图书情报机构知识服务能力及评价研究(Ⅱ)——评价指标体系设计与权重赋值

图书管理员如何进行图书馆的信息服务评估图书馆作为知识的宝库，信息的重要来源之一，为读者提供高质量的信息服务是其首要任务之一。

然而，随着信息时代的快速发展和读者需求的多样化，图书管理员需要不断评估图书馆的信息服务，以确保其符合读者的需求和期望。

本文将介绍图书管理员如何进行图书馆的信息服务评估，旨在帮助图书管理员实现优质信息服务。

一、明确评估目标与指标信息服务评估的首要任务是明确评估目标与指标。

评估目标应该与图书馆的整体发展和读者需求相一致，旨在提高信息服务的质量和效率。

指标可以从以下几个方面考虑：读者满意度、馆藏资源质量、馆员服务质量、信息技术支持和馆内环境等。

通过明确评估目标和指标，可以为后续的评估工作提供指导和依据。

二、收集数据与信息评估的基础是充分的数据与信息收集。

图书管理员可以利用多种方式进行数据和信息的收集，比如问卷调查、访谈、观察等。

问卷调查可以征求读者对信息服务的满意度和需求的反馈，访谈可以深入了解读者的期望和建议，观察可以收集到图书馆的实际情况和读者的使用行为。

收集到的数据和信息应该全面、客观，并定期进行更新和补充。

三、分析与解读数据收集到的数据和信息需要进行分析与解读，以获得有价值的结果。

图书管理员可以利用统计学和数据分析方法对数据进行处理和分析，以得出读者对不同信息服务方面的满意度和需求。

在解读数据时，应该注意数据的可靠性和有效性，并结合评估目标和指标进行分析，得出合理的结论和建议。

四、制定改进措施评估的最终目的是为了提高图书馆的信息服务质量，图书管理员需要根据评估结果制定相应的改进措施。

改进措施可以从不同方面考虑，比如加强馆藏资源的更新和提升、提高馆员的服务素质和技能、优化信息技术支持和设施、改进馆内环境等。

改进措施应该具体、可行，并有针对性地解决评估中发现的问题和不足。

五、实施和监督改进制定改进措施之后，图书管理员需要积极实施并进行持续监督和评估。

实施改进措施需要全体馆员的共同努力和配合，在实施过程中，可以适时调整和改进细节，以确保改进措施的有效性和可持续性。

图书馆服务评估与质量控制作为知识与文化的重要载体，图书馆为读者提供了广泛而丰富的学习资源，其服务质量直接关系到读者的学习效果和满意度。

为了确保图书馆服务水平的持续提升，评估与质量控制成为了不可或缺的工作。

本文将从图书馆服务评估的必要性、评估指标的选择以及质量控制措施等方面进行探讨。

一、图书馆服务评估的必要性图书馆作为一个服务机构，服务质量的评估对于保持其良好声誉以及满足读者需求至关重要。

服务评估可以帮助图书馆了解读者的实际需求和意见，发现存在的问题，并及时采取改善措施。

通过定期进行服务评估，图书馆能够及时了解自身的服务水平，以适应读者的需求变化，并提供更加优质的服务。

二、评估指标的选择评估指标的选择应该全面、客观，并覆盖到图书馆服务的各个方面。

以下是一些常用的评估指标：1. 资源丰富度：包括图书馆馆藏书籍和期刊的数量、类型和质量等。

2. 服务便利性：主要涵盖开馆时间、借还书流程、馆藏书籍的布局与分类、座位数量等。

3. 信息技术支持：包括电子图书馆、数据库、在线资源的使用便捷性与覆盖范围等。

4. 应急处理能力：即图书馆面对突发事件时的应对措施和处理效率。

5. 人员服务态度：图书馆工作人员的服务意识、礼貌和解决问题的能力等。

6. 读者满意度：通过读者问卷调查等方式了解读者对图书馆服务的满意程度。

三、质量控制措施1. 完善内部管理机制：建立科学的管理体系，制定明确的服务标准和工作流程，保证服务质量的稳定性和一致性。

2. 培训与提升图书馆员工素质：通过内部培训、外部进修等方式提升图书馆员工的专业知识和服务意识，以提高服务质量。

3. 队伍建设：合理分配岗位，加强人员的交流与合作，形成高效的工作团队。

4. 定期检查与监督：设置评估周期，定期进行服务评估，及时发现问题并采取措施改善。

5. 与读者的沟通与合作：倾听读者的意见和建议，通过各种渠道与读者进行有效的沟通与合作。

6. 引进新技术与创新服务：积极引进新的信息技术，促进图书馆服务的创新与改进。

图书馆数字资源评价指标权重赋值方法概述10100字〔摘要〕探讨图书馆数字资源评价指标权重的合理赋值方法，为相关的研究提供参考。

通过文献调研法，对国内已有的图书馆数字资源评价研究的指标权重赋值方法进行了分析、比较和研究。

结果表明：主观赋值法能充分利用评价专家的知识和经验，操作简单、有效，受专家的主观因素影响较大；客观赋权法的结果客观、科学、严谨，有时会弱化指标的内涵及其现实意义，工作量大、计算复杂；综合赋值法是最好的方法，也是工作量最大的方法，随着信息技术的应用，将得到更大的发展。

