序言：作為思想的載體和知識的探索者，寫作是一種獨特的藝術，我們為您準備了不同風格的5篇統計學大數據分析，期待它們能激發您的靈感。

篇1

關鍵詞:大數據;統計學;數據分析;抽樣理論;理論

重構隨著信息科學技術的高速度發展,當代獲取和儲存數據信息的能力不斷增強而成本不斷下降,這為大數據的應用提供了必要的技術環境和可能.應用大數據技術的優勢愈來愈明顯,它的應用能夠幫助人類獲取真正有價值的數據信息.近年來,專家學者有關大數據技術問題進行了大量的研究工作[1],很多領域也都受到了大數據分析的影響.這個時代將大數據稱為未來的石油,它必將對這個時代和未來的社會經濟以及科學技術的發展產生深遠的意義和影響.目前對于大數據概念,主要是從數據來源和數據的處理工具與處理難度方面考慮,但國內外專家學者各有各的觀點,并沒有給出一致的精確定義.麥肯錫全球數據分析研究所指出大數據是數據集的大小超越了典型數據庫工具集合、存儲、管理和分析能力的數據集,大數據被Gartner定義為極端信息管理和處理一個或多個維度的傳統信息技術問題[23].目前得到專家們認可的一種觀點,即:“超大規模”是GB級數據,“海量”是TB級數據,而“大數據”是PB及其以上級別數據[2].

一些研究學者把大數據特征進行概括,稱其具有數據規模巨大、類型多樣、可利用價值密度低和處理速度快等特征,同時特別強調大數據區別于其他概念的最重要特征是快速動態變化的數據和形成流式數據.大數據技術發展所面臨的問題是數據存儲、數據處理和數據分析、數據顯示和數據安全等.大數據的數據量大、多樣性、復雜性及實時性等特點,使得數據存儲環境有了很大變化[45],而大部分傳統的統計方法只適合分析單個計算機存儲的數據,這些問題無疑增加了數據處理和整合的困難.數據分析是大數據處理的核心過程,同時它也給傳統統計學帶來了巨大的挑戰[6].產生大數據的數據源通常情況下具有高速度性和實時性,所以要求數據處理和分析系統也要有快速度和實時性特點,而傳統統計分析方法通常不具備快速和實時等特點.基于大數據的特點,傳統的數據統計理論已經不能適應大數據分析與研究的范疇,傳統統計學面臨著巨大的機遇與挑戰,然而為了適應大數據這一新的研究對象,傳統統計學必須進行改進,以繼續和更好的服務于人類.目前國內外將大數據和統計學相結合的研究文獻并不多.本文對大數據時代這一特定環境背景,統計學的抽樣理論和總體理論的存在價值、統計方法的重構及統計結果的評價標準的重建等問題進行分析與研究.

1傳統意義下的統計學

廣泛的統計學包括三個類型的統計方法:①處理大量隨機現象的統計方法,比如概率論與數理統計方法.②處理非隨機非概率的描述統計方法,如指數編制、社會調查等方法.③處理和特定學科相關聯的特殊方法,如經濟統計方法、環境科學統計方法等[7].受收集、處理數據的工具和能力的限制,人們幾乎不可能收集到全部的數據信息,因此傳統的統計學理論和方法基本上都是在樣本上進行的.或者即使能夠得到所有數據,但從實際角度出發,因所需成本過大,也會放棄搜集全部數據.然而,選擇最佳的抽樣方法和統計分析方法,也只能最大程度還原總體一個特定方面或某些方面的特征.事實上我們所察覺到的數據特征也只是總體大量特征中的一小部分,更多的其他特征尚待發掘.總之,傳統統計學是建立在抽樣理論基礎上,以點帶面的統計分析方法,強調因果關系的統計分析結果,推斷所測對象的總體本質的一門科學,是通過搜集、整理和分析研究數據從而探索數據內部存在規律的一門科學.

2統計學是大數據分析的核心

數的產生基于三個要素,分別是數、量和計量單位.在用數來表示事物的特征并采用了科學的計量單位后,就產生了真正意義上的數據,即有根據的數.科學數據是基于科學設計,通過使用觀察和測量獲得的數據,認知自然現象和社會現象的變化規律,或者用來檢驗已經存在的理論假設,由此得到了具有實際意義和理論意義的數據.從數據中獲得科學數據的理論,即統計學理論.科學數據是通過統計學理論獲得的,而統計學理論是為獲得科學數據而產生的一門科學.若說數據是傳達事物特征的精確語言,進行科學研究的必備條件,認知世界的重要工具,那么大數據分析就是讓數據最大限度地發揮功能,充分表達并有效滿足不同需求的基本要求.基于統計學的發展史及在數據分析中的作用,完成將數據轉化為知識、挖掘數據內在規律、通過數據發現并解決實際問題、預測可能發生的結果等是研究大數據的任務,而這必然離不開統計學.以大數據為研究對象,通過數據挖掘、提取、分析等手段探索現象內在本質的數據科學必須在繼承或改進統計學理論的基礎上產生.

統計數據的發展變化經歷了一系列過程,從只能收集到少量的數據到盡量多地收集數據,到科學利用樣本數據,再到綜合利用各類數據,以至于發展到今天的選擇使用大數據的過程.而統計分析為了適應數據可觀察集的不斷增大,也經歷了相應的各個不同階段,產生了統計分組法、大量觀察法、歸納推斷法、綜合指標法、模型方程法和數據挖掘法等分析方法,并且借助計算機以及其他軟件的程度也越來越深.300多年來,隨著數據量以指數速度的不斷增長,統計學圍繞如何搜集、整理和分析數據而展開,合理構建了應用方法體系,幫助各個學科解決了許多復雜問題.現在進入了大數據時代,統計學依舊是數據分析的靈魂,大數據分析是數據科學賦予統計學的新任務.對于統計學而言,來自新時代的數據科學挑戰有可能促使新思想、新方法和新技術產生,這一挑戰也意味著對于統計學理論將面臨巨大的機遇.

3統計學在大數據時代下必須改革

傳統統計學是通過對總體進行抽樣來搜索數據,對樣本數據進行整理、分析、描述等,從而推斷所測對象的總體本質,甚至預測總體未來的一門綜合性學科.從研究對象到統計結果的評判標準都是離不開樣本的抽取,完全不能適應大數據的4V特點,所以統計學為適應大數據技術的發展,必須進行改革.從學科發展角度出發,大數據對海量數據進行存儲、整合、處理和分析,可以看成是一種新的數據分析方法.數據關系的內在本質決定了大數據和統計學之間必然存在聯系,大數據對統計學的發展提出了挑戰,體現在大樣本標準的調整、樣本選取標準和形式的重新確定、統計軟件有待升級和開發及實質性統計方法的大數據化.但是也提供了一個機遇,體現在統計質量的提高、統計成本的下降、統計學作用領域的擴大、統計學科體系的延伸以及統計學家地位的提升[7].

