网络科研学术助手联系人

生成式学习与支架式阅读理论。Wittrock提出的生成式学习理论认为有效的学习是学习者对环境中的信息进行意义建构和主动输出的过程，强调了学习者在学习过程中对知识的主动加工、处理和转化[10]。当前GenAI正是模拟人类生成式学习的机理，通过对已有内容的观察和训练来生成新的、有价值的内容。根据生成式学习原理，阅读作为学习的重要方式和内容，并不只是被动地接收字面信息，更要积极生成认知成果，如问题、图解、写作。当前研究显示，大学生在数字阅读中面临理解反思水平较低和阅读注意力难以集中两大问题，主要原因在于缺乏阅读理解支架和生成式阅读任务驱动[11]。在生成式学习理论的基础上，Clark和Graves提出支架式阅读模式，将阅读分为阅读前、阅读中和阅读后3个阶段，认为每个阶段教师都应该提供相应的概念框架和认知策略[12]。高质量服务反馈与评价机制是进一步改善服务 模式和提高服务质量的重要保障。网络科研学术助手联系人

在设计智慧图书馆的个性化阅读推荐系统时，推荐算法的选择是关键。统计显示，个性化阅读推荐系统可以将用户满意度提高至少25%，同时增加用户访问图书馆资源的频率。因此，选择合适的推荐算法对提升图书馆的服务质量和效率具有***影响。选择推荐算法时需要考虑多种因素，包括用户行为数据的类型和规模、系统的性能要求以及不同类型资源的特性。智慧图书馆通常处理大量的用户行为数据，从数百万到数十亿不等，每天生成数百万事件，这要求推荐系统具备强大的计算能力，以高效处理和分析大规模数据。创新科研学术助手服务准确分析和响应用户现实需 求，建立图书馆与用户的多维互动模式，提 供更加个性化、多元化的智慧阅读服务。

脑机接口技术是一种具有变革性的人机交互技术，其通过捕捉大脑信号并将其转换为电信号，进而实现信息的传输和控制。阅读理解是人类认知活动的**区域，涉及语言编码、信息整合、逻辑推理等层面。脑机接口技术可以实现大脑和计算机之间的直接通信，进而影响或增强人的认知能力，改变阅读理解的过程和效果，其具体表现在以下几个方面。其一，揭示大脑的阅读活动机制。通过记录和分析大脑在阅读过程中的52025年第1期总第475期特别策划VIEWONPUBLISHING神经活动，脑机接口技术可以进一步把握阅读理解活动的神经机制，进而探索提高阅读效率的策略。其二，实时监测和调控人的阅读活动。脑机接口技术通过记录大脑在阅读特定文本的神经信号，分析阅读理解关键过程的重点区域，进而通过算法来进行优化推荐。其三，直接干预阅读活动。脑机接口技术可以通过直接刺激与阅读理解相关的神经回路，加速信息处理和整合，进而提高阅读的速度和准确度。除了采集脑部神经信息，未来脑机接口技术将对眼动、肌电、心电、呼吸等生理信号进行多模态数据融合，进一步提升多模态脑机技术对人阅读理解活动把握的精细度［8］。

生成式学习理论与人机协同学习理论为构建促进深度阅读理解的大学生智慧阅读模式提供了理论支撑。生成式学习理论强调学习者对知识的主动加工与意义生成，为智慧阅读模式提供了**认知逻辑——通过自主提问、概念图绘制等生成性活动，驱动学习者对文本进行深度加工与批判性反思，从而超越浅层的信息接收。人机协同学习理论则为生成式学习的实践提供了技术支撑与生态重构。社会建构的互动性被技术和机器赋能，如智能平台支持的多模态协作工具、实时讨论区等，使得跨时空的协同知识建构成为可能。两者在智慧阅读模式中形成了“认知生成—社会互动—技术赋能”的闭环：生成式学习驱动个体知识建构，社会建构促进群体智慧共享，人机协同则通过智能工具与数据分析实现前面两者的精细化支持与动态调适，共同推动深度理解与高阶思维的发展。对于大学生学术阅读，阅读后的知识建构 活动包括提问、测验、绘制概念图、讨论、写作等。

人类在智能时代将成为复合化的主体，其不仅是人机融合的新主体，也是多元人类主体连接的复合主体［26］。这一变化是智慧阅读迈向超级阅读的重要动因，**了更加高效、个性化、智能化以及具身体验性更强的人类未来阅读趋向。超级阅读作为智慧阅读的高级阶段，在一定程度将延伸、重塑阅读的价值和意义，亦可能带来技术异化风险。尤其是作为主体的人将更多的权利让渡以获得更加便利、自由的生活，但这一过程中人的主体性也在逐渐消解［27］。我们应当明晰，超级阅读的本质仍是人的自由生存和***发展。面102025年第1期总第475期特别策划VIEWONPUBLISHING对技术的快速发展和创新应用，我们在积极拥抱技术带来的高效、便捷、新体验的同时，还应当保持对技术理智且有选择性的态度，选择符合自身发展需求的生活和生存方式。发挥图书馆交互式学习、阅读和 交流共享的空间价值，提升用户阅读服务体验。质量科研学术助手前景

智慧图书馆阅读推荐服务内容、过程以及效益 进行整体测评来考量服务水平，获取用户反馈信息的重要途径。网络科研学术助手联系人

个性化阅读推荐系统的设计始于高效且精确的数据采集、处理与分析。在智慧图书馆中，用户每天进行搜索、阅读和下载等互动行为均会产生大量数据。以大型智慧图书馆为例，其每月会新增数千份电子书和期刊，且数百万用户的日常活动会生成海量数据记录，包括搜索查询、点击和下载等行为数据。这些数据是设计个性化阅读推荐系统的基础，需要收集和处理，以便后续进行分析和应用。数据采集必须***覆盖用户数据，包括用户的注册信息、借阅记录、阅读习惯，以及用户与智慧图书馆资源的交互方式等。依托上述数据，个性化阅读推荐系统可掌握用户的基本兴趣和偏好，鉴别用户潜在的兴趣领域和行为模式，从而为推荐给予数据方面的支持。网络科研学术助手联系人