摘  要  高校图书馆阅读推广存在个性化服务缺失、内容形式吸引力不足等问题。尤其是面对用户注意力日益碎片化趋势，现有阅读推广手段难以有效触达和吸引用户。大模型的到来不仅改变了信息生产与传播方式，同时也为高校图书馆阅读推广带来新的机遇与挑战。通过分析大模型对用户信息行为与阅读习惯的影响，剖析微视频应用于阅读推广的独特价值与潜在优势，并探讨高校图书馆如何利用微视频创新内容、构建互动场景、深化用户连接，从而更好地适应变革以提升阅读推广的服务效能。

关键词  高校图书馆；阅读推广；微视频；AI大模型；个性化服务

当前，高校图书馆的阅读推广工作正面临挑战。信息爆炸与媒介形态的多元化深刻重塑了用户的阅读习惯，表现为注意力日益碎片化，对内容形式的视觉化与互动性需求不断提升。然而，高校图书馆传统的阅读推广模式，如书目推荐、讲座书展、读书活动等，普遍存在内容同质化、形式吸引力不足、个性化服务缺失等问题，难以精准触达并有效吸引用户，尤其是年轻一代的大学生读者群体。这使得推广活动的覆盖面、参与度和影响力受限，服务效能亟待提升。[1]

随着互联网技术的发展，微视频凭借短小精悍、传播迅速、感染力强的特性，成为信息传播与用户连接的重要载体，而个性化微视频为破解阅读推广困境提供了新思路。它将图书内容、阅读理念以高度凝练、生动形象且契合用户兴趣偏好的方式进行动态呈现，有效提升内容的吸引力与情感共鸣，满足用户碎片化时间利用和沉浸式体验需求，为图书馆构建更具吸引力和针对性的推广路径提供了可能。[2-4]而AI大模型技术的赋能，则使个性化微视频制作发生了质的飞跃。它不仅大幅降低了高质量创意视频的制作门槛，提升了内容生产效率，更能基于用户画像实现内容的深度个性化定制，并创造交互式、场景化的阅读推广体验，[5]为图书馆服务创新注入强大动力。因此，系统研究大模型赋能高校图书馆微视频阅读推广策略具有重要的理论价值与实践意义。

一、高校图书馆阅读推广的挑战与需求转向

尽管技术发展日新月异，但高校图书馆的阅读推广工作与用户需求之间还存在现实落差，而当前大模型的出现有望为解决该问题提供有效技术手段。

（一）传统推广模式的困境

当前，高校图书馆阅读推广主要还是依赖线下活动与线上图文推送两类形式。线下活动以读书沙龙、作者讲座、主题书展为主，线上则多通过官网、微信公众号等发布书目推荐或书评。然而，这些模式正面临挑战。首先是同质化内容泛滥，超过80％的高校图书馆推荐书目集中于文学经典与通识读物，缺乏对前沿学科热点及青年亚文化的响应，导致用户审美疲劳。其次是单向传播导致效果欠佳，线下活动参与率普遍低于15％，线上推文打开率不足10％。用户长期处于“被动接收”状态，缺乏即时反馈与深度互动机制。再次是时空限制，线下活动仅能覆盖校内极小群体，而图文信息在短视频平台冲击下阅读完成率降低。最后是评估体系失效，仅仅依赖借阅量、参与人数等量化指标，忽视用户情感共鸣与知识内化程度，难以真实反映推广价值。因此，高校图书馆传统的阅读推广模式不能适应数字生态的用户主权特征，陷入“投入高、回报低”的低效能困境。[6]

