知识管理论坛 >

2025 , Vol. 10 >Issue 6: 565 - 578

DOI: https://doi.org/10.13266/j.issn.2095-5472.2025.038

研究论文

AIGC和新医科背景下面向医学生需求的图书馆信息资源服务创新研究

  • 刘迷迷 ,
  • 曹振宇 ,
  • 黄成 ,
  • 吕亚兰 ,
  • 王浩林 ,
  • 杨美洁 ,
  • 侯筱蓉
展开
  • 重庆医科大学人工智能医学学院 重庆 400016
侯筱蓉，教授，博士，E-mail: 。

刘迷迷，讲师，博士;

曹振宇，本科;

黄成，副教授，博士;

吕亚兰，副教授，硕士;

王浩林，副研究员，博士;

杨美洁，讲师，博士。

收稿日期: 2025-08-10

  网络出版日期: 2025-12-16

基金资助

重庆市教育委员会人文社会科学项目“基于知识图谱和大模型的面向学科交叉融合的医学信息资源服务创新研究”(4SKGH044)

收起

Research on Innovation of Library Information Resource Services Addressing Medical Students' Needs in the Context of AIGC and Modern Medical Science

  • Liu Mimi ,
  • Cao Zhenyu ,
  • Huang Cheng ,
  • Lü Yalan ,
  • Wang Haolin ,
  • Yang Meijie ,
  • Hou Xiaorong
Expand
  • College of Artificial Intelligence Medicine, Chongqing Medical University, Chongqing 400016
Hou Xiaorong, Professor, PhD, E-mail: .

Liu Mimi, Lecturer, PhD;

Cao Zhenyu, Bachelor's Degree;

Huang Cheng, Associate Professor, PhD;

Lü Yalan, Associate Professor, Master's Degree;

Wang Haolin, Associate Researcher Fellow, PhD;

Yang Meijie, Lecturer, PhD.

Received date: 2025-08-10

  Online published: 2025-12-16

Supported by

This work is supported by Humanities and Social Sciences Research Project of Chongqing Municipal Education Commission project titled "Innovative Research on Medical Information Resource Services for Interdisciplinary Integration in the Context of Knowledge Graphs and Large Language Models"(4SKGH044)

Fold

摘要

【目的/意义】在人工智能生成内容（AIGC）广泛应用和新医科学科交叉融合背景下，解析医学生对图书馆信息资源服务的实际需求，并基于需求分析对图书馆信息资源服务创新提出针对性建议，为医科院校图书馆开展以需求为导向的、基于AIGC的跨学科医学信息资源服务优化和创新等提供参考对策。【方法/过程】通过设计问卷调查并分析813位医学生对医科院校图书馆医学信息资源服务的需求，以及其获取与利用医学信息资源的现状和能力。【结果/结论】分析发现，在AIGC和新医科学科交叉融合背景下，不同年级医学生对医学信息资源服务的需求日益多元化，对跨学科资源整合与智能化服务需求迫切，但医科院校图书馆现有跨学科信息资源分散、智能化服务不足；同时，医学生信息资源检索、阅读、管理等信息资源获取和利用能力较弱，并且对AIGC等新兴技术的应用需求较高但认知不足。基于上述需求和问题，本研究提出利用AIGC优化和创新医科院校图书馆跨学科医学信息资源服务，并开展基于AIGC的多层次信息素养培训教育以提升医学生跨学科医学信息资源获取与利用的能力和效率。

关键词： AIGC; 人工智能生成内容; 信息资源服务; 医学生; 图书馆

本文引用格式

刘迷迷 , 曹振宇 , 黄成 , 吕亚兰 , 王浩林 , 杨美洁 , 侯筱蓉 . AIGC和新医科背景下面向医学生需求的图书馆信息资源服务创新研究[J]. 知识管理论坛, 2025 , 10(6) : 565 -578 . DOI: 10.13266/j.issn.2095-5472.2025.038

Abstract

[Purpose/Significance] Against the backdrop of the widespread application of Generative Artificial Intelligence (AIGC) and the interdisciplinary convergence of new medical science, this study analyzed medical students' actual needs for library information resource services and put forward targeted suggestions for the innovation of library information resource services. It aimed to provide countermeasures and suggestions for medical university libraries to carry out demand-oriented, AIGC-based optimization and innovation of interdisciplinary medical information resource services. [Method/Process] By designing a questionnaire, this study surveyed and analyzed the demands of 813 medical students for medical information resource services provided by medical university libraries, as well as their practices and competencies in accessing and utilizing medical information resources. [Result/Conclusion] Analysis of the survey results found that in the context of AIGC and the interdisciplinary convergence of modern medical science, medical students across different academic years have increasingly diversified demands for medical information resource services, with an urgent need for integrated interdisciplinary resources and intelligent services. However, existing interdisciplinary information resources in medical university libraries are scattered, and intelligent services are insufficient. Simultaneously, medical students' abilities in accessing and utilizing information resources—including retrieving, reading, and managing them—are relatively weak. Furthermore, while their demand for the application of emerging technologies like AIGC is high, their understanding of these technologies is inadequate. Based on the above needs and problems, this study proposes utilizing AIGC to optimize and innovate interdisciplinary medical information resource services in medical university libraries, and conducting multi-tiered information literacy training and education based on AIGC to enhance the abilities and efficiency of medical students in accessing and utilizing interdisciplinary information resources.

Key words： AIGC; generative artificial intelligence; information resource services; medical students; library