〔关键词〕图书馆；数字资源；电子资源；评价；评估；指标权重；赋值方法〔Abstract〕This paper discussed the reasonable valuation method of evaluating indexes weight based on the digital resources from libraries and providing reference for related research.Through the method of literature research，valuation method of evaluating indexes weight is analyzed，compared and studied that existing domestic libraries.The result showed that the subjective valuation method can make full use of the knowledge and experience from evaluation expert，operation is simple and effective，but the subjective influence factor is also added from experts themselves；objective valuation method is objective，scientific，rigorous，sometimes，it can weaken the connotation and practical significance of the index and accompanied heavy workload，computational complexity，So comprehensive evaluation method is not only the best method，but also the maximum amount of work method，with the application of information technology It will get more development.〔Key words〕library；digital resources；electronic resources；evaluation；index weigh；evaluation method随着信息技术和数字技术的迅速发展和广泛应用，数字信息已经成为人们利用的主要信息类型，数字资源也随之成为图书馆馆藏建设的重点资源，有关图书馆数字资源评价的研究也成为业界的研究热点。

Ә袁晓文1,俞立平2(1.贵州财经大学贵州绿色发展战略高端智库,贵州㊀贵阳㊀550025;2.浙江工商大学统计与数学学院,浙江㊀杭州㊀310018)一种辅助专家赋权与克服自然权重学术评价方法∗完全信息多重主成分分析法㊀㊀摘㊀要:在学术评价中,由于评价体系指标日益增多会导致专家赋权困难,以及评价指标标准化后平均值不相等会扭曲实际权重,产生自然权重问题,从而使得评价结果根本不能体现专家权重㊂文章在进行理论分析的基础上,提出一种新的完全信息多重主成分分析方法来解决这个问题,并以JCR2017数学期刊为例进行了实证㊂研究结果表明:学术评价中专家辅助赋权与自然权重问题必须高度重视,完全信息多重主成分分析可以较好地解决这个问题,该方法的评价结果具有较好的统计学性质,需要注意的是当主成分指标分类效果较差时需要专家进行进一步讨论㊂关键词:专家辅助赋权;自然权重;完全信息多重主成分分析;学术评价DOI :10.16353/ki.1000-7490.2021.10.008引用格式:袁晓文,俞立平.一种辅助专家赋权与克服自然权重学术评价方法 完全信息多重主成分分析法[J ].情报理论与实践,2021,44(10):57-64.An Academic Evaluation Method for Assisting Experts in Empowering and Overcoming Natural Weights :Multiple Principal Component Analysis of Complete InformationAbstract :In academic evaluation ,due to the increasing number of evaluation system indicators will lead to the difficulty of expert empowerment ,and the unequal average value of evaluation indicators after standardization will distort the actual weight ,re-sulting in the problem of natural weight ,therefore ,the evaluation results can not reflect the expert weight at all.Based on the theo-retical analysis ,this paper proposes a new method of complete information multiple principal component analysis to solve this prob-lem ,and takes JCR2017mathematical journal as an example.The results show that in academic evaluation ,the problem of expert assisted empowerment and natural weight must be paid more attention ,the evaluation of complete information multiple principal component analysis is a better solution ,the evaluation result of complete information multiple principal component