3.1大數據時代抽樣和總體理論存在價值

傳統統計學中的樣本數據來自總體,而總體是客觀存在的全體,可以通過觀測到的或經過抽樣而得到的數據來認知總體.但是在大數據時代,不再是隨機樣本,而是全部的數據,還需要假定一個看不見摸不著的總體嗎?如果將大數據看成一個高維度的大樣本集合,針對樣本大的問題,按照傳統統計學的方法,可以采用抽樣的方法來減少樣本容量,并且可以達到需要的精度;對于維度高的問題,可以采取對變量進行選擇、降維、壓縮、分解等方法來降低數據的復雜程度.但實際上很難做得到,大數據涵蓋多學科領域、多源、混合的數據,各學科之間的數據融合,學科邊界模糊,各范疇的數據集互相重疊,合成一體,而且大數據涉及到各種數據類型.因此想要通過抽樣而使數據量達到傳統統計學的統計分析能力范圍是一件相當困難或是一件不可能的事.大量的結構數據和非結構數據交織在一起,系統首先要認清哪個是有價值的信息,哪個是噪聲,以及哪些不同類型的數據信息來自于同一個地址的數據源,等等,傳統的統計學是無法做到的.在大數據時代下,是否需要打破傳統意義的抽樣理論、總體及樣本等概念和關系,是假設“樣本=總體”,還是“樣本趨近于總體”,還是不再使用總體和樣本這兩個概念,而重新定義一個更合適的概念,等等.人們該怎樣“安排”抽樣、總體及樣本等理論,或人們該怎樣修正抽樣、總體、樣本的“公理化”定義,這個問題是大數據時代下,傳統統計學面臨改進的首要問題.

3.2統計方法在大數據時代下的重構問題

在大數據時代下,傳統的高維度表達、結構描述和群體行為分析方法已經不能精確表達大數據在異構性、交互性、時效性、突發性等方面的特點,傳統的“假設-模型-檢驗”的統計方法受到了質疑,而且從“數據”到“數據”的統計模式還沒有真正建立,急切需要一個新的理論體系來指引,從而建立新的分析模型.去除數據噪聲、篩選有價值的數據、整合不同類型的數據、快速對數據做出分析并得出分析結果等一系列問題都有待于研究.大數據分析涉及到三個維度,即時間維度、空間維度和數據本身的維度,怎樣才能全面、深入地分析大數據的復雜性與特性,掌握大數據的不確定性,構建高效的大數據計算模型,變成了大數據分析的突破口.科學數據的演變是一個從簡單到復雜的各種形式不斷豐富、相互包容的過程,是一個循序漸進的過程,而不是簡單的由一種形式取代另一種形式.研究科學數據的統計學理論也是一樣,也是由簡單到復雜的各種形式相互包容、不斷豐富的發展過程,而絕不是完全否定一種理論、由另一種理論形式所代替.大數據時代的到來統計學理論必須要進行不斷的完善和發展,以適應呈指數增長的數據量的大數據分析的需要.

3.3如何構建大數據時代下統計結果的評價標準框架

大數據時代下,統計分析評價的標準又該如何變化?傳統統計分析的評價標準有兩個方面,一是可靠性評價,二是有效性評價,然而這兩種評價標準都因抽樣而生.可靠性評價是指用樣本去推斷總體有多大的把握程度,一般用概率來衡量.可靠性評價有時表現為置信水平,有時表現為顯著性水平[8].怎么確定顯著性水平一直是個存在爭議的問題,特別是在模型擬合度評價和假設檢驗中,因為各自參照的分布類型不一樣,其統計量就不一樣,顯著性評價的臨界值也就不一樣,可是臨界值又與顯著性水平的高低直接相關.而大數據在一定程度上是全體數據,因此不存在以樣本推斷總體的問題,那么在這種情況下,置信水平、可靠性問題怎么確定?依據是什么?有效性評價指的是真實性,即為誤差的大小,它與準確性、精確性有關.通常準確性是指觀察值與真實值的吻合程度,一般是無法衡量的,而精確性用抽樣分布的標準差來衡量.顯然,精確性是針對樣本數據而言的,也就是說樣本數據有精確性問題,同時也有準確性問題.抽樣誤差和非抽樣誤差都可能存在于樣本數據中,抽樣誤差可以計算和控制,但是非抽樣誤差只能通過各種方式加以識別或判斷[910].大多數情況下,對于樣本量不是太大的樣本,非抽樣誤差可以得到較好的防范,然而對于大數據的全體數據而言,沒有抽樣誤差問題,只有非抽樣誤差問題,也就是說大數據的真實性只表現為準確性.但是由于大數據特有的種種特性,使得大數據的非抽樣誤差很難進行防范、控制,也很難對其進行準確性評價.總之,對于大數據分析來說,有些統計分析理論是否還有意義,確切說有哪些統計學中的理論可以適用于大數據分析,而哪些統計學中的理論需要改進,哪些統計學中的理論已不再適用于大數據統計研究,等等,都有待于研究.所以大數據時代的統計學必是在繼承中求改進,改進中求發展,重構適應大數據時代的新統計學理論.

4結論

來自于社會各種數據源的數據量呈指數增長,大數據對社會發展的推動力呈指數效應,大數據已是生命活動的主要承載者.一個新事物的出現,必然導致傳統觀念和傳統技術的變革.對傳統統計學來說,大數據時代的到來無疑是一個挑戰,雖然傳統統計學必須做出改變,但是占據主導地位的依然會是統計學,它會引領人類合理分析利用大數據資源.大數據給統計學帶來了機遇和挑戰,統計學家們應該積極學習新事物,適應新環境,努力為大數據時代創造出新的統計方法,擴大統計學的應用范圍.

參考文獻:

[1]陳冬玲,曾文.頻繁模式挖掘中基于CFP的應用模型[J]沈陽大學學報(自然科學版),2015,27(4):296300.

[3]卞友江.“大數據”概念考辨[J].新聞研究導刊,2013,35(5):2528.

[5]靳小龍,王元卓,程學旗.大數據的研究體系與現狀[J].信息通信技術,2013(6):3543.

[6]覃雄派,王會舉,杜小勇,等.大數據分析:Rdbms與Mapreduce的競爭與共生[J].軟件學報,2012,23(1):32-45.

[7]游士兵,張佩,姚雪梅.大數據對統計學的挑戰和機遇[J].珞珈管理評論,2013(2):165171.