1 引言/Introduction

随着信息技术在医学领域的深入应用和发展，医学信息资源愈发重要，医学生在学习和科研中对信息资源服务的需求日益增长[1]。然而，这些需求正随着人工智能生成内容（artificial intelligence generated content，AIGC）技术在信息资源服务领域的应用和发展而发生巨大变化。与此同时，为适应新一轮科技革命和产业变革的要求，我国开始推动新医科建设，新医科建设对医学生提出新要求，强调医工理文等多学科交叉知识融通，推动人文、医学专业、理工基础、前沿科技及交叉学科等课程有机结合的原有医学专业改革，以及发展精准医学、转化医学、智能医学等新医学专业。因此，新医科医学生对跨学科信息资源的需求日益强烈，传统的信息资源服务将难以满足医学生高效、准确地获取、整合和利用跨学科医学信息资源的新需求。
在传统医学教育和科研中，注重提升医学生检索及管理医学文献等技能，已无法满足新医科人才培养的需求[2]。新医科建设强调培养医学生跨学科知识整合的能力，亟需进一步提升医学生的信息素养，尤其是跨学科信息资源获取和利用的相关能力[3]。因此，有必要利用AIGC等新兴技术来创新跨学科医学信息资源服务模式，为医学生提供高质量、多元化、智能化的信息资源服务，并促进医学生综合素质和学科交叉融合能力的提升[4-5]。
目前，基于AIGC的信息资源服务相关研究尚处于探索和起步阶段，主要从理论层面讨论AIGC对信息资源管理学科、文献情报工作的影响[6-7]和对医学图书馆健康信息服务的机遇与挑战[8]，探讨大语言模型赋能智慧图书馆的场景与路径，其相关逻辑框架与知识平台，以及助力参考咨询服务、智慧知识服务、智能科技情报服务等[9-13]，提出基于AIGC的用户媒介素养养成应对策略，进行图书馆服务应用前景分析[14]，等等。然而，上述研究主要基于AIGC技术理论及其应用发展现状，且大多为综合类图书馆的相关研究，缺少跨学科信息资源服务视角的研究，尤其是针对新医科学科交叉融合背景下基于AIGC的医科院校图书馆的实证研究，也缺少对在校医学生实际信息资源服务需求的调研和分析。
在上述AIGC和新医科背景下，本研究面向医学生对医科院校图书馆医学信息资源服务的实际需求，分析医学生信息素养水平及其获取利用医学信息资源的现状和能力，解析医学生获取和利用跨学科信息资源存在的问题和面临的挑战。针对这些现状、问题和挑战，提出如何借助AIGC等新兴技术优化和创新医科院校图书馆医学信息资源服务，提升医学信息资源的质量和可用性，尤其是整合跨学科的信息资源，促进学科间的知识交叉融合，以满足医学生实际需求和新医科专业教育需求。同时，提出开展基于AIGC的多层次信息素养培训教育，提升医学生获取和利用跨学科信息资源的能力和效率。

2 调查研究/Investigation research

2.1 调查设计

通过设计问卷开展调查研究，为增强问卷调查的学术研究价值及符合学术研究规范，笔者在设计问卷时参考了已有相关研究的问卷内容，同时结合本研究主题进行了修改和补充。
问卷内容涵盖背景信息、信息资源获取及服务需求、信息资源获取和利用相关能力、信息素养提升需求4个方面。其中，背景信息涉及年级、专业，信息资源获取及服务需求包括信息资源获取需求、一般信息资源服务需求、跨学科信息资源整合及服务需求、基于AIGC等新技术的创新服务需求[15-17]，信息资源获取和利用相关能力则包括信息资源检索能力、医学文献管理能力、信息资源评估能力、信息阅读利用能力、AIGC等新技术应用能力[18-19]，而信息素养提升需求涉及信息素养现状和培训需求[20]。问卷框架见表1，根据问卷框架，本研究利用问卷星平台设计了具体题项，最终问卷包含49个题项。
表1 问卷设计框架

Table 1 Questionnaire design framework

一级指标 二级指标 三级指标 参考来源
A背景信息 A1学历（年级） A11学历（年级） -
A2专业 A21专业 -
B信息资源获取及服务需求 B1信息资源获取需求 B11信息资源获取来源；B12信息资源获取渠道；B13获取信息资源的主要困难

石丽红,2025[16]

陈晓娜,2020[20]

B2一般信息资源服务需求 B21接受图书馆提供过的信息资源服务；*B22对图书馆提供的信息资源服务满意度；B23对图书馆信息资源服务的改进建议

熊枫等,2020[15]

石丽红,2025[16]

B3跨学科信息资源整合及服务需求 B31所学专业涉及的跨学科知识；B32获取跨学科信息资源的方式；B33获取跨学科信息资源的主要困难；*B34一站式跨学科资源检索服务需求；*B35跨学科资源推荐或导航服务的需求；B36学科馆员服务的需求；*B37跨学科资源整合的需求

熊枫等,2020[15]

石丽红,2025[16]

B4基于AIGC等新技术的创新服务需求 *B41对AIGC应用于医学信息资源服务的了解程度；*B42基于AIGC的个性化资源推荐的需求；*B43基于AIGC辅助跨学科知识理解的需求；*B44对AIGC应用于信息资源检索的态度

黄成立,2025[17]

徐俊婷,2025[19]

C信息资源获取和利用相关能力 C1信息资源检索能力 C11最常用的检索工具；*C12对检索工具的熟练程度；C13所掌握的文献数据库高级检索技巧；C14所掌握的文献检索结果筛选和分析技巧

石丽红,2025[16]

陈晓娜,2020[20]

C2医学文献管理能力 C21管理文献时最常用的工具；*C22对文献管理工具的熟练程度；C23插入参考文献的常用方式

王雅静,2018[18]

陈晓娜,2020[20]

C3信息资源评估能力 *C31评估信息资源可靠性的能力；C32评估信息资源可靠性的方式 陈晓娜,2020[20]
C4信息阅读利用能力 C41阅读文献的方式；C42每周阅读文献的数量；*C43提炼核心观点和总结概括的能力；*C44分析研究方法、数据和结论逻辑的能力；*C45整合不同文献的观点并内化应用的能力；C46阅读医学文献时遇到的主要困难；C47辅助阅读、分析或总结文献内容的方式

王雅静,2018[18]

陈晓娜,2020[20]

C5 AIGC等新技术应用能力 C51使用AIGC辅助文献检索或数据分析；*C52对AIGC等新兴技术的了解程度；*C53对AIGC优化信息资源获取与利用的态度

黄成立,2025[17]

徐俊婷,2025[19]

D信息素养提升需求 D1信息素养现状 *D11了解什么是信息素养；*D12快速找到所需的信息资源的能力；*D13判断信息资源可靠性和权威性的能力；*D14有效地管理已获取的信息资源的能力；*D15将获取的学术资源有效内化应用的能力；*D16使用学术资源时遵守学术规范；*D17使用常见信息资源管理工具的能力 王雅静,2018[18]
D2培训需求 D21接受图书馆提供过的信息素养培训；D22学校开设医学文献检索相关课程情况；*D24信息素养培训内容的需求（是否有帮助性）；D25对信息素养培训方式的需求 石丽红,2025[16]