analysis has a better evaluation capability ,which can carry out expert assisted empowerment and eliminate natural weight ,and the experts couldtake further discussion when the explanatory power of classification of principal component index is poor.Keywords :expert assisted empowerment ;natural weight ;multiple principal component analysis of complete information ;academic evaluation∗本文为浙江省自然科学基金重点项目 制造业从数量型创新向质量型创新转型机制研究 (项目编号:Z21G030004)和浙江省一流学科A 类项目(浙江工商大学统计学,管理科学与工程)的研究成果㊂1㊀概述在学术评价中,多属性评价方法是一种主流的评价方法㊂正如Bollen 等[1]所说,任何一个指标都不能独立承担学术评价工作,在学术评价中采用若干指标同时进行评价使得评价更加全面系统㊂在大学评价㊁科研奖励评价㊁学术期刊评价㊁科研人员评价㊁学科与团队评价等应用中,广泛选取若干评价指标建立指标体系,采用多属性评价方法进行评价已经成为实际评价中通用的方法㊂多属性评价方法有几十种,包括主观评价方法与客观评价方法㊂典型的主观评价方法包括德尔菲法㊁层次分析法㊁专家会议法等,客观评价方法更多,如主成分分析㊁因子分析㊁模糊数学㊁DEA 数据包络分析㊁TOPSIS㊁秩和比法,等等㊂从主观角度,专家赋权对学术评价影响较大,随着评价体系日趋庞大,专家赋权也面临着人类分辨力不足问题㊂现在的评价指标体系,动辄几十个甚至上百个指标,比如教育部的学科评价,其评价指标众多㊂这些评价指标虽然可以按照不同类别进一步分为一级指标㊁二级指标等,但是不同类型指标之间由于数据相关,导致如何分配权重是个大问题㊂即使同级指标内部,由于指标数量仍然较多,如何赋权也非常考验专家的 脑力 ㊂此外还有一些指标由于分属两个不同类别,究竟如何归类也是个问题㊂比如学术期刊评价中的即年指标,它既是影响力指标,又是时效性指标,究竟如何归类?所以,在学术评价中,必须解决辅助专家赋权问题㊂从客观角度,评价数据对学术评价影响巨大,其中自然权重问题是个容易被忽视的首要问题㊂自然权重由俞立平㊁宋夏云等[2]首先提出,它是指由于标准化后评价指标平均值不相等而导致的权重失灵现象,往往比较隐蔽㊂假如同时采用影响因子与h 指数进行学术期刊评价,两者权重相等,在标准化满分为100的情况下,影响因子标准化后的平均值为40,h 指数标准化后的平均值为70,那么评价结果很显然h 指数较大者占据优势,因为大多数期刊h 指数要大于影响因子,尽管两者权重相等,但实际上h 指数的权重要大于影响因子㊂由于评价指标均值不等导致评价实际权重不等,只有克服这个问题才能真正发挥权重的作用和管理功能㊂在学术评价中,评价过程各环节都有可能产生权重扭曲或误差问题,使得评价结果不能反映真实权重,并且这些现象都是隐蔽的(见图1)㊂学术评价的主要环节一般包括选择评价指标㊁主观或客观方法赋权㊁指标标准化㊁选择评价方法,最终得到评价结果等步骤㊂图1㊀评价过程与权重扭曲在赋权阶段,暂不考虑客观赋权问题(下文会论证原因)㊂对于专家赋权,当评价指标众多㊁指标分类复杂时,会产生分辨力误差,即专家的 脑力 不够,使得权重并不能真实反映专家意愿㊂此外由于评价指标之间相关,会对专家权重产生扭曲,这也是个隐含问题㊂在指标标准化阶段,由于迄今为止尚没有一种标准化方法使得标准化后评价指标平均值相等,因此自然权重问题难以避免㊂在选择评价方法进行评价阶段,非线性评价方法也有可能会影响权重,产生权重偏倚㊂最终使得评价结果与专家赋权相差较大㊂对于线性评价方法,产生权重扭曲的环节包括专家赋权和指标标准化;对于非线性评价方法,产生权重扭曲的环节包括专家赋权㊁指标标准化㊁评价方法选取㊂由于非线性评价方法有几十种,对权重的影响机制更加复杂,因此本文仅仅讨论线性评价方法㊂专家辅助赋权与克服自然权重问题均与权重相关,一个是主观问题,一个是客观问题,并且是任何学术评价需要面临的问题,将其放在同一个框架下研究具有重要意义㊂这两个问题均比较隐蔽,容易被忽视㊂在现有的多属性评价方法体系下,找到能够辅助专家赋权和克服自然权重的评价方法,其意义不言而喻㊂第一,可以彻底解决辅助专家赋权问题,从而提高专家赋权的准确性和精度㊂第二,克服自然权重问题,减少权重扭曲,使得权重真正体现专家知识和管理要求㊂以上问题的解决也有利于推进科学学方法论的发展,从方法角度保证评价公平,使得评价更好地为管理服务㊂本文在主成分分析的基础上,对其进行进一步的优化与改进,提出完全信息多重主成分分析评价方法,用来进行辅助专家赋权和克服自然权重问题㊂并以学术期刊评价为例,基于JCR2017数学期刊的数据,说明该方法的理论基础㊁基本原理㊁实现步骤㊂学术期刊评价是科研管理与文献计量学重要组成部分,长期以来都是学术界㊁期刊界和出版界的研究热点和前沿[3],用学术期刊评价为例来进行说明具有较好的代表性㊂2　文献综述降维或客观指标分类是辅助专家赋权的基础,在现有的多属性评价方法中,与指标分类相关的评价方法主要是主成分分析与因子分析㊂聚类分析虽然也可以进行指标分类,但其不能用于评价,因此本文在主成分分析或因子分析评价的基础上,进一步进行相关探索㊂关于主成分分析在学术期刊评价中的应用,陈小山㊁陈国福等[4]利用主成分分析将期刊评价指标进行分类,再基于结构方程模型来分析指标之间存在的结构关系㊂李鑫㊁任俊霞[5]以国际图书情报学期刊为例,研究读者数与传统引文指标之间的关系,并通过主成分分析法建立期刊影响力综合评价模型㊂余雪松㊁吴良顺等[6]运用主成分分析和信息熵来确定指标的权重,从而得出期刊的综合得分㊂李跃艳㊁熊回香等[7]从期刊引用认同和引用形象两方面建立指标体系,通过主成分分析法建立期刊评价模型,并进行实证分析㊂王宇㊁邬锦雯等[8]利用主成分分析计算86种期刊在Altmetrics 期刊评价体系下的综合得分,并和谷歌H5指数得分进行相关性分析㊂洪寒梅㊁陈妍等[9]采用主成分分析法,求得各期刊的综合主成分,并与期刊CI 