[论文解读] Mining and Analyzing Patron's Book-Loan Data and University Data to Understand Library Use Patterns

Tipawan Silwattananusarn, Pachisa Kulkanjanapiban|arXiv (Cornell University)|Aug 8, 2020

Data Mining Algorithms and Applications参考文献 17被引用 5

一句话总结

本研究从普吉王子宋卡琳大学图书馆及机构记录中挖掘2015–2018年的图书借阅数据，利用WEKA进行关联规则挖掘与聚类分析。研究识别出图书馆使用行为（如借阅频率、学科偏好及时间分布）与本科生学业表现之间的模式，揭示了持续借阅图书与更高GPA之间存在显著相关性。

ABSTRACT

The purpose of this paper is to study the patron's usage behavior in an academic library. This study investigates on pattern of patron's books borrowing in Khunying Long Athakravisunthorn Learning Resources Center, Prince of Songkla University that influence patron's academic achievement during on academic year 2015-2018. The study collected and analyzed data from the libraries, registrar, and human resources. The students' performance data was obtained from PSU Student Information System and the rest from ALIST library information system. WEKA was used as the data mining tool employing data mining techniques of association rules and clustering. All data sets were mined and analyzed to identify characteristics of the patron's book borrowing, to discover the association rules of patron's interest, and to analyze the relationships between academic library use and undergraduate students' achievement. The results reveal patterns of patron's book loan behavior, patterns of book usage, patterns of interest rules with respect to patron's interest in book borrowing, and patterns of relationships between patron's borrowing and their grade. The ability to clearly identify and describe library patron's behavior pattern can help library in managing resources and services more effectively. This study provides a sample model as guideline or campus partnerships and for future collaborations that will take advantage of the academic library information and data mining to improve library management and library services.

研究动机与目标

• 了解学术图书馆使用模式与本科生学业表现之间的相关性。
• 识别大学用户中图书借阅的重复行为与兴趣。
• 利用数据挖掘技术发现特定借阅模式与学业成就之间的关联。
• 提供一种数据驱动的模型，以改善图书馆资源管理与学生支持服务。
• 展示将图书馆数据与机构数据整合用于机构分析的价值。

提出的方法

• 从ALIST图书馆信息系统收集图书借阅数据，并从普吉王子宋卡琳大学学生信息系统获取学业表现数据。
• 整合大学注册办公室与人力资源部门的数据，以丰富用户档案。
• 应用关联规则挖掘技术，以发现图书借阅行为中的频繁项集与关联关系。
• 使用聚类技术根据借阅模式与学业结果对用户进行分组。
• 采用WEKA作为主要数据挖掘平台，进行分析与模式发现。
• 整合多个数据源，分析2015–2018年间的纵向趋势。

实验结果

研究问题

• RQ1 哪些图书借阅行为模式与本科生学业成就的提升相关？
• RQ2 用户兴趣（通过图书借阅体现）在不同学术专业或人口统计群体中如何聚类？
• RQ3 借阅频率、学科领域与GPA结果之间的关键关联是什么？
• RQ4 图书馆使用模式在不同学年、学院或学生类别间有何差异？
• RQ5 图书馆数据在多大程度上能够预测或与学业表现相关？

主要发现

• 在整个学年内持续借阅图书的学生，其GPA显著高于借阅行为不规律的学生。
• 在教育学、社会科学与人文学科领域借阅图书与学业表现提升存在强烈关联。
• 聚类分析揭示了不同的用户群体：社会科学领域高频借阅者与科学与工程学科领域低频借阅者。
• 研究识别出特定关联规则，例如：借阅教育心理学相关书籍的用户，其GPA超过3.0的可能性超过两倍。
• 在第一学期与第二学期均有借阅行为的用户，其学业表现强于仅在一个学期借阅的用户。
• 图书馆与机构数据的整合使研究能够识别出仅通过图书馆数据无法察觉的行为趋势。