注：“*”标记的三级指标所对应的问卷题项是量表型题项（24个），未标记的则是非量表型题项（25个）。

2.2 调查实施

为更广泛地了解我国医学生在AIGC和新医科学科交叉融合背景下对医科院校图书馆医学信息资源服务的实际需求，本研究于2025年4月1—29日通过线下宣传和网络推送同步随机发放问卷，对全国不同学历和不同专业的医科院校医学生开展了调查，确保调查样本有一定的代表性，最终收回813份有效问卷。
所有题项均为必答题项，因此813份问卷无缺失数据。对所回收问卷中与被调查者感受程度或态度相关的量表型题项，采用李克特量表法进行打分，例如对熟练程度的“非常熟练、熟练、一般、不熟练、完全不会”依次记“5分、4分、3分、2分、1分”。本研究问卷各一级指标下包含了量表型题项和非量表型题项，并尝试基于量表型题项检验问卷的信度和效度，采用Cronbach's Alpha系数进行信度分析，从表2中可见问卷总体Cronbach's Alpha系数为0.862且各一级指标的Cronbach's Alpha系数均大于0.7，表明本研究所用量表具有较好的信度。同时，本研究基于量表型题项数据采用KMO（Kaiser-Meyer-Olkin）因子分析和Bartlett检验，并结合问卷内容设计综合分析问卷的效度。结果显示，共提取了4个因子，KMO值为0.888，Bartlett检验显著性小于0.001，说明问卷具有良好的效度。此外，分析各题项与因子的对应关系，发现对应关系与问卷内容设计比较接近，且各题项的因子载荷系数均大于0.4，因此题项和因子关系比较密切，说明问卷效度良好。
表2 问卷总体及各一级指标信度

Table 2 Reliability of the overall questionnaire and each primary index

一级指标 对应量表型题项数/个 Cronbach's Alpha系数 总体Cronbach's Alpha系数
A背景信息 0 - 0.862
B信息资源获取及服务需求 8 0.718
C信息资源获取和利用相关能力 8 0.730
D信息素养提升需求 8 0.783
此外，本研究采用定性和定量（如描述性统计分析、交叉分析等）相结合的方法对问卷进行深入的数据分析，识别了医学生在信息资源服务中面临的问题与挑战，分析了医学生对信息资源服务的实际需求，以及评估其获取与利用医学信息资源的现状和能力，尤其针对跨学科信息资源的服务需求、获取与利用的现状和能力。

3 研究结果/Research results

3.1 学历及专业背景情况

本研究有效调查了813位医学生，其中本科低年级（大一、大二）228人（28.1%），本科高年级（大三、大四、大五）353人（43.4%），研究生232人（28.5%）。从专业分布来看，临床医学类最多，共215人（26.4%），其次是医学技术类142人（17.5%）和口腔医学类139人（17.1%），见图1。
图1 专业类别分布情况

Figure 1 Distribution of professional categories for medical students

3.2 信息资源获取及服务需求分析

3.2.1 信息资源获取需求

在信息资源获取来源方面，医学生在学习和研究中最常用的信息资源是医学文献数据库（45.9%），而他们获取这些信息资源的渠道多为医学专业网站（40.0%），仅有18.0%的医学生通过学校图书馆网站来获取信息资源。分析医学生获取信息资源面临的主要困难，发现最主要的困难集中于“资源分散，难以整合”的问题（41.0%），其次是“检索结果不准确”（28.3%）和“资源获取权限受限”（20.5%）。
从不同学历（年级）来看，本科高年级医学生相比本科低年级医学生虽然开始尝试通过学校图书馆网站来获取信息资源（占比分别为24.1%和15.8%），然而他们更倾向于通过直接获取问题答案和知识的互联网搜索引擎来获取信息资源（占比分别为30.31%和34.0%），并且更加认为“资源获取权限受限”是获取信息资源的主要困难（占比分别为26.1%和14.5%）。研究生可能学习过医学文献检索相关课程或者更多地接受过学校图书馆读者培训，然而，他们相比于本科生仍然更愿意通过医学专业网站来获取信息资源，仍有32.8%的研究生面临的主要困难是“检索结果不准确”。
可见，医学生获取信息资源的渠道较高程度依赖于医学专业网站和互联网搜索引擎，对学校图书馆网站使用需求较低，且他们信息资源整合能力不足，信息资源检索和获取存在困难，这突显出了医学生对信息资源整合以及智能化、专业化的信息资源检索和获取相关服务及平台工具的迫切需求。

3.2.2 一般信息资源服务需求

在接受图书馆提供的一般信息资源服务方面，多数医学生接受过电子资源查阅服务（63.2%），其次为网络资源导航服务（49.6%）、文献借阅服务（46.4%）、微信公众号或读者服务QQ群（42.8%）等；绝大多数医学生对学校图书馆提供的医学信息资源服务（92.3%）表示很满意或满意，仅1.4%表示不满意或非常不满意。在对学校图书馆医学信息资源服务提出改进方面，较多医学生希望提供更多的开放获取资源（44.8%），其次是希望优化检索系统（29.3%）。
可见，医学生对图书馆信息资源服务存在使用偏好，且需求分化明显，大部分医学生首选电子资源查阅和网络资源导航，表明学生对数字化资源的需求较强，而传统的纸质文献借阅的需求较低。尽管绝大多数医学生对学校图书馆提供的医学信息服务表示满意或很满意，但他们仍然希望图书馆从提供开放获取资源、优化检索系统和提供个性化推荐服务等方面进一步优化服务。

3.2.3 跨学科信息资源整合及服务需求

新医科发展强调医学与信息科学、计算机科学、数学、生物学和管理学等的交叉融合。学科之间交叉融合已成为目前新医科发展的主流，95.8%的医学生在学习或研究中涉及其他学科的知识。医学生对跨学科信息资源获取需求强烈，但他们在获取跨学科资源时主要依赖于互联网搜索引擎（61.7%），较少通过学校图书馆渠道（18.7%），本科高年级和研究生相比于本科低年级尤其如此（占比分别为16.7%、17.7%和22.8%）。
在获取跨学科信息资源时，医学生面临的主要问题是缺乏检索工具（51.0%），研究生相比于本科生尤其如此（占比分别为59.9%和47.5%）。其次的问题是“资源分散，难以整合”（25.8%），而本科生相比于研究生还存在对跨学科术语不熟悉的困难（占比分别为24.9%和17.7%）。
绝大多数医学生希望图书馆整合跨学科资源以支持跨学科学习和研究（90.5%），提供跨学科检索平台工具（94.7%）、跨学科资源推荐或导航服务（91.5%）及检索与利用培训服务（91.0%）。在图书馆提供学科馆员服务需求方面，61.9%的医学生希望图书馆提供特定学科的资源推介，其次是科研支撑服务（56.0%）和培训讲座（54.6%）。
可见，目前图书馆跨学科信息资源服务已远远无法满足新医科医学生的实际需求，因此医学生在获取跨学科资源时主要依赖互联网搜索而非学校图书馆。从医学生跨学科信息资源服务实际需求来看，医科院校亟待从建立跨学科资源检索平台、整合跨学科资源、开展跨学科资源推荐或导航以及加强跨学科资源检索与利用培训等方面完善和优化图书馆跨学科信息资源服务的内容和模式。

