新 北市 圖書館個人 借 書 幾 本的問題，透過圖書和論文來找解法和答案更準確安心。 我們挖掘出下列價位、菜單、推薦和訂位總整理

臺灣之大學圖書館募款研究

為了解決新 北市 圖書館個人 借 書 幾 本的問題，作者黃麗(王民) 這樣論述：

大學圖書館自詡為大學的心臟，圖書館發展的健全與完善程度，能左右整所大學的學術地位。以臺灣而言，大學圖書館經費來源以校方撥款為主，然而，圖書館卻又是個容易被縮減經費的單位，在預算不充裕的情況下，募款能夠增加圖書館之經濟來源，讓圖書館得以維持現有經營，甚至提供更多創新服務。本研究旨在歸納圖書館募款的方式與策略，探討目前臺灣之大學圖書館界，募款的現況與所面臨的困難，並希望研究結果能提供關於大學圖書館募款之建議，予國內大學圖書館作為未來募款工作之參考來源。 本研究以獲得教育部「邁向頂尖大學計畫」中，12所大學之大學圖書館作為研究對象，首先利用各大學網站資料之蒐集，整理目前募款概況。再經

由深度訪談12所大學之圖書館館長（其中6所圖書館館長偕同館內主管受訪），得出圖書館募款之現行方法及策略，還有面臨之困難，與未來能夠發展之募款方向。 研究結果顯示，多數大學未推廣圖書館募款，且捐款者捐贈予圖書館之比例低。在圖書館募款成效較佳之大學，校方之支持對圖書館募款工作有關鍵性的影響。在募款現況方面，多數大學圖書館制定有募款辦法，但僅少數較為積極宣傳，且所有的受訪圖書館皆無專職募款人員。而圖書館捐款或是資源捐贈來源可分為校友、企業、個人與大學教職員與學生。圖書館能透過幾種方式募款：首先是利用網路進行宣傳，如募款網頁。其次，以圖書館空間與館藏資源吸引來自「圖書館之友」與「校友閱覽證」之捐

款，是目前多數大學圖書館採行之方式。以特定項目之募款是過去曾經成功之經驗，如期刊小額募款、館舍空間整修。透過推廣活動與跨界合作，亦是可行的方式。不過，大學圖書館對於捐款者的感謝普遍較為消極，僅少數圖書館建有捐款者資料庫，並長期經營與募款者之情感聯繫。 目前臺灣之大學圖書館募款的挑戰主要分成兩類：內部之困難來自圖書館缺乏募款專業與募款制度；外部之挑戰則是圖書館缺乏募款立場，不易建立穩定捐款來源。在未來發展方向上，圖書館應重新思考自身定位，以服務之價值吸引捐款，最重要的是，讓捐款者對圖書館之願景產生共鳴，並加強情感連結強度。 基於研究結果，研究者並分別針對大學與大學圖書館，提出圖書館募

款之建議。以大學而言，若校長或校方高階主管，能夠支持與協助圖書館募款，會讓大學圖書館募款之路順利許多。而對大學圖書館，首先建議責任重大之館長，對內加強同仁募款之認知，進而建立全館募款共識，塑造圖書館知識價值。對大學校方則堅定表達經費需求，主動爭取募款機會。面對外界捐款者，提升圖書館之社會影響力，並加強捐款者之情感連結性，以吸引長期穩定的捐款。同時，館長若能抱持積極、熱情、勇於嘗試的態度，在募款工作上較容易成功。而對於館員的建議，一是主動認識募款工作，改變保守心態，二是加強蒐集募款需求，提升募款企劃效率。最後對於後續研究建議包含：兼容質性與量化的研究方法；並將研究對象拓展至更多大學圖書館，亦可從

捐款者著手；另外，將研究主題擴展為圖書館經費開源節流，也應能帶給圖書館實務面永續經營之建議。

圖書館使用者自動化集群與借閱行為之研究-以南部某圖書館為例

為了解決新 北市 圖書館個人 借 書 幾 本的問題，作者羅興中 這樣論述：

本研究目的在了解使用者運用圖書館自動化系統之現況，並期望藉由「自助機借閱」、「年齡層」、「讀者類別」等指標針對圖書館使用者加以分群，瞭解各群組使用自動化系統的程度，並以時間軸為區隔，從月、周、日等角度探討各族群的使用習慣，以及各群組使用圖書館服務的行為差異，以作為圖書館經營者在經費運用上的建議。本研究以南部某圖書館2012年72個分館的借閱交易資料(17,349,862筆)為依據，利用集群分析，以「自助機借閱」、「年齡層」、「讀者類別」等三個變數，將借閱者分成半自動化青少年族群(佔18.1%)、高度自動化青壯年族群(佔20.1%)、人工化族群(34.2%)、低度自動化工商族群(27.6%)等

四個族群。研究結果發現，半自動化青少年族群年齡層均多為18歲以下學生族群，自動化程度平均使用次數在所有族群中第二高；高度自動化青壯年族群年齡層介於23~39歲者占61.4%居多，類別以學生族群居多，自動化程度最高；人工化族群年齡層介於40~49歲者占50.8%，自動化程度為所有族群最低，幾乎無自動化；低度自動化工商族群年齡層介於40~49歲者占73.2%為多數，類別以工商類居多。圖書借閱頻率最高的族群為「高度自動化青壯年族群」和「半自動化青少年族群」，為圖書館主要服務對象；還書箱服務以周二的使用率最高，集中在上午8~9時時段；「兒童圖書」在各族群借閱圖書類別中高居第二位；七、八月為全年圖書館服

務使用最高峰；網站服務夜晚使用量略高於午後使用量，在上午1:00~7:00則是每日使用網站服務頻率最少的時段。