摘 要： 文章针对当前社会信用意识不足的现象，研究数字图书馆用户信用管理体系的构建原则及体系框架，分析大数据环境下信用体系领域的研究热点和发展趋势，探索有助于维护良好信用秩序的用户信用管理体系。
关键词 : 用户信用管理;大数据;数字图书馆;
Abstract： In view of the lack of credit awareness in current society, the paper studies the construction principles and system framework of user credit management system of digital libraries, analyzes the research hotspots and development trends in the field of credit system under the big data environment, and explores the user credit management system that helps to maintain a good credit order.
Keyword： User Credit Management; Big Data; Digital Libraries;
信用建立在个人自律和外界约束的基础上，是开展社会活动的基础，是维护社会秩序的保障。然而，随着市场经济的发展，在多种价值观的冲击下，社会失信行为时有发生。为了维护市场交易的正常进行，必须建立健全信用体系，为此，我国出台了多项与信用体系建设有关的政策。2014年，国务院发布《社会信用体系建设规划纲要（2014-2020年）》，强调建立并完善社会征信体系，推动其在政务、商务及社会中的应用[1];2016年，国务院发布《关于加强个人诚信体系建设的指导意见》，强调奖惩联动，推进实施守信激励和失信惩戒措施[2]；《促进大数据发展行动纲要》[3]和《大数据产业发展规划（2016-2020年）》[4]为扩宽我国大数据产业发展空间提供了行动指南，为借助大数据技术提高信用管理水平提供了实践基础，在大数据环境下，信用管理体系建设迎来了新的发展阶段。文章从微观层次的用户信用管理出发，以数字图书馆为例，探究大数据环境下用户信用管理体系的构建，并借助研究热点分析法对发展趋势进行展望。
1、 相关概念及内涵
1.1、 用户信用管理
吴晶妹认为，信用管理是授信人对主体的资信状况进行管理的活动，包括对信用数据进行采集和整理、借助管理手段保证信用交易的正常进行[5]。朱毅峰等认为，信用管理是授信人为了降低信用风险、确保信用交易正常进行而对主体进行管理的活动[6]。刘澄认为，信用管理是授信人利用科学的管理手段对信用交易加以控制以防范信用风险的专门技术，包括信用档案管理、授信管理、帐户控制管理、商帐追收管理、征信数据库应用五方面[7]。综上，本研究将用户信用管理定义为：在收集用户信用信息和建立用户诚信档案的基础上，进行信用评价并采取奖惩手段以降低信用风险、确保信用交易有序性的管理活动。
1.2 、用户信用管理体系
社会信用管理体系是以信用信息共享平台为核心，以信用服务活动为主线，以政府监督体系为保障的社会治理机制。用户信用管理体系是社会信用管理体系的组成部分，目前还没有明确的定义。本研究将用户信用管理体系定义为：以用户信用信息的收集为基础，利用数字化处理手段评价用户信用，通过制定信用奖惩制度及其他约束措施来规范用户信用行为，防范和减少信用风险，维护信用秩序，优化信用环境的数字化管理系统。
2 、大数据环境下用户信用管理体系建设应用———以数字图书馆为例
由于个体经济行为的复杂性及公共文化服务的公益性，目前公众对公共文化领域中的信用问题认识不够，信用管理投入力度普遍向金融领域倾斜。数字图书馆是信息技术高速发展背景下诞生的新兴图书馆，是大数据时代公共文化服务的典型产物，因此，通过研究数字图书馆用户信用管理体系的构建，可以加强公共文化服务领域的信用管理，提高公众信用意识。此外，用户信用属于社会信用的一部分，建设数字图书馆用户信用体系可为社会信用体系建设扩充信用评价指标，提供公民在利用数字资源方面的信用状况，从而使个人信用的评价标准更加全面，评价结果更加客观。
2.1 、构建原则