3.2.4 基于AIGC等新技术的创新服务需求

AIGC等新技术已逐渐应用在人们生活、学习和工作的方方面面。基于AIGC等新技术的创新信息资源服务需求调查发现，80.7%的医学生了解或非常了解AIGC在医学信息资源服务中的应用，仅4.5%的医学生基本不了解或完全不了解；89.6%的医学生认为AIGC在医学信息资源检索中有帮助或非常有帮助；88.4%的医学生希望或非常希望图书馆提供基于AIGC的个性化文献推荐服务以及优化医学资源检索（90.3%），帮助理解跨学科信息资源（88.5%），提供智能问答帮助快速解决学术问题（91.3%）和提供跨数据库的一站式检索服务（90.3%）。
可见，大多数医学生对于AIGC的应用有一定的认知基础，并认为AIGC在医学信息资源检索中有帮助或非常有帮助。同时，绝大多数医学生对基于AIGC的个性化文献推荐服务、优化医学资源检索、理解跨学科信息资源、智能问答服务和跨数据库一站式检索服务等表现出强烈的需求，这些将成为未来医科院校图书馆基于AIGC等新技术开展信息资源服务创新的重要方向。

3.3 获取和利用信息资源相关能力分析

3.3.1 信息资源检索能力

在最常用的检索信息资源工具中，虽然医学生使用学校图书馆数据库占首位，但使用率偏低，仅为38.4%。因此，仍有较多学生倾向使用非专业的信息资源检索工具，如丁香园、梅斯医学、哔哩哔哩、CNDS等网络论坛（27.7%），百度学术、Google学术资源平台（14.1%）以及微信、微博等社交媒体（13.2%）。本科低年级相比于本科高年级和研究生更是如此，网络论坛使用占比最高为35.1%，而社交媒体平台使用占比最高为19.7%（见表3）。
表3 医学生常用检索工具及文献检索相关技巧掌握情况 (人（%）)

Table 3 Common search tools and literature retrieval skills mastered by medical students

三级指标 选项 本科生

研究生

（232人）

合计

（813人）

低年级

（228人）

高年级

（353人）

小计

（581人）
最常用的检索工具 Google学术 33（14.5） 52（14.7） 85（14.6） 30（12.9） 115（14.1）
百度学术 14（6.1） 28（7.9） 42（7.2） 10（4.3） 52（6.4）
丁香园、梅斯医学、哔哩哔哩、CNDS等论坛 80（35.1） 76（21.5） 156（26.8） 69（29.8） 225（27.7）
微信公众号/小程序、微博等社交媒体平台 45（19.7） 32（9.1） 77（13.3） 30（12.9） 107（13.2）
学校图书馆提供的数据库（PubMed、CNKI等） 56（24.6） 164（46.5） 220（37.9） 92（39.7） 312（38.4）
其他 0（0） 1（0.3） 1（0.2） 1（0.4） 2（0.2）
#文献高级检索技巧 布尔逻辑检索 82（36.0） 179（50.7） 261（44.9） 105（45.3） 366（45.0）
MeSH主题词检索 157（68.9） 243（68.8） 400（68.9） 144（62.1） 544（66.9）
截词检索 115（50.4） 195（52.2） 310（53.4） 110（47.4） 420（51.7）
引文检索与追踪 96（42.1） 174（49.3） 270（46.5） 101（43.5） 371（45.6）
字段限制检索 124（54.4） 196（55.5） 320（55.1） 158（68.1） 478（58.8）
其他 1（0.4） 3（0.9） 4（0.7） 1（0.4） 5（0.6）
#文献检索结果筛选和分析技巧 结果筛选 105（46.1） 227（64.3） 332（57.1） 115（49.6） 447（55.0）
结果排序与显示 171（75.0） 292（82.7） 463（79.7） 196（84.5） 659（81.1）
结果在线可视化分析 145（63.6） 228（64.6） 373（64.2） 163（70.3） 536（65.9）
结果保存与下载 135（59.2） 213（60.3） 348（59.9） 132（56.9） 480（59.0）
引文分析 26（11.4） 84（23.8） 110（18.9） 33（14.2） 143（17.6）

注：“#”标记的三级指标所对应的问卷题项是多选题项（2个），未标记的则是单选题项（1个）。

在文献高级检索技巧的掌握上，医学生对MeSH主题词检索、字段限制检索和截词检索等检索技巧掌握较好，而对引文检索与追踪、布尔逻辑检索等检索技能掌握不足。在文献检索结果筛选和分析技巧的掌握上，绝大多数医学生能够对检索结果进行排序与显示（81.1%），能够在线可视化分析和保存与下载的却不多，掌握引文分析技能的更少，仅为17.6%（见表3）。
在文献检索工具熟练程度上，医学生对常用中文数据库（CNKI和中国生物医学文献数据库——CBM）比较熟悉，掌握了这些数据库的基本检索技巧（平均分别为4.01分和4.00分），但对英文数据库PubMed和Web of Science的熟练程度还有待加强（平均分别为3.91分和3.89分），本科生相比于研究生尤其如此（总平均分别为16.39分和15.58分）。
可见，医学生基于图书馆数据库进行信息资源检索的使用率偏低，可能是因为图书馆现有信息资源或服务未能满足医学生对跨学科信息资源检索的需求。同时，医学生在文献检索工具使用熟练程度、文献检索技能和文献检索结果分析技能上，呈现出“基础操作熟练，高阶技能薄弱”的特征，这可能降低了医学生对文献进行深度检索和挖掘的能力。