[8]李金昌.大數據與統計新思維[J].統計研究,2014,31(1):1017.

篇2

關鍵詞：大數據時代；大數據；統計學；

一、大數據與統計學

（一）大數據與統計學關系密切

簡單來說，我們可以分為兩個方面來理解大數據：若“大數據”作為形容詞，則描述的是大數據時代數據的特點；若“大數據”作為名詞，則體現的是數據科學研究的對象。對大數據的定義有非常多，不同領域不同專業對大數據的界定都會有些許不同。通俗地說：大數據是目前人類所有可抓取、可記錄、可存儲的信號集合。這個包含了一切信號的集合將非常非常之龐大、多樣、繁雜，并且還在不停地、迅速地增加。現代互聯網和信息技術的飛速發展，使得人類開始有能力收集、儲存、分析、處理這些從前無能為力的數據，從中挖掘出有用的信息促進社會的發展。邁爾•舍恩伯格說：大數據發展的核心動力就是人類測量、記錄和分析世界的渴望。而統計學正好是收集、整理、分析、解釋數據并從數據中得出結論的科學。由此可見大數據與統計學關系密切，將大數據與統計學結合發展潛力無窮。

（二）大數據時代下的非結構化數據與結構化數據需整合

對接統計研究可根據自身的目的收集總體數據或樣本數據，但如果總體太過龐大，以過去的技術方法來收集總體數據成本會很高，受于限制統計研究更多收集得是樣本數據。如今，人類已經開始能夠在合適的成本下獲得大數據，大數據的廣博給統計研究帶來了新的發展方向。我們需要著重研究的一個方向就是如何將結構化數據和非結構化數據對接。大數據的核心是數據，統計學的研究對象也是數據，但是它們獲得的數據性質有所不同：大數據收集的多是半結構化和非結構化的數據，通俗地理解，先獲得數據，再整理結構（如聲音、圖片、視頻等信息）；傳統統計學收集則主要是結構化數據，先定好結構，再根據目標結構收集數據（如數字、符號等信息）。拿非結構化數據和結構化數據來說：大數據時代使得我們有更多可以分析利用的數據，使得統計研究不僅可以在有更多的結構化數據的情形下進行；對于一些領域的研究工作還可以設法將非結構化數據和結構化的數據結合起來分析。如何實現非結構化數據與結構化數據的結合？首先，完善非結構化數據的整合，然后我們可以用結構化數據做數量說明，非結構化數據加強描述；或是提高數據處理技術，實現結構化數據與非結構化數據的互相轉化，選擇能更好說明問題的數據形式作為后續分析基礎。這都是值得再深入思考研究的新問題，而且這不僅僅是大數據和統計研究的事，同時需要計算機技術的一同創新發展。統計研究的范圍在大數據時代越來越大，能用數據說明的問題越來越多。

（三）大數據時代下的相關分析與因果分析發展并重

《大數據時代》一書中表示：大數據時代的一個顯著變化是：相關分析比因果分析更重要。我的看法是：大數據時代下，市場確實會對相關分析有著更強的關注度，但這并不意味著因果分析的重要性會有褪色。統計學中既有相關分析，也有因果分析，要對它們有合理的了解，首先需要明確的是相關關系和因果關系之間的聯系，簡單說：有相關關系不一定有因果關系，有因果關系則一定有相關關系。大數據時代，相關關系變得比以前更加為人所關注的原因：一方面，在很多領域的應用里，相關分析比因果分析更簡單可行；另一方面，因為相關關系足以體現事物之間的一定聯系，在商業效益上更為經濟有效。因此在商業利潤的推動下，相關關系也會更加受到青睞。但是我們不能就此否定因果關系的重要性，因果關系是對數據更加深度地分析：相關關系讓我們知道了“是什么”，因果關系是讓我們知道了“為什么”。倘若只是在商業經濟上的利用和成本考慮，“是什么”在很多時候就以足夠；但如果是在科學研究領域，“知其然而不知其所以然”就遠遠不夠了。結合現實發展需要，可在分析確定相關關系后，根據情況研究因果關系，若能夠得出因果關系，那肯定是更具價值和意義的。探求“為什么”始終是人類探索世界的動力,因果分析是人類永恒的使命。

二、結語

大數據時代的到來幾乎對每個領域都有著不可忽視的影響。大數據與統計學關系密切，大數據的出現對統計學的意義是非凡的，我們應把握住大數據時代和統計學的可結合點。其一，完善非結構化數據的整合，深入研究如何實現非現結構化與結構化數據的對接，都需要我們思維上的創新、數據處理技術上的提高。其二，在注重相關分析的同時，不能丟掉對因果分析的研究，應合理并重，實現大數據的進一步利用，真正挖掘出數據的價值。對于以數據為研究對象的統計學科，大數據時代就是統計學變革創新的時代，統計研究工作人員也應把握機會思考創新，為統計學增添新的生命力。

參考文獻：

[1]朱建平,張悅涵.大數據時代對傳統統計學變革的思考[J].統計研究,2016(02):3-9.

[2]朱建平,章貴軍,劉曉葳.大數據時代下數據分析理念的辨析[J].統計研究,2014(02):10-19.

篇3

關鍵詞 泛在學習 學習生態 有效學習 英語學習 大數據

近年來，移動互聯網、大數據等信息技術發展日新月異，已經成為推動教育變革的重要力量。移動通信終端的普及為學生營造了泛在英語學習環境，大數據技術開啟了個性化智能教育時代，翻轉課堂、MOOC、微課等新型教學模式層出不窮，雖然它們不能取代傳統教學模式，但英語教師必須與時俱進，重視信息技術對傳統英語課堂的改造和提升，以全新的視角思考英語教學的變革方向。

一、研究理論概述

1.泛在學習理論

泛在學習是指任何人在任何時間和任何地點都可以通過泛在網絡實現任何知識內容的學習。泛在網絡和泛在計算技術為人類實現隨時隨地的泛在學習提供了技術保障，信息技術和教育技術的融合發展正深刻改變著知識的傳播方式和學生的學習方式，不斷重構著教育和學習的生態環境。一方面，移動通信終端的多元化發展解除了傳統英語學習對地點的約束，翻轉課堂、MOOC等新型教學模式使學生可以自由地選擇學習時間、進度、內容和學習方式。另一方面，傳統教學設備正在向數字教學設備變遷，教育領域信息基礎設施建設有效地推動跨區域教學資源整合，海量的多媒體教學內容必須和學生的碎片化時間有效結合，教師需要針對不同學情的學生進行精準施策和差異化施策。