(1）系统性原则。用系统的观点和方法建设信用管理体系有助于充分发挥各组成部分的优势，实现信用管理的整体功能。数字图书馆用户信用管理体系的构建应遵循系统论的要求，由与用户信用相关联的管理手段、信息技术等要素按一定的结构组成，各信用评价指标相互独立、互为补充，构成统一的整体。在坚持这一原则的前提下，把握系统所具有的关联性、开放性等特征，有利于提高系统协调运作的效率。
(2）互联互通原则。数字图书馆用户信用管理体系应作为社会信用管理体系的组成部分，和金融机构、征信机构等第三方平台建立信息共享机制。数字图书馆以提供数字资源共享服务为目的，兴起时间较晚，与电商、社交平台相比，掌握的用户信息有限。为了防范恶意用户做出破坏数据库、侵犯知识产权等失信行为，数字图书馆需要借助云计算、大数据等技术建设信用信息一体化平台，实现不同机构间信息的互通互联，及时全面掌握用户信用评估情况，降低信用风险。
(3）定量分析与定性分析结合原则。全面准确的信用评估是进行信用管理的前提。进行用户信用评价时应先选取登陆时长、阅览数量、下载总量等定量指标，以保证客观公正。同时，由于信用影响因素的多样性和信用评级过程的复杂性，仅仅采用定量分析指标往往过于片面，比如用户参与活动情况、资源有效利用情况等就难以反映。因此，在采用定量指标的基础上，还应采用定性指标进行信用评价，两者相互结合，互为补充，以确保评价结果的全面准确性。
2.2 、体系构成
科学的体系结构是有效进行用户信用管理的必要条件。通过查阅相关学者关于图书馆信用体系建设的研究[8,9]，本研究认为数字图书馆用户信用管理体系可由用户信用信息体系、用户信用评价体系、用户信用奖惩机制、用户信用教育体系、信用风险关联机制构成。
用户信用信息体系收集用户的信用信息并存储到数据库中，以此为基础，用户信用评价体系依据设置的指标进行用户信用度评价，提供不同级别的信用服务。用户信用奖惩机制根据信用评价的结果对用户采取奖励或惩处措施，如果用户失信行为严重，将会触发信用教育体系，对其进行教育引导，同时触发信用风险关联机制，由第三方征信机构向用户追责，并在合理范围内降低信用额度，影响用户的其他信用活动。体系各组成部分相互联系，共同保障信用管理的有效性。
2.2.1、 用户信用信息体系
(1）体系设计。用户信用信息体系包含用户基本注册信息、服务记录信息、信用状况信息等。为确保用户信用评价的客观性，数字图书馆应通过建立各数字图书馆之间的信用信息一体化平台以及与第三方征信平台建立合作关系等方式，及时了解用户的馆内及馆外信用行为，提高信用信息的共享率和时效性（见图1）。
图1 用户信用信息体系
(2）功能描述。一方面，数字图书馆借助信用信息体系，通过数字图书馆信用信息一体化平台及时更新本馆内用户的信用记录，实现数字图书馆之间的互联互通及信用信息共享，充分掌握用户的馆内信用行为，确保数字资源利用的有效性；另一方面，数字图书馆利用信用信息体系从第三方征信机构及公共信用信息服务平台调取用户的社会信用数据，了解用户馆外信用行为，并结合馆内用户信用信息，作为用户分类管理的依据。与此同时，数字图书馆借助信用信息体系可将馆内的用户借阅信用纳入到社会征信体系中，作为用户开展其他社会活动时信用评级的补充。当用户意识到信用信息体系会对其每一次的信用行为进行记录，并影响其他领域的信用生活，则会更加注意规范自身行为，重视信誉。
2.2.2 、用户信用评价体系
(1）体系设计。在广泛收集用户信用信息之后，用户信用评价体系会依据评价指标对信用信息进行加工整理从而得到信用评价结果。在评价指标设定方面，郭强等将图书馆用户信用的主要评价内容划分为初始状态、当前状态及执行效果三个层面，并在进一步细分后构建了信用评价指标体系[10]；姚敏认为评价体系可设定一级指标、二级指标、评价要点三个要素，其中一级指标包括信用等级、信用状态和信用指数，信用指数是由专门的信用评价机构结合读者馆内及馆外的信用情况进行信用评估后得出的量化指标[11]。在用户信用评价模型建立方面，曲军恒等提出利用层次分析法计算各个指标的权重，得到评价用户信用等级的方法[12]；成永娟在对不同指标赋予权值的基础上加权计算得到信用评分，并采用神经网络的方法设计信用评价模型[13]。综上，结合数字图书馆的特点，得到用户信用评价指标体系（见图2）。
图2 用户信用评价指标体系
