从借阅量到知识可及性：AI 如何改变图书馆评价指标

从借阅量到知识可及性：AI 如何改变图书馆评价指标

某县图书馆有一册地方戏曲手稿，十年里只被借阅过两次。按周转率，它几乎是“低效馆藏”；对研究这门戏的学生和仍在世的传承人，它却可能不可替代。AI 检索上线后，如果图书馆继续只看借阅量和点击率，系统会把热门书推得更热门，把这类资料埋得更深。评价指标需要从“动了多少册”扩展到“谁终于能找到、读懂、使用资料”。

图书馆可以设计几项真实任务：视障读者能否独立打开一份旧报纸，地方语言使用者能否找到相关馆藏，中学生能否从模型摘要返回原文，偏远读者能否借到检索结果中的书。记录每一步的失败，而不只记录最终有没有点击。模型能帮助分析检索日志，但没有进入系统的人不会留下日志。馆员需要到学校、社区和养老机构问他们为什么没来，或来了以后在哪一步放弃。

指标可包括冷门资料被找到的机会、无障碍文件真正可读的比例、多语言查询的准确性、人工求助等待和错误更正时间。评估不必追踪每个人完整的阅读史，可以用自愿参与的匿名任务和抽样访谈。保护借阅隐私本身也是可及性：有人若担心敏感阅读被记录，就会选择不借、不问。

量化结果仍不能替代判断。地方戏曲手稿的价值不因一年只服务一人而消失；一本畅销书借了上千次，也不意味着预算应无限向它倾斜。馆员、读者和相关社区应共同讨论保存、数字化与采购优先级。AI 最合适的工作，是指出哪些馆藏长期搜不到、哪些人总在同一步受阻，帮助人们把资源投到真实缺口。

新评价方式还需影响预算。若测试发现读屏用户总在电子书授权页面受阻，就优先改善许可与界面，而不是再买一个更会推荐热门书的模型。地方资料搜不到，先补主题词和扫描质量。数字展览耗费算力却只有短暂流量，也要问是否存在更节约、触达更广的形式。指标若不改变资源分配，就只是报告里的新词。

馆员的劳动也应进入讨论。复杂咨询、口述史整理和无障碍校对花时间，却未必产生大量借阅。把这些工作当公共知识服务，而非系统“未自动化的残余”，才能让新工具与人的判断形成互补。读者参与评价时，馆方应说明哪些意见被采纳，哪些因版权或预算暂缓。

年度报告可以同时给出借阅量和几个具体故事：一批旧地图被重新标注后服务了怎样的研究，一项无障碍修复让读者第一次独自读完何种资料。公共图书馆保存的是社会的多种记忆，成功不只体现在书离开书架的次数，也体现在知识终于能被需要它的人拿到。