2.學習生態理論

學習生態是由學習群體及其所處的環境共同構成的生態系統。系統由信息技術、多媒體教學設施等支撐，通過以合作、交流、共享、互動為特征的教育實踐，實現知識信息傳遞和有效學習，從而促進系統的不斷優化。學生與學習環境、學生和學習群體之間密切聯系、相互作用，通過知識的吸納、內化、創新、外化、反饋等過程實現有效學習[1]。在泛在學習的背景下，學習生態研究的是教育信息、學習主體、教師、教育信息環境之間相互作用的生態系統，需要從教育信息化建設和應用的視角研究各個生態系統成員之間的相互作用規律，維護生態系統的平衡發展。

3.有效學習理論

有效學習是指學生在教師的指導下，針對學習內容采取適合自己的學習策略，積極主動地參與到學習過程中，高效率地完成知識建構，從而實現學習目標并優化自身知識結構的學習行為。有效學習是對學習內容、學習方法、學習過程、學習結果的價值追求[2]，學生可以實現對知識的深層次理解和靈活應用。學習內容的優化在大數據背景下表現為對海量學習內容的篩選、清洗與轉化[3]，使之滿足學生的學習需要。學習方法調整是建立在對學生學習情況進行多元評價的基礎上，根據學生個人學習偏好、認知習慣、學習方式、情感態度因素、學習內容的變化而動態進行的。學習過程的積極參與是指學生能夠積極主動地學習，充分和師生進行合作、交流，善于提出問題、分析問題和解決問題。學習評價是學生改變學習計劃、優化學習方法的重要手段，對學生學習可以起到引導、激勵、啟示和教育作用。

二、當前英語泛在學習模式存在的主要問題

1.傳統課堂教學和線上教學環節缺乏有效銜接

首先，魍晨翁媒萄Ш拖呱轄萄г誚萄Ы謐唷⒅識范圍上沒有有效銜接。例如，學生不知道如何在線上學習課堂上沒有掌握的知識點，或者在線上環節重復學習課堂中已經掌握的知識點。其次，缺乏對課堂英語學習和個性化英語自主學習的融合創新設計。在傳統課堂教學中，整齊劃一的教學標準無法滿足英語學習分層分級的差異化教學要求。不同學情的學生對學習時間、空間、內容、方式的需求不盡相同，教師在教學中沒能和學生線上學習的大數據分析結果進行有效的融合對接，僅根據自身的教學經驗和主觀判斷作為實施因材施教的依據，因此其決策缺乏精準性和穩定性。

2.泛在學習缺乏生態性系統設計，學生英語泛在學習的用戶黏性不高

當前泛在學習過程特別是在線學習過程缺乏師生互動性、社交互動性、線上線下互動性。泛在學習僅停留在將文字、圖像、視頻等教學資料數字化、網絡化、集成化和泛在化的階段，這在某種程度上增加了學生英語學習的選擇性和便利性，但缺乏針對不同學生的學習黏性設計，因此泛在學習效果并不理想。

3.英語泛在學習體系缺乏具有“參與感”和“現場感”的語言學習環境

建構主義理論認為，知識的獲得是在學習環境的特定情境作用下，借助教師的幫助與學習伙伴的協作，通過意義的建構過程實現的。因此在英語泛在學習過程中，必須增強學生在特定情境下的溝通和交際活動的參與性[4]。例如，如果在英語課程設計和在線學習設計環節，鼓勵學生廣泛參與學習內容、學習方法、學習偏好的設計，就會讓學生感受到教師對學生的愛與尊重，從而增強學生學習的主動性和積極性，使不同學情的學生都能在學習過程中體驗自我實現感，實現自主學習。另外，教師缺乏對學生多元需求的感知和把握，缺乏語言鍛煉的“現場感”設計，使學生無法在接近真實生活情境的語言環境中得到語言交際鍛煉。

三、基于大數據分析的英語泛在學習生態系統

移動通信和大數據分析技術的發展為有效解決當前英語泛在學習模式存在的問題提供新的方式和途徑。基于大數據分析的英語泛在學習生態系統以學生的英語學習需求、特征、習慣、喜好等大數據挖掘為切入點，聯合學校、互聯網教育機構、教材編寫人員、教師、信息化支撐機構、教育管理機構、在校學生和在職學員等生態系統成員共同把泛在學習落實到教學環境、模式設計、資源開發、評價機制和管理機制等工作中，不僅僅是教育內容資源和信息的共享空間，而且是實施素質教育和個性化學習的公共服務平臺。因此，本文構建了基于大數據分析的英語泛在學習生態系統，主要包括大數據采集、大數據存儲、大數據分析、大數據應用四個子系統，并構建了系統體系結構模型（圖1）。

1.大數據采集子系統

首先，大數據采集子系統要實現數據、文字、圖像、音頻、視頻、多媒體等結構化數據和非結構化數據采集，實現跨區域、跨機構、跨教學環節的數據互聯互通和數據采集功能，解決教育數據資源配置效率不高的問題。其次，實現英語教學設計、教學實施、課程內容建設、網絡學習內容資源建設、語料庫建設、學生學習認知過程監控、學生學習情感態度監控和學習評價等全教學鏈條的數據采集功能，為生態系統成員之間的共生發展提供良好的數據資源基礎。

英語教學設計數據主要采集教師按照教學大綱和教學目標要求對不同學生制定的學習內容、學習進度、學習路徑等數據，厘清學生在課堂上和網絡上分別學什么、在哪學、怎么學的問題。教學過程數據主要采集教師在教學中幫助學生解決英語學習問題的經驗、做法和策略，包括情感態度、認知因素的調控、語言情境的構建、師生的有效互動等。課程內容數據主要是采集教師、學校、互聯網教育機構課程教學內容數據，包括教材內容、課件、題庫、案例等授課內容資料，以及以上資料經過碎片化處理的數據資料。

網絡資源數據庫主要采集互聯網、校園網上英語學習方面的相關資料。英語語料庫數據主要采集中國學習者英語語料庫、美國當代英語語料庫等語料庫內容，以及英語教材、英美小說、散文、演說詞、電影劇本、新聞稿等英文自然語料。學習行為數據庫主要采集學生課堂學習行為和線上學習行為數據。課堂學習行為包括是否預習、復習等，線上學習行為數據采集學習日志、學習習慣、學習時長和學習路徑等。學習評價數據主要采集教師或者在線學習系統對學生的學習能力、學習方法、學習策略運用、學習過程和學習結果的評價數據。學習情感態度數據主要是通過問卷、訪談等方式采集影響學生英語語言習得的動機、態度、焦慮、自信等指標。