指数进行相关分析㊂因子分析是Spearman[10]提出的一种重要的客观评价方法,能够处理多指标数据㊁便于提取公共因子,在学术评价中的应用越来越广泛㊂王志娟㊁姚亚楠等[11]运用因子分析法对广东省医药卫生期刊影响力水平进行综合评价㊂王伟明㊁徐海燕等[12]利用改进的因子分析法对学术期刊进行静态综合评价,然后嵌入奖惩指标,并利用TOPSIS得到最终动态评价结果㊂邓潇㊁王伟明等[13]将因子分析法用于期刊组合评价,从静态与动态相结合的角度进行学术期刊评价㊂此外还有许多研究将因子分析法作为评价方法之一用于学术期刊的组合评价㊂关于主成分分析与因子分析的问题与改进,Maccal-lum等[14]探讨了样本数量对因子分析的影响,认为因子分析在大样本下应用更好㊂Fabrigar等[15]指出因子分析中每个公共因子下属指标必须为4个或以上,这样才能确保因子被有效识别㊂Edward[16]认为因子分析的前提条件是评价指标数据必须服从正态分布㊂俞立平㊁郭强华等[17]认为因子分析存在着牺牲原始数据信息的缺陷,提出完全信息因子分析法,以及采用可解释公共因子的最大信息因子分析方法㊂俞立平㊁刘骏[18]对于主成分分析和因子分析在学术评价中的应用,提出要进行评价前检验㊁评价中检验㊁评价后检验㊂赵陆亮㊁马赞甫[19]结合主成分与DEA 分析以克服单纯采用主成分分析的不足㊂关于专家权重的生成与设计方法,学术界其实研究得不多㊂Gordon等[20]创立了德尔菲法(Delphi),德尔菲法应用范围较广,当然也可以用来进行评价赋权,不过一般要经过4~5轮,其周期较长㊂层次分析法(Analytic Hi-erarchy Process,AHP)是Saaty提出的一种层次权重决策分析方法,通过建立决策指标矩阵,将决策指标进行两两对比,从而使得专家赋权工作得到简化[21]㊂俞立平㊁潘云涛等[22]利用证据理论和加法平均对不同专家的权重赋值并评价,将评价结果按一定比例进行分级,计算每个专家评价结果分级一致度,辅助专家调整权重㊂从现有的研究看,关于主成分分析与因子分析在学术评价中的应用比较广泛,涉及单一指标评价㊁评价方法的改进与组合评价㊂关于主成分与因子分析评价存在的问题,学术界研究也比较深入㊂关于专家辅助赋权问题,现有的研究总体较弱㊂总体上,以下方面有待深入:第一,基于主成分分析和因子分析,在此基础上选择更合适的一种评价方法作为基础评价模型,探索进一步改进专家辅助赋权与克服自然权重问题的方法㊂第二,对于主成分分析或因子分析在评价中的不足,探索进一步的改进方法㊂第三,探索专家辅助赋权的技术方法,包括不同类指标赋权㊁同类指标赋权㊁指标分属两类指标的处理方法㊂第四,关于自然权重问题,探索如何进一步进行指标标准化,使得标准化后评价指标平均值相等,进而彻底解决自然权重问题㊂3㊀完全信息多重主成分分析的原理3.1㊀自然权重与主客观权重的关系自然权重是专家权重或客观权重的基础和前提条件(见图2)㊂如果自然权重得以消除,那么后续无论是主观的专家赋权评价还是客观赋权评价,都能对权重进行保真,从而使评价结果精准;如果自然权重没有进行有效消除,那么会扭曲专家权重或客观权重,从而使得评价结果失真㊂图2㊀自然权重与主客观权重3.2㊀降维与基础评价方法的选择降维能够降低专家赋权的难度,为辅助专家赋权开辟一条道路㊂当评价指标众多,指标分类复杂时,专家对指标体系赋权的难度也增大㊂何况不同专家对同一指标体系的分类也不尽相同,这进一步增加了专家赋权的复杂性㊂比如科研项目指标,一些专家将其视同科研成果指标,还有一些专家将其单列作为一级指标㊂应该说前者是值得商榷的,因为科研项目并不是科研成果,可以作为学科或学者个人学术能力的某种体现㊂在这样的背景下,通过指标体系降维技术,采用主成分或因子分析提取的主成分或公共因子评价,一方面可以辅助专家进行评价指标分类;另一方面可以降低评价指标的数量,方便专家赋权㊂此外,由于主成分或公共因子之间互不相关,这也是专家赋权与后续评价的重要优势㊂当然,降维还有另外一条思路,由熟悉科研评价的专业人士根据评价目标,选择或设计数量不多的核心指标,而不是堆砌各种指标,形成大杂烩式的评价体系㊂指标和维度从来不是越多越好,而是尽可能简单㊂作为一种评价方法的探索,本文假定经过专家讨论,评价指标仍然众多,需要降维的情况㊂主成分分析和因子分析选择是进一步进行评价研究的基础㊂俞立平㊁郭强华等[17]认为主成分分析和因子分析用于评价存在信息损失,主成分分析的信息损失是特征根小于1的主成分没有参与评价,因子分析的信息损失包括特殊因子及其导致的特征根小于1的公共因子没有参与评价㊂由于主成分分析适用的前提条件相对宽泛,不像因子分析那样评价指标要服从正态分布,加上主成分与变量之间的函数表达式是完全可逆的,因此选用主成分分析作为进一步研究的基础方法㊂3.3㊀主成分分析评价与自然权重的关系主成分分析评价还具有另外一个优秀的性质,即主成分分析提取的主成分均值为0,也就是说所有提取的主成分的均值相等,这样在后续加权汇总时,就永远不会存在自然权重问题,从而使得评价权重永远不会发生扭曲㊂3.4㊀评价的主观属性主成分分析评价权重的本质是某类指标数量㊂采用主成分分析进行评价时,是根据方差贡献率对特征根大于1的主成分进行赋权,然后再加权汇总进行评价,从这个角度,主成分分析是一种客观赋权法㊂本质上,主成分的权重取决于某类评价指标的数量,当该类评价指标数量较多时,往往方差贡献率就较大,进而权重就越高㊂比如在评价科研绩效时,往往数量指标较多,质量指标较少,那么采用主成分分析,数量指标的权重就偏高㊂如果评价的导向是侧重科研成果质量,那么是不能用方差贡献率作为权重来进行评价的,而应该采用专家赋权较好㊂评价是主观的㊂‘辞海“中评价的含义是 衡量评定人或事物的价值 ,包含三层含义,第一是评价主体必须是人或机构,如果是人进行评价,那肯定主观因素占重要地位,即使是客观评价,也必须包含主观成分;如果是机构进行评价,那么往往也体现管理者的需求和意志,具有主观性质㊂第二是评价对象包括人或事物,在学术评价中,大学评价㊁学科评价㊁团队评价㊁期刊评价等属于事物评价,事本质上也是人做的,而学者评价属于对 人 的评价㊂第三是必须得出评价结果,可以是分值,也可以是排序㊂需要说明的是,现在有许多客观多属性评价方法,对其主观本质需要进一步进行说明㊂客观评价方法包括熵权法㊁变异系数法㊁DEA 数据包络分析㊁康拓对角线法㊁TOPSIS 