數(shù)據(jù)包絡(luò)分析視角下高校圖書館微博運(yùn)營效率研究*

張敏，尹帥君，霍朝光，劉玉佩

數(shù)據(jù)包絡(luò)分析視角下高校圖書館微博運(yùn)營效率研究*

張敏，尹帥君，霍朝光，劉玉佩

文章選取高校圖書館微博內(nèi)容、結(jié)構(gòu)、影響力等為指標(biāo)，構(gòu)建基于投入產(chǎn)出分析的效率評價(jià)體系，借助Frontier Analyst對樣本的運(yùn)營效率展開定量分析。結(jié)果表明：大部分高校圖書館微博賬號運(yùn)營有效，微博關(guān)注需要剔除冗余保證質(zhì)量，適時(shí)更新博文內(nèi)容、關(guān)注博文質(zhì)量是穩(wěn)定關(guān)注的關(guān)鍵因素，加強(qiáng)粉絲數(shù)量和質(zhì)量的管理對于全面提升運(yùn)營效率意義重大。

圖書館微博 評價(jià)體系 運(yùn)營效率 DEA

0 引言

微博作為互聯(lián)網(wǎng)應(yīng)用，吸引了近2.5億用戶，步入發(fā)展成熟期[1]。近年我國高校圖書館(以下簡稱“高校館”)順應(yīng)新技術(shù)發(fā)展潮流和受眾閱讀習(xí)慣，紛紛設(shè)立圖書館微博。2009年重慶大學(xué)圖書館率先開通新浪微博賬號，目前經(jīng)過認(rèn)證的高校館微博近300個(gè)[2]。在此背景下，圖書館微博成為學(xué)界研究熱點(diǎn)。本文以高校館微博為對象，從投入產(chǎn)出視角，運(yùn)用數(shù)據(jù)包絡(luò)分析(Data Envelopment Analysis，DEA)，研究圖書館微博運(yùn)營效率：構(gòu)建運(yùn)營效率評價(jià)指標(biāo)體系，收集“985工程”高校館微博數(shù)據(jù)，選取相應(yīng)的數(shù)據(jù)包絡(luò)分析模型——基于BCC模型的含有不可控輸入指標(biāo)的改進(jìn)模型，借助數(shù)據(jù)包絡(luò)分析軟件Frontier Analyst，對樣本高校館微博運(yùn)營效率進(jìn)行分析。根據(jù)DEA有效賬號的指標(biāo)貢獻(xiàn)值情況和非DEA有效指標(biāo)的改進(jìn)值情況，對微博運(yùn)營提出改進(jìn)建議。

1 文獻(xiàn)綜述及研究方法

1.1 文獻(xiàn)綜述

為從宏觀視角梳理圖書館微博發(fā)展整體狀況，筆者以“主題=圖書館and主題=微博(精確匹配)”為檢索條件，于2015年2月8日在中國知網(wǎng)中分別限定所有期刊和CSSCI期刊，得到關(guān)于圖書館微博研究的期刊論文年度分布(見圖1)。圖書館微博研究從2009年興起，目前進(jìn)入相對穩(wěn)定的時(shí)期。

圖1 圖書館微博研究期刊論文年度分布

CSSCI源刊收錄的172篇關(guān)于圖書館微博的研究文獻(xiàn)共產(chǎn)生335個(gè)關(guān)鍵詞，其中“微博”“圖書館”提及次數(shù)遠(yuǎn)超其他關(guān)鍵詞，“高校圖書館”“信息服務(wù)”“公共圖書館”緊隨其后。從CSSCI收錄文獻(xiàn)看，該領(lǐng)域研究按照圖書館類型的不同，主要可分為公共館和高校館，其中高校館研究較多，主要有個(gè)案研究、整體分析、用戶特征分析等。劉汝建以清華大學(xué)圖書館微博為個(gè)案，為高校館微博發(fā)展提出建議[3]；對整個(gè)高校館微博應(yīng)用的現(xiàn)狀的調(diào)查和分析；高校館用戶認(rèn)證及關(guān)注情況等特征的分析。在公共館研究方面，主要有案例研究；整體分析，如張敏和劉鳳[4]對省市級公共館微博的交流對話特征的描述和分析；微博用戶特征，及其與高校的對比研究等。按照研究層面不同，主要可分為圖書館微博信息傳播研究和圖書館微博信息服務(wù)功能研究。微博信息傳播研究又分為對單條微博影響力和微博賬戶影響力的研究，前者有考慮用戶群體特征和微博內(nèi)容特征的雙層模型[5]，后者有綜合考慮傳播深度和廣度的能區(qū)別個(gè)體影響力差異的模型[6]。在信息服務(wù)功能研究上，有對輔助讀者服務(wù)的探討[7]；有對微博信息服務(wù)質(zhì)量的對比[8]。

