大學(xué)圖書(shū)館微博影響力研究緒論,圖書(shū)館學(xué)論文

大學(xué)圖書(shū)館微博影響力研究緒論,圖書(shū)館學(xué)論文本篇論文目錄導(dǎo)航：【題目】【。分布數(shù)量為2018年1篇，2018年11篇，2018年58篇，2020年104篇，2020年149篇，2020年126篇。通過(guò)分析期刊數(shù)量分布發(fā)現(xiàn)，2018年是微博在我們國(guó)家圖書(shū)館應(yīng)用的起始階段，相關(guān)方面的研究比擬少。2018年到2020年發(fā)文數(shù)量有了很大的增長(zhǎng)幅度，高校圖書(shū)館微博逐步成為學(xué)科研究的熱門(mén)。國(guó)內(nèi)。分布數(shù)量為2008年7篇，2018年75篇，2018年36篇，2018年17篇，2020年15篇，2020年20篇，2020年14篇。2008年Casey,Michael,Stephens,Michael在(LibraryPR2.0〕[19]中提到Facebook和Twitter等社交網(wǎng)站有較成熟的頁(yè)面交互技術(shù)，但是一些IT部門(mén)出于毫無(wú)根據(jù)的安全擔(dān)憂(yōu)，排擠使用新工具，但是一些圖書(shū)館公關(guān)部門(mén)堅(jiān)持使用這些新的2.0工具。2018年Milstein,Sarah在(TwitterFORLibraries〔andLibrarians〕〕[20]中提到Twitter的用戶(hù)增長(zhǎng)快速和提供免費(fèi)信息服務(wù)，用戶(hù)能夠通過(guò)網(wǎng)絡(luò)或使用手機(jī)短信利用Twitter發(fā)送和接收短消息。圖書(shū)館和圖書(shū)館員能夠充分利用其功能來(lái)開(kāi)展工作。一些圖書(shū)館已經(jīng)開(kāi)場(chǎng)使用Twitter,并獲得了良好的效果，例如克利夫蘭公共圖書(shū)館。ColleenCuddy在(TwitteringinHealthSciencesLibraries〕[21]中概述了Twitter,討論了第三方應(yīng)用軟件能夠加強(qiáng)在移動(dòng)設(shè)備上使用Twitter的靈敏性，并對(duì)于醫(yī)學(xué)圖書(shū)館怎樣使用Twitter提出了建議。2018年Fields,Erin在(AuniqueTwitteruseforreferenceservices〕[22]一文中扼要介紹了Twitter在圖書(shū)館中的應(yīng)用，并以哥倫比亞大學(xué)的Twitter賬戶(hù)為例講明了Twitter在參考咨詢(xún)服務(wù)中的作用，促使公共服務(wù)的轉(zhuǎn)變。Stuart,David在(WhatAreLibrariesDoingonTwitter?〕[23]一文中對(duì)433個(gè)圖書(shū)館微博的信息進(jìn)行分析，講明了Twitter之所以流行的原因不僅僅僅僅是即時(shí)性和便捷性，主要原因在于提供了一個(gè)應(yīng)用程序接口〔API〕，這個(gè)接口有助于圖書(shū)館和讀者之間的溝通溝通，能夠使得注冊(cè)用戶(hù)通過(guò)Twitter獲得大量的關(guān)注者。2020年DarcyDelBosque,SamA.Leif,SusieSkarl在(Librariesatwitter:trendsinacademiclibrarytweeting〕[24]一文中通過(guò)對(duì)美國(guó)高校圖書(shū)館的296個(gè)Twitter賬戶(hù)進(jìn)行抽樣調(diào)查，構(gòu)建了19個(gè)不同的指標(biāo)，主要包括布局設(shè)計(jì)、微博內(nèi)容、微博粉絲數(shù)等相關(guān)指標(biāo)。通過(guò)研究，發(fā)現(xiàn)僅有34%的高校圖書(shū)館開(kāi)通Twitter賬戶(hù)與粉絲進(jìn)行溝通，但是這些賬戶(hù)之間的差異很大。2020年HaeMinKim,EileenG.Abels,ChristopherC.Yang在(WhodisseminatesacademiclibraryinformationonTwitter?〕[25]一文中為了研究圖書(shū)館信息傳播的用戶(hù)特征，從10個(gè)圖書(shū)館Twitter中收集了571條的轉(zhuǎn)發(fā)信息和506個(gè)轉(zhuǎn)發(fā)信息的用戶(hù)，并將其分為12組。分析結(jié)果表示清楚傳播圖書(shū)館信息的初級(jí)群體是同行的高校單位和學(xué)生。RobinR.Sewell在(Whoisfollowingus?DataminingalibrarysTwitterfollowers〕[26]一文中調(diào)查埃文斯圖書(shū)館Twitter上面的432個(gè)用戶(hù)和信息狀態(tài)，對(duì)其進(jìn)行分類(lèi)，來(lái)確定用戶(hù)群體。