2.大數據存儲子系統

大數據存儲子系統主要實現對大數據采集子系統采集的海量結構化、非結構化數據進行數據清理、歸檔、壓縮，實現一體化數據存儲。可以實現跨區域、跨系統的英語泛在學習數據的融合，解決不同教學機構、數據結構、操作系統帶來的信息孤島問題。英語學習數據倉庫是指集成了大數據分析子系統和應用子系統決策分析所需的泛在學習數據，這些數據是按照一定的英語學習主題進行組織，是在對原有分散的各類英語泛在學習數據庫數據進行加工、匯總和整理后得到的，有效地消除了各類源數據中的不一致性，所以英語學習數據倉庫的信息均是關于學生英語泛在學習全局情況的一致性信息。數據倉庫的這些全局性信息同r通過網絡云平臺實現英語泛在學習數據的云端存儲，可以直接由大數據應用子系統調用。

3.大數據分析子系統

認知因素和情感因素是影響英語習得效果的兩個重要方面。大數據分析子系統首先結合學生應該達到的學習目標對學生個體的英語學習認知行為和學習的情感態度進行數據挖掘，分析學生的動機、態度、焦慮、自信、興趣等情感因素，以及學習毅力、能力、習慣、方法、英語水平和常犯錯誤等認知行為因素，對數據挖掘結果進行聚類運算和分類處理，根據學生的學習認知行為和學習態度情況將學生細分，以識別不同學生之間相似的泛在學習需求，以及某個學生個體在不同學習階段泛在學習需求的差異性。同時，大數據分析子系統會對學生的學習過程和學習結果進行動態綜合評價，并根據學習評價結果判斷學習方案的優劣，有針對性地進行線上和線下學習方案的調整。

4.大數據應用子系統

大數據應用子系統包括學習信息推送系統、學習信息定制系統、在線互動學習系統、語言情境仿真系統、知識關聯推薦系統、知識精準搜索系統、知識樹形管理系統和娛樂在線學習系統等應用。學生可以通過學習終端連接到相關應用系統進行英語語言知識的有效學習。學習信息推薦系統自動推薦給學生的學習信息是學生應掌握而目前未掌握的英語知識。學習信息定制系統可以滿足學生根據自身學習需求而定制某類主題的學習信息。學生一方面通過在線互動學習系統可以和輔導教師進行交流互動，解決學習中遇到的問題，另一方面可以通過社交軟件實現和其他學習者的溝通和交流，共享英語學習經驗。

語言情境仿真系統可以實現某類主題的英語學習情境的在線仿真，讓學生在接近真實環境的英語語言情境中進行英語交際鍛煉。知識關聯推薦系統是根據學生所學知識點，自動關聯推薦對應的拓展知識點。知識精準搜索系統可以幫助學生快速實現英語知識的精準有效搜索，從而進行有針對性的學習。知識樹形管理系統可以實現學生已掌握知識和未掌握知識的樹形目錄管理，實現線上學習和課堂學習知識管理的無縫鏈接。

基于大數據分析的英語泛在學習生態系統有利于充分發揮信息技術對傳統英語教育的改造提升作用，可以有效促進信息技術與教學過程、內容、方法和教學評價體系的深度融合。在生態系統的價值取向上注重以促進學生全面健康發展為中心，注重需求導向的個性化學生培養模式。在學生習得效果評價體系上注重加強學習過程評估，強調過程評估和結果評估相結合。系統注重充分挖掘學生的個體差異，充分挖掘學生的學習潛能，圍繞學生英語學習習慣的形成和學習情感態度的培養，以現代信息技術為輔助手段，將英語語言知識進行碎片化、情境化、可視化處理，通過采取教育信息推送、關聯推薦和定制化相結合的方式實現知識的在線傳播，給學生提供個性化、定制化的英語學習信息服務，帶給學生全新的英語泛在學習體驗。

參考文獻

[1] 張豪鋒，卜彩麗.略論學習生態系統[J].中國遠程教育，2007（4）.

[2] 曹貞.以有效學習為目標的大學課堂教學[J].教育與職業，2007（26）.

[3] 陳明選，陳舒.論信息化環境下大學生的有效學習[J].高等教育研究，2013（9）.

篇4

關鍵詞：信息素養；研究生；數據；北京交通大學

中圖分類號：G643 文獻標志碼：A 文章編號：1673-291X（2012）18-0245-03

信息素養是指人們在解決問題時利用信息的技術和技能。這個概念是1974年由美國信息產業協會主席保羅·澤爾斯基首次提出后又經該協會定義的。隨著計算機等現代技術的發展，信息量以幾何級數的方式遞增。一方面，準確完整的信息是做好決策的基礎，另一方面，如何進行有效的檢索，是利用信息從而解決問題的關鍵，這兩者均取決于人的信息素養。

研究生教育擔負著為國家建設發展培養高素養、創造型人才的重任。現代管理學之父德魯克曾經說過：“知識工作者的生產率是21世紀管理的最大挑戰。”

在北京交通大學，早在2004年，便把信息素養的教育列入了研究生學期教育的內容，為了全面掌握研究生信息素養情況，使信息素養教育更具有針對性，我們于2011年9月對北京交通大學的博士研究生和學術型碩士研究生進行了抽樣調查，并結合訪談的形式對于相關重點問題進行了確認。

一、樣本與調查維度說明

調查根據各院系學術型研究生數量的相對比例，共隨機抽取360位研究生進行調查。經檢查核對，最后共獲得有效問卷343份，有效問卷回收率為95.27%，樣本總量占6 847名學術型研究生總量的5.3%。有效樣本在各學院的分布情況為：電子信息工程學院50人，計算機學院29人，經濟管理學院97人，交通運輸學院29人，土木建筑工程學院39人，機械與電子控制工程學院20人，電氣工程學院20人，理學院21人，人文社會科學學院11人，軟件學院17人，建筑藝術系5人，語言與傳播學院5人。在全部被調查者中，碩士研究生為主體，占84.54%，其余為博士研究生；從年級分布看，一年級占45.18%，二年級研究生占43.73，三年級研究生只占11.07%；從性別構成看，男性占57.73%，女性占42.27%，與我校男女生總體比例58.4∶41.6持平。

調查的維度包括研究生信息素養教育基礎、獲取并利用專業信息的途徑、對提高自身信息素養的途徑選擇與期望三個大的方面，共包含22個問題。

二、調查結果

1.研究生信息素養教育基本情況。調查表明：近四成研究生在本科階段沒有受過正規的信息素養教育。有34.74%的被訪者在本科階段沒有學習過科技信息檢索或類似的課程；有40.12%的被訪者沒有學過學術論文和學位論文寫作的課程或聽過相關講座。

