学图书馆为了提升服务质量，还专门研发了“高校图书馆个性化服务助理”系统,详细记录每个学生的在馆学习时间、学习安排以及学习状态和学习成效等个人信息，并通过对学生信息的分析，提出改进图书馆的开放时间和资源配置的建议，为学生的学习进步提供支持和帮助。
4.2 图书馆员角色的变革
学习分析技术的应用，丰富了图书馆的职能，同时也对图书馆员提出了新的要求。传统的图书馆服务是馆员通过直观观察、收集日常信息、总结经验，提出图书馆服务内容和方式方法的调整建议，而大数据时代图书馆服务调整是由数据支持，一切工作不再依靠经验作出判断，而是以信息分析结果为依据，由此一来，图书馆的服务更具科学性和针对性。
这种情况下要求图书馆员掌握分析技术，才能使技术发挥实效。美国教育发展中心、学生与技术中心联合对图书馆如何利用该技术进行服务决策进行了实践探索,他们以纽约市公立学校图书馆的用户数据为样本，与一家技术公司合作，对学生在图书馆学习过程的数据进行收集分析，并生成了书面分析报告和网络报告。书面报告中提供了用户的学习情况，图书馆可以根据报告内容，对学生进行分组指导，提供个性化服务。网络报告则按不同业务层次馆员的实际需求选择性地提供重点信息。
5 结语
大数据时代的来临，使得图书馆的全面信息化发展成为必然趋势，学习分析技术为图书馆适应潮流提供了技术支持。图书馆将从宏观调整逐步演变为提供个性化服务，从而满足学生的多样化和个性化需求。但是作为一项新兴技术，学习分析技术还存在很多不足，不能立即满足所有的需求，在广泛普及运用方面还存在很多障碍，需要图书馆人深入研究，继续改进，为实现图书馆服务的升级继续努力，真正发挥图书馆在大数据时代的信息优势。