3.3.2 医学文献管理能力

医学生在管理文献时使用的工具较为分散，NoteExpress、EndNote、Zotero和Mendeley均有使用，然而他们对这些工具的熟练度不足，平均得分不高（4个工具总得分平均为12.99分），本科生相比于研究生更是如此（总平均分别为13.10分和12.94分）。医学生相对常用和熟练使用的工具是NoteExpress和EndNote，占比分别为28.4%、25.7%，而熟练度平均分均只有3.41分。然而，仍有不少医学生并未使用文献管理软件工具自动管理文献，而通过文件夹等方式手动管理文献，本科生相比于研究生尤其如此（占比分别为12.9%和6.9%）。
在实际撰写学术论文插入参考文献时，虽然文献管理工具的使用率更高（61.6%），但仍有多达38.0%的医学生手动插入参考文献，低年级本科生相比于本科高年级和研究生更是如此（占比分别为43.9%、37.1%和33.6%）。可见，医学生对文献管理工具的使用和熟练程度还有待进一步提高，尤其是本科生。

3.3.3 信息资源评估能力

医学生比较缺乏评估信息资源可靠性的能力，63.2%的医学生能够经常评估信息资源的可靠性，而仅有9.2%的医学生总是能够评估信息资源的可靠性，平均分为3.79分，研究生平均分高于本科生（分别为3.85分和3.77分）。在文献评估的可靠性依据和方式上，更多的医学生通过文献的学术影响力（即被引频次）和来源权威性来评估文献可靠性，分别占比45.3%、39.6%。可见，医学生，尤其是本科生需要进一步提升评估信息资源可靠性的能力。

3.3.4 信息资源阅读利用能力

医学生每周阅读文献数量不多，53.7%的医学生平均每周阅读1—5篇。研究生平均每周阅读文献数量更多，每周6篇以上的相比本科生多，符合医学生不同学习阶段的特点，但有59.4%的研究生不超过5篇。
医学生阅读文献的方式倾向于效率导向，55.2%的医学生略读（即快速浏览，抓取关键信息）和26.7%的医学生选择性阅读（即只阅读摘要、结论等部分），快速阅读文献获取关键信息，精读的占比较低（仅占18.1%），研究生相比于本科生尤其如此。
在对文献内容进行阅读、总结或分析时，医学生更多地使用传统的记录关键词或核心观点（33.6%）；本科高年级相比于本科低年级和研究生更多通过AIGC工具辅助文献检索或数据分析，但在总体医学生中这仅占少数（33.9%）（见表4）。
表4 医学生阅读文献的数量、方式及主要困难 (人（%）)

Table 4 The quantity, methods, and main difficulties of medical students in reading literature

三级指标 选项 本科生

研究生

（232人）

合计

（813人）

低年级

（228人）

高年级

（353人）

小计

（581人）
每周阅读文献的数量 少于1篇 23（10.1） 67（19.0） 90（15.5） 11（4.7） 101（12.4）
1—5篇 128（56.1） 181（51.3） 309（53.2） 127（54.7） 436（53.7）
5—10篇 69（30.3） 89（25.2） 158（27.2） 82（35.4） 240（29.5）
超过10篇 8（3.5） 16（4.5） 24（4.1） 12（5.2） 36（4.4）
阅读文献的方式 精读（逐字逐句阅读） 49（21.5） 63（17.9） 112（19.3） 35（15.1） 147（18.1）
略读（快速浏览，抓取关键信息） 133（58.3） 178（50.4） 311（53.5） 138（59.5） 449（55.2）
选择性阅读（只阅读摘要、结论等部分） 46（20.2） 112（31.7） 158（27.2） 59（25.4） 217（26.7）
阅读医学文献时遇到的主要困难 句子结构和内容复杂 93（40.8） 102（28.9） 195（33.5） 110（47.4） 305（37.5）
外文文献语言困难 25（11.0） 62（17.6） 87（15.0） 22（9.5） 109（13.4）
专业背景知识不足 87（38.1） 129（36.5） 216（37.2） 72（31.0） 288（35.4）
专业术语理解困难 23（10.1） 60（17.0） 83（14.3） 28（12.1） 111（13.7）
辅助阅读、分析或总结文献内容的方式 记录关键词或核心观点 83（36.4） 116（32.9） 199（34.2） 74（31.9） 273（33.6）
人工智能工具（DeepSeek等） 41（18.0） 116（32.9） 157（27.0） 45（19.4） 202（24.9）
制作思维导图 69（30.3） 83（23.5） 152（26.2） 84（36.2） 236（29.0）
撰写摘要 34（14.9） 38（10.7） 72（12.4） 29（12.5） 101（12.4）
其他 1（0.4） 0（0） 1（0.2） 0（0） 1（0.1）
使用AIGC辅助文献检索或数据分析 是 50（21.9） 162（45.9） 212（36.5） 64（27.6） 276（33.9）
否 178（78.1） 191（54.1） 369（63.5） 168（72.4） 537（66.1）
医学生在阅读文献时，句子结构和内容复杂是首要困难（37.5%），研究生相比于本科生尤其如此。此外，存在专业知识背景不足的困难（35.4%），本科生相比于研究生尤其如此。专业术语理解困难和外文文献语言障碍问题较少（见表4）。
在阅读文献能力方面，医学生在提炼核心观点、总结概括，分析研究方法及设计、研究结论逻辑，整合文献观点并内化应用等能力方面得分不高，总得分平均为11.30分，各项平均分分别为3.70分、3.80分和3.80分，均有待进一步提升；研究生能力略高于本科生（总平均分别为11.69分和11.14分），尤其是整合文献观点并内化应用于自身学习或研究中的能力（平均分别为4.02分和3.71分）。

3.3.5 AIGC等新技术应用能力

在AIGC等新兴技术应用能力方面，目前大多数医学生了解或非常了解AIGC等新兴技术，而实际使用AIGC工具辅助文献检索或分析的仅有33.9%，主要使用DeepSeek、豆包、Kimi、ChatGPT、文心一言、天工、通义千问等AIGC工具检索文献、查找学习资料、整合资源、阅读及分析文献、总结归纳文献的主要内容、解答专业问题和辅助写作等。说明医学生目前对大模型技术的认知和期待较高，而实践应用少，突显现有的AIGC工具可能与医学生的实际需求不匹配。
本科生相比于研究生对AIGC的了解程度不高（占比分别为78.1%和85.3%），但使用率却更高（占比分别为36.5%和27.6%）；本科高年级相比于本科低年级尤其如此，使用AIGC占比分别为45.9%和21.9%，而了解或十分了解AIGC占比分别为73.1%和86.0%。可见，本科生对AIGC可能存在盲目使用或使用方法不恰当的情况，而研究生使用AIGC则更谨慎。
大多数医学生希望学习使用AIGC等新兴技术来优化信息资源获取与利用（90.0%），这与较多医学生没有使用过AIGC等新兴技术来辅助文献检索或数据分析形成强烈反差；本科低年级相比于本科高年级（占比分别为91.7%和85.8%）和研究生相比于本科生（占比分别为94.8%和88.1%）更是如此。这表明医学生尤其是本科低年级和研究生急切需要学习AIGC等新兴技术的知识，帮助他们更恰当和更有效地使用这些技术优化信息资源获取与利用过程。