(2）功能描述。数字图书馆通过用户信用评价指标体系对用户的信用状况进行综合评估，借助层次分析法实现信用量化，并在此基础上依据信用积分划分用户的权限等级，提供对应的信用服务，以提高信用服务效率。首先，只有信用积分达到一定值的用户才能获得馆内资源的访问资格；其次，用户信用积分与资源访问量成正比，即积分越高，可以获取的资源越丰富；最后，数字图书馆对用户信用状况进行动态监测，自动更新信用积分，及时调整服务级别。
2.2.3、 用户信用奖惩机制
(1）机制设计。用户信用奖惩机制以信用评估为基础，其主要作用在于规范用户信用行为，包括用户守信奖励机制及用户失信惩戒机制。用户守信奖励机制用以鼓励和支持守信用户的资源利用行为，营造良好的信用氛围；用户失信惩戒机制用以提高用户的失信成本，减少信用风险（见图3）。
图3 用户失信惩戒机制
(2）功能描述。数字图书馆借助用户信用奖励机制，采取正向手段激励用户的守信行为。对于信用积分达到一定级别且没有不良记录的用户，数字图书馆给予其信用积分兑换奖品、提高资源免费下载量、增加在线阅读时长等奖励，让守信用户真正感受到守信带来的实际效益，从而更加自觉地遵守馆内规则。数字图书馆借助用户失信惩戒机制，对用户失信行为实行警告制、公示制、档案制。按失信程度对用户进行相应级别的处罚是失信惩戒机制发挥作用的重点：当用户有登陆超时、下载频繁等非故意行为时，数字图书馆对其进行友情提醒并要求重新验证身份，再有类似行为时对该用户限制访问；当用户有侵犯知识产权、破坏数据库等严重失信行为时，数字图书馆将失信名单公示在客户端及公众号等平台上，同时上传到联合数字图书馆的黑名单数据库中，提醒其他数字图书馆同样采取暂停服务的抵制措施，同时，数字图书馆将失信名单反馈到社会公共信用信息平台及第三方征信机构，约束用户在其他领域的信用生活，让其深刻认识到失信带来的风险和过高成本，从而对自己的行为负责。
2.2.4 、用户信用教育体系
(1）体系设计。制度约束是一种刚性约束，而教育手段是与制度约束相辅相成的软约束，只有两者结合才能最大程度地发挥信用管理作用。数字图书馆通过设计用户信用教育体系，可以事前预防、事后控制信用风险，强化用户的信用意识，积极引导用户自觉遵守馆内各项制度，以降低信用管理的成本（见图4）。
图4 用户信用教育体系
(2）功能描述。一方面，数字图书馆利用信用教育体系进行信用风险的事前预防。在客户端、公众号等平台向新用户推送专题文章介绍本馆资源、使用规则、奖惩制度等，让用户全面了解利用资源过程中的注意事项，避免不当行为。同时，定期更新信用知识答题专栏，并设为用户在享受本馆服务之前的必要程序，对得分高的用户给予信用积分奖励，引导得分低的用户多次学习，强化用户的制度意识和信用观念。另一方面，数字图书馆利用信用教育体系进行信用风险的事后控制。在信用教育体系内以信用评估指标为依据规定服务的安全边界，当用户的失信行为触犯此边界则立刻暂停对该用户的基本服务，该用户必须在重新完成守信教育之后才可以继续访问馆内数字资源。同时，信用教育体系自动触发失信惩戒机制，依失信程度降低用户的信用积分，并将失信行为记录到数字图书馆的用户信用档案和失信黑名单中，以此加强信用教育的力度。
2.2.5、 信用风险关联机制
(1）机制设计。数字图书馆与用户的约束关系较为单一，当用户有破坏馆内数据库、侵犯知识产权等严重失信行为时，会对图书馆造成较大负面影响，严重降低资源利用率，此时数字图书馆对用户的惩戒如果仅限于取消其登陆权限，可能难以避免此类事件的再次发生。而通过建立信用风险关联机制，可以有效解决此类问题（见图5）。
(2）功能描述。(1)数字图书馆利用信用风险关联机制，将用户在馆内的失信记录上传到数字图书馆联盟的联合信用数据库中，及时告知其他数字图书馆可能的信用风险。对于在某一数字图书馆内有违纪行为尚未解决的用户，其他数字图书馆也共同限制该用户的访问权限，从而防范失信行为的再次发生，降低馆内信用风险。(2)数字图书馆在信用风险关联机制内与有担保业务的金融中介机构合作，当用户出现经济违约行为时，先由担保机构向数字图书馆代为赔偿再向用户追偿，从而避免数字图书馆陷入单方的追偿困难局面，降低馆内资金流转不畅的风险。(3)数字图书馆利用信用风险关联机制，通过与银行等第三方征信机构建立合作关系，及时传递馆内用户的失信信息，提醒征信机构对失信用户的其他社会信用活动加以限制，以降低用户对其他领域造成的信用风险，发挥数字图书馆在社会信用体系建设中的作用。
图5 信用风险关联机制
3 、大数据环境下用户信用管理体系建设的发展趋势
