当期荐读 2021年第1期 | 任务驱动下的学术数据库新手心智模型演进及学习模式研究（内含视频摘要）

     ISSN 1003-2797

     CN 42-1085/G2

     双月刊

     同行评审期刊

王菲妍 柯青  

(南京大学信息管理学院,南京,210023)

韩正彪

(南京农业大学信息管理学院,南京,210095)

目的/意义

如何理解新手在与学术数据库交互过程中其心智模型的演进过程和学习模式是值得关注的问题，探究任务类型对学术数据库新手用户心智模型和学习模式的影响能够更好地帮助用户使用学术数据库。

研究设计／方法

本研究通过77位新手用户参与完成三种不同类型的任务（事实型搜索、探索型搜索和干涉型搜索）前后分别绘制的中国知网概念图的实验，对概念图的结构差异和内容差异进行分析，探讨不同任务情境下学术数据库新手心智模型的演进规律及学习模式。

结论／发现

研究表明用户信息搜索前后心智模型的演进模式受到任务类型的驱动，呈现出不同的概念图结构和维度内容；用户在不同任务的搜索前后均进行了学习行为，但学习模式存在差异，大多数新手用户在事实型任务和干涉型任务搜索后进行了有意义的学习，而在探索型任务搜索后用户进行了初步学习。

创新／价值

从任务类型的影响视角丰富了“搜索即学习”中的新手用户心智模型和学习模式的研究内容，有利于信息专业人员为新手开展信息检索技能培训和优化检索系统设计。

关键词

信息搜索 心智模型 概念图 新手用户 学习模式

01

引 言

心智模型的概念最早由Craik于1943年提出[1]，他认为心智模型是深深植根于人们思维中的许多陈见、假设和印象，影响人们如何认识、解释和面对世界，以及怎样采取行动[2]。一些学习理论和行为研究中，心智模型被用来表示人类的知识结构，其演进过程体现了知识结构发生的变化[3]。图书情报领域主要探讨了心智模型的构成维度、测量方法、影响因素、分类及效应等方面[2]，近年来心智模型开始应用于学术数据库相关研究，本文所关注的心智模型是指用户与学术数据库交互过程中根据其内在信念和知识结构来理解学术数据库的一种心理机制[4]。

影响学术数据库使用的主要问题在于用户检索技能低、对数据库内容缺乏了解[5]，而新手用户更容易存在这些问题。著名可用性专家Norman的“执行/评估的鸿沟”观点认为，用户错误的心智模型和系统概念模型不匹配而产生“鸿沟”会使人们与系统交互时感到迷惑、表现不佳[6]，恰当的心智模型则能使用户更有效地使用检索系统[7]。因此，可通过信息检索培训帮助新手用户建立完善的学术数据库心智模型、优化学术数据库自身界面来增进与用户心智模型的匹配，达到促进学术数据库利用的目的。目前已有研究[7-9]表明心智模型是用户搜索行为中的一个重要因素，用户心智模式的演进是信息搜索情境下的学习行为的一部分[10]，但以新手使用学术数据库为研究情境的心智模型和学习模式的研究仍不够深入。因此理解新手在与学术数据库交互过程中对系统的心智模型的演进过程和学习模式是值得关注的问题。

在前面的工作中我们探索了任务类型对用户认知分布及其演进机理的影响[4]，本文进一步从任务类型的影响视角，探讨三种任务情境下（事实型搜索、探索型搜索和干涉型搜索），新手用户使用学术数据库时心智模型的演进及学习模式的特征，具体研究问题为：①新手用户在经历不同类型的搜索任务后学术数据库心智模型呈现出怎样的演进趋势？②新手用户在完成不同类型的任务时，分别关注心智模型的哪些维度？③新手用户在搜索不同任务类型时，用户心智模型演进中的学习模式具有什么特征？本文从任务类型的影响视角丰富了“搜索即学习”中的新手用户心智模型和学习模式的研究内容，有利于信息专业人员为新手开展信息检索技能培训和优化检索系统设计。

