个性化算法推荐阅读服务用户持续使用意愿影响因素研究

个性化算法推荐为阅读服务带来便利与挑战,探索个性化算法推荐阅读服务用户持续使用意愿的影响因素,可以为相关服务优化提供参考。文章以SOR理论为基础研究框架,结合TAM以及ECM-ISC模型,构建个性化算法推荐阅读服务用户持续使用意愿影响模型,并通过问卷调查法进行实证分析。研究发现:个性化算法推荐阅读服务的功能与特性可以显著影响用户的内在感知和用户的持续使用意愿;感知有用性、感知易用性和满意度正向影响个性化算法推荐阅读服务用户持续使用意愿,感知隐私风险对满意度产生影响进而影响持续使用意愿。最后,文章提出业界应致力提升推荐读物的准确性与多样性、改善推荐服务的UI设计、灵活调节推荐读物数量、升级隐私政策服务的建议。

高校图书馆阅读推荐服务模式的探索

随着高校图书馆服务对象与文献获取方式的变化,阅读推荐的服务模式也应与时俱进。阐述了开展阅读推荐工作的必要性,通过对目前高校图书馆阅读推荐服务中存在问题的分析,提出了进一步开展阅读推荐服务的建议,包括电子图书资源的广泛利用、阅读推荐服务的私人定制、阅读推荐服务的专业化实施,力图使新书推荐服务照顾到每个人,真正实现图书馆的服务功能。

信息觅食视域下图书馆智慧阅读推荐服务质量影响因素及提升策略

从信息觅食理论的斑块模型、菜单模型、群体信息觅食模型3个应用模型入手,分别与图书馆智慧阅读推荐服务的信息收集、数据处理、情报分析3个主要工作环节对应,通过解读信息觅食理论应用模型,分析了图书馆智慧阅读推荐服务过程中的行为选择机制、搜索行为特征、干扰影响因素,提出了提升智慧阅读推荐服务信息收益率、建立数据信息价值评价指标体系、减少智慧阅读推荐服务群体决策的干扰因素等提升图书馆智慧阅读推荐服务质量的策略。

智慧环境下公共图书馆阅读推荐服务优化策略研究

以大数据技术深度应用为代表的内驱动力和以读者精细化、多元化需求为代表的外驱动力正在同步推动信息传播方式的革新,加速公共图书馆阅读推广创新进程,优化馆藏资源推荐模式。开放数据环境下,读者既是资源的使用者,也是资源的分享者、传播者和创造者,重视对读者行为和需求数据的收集与分析有利于动态跟踪读者阅读偏好,通过预测其潜在需求提供精准的推送服务,提升读者使用黏性。文章阐述了大数据时代图书馆阅读推荐服务的数据特征,分析了智慧环境下公共图书馆阅读推荐服务创新途径,并就如何优化阅读推荐服务提出了若干策略。