等几十种,表面看,这些评价方法是客观的㊂但是他们仍然具有主观属性,这是因为评价指标的选取是人为的,不同评价方法的评价结果不同,评价方法的选取也是人为的,评价结果是否合理,其判断也是人为的㊂客观评价方法只不过是为了降低评价复杂性的一种手段,一般会遵循某种原理,但不可以超越评价者之上㊂3.5㊀完全信息多重主成分分析评价的原理本文提出完全信息多重主成分分析评价,其基本原理如下(见图3):第一,将主成分分析与专家主观赋权相结合㊂通过提取主成分,各主成分之间不相关,并且各主成分具有一定的可解释含义,这样可以方便专家进行赋权,降低了赋权的复杂性㊂即对于特征根大于1的主成分之间的权重分配,由于其含义是明确的,采用专家赋权法赋权可以更好地发挥管理导向作用㊂第二,对于某个提取主成分下的二级指标,如果数量较多,继续采用主成分分析提取子主成分,并且同样进行专家主观赋权㊂以此类推,如果三级指标还是较多的话,同样可以继续采用主成分分析提取主成分,并且进行专家赋权㊂注意,如果进行第二轮或第三轮主成分分析时,只有一个主成分,那么就没有必要进行主成分分析,说明评价指标属于一类㊂通过反复提取主成分,即使在评价指标众多的情况下,专家也可以非常方便地进行赋权,这就是多重主成分的含义㊂第三,由于主成分分析存在信息损失,就是特征根小于1的主成分,传统主成分分析往往将其舍弃,这当然会影响评价结果㊂完全信息主成分分析在评价时,无论是一级指标还是二级指标等,均选取所有的主成分进行评价,这就是完全信息的含义㊂第四,对于特征根大于1的主成分和小于1主成分之间的权重分配,采用客观赋权法,即特征根大于1的主成分的权重之和是累积方差贡献率,特征根小于1的主成分权重之和为1减去累积方差贡献率,其所占份额较小,其含义不明确,因此特征根小于1的主成分之间的权重采用方差贡献率进行分配㊂从以上步骤可以看出,该方法进行评价时,不是单纯选取特征根大于1的主成分进行评价,这样会牺牲特征根小于1的主成分的信息㊂此外对于特征根大于1的主成分,如果评价指标较多,还可以进一步进行主成分分析㊂所以本文将该方法称为 完全信息多重主成分分析㊂图3㊀完全信息多重主成分原理4㊀研究数据本文以JCR2017数学期刊为例进行实证研究,JCR 公布的指标有11个,本文选取9个指标进行评价,分别是总被引频次(TC)㊁影响因子(IF )㊁他引影响因子(IFW)㊁5年影响因子(IF5)㊁即年指标(II)㊁特征因子(ES)㊁论文影响分值(AIS)㊁被引半衰期(CHL1)㊁引用半衰期(CHL2)㊂需要注意的是,被引半衰期和引用半衰期是两个反向指标,需要进行正向处理才能导入到主成分分析㊂此外还有两个指标没有选择,分别是影响因子百分位和标准特征因子,前者来自影响因子,而且具有非参数性质,后者来自特征因子,两个指标均不能提供新的信息,选取会导致信息重复,没有必要㊂JCR2017共有数学期刊310种,由于部分数据存在缺失,将其删除,实际还有304种期刊,变量的描述统计如表1所示㊂从Jaque-Bera正态分布检验结果看,所有指标均拒绝原假设,即所有指标均不服从正态分布㊂表1㊀变量的描述统计均值极大值极小值标准差偏度P峰度S JB检验P值TC1624.237021800.0000102.00002547.6170 3.916922.25865475.29700.0000 IF0.87849.72700.18600.7831 6.255460.582643982.15000.0000 IFW0.81609.54500.17400.7714 6.326761.242444995.63000.0000 IF50.960811.41400.24300.8802 6.640369.664458526.45000.0000 II0.2495 2.00000.00000.2200 3.109820.20214238.20200.0000 ES0.00460.04700.00000.0065 3.591718.80543817.90400.0000 AIS0.95198.37700.1070 1.0959 3.894621.94455314.46500.0000 CHL137.037547.9000 3.20009.0583-1.4428 4.8070146.83880.0000 CHL254.561563.0000 1.6000 4.2256-6.587182.539382334.14000.00005㊀实证结果5.1㊀第一轮主成分分析首先进行第一轮主成分分析,KMO检验值为0.680,超过最低可接受水平(0.5),Bartlett检验值为3507.708, p值为0.000,拒绝各指标不相关的原假设,具备主成分分析的适用条件㊂主成分矩阵如表2所示,特征根大于1的主成分共有三个,累积方差贡献率为82.431%,总体解释水平较高㊂表2㊀主成分解释方差主成分特征根方差贡献(%)累积方差贡献率(%)1 4.46449.59749.5972 1.66718.52368.1203 1.28814.31082.431 40.6427.12889.559 50.590 6.55596.113 60.215 2.39098.503 70.0840.93299.435 80.0480.53699.971 90.0030.029100.000㊀㊀主成分矩阵如表3所示,第一主成分由影响因子㊁他引影响因子㊁5年影响因子㊁即年指标㊁论文影响分值组成,可以将其命名为期刊一般影响力;第二主成分由总被引频次㊁特征因子,这是反映期刊累计影响力和赋权影响力的指标,可以将其命名为期刊总体影响力;第三主成分由被引半衰期㊁引用半衰期组成,可以将其命名为期刊时效性㊂5.2㊀第二轮主成分分析由于第一主成分组成的指标较多,因此有必要进行第二轮主成分分析,以便将期刊一般影响力指标进行进一步分类,方便专家赋权㊂将影响因子㊁他引影响因子㊁5年表3㊀主成分矩阵评价指标指标变量主成分1主成分2主成分3影响因子IF0.9320.272-0.077他引影响因子IFW0.9330.267-0.1015年影响因子IF50.9270.240-0.122即年指标II0.6630.0450.073论文影响分值AIS0.8930.033-0.231总被引频次TC0.523-0.7500.339特征因子ES0.551-0.6380.457被引半衰期CHL1-0.1690.5850.592引用半衰期CHL20.1500.3880.724影响因子㊁即年指标㊁论文影响分值5个指标进行KMO 