本地科研学术助手平台

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。高水平的问题引发读者的深入思考，有助于发展“批判性思维” 或“更高层次的思维” 。本地科研学术助手平台

阅读是各类学习和认知活动的基础。在高等教育中，大学生群体作为数字原住民，其阅读行为已从传统的纸质媒介向智能移动终端***迁移[1]。新技术的快速发展更是让大学生获得多模态、交互性和便捷性的阅读体验[2]，但也引发浅层次阅读和快餐式阅读等挑战，尤其是在生成式人工智能（GenAI）日渐强大的背景下，出现沦为惰性读者趋势[3]。相比起纸质阅读，部分大学生数字阅读理解能力下降，阅读动机和投入不足，在数字阅读中表现出更多的走神和迷航现象；而这些行为与阅读内容枯燥无味、阅读理解表现不佳以及社交媒体的干扰等因素有关[4]。他们对文本的理解往往浮于表面，当遇到问题时选择直接获取来自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，严重影响阅读成效和专业发展[5]。因此，培养智慧阅读环境下大学生深度阅读理解能力意义重大。本研究提出基于自主提问的大学生智慧阅读干预策略，构建大学生生成式智慧阅读模式，用以提升大学生深度阅读理解能力，并通过教学实践验证策略的有效性，为培养当代智慧读者提供借鉴。信息科研学术助手排行榜情境感知技术已经在路线导览、课 堂 教 学、智能家居、电子商务等领 域得到广泛应用和推广。

智慧图书馆可根据现实需求选择恰当的推荐算法，且按照用户反馈开展算法优化，保障推荐的精细行业交流1552025年3月度与多样性。用户反馈与系统迭代是个性化阅读推荐系统持续改进的关键。个性化阅读推荐系统必须不断收集用户对推荐结果的反馈，对点击率、借阅率、阅读时长等相关数据进行分析，即刻调整推荐策略。同时，采用机器学习技术，个性化阅读推荐系统可不断修正推荐模型，逐步提高推荐的精细度与个性化水平。通过上述流程，智慧图书馆可设计出更加***的个性化阅读推荐系统，给予用户更加个性化的阅读推荐服务，帮助用户更高效地获取感兴趣的书籍及资源，进而提高用户体验以及智慧图书馆的服务水平[5]。

数智时代为智慧图书馆的阅读推广工作带来了前所未有的机遇与挑战。通过精细推送个性化阅读资源、提升阅读体验与互动性、融合新媒体拓宽推广渠道、智慧化管理优化流程以及创新服务模式打造多元化阅读环境，智慧图书馆正逐步构建起一个高效、便捷、互动的阅读生态系统。这些策略的实施，不仅有助于提升**阅读素养，推动教育资源均衡分配，还能促进文化传承与创新，增强文化自信。未来，智慧图书馆应继续深化技术应用，创新服务模式，为阅读文化的深入普及与发展贡献力量，让阅读成为连接过去与未来、促进社会***进步的重要力量。在技术和需求的双重驱动下，通过改造可以为用户营造线上线下互动、开放互联、知识共享的信息获取。

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。大部分有关阅读理解问题的认知层次划分主 要参考布鲁姆的认知目标分类理论。本地科研学术助手平台

在支架式阅读模式中，提问被认为是 有效的阅读支架和认知成果；本地科研学术助手平台

生成式学习理论的**来源于建构主义学习理论。社会建构理论认为个体的认知过程和结果是与社会环境、文化背景、与他人互动密切相关的产物[13]。在社会交互中，提问是相当有启发性的交流方式，提问者凭借敏锐的洞察力，捕捉到阅读内容中的重点或潜在矛盾，清晰、准确地表达自己的疑惑或见解，这无疑是对语言组织与逻辑思维能力的有效训练。个体在阅读过程中与他人进行交流互动，如答疑解惑、讨论文本内容、分享阅读感受，进一步促进思维的发展。近年有研究开始关注生成式学习和反思性评价在学术阅读中的应用，认为提问策略在训练阅读者的高阶思维方面效果***[14]。因此本研究将自主提问作为**干预策略。本地科研学术助手平台