采访质量控制数学模型研究，本文主要内容关键词为：质量控制论文,数学模型论文,采访论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
分类号 G253
CLASS NUMBER G253
1 采访质量控制的重要性
采访工作的一个重要方面是采访质量控制。采访质量控制的重要性体现在两个方面。
（1）采访质量控制保证馆藏建设的原则、方针得以正确实施。 每个馆一般都有自己的馆藏原则。比如买什么，不买什么；藏什么，不藏什么；剔除什么，保留什么等。馆藏建设包括购入与剔除两个互逆的动态过程，目的是形成一种有特色的和有生命力的馆藏［1］。其中， 购入方面，就是采访工作。提高馆藏质量，就得提高采访质量，理想状态下是保证每种书都符合馆藏规则。事实上，这是很难办到的。这既有客观因素，比如馆藏原则本身描述不清楚，很难把握；预定书目内容不详细，无法了解每一种书究竟有什么内容，这些内容是否与馆藏原则相关；也有主观因素，比如采访工作人员素质偏低，既不了解馆藏体系，也不了解读者需求，采访回来的书，肯定很少有读者借阅，效益不高。有了采访质量控制数学模型，把馆藏原则作为一项因素考虑到数学模型中去，借助于计算机，以量化的方式来控制采访质量。
（2）采访质量控制是提高文献信息服务质量的保证。 在前一条的基础上，可以采访回来与馆藏原则相关，同时又兼顾读者需求的文献，满足读者需求方面，就容易了。如果采访质量没有控制，采访回一堆于馆藏无益，于读者无用的文献，形成“读者需要什么，馆藏没有什么”的局面，这是很可悲的，这不仅是对购书经费的浪费，更是造成读者流失的原因。从理论上讲，这是馆藏利用率下降的主要原因。
2 采访质量控制数学模型
在谈采访质量控制之前，先要说明一个概念：书的价值。这个问题比较复杂，可以从社会效益上讲，也可以从经济效益上讲；作者、出版商、读者各自的认识都不一样。但是，什么样的图书是有价值的？这个问题的回答是肯定的：利用率越高，而书价越低的图书是有价值的。用于指导工作就是：用最少的钱，买回读者最爱读的书。正如刘仲英指出：目前图书馆经费紧缺，文献价格不断上涨的情况下，如何使有限的资金发挥最大效益，值得关注［2］。
2.1 图书价值的构成因素
一种书的价值可以由8个因素来刻画：（1）被借次数。这是最基本的因素。如果没有任何读者借过这种书，这种书的价值肯定不高。 （2）拒借次数。读者来借某种书，而这种书的复本被借完（暂不考虑装订、修补等情况），称为拒借。（3）预约次数。在实际工作当中， 预约次数几乎等于拒绝次数，因为读者被拒借之后，第一反应是预约。我们用其中一个因素就可以。（4）复本量：不同种的书， 其复本量可能不同，这就有可能造成被借次数不一样。（5）读者级别。同一种书， 被教授读过一次和被本科生读过一次是不一样的，即体现的价值是不一样的：教授在选书时，已经进行了去粗取精的过程，但仍要借这种书，说明这种书的价值高，而一般读者在借书时，没有对比的概念，读者本人也不清楚这种书与同类书的其他种有何区别，属于“随便借一本”。本文后面的算法实例中，提出一个读者级别赋分表，就是来体现不同读者对图书的贡献度。（6）书价。对出版商而言，书价越高，越有价值， 但是对图书馆而言，情况不会是这样，有可能出现低价格、高质量的书；也有可能是高价值、低质量的书，比如某些烫金的礼品书就是这种情况。（7）入藏时间。不同种书的入藏时间有早有晚， 这可能造成被借次数不一样。（8）馆藏特色。每个馆都有自己的藏书建设原则， 要维持一定的购买方向。本文后面的算法实例中，提出一个馆藏特色相关度赋分表，就是来体现各类书与馆藏特色的贴近程度。
2.2 各因素与图书价值的关系
（1）同样的入藏时间内，被借次数越多，书的价值越大； 被借次数越少，书的价值越小。书的价值与被借次数呈正相关关系。（2 ）被借次数相同，入藏时间越长，书的价值越小；入藏时间越短，书的价值越大。书的价值与入藏时间呈负相关关系。（3）相同入藏时间内， 同样被借次数情况下，复本量越大，书的价值越小；复本量越小，书的价值越大。书的价值与复本量呈负相关关系。（4 ）我们在强调购书经费短缺时，可认为书的价值与书的价格呈负相关关系，如果购书经费十分充足，可以不考虑价值因素。（5）馆藏特色这个因素， 可以用馆藏特色相关度来描述：与馆藏原则贴合的书的馆藏特色相关度为1.0， 不太贴合的书的馆藏特色相关度取小于1.0的值。 书的价值与馆藏特色相关度呈正相关关系。（6）考虑到本数学模型的可操作性， 暂不考虑预约次数因素。许多图书馆自动化系统并不提供某种书的被预约历史查询／输出功能。如果有读者感兴趣，可以认为书的价值与被预约次数呈正相关关系。（7）读者级别。 本数学模型主要依据图书借还日志来进行计算，如果图书馆自动化系统能提供某种书的被借历史查询，就可使用本算法。而某种书的被借历史查询的记录中，记录的是某借书证号（读者）在某年某月某日借过某种书的某个复本，而读者证号一般表达了该读者的级别。综上所述，一种书的价值可以表达为：