02

文献回顾

2.1

信息搜索行为中的用户心智模型研究

信息检索领域已有大量文献探讨心智模型如何影响用户的搜索行为，发现搜索者在信息搜寻过程中拥有不同程度的心智模型[11]，学术数据库用户心智模型的不完善会影响搜索效率[2,8]，且用户心智模型的混乱、模糊会造成用户检索失败，系统丰富的反馈则能帮助用户形成更完整的学术数据库心智模型[7]。另有研究探索了心智模型的组成维度，例如Zhang认为用户心智模型可由认知、评价型情感和策略三个相关维度构成[12]；韩正彪等人将新手用户的学术数据库心智模型分为面向系统角度和面向用户角度，其中面向系统角度包括宏观功能、信息资源、信息组织、检索方法、界面和系统六个类别，面向用户角度包含用户类型、用户素养以及用户对学术数据库的熟悉程度[10]。从研究对象来看，新手用户和专家用户由于对检索系统的熟悉程度不同，其心智模型存在明显不同[2]。

用户心智模型的揭示可以通过访谈法[13]、问卷法[14]和概念图等方法。其中，概念图方法由Novak等人（1984）提出，旨在通过图表或框架展示研究中涉及的概念[15]，是将内部结构外化的方法，而心智模型是用户内部框架的体现，二者有许多相似之处。部分学者采用概念图作为表达模型来探究学生的心智模型[16]，并用于评估学习者知识和理解[17-18]。与访谈法和问卷法相比，概念图的优点是能够将用户难以用自然语言描述的知识之间的各种联系以直观鲜明的图形清晰呈现出来，达到隐形知识显性化的目的[19]。

学者还探索了搜索任务对心智模型的影响。Vakkari的研究表明检索策略等系统地依赖于用户任务执行过程的阶段和心智模型[20]。Katzeff发现用户在完成信息搜索任务的过程中其心智模型也随之被构建和修改[21]。Zhang认为心智模型的构建受到任务等外部认知结构的影响，研究者可设置不同复杂难度的搜索任务以干预用户心智模型的演进[22]。韩正彪等人发现在完成任务过程中学术用户的心智模型会影响其检索行为及检索绩效[23]，任务类型会对新手用户心智模型的演变产生影响[10]。

2.2

信息搜索中的学习模式

近年来，研究人员开始意识到，当用户与学术数据库进行交互时，可以发现和学习新知识，“搜索即学习”（searchaslearning）这一观点也因此引起了学术界的广泛关注。Vakkari提出，人们通过各种搜索活动来学习，“搜索即学习”强调在搜索过程中用户知识结构的变化以及搜索任务的学习成果[3]。国内学者基于认知学的视角描述了用户搜索过程，认为“搜索即学习”是一个学习过程，搜索过程可概念化为用户通过多种搜索活动，分析、评估和使用相关信息以创造出新知识[24]。学者对“搜索即学习”这一观点进行了深入研究。Hansen等人总结了“搜索即学习”相关的研究成果，关注使用搜索系统对学习过程的影响和结果[25]。Jansen等调查了一个学习过程是否具有独特的信息搜索特征，并利用认知学习分类法模拟在线搜索[26]。Rieh等人将搜索系统特征化为学习的工具，并提出重点在于搜索过程中发生的学习、搜索输出和学习结果[27]。Wilson等测量了用户在信息搜索过程中学到多少知识，并开发了测量学习深度的三个标准[28]。

Evans等在评估用户搜索过程中知识是否增长时提到学习模式可分为三种：没有学习、初步学习和有意义的学习。具体地，没有学习指认知没有发生改变，用户在搜索后的概念图中未产生新概念，与先前的知识结构没有产生新联系；初步学习指增加新知识，即在已有的知识结构中产生新的概念，或是新出现的概念与搜索前概念图中重复的概念之间没有联系；有意义的学习指知识结构有很重要的改变，包括出现新链接，或是将新概念与先前概念建立起有意义的联系[29]。该研究为本文分析用户使用学术数据库的学习模式提供了参考和借鉴。