2.獲取并利用專業信息的途徑。在使用各種信息資源方面，以圖書館資源配合網絡搜索引擎為主；將近1/3的學生經常使用紙本書和期刊，并通過專業相關論壇學習；還有一小部分學生利用免費的（見表1）。

在對既有資源的深入使用方面，對我校圖書館的使用情況的調查表明：有80.62%的學生使用過借還書服務；61.67%的學生做過電子數據庫檢索；44.49%的學生進行過書刊閱覽；只有36.12%的學生使用過學術資源門戶；26.43%的學生做過信息咨詢；17.62%的學生使用過館際互借；甚至有20%未使用過借還書服務（見表2）。

計算機技術發展到今天，涌現出很多面向公眾的免費軟件，這些開源軟件除了在社交網絡方面，在各專業領域里也層出不窮，熟練運用這些免費軟件將是對我們當前有限資源的一個有效補充。但使用情況并不普遍。有15.42%的學生沒有用過任何一款開源軟件（見表3）。

研究生對本專業領域內優秀文獻及前沿信息的掌握情況在一定程度上決定其創新力。研究生對其專業核心期刊及網站信息的掌握途徑如下：60.79%的學生請教導師或同學，46.26%的學生利用期刊導航系統，28.63%的學生利用CSSCI或CSCD獲知，11.45%的同學咨詢圖書館員，其他途徑為4.41%（見表4）。

從外文數據庫的使用情況來看，有3.08%的學生從不使用本專業外文數據庫；有43.17%的學生不熟悉外文數據庫但常用Google找英文文獻閱讀；只有29.52%的學生經常使用本專業的外文數據庫。由此可見，我校的專業外語和外文數據庫的培訓亟須加強（見表5）。

學術數據庫的便捷和及時已成為研究生學習、研究過程中不可或缺的工具。隨之而來的大量電子文檔如果得不到系統的管理，會浪費掉很多時間和精力。與國外學校情況相比，我校研究生對參考文獻管理工具的認識和使用情況令人擔憂。以三種最廣泛使用的管理工具為調查對象，使用過endnote、noteexpress或 refwork這三種管理軟件的學生分別占16.74%、12.33%和8.81%，竟有近63.88%的學生沒有使用過任何參考文獻管理軟件（見下頁表6）。

3.提高研究生信息素養的方向與途徑選擇。調查顯示：31.42%的被訪者不太能對所瀏覽的網站的權威性作出判斷，2.65%的被訪者完全不能判斷出所瀏覽網站的權威性；有40.27%的被訪者回答能夠判斷網站的權威性，但根據的是模糊的經驗；只有25.66%的被訪者因為聽過有關講座，從而能夠準確判斷所瀏覽網站的權威性。

信息搜索能力提高途徑方面，43%的同學希望采取聽主題講座的方式；22%的同學選擇上選修課；20%的同學選擇自學；15%的同學愿意請教導師和同學。

三、分析與建議

1.需強調信息技術教育與信息素養教育的結合。近四成研究生在入學之前沒受過正規的信息素養教育，這樣的數據映射了中國對于信息素養教育的認識嚴重不足。國外對信息素養問題的研究可謂由來已久。20世紀60年代至今，相關的研究已相當深入。通過Elsevier、Infotrieve等檢索系統都可以檢索到眾多的研究文獻。而通過“google”進行網絡檢索則返回了1 180 000條記錄。這些記錄中包含大量的信息素養研究組織、論壇、專門研究網站和資源網站，可以找到數量豐富的研究報告、論文、會議文獻及有關的項目和計劃等資料。資料還反映出信息素養概念的內涵逐漸由最初單純的信息技能掌握到人的整體素養層面的演進以及信息素養重要性被廣泛認可的過程。

相對而言，國內信息素養理論研究比發達國家滯后得多。1984年，教育部《關于在高等學校開設〈文獻檢索與利用課〉的意見》，奠定了《文獻檢索與利用課》作為中國高校大學生用戶教育主要形式的地位。此后，受國外影響，中國圖書情報界對用戶教育活動的理論思考逐漸演變上升為信息素養層面的研究。就發文量而言，中國對信息素養問題的真正研究始于20世紀中期。1995年首次在研究文獻中出現了“信息素質”和“信息素養”的概念，但之后發文數量一直非常有限，到2011年一共682篇。反映出中國對信息素養問題的研究多年來一直徘徊在較低的水平。

在對被調查者的訪談中，他們接受的信息教育要么就是計算機教育（簡稱為“計算機課”、“電腦課”）和在此基礎上有所發展的信息技術教育，并以掌握計算機、網絡等信息技術的知識和技能為最終目的；要么就是信息化教育，即將計算機、投影儀等設備用于輔助教育。從2000年開始，信息素養概念已進入一部分信息技術教育研究人士的視野，在國家信息技術教育相關政策中也出現了“信息素養”的提法，但基本上是將信息素養的培養局限于信息技術教育之中。而圖書情報界則主要是從原有的用戶教育、尤其是文獻檢索課的視角來看待信息素養。

因而，針對于研究生的信息素養教育，應該強調信息技術與人的學習、生活和工作的聯系，強調信息和信息技術在各個層次上的學習與應用，特別強調信息素養在終身學習與自主學習中的作用，強調信息素養與個人發展的關系。

2.有待建立統一的信息素養標準，涵蓋教育的全過程。信息素養標準是信息素養評估的依據，也是信息素養教育的課程目標。因此，各國積極建立適合本國國情的信息素養標準。在這一方面，美國、英國、澳大利亞制定的信息素養標準都對其他國家產生了一定的影響。美國最具有影響力的信息素養標準分別制定于1998年和2000年。1998年美國學校圖書館協會與教育交流技術協會制定了《學生學習的九大信息素養標準》，并且涵蓋了教育的全過程，是從中小學基礎教育到高等教育的一個重要主題。

中國的信息素養教育研究起步比較晚，目前還沒有制定出一套全國通用的信息素養評估體系。《北京地區高校信息素養能力指標體系》是中國第一個正式的并且比較有權威的信息素養評價標準體系。該指標體系參照了美國、英國和澳大利亞高校的信息素養評價標準，共分為7個一級指標、19個二級指標、61個三級指標。

信息素養教育和其他任何一種教育領域一樣，素養的提高是多個相互聯系的因素持續作用、形成合力的結果，局部的強化難以實現。且研究生中的絕大多數畢業后便要走向職場，與其他層次的教育相比，除了傳統意義上的學習的壓力，還有面臨從學生到職場人的轉變的壓力。如果單純從研究生階段加強信息素養教育，即使體系完備，也難以避免學生現學現用，不成系統的弊端。