（二）用户行为变革：碎片化、视觉化与交互性需求升级

随着互联网技术重构高校用户的阅读逻辑，对图书馆服务提出了更高要求。新生代的大学生用户的注意力碎片化倾向不断加剧。研究显示，大学生日均接触信息量超5万字符，单次专注时长不足8秒。深度阅读场景被短视频、社交媒体等严重切割。新生代大学生用户中，有63％通过短视频获取知识，图文资讯的平均停留时间仅为视频内容的1/6。高校图书馆的经典著作解读图文点击量远低于同主题短视频播放量。根据问卷调查反馈，大学生更期待“定制化内容+即时交互”，如弹幕互动、剧情分支选择等功能，传统静态推送难以满足需求。此外，社交媒体推荐算法、学科社群、兴趣圈层形成的信息茧房导致通用型推广内容渗透率低。高校图书馆的标准化供给方式与用户的个性化碎片化需求间形成了“服务鸿沟”。[7]

（三）微视频的传播优势与传统制作瓶颈

微视频凭借短时高效、情感共鸣强、社交适配性高三大特质，有望成为图书馆阅读推广的破局利器。微视频通常时长在1—3分钟，可以更好地契合碎片化场景。据统计，微视频的用户完播率可达75％。微视频通过视觉化、场景化叙事可以更好地激发共情，如《平凡的世界》读书微视频转发量较文本明显提升。微视频具有更高的传播维度，如国家图书馆的传播微视频通过适配抖音、B站等平台吸引了大批粉丝，播放量达到28.9万次。[8]然而，传统的微视频制作方式严重地制约了其效能的释放。通常一个微视频从选题策划到成品发布需2—3周，无法响应热点事件。同时，多数高校图书馆缺乏专业影视制作人员，导致微视频的创意和制作质量不高、传播效果不佳。60％的图书馆微视频被用户评价为“说教感过强”。[9]此外，传统的微视频制作成本高昂，多数高校图书馆难以承担。最为重要的是，传统的依赖人工制作的微视频难以满足用户的个性化需求，更做不到精准匹配，使得微视频的传播潜力被传统生产模式的低效化、高成本、非智能化所抑制。

（四）个性化微视频需要大模型提供技术支撑

高校图书馆阅读推广正面临传统推广模式困境，亟需技术赋能的新范式。大模型作为生成式人工智能（AIGC）的代表，是一种通过海量数据训练、具备理解和生成多模态内容能力的通用技术框架，其核心突破在于跨模态理解与生成。如OpenAI的CLIP模型可同时解析文本与图像语义，[10]Stable Diffusion实现“文生图”，[11]而Sora等视频生成模型则打通“文本—视频”的创作链路。[12]这使得微视频脚本、画面、配音的协同生产成为可能。大模型技术凭借其跨模态理解与生成、上下文感知与个性化适配以及零样本/小样本学习能力，将微视频制作从“手工生产”转化为“智能按需生成”。[13]这一技术突破可为阅读推广带来三重价值提升。一是从“标准化推送”到“精准化服务”。大模型可基于用户借阅记录、学科标签、社交行为等数据自动生成定制化的精准匹配视频内容。二是从“单向传播”到“共生交互”。通过AI植入实时问答、分支剧情选择等功能，大模型赋能的微视频使用户从“观众”转变为“共创者”。三是从“活动式运营”到“生态化浸润”。大模型赋能的微视频成为连接多元场景的柔性媒介。通过嵌入在线课程、社群讨论、校园AR导览等场景，构建“随时随地可触达”的知识服务网络，使经典阅读浸润日常生活。同时，以数据驱动的个性化服务消除供需鸿沟，重塑阅读推广的文化影响力，这正是其发展的趋势所在。

二、大模型赋能微视频在高校图书馆阅读推广中的应用

大模型赋能的微视频可通过多元形式嵌入图书馆阅读推广体系，重构内容生产、用户交互与文化传播的实践逻辑。

（一）学科定制化微课制作

基于用户学科属性与学习需求，大模型可自动生成主题微视频，从而将晦涩难懂的学科知识具象化和视觉化。如为中文系学生生成《红楼梦》诗词意象动画，为物理系学生制作《时间简史》宇宙模型演示，从而将抽象理论转化为可感知的视觉表达；也可追踪诺贝尔奖公布、科技突破等事件，如在24小时内生成《CRISPR基因编辑技术入门》等科普短视频，来提升内容的时效性与学术价值。上述应用路径的核心作用是以精准知识供给深化阅读推广的专业性与吸引力。