搜索过程中用户心智模型与学习模式息息相关。有学者提出心智模型的演进体现了知识结构的变化[3]，心智模型的演进过程可以看作是一种学习行为，心智模型的演进是学习行为的结果[10]。据此笔者认为，可以依据对使用系统前后用户心智模型的变化来反映学习模式的特征。而已有的文献表明任务类型是影响心智模型的重要因素之一，但很少探讨任务类型对学习模式的影响，因而本研究基于任务类型影响的研究视角能够帮助信息专业人员在检索技能培训时，从促进新手构建完善和科学的心智模型的角度设置搜索任务，建立有意义的学习模式，提高使用学术数据库的技能。

03

实验设计

3.1

实验对象

本研究以学术数据库新手用户为实验对象，于2017年10月开展实验，通过南京农业大学的公告板公开招募被试。实验共有96名大学生自愿参加，其中，8位被试未完成实验，11位被试概念图绘制不完整，最终收集到77份有效数据。其中男女比例为20∶57，被试年龄介于18—21岁之间（Mean=19.30），具有经济管理、风景园林、计算机、会计、数学等不同的专业背景，大部分被试的互联网使用年限在7—10年（mean=8.78）。本研究对象均为大一学生，还未开展过论文写作的科研训练，对学术数据库接触不多，均有未曾使用过或很少使用各种学术数据库的经历，满足本研究中新手用户的条件。

3.2

实验平台与任务设计

本实验所使用的学术数据库为中国知识基础设施工程（China national knowledge infrastructure，简称为CNKI）的知识网络服务平台，其学术数据库收录了大量高水平研究论文，内容资源优质、检索技术领先，是获取中文学术资源的重要平台。本实验设置了三种信息搜索任务：事实型任务、探索型任务和干涉型任务，其中前两种任务参考了Kim的观点[30]。

事实型任务目标明确、结构封闭、主题清晰，被试一般仅需通过定位相关名词短语或句子即可获得目标信息[30]。事实型任务的设置有助于了解用户如何学习和利用检索项。本研究中以“检索某学者作为第一作者在某期刊上发表的几篇文章的名称”作为事实型任务。

探索型任务具有开放性和高度的不确定性，且信息需求较为模糊，被试在搜寻过程中可能难以实现信息需求的准确表达，需通过查询扩展完成相应的目标任务[30]。通过该任务可以观测用户面临不确定性的搜索情境时，是否会自发学习一些诸如高级检索等相关功能。本研究中以“从某话题中自主选择最感兴趣的角度写一篇课程论文，收集相关信息并制定一个论文框架”作为探索型任务。

干涉型任务是指研究人员干涉了用户的信息搜索策略的构建，强制用户需根据系统提供的某些功能，如高级检索方法、信息排序等，并结合某些特定的文献选择标准（如：文献年份和下载量等）来完成任务[4]。目前信息搜索行为研究中的任务设计很少关注干涉型任务，本研究增加这一任务类型，旨在观察用户如何使用高级检索功能以及文献选择策略，探索用户心智模型在这些功能方面呈现出的学习模式，从而能更真实全面地揭示用户与学术数据库的交互过程。在实验中，干涉型任务为“找到并进入高级检索界面，查找某大学的某学者在某时间段发表的文章中下载量（即该文献被用户下载的次数）最高的一篇文章”。

3.3

实验程序

本实验的具体流程如下：

（1）实验前的培训：首先召集自愿参与实验的被试审阅实验简要说明文档并签署个人实验同意书。随后，研究者介绍本实验目的、实验内容以及概念图的绘制方法等内容，时长约为20分钟。

（2）实验开始前的准备工作：被试在个人电脑上安装屏幕录像软件以记录与CNKI交互的过程。实验场所由被试自行选择（如宿舍、图书馆）以反映用户真实的信息搜寻场景。同时采集被试人口统计学信息。