從上述文獻(xiàn)分析不難看出，鮮有涉及運(yùn)營效率的定量研究。對特定類型的微博賬號，由于其具有特定的服務(wù)人群和獨(dú)特的微博內(nèi)容，不能單純以影響力來判斷其運(yùn)營好壞，而應(yīng)從投入產(chǎn)出角度，考慮其運(yùn)營效率，正如對非政府組織微博，應(yīng)考慮其組織資源特征、注冊狀態(tài)特征和社會(huì)聲望特征等對粉絲數(shù)產(chǎn)生的影響[9]。

1.2 研究方法

作為典型的評價(jià)決策單元相對有效性的非參數(shù)方法，數(shù)據(jù)包絡(luò)分析被廣泛應(yīng)用于評價(jià)具有相同投入和產(chǎn)出指標(biāo)體系的同類型組織，如學(xué)校、醫(yī)院、銀行、超市的生產(chǎn)績效的優(yōu)劣。其原理是保持決策單元的輸入數(shù)據(jù)或輸出數(shù)據(jù)不變，借助線性規(guī)劃的方法確定DEA有效的生產(chǎn)前沿面，通過比較決策單元偏離DEA生產(chǎn)前沿面的程度來評價(jià)其相對有效性[10]。

自Charnes等人1978年提出數(shù)據(jù)包絡(luò)分析最初的CCR模型[11]之后，研究者根據(jù)不同的應(yīng)用需求和假設(shè)，提出不同的模型，如滿足規(guī)模收益可變BCC模型?；A(chǔ)的DEA模型總是假設(shè)一種理想狀態(tài)，即所有輸入輸出指標(biāo)變量都是能夠控制的，可以自由變化，然而現(xiàn)實(shí)生活中總是存在某些指標(biāo)變量受限制的情況。為解決該問題，1989年Banker和Morey在BCC模型的基礎(chǔ)上提出能處理含有不可控輸入或輸出指標(biāo)變量的DEA模型[12]。

研究所用的數(shù)據(jù)分析軟件Frontier Analyst是一款操作簡單、功能強(qiáng)大的DEA分析軟件，可應(yīng)用在多個(gè)領(lǐng)域，如用于零售商、銀行、醫(yī)療診所的效率評價(jià)問題[13]。Frontier Analyst軟件允許使用者根據(jù)數(shù)據(jù)情況，選擇規(guī)模收益不變的CCR模型，或者規(guī)模收益可變的BCC模型。

2 高校館微博運(yùn)營效率評價(jià)指標(biāo)體系構(gòu)建

采用DEA定量分析方法來研究高校館微博運(yùn)營效率，首先要建立科學(xué)的輸入、輸出評價(jià)指標(biāo)體系。Cha等研究推特用戶的粉絲數(shù)、評論數(shù)和轉(zhuǎn)發(fā)數(shù)，構(gòu)建影響力模型[14]；陳明亮等將微博視為傳播媒介，提出基于接觸、認(rèn)知、說服和二次傳播四個(gè)過程的影響力評價(jià)指標(biāo)體系，并進(jìn)一步通過層次分析法確定各指標(biāo)權(quán)重，其中接觸環(huán)節(jié)的微博使用時(shí)間，認(rèn)知環(huán)節(jié)的原創(chuàng)微博數(shù)和原創(chuàng)微博率，說服環(huán)節(jié)的微博博主是否通過實(shí)名認(rèn)證和微博博主業(yè)內(nèi)知名度，以及二次傳播環(huán)節(jié)的粉絲質(zhì)量指數(shù)、粉絲互動(dòng)率和粉絲轉(zhuǎn)發(fā)次數(shù)被納入最終的指標(biāo)體系[15]；趙阿敏和曹桂全以政務(wù)微博為研究對象，構(gòu)建原始評價(jià)體系，并通過主成分分析方法將政務(wù)微博影響力指標(biāo)因子分為公開-互動(dòng)因子(粉絲數(shù)、微博數(shù)、原創(chuàng)數(shù)、@數(shù)、被@數(shù)、話題數(shù))和獲取-反饋因子(關(guān)注數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)和網(wǎng)絡(luò)鏈接數(shù))[16]。