（二）沉浸式交互体验设计

利用大模型的交互生成能力，构建用户深度参与的阅读场景。如用户可自主选择剧情走向从而最终导向个性化书单推荐；也可以嵌入视频的智能助手实时解答阅读疑难，或根据用户提问生成延伸书单动画；还可以将阅读与挑战赛联动，如可以发布“用AI工具重构古诗词意境”任务，用户上传文本创意后自动生成短视频参赛作品，形成用户生成内容的传播生态。该应用路径的核心是通过选择权移交与即时反馈，实现从“被动接收”到“主动探索”的转化。

（三）场景化生态构建

大模型赋能的微视频的快速生成能力，可以将微视频融入校园多维度空间，打造浸润式阅读场域。如在图书馆大厅屏幕轮播“地方文献中的百年校史”系列短片，在书架嵌入AR视频导览，进行学习空间的改造。通过与教务系统联动进行学习流程嵌入式推送，如在课程平台自动插入《文献检索方法动画指南》《论文写作经典案例解析》等微课视频。场景化生态构建的意义在于使阅读推广突破物理边界，成为连接“空间—课程—社群”的文化毛细血管。

（四）文化IP数字重生

大模型赋能的微视频还可以用于激活经典文本的当代生命力。如进行历史人物的数字孪生，通过生成“鲁迅荐书Vlog”“梁启超谈读书方法”等IP化短视频，建立传统与现代的情感联结。再如，将《本草纲目》药材图谱转化为3D动画，《天工开物》工艺步骤转为交互式操作指南。该应用路径的使命是以技术想象力唤醒典籍的当代价值，履行图书馆文化传承的重要责任。

三、实施挑战与应对策略：图书馆服务的多维考量

将大模型赋能的微视频应用于图书馆阅读推广虽前景广阔，但也面临挑战。这些挑战涉及伦理、技术、组织、成本及用户认知等多个层面，亟需图书馆界采取系统、前瞻的应对策略，才能确保技术应用行稳致远，真正赋能服务升级。

(一)构建伦理先行的内容治理新范式

大模型生成内容在图书馆场景的应用，首当其冲的挑战是伦理风险的泛化。版权归属模糊是核心问题。利用AI对经典著作、学术文献进行摘要、解读、可视化呈现并制作微视频，其成果的版权性质界定尚不明晰，存在潜在的侵权争议。算法偏见与信息茧房同样不容忽视。训练数据的不均衡可能导致大模型在书籍推荐、主题选择上偏向热门学科或主流观点，造成冷门优质资源、小众学术领域在微视频推广中被系统性忽视，加剧知识获取的不平等。更严峻的是深度伪造技术滥用的隐患。利用大模型生成高度逼真的“虚拟馆员”进行讲解，若缺乏明确标识或监管，可能引发用户对信息来源真实性的质疑，甚至被用于传播误导性信息，严重损害图书馆的公信力。

应对风险，需构建坚实的伦理与治理框架。一方面，制定《图书馆AIGC应用伦理指南》，明确AIGC微视频的版权合规流程并嵌入算法偏见检测与修正机制，如定期审核推荐结果、人工引入冷门学科权重；另一方面，建立“人工审核+AI检测”双轨并行的内容过滤与质量保障系统，对所有AI生成或深度参与的微视频进行强制性的“AI生成内容”标识，确保透明度，维护用户知情权与图书馆声誉。