3.4 信息素养提升需求分析

3.4.1 信息素养现状

大多数医学生自认了解医学信息素养（73.1%），然而通过快速查找所需的信息资源、判断已获信息资源的可靠性和权威性、有效地管理已获信息资源、将已获信息资源有效地应用到自己的学习或研究中、使用学术资源时遵守学术规范和熟练使用常见的信息资源检索及管理工具6项评估发现其信息素养却不高，总得分平均为22.30分，各项平均分最高仅为3.85分（使用学术资源时遵守学术规范）；快速查找到所需的信息资源和有效地管理已获取的信息资源的能力最低，平均分分别为3.56分和3.68分。
本科生相比于研究生信息素养偏弱（总得分平均分别为22.28分和22.34分），尤其是有效地管理已获取的信息资源（平均分别为3.63分和3.81分）和将获取的信息资源有效地应用到自己的学习或研究中（平均分别为3.68分和3.77分）。本科低年级相比于本科高年级信息素养更弱（总得分平均分别为21.57分和22.74分），尤其是快速查找到所需的信息资源（平均分别为3.37分和3.68分）和熟练使用常见的信息资源检索及管理工具（平均分别为3.63分和3.88分）。
可见，医学生对自身信息素养存在自我认知与实际素养水平不符的情况，本科低年级尤其如此。本科生有效地管理已获取的信息资源和将获取的信息资源有效地应用到自己的学习或研究的能力较弱；此外，本科低年级医学生快速查找到所需的信息资源和熟练使用常见的信息资源检索及管理工具的能力也较弱。

3.4.2 信息素养培训需求

当前医科院校开设医学文献检索课程的普及率高（92.5%），然而医科院校开展的信息素养培训普及率不高，医学生接受信息检索与利用技能培训最多，也仅占59.7%；接受文献管理与分析工具使用培训最少，仅占34.7%。
在信息素养培训需求方面，医学生对各种培训的需求均较高，认为各种培训有很大帮助或十分有帮助的超过80%，尤其是医学资源检索技巧培训（88.4%）和利用AIGC辅助检索和阅读培训（85.2%）。同时，数据分析工具培训被认为十分有帮助的占比最高，达43.5%。
在培训形式方面，医学生需求比较多元化，线上课程培训需求较高（44.2%），研究生相比于本科生尤其如此（占比分别为40.5%和28.1%）；而本科高年级相比于本科低年级和研究生对实践工作坊需求较高（占比分别为30.0%、20.2%和19.4%）。
可见，医学生对信息素养培训内容与形式的需求均呈现出多元化、分层的特点，需要针对医学生的实际需求调整培训结构和内容安排，兼顾内容深度和培训形式两方面来优化培训体系。在培训内容层面，技术应用和高阶技能的培训需求最为迫切，对智能化工具和精确检索能力培训的需求也较高。在培训形式方面，医学生需要线上与线下相结合的灵活的学习方式。

4 AIGC和新医科背景下医科院校图书馆信息资源服务创新建议/Suggestions for innovation of information resource services in medical university libraries in the context of AIGC and modern medical science

4.1 整合跨学科信息资源

针对新医科建设背景下医学生对跨学科资源整合的迫切需求，医科院校图书馆需加强整合医学、药学、生物学、计算机科学等多个学科领域的信息资源，优化跨学科信息资源配置，提供更多的数字资源，并建立更开放的跨学科医学信息资源获取平台，推动跨学科信息资源融合创新[21]。
同时，通过互联网和大数据等技术实现跨学科、多模态信息资源和服务的双向传递，为基于知识图谱、人工智能和AIGC等技术的信息服务价值挖掘和智能化训练提供丰富的跨学科资源，促进信息资源多向流动，为信息资源服务创新提供基础支撑[22]。此外，在资源整合的基础上，借助知识图谱、深度学习、自然语言处理和AIGC等技术，优化跨学科信息资源的管理与服务，提高信息检索和知识获取的价值及效率，以实现对跨学科信息资源的高效处理、自动化分析和知识发现，为新医科专业研究和实践提供信息资源和技术支持。

4.2 构建跨学科信息资源智能服务平台

针对现有图书馆存在“资源分散，难以整合”、跨库检索障碍，以及医学生信息资源检索和利用能力不足、技术适配性不足等问题，可构建跨学科信息资源智能服务平台。在优化检索系统实现基本的跨库、跨学科信息资源检索的基础上，借助知识图谱、人工智能和AIGC等技术实现信息资源智能检索和个性化推荐，并提供智能问答服务帮助医学生理解跨学科信息资源和专业领域知识[23]。
此外，基于跨学科医学信息资源构建知识图谱，并利用AIGC技术开发医学大模型，搭建智能检索与推荐系统、智能辅助阅读系统、智能文献挖掘系统和知识发现系统，建立面向新医科的智能知识管理工具和在线智能问答学术交流平台[24]。

4.3 创新信息资源服务模式

针对现有AIGC工具与医学生实际信息资源获取与利用需求不匹配，以及医学生对AIGC可能存在盲目使用或使用方法不恰当的情况，可利用AIGC、大数据和知识图谱等数智技术创新图书馆信息资源服务模式，推动图书馆服务模式向服务智慧化、资源精准化转型[25]。
利用图书馆用户大数据和AIGC技术分析医学生检索历史、浏览偏好，关注医学生的服务体验和需求，提出多元化和智能化的服务模式。例如，智能筛选、过滤海量信息资源，定向推送医学生最需要的资源；建立跨学科资源导航系统、知识引导和推荐路径，基于医学生个人研究方向与学科背景推荐学科交叉领域的资源，提升服务质量和效率[26-27]。
此外，拓展智慧空间，构建创客空间，优化知识情境，提升信息资源服务智慧水平，实现跨学科知识传递、智慧共享和成果共建，进而激发医学生多学科知识融合，培养医学生跨学科技能和支持科研创新[28]。