检验,其值为0.759,超过最低可接受水平(0.5)㊂Bart-lett检验值为2760.455,p值为0.000,拒绝指标不相关的原假设,可以进行主成分分析㊂特征根大于1的主成分只有1个,如表4所示,说明这5个指标可以归为一类,没有必要进行进一步分类㊂表4㊀主成分解释方差主成分特征根方差贡献(%)累积方差贡献率(%) 1 4.05080.99180.991 20.64012.79493.785 30.251 5.01098.795 40.057 1.15099.945 50.0030.0551005.3㊀指标赋权由于JCR2017数学期刊只经过一轮主成分分析就确定了指标分类体系,因此赋权工作分三个步骤㊂第一步是特征根大于1的主成分权重与小于1的其他信息权重,这个根据方差贡献率分配,分别为0.824和0.176㊂第二步是三个特征根大于1的主成分即一级指标权重,作为一个算例,本文邀请5位专家讨论赋权,由于期刊一般影响力即影响因子类指标在评价时重要性最高,并且指标最多,因此权重为0.60;期刊总体影响力主要是期刊中期和长期指标,其权重为0.25㊂期刊时效性指标的权重为0.15㊂所有指标的权重分配如表5所示㊂表5㊀评价权重信息权重一级指标权重二级评价指标可解释信息特征根>1权重0.824期刊一般影响力F1:0.60期刊总体影响力F2:0.25期刊时效性F3:0.15影响因子他引影响因子5年影响因子即年指标论文影响分值总被引频次特征因子被引半衰期引用半衰期不可解释信息特征根<1 0.176F4:0.071F5:0.066F6:0.024F7:0.009F8:0.005F9:0.000难以解释信息5.4㊀评价结果比较采用完全信息多重主成分分析进行评价,同时采用传统主成分分析进行评价,结果如表6所示,受篇幅所限,本文只公布了排名前40的期刊㊂可见评价结果排序仍然相差较大,这是区分度相对较大的优秀期刊,对于区分度相对较小的中等期刊而言,评价结果相差会更大㊂从评价结果排序看,前4种期刊的排序相同,对比分析发现,排在前面的期刊和排在后面的期刊各有10多种期刊排序相同,主要原因有两个:第一,传统主成分分析方法有一定的合理性;第二,较高评价得分期刊和较低评价得分期刊的数据区分度较好,即使评价方法不同,但评价结果仍然具有一定的稳定性㊂总体上,大部分期刊排序相差较大,说明完全信息多重主成分分析评价方法对传统主成分分析方法有一定的改进㊂5.5㊀完全信息多重主成分分析评价结果的统计特征分析完全信息多重主成分分析的结果的描述统计如图3所示,由于评价结果是基于各主成分进行线性加权,并且各主成分的均值为0,因此评价结果的均值也接近0,为0.004㊂各主成分的标准差为1,经过线性加权评价后,评价结果的标准差有所减少,为0.554,说明评价结果更加温和,波动有所缩小㊂虽然Jaque-Bera检验值为8351.365,p值为0.000,并没有通过正态分布检验,但从图4看,评价值总体围绕均值0附近㊂完全信息多重主成分分析的结果与评价指标的相关系数如表7所示,评价结果与期刊一般影响力指标的相关系数较高,如影响因子㊁他引影响因子㊁5年影响因子㊁即年指标㊁论文影响分值,相关系数为0.817;评价结果与表6㊀评价结果及排序比较期刊名称缩写完全信息多重主成分排序传统主成分排序ACTA NUMER 5.0001 6.0691J AM MATH SOC 3.0062 3.3522ANN MATH 2.3433 2.7613 ADV NONLINEAR ANAL 1.7934 2.1934 FOUND COMPUT MATH 1.6385 1.8726 COMMUN PUR APPL MATH 1.5286 1.9115 INVENT MATH 1.4447 1.7077PUBL MATH-PARIS 1.3738 1.5219 FRACT CALC APPL ANAL 1.3019 1.7038J EUR MATH SOC 1.10410 1.15811DUKE MATH J 1.03311 1.25310 J DIFFER EQUATIONS0.89812 1.12112 ANAL PDE0.882130.96613 J INST MATH JUSSIEU0.854140.84718 ADV MATH0.822150.91815 J MATH PURE APPL0.754160.91814 COMMUN NUMBER THEORY0.745170.88117 GEOM FUNCT ANAL0.732180.74923 MEM AM MATH SOC0.723190.81419J NUMER MATH0.704200.80820ADV CALC VAR0.675210.68428 ACTA MATH-DJURSHOLM0.644220.89116 INT MATH RES NOTICES0.635230.69227 CALC VAR PARTIAL DIF0.635240.72824B MATH SCI0.634250.60430ANAL APPL0.624260.77022 J REINE ANGEW MATH0.622270.77821KINET RELAT MOD0.593280.72225J FUNCT ANAL0.561290.69226GEOM TOPOL0.555300.54832 J MATH ANAL APPL0.501310.68329 SEL MATH-NEW SER0.462320.51039 RACSAM REV R ACAD A0.447330.51337 COMMUN CONTEMP MATH0.443340.48642ANAL MATH PHYS0.440350.49340 NONLINEAR ANAL-THEOR0.413360.57131 ADV DIFFERENTIAL EQU0.405370.49241 ANN SCI ECOLE NORM S0.405380.51138 J ALGEBRAIC GEOM0.400390.33953 COMMUN PART DIFF EQ0.385400.53333期刊总体影响力指标及期刊时效性指标的相关系数相对较低,平均值分别为0.321㊁0.316,因为这两类指标的评价中的权重也相对较低,这说明完全信息多重主成分分析结果较好地体现了评价中专家的权重㊂6㊀研究结论1)完全信息多重主成分分析评价可以辅助专家赋权与克服自然权重㊂首先,学术评价必须为科研管理与创新型国家建设服务,因此专家赋权必须引起足够的重视㊂随。