(二)培育跨域协同的智慧馆员成长生态

大模型赋能微视频的落地对图书馆的组织结构和人员能力提出了全新要求，而当前能力建设普遍滞后。一方面，馆员AI素养不足，大多数一线馆员缺乏对大模型基本原理、主流工具的操作技能，尤其难以驾驭复杂的提示词工程以精准引导AI生成符合需求的微视频内容以及在内容生成后进行有效的评估与审查。另一方面，技术部门与业务部门（阅读推广团队、学科服务团队）之间存在协作鸿沟。技术部门可能聚焦于工具部署与维护，而推广团队对技术潜力和局限理解不深，学科馆员的专业知识难以有效转化为AI可理解的指令，导致需求响应迟滞、应用场景挖掘不足。

应对策略在于系统性提升组织效能与人才能力。一是设立专职的“AI推广馆员”或类似岗位角色负责AIGC应用的统筹、技术支持与伦理监督；二是开展分层、分阶段的专项培训，覆盖大模型基础认知、主流AI视频工具实操、高效提示词设计技巧、AIGC内容审核标准及伦理风险识别等核心能力；三是创建常态化的跨部门AIGC协作小组，成员需包含技术馆员、阅读推广馆员、学科馆员及版权/伦理专家，建立从需求提出（推广/学科团队）→技术方案设计及提示词优化（技术及AI推广馆员）→内容生成与审核（AI推广馆员及学科/版权专家）→应用反馈的闭环协作链路，打通技术与业务的壁垒。

(三)赋能以人为本的人机协同阅读体验

在技术落地层面，高昂的商用成本与服务稳定性是现实阻碍。依赖OpenAI、百度文心一言等商用大模型的API接口能生成高质量视频内容，但其费用随着使用频率和视频复杂度的提升而显著增加。而选择开源大模型进行本地部署或定制开发，虽然长期成本可能可控，但面临着模型服务稳定性不足，本地算力资源有限且运维要求高、开源社区支持不确定性等挑战。

对此，需探索多元化、可持续的资源整合与技术路径。一是采用“轻量级开源模型+本地化部署”策略，优先选择成熟度较高，对算力要求相对友好的视频生成模型进行本地部署，降低对云端商业API的依赖和长期费用支出；二是积极寻求校内资源协同，如图书馆与学校计算中心、信息网络中心或相关理工科院系共享高性能GPU计算资源，共建校内AI算力服务平台；三是探索建立区域图书馆联盟算力池，联合区域内多所高校图书馆共同投入、共享算力基础设施和技术支持力量，分摊成本与风险，实现规模效益。

(四)维系人文温度以应对用户认知偏差

用户对新技术的接受度和信任度直接影响推广效果。当前存在显著的用户认知偏差是部分师生用户可能对AI生成内容的深度和质量持怀疑态度，认为其缺乏学术严谨性或思想深度，仅是信息的浅层堆砌；更普遍的是对人文温度缺失的担忧，认为大模型生成的微视频内容过于机械、模式化，缺乏真人馆员推荐所传递的情感共鸣和人文关怀，难以建立深层次的情感联结和阅读兴趣激发。

应对策略的核心在于构建“人机协同、优势互补”的新范式，强化人文内核。一是设计并推广“馆员—AI协同创作”模式。由学科馆员或资深阅读推广馆员深度参与，负责把控微视频的主题立意、知识框架的准确性与深度挖掘，提供专业的解读视角和情感基调；而AI则专注于执行形式生成，如素材剪辑、特效添加、配音配乐、基础脚本草拟等技术性工作，将馆员的专业智慧与创造力从繁琐操作中解放出来。二是发起“真人馆员荐书+AI创意延展”的混合内容计划。例如，由真人馆员出镜进行简短、真诚的核心推荐，阐述书籍价值与个人感悟，随后利用AI根据推荐语自动生成动态视觉呈现、相关书籍推荐、互动问答环节等，丰富内容层次，在保证“人情味”的基础上提升吸引力和信息量。三是加强用户沟通与教育，通过说明、标识和互动活动，引导用户理解AI作为“效率工具”和“创意伙伴”的定位，其目标是辅助而非替代馆员的专业服务与人文关怀，最终实现以AI释放馆员创造力、以人文立魂，深化阅读感染力的智慧服务。