3.信息素養教育亟待與學科課程整合。最新的研究文獻數量表明：國外的信息素養教育的重點已經轉向培養學生的終身學習能力和評判性思維能力，探討促進圖書館、學生、教師及管理層的密切合作、謀求多學科的信息素養教學已經是研究重點之一。

篇5

關鍵詞：首都醫科大學；圖書館；流通借閱；數據分析；讀者服務

中圖分類號：G258.6 文獻標識碼：A 文章編號：2095-5707（2017）01-0040-07

Abstract： Objective To provide references for the resources construction of university libraries， business process optimization， user behavior research， and reader service improvement. Methods Excel 2010 was used to analyse the circulation data of 2013-2015 undergraduate， graduate students， international students， teachers and other readers from the Aleph 500 automated management system. Results In 2013-2015， there were downward trends of the numbers of visitors and the borrowed books. The numbers of borrowed books were more prominent in March and September. Lending period presented 10：00， 16：00， 18：00 and 20：00 four peaks. Book categories mainly focused on R， I， H， and so on. There were obvious regularities of borrowing preferences of students of various subjects. Conclusion Libraries of medical colleges and universities can increase self-service publicity， adjust human resources according to the borrowing situation， strengthen the construction of library resources， and pay attention to the reconstruction of the space and the arrangement of the environment.

Key words： Capital Medical University； libraries； circulation； data analysis； reader services

流通借閱是高校圖書館開展的基本業務之一，流通借閱數據分析是圖書館文獻資源建設、業務流程優化、用戶行為研究、讀者服務提升的重要依據。隨著網絡技術對人們閱讀行為的改變，圖書館已經從知識收藏中心向學習中心轉變。各高校圖書館越來越重視對流通借閱數據的分析挖掘，通過對借閱率與學生學習狀態相關性分析、探索用戶利用圖書館館藏資源現狀，挖掘用戶行為，提出相應的服務對策[1-9]。本文通過對首都醫科大學各類型讀者在圖書館中產生的流通借閱數據進行深度分析，力圖為圖書館文獻資源建設、用戶服務和空間利用提供參考依據，充分發揮圖書館的文獻保障與學習支持功能。

1 資料與方法

以首都醫科大學2013-2015年的本科生、研究生、留學生、教師等各類型讀者產生的流通借閱數據為研究對象，數據均來自首都醫科大學圖書館使用的Aleph500自動化管理系統，應用Excel 2010統計分析讀者到館情況、借閱率、閱讀偏好等。

2 結果

2.1 到館情況

首都醫科大學圖書館2013-2015年讀者到館及借閱情況如表1。整體上，到館次數2013年最高，2014年各月份均出現大幅下降，2015年有所回升，但仍低于2013年；借閱人數各年度和月份變化較到館情況變化相對較小。可以看出各年份、各月份到館借閱率均低于7%，2014年9月最高為6.99%，3年的平均到館借閱率為2.84%。

2.2 借閱情況

圖1所示為首都醫科大學圖書館2013-2015年每年1～12月份的借閱冊數情況，可以看出每年的借閱情況逐月分布情況較為規律，通常每年2月、8月為寒暑假時間，借閱量較低，3月、9月為開學初，借閱量明顯較大，緊接著又呈現逐月下降的趨勢。2013-2015年借閱量逐年遞減。2013、2014年借閱量分別為53 651、40 198冊，下降25.08%；2015年借閱量為36 253冊，相對2014年下降9.81%。3年的到館人均借閱冊數分別為4.54、4.15和4.06冊，均呈逐年下降趨勢。2015年3月、9月時間段的借閱量尤其突出。

圖2為2013-2015年各時段12個月份的平均值，整體上分時段借閱量有4個波峰，分別在10：00、16：00、18：00和20：00左右出現。其中16：00的波峰最明顯，相應的借閱量最多；其次是上午10：00、晚上18：00和20：00；晚間的借閱量比上午11：00-14：00之間的借閱量還要高。

依照《中國圖書館分類法》22基本大類對首都醫科大學圖書借閱量進行統計，結果如表2所示。可以看出2015年占借閱總量排名前三的類分別是R類占42.97%、I類占20.84%、H類占9.22%，前三類占總量的74.03%；其次是Q類4.55%、O類4.04%、T類4.04%、K類3.77%、B類3.72%、C類1.53%；其余均低于1%；借閱量高于4%的前6類占閱讀總量的85.66%。

各類圖書占本類館藏百分比可以用來衡量某類圖書的利用率。表2可以看出I類借閱量占本類館藏百分比為12.95%，此類圖書利用率最高；其后依次是Q、B、J各占本類館藏百分比分別為7.63%、7.36%、7.02%；后面依次是R、C、H、K、O、P借閱量占各類館藏百分比在5.26%～6.77%之間；其余均低于5%。

表3詳細分析2015年各月份各類圖書借閱量，各個月份的22基本大類情況趨于一致，R（醫藥、衛生）、I（文學）、H（語言、文字）等3類圖書借閱量明顯較多，其次是Q（生物科學）、O（數理科學和化學）、T（工業技術）、B（哲學）等4類。9月份為借閱高峰，各類圖書的借閱量都高于其他月份，其次是3月份也相對較多，3月份和9月份借閱量分別為6200、6380冊；2月份及8月份寒暑假期間，借閱量均低于200冊；7月份有一半時間是暑期，借閱量為1760冊，比正常月份稍低；其余月份均在2000～4000冊之間。

表4列出了2013-2015年的外借次數排名前20位的二級類目。可以看出2013-2015年3年借閱量排名前5位均為中國文學、基礎醫學、常用外國語、中國醫學、臨床醫學；6、7位為預防醫學及衛生學、內科學，但排名稍有變化；其后是歐洲各國文學、自動化技術及計算機技術、外科學、藥學、美洲各國文學、心理學、亞洲各國文學、化學、神經病學與精神病學類目，排名各年份稍有化；其余是中國人物傳記、分子生物學、數學、法律、中國史類目。整體上來看排名前20位的二級類目2013-2015年變化不大。

2.3 各學科學生借閱偏好

由于系統內部不能獲取研究生、博士生的具體學科類別，僅選擇2015年本科生各學科借閱圖書排名前10位的二級類目，然后綜合各學科前10位的二級類目，共得到口腔、臨床醫學、中藥學等12個學科30個二級類目的借閱情況（見表5）。