結(jié)果顯示有54.37%來(lái)自得克薩斯州AM大學(xué)，用戶(hù)群最大的是學(xué)生，占比23.61%,主要由本科生組成，占比81.05%.學(xué)院人員很少介入，占比7.64%.企業(yè)用戶(hù)占比19.68%,校友占比11.57%和其他圖書(shū)館占比7.64%.2020年BesikiStvilia,LeilaGibradze在(Whatdoacademiclibrariestweetabout,andwhatmakesalibrarytweetuseful?〕[27]一文中提出人們?cè)絹?lái)越多的時(shí)間花在使用社交媒體，共享信息。圖書(shū)館也應(yīng)該借助這種存在的社交媒體，促進(jìn)與用戶(hù)的互動(dòng)溝通來(lái)提高本身的服務(wù)質(zhì)量。通過(guò)分析使用Twitter的六大高校圖書(shū)館的Twitter信息，對(duì)752條Twitter信息進(jìn)行主題分類(lèi)，得出9種內(nèi)容類(lèi)型，時(shí)間和資源類(lèi)別的信息是最常見(jiàn)的。另外，存在一個(gè)URL微博的轉(zhuǎn)發(fā)量和用戶(hù)數(shù)量成正相關(guān)，年齡層次與微博的珍藏量成反比，對(duì)于圖書(shū)館開(kāi)展服務(wù)做出了很大的啟示。總之，國(guó)外的研究主要從應(yīng)用方面講明了Twitter上的高校圖書(shū)館的用戶(hù)類(lèi)型，對(duì)圖書(shū)館進(jìn)一步開(kāi)展服務(wù)提出了啟示，并結(jié)合實(shí)例講明Twitter對(duì)提升高校圖書(shū)館服務(wù)方面的助力作用。1.3研究方式方法?！?〕文獻(xiàn)調(diào)查法。在文獻(xiàn)數(shù)據(jù)庫(kù)檢索國(guó)內(nèi)外高校圖書(shū)館微博的相關(guān)文獻(xiàn)，分析研究熱門(mén)，來(lái)了解國(guó)內(nèi)外高校圖書(shū)館微博相關(guān)的研究情況，為本論文的下一步研究做好準(zhǔn)備工作?！?〕統(tǒng)計(jì)分析法在新浪網(wǎng)上選取國(guó)內(nèi)39所985工程高校圖書(shū)館官方微博的認(rèn)證賬戶(hù)為調(diào)查樣本，并統(tǒng)計(jì)出從開(kāi)通之后的發(fā)文量〔筆者的統(tǒng)計(jì)時(shí)間截止到2020年12月15日〕，關(guān)注數(shù)，粉絲數(shù)，每條博文的評(píng)論數(shù)，轉(zhuǎn)發(fā)數(shù)，點(diǎn)贊數(shù)等相關(guān)數(shù)據(jù)，以作為基礎(chǔ)數(shù)據(jù)備用?！?〕spass21.0軟件統(tǒng)計(jì)。根據(jù)統(tǒng)計(jì)的相關(guān)數(shù)據(jù)，借助Excel進(jìn)行數(shù)據(jù)的計(jì)算和處理，然后通過(guò)spass21.0軟件的相關(guān)功能進(jìn)性數(shù)據(jù)的處理，并導(dǎo)出相關(guān)數(shù)據(jù)表?！?〕灰關(guān)聯(lián)度分析法?；疑P(guān)聯(lián)度分析法是一種多因素統(tǒng)計(jì)分析方式方法，用灰關(guān)聯(lián)度分析法能夠分析影響力指標(biāo)之間的強(qiáng)弱、大小和次序，在影響力指標(biāo)之間的變化態(tài)勢(shì)浮動(dòng)不大的情況下，就證明它們的關(guān)聯(lián)度大。若是變化態(tài)勢(shì)大，則講明指標(biāo)間的關(guān)聯(lián)度比擬小。通過(guò)這種分析法在一定程度上能夠減小信息不對(duì)稱(chēng)帶來(lái)的影響?！?〕主成分分析法。主成分分析法是一種數(shù)學(xué)變換的方式方法，它把給定的一組相關(guān)變量通過(guò)線性變換轉(zhuǎn)成另一組不相關(guān)的變量，這些新的變量根據(jù)方差依次遞減的順序排列。[28]利用主成分分析法這種降維方式方法能夠確定出高校圖書(shū)館測(cè)評(píng)指標(biāo)中最主要的影響指標(biāo)?！?〕聚類(lèi)分析法。聚類(lèi)分析〔ClusterAnalysis〕又稱(chēng)群分析，是根據(jù)物以類(lèi)聚的道理，對(duì)樣品或指標(biāo)進(jìn)行分類(lèi)的一種多元統(tǒng)計(jì)分析方式方法。[29]通過(guò)聚類(lèi)分析法能夠?qū)τ绊懜咝D書(shū)館微博服務(wù)質(zhì)量提升的指標(biāo)進(jìn)行歸類(lèi)分析，來(lái)衡量不同數(shù)據(jù)之間的類(lèi)似性，能夠?qū)χ笜?biāo)的合理性加以驗(yàn)證。1.4創(chuàng)新之處。本文的創(chuàng)新之處在于：運(yùn)用的測(cè)評(píng)方式方法比擬新穎和指標(biāo)構(gòu)建比擬完善，在其他學(xué)者主要以微博的粉絲數(shù)作為研究的