（3）实验过程：被试在自由使用CNKI3分钟后，根据自己的理解在纸上绘制对CNKI的概念图（围绕CNKI的功能、特征、内容、界面、检索方法、信息组织、系统等维度展开），记为A1；随后，被试分别在完成事实型任务、探索型任务和干涉型任务后绘制相应的概念图，记为A2、A3、A4，全程需由录频软件自动记录。平均每个被试参与实验的时间大约为2小时。

3.4

心智模型的测量和评估

本研究采用概念图测量用户完成任务前后的心智模型，评估过程分为三步，包括测量概念图结构层次、基于概念维度的内容分析和测量概念图节点变化。

3.4.1 测量概念图结构层次

该方法主要借鉴Evans等人在测量学习质量研究中提及的方法[29]和传统评分法[31]，对概念图进行赋分：每条链接记1分，每个层次记5分，每条跨结构链接记10分。其中，链接数量指所有连线的总数，作为知识广度的测量指标；层次结构的计算以起始节点为第一层，其子节点所在级别为第二层，以此类推，层次结构分数可作为知识深度的测量指标；跨结构链接即交叉链接，是不同层次的概念之间的链接，可用来衡量知识的连接性。链接分数越高反映了用户知识广度越大；层次结构分数越高意味着用户知识深度越深；跨结构链接分数越高表明用户知识的连接性越强；总分数则代表总体知识结构的情况。最后对概念图分数进行描述性分析和任务前后配对样本T检验。

以59号被试在自由使用学术数据库3分钟后绘制的概念图为例（图1），该概念图的链接数量为17，层次结构为3层，没有跨结构链接，故总分为32。

3.4.2 基于概念维度的内容分析

已有研究确定了六个维度的新手用户心智模型[10]。为方便被试理解维度内容，本实验在六维度基础上，将“信息资源”维度转化为“特征”维度与“内容”维度，划分后的七大维度为：功能、特征、内容、界面、检索方法、信息组织、系统。功能维度指用户对学术数据库功能的认知，即学术数据库能帮助用户做什么，例如“查阅期刊文献”；特征维度包括用户对学术数据库特点的认知，例如“资源丰富”；内容维度是指学术数据库包含哪些内容；界面维度是用户对学术数据库界面的认知，例如“界面分类清晰”；检索方法维度指用户对学术数据库检索方法的认知，包括“关键字词检索”等；信息组织维度指用户对信息如何组织的认知；系统维度是对后台系统的运作的认知。本研究预先在实验任务书上告知被试可从以上七个概念维度绘制其对学术数据库的理解。

借鉴Segalàs等人的评估方法，采用类别相关性(CR)和复杂性指标(CO)来分析心智模型不同维度的演变情况[32]，以此探讨任务类型对心智模型维度的影响。

（1）类别相关性(CR)类别相关性(CR)提供了新手用户认为CNKI与哪个概念维度更相关的信息，它评估了概念在维度间的分布。CR的计算方法是在每幅概念图（A1/A2/A3/A4）中每个维度概念数量所占百分比的平均值。CR的具体计算步骤如下：

①记录概念图中每个维度的概念数量，记为Cmni，其中m是被试序号（m=1,2,3…），n是概念图（n=1~4，分别对应四幅概念图），i是维度（i=1-7，分别对应7个维度）；

②计算概念图的总概念数，记为Tmn；

③计算Cmni/Tmn*100%的值，记为CRmni（m=1,2,3…）；

④计算平均值CR=∑CRmni(m=1,2,3...)/被试数量*100%。

以图1为例，属于内容维度的概念数量为10，属于信息组织维度的概念数量为7，该幅概念图的概念总数量为17，因此，该概念图中属于内容维度的CRmni值为58.82%（m=59），属于信息组织维度的CRmni值为41.18%。

（2）复杂性指标(CO)复杂性指标(CO)可探索概念图不同维度间的相互关系，评估用户如何看待与CNKI相关的概念之间的关系。其计算公式为：

CO=NC*LCa

其中，NC是概念图（A1/A2/A3/A4）中每个学生的平均概念数量；LCa是不同维度之间联系的相对度量，计算方法如下：

LCa=NLint－ca/(NCa*NS)

