生成式學習與支架式閱讀理論。Wittrock提出的生成式學習理論認為有效的學習是學習者對環境中的信息進行意義建構和主動輸出的過程，強調了學習者在學習過程中對知識的主動加工、處理和轉化[10]。當前GenAI正是模擬人類生成式學習的機理，通過對已有內容的觀察和訓練來生成新的、有價值的內容。根據生成式學習原理，閱讀作為學習的重要方式和內容，并不只是被動地接收字面信息，更要積極生成認知成果，如問題、圖解、寫作。當前研究顯示，大學生在數字閱讀中面臨理解反思水平較低和閱讀注意力難以集中兩大問題，主要原因在于缺乏閱讀理解支架和生成式閱讀任務驅動[11]。在生成式學習理論的基礎上，Clark和Graves提出支架式閱讀模式，將閱讀分為閱讀前、閱讀中和閱讀后3個階段，認為每個階段教師都應該提供相應的概念框架和認知策略[12]。情景感知技術作為泛在 計算的關鍵部分，是圖書館構建泛在智慧服務的重 要技術要素。運營科研學術助手案例

閱讀是各類學習和認知活動的基礎。在高等教育中，大學生群體作為數字原住民，其閱讀行為已從傳統的紙質媒介向智能移動終端***遷移[1]。新技術的快速發展更是讓大學生獲得多模態、交互性和便捷性的閱讀體驗[2]，但也引發淺層次閱讀和快餐式閱讀等挑戰，尤其是在生成式人工智能（GenAI）日漸強大的背景下，出現淪為惰性讀者趨勢[3]。相比起紙質閱讀，部分大學生數字閱讀理解能力下降，閱讀動機和投入不足，在數字閱讀中表現出更多的走神和迷航現象；而這些行為與閱讀內容枯燥無味、閱讀理解表現不佳以及社交媒體的干擾等因素有關[4]。他們對文本的理解往往浮于表面，當遇到問題時選擇直接獲取來自GenAI的答案，而并非自主思考，缺乏深入探究和理解反思的能力，嚴重影響閱讀成效和專業發展[5]。因此，培養智慧閱讀環境下大學生深度閱讀理解能力意義重大。本研究提出基于自主提問的大學生智慧閱讀干預策略，構建大學生生成式智慧閱讀模式，用以提升大學生深度閱讀理解能力，并通過教學實踐驗證策略的有效性，為培養當代智慧讀者提供借鑒。數字圖書館科研學術助手模式此類學習者在問題設計中傾向于遵循“信息提取—局部 關聯—簡單分析”的漸進路徑。

。人工智能（AI）技術的廣泛應用為智慧圖書館的閱讀推廣帶來了**性的變化。AI技術以其強大的計算能力和智能分析能力，為智慧圖書館提供了更加智能化、人性化的服務能力，從而極大地提升了讀者的閱讀體驗和互動性。在智慧圖書館中，AI技術的一個典型應用是聊天機器人。這些聊天機器人通過自然語言處理技術，能夠準確理解讀者的查詢意圖，并快速回答關于圖書館開放時間、圖書位置、借閱規則等常見問題。同時，聊天機器人還能協助讀者進行圖書檢索、預約和續借等操作，可以**簡化讀者的借閱流程，提高圖書館的服務效率。

在超級閱讀時代，技術創新使得高效閱讀突破個體能力限制，智能選書、信息提煉、多模態感知、深度理解、結構化知識呈現等技術不僅為讀者提供了更加豐富、高效、多元的閱讀體驗，而且提升了個體的知識轉化能力和認知能力，培養其創造性思維。技術創新賦能閱讀的效率價值，主要體現在以下幾個方面。在閱讀材料準備方面，閱讀平臺利用大數據分析和人工智能技術，為用戶提供個性化定制內容、基于內容的相關推薦，以及基于社交屬性的推薦，以此提升內容分發效率，使推薦書單更貼近用戶需求。情境感知技術已經在路線導覽、課 堂 教 學、智能家居、電子商務等領 域得到廣泛應用和推廣。

個性化閱讀推薦系統在智慧圖書館推行，不僅提升了圖書館資源的運用效率，還大幅提升了用戶的閱讀體驗感。基于AI，個性化閱讀推薦系統能為各用戶推薦感興趣和符合需求的書籍或資料，激發智慧圖書館服務實現個性化轉變，同時還能持續采集用戶反饋進行不斷優化，從而保證推薦結果既準確又高效。未來隨著技術的持續發展，個性化閱讀推薦系統會愈發智能化，進一步激發智慧圖書館在信息服務領域的創新活力，增強智慧圖書館的文化傳播功效，滿足各用戶的多樣訴求。積極探索智慧時代下圖書館智慧閱讀推廣以滿足 用戶個性化、多元化閱讀需求，對推進終身學習具有深遠意義。提供科研學術助手口碑推薦

該技術可將情景感知計算融入特定的 資源推薦環境，幫助圖書館探測并識別用戶特征。運營科研學術助手案例

AI在智慧圖書館中的應用主要體現在信息檢索和文本分析兩大領域，能***提升智慧圖書館的工作效率和用戶體驗。在信息檢索領域以智能搜索引擎為例，數據顯示，用戶在使用這些工具時，搜索關鍵詞的使用率減少了20%以上。這是因為智能搜索引擎能夠更準確地理解用戶的查詢意圖，并提供相關的搜索結果。在文本分析領域，AI能夠處理和分析海量文本數據，從中提取出有價值的信息。這對智慧圖書館尤為重要，因為全球存在數十億份電子文獻需要高效管理。利用AI，智慧圖書館可以自動化完成文獻分類、關鍵詞提取以及信息摘要生成，從而提升數字文獻的管理效率，優化資源整理流程。采用AI，智慧圖書館可實現文獻分類、關鍵詞提取以及信息摘要自動生成等功能，從而極大提升了數字文獻管理效率。采用自然語言處理（NLP）與機器學習算法，智慧圖書館能自動識別、整理大量文獻資源，精細為每篇文獻分派類別標簽，并提取出**關鍵詞及主題要點，不僅削減了人工整理的時間成本，還減少了人為方面的錯誤，提升了文獻分類的精細度；智慧圖書館可以生成簡要的文獻摘要，使用戶得以迅速了解每篇文獻的**要義，便于高效、迅速地從海量資源中篩選出滿足自己需求的文獻。運營科研學術助手案例