4.4 开展多层次信息素养培训教育

针对医学生信息资源获取与利用能力不足、信息素养不高，对AIGC技术应用需求强烈，以及不同年级需求多元化且分层等问题和现状，医科院校图书馆需要创新培训模式，开展多层次的信息素养培训教育。
在培训教育内容上，加强医学生信息资源检索与利用相关技术应用和高阶技能的培训（如跨库检索）；针对本科生侧重信息资源检索、管理和如何应用于学习或研究中，针对研究生侧重科研设计、开放资源获取及科研数据获取分析[17,29]。同时，加强基于AIGC技术的智能化工具和精确检索能力培训，以提高医学生利用AIGC辅助信息资源检索、阅读和利用的能力，避免医学生盲目使用AIGC技术，缩小医学生技术认知与实际能力的差距[30]。
在培训教育形式上，需要建立线上培训课程，覆盖技术应用和高阶技能等高频需求培训；而线下则以课程学习和课外培训相结合模式，定期组织答疑活动，由学科馆员与资深医学专家现场答疑，解决医学生学习和科研中的个性化问题，提升医学生的信息素养。

5 结语/Conclusions

在AIGC和新医科学科交叉融合发展背景下，我国医学生对信息资源服务的实际需求发生了变化，对跨学科信息资源整合、智能信息资源检索和精准信息资源获取需求增高，对AIGC技术的了解不足而应用需求却很高。同时，医学生信息素养水平不高且提升需求高，且存在信息资源检索和利用相关能力不足的问题，跨学科信息资源获取与利用相关能力尤其如此。上述现状和需求是医科院校图书馆在AIGC和新医科背景下创新信息资源服务模式的原始驱动力，未来亟需有效利用AIGC、知识图谱和大数据等新兴技术整合跨学科信息资源，构建跨学科信息资源智能服务平台，创新信息资源服务模式和开展多层次信息素养培训教育，提升跨学科信息资源服务质量和效率，推动服务模式创新，进而促进新医科医学生信息素养和学科交叉融合能力提升。

刘迷迷：调查问卷设计，数据分析，论文撰写和修改；

曹振宇：调查问卷设计，调查实施，数据分析和论文撰写；

黄　成：调查问卷设计，对策建议研究和论文修改；

吕亚兰：调查问卷设计，数据分析和论文修改；

王浩林：调查问卷设计，数据分析和论文修改；

杨美洁：调查问卷设计，数据分析和论文修改；

侯筱蓉：调查问卷设计，数据分析，对策建议研究和论文修改。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
黄崑, 赵晨, 李鸿, 等. 科研情境下大学生AIGC工具使用意图模型构建研究[J]. 图书情报工作, 2025, 69(7): 53-66.

HUANG K, ZHAO C, LI H, et al. Research on the intentions model construction of college students using AIGC tools in the academic context[J]. Library and information service, 2025, 69(7): 53-66.

[2]
田原, 郭娜.新医科视域下医学院校信息素养教育改革路径探索[J]. 中国医药导报, 2025, 22(10): 92-97.

TIAN Y, GUO N. Exploration on the reform path of information literacy education in medical colleges from the new medical perspective[J]. China medical herald, 2025, 22(10): 92-97.

[3]
张冬梅, 刘红芝.新医科背景下医学院校图书馆信息素养教育探究[J]. 江苏科技信息, 2024, 41(3): 68-71.

ZHANG D M, LIU H Z. Analysis of information literacy education in medical college libraries under the background of new medical science[J]. Jiangsu science and technology information, 2024, 41(3): 68-71.

[4]
宰冰欣, 叶兰, 林伟明, 等. AIGC背景下国内外高校图书馆AI素养教育实践模式研究——基于对60所世界一流高校图书馆的调研[J]. 图书馆杂志, 2024, 43(12): 89-102.

ZAI B X, YE L, LIN W M, et al. Research on AI literacy education practice models in university libraries in the context of AIGC: based on the investigation of 60 world-class university libraries[J]. Library journal, 2024, 43(12): 89-102.

[5]
刘琼, 刘桂锋, 卢章平, 等. 谋求与突破:ChatGPT对信息资源管理学科的影响与启示[J]. 信息资源管理学报, 2023, 13(5): 73-78.

LIU Q, LIU G F, LU Z P, et al. Seeking and breaking through: ChatGPT illuminating the way ahead for the discipline of information resource management[J]. Journal of information resources management, 2023, 13(5): 73-78.

[6]
LUND B D, WANG T. Chatting about ChatGPT: how may AI and GPT impact academia and libraries?[J]. Library hi tech news, 2023, 40(3): 26-29.

[7]
张智雄, 于改红, 刘熠 等. ChatGPT对文献情报工作的影响[J]. 数据分析与知识发现, 2023, 7(3): 36-42.

ZHANG Z X, YU G H, LIU Y, et al. The influence of ChatGPT on library & information services[J]. Data analysis and knowledge discovery, 2023, 7(3): 36-42.

[8]
丁文婧.ChatGPT影响下医学图书馆健康信息服务的挑战与应对[J]. 大学图书情报学刊, 2023, 41(5): 3-8.

DING W J. Challenge and response of ChatGPT to health information service in medical library[J]. Journal of academic library and information science, 2023, 41(5): 3-8.

[9]
郭亚军, 郭一若, 李帅, 等. ChatGPT赋能图书馆智慧服务：特征、场景与路径[J]. 图书馆建设, 2023(2): 30-39, 78.

GUO Y J, GUO Y R, LI S, et al. ChatGPT Empowers library smart service: characteristics, scenarios and realization paths[J]. Library development, 2023(2): 30-39, 78.

[10]
张晓林, 梁娜.知识的智慧化、智慧的场景化、智能的泛在化——探索智慧知识服务的逻辑框架[J]. 中国图书馆学报, 2023, 49(3): 4-18.

ZHANG X L, LIANG N. Knowledge is towards being wisdom, wisdom needs to be scenario-based, and intelligence can be ubiquitously embedded: exploration of the logical framework of intelligent knowledge services[J]. Journal of library science in China, 2023, 49(3): 4-18.

[11]
李巍, 李树元.基于大语言模型和知识图谱的数字孪生流域知识平台设计[J]. 海河水利, 2023(12): 75-78.

LI W, LI S Y. Design of digital twin basin knowledge platform based on large language model and knowledge graph[J]. Haihe water resources, 2023(12): 75-78.

[12]
CHEN X T. ChatGPT and its possible impact on library reference services[J]. Internet reference services quarterly, 2023, 27(2): 121-29.