其中，NLint－ca是概念图（A1/A2/A3/A4）的总链接数；NCa是维度的数量；NS是每个组别学生的数量。

3.4.3 测量概念图节点变化

概念图节点的变化揭示了用户在完成不同任务类型后心智模型的变化以及学习模式的特征，公共节点和新增节点分别反映的是执行任务前后不变的知识和新增的知识。主要分析过程为：首先，统计某一被试完成搜索任务前后绘制的概念图的公共、新增节点的数量；其次计算该被试公共、新增节点数与搜索前概念图节点总数的比率；最终求得所有有效被试的平均比率，绘制散点图，以此判断心智模型演进程度[17,33]。公共节点比率越小、新增节点比率越大，说明用户在搜索任务完成后产生了越多的新概念，增加了更多的新知识，表明用户的心智模型在搜索后有演进趋势。

例如，图1中总节点数量为18，对比图1、图2可知，59号被试在自由使用CNKI3分钟后和事实型任务搜索后绘制的概念图的公共节点数量为1（图1的“CNKI”与图2的“文献数据库系统”为同一节点），新增节点数量为8，因此，公共节点与搜索前总节点的比率为5.6%，新增节点比率为44.4%。

04

实验结果分析

4.1

用户心智模型演进的概念图结构差异

三种信息搜索任务前后，用户所呈现的心智模型概念图的结构差异如表1。

分析表1数据可知，在事实型任务（A2）搜索后，概念图链接、层次结构、跨结构链接的均值和标准差均有所降低，表明用户的差异性变小，但数值上无法判断用户心智模型是否发生演进；在探索型任务（A3）搜索后，层次结构和跨结构链接的均值和标准差有所增加，说明用户理解学术数据库的知识深度及连接性略微增加，而不同用户的差异性也较大；在干涉型任务（A4）搜索后，概念图链接和层次结构的均值和标准差明显增大，表明了在该任务搜索后用户心智模型存在一定程度的演进，表现在知识广度和深度上，而用户之间的差异性非常大。然而，经过对概念图的具体内容对比分析，研究发现以上数值并不能完全反映心智模型的变化。因此，本研究进一步对概念图分数进行了配对样本T检验，如表2所示。

由上表可知，事实型任务（A2）搜索前后概念图的总分数（t(76)=3.159，p=.002<.05）和链接分数（t(76)=2.920，p=.005<.05）有显著差异，概念图的层次结构和跨结构链接差异不显著。尽管概念图总体结构无明显变化，但用户对CNKI的理解有所增加，尤其是在链接上，表明用户心智模型在事实型任务搜索前后有明显演进，这与事实型任务答案比较明确有关，新手用户使用CNKI较为轻松，不需消耗较大的认知负担。

探索型任务（A3）搜索前后概念图总分数无显著差异（t(76)=.545，p=.587>.05），其中链接变化和层次结构有显著差异，但跨结构链接差异不显著。以上结果表明，新手用户搜索探索型任务前后对CNKI的理解总体演进趋势不明显，但在链接和层次结构上有演进趋势。由于探索型任务自由探索性较强，答案的开放性使得用户信息需求较为模糊，需要用户主动思考与构建，因此给用户使用CNKI带来了一定难度。

干涉型任务（A4）搜索前后概念图总分数有显著差异（t(76)=-2.573，p=.012<.05），其中链接变化和层次结构在搜索前后有显著差异，但跨结构链接差异不显著。结果表明，用户心智模型在干涉型任务前后有明显演进趋势，尤其表现在链接和层次结构上。这是由于干涉型任务涉及到高级检索等功能，虽然新手用户初次接触高级检索，存在一定的认知难度，但干涉型任务答案固定、明确的特点有助于用户对任务的理解，从而导致用户对CNKI的理解更为深入。

