知识卡片：理解生成式AI中介的学术图书馆资源用户参与
英文标题：Understanding Generative AI-mediated User Engagement with Academic Library Resources
英文关键词：generative AI; academic library; user engagement; discovery pathway; referral analysis; ChatGPT; Perplexity; Gemini; institutional repository; open access
一句话结论
生成式AI（以ChatGPT、Perplexity、Gemini为代表）已成长为学术图书馆资源的新兴发现渠道；集成链接引用功能后，AI带来的流量显著增长，且用户主要访问位于机构知识库中的开放获取电子学位论文。
事件概述
该研究对2023年8月至2025年10月的网络分析数据进行了实证分析，考察生成式AI作为学术图书馆资源发现途径的角色。研究聚焦于AI中介流量随时间的变化，以及哪些AI平台和资源类型主导了用户访问。
方法/产品要点
- 数据来源：待核实具体图书馆系统与工具，但研究基于机构网络分析（web analytics）数据，涵盖两年多的时间窗口。
- 关键事件：在观察期间，某时间点（待核实具体日期）集成了链接引用（linked citation）功能，该功能可能允许AI直接引用图书馆资源的稳定链接。
- 分析维度：推荐来源（referral analysis）识别出推动流量的主要AI平台；同时分析用户最终访问的资源类型（如机构知识库中的电子论文和学位论文）。
主要结果
- AI中介流量显著增长：在集成链接引用功能后，由生成式AI导向图书馆资源的流量出现大幅上升。
- 主要AI平台：ChatGPT、Perplexity、Gemini是推动该流量的三大平台。
- 资源类型偏好：大量用户通过AI访问机构知识库（institutional repository），主要获取电子论文和学位论文（electronic theses and dissertations）。
- 资源特征：被AI有效暴露的资源通常具有结构化元数据、稳定永久链接（stable permalinks），且为开放获取、免费可用。
为什么重要
- 首次系统性地量化了生成式AI在学术图书馆资源发现中的实际影响，而不仅仅是理论讨论。
- 揭示了AI检索机制对开放获取资源的结构化优势：有良好元数据和稳定链接的开放资源更易被AI“表面化”（surfaced）。
- 为图书馆管理者提供数据驱动的策略依据，以应对不断演变的AI生态（例如与主要AI平台合作、优化元数据与链接稳定性）。
- 与已有相关卡片无直接重叠，本卡片聚焦于生成式AI与图书馆资源交互的实证分析，属于信息科学（DL）领域的新贡献。
局限与不确定性
- 研究基于单一机构的数据，普适性有待跨机构验证。
- 因果推断（如链接引用功能导致流量增长）需注意其他潜在混淆变量（如同期AI用户增长、推广活动）。
- 未区分AI提供引用链接的具体形式（例如是直接点击还是间接跳转），流量归因方法细节待核实。
- “显著增加”的具体数值（如增长率、流量占比）在摘要中未提供，需查阅全文确认。
可用于图书/PPT/简报的角度
- 趋势图：展示2023–2025年AI中介流量变化曲线，标注链接引用功能上线时间点。
- 饼图/柱状图：三大AI平台（ChatGPT、Perplexity、Gemini）带来的流量占比。
- 资源类型热力图：用户访问的资源类型分布，突出电子论文与学位论文。
- 行动建议：图书馆应优先为开放获取资源维护结构化元数据与稳定永久链接，主动与AI平台合作纳入知识图谱。
- “AI作为发现入口”对比传统发现系统：制作对比表格，强调AI的便捷性与对开放资源的偏好。
原始材料
- 论文标题：Understanding Generative AI-mediated User Engagement with Academic Library Resources
- 作者：Hae Min Kim, Stacy Stanislaw
- 发布/更新：2026-07-22
- arXiv ID：2607.20328v1
- arXiv URL：https://arxiv.org/abs/2607.20328v1
- PDF URL：https://arxiv.org/pdf/2607.20328v1