图书馆学中的信息资源评估与指标体系随着信息技术的快速发展和信息资源的日益丰富，图书馆学中的信息资源评估和指标体系变得愈发重要。

信息资源评估是指对图书馆中的各种信息资源进行定量和定性的评估，以便更好地了解和利用这些资源。

而指标体系则是对信息资源评估中的各项指标进行分类和归纳，以便更好地进行评估和比较。

信息资源评估的目的在于评估图书馆中的信息资源的质量和价值，以便为读者提供更好的服务。

评估的内容包括信息资源的数量、质量、可用性、更新速度等方面。

通过对这些指标的评估，可以更好地了解图书馆中的信息资源情况，并为图书馆的资源建设和服务提供指导。

信息资源评估可以分为定性评估和定量评估两种方法。

定性评估主要是通过对信息资源的质量进行评估，包括内容的准确性、权威性、可信度等方面。

这种评估方法主要依靠专家的判断和经验，对于一些主观性较强的指标往往更为适用。

而定量评估则是通过对信息资源的数量和使用情况进行统计和分析，以得出客观的评估结果。

这种评估方法主要依靠数据分析和统计方法，对于一些客观性较强的指标往往更为适用。

在信息资源评估中，指标体系起到了重要的作用。

指标体系是对评估中的各项指标进行分类和归纳，以便更好地进行评估和比较。

指标体系可以分为资源指标和服务指标两大类。

资源指标主要包括信息资源的数量、质量、可用性等方面的指标，用于评估图书馆中的信息资源情况。

而服务指标则主要包括图书馆的服务质量、读者满意度等方面的指标，用于评估图书馆的服务情况。

通过对这些指标的评估，可以更好地了解和改进图书馆的资源和服务。

在指标体系的建设中，需要考虑到不同类型图书馆的特点和需求。

不同类型的图书馆，如学术图书馆、公共图书馆、特殊图书馆等，其信息资源和服务的需求是不同的。

因此，在建设指标体系时，需要根据不同类型图书馆的需求进行分类和归纳，以便更好地满足各类图书馆的评估需求。

此外，随着数字化时代的到来，信息资源评估和指标体系也面临着新的挑战和机遇。

高校图书馆数字文献资源服务质量评价指标体系构建与实施高校图书馆在数字化时代扮演着重要的角色，数字文献资源服务质量的评价对于图书馆的发展和提升用户体验至关重要。

因此，构建和实施适合高校图书馆数字文献资源服务质量评价指标体系势在必行。

一、指标体系的构建1. 系统性和全面性构建指标体系时，需要系统地考虑高校图书馆数字文献资源的方方面面。

例如，采集和管理的资源数量和质量、服务响应速度、用户满意度等。

同时，也要特别关注面向不同用户群体的服务差异性。

2. 可度量性和可衡量性评价指标必须是可以量化和测量的。

例如，资源访问统计、服务响应时间、借阅率等，这些指标能够客观地反映出数字文献资源服务的质量。

同时，指标也要具有可比性，以便进行对比分析和评估。

3. 可操作性和适用性指标体系应具备可操作性，即能够在实践中得到应用和操作。

此外，指标体系也需要适应不同类型高校图书馆的需求，并根据其特点进行调整，确保其能够适用于各种情况。

二、指标体系的实施1. 数据收集与管理实施指标体系首先需要进行数据的收集与管理。

高校图书馆应采用合理的方法和工具，对各项指标进行监测和记录。

同时，需要确保数据的准确性和及时性，以便于后续分析和评估。

2. 数据分析与评估通过对收集到的数据进行分析和评估，可以了解数字文献资源服务的现状和存在的问题。

数据分析的结果可以提供给图书馆管理者参考，帮助他们做出改进和优化的决策。

3. 持续改进与优化指标体系的实施是一个持续改进和优化的过程。

高校图书馆应根据评估结果进行相应的改进措施，不断提升数字文献资源服务的质量。

同时，也要关注用户反馈和需求，以便根据用户的实际需求来进行调整和改进。

三、任务的重要性与意义1. 优化用户体验高校图书馆数字文献资源服务质量的评价指标体系的构建和实施，可以帮助图书馆提供更好的服务，优化用户的体验。

通过对服务质量进行评估，可以及时发现问题并进行改进，从而提升用户对图书馆的满意度和使用体验。

