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。随着５Ｇ、ＡＩ、新媒体技术的不断 发展，阅读推广的渠道越来越多元，图书馆内部各 种线下设备及线上媒体。企业科研学术助手模式
用户可选择感兴趣的学科领域，如文学、历史、科技等，订阅特定的期刊及出版物，以保证推荐的资源与自己的阅读需求充分契合。同时，用户可依据自身阅读偏好对系统设置做出调整，选择偏爱的文体类型、特定的作者等。凭借这一设置，个性化阅读推荐系统能依据用户兴趣，生成更精细且个性化的书单或内容推荐。统计数据显示，约80%的注册用户会积极介入个性化设置环节，以增强自己的阅读体验。该环节不仅提高了用户和图书馆资源之间互动的频率与质量，还促使个性化阅读推荐系统能以更智能的方式为用户提供契合其需求的资源，从而提高智慧图书馆的用户满意度及使用率。技术科研学术助手承诺守信智慧阅读推广要求图书馆馆员要熟练运用大 数据、人工智能、新媒体等智慧化技术，挖掘 用户的潜在阅读需求。
数字时代，人们对信息和知识的接受、理解、思考、运用等呈现不同的特征，如开放性、虚拟化、具身化等。阅读的技术互动成为阅读交流的全部，高度构建的技术场域成为人们阅读交流的现场，同时可能使得阅读交流活动固化、异化，进而造成人们新的认知偏差。其一，虚拟认知偏差。早期阅读交流的虚拟性主要体现在用户身份的虚拟性，但随着智能体的出现，阅读交流的对象将完全虚拟化，其可能模糊虚拟与现实的界限而形成一定的认知负担［22］。此外，VR/AR技术营造出高度沉浸感，虽然可以辅助读者完成阅读认知和知识理解，但可能会使读者在回到现实空间时，因现实环境的刺激程度相对较低而难以集中注意力。其二，生成认知偏差。智能推荐是超级阅读内容分发的重要机92025年第1期总第475期特别策划VIEWONPUBLISHING制，其能够有效降低读者获取信息和知识的成本，但是个性化推荐也可能营造一种封闭性认知环境。同时，智能生成内容并非完全真实、可靠，当虚拟内容以高度可信的方式提供给读者时，可能会给读者带来新的认知幻觉、认知偏差等。
在知识管理方面，人们借助大模型可以使用内容自动生成、语义理解、文件分析等知识管理功能，还可以通过智能体高效管理海量文本、自动筛选信息、提炼知识等［14］。在知识创新方面，人工智能因拥有类人智慧而具备深层次理解和推理能力，其参与知识生产与流动将成为常态。算法、复杂神经网络、自然语义处理、联结、模糊、近似性、概率等构成人工智能参与知识生产的基本逻辑［15］。智慧阅读向超级阅读的跃迁，不仅是技术层面的深度改造，还是阅读价值的延伸与再造。超级阅读将有效推进知识生产和流动模式升级、社会关系变革，**人类文明迈入下一个阶段。: 智慧图书馆是一个不受空间限制 可被感知的移动图书馆，它能帮助图书馆员和用户找 到所需资料。
随着科技发展和时代进步，人类正经历一场全新的前所未有的认知**，其将打破人类固有的思维模式和认知模式。在人工智能的下半场，62025年第1期总第475期特别策划VIEWONPUBLISHING超级认知智能可能会解决既有大语言模型中存在的事实性及推理能力问题，实现更精细的自然语义理解、更丰富的多模态输入输出，具备更个性化的能力［12］。认知智能赋能阅读活动，将在极大程度上增强人类理解、管理、应用知识的能力。在知识理解方面，人工智能技术整合大数据、机器学习、学习分析、自适应、情感计算等技术，能从认知水平、能力基础等方面把握读者的实际情况，通过精细推送、情景创设等辅助其更好地理解复杂问题［13］。通过利用新一代智能技术有机融合与 均衡图书馆资源与服务要素、智慧型馆员团队的有效 组织和管理。技术科研学术助手承诺守信
根据问题形式、认知层次、思维模式、答案特征 等标准进行分类。企业科研学术助手模式
人机协同学习理论。人机协同学习理论是在计算机赋能深度学习的过程中逐渐发展起来的，旨在充分发挥人类智能和机器智能的**优势，通过学习者与机器的智能交互、协同工作、对话协商和共同决策，促进学生的深度创新学习，重构智能时代的智慧学习新生态[15]。快速发展的智能技术帮助实现泛在化的学习情境感知、全景化的学习数据采集、精细化的学业诊断测评和个性化的学习服务供给，催生了精细、互助和多元的人机协同学习模式。一方面，机器能更好地理解学习者的认知状态和学习需求，进而提供个性化的资源和服务；另一方面，人工智能对于计算机认知网络的贡献让机器算法和模型更加精细深入，并有效支撑分布式学习者的社会认知和知识建构。尤其GenAI的快速发展催生出人机协同的智慧阅读新范式。首先，GenAI作为效能工具降低认知负荷，如总结摘要、语义翻译、资源推荐、制作概念图。其次，GenAI提供即时性的阅读测评与分析，例如自动生成阅读理解问题，基于学习分析结果（如阅读答题分析、注意力热力图、提问层级分布）推送个性化策略建议，形成阅读画像。***，GenAI扮演阅读伙伴或认知**，通过提问和回答启发学生深度思考。企业科研学术助手模式