中文电子期刊资源访问要点

信息行为研究一直是图书情报学中的重要内容。随着信息技术的发展，信息行为研究逐渐进入“数据驱动”时代。与传统研究不同，“数据驱动”的信息行为研究更关注用户与各类信息系统平台及信息本身自然交互过程中留下来的外在的、非介入的、客观的数据记录，规避了传统研究方法由于研究样本（用户）的主观观点，及可能无意或有意地偏离正式情景而带来的研究结果偏差的弊端[1]，高质量的日志数据是新范式下信息行为研究的重要资源。本数据集是通过ERU系统（LibraryElectronicResourcesUsingStatisticalAnalysisSystem，电子资源使用访问系统）采集的2018年复旦大学师生访问中文电子期刊资源的结构化行为数据，是开展数据驱动的信息行为研究的重要数据资源。

1数据采集和处理方法

1.1数据采集。通过ERU系统抓取复旦大学用户访问复旦大学图书馆订阅期刊数据库的检索、浏览和下载行为数据。将数据导出后进行格式转化，根据数据情况和MicrosoftExcel的文件要求，将数据分为14个表格文件，其中检索数据分为2文件，浏览和下载数据按月份为12个文件。在数据采集中，设定条件如下：（1）时间范围：2018年1月至12月；（2）限定平台为中国知网和万方数据知识服务平台；（3）筛选出平台相应的期刊论文数据。1.2数据清洗。对系统采集数据进行人工对比检查，对数据的检查包括网络异常、程序错误等造成的数据缺失等问题。此外，也包括数据格式、字段标准化命名和数据完整性等。数据清洗过程中还对异常数据进行了修正、剔除和补充。1.3数据脱敏。本数据集中的敏感信息为CLIENT_IP字段，采用MD5加密算法进行不可逆脱敏处理，处理后字段保留独特性和部分可分析性。

2数据字典和数据样本

本数据集中的14个文件共涉及20个字段，字段名称说明、样例值和备注信息如表2所示。

3数据质量控制

通过网络底层进行用户信息行为数据采集、处理、解析和建模技术，运用知识发现和智能信息技术，从方法论上解决了图书馆电子资源的异构系统和异构数据库问题，通过和国际Counter报表进行比较分析[3]，一定程度上保障了数据源的完整性和准确性，通过分析数据占比情况，保障了数据集中的行为数据有一定的代表性。通过系统采集和人工干预结合的方式，保障数据质量。人工干预方面主要针对数据进行完整性判断，对必须的字段进行补充采集，进行数据转换与敏感信息变形处理，保障数据的完整性、安全性和可分析性。

4数据价值

本数据集是基于ERU系统采集的2018年全年复旦大学用户对中文期刊的检索、浏览和下载行为的结构化数据，总数据量3131612条。与问卷调查、访谈、用户日记等传统社会科学研究方法获得的数据不同，ERU系统采集的日志类型数据能够避免观察者效应、霍桑效应等问题，对信息行为特征、模式的研究具有重要价值。此外，近年来，随着信息主体所依附的信息环境复杂程度日益增强，用户信息行为的影响因素更趋复杂，受到社会学、心理学、信息科学、传播学、医疗健康等多个学科领域研究者的关注[4]。本数据集也将为不同学科领域信息行为的研究和应用提供基础支撑。

5数据使用方法和建议

基于本数据集可开展用户信息行为模式的识别、用户行为偏好揭示、用户需求内容的解读研究，可结合其他问卷调查、深入访谈、参与观察和实验等途径获取的用户信息行为内在机理研究数据进行融合研究。此外，本数据集还可尝试进一步处理探索形成人工智能训练数据集，也可用于大数据时代用户信息行为研究的行为理论、分布式数据挖掘、以及数据可视化等相关问题的分析和研究。未来的研究可根据研究目标和内容，基于EXCEL、SPSS、STATA、SAS、MATLAB等工具，开展基于统计分析法、建模分析与预测、聚类分析以及机器学习等相关研究。

作者:汪东伟 伏安娜 胡杰 张计龙 殷沈琴