图书情报领域的知识服务能力解析作者：张阳来源：《办公室业务（上半月）》 2016年第11期在信息社会中，保证社会持久发展的源动力便是知识，因而知识信息的服务能力在如今的社会服务中占据着越来越多的比重。

针对此种情况，图书情报系统则应在其传统知识服务的基础上做出相应的创新，以改进其知识服务制度，从而提升其知识服务能力。

通过对图书情报领域的知识服务能力进行解析，可以实现图书知识由静态服务向动态服务的转变，从而使知识服务的理念得到更新，并使个性化服务意识得到彰显，从而使图书情报系统的社会价值得到有效发挥。

一、知识服务的内涵（一）知识服务能力的形成。

所谓知识服务，其实是在传统文献参阅以及信息服务的基础上所发展和演变而来的，作为一种新型服务模式，其是由传统手工到现代网络的一种转变，是以信息技术、数字技术、网络技术等为主的一种服务模式。

在近些年来的发展中，其形态一直在随时间推移以及时代发展而改变着，并逐渐适应新形势下社会发展而定需要。

在日常的信息服务工作中，图书情报领域的工作人员将收集到的各种信息进行相应的加工并分类，从而形成一种具有全面知识信息产品的社会服务活动，其目的在于提高人们对于图书情报的重视程度。

任何社会的发展都离不开其对于知识信息的分配与利用，因此在日常的图书管理工作当中，必须要做好对不同知识信息的筛选和分类，从而确保知识信息服务的准确性与效率性。

自进入信息时代以来，知识信息的服务能力以及范围亦在逐渐扩大，而社会大众对于不同知识信息的服务要求亦有相应提高。

通常来讲，对于知识信息服务而言，无论是其理念抑或是其方式，都应当在其原先基础上加以改变和创新，如此方可确保知识信息服务的质量与数量，从而更好地满足社会对于知识信息的苛求。

（二）知识服务目的。

任何国家的任何图书情报管理都是其当时所必需的一种社会需要，其存在能够保证人类社会文明的传承，无论是先进技术抑或是优秀文艺作品，都可以在图书情报领域中有所保留。

数字图书馆知识服务能力评价研究一、本文概述随着信息技术的快速发展和互联网的普及，数字图书馆已成为人们获取和利用知识的重要渠道。

数字图书馆知识服务能力的高低直接关系到用户的信息获取效率和满意度，因此，对数字图书馆知识服务能力进行评价研究具有重要意义。

本文旨在探讨数字图书馆知识服务能力的评价方法和标准，以期为提升数字图书馆的服务质量和效率提供理论支持和实践指导。

本文将对数字图书馆知识服务能力的内涵进行界定，明确其包含的主要要素和特征。

在此基础上，通过对现有文献的梳理和分析，归纳总结出数字图书馆知识服务能力评价的主要方法和指标。

本文将构建一个数字图书馆知识服务能力评价的指标体系，并运用适当的评价模型和方法，对数字图书馆的知识服务能力进行定量和定性评价。

本文将对评价结果进行分析和讨论，提出改进数字图书馆知识服务能力的对策和建议。

通过本文的研究，我们期望能够建立一个科学、合理、可操作的数字图书馆知识服务能力评价体系，为数字图书馆的优化和发展提供有益的参考和借鉴。

本文的研究成果也将对图书馆学、情报学等相关领域的研究和实践产生积极的推动作用。

二、数字图书馆知识服务能力评价的理论基础在深入探讨数字图书馆知识服务能力评价之前，我们需要明确其理论基础。

这些理论不仅为我们提供了评价数字图书馆知识服务能力的框架和方法，同时也为实际操作提供了指导。

知识管理理论是数字图书馆知识服务能力评价的核心理论基础。

知识管理强调对知识的获取、组织、存储、传递和应用进行系统化、科学化的管理，以实现知识的创新和增值。

数字图书馆作为知识管理的重要载体，其知识服务能力的高低直接关系到知识管理的效果。

因此，评价数字图书馆的知识服务能力，需要从知识管理的角度出发，全面考察其在知识管理各个环节的表现。

信息评价理论也是数字图书馆知识服务能力评价的重要理论基础。

信息评价是对信息的质量、价值、效用等进行评估的过程，其目的是为了更好地满足用户的需求。

在数字图书馆中，信息评价的对象不仅包括图书、期刊等文献资源，还包括数字资源、网络资源等。