[13]
刘逸伦, 黄微, 张晓君, 等. AIGC赋能的科技情报智能服务：特征、场景与框架[J]. 现代情报, 2023, 43(12): 88-99.

LIU Y L, HUANG W, ZHANG X J, et al. Research on the artificial intelligence-generated content enabled intelligent scientific and technical information service framework[J]. Journal of modern information, 2023, 43(12): 88-99.

[14]
厉晓婷, 王传领.人工智能时代用户媒介素养的养成：机遇、挑战及应对策略[J]. 中国编辑, 2023(10): 74-78.

LI X T, WANG C L. The cultivation of user media literacy in the era of artificial intelligence: opportunities, challenges, and coping strategies[J]. Chinese editors journal, 2023(10): 74-78.

[15]
熊枫, 宋国强.基于LibQUAL模型的医学高校图书馆服务质量评价研究[J]. 中华医学图书情报杂志, 2020, 29(2): 46-51.

XIONG F, SONG G Q. LibQUAL model-based assessment of service level in medical academic libraries[J]. Chinese journal of medical library and information science, 2020, 29(2): 46-51.

[16]
石丽红.高校用户电子资源使用与需求调查分析——以燕山大学为例[J]. 江苏科技信息, 2025, 42(4): 131-136.

SHI L H. Investigation and analysis of university users' electronic resource usage and demand: taking Yanshan University as an example[J]. Jiangsu science and technology information, 2025, 42(4): 131-136.

[17]
黄成立.大学生AIGC利用现状与高校图书馆服务的实证分析[J]. 情报探索, 2025(2): 119-126.

HUANG C L. Empirical analysis of college students' utilization of AIGC and university library services[J]. Information research, 2025(2): 119-126.

[18]
王雅静.大学生信息素养的群体差异性分析[J]. 情报探索, 2018(12): 79-86.

WANG Y J. Analysis on the group differences of information literacy among university students[J]. Information research, 2018(12): 79-86.

[19]
徐俊婷.探索生成式AI在辅助大学生利用图书馆数字资源中的作用与挑战[J]. 时代青年, 2025(7): 4-6.

XU J T. Exploring the application of generative AI in assisting college students in utilizing digital resources in libraries role and challenges[J]. Youth of the times, 2025(7): 4-6.

[20]
陈晓娜.多学科背景下高校学生信息素养的评价指标体系研究[J]. 江苏科技信息, 2020, 37(12): 72-74.

CHEN X N. Research on the evaluation index system of college students' information literacy under the background of multi-disciplinary[J]. Jiangsu science and technology information, 2020, 37(12): 72-74.

[21]
高冰洁, 姚晓霞. 高校图书馆文献信息资源保障体系发展的机遇、挑战与思考[J]. 图书情报工作, 2024, 68(6): 21-29.

GAO B J, YAO X X. Opportunities, challenges and reflections on literature and information resources system of university libraries[J]. Library and information service, 2024, 68(6): 21-29.

[22]
丁遒劲, 苏静. 面向生成式人工智能（AIGC）的图书馆信息资源建设优化策略研究[J]. 图书情报工作, 2024, 68(18): 23-31.

DING Q J, SU J. Research on the optimization strategies for library information resources construction oriented to the development of AIGC[J]. Library and information service, 2024, 68(18): 23-31.

[23]
马坤坤, 朱玲玲, 茆意宏.学术平台智慧阅读服务现状剖析与AIGC技术赋能路径[J]. 图书情报工作, 2025, 69(2): 45-55.

MA K K, ZHU L L, MAO Y H. Current situation analysis of smart reading services on academic platforms and AIGC technology empowerment paths[J]. Library and information service, 2025, 69(2): 45-55.

[24]
朱玉萍, 张伟.AIGC赋能图书馆阅读障碍服务研究[J]. 图书馆学刊, 2025, 47(2): 15-19.

ZHU Y P, ZHANG W. Research on AIGC empowering library reading disability services[J]. Journal of library science, 2025, 47(2): 15-19.

[25]
金越凤, 范宜峰, 金文忠.AIGC视域下医院图书馆知识服务转型场景与路径探究[J]. 医学信息学杂志, 2025, 46(4): 86-91.

JIN Y F, FAN Y F, JIN W Z. Exploration of scenarios and pathways on transformation of knowledge service in hospital libraries under the AIGC perspective[J]. Journal of medical informatics, 2025, 46(4): 86-91.

[26]
刘金奎, 曾山晋.AIGC技术赋能：图书馆学科咨询的深度融合与服务创新[J]. 文化创新比较研究, 2025, 9(3): 163-166.

LIU J K, ZENG S J.AIGC technology empowerment: the deep integration and service innovation of library discipline consulting[J]. Comparative study of cultural innovation, 2025, 9(3): 163-166.

[27]
孙尚锋, 沈宁, 刘琳, 等.生成式AI时代图书馆智慧阅读推广模式研究[J]. 图书馆理论与实践, 2024(4): 83-88.

SUN S F, SHEN N, LIU L, et al. Research on the promotion model of library intelligent reading in the age of generative Al[J]. Library theory and practice, 2024(4): 83-88.

[28]
张静蓓, 虞晨琳, 蔡迎春, 等.面向科研场景的AI素养教育内容体系构建研究[J/OL]. 图书馆杂志[2025-06-12]. http://kns.cnki.net/kcms/detail/31.1108.G2.20250218.1330.002.html

ZHANG J B, YU C L, CAI Y C, et al. Research on constructing an Al literacy education content system for scientific research scenarios[J/OL]. Library journal[2025-06-12]. http://kns.cnki.net/kcms/detail/31.1108.G2.20250218.1330.002.html

[29]
万益嘉, 顾立平.研究生使用AIGC工具的行为动机与影响因素：基于问卷调查的实证分析[J]. 农业图书情报学报, 2024, 36(10): 4-22.

WAN Y J, GU L P. Behavioral motivation and influencing factors of graduate students using AIGC tool: an empirical analysis based on questionnaire survey[J]. Journal of library and information science in agriculture, 2024, 36(10): 4-22.

[30]
罗国锋, 易童, 闫舟舟.面向AIGC应用的高校图书馆批判性信息素养教育研究[J]. 农业图书情报学报, 2025, 37(1): 47-58.

LUO G F, YI T, YAN Z Z. Critical information literacy education in university libraries from the perspective of AIGC application[J]. Journal of library and information science in agriculture, 2025, 37(1): 47-58.

Options
文章导航

/

〈 〉