可以看出各學科學生借閱圖書有一定共性，同時也非常有學科特色。橫向來看，基礎醫學、中國文學和常用外國語是所有學科的學生借閱量都比較大的二級類目。縱向來看，臨床醫學學科學生人數總體較多，呈現出借閱量整體較高的情況，所借圖書的學科范圍也最廣泛，包含各國文學、常用外國語、中國哲學、心理學社科類；基礎醫學、臨床醫學、中國醫學、內科學、外科學、神經病學與精神病學醫學各科、自動化技術及計算機技術等。中國文學、常用外國語這2個二級類目在各專業借閱量都在排在前10位，除此之外，中藥專業學生側重中國醫學、基礎醫學、化學、藥學二級類目；護理學專業的學生側重臨床醫學、基礎醫學；公共事業管理學科的讀者側重預防醫學和衛生學、自動化技術及計算機技術、心理學；中醫學專業側重中國醫學、基礎醫學、心理學；生物醫學工程學科的讀者相對更關注自動化技術及計算機技術、數學、無線電電子學及電信技術；藥學專業的學生側重化學、藥學、心理學；基礎醫學側重基礎醫學和各國文學；康復治療專業學生側重基礎醫學、臨床醫學和心理學；法學專業學生側重法律及預防醫學和衛生學；兒科學生較多關注基礎醫學、內科學、藥學、心理學。

3 討論

綜合分析2013-2015年首都醫科大學圖書館各類型讀者的流通借閱數據，可以看出到館人次及借閱數量呈逐年下降趨勢，借閱的月份、時段、圖書類別及各學科學生借閱偏好具有明顯的規律性。基于2013-2015年流通借閱數據的分析，高校圖書館應采取以下措施，更好地服務讀者，提升服務質量。

3.1 加大自助服務宣傳

自助服務指在一定的條件下根據用戶的閱讀興趣、需要偏好來完成的書目查詢、藏書借閱、資料檢索、文獻復印、學習空間使用等活動，從而實現自主服務的一種讀者服務方式[10]，北京大學、清華大學、上海交通大學、廈門理工學院乃至國外高校圖書館都在不斷探索自助服務新方式[11-15]。自助服務逐漸成為流通借閱服務的主流服務方式。我館統計數據表明，自助借閱服務占所有借閱量的60%以上，可以繼續加大自主服務宣傳，培養讀者自主服務方式，提倡師生自主完成圖書借還服務。

3.2 根據到館借閱情況調整人力資源

傳統的老館舍由于要開設不同的閱覽借閱室，人員尤顯不足，根據到館人數、借閱數據，在借閱高峰如每學期開學之初，加大人力投入，每天的10：00，16：00，18：00，20：00幾個借閱高峰時段適當增加一線流通人員數量，保證服務質量，非借閱高峰可以適當縮減人員。

3.3 加強館藏資源建設

除了保證醫學特色資源建設以外，適當增加文學、生物科學、哲學、藝術等類圖書，與院系緊密集合，針對不同的專業學科適當補充各學科個性化需求。加大電子資源的使用宣傳。提供讀者來館隨時薦購、書展現場采購、學科館員推送、微信、網站等多渠道薦購圖書。

3.4 注重館舍空間改造

讀者來圖書館，很大程度上是利用館舍空間環境，所以傳統圖書館的館舍空間改造，人文環境優化尤為重要。首都醫科大學圖書館設立了研究生自習室、研討室等，并進一步細化閱覽室學科功能，如我館2009年成立了外文圖書閱覽室，使用館員自創的作品裝飾優化內部裝飾、提升人文氣息，現已成為吸引讀者休閑閱讀的重要場所。2015年9月成立了社會科學閱覽室，收藏A～G類圖書，促進社科圖書的管理流通，自開通以來，借閱量較之混雜在自然科學大書庫一起流通時有了顯著提高。

4 小結

在大數據環境下，對于圖書流通借閱數據進行有效的分析，能夠為圖書館改善提升服務質量，深度挖掘用戶行為，揭示其潛在的規律，為圖書館科學管理、資源建設和學科服務提供依據與參考。圖書館服務應結合用戶統一認證系統、電子資源訪問情況對借閱數據進一步挖掘，充分發揮圖書館的信息保障與學習支持作用，豐富圖書館的館藏資源，優化圖書館空間環境，提高圖書館資源的利用率，有針對性地對不同學科的讀者開展個性化服務，為圖書館科學管理提供事實依據。

參考文獻

[1] 喬慧君，周筠B.高校圖書館借閱率與學生學習狀態關系研究[J].大學圖書館學報，2015，33（1）：55-60，50.

[2] 鄭毅，葉翎，楊峰.醫學院校圖書館中文圖書利用率分析[J].醫學信息學雜志，2010，31（12）：82-85.

[3] 楊軍花，聶江城，王剛.用戶利用高校圖書館館藏資源分析及對策研究――以南開大學圖書館借閱統計為例[J].圖書館工作與研究， 2011（5）：66-70.

[4] 牛玉蘭，王德強.醫院圖書館讀者借閱統計分析及其對策[J].醫學信息學雜志，2008（2）：53-55.

[5] 姬曼姝.高校D書館流通借閱現狀的統計分析――以內蒙古師范大學圖書館為例[J].圖書情報工作，2013，57（S1）：178-181.

[6] 何禎，司徒俊峰.高校圖書館“借閱無限量”的實踐與思考――以中山大學圖書館為例[J].大學圖書館學報，2015（4）：14-18.

[7] 陳進，劉寶杰.從未被借閱圖書數據分析醫科大學圖書館LIB2.0的應用[J].醫學信息學雜志，2009，30（9）：76-78.

[8] 陳娟，洪丹.基于Logistic模型的高校圖書館用戶借閱影響因素分析[J].情報科學，2013，31（3）：96-101.

[9] 韋耘耕.從圖書館流通數據分析讀者閱讀傾向及館藏結構[J].醫學信息學雜志，2010，31（2）：75-78.

[10] 陳武，姜愛蓉.構建以自助服務為導向的現代圖書館[J].大學圖書館學報，2013（3）：93-96.

[11] 高桂英，黃濤，聶華.圖書館自助服務的個性化應用――北京大學圖書館的實踐與經驗[J].大學圖書館學報，2011（4）：77-80，121.

[12] 邢卓媛，孫翌，曲建峰.多終端環境下圖書館實體場館自助服務的設計與實踐――以上海交通大學圖書館為例[J].圖書館工作與研究， 2016（4）：45-51.

[13] 凌宇飛.高校圖書館自助服務現狀研究及發展策略[J].圖書情報導刊，2016，1（5）：62，156.

[14] 施航海，蘇文輝.圖書館一站式自助離館服務系統構建――以廈門理工學院圖書館為例[J].圖書館學研究，2016（16）：65-69.

[15] 潘永明，劉輝輝，劉燕權.美國高校圖書館中的移動流通自助服務[J].圖書情報工作，2014，58（12）：26-31.