Value＝（Count×Relative）／（Period×Copy×Price）
其中，
Value：某种书的价值；
Count：该书的被借次数，且已经考虑了读者级别；
Relative：该书的馆藏特色相关度；
Period：入藏时间，即从此书入藏到计算时的时间，一般按年度计算；
Copy：该书的复本量；
Price：该书的价格。
2.3 进行采访质量控制
按上述算法，得出的是每一种书的价值。用这样的数据来指导工作，显然是不合适的：因为量太大，每个馆都有上万种，甚至十几万种图书。正常的做法是按大类来指导工作。比如，科学院图书馆，一般会说，科技图书有多少种多少册；古籍有多少种、多少册；石油大学图书馆，一般会说，石油石化类图书有多少种多少册。因为这样称呼（划分）能代表自己的馆藏特色，指导工作时，操作性很强。因为不同的馆，其馆藏特色不同，所以各馆的大类划分也不一样，比如，有的馆按少儿图书、社科、港台图书来划分；有的馆按文学、政治法律、经济来划分，不一而足。各馆的大类划分都可以归宗于“中图法”，只需建立一种对应关系，比如，文学类含“中图法”的Ⅰ类和K8类；石油石化类含“中图法”的P类和TE类。本文后面的算法实例中， 提出了馆藏图书分类表，就是来表达上述情况。我们在计算出单种图书的价值后，可以通过求平均值办法，得出每个大类的价值。通过计算不同时间段内图书的价值，如果发现某类书的价值增大或变小，可以据此调整采访政策，按价值构成来调整购书经费的分配，力争用最少的钱，买回读者最喜爱读的书，而且兼顾馆藏建设。这就是本数学模型对采访工作的指导作用。
3 采访质量控制数学模型的算法实例
本实例中的数据全部来自北京石油管理干部学院图书馆，图书馆自动化系统为IALS5.0。为了节省篇幅，在此列出每种书的被借历史时， 因为借出记录与还回记录成对出现，故删去了还回记录。另外也略去了经济类（F）、文学类（I，K）和外语类（H）各随机选取的2 种图书的价值计算表。
表1 读者级别赋分表
注：分值是相对值，所以，最后的书的价值也是一个相对的值，即，这种书相对于其它书的价值。
表2 馆藏特色相关度赋分表
（表达某类书与馆藏特色的相关程度）
表3 馆藏图书分类表
表4 随机选取的2种政治、法律类图书
表5 采访经费预算表（假设购书经费100万元）
4 结束语
本数学模型的特点在于粒度细、可操作性强，从最原始的图书借还记录，推导出采购经费预算方案，每一步都是可信的，建立在真实的数据之上，几乎没有个人经验掺杂进来。而且，由于图书馆的读者群相对固定，在一定的时限内，读者的需求也是有规律可循的，其间根本没有投机的因素，因而寻求定量分析的方法是可行的。在本算法提出之前，大部分采购人员陷入一种怪圈，比如花大量的钱买计算机类图书，因为他到书库一看，大部分读者在看计算机类的图书，所以采购时，又狠买计算机类的图书。显然，采购人员眼中只有宏观上的利用率，根本不考虑浪费问题和价值问题。这就是对图书价值的理解不完整造成的，只抓住了图书价值构成要素中的一两个方面，而且没有量化，以此来指导工作，势必要出差错。
本算法除了用于采访质量控制外，还可以用于以下方面：（1 ）对采购人员的工作进行评估。比如规定采购回来的书，其价值必须达到某一水平（值）。（2）确定各种图书在藏书布局中的位置。 比如把质量高的书，集中放在读者易接触的地方。（3 ）为藏书复选和剔除提供依据。现在很多馆在搞藏书剔旧时，没有量化标准，一切凭感觉和经验，这是很不科学的。（4）为阅读指导提供参考。 把质量好的书推荐给读者，在藏书建设和读者需求之间，建立一种良性互动关系。
本文提出的数学模型还需进一步研究的问题：（1 ）影响图书价值的因素是否考虑完整。比如，由于不同类的书的出版种数不同，这必然影响到采访工作中的选书问题，是否应设置一个出版影响因子。（2 ）图书价值公式的表达是否完美。首先，因素之间是否都是与线性无关的，如果因素之间存在着相关关系，如何进一步做函数分析。其次，因素之间是否可用加（减）连接，比如：
Value＝（Count＋Relative）／（Period＋Copy＋Price）
对于这些问题，笔者也未深入研究，还请广大读者共同讨论。
标签：数学模型论文;