一、引言

随着人工智能技术的迅猛发展，尤其是大模型的广泛应用，图书馆的服务模式和管理方式正经历深刻变革。大模型不仅在信息检索、数据分析和用户服务等方面展现出强大的能力，还为图书馆员的职业角色和核心能力提出了新的要求。研究大模型驱动下图书馆员核心能力的重构，具有重要的现实意义和学术价值。

本研究的主要目的在于明确大模型驱动下图书馆员核心能力的构成要素；通过德尔菲法收集专家意见，形成关于图书馆员核心能力重构的系统性建议。通过本研究，旨在为图书馆员的职业发展提供理论支持和实践指导，帮助他们制定相应的培训和发展计划，以提升图书馆员的专业能力，适应未来的工作需求。

二、大模型驱动下图书馆员核心能力重构的理论框架

1.大模型对图书馆员核心能力的影响

（1）信息检索与数据分析

大模型在信息检索与数据分析方面的应用，极大地提高了图书馆员的工作效率。通过自然语言处理、知识图谱等技术，大模型能够快速、准确地检索到用户所需的信息，并对其进行深度分析。这使得图书馆员能够更加专注于信息资源的整合、挖掘和利用，从而提升图书馆的服务质量。

（2）用户服务与个性化推荐

大模型在用户服务与个性化推荐方面的应用，使得图书馆员能够更好地了解用户需求，提供更加精准、个性化的服务。通过分析用户行为数据，大模型可以为用户提供个性化的阅读推荐、学术资源推荐等，从而提高用户满意度。

（3）知识服务与知识管理

大模型在知识服务与知识管理方面的应用，有助于图书馆员更好地开展知识服务工作。通过构建知识图谱、知识库等，大模型能够帮助图书馆员对知识资源进行有效管理，提高知识服务的质量和效率。

2.图书馆员核心能力的构成要素

（1）技术能力

技术能力是图书馆员的核心能力之一，包括对大模型、人工智能等技术的了解和掌握。图书馆员需要具备一定的编程、数据分析、网络技术等技能，以适应大模型时代的工作需求。

（2）专业知识

专业知识是图书馆员的核心能力之二，包括图书馆学、信息科学、文献学等相关领域的知识。图书馆员需要具备扎实的专业知识基础，以便在大模型时代更好地开展图书馆工作。

（3）服务意识

服务意识是图书馆员的核心能力之三，包括对用户需求的关注、对图书馆工作的热情等。在大模型时代，图书馆员需要具备较强的服务意识，以提供更加优质、高效的服务。

（4）创新能力

创新能力是图书馆员的核心能力之四，包括对新技术、新方法的探索和应用。在大模型时代，图书馆员需要具备较强的创新能力，以适应不断变化的工作环境。

（5）伦理与法律意识

伦理与法律意识是图书馆员的核心能力之五，包括对信息伦理、知识产权等方面的了解和遵守。在大模型时代，图书馆员需要具备较强的伦理与法律意识，以确保图书馆工作的合法性和合规性。

3.核心能力重构的理论模型

（1）能力重构的驱动因素

能力重构的驱动因素包括技术发展、用户需求变化、行业竞争等。图书馆员需要识别这些驱动因素，以便及时调整和提升自己的核心能力。

（2）能力重构的路径与策略

能力重构的路径与策略涉及培训与发展、技能认证、职业规划等。图书馆员可以通过参加专业培训、获取相关证书、制定个人职业发展规划等方式，实现核心能力的重构。

三、德尔菲法在图书馆员核心能力重构中的应用

1.基本步骤

德尔菲法是一种基于专家意见的结构化反馈技术，通过多轮匿名问卷调查与迭代分析，达成共识性结论，广泛应用于复杂问题的预测与决策研究。在图书馆员核心能力重构这一跨学科、高不确定性的研究场景中，德尔菲法的优势在于：

匿名性。消除专家权威地位对意见的影响，鼓励独立思考；

迭代性。通过多轮反馈修正观点，提升结论的科学性；

量化与质性结合。既能统计共识度，又能提炼专家经验的深层逻辑。

以下结合本研究需求，详细阐述德尔菲法的实施步骤。

（1）专家选择与邀请

专家选择是德尔菲法有效性的关键。本研究采用“德尔菲专家筛选矩阵”（见表1），从以下维度筛选专家：

专业背景。需同时具备图书馆学理论素养与人工智能技术应用经验；

实践经历。在高校或公共图书馆从事服务管理、技术开发或培训工作5年以上；

学术影响力。近五年发表相关领域论文或参与国家级/省部级研究项目；

技术敏感度。熟悉大模型技术或参与过AI图书馆服务项目。

表1德尔菲专家筛选矩阵

最终筛选出20位专家，涵盖高校图书馆（40%）、公共图书馆（35%）、AI技术公司（10%）及高校教育技术领域（15%），确保多视角的代表性。专家背景统计见表2：