3.1 、研究热点
本文以中国知网数据库为数据来源，检索策略为“主题=（信用体系）AND关键词=（大数据）”，时间限定为2015-2020年，2020年4月2号检索出220篇论文记录，将其导入CiteSpace，节点类型设置为“Keyword”，时间段（slice）设置为“1年”，图谱分析结果见图6。字体越大表示关键词的词频越高，即为研究热点，主要有“互联网金融”“个人征信”等。
3.1.1 、互联网金融
互联网金融是以互联网技术和信息技术的广泛应用为基础，传统金融机构与互联网企业联合形成的新型金融业务模式。对于这一领域的研究主要集中在以下两个方面。
图6 研究热点
(1）对于征信业的变革和挑战。修永春从国内外金融科技在征信领域的应用案例出发，探讨在大数据、人工智能等技术驱动下，征信业面临的数据来源多样化、信用评估精准化、服务范围广泛化等变革[14]。冯文芳等分析了互联网+大数据征信的特征及存在问题，并从制定大数据征信标准体系、推进大数据征信开放共享等方面提出了建议[15]。
(2）信用风险控制。张丽哲分析了金融行业信用风险的产生因素及风险控制现状，同时结合大数据时代的发展特点，提出加强数据信息库建设、发挥大数据信息处理功能等建议[16]。任全民分析了国内金融行业信用风险高发的原因，在此基础上探索了互联网金融行业未来应充分利用大数据优势、完善信用体系整合的发展路径[17]。
3.1.2、 个人征信
个人征信是指法律法规授权的征信机构对个人信用信息进行采集加工，并按用户要求提供个人信用信息查询和评估服务的活动。对于这一领域的研究主要集中在以下两个方面。
(1）个人信用评估。张晨等提出从个人特征、经济能力、消费偏好、社交网络、信用情况和风险信息六个维度构建基于大数据的个人信用评估体系，并构建了信用评估的数量化模型[18]。肖凯文将芝麻信用公司个人信用评估体系同央行个人征信中心及腾讯征信进行对比研究，分析了芝麻信用公司的个人信用评估体系在应对大数据环境中所具有的优势和不足[19]。
(2）大数据应用。韩啸基于电信大数据覆盖广、质量高等特点，以江苏电信的“智慧征信”为例，从风险评估模型、应用流程和产品特点方面分析了电信大数据在征信产品中的应用[20]。王娜基于k-means聚类和直方图统计等算法，提取蕴含在电信大数据中的客户行为特征，并将其与互联网大数据相融合，构建了风控模型和系统[21]。
综上，已有研究主要集中于互联网金融与个人征信领域，全面分析了其在新环境下面临的变革与挑战，如个人信用评估体系在新环境下所具有的优势和不足。同时，研究越来越面向实际应用领域，主要分析了信用风险控制问题，发现利用大数据技术处理多样化的信用数据可以有效降低信用风险，这也将是未来一段时期信用体系建设领域需要重点关注的问题。
3.2 、发展趋势
3.2.1、 用户信用数据融合多元化
大数据时代，信息资源的数量飞速增长，采集加工手段不断改善，有助于信用信息数据的多元融合。政府、企业、机构可以利用集成技术且依托电子政务、电子商务、社交媒体等各自特有的信息渠道对线上/线下数据、历史/实时数据、外部/内部数据进行全面采集，对同型异源信息、异质异构信息等进行多元融合[22]，同时借助数据挖掘、可视化等技术提取用于用户信用评价的关键性数据并挖掘出更多有价值的潜在信息。在此基础上，通过建立社会信用信息一体化平台实现不同业务系统的互联互通及信用信息的实时共享，形成真实全面的用户信用档案。
3.2.2 、用户信用评估结果准确化
传统信用评估体系的分析对象主要是结构化数据，但由于其容量有限，评估结果往往会受到影响。而大数据类型多样，并且都可借助工具进行收集、分析和处理，从而保证了信息来源的全面性。同时，大数据技术的主要功能是预测，利用垂直搜索、分布式存储、查询分析等核心技术以及基于用户或模型的协同过滤方法对数据进行批量处理，可提高用户信用评估结果的准确性，及时发现信用风险，迅速采取风险关联和联合惩戒等应对举措，从而达到强化信用监管力度、维护信用秩序稳定性的目的。
3.2.3、 用户信用服务方式透明化
运用大数据技术可以多维度构建用户画像，针对性提供服务。机构或企业若要全面评估用户，首先需要建立信息共享平台，多渠道获取信用信息。在确保信息源全面的基础上，建立用户信用数据仓库，利用关联规则算法挖掘更多有价值的信息（如通过用户经常下载某类图书资源判断其阅读偏好），利用聚类算法分析可对用户群体进行特征归类（如按用户阅读偏好划分其年龄段）。通过不断地补充数据信息，将静态信息与动态信息融合起来，构建分析模型，以提高用户画像的精准度，充分了解用户需求，从而提高信用服务的效率。