上述以影響力為輸出指標(biāo)的研究對豐富圖書館微博的研究體系具有積極作用，但也存在一些問題，如未仔細(xì)區(qū)分博主自身的投入因素和產(chǎn)出因素，在實(shí)踐中應(yīng)該予以區(qū)分。總結(jié)前人研究發(fā)現(xiàn)，用作輸入指標(biāo)的微博運(yùn)營特征主要有賬戶開設(shè)天數(shù)、微博數(shù)、日均微博數(shù)、原創(chuàng)數(shù)、原創(chuàng)率、微博內(nèi)容豐富程度、關(guān)注數(shù)、認(rèn)證情況、話題數(shù)、@數(shù)、網(wǎng)絡(luò)鏈接數(shù)；用作輸出指標(biāo)的主要有粉絲數(shù)、被@數(shù)、評論數(shù)、轉(zhuǎn)發(fā)數(shù)、活躍粉絲占比。

為保證評價(jià)體系的簡約性，本文從時(shí)間性投入、內(nèi)容性投入、結(jié)構(gòu)性投入三個(gè)層面選取代表性輸入指標(biāo)變量，從粉絲數(shù)量和粉絲互動(dòng)兩方面選取代表性輸出指標(biāo)變量。在時(shí)間性投入方面，選取微博開設(shè)天數(shù)作為不能改變的指標(biāo)變量；在內(nèi)容性投入上，選取反映微博原創(chuàng)情況的微博原創(chuàng)率和反映微博更新頻率的日均微博數(shù)作為指標(biāo)變量；在結(jié)構(gòu)性投入上，選擇反映某一微博與其它微博賬號關(guān)聯(lián)程度的微博關(guān)注數(shù)作為指標(biāo)變量。在輸出指標(biāo)選取中，選擇微博粉絲數(shù)和互動(dòng)率作為衡量微博運(yùn)營輸出的指標(biāo)變量。

過去的研究往往以微博粉絲數(shù)及粉絲互動(dòng)來評價(jià)運(yùn)營質(zhì)量的好壞，對目標(biāo)人群大小不同的高校館微博來說，這種評價(jià)不夠科學(xué)。高校館微博有特定的服務(wù)對象，即在校大學(xué)生。在校學(xué)生人數(shù)多的高校館會(huì)有更多的微博粉絲，互動(dòng)往往較為活躍。因此，需要將在校大學(xué)生的人數(shù)納入評價(jià)體系?？紤]到在校大學(xué)生人數(shù)往往不能輕易操控和改變，本研究將高校在校大學(xué)生數(shù)目作為不能改變的指標(biāo)變量納入輸入指標(biāo)中。最終的高校館微博運(yùn)營效率指標(biāo)評價(jià)體系如表1所示。

表1 高校館微博運(yùn)營效率指標(biāo)評價(jià)體系

3 高校館微博運(yùn)營效率評價(jià)

3.1 樣本選取

本文以“985工程”涵蓋的39所高校館微博為研究對象。在新浪微博中搜索相應(yīng)高校的官方圖書館微博，發(fā)現(xiàn)中南大學(xué)等9所高校的圖書館未開設(shè)新浪微博；在收集全日制在校學(xué)生數(shù)目時(shí)，沒有找到四川大學(xué)等3所高校詳細(xì)的在校生數(shù)據(jù)，因此，最終確定選取樣本27個(gè)，分別是北京大學(xué)、北京航空航天大學(xué)、北京理工大學(xué)、北京師范大學(xué)、東北大學(xué)、東南大學(xué)、復(fù)旦大學(xué)、哈爾濱工業(yè)大學(xué)、湖南大學(xué)、華東師范大學(xué)、華南理工大學(xué)、蘭州大學(xué)、南京大學(xué)、南開大學(xué)、清華大學(xué)、廈門大學(xué)、山東大學(xué)、上海交通大學(xué)、同濟(jì)大學(xué)、武漢大學(xué)、西安交通大學(xué)、西北工業(yè)大學(xué)、西北農(nóng)林科技大學(xué)、浙江大學(xué)、中國人民大學(xué)、中山大學(xué)、中央民族大學(xué)等高校的圖書館。

