大数据驱动的大学生由“浅”及“深”的阅读新模式浅析

彭 虎

（九江学院信息科学与技术学院 江西·九江 332005）

0 引言

数字化阅读对传统图书阅读带来的冲击越来越大，从中国新闻出版研究院发布第十七次全国国民阅读调查报告中可知，2019 年我国成年国民包括数字出版物和在书报刊内的各种媒介的综合阅读率为81.1%，其中网络在线阅读或手机阅读等数字化阅读方式的接触率为79.3%，与之相比，传统的图书阅读率仅为59.3%。从中可以看出，基于手机或移动屏幕的新媒体阅读所占比重越来越大，给社会大众特别是乐于接受新事物的大学生带来了巨大冲击，“浅阅读”“低效阅读”等问题也随之而来。[1]

随着信息技术的不断发展，大学生惯于浅阅读，而懒于深阅读。因此，在大学生身上呈现的是“浅”与“深”相矛盾，阅读习惯与学业要求相对立。[2]碎片化的新媒体信息与课业要求的个性化学习需求相差甚远，缺乏精准的阅读信息是大学生这一群体面对的突出问题。[3]

针对这一目前亟待解决的问题，国内外研究者主要集中在移动互联时代的大学生阅读变迁以及对浅阅读现象及影响因素方面的研究。[4,5]已有的相关研究存在单一性和浅层次问题，或探讨数字化阅读带来的浅阅读的特性和现状，或研究当前数字化深、浅阅读之间的矛盾，缺乏在大数据环境下如何紧紧围绕大学生浅阅读行为特点深入破解问题的对策研究。为此，本文探讨了在大数据的时代背景下如何将浅阅读转化为有效的深阅读，最大限度地激发学生的学习积极性。

1 大学生阅读行为分析

阅读是教育的核心，培养合格的阅读者应该是现代教育的重要教学目标之一。大学生的阅读可分为专业阅读和普通阅读两种，大学生通过阅读与课业相关的专业书或考试类书以完成学业，并提升专业技能，通过普通阅读选择自己感兴趣的书，从而实现拓展视野、丰富知识和提升综合素质。通过网络问卷，我们对大学生群体的阅读行为进行调查，并使用结构方程模型进行分析，总结出大学生群体阅读行为特点主要如下。

（1）阅读内容丰富，阅读需求不确定。在这样一个“信息爆炸”的时代，各种新媒体层出不穷，内容呈现形式多种多样，很多经过精心设计的舆论或娱乐信息吸人眼球。部分大学生每天花费大量的课外甚至是课内时间沉浸其中，但这些新媒体内容多数与大学生的课业不相关，从学业的角度来说帮助甚微，却挤占了时间，消耗了精力。大学生在数字化阅读的这种开放式阅读过程中其实并不了解自身的阅读需求或阅读目的，往往是从一个链接扩散到另一个链接，有用的与无用的，有趣的与无趣的都照单全收，容易被一些没用的或不良的信息所影响。因此从大学生课业的角度出发，在海量的阅读内容中，需要聚焦阅读目标。

（2）浅阅读与深阅读的矛盾与对立。浅阅读是信息时代发展的产物，有其必然性和必要性，且与新时代大学生的个性特点相吻合，深受其喜爱。但大学生最重要的标签是学生身份，专业知识的需求与深阅读相对应，深阅读是其专业成长的必由之路。现实的情况是，大学生惯于浅阅读，而懒于深阅读，需深阅读时而浅尝辄止，该浅阅读时而忙于深究。因此，在大学生身上呈现的是“浅”与“深”相矛盾，阅读习惯与学业要求相对立。

（3）深阅读与精准信息推送。缺乏精准信息的推送，无法满足个性化学习需求，是大学生这一群体面对的突出问题。因此，如何将无序的碎片化信息整合为有序的精准化信息，通过浅阅读来促进深度阅读，为此必须构建一种新型的以大数据技术为支撑的阅读新模式，这也是高校校园阅读文化发展的必然趋势。为实现由“浅”向“深”的演进，可分两条路径实施推进，一是倡导并构建浓郁的校园阅读新文化与学习氛围，二是通过技术手段推动大学生勤于深阅读，将浅阅读转化为有效的深阅读。

2 由“浅”及“深”的阅读新模式

大数据驱动的大学生由“浅”及“深”的阅读模式，让学生能随时获得其想要的图书目录，让学生与图书之间通过各自的阅读属性建立一种能进行有效互动的关联。基于大数据技术，如随机森林和协同过滤等机器学习算法，构建图书馆新书推荐的图书推送平台，从技术的角度推动大学生勤于深阅读，将浅阅读转化为有效的深阅读。从而形成良性的学生与图书之间的互动，通过交互式的合作突破标准式的流弊，从而达到最大限度地激发学生的学习积极性。大数据驱动的大学生由“浅”及“深”的阅读模式的技术路径如图1 所示。

图1 阅读新模式技术路线图

（1）阅读大数据的采集和清洗。阅读数据的采集和清洗是实现阅读内容精准推送的关键，将逐步建立大学生阅读大数据，以支撑对大学生阅读行为的分析和精准推荐算法的训练。数据主要来源于高校图书馆的学生借阅数据。

（2）阅读内容推送技术。在高校图书馆中，目前可以做到的有新书的电子邮件通知、电子布告栏上新书通知以及图书荐购等。实际上，如果能引入书籍精准推送服务，那么对于师生读者而言，必然能极大提高使用效率与满意度。首先，需要获取原始数据并进行清洗工作；然后，基于算法对用户偏好数据进行挖掘，以形成离线规则库；最后，系统根据用户的基本信息，为目标用户提供个性化的新书推荐服务，该服务包括主页面展示及邮件推送这两种方式。

新书推荐功能的实现过程包括为数据准备、数据挖掘及生成推荐。其中，数据准备是从数据库中读取用户的评分记录并通过数据清洗得到有价值的信息，数据挖掘是基于相关的推荐算法模型（如协同过滤或随机森林等）对用户的偏好数据（评分值、评分时间、书籍短评等）进行计算并得到离线规则库，从而生成推荐信息。

（3）校园阅读新文化的构建。校园阅读新文化的构建在大学生由“浅”及“深”的阅读模式的技术路径中至关重要，阅读文化的培育与大数据技术的支撑这两者是相辅相成，互为依托，互相促进。只有在校园阅读新文化的熏陶下，在大数据技术的积极促进下，才能在潜移默化中推动大学生勤于深阅读，乐于深阅读。校园阅读新文化的构建应该线上线下双轨推动。传统的讲座或阅读沙龙等要持续并努力发扬光大，同时需要创新形式，吸引学生积极参与其中，在校园中能定期掀起一股阅读潮流。面对新兴的线上阅读活动，也要全力推广，持续推进。线上活动相对于线下活动更易于组织，但如何让学生积极有效参与是一大难题。

3 总结

本文浅析了大数据驱动的阅读新模式，让学生能获得其想要的图书目录，让学生与书之间通过各自的阅读属性建立一种能进行有效互动的关联。基于大数据技术，如随机森林和协同过滤等机器学习算法，构建图书馆新书推送平台，从技术的角度推动大学生勤于深阅读，将浅阅读转化为有效的深阅读。