大模型赋能的微视频不仅是一种技术创新，更是高校图书馆阅读推广范式变革的支点。通过剖析传统推广模式的困境与用户需求转向，揭示了技术赋能下阅读推广从资源中心向用户体验中心转变的必然性。在应用层面，微视频通过定制化生成、沉浸式交互、场景生态渗透等路径，为破解用户触达难、参与弱、共鸣浅等痼疾提供了全新方案。然而，图书馆也需在拥抱智能化工具的同时，通过建立伦理规范、重构组织能力、创新轻量化运营模式，构建“人机协同、制度护航、用户参与”的可持续发展生态。未来，高校图书馆应主动将大模型赋能的微视频纳入智慧服务体系，并在持续探索技术可行性的过程中深化如下使命：一是以个性化微视频为纽带重塑用户与知识的情感联结；二是以交互式叙事为媒介，激活馆藏资源的生命力；三是以生态化场景为根基，构建适应数字原住民行为逻辑的阅读文化矩阵。

参考文献：

[1]胡清.个性化馆藏资源推荐技术在公共图书馆中的适用性分析[J].图书馆界,2022(03).

[2]杜永华.微视频在高校图书馆数字阅读推广中的应用研究[J].河南图书馆学刊,2022,42(05).

[3]孙英月.微视频在高校图书馆阅读推广中的应用探索[J].图书馆研究,2021,51(05).

[4]孙英月.高校图书馆利用微视频开展阅读推广研究[J].大学图书情报学刊,2020(05):38-41.

[5]白建林.智能剪辑：AI技术在微视频剪辑中的应用与展望［J］.新闻研究导刊，2024，15(18):16-22.

[6]明均仁,涂瑞德,袁圆.国内高校图书馆微视频服务发展现状调查及启示[J].图书馆学研究,2018(12):28-35.

[7]张波涛,吴起宏.“微阅读”背景下高校图书馆“微视频+”服务创新研究[J].江苏科技信息,2024,7(14):96-99.

[8]周青云.后疫情时代高校图书馆短视频服务研究[J].互联网周刊,2023(01):26-28.

[9]田愈征,刘卫兵.基于“微视频”荐书活动的公共图书馆阅读推广新模式[J].四川图书馆学报,2018(05):82-84.

[10]Radford,A.,Kim,J.W.,Hallacy,C.,Ramesh,A.,Goh,G.,Agarwal,S.,and utskever,I.(2021,July).Learning Transferable VisualModels from Natural Language Supervision.In International Conference on Machine Lea-rning.pp.8748-8763.

[11]Mercier A,Nakhli R,Reddy M,YasarlaR,Cai H,Porikli F,Berger G.(2025, December).HexaGen3D:Stable Diffusion is One Step Away from Fast and Diverse Text-to-3D Generation.In IEEE/CVF Winter Conference on Appl-ic ations of Computer Vision (WACV).pp.1247-1257.

[12]Feng W,Li Y, Ma C, and Yu L,(2025,January).From ChatGPT to Sora:Analyzing Public Opinions and Attitudes on Gen-erative　Artificial Intelligence in Social Media. IEEE Access. pp.14485-14498.

[13]肖波.AI技术在图书馆智慧服务中的应用研究——以ChatGPT为例[J].数字与缩微影像,2025(01):4-6.

本文系2024年江苏省高校图工委教改研究重点课题“面向未来学习的高校图书馆 AIGC 微视频精准传播体系建设”（编号2024JTZD03）和2024年江南大学图书馆、档案馆专项研究重点项目“基于AIGC的高校图书馆智慧学习支持服务体系构建研究”（编号JNTD202402）的阶段性成果。

（作者系江南大学图书馆副研究馆员）

【责任编辑：张卓】