3.2 數(shù)據(jù)收集

本文通過微博風(fēng)云平臺(www.tfengyun. com)收集原創(chuàng)率、日均微博和互動(dòng)率數(shù)據(jù)。關(guān)注數(shù)、開設(shè)天數(shù)和粉絲數(shù)通過各高校館微博主頁查找獲得。學(xué)生數(shù)通過查找各高校門戶網(wǎng)站的公開數(shù)據(jù)獲得。

3.3 分析結(jié)果

(1)總體效率分析。利用Frontier Analyst軟件，選擇規(guī)模收益可變的BCC模型，設(shè)定開設(shè)天數(shù)和學(xué)生數(shù)目為不能控制的輸入項(xiàng)，對27個(gè)高校館微博決策單元進(jìn)行分析，總體效率評價(jià)情況如表2所示。其中，有18個(gè)高校館微博達(dá)到DEA有效水平，其余9個(gè)為非DEA有效。

表2 高校館微博運(yùn)營總體效率評價(jià)

(2)指標(biāo)貢獻(xiàn)值分析。綜合DEA有效的18個(gè)高校館微博的輸入/輸出指標(biāo)貢獻(xiàn)值數(shù)據(jù)，得到各個(gè)指標(biāo)貢獻(xiàn)值的均值、最大值和最小值，如表3所示。

表3 DEA有效單元輸入/輸出指標(biāo)的貢獻(xiàn)值

在輸入指標(biāo)中，平均貢獻(xiàn)值最大的是關(guān)注數(shù)，日均微博和原創(chuàng)率的平均貢獻(xiàn)值相差不大，不可控項(xiàng)學(xué)生數(shù)目和開設(shè)天數(shù)的平均貢獻(xiàn)值幾乎為0，符合其作為不可控指標(biāo)的設(shè)定。圖書館微博具有社交網(wǎng)絡(luò)的特征，節(jié)點(diǎn)之間的關(guān)系對于節(jié)點(diǎn)非常重要。關(guān)注數(shù)在效率評價(jià)體系中的貢獻(xiàn)值正是對這一觀點(diǎn)的佐證。關(guān)注數(shù)最大值和最小值之差小于日均微博和原創(chuàng)率的相關(guān)差值，說明該指標(biāo)分布穩(wěn)定性更高，即貢獻(xiàn)大而穩(wěn)定。相較而言，日均微博和原創(chuàng)率的貢獻(xiàn)值分布穩(wěn)定性較差，說明決策單元在這兩個(gè)方面的表現(xiàn)參差不齊。雖然這些決策單元是相對有效的，但仍有可提升的空間。

在輸出指標(biāo)中，表征質(zhì)量的互動(dòng)率比表征數(shù)量的粉絲數(shù)的平均貢獻(xiàn)值稍高，表明粉絲質(zhì)量的重要性。因此，不能單純考慮粉絲數(shù)量，也要關(guān)注粉絲質(zhì)量。總的來說，兩者相差不大，只有綜合考慮了粉絲數(shù)量和粉絲質(zhì)量，才能較好地了解微博的影響力。

(3)指標(biāo)改進(jìn)值分析。對非DEA有效的高校館微博樣本，利用Frontier Analyst投影分析功能，進(jìn)行改進(jìn)分析。綜合非DEA有效的9個(gè)高校館微博的輸入/輸出改進(jìn)值數(shù)據(jù)，得到各個(gè)指標(biāo)改進(jìn)值，以及整體改進(jìn)值的平均值、最大值和最小值(見表4)。