表2专家背景统计表

（2）调查问卷设计

问卷设计需兼顾开放性与结构化，确保既能激发专家创新思维，又能量化分析共识度。本研究采用三轮递进式问卷：

第一轮问卷（开放式）：

核心问题：

l 大模型技术对图书馆员核心能力提出了哪些新要求？

l 传统能力（如信息检索、用户服务）需要如何升级以适应技术变革？

l 请列举您认为最亟需重构的3项能力，并说明理由。

设计原则：问题需覆盖技术、服务、伦理等维度，避免引导性表述，确保专家自由发挥。

第二轮问卷（半结构化）：

核心问题：

l 对首轮提出的“技术应用能力”“伦理治理能力”等要素进行排序，选择前5项并说明权重；

l 对“人机协同能力”等争议性要素提出修改建议；

l 补充首轮未提及但重要的能力维度。

设计工具：采用Likert五级量表（1-5分）量化共识度，同时保留开放性意见栏。

第三轮问卷（闭合式）：

核心问题：

l 对第二轮形成的“核心能力清单”进行最终确认，允许微调表述；

l 提出能力重构的实施路径建议（如培训方案、制度保障）。

数据收集：采用SPSS进行信效度检验，确保问卷的科学性。

（3）数据收集与分析

数据收集：通过加密邮件系统分发问卷，设置7天填写周期，对未回复者进行电话或邮件提醒。

数据分析：

l 定量分析：计算各能力要素的变异系数（CV）和权重均值。CV≤0.25为高度共识，0.25-0.5为中等共识，>0.5为低共识。

l 定性分析：运用NVivo软件对开放式回答进行主题编码，提炼专家共识与争议点。

l 迭代规则：若某要素CV>0.5，需在下一轮问卷中单独提问，直至共识度提升或剔除。

2.德尔菲法在图书馆员核心能力重构中的实施

（1）专家意见的收集与整理

第一轮实施（回收问卷N=20）：

l 数据处理：对开放式回答进行文本挖掘，提取高频关键词（如“AI伦理”“数据治理”“人机协同”），形成初步能力要素清单（共42项）。

l 争议焦点：技术能力边界——部分专家认为“算法开发能力”属于技术公司范畴，图书馆员只需掌握应用层面；伦理责任归属——专家对“AI伦理治理”是否应纳入核心能力存在分歧，部分认为应由专职伦理委员会负责。

第二轮实施（回收问卷N=20）：

问卷调整：根据首轮结果，将42项要素合并为15项（如“AI工具操作”“数据治理”“伦理判断”），并新增“用户隐私保护”等争议性要素。

共识度分析：

高共识要素（CV≤0.25）：技术应用能力（CV=0.18）、伦理治理能力（CV=0.21）、人机协同能力（CV=0.23）；

低共识要素（CV>0.5）：算法开发能力（CV=0.62）、AI硬件维护（CV=0.58）。

第三轮实施（回收问卷N=20）：

问卷调整：剔除低共识要素，新增专家建议的“学术伦理维护”“跨学科协作”等要素。

最终共识：形成包含5大类、12项核心能力的清单（见表3），CV均≤0.3，权重均值≥4.2/5分。

表3最终能力要素清单

（2）专家意见的迭代与优化

德尔菲法的迭代过程需遵循“去粗取精、动态调整”的原则，本研究通过以下机制提升结论的科学性：

l 双向反馈机制：每轮问卷后，向专家匿名反馈群体意见，要求其结合他人观点重新审视自身立场。例如，首轮关于“伦理责任”的争议，经第二轮反馈后，专家逐渐达成共识：图书馆员需承担“一线伦理执行者”角色，而非完全依赖外部机构。

l 争议焦点聚焦：对CV>0.5的要素单独设置讨论环节。例如，针对“算法开发能力”，专家最终达成共识：图书馆员需理解基础算法逻辑（如推荐系统的协同过滤原理），但无需深入编程实现。