3.2.4、 用户信用教育管理制度化
随着用户信用管理体系的不断完善，信用奖惩机制在提高用户信用意识方面将发挥重要作用。在信用评估的基础上，信用奖惩机制通过守信激励和失信惩戒两种方式对用户的信用行为作出反应，实现奖惩分明。一方面，以实际奖励手段支持守信用户，让用户感受到守信带来的正面效益；另一方面，以严厉惩罚措施跨平台多领域抵制失信用户，让用户深切体会失信带来的过高成本。在两种方式的结合下，从制度层面强化用户的信用意识，帮助用户逐渐树立起信用价值观，在社会活动中自觉遵守各项规章制度，做“知信用、讲信用、守信用”的合格公民。
4 、结语
近年来，随着市场经济的发展以及大数据时代的到来，社会信用管理和企业信用管理问题逐渐受到关注，而微观层面的“用户信用管理”也应得到重视。本研究在对基础概念进行界定的基础上，针对数字图书馆展开研究，对用户信用管理体系的构成要素进行具体分析，构建了体系框架和实施路径，最后基于CiteSpace的内容分析法，对大数据环境下信用体系领域的研究热点进行总结，对发展趋势进行展望。通过本研究中结合大数据环境对数字图书馆用户信用管理体系的探索构建，丰富了传统的信用管理体系，有望提高公众对公共文化服务领域的信用意识，推进社会信用体系建设的发展和完善。
参考文献
[1]中国政府网.国务院印发《社会信用体系建设规划纲要( 2014- -2020年 )》[EB/OL].[2021- 02- -08]
[2]中国政府网. 国务院办公厅印发《关于加强个人诚信体系建设的指导意见》[EB/OL][2021- -02- -08]
[3]中国政府网.图解:促进大数据发展行动纲要[EB/OL.[2020- 02-
[4]中国政府网[EB/OL].[2020- -02- -09].
[5]吴晶妹.现代信用学[M] .北京:中国金融出版社, 2002:108.
[6]朱毅峰,吴晶妹.信用管理学[M] .北京:中国人民大学出版社, 2005:14
[7]刘澄.信用管理[M] .北京:经济管理出版社, 2010:11-12.
[8]杜文艳. 数字图书馆用户信用体系建设研究[J]图书馆学刊, 2019.41(10)-32- -35.
[9]邓成越.高校图书馆社会化服务中用户信用体系研究[J] .图书情报工作, 2018,62(23):59- -64.
[10]郭强，赵瑾,刘新新,等.大学图书馆读者失信现象与构建信用评价指标体系研究[J] .图书馆理论与实践, 2009(11):84- -89.
[11]姚敏.社会信用体系建设背景下图书馆信用服务评价体系构建[J] .图书馆学刊, 2018,40(11):34- -37.
[12]曲军恒,霍颖瑜,韩晓茹.图书馆读者信用评价模型[J].甘肃联合大学学报:自然科学版, 2008,22(6):46- -50.
[13]成永娟.高校图书馆读者信用评价体系的应用研究[J] .图书情报工作, 2012.56(19):74- -79.
[14]修永春。金融科技与普惠金融征信业的变革与挑战[J] .新金融, 2018(10):52- -55.
[15]文芳,李春梅.互联网+时代大数据征信体系建设探讨[J] .征信, 2015.3(10)-36- -39.
[16]张丽哲.互联网金融的信用体系建设与风险控制[J] .中外企业家, 2017(17):41.44.
[17]任全民.国内互联网金融信用风险状况和发展路径浅析[J] .吉林金融研究, 2017(2):23- -27.
[18]张晨,万相昱.大数据背景下个人信用评估体系建设和评估模型构建[J] .征信, 2019,37(10):66- -71.
[19]肖凯文.大数据下的芝麻信用公司个人信用评估研究[D] .兰州:西北民族大学, 2019.
[20]韩啸.电信运营商大数据在征信产品中的应用研究[D] .南京:南京大学, 2015.
[21]王娜.电信运营大数据在银行个人客户征信评估中的应用研究[D] .天津:天津大学, 2018.
[2]冯倡扬，单思远,肖海清,等.中国情报学年会暨情报学与情报工作发展论坛(2019 )纪要[J] .图书情报知识, 2020(2):123- -133.