表4 非DEA有效單元輸入/輸出指標(biāo)的改進(jìn)值

在可控輸入指標(biāo)中，平均改進(jìn)值最大的是關(guān)注數(shù)(可減少51.8%)，接下來依次是日均微博(可減少44.5%)和原創(chuàng)率(可減少23.6%)。就非DEA有效的高校館微博而言，在保證產(chǎn)出數(shù)據(jù)不變的前提下，可改變的輸入項(xiàng)均存在不同程度的冗余，其中最為嚴(yán)重的是關(guān)注冗余，日均微博和原創(chuàng)率的冗余屬于內(nèi)容冗余，圖書館微博的內(nèi)容應(yīng)該是恰當(dāng)?shù)?，對相關(guān)性不大的微博內(nèi)容，可考慮不予發(fā)表。Frontier Analyst軟件還會(huì)顯示不可控指標(biāo)的潛在改進(jìn)量，因?yàn)檫@樣的信息依然有用，表明更高的產(chǎn)出是可以實(shí)現(xiàn)的[17]。不可控輸入指標(biāo)學(xué)生數(shù)目和開設(shè)天數(shù)理論上的平均可減少值分別為6.2%和23.8%。高校館微博的開設(shè)天數(shù)改進(jìn)值說明其吸引的粉絲數(shù)和粉絲互動(dòng)率遠(yuǎn)遠(yuǎn)沒有達(dá)到應(yīng)有的水平，值得反思。

在輸出指標(biāo)中，表征質(zhì)量的互動(dòng)率和表征數(shù)量的粉絲數(shù)的平均改進(jìn)值均為0，符合在保持輸出不變的情況下，最小化輸入指標(biāo)的分析思路。然而一般情況下，人們并不想保持目前的產(chǎn)出不變，而是希望盡量獲得更高的產(chǎn)出。如何改善輸入指標(biāo)的質(zhì)量而不僅僅是其數(shù)量，顯得十分重要。

4 結(jié)論及建議

借助多投入多產(chǎn)出的生產(chǎn)效率分析方法DEA，本文提供了分析高校館微博運(yùn)營狀況的新角度。數(shù)據(jù)分析結(jié)果顯示，大部分的樣本高校館微博運(yùn)營效率達(dá)到DEA有效的標(biāo)準(zhǔn)；各指標(biāo)貢獻(xiàn)值大小不同，應(yīng)區(qū)別對待；對非DEA有效者，需酌情改善投入，提升效率。

在輸入指標(biāo)中，可控指標(biāo)的平均貢獻(xiàn)值有所不同。作為結(jié)構(gòu)性投入的微博關(guān)注數(shù)貢獻(xiàn)值最大，作為內(nèi)容性投入的日均微博和原創(chuàng)率的平均貢獻(xiàn)值則相對較小。高校館微博需要注意自身的關(guān)注數(shù)量和質(zhì)量，在保證質(zhì)量的情況下避免冗余產(chǎn)生。要認(rèn)真選擇關(guān)注賬號，選取質(zhì)量較高，相關(guān)性較大的賬號，比如其他高校館微博、校內(nèi)其他組織的官方微博、學(xué)術(shù)資源相關(guān)的微博，避免根據(jù)運(yùn)營者個(gè)人愛好選擇微博。在投入內(nèi)容上，既要關(guān)注內(nèi)容的數(shù)量，也要注重內(nèi)容的質(zhì)量，避免產(chǎn)生內(nèi)容投入冗余現(xiàn)象，導(dǎo)致運(yùn)營效率變差?？刂泼刻斓奈⒉?shù)量，避免刷屏引起關(guān)注者的不適。對微博內(nèi)容質(zhì)量進(jìn)行把關(guān)，盡量少發(fā)與圖書館無關(guān)的、同質(zhì)性較高的內(nèi)容，盡量少轉(zhuǎn)發(fā)意義較小的二手信息。

在輸出指標(biāo)中，粉絲數(shù)和互動(dòng)率兩者的平均貢獻(xiàn)值較為接近，粉絲的數(shù)量和質(zhì)量都是非常重要的評價(jià)指標(biāo)。高校館微博不僅要注意內(nèi)容的吸引力，以帶來粉絲數(shù)量的增加，更要注意與粉絲間的互動(dòng)，以提升粉絲的活躍度。為此，高校館微博要充分利用微博的互動(dòng)功能，比如@功能，話題功能；策劃互動(dòng)交流的活動(dòng)，如投票、評選；要定時(shí)登陸微博，及時(shí)解決粉絲疑問。

本文的研究對高校館微博的管理者具有借鑒作用，在后續(xù)研究中將會(huì)聯(lián)合高校館官方數(shù)字平臺，將網(wǎng)站與微博整合起來構(gòu)建跨平臺的指標(biāo)評價(jià)體系，并整合層次分析法AHP和數(shù)據(jù)包絡(luò)分析法DEA展開融合定性與定量的研究。

[1]中國互聯(lián)網(wǎng)絡(luò)中心.第35次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[EB/OL].[2015-01-22].http：//www.cnnic.net. cn/hlwfzyj/hlwxzbg/201502/P02015020355180205 4676.pdf.