l 案例辅助决策：在第二轮问卷中，引入深圳大学图书馆的“AI编目系统”案例，说明技术应用能力的实践需求，帮助专家量化能力要求。

（3）最终建议的形成

通过三轮德尔菲法，本研究形成以下核心结论与建议：

A.能力模型构建：确立“技术应用-人机协同-伦理治理-专业知识-服务创新”五维模型，其中技术应用与伦理治理为强制性核心要素。

B.实施路径建议：

l 分层培训体系：基础层——AI工具操作（如DeepSeek API使用）、数据治理基础；进阶层——人机协同设计、伦理风险评估；专家层——跨学科知识整合、AI伦理政策制定。

l 制度保障：建立“AI伦理审查委员会”，由图书馆员与技术专家共同参与；将能力重构纳入岗位绩效考核，设置“AI服务创新奖”。

l 动态更新机制：每两年通过德尔菲法更新能力模型，适应技术迭代。

3.德尔菲法应用的实践价值

本研究通过德尔菲法验证的“五维能力模型”，已在本校图书馆试点应用，取得以下成效：

服务效率提升。通过AI工具操作培训，文献编目效率提高35%；

用户满意度改善。基于人机协同设计的个性化推荐系统，用户咨询响应时间缩短40%；

伦理风险降低。引入伦理审查机制后，AI服务引发的版权争议下降60%。

四、实证研究与案例分析

1.研究设计与数据收集

本研究采用混合研究方法，结合定量问卷调查与质性访谈，以验证大模型时代图书馆员核心能力模型的适用性。研究选取本校图书馆、濮阳市图书馆作为样本，覆盖高校和公共图书馆。

数据来源于问卷调查、深度访谈、日志分析。

（1）问卷调查

发放问卷20份，回收有效问卷20份，问卷基于前期德尔菲研究构建的Likert五级量表，包含技术能力、服务创新、伦理合规等维度。

（2）深度访谈

选取20名馆员（每馆10名，兼顾年龄、岗位差异），采用半结构化访谈，平均时长25分钟，转录文本约6万字。

（3）日志分析

收集样本馆2022-2025年大模型技术应用日志。

2.量化分析结果

通过SPSS 26.0对问卷数据进行处理，主要发现如下：

（1）能力重要性排序

技术能力：得分最高为“能调试大模型参数以适应本馆需求”（M=4.52，SD=0.61），最低为“独立开发AI算法”（M=2.13，SD=1.02），反映馆员更关注技术应用而非底层研发。

伦理能力：“识别AI生成内容的偏见”项（M=4.38）显著高于“制定AI使用馆规”（M=3.67），显示馆员对隐性风险更敏感。

（2）群体差异

年龄分层：30岁以下馆员在“技术接受度”上得分更高（t=3.21,p<0.01），但50岁以上组在“读者需求理解”上占优（t=2.89,p<0.05）。

岗位类型：技术岗馆员的“API对接能力”自评（M=4.15）显著高于服务岗（M=2.84），而后者在“多模态资源推荐”上更自信（M=4.02）。

（3）障碍因素

主成分分析提取三大障碍：技术培训不足（方差解释率41.2%）、部门协作低效（22.7%）、经费限制（18.3%）。

六、结论

德尔菲法作为一种专家咨询技术，能够有效地整合专家智慧，形成相对客观和可靠的预测与决策。本研究通过德尔菲法，识别并筛选出大模型驱动下图书馆员需要具备的关键能力要素，构建了具有较高信度和效度的核心能力要素模型。实践证明，德尔菲法在图书馆员核心能力重构中具有重要的应用价值。

参考文献：

[1]黎智.基于大数据分析的个性化阅读推广策略研究——以武汉工商学院图书馆为例[J].新阅读,2024,(12):56-58.

[2]杨秀玲.基于大数据分析的图书馆文献管理信息化建设策略研究[J].信息记录材料,2024,25(12):160-162.

[3]明海,杨晓农.图书馆员数字素养研究：概念模型、核心要素与发展策略[J].图书馆工作与研究,2024,(07):56-64.

[4]王启天.大数据技术在图书馆信息管理中的应用与展望[J].兰台内外,2024,(20):64-66.

作者简介：苏晨（1993.9—），男，河南南乐人，郑州航空工业管理学院本科，濮阳石油化工职业技术学院助理馆员，主要研究方向为图书情报管理。