[2]龔雪竹.公共圖書館和高校圖書館微博的比較分析[J].大學(xué)圖書館學(xué)報(bào)，2014（6）：78-82.

[3]劉汝建.大學(xué)圖書館微博個(gè)案研究與啟示——以清華大學(xué)圖書館微博為例[J].高校圖書館工作，2013，33（4）：24-26.

[4]張敏，劉鳳.我國公共圖書館微博平臺的對話特征分析[J].圖書館學(xué)研究，2014（11）：12-17.

[5]趙紅，王璨，胡鋒，等.基于多層結(jié)構(gòu)的微博影響力決定因素研究[J].管理學(xué)報(bào)，2014，11（7）：1062-1068.

[6]林琛.微博個(gè)體信息傳播影響力評價(jià)模型研究[J].現(xiàn)代圖書情報(bào)技術(shù)，2014，30（2）：79-85.

[7]劉瑩.高校圖書館利用微博拓展讀者服務(wù)初探[J].圖書館工作與研究，2012（6）：121-124.

[8]劉鳳，張敏.中國公共圖書館微博信息服務(wù)質(zhì)量的對比分析[J].圖書館學(xué)研究，2014（16）：63-68.

[9]黃榮貴，桂勇.非政府組織的微博影響力及其影響因素——以環(huán)保非政府組織為例[J].學(xué)習(xí)與探索，2014（7）：38-44.

[10]王亞東，安立仁.中國31個(gè)省市房地產(chǎn)業(yè)經(jīng)營效率——基于DEA的實(shí)證研究[J].西安石油大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2009，18（2）：34-43.

[11]Charnes A，Cooper W W，Rhodes E.Measuring the efficiencyofdecision makingunits[J].European journalof operationalresearch，1978，2（6）：429-444.

[12]Banker R D，Morey R C.Efficiency analysis for exogenously fixed inputs and outputs[J].Operations Research，1986，34（4）：513-521

[13]Banxia Software Ltd.Banxia Frontier Analyst Data Envelopment Analysis for Professionals[EB/OL].[2015-01-22].http：//www.banxia.com/frontier/.

[14]Cha M，Haddadi H，Benevenuto F，et al.Measuring UserInfluencein Twitter：TheMillion Follower Fallacy [J].ICWSM，2010，10-17.

[15]陳明亮，邱婷婷，謝瑩.微博主影響力評價(jià)指標(biāo)體系的科學(xué)構(gòu)建[J].浙江大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2014（2）：53-63.

[16]趙阿敏，曹桂全.政務(wù)微博影響力評價(jià)與比較實(shí)證研究——基于因子分析和聚類分析[J].情報(bào)雜志，2014，33（3）：107-112.

[17]BanxiaSoftware Ltd.An introduction to Frontier Analyst 4[EB/OL].[2015-01-25].http：//www.banxia.com/ pdf/fa/Frontier4Brochure.pdf.

Operation Efficiency Evaluation of Academic Library Microblogs from the View of Data Envelopment Analysis

ZHANGMin，YINShuai-jun，HUOChao-guang，LIUYu-pei

This study selects university library microblogs as research objects，and designs efficiency evaluation index system based on input/output analysis，which including content，structure，influence and so forth.Frontier Analyst is applied to quantitatively analyze operation efficiency of these samples.The results show that most microblogs operate effectively.Microblogs following redundancy should be deleted to ensure their quality and quantity.The updating frequency and quality of microblog content are significant.Strengthening the management of followers’quality and quantity plays a great role in the process of operation efficiency promotion.

library microblog；evaluation system；operation efficiency；DEA

格式 張敏，尹帥君，霍朝光，等.數(shù)據(jù)包絡(luò)分析視角下高校圖書館微博運(yùn)營效率研究[J].圖書館論壇，2015（8）：126-131.

張敏，女，博士，武漢大學(xué)信息資源研究中心副教授；尹帥君，霍朝光，劉玉佩，武漢大學(xué)信息資源研究中心碩士研究生。

2015-03-05

*本文系國家自然科學(xué)基金項(xiàng)目“Web2.0環(huán)境下基于社會(huì)化網(wǎng)絡(luò)瓶頸限制的信息擴(kuò)散最大化研究”（項(xiàng)目編號：71203166）研究成果之一