4.2

用户心智模型演进的概念内容差异

根据概念图内容质量，笔者随机选取了其中27位被试的概念图，统计每幅概念图各个维度的节点数量，进行描述性统计分析，具体数据如表3所示。

分析表中数据发现，用户在完成事实型任务（A2）后，对CNKI的认知从内容维度（Mean=4.30）转移到了检索方法维度（Mean=5.15），这与搜索事实型任务时涉及到了具体的检索方法有关，而用户几乎没有对系统维度的关注（Mean=0）；在探索型任务（A3）搜索后，用户从主要聚焦于检索方法维度（Mean=5.15）变化为同时主要关注检索方法（Mean=3.00）和内容维度（Mean=2.44），对系统维度的关注度仍较低；在干涉型任务（A4）搜索后，用户对CNKI的认知突出聚焦于检索方法维度（Mean=5.59），为三种任务类型搜索前后的均值峰值，显然这与干涉型任务涉及到高级检索有关。

为了进一步探索新手用户对CNKI的认知与哪个概念维度更相关，衡量概念在维度间的分布情况，本研究采用了类别相关性(CR)指标，其计算结果分别如图3、表4所示。

据图3可知，从纵向对比来看，用户在自由使用CNKI3分钟后，对内容维度的理解较为深入；在事实型任务搜索后，用户的认知从聚焦于内容维度转移到检索方法维度，用户的检索能力得到了逐步提升；完成了探索型任务的搜索后，用户对检索方法维度的概念数量比率仍高于其他维度，但与内容维度的差距较小，这表明用户认知从检索方法维度分散至多个其他维度；在干涉型任务搜索后，从图中很明显发现，用户对检索方法维度的理解远超于其他维度，由于干涉型任务涉及到高级检索，用户必须思考采用合适的检索方法，说明干涉型任务有助于大幅提升用户的检索能力。

横向对比分析发现，随着不同搜索任务的完成，用户在功能、特征、内容、界面、系统维度呈现出“降——升——降”的态势，说明用户在完成探索型任务后对这些维度的理解有所加深；而检索方法维度波动较大，尤其是在完成事实型和干涉型任务后，呈现出急剧上升的态势，说明这两个任务的设计，有助于用户更深入理解和掌握检索方法。整体而言，用户对系统维度的关注和理解一直较低。

概念图复杂性指标的具体数据如表4所示，可以看出新手用户复杂性在自由使用CNKI3分钟后达到了最大值（CO=31.24），经过了事实型任务搜索后，复杂性稍有降低（CO=26.41），而完成了探索型任务后，复杂性大大降低（CO=19.17），在开展了干涉型任务后，复杂性又得到了明显的提升（CO=30.28）。该结果表明经历了搜索，用户对各维度之间关系的心智模型发生了改变，但是在不同搜索任务下改变幅度不同。用户在干涉型任务搜索后对CNKI的心智模型有较为明显的转变（↑11.11），至于事实型任务（↓4.83）和探索型任务（↓7.24）则不能明显地看出用户心智模型的演进。

4.3

心智模型的测量和评估

本文研究了77位有效被试绘制的每两幅相邻概念图之间的公共节点和新增节点数量，具体数据见表5，散点图见图4。

从纵向对比来看，用户在三种任务搜索前后，新增节点平均值均高于公共节点平均值，且公共节点数量与搜索前节点数量的平均比率均远低于增加节点平均比率，由此可见，用户在完成搜索任务后绘制的概念图包含许多新概念。即，新手用户在三种任务搜索后心智模型均发生了一定程度的演进。

横向分析发现，用户在事实型任务搜索后的公共节点平均值（Mean=4.95）和公共节点与搜索前总节点的平均比率（29.91%）均为最低，而新增节点平均值则最高（Mean=9.64），这表明用户对CNKI的认识产生了不少新概念，获得了新知识，用户心智模型呈现出明显的演进趋势。与事实型任务相比，探索型任务搜索后公共节点数量平均值（Mean=5.18）和平均比率（33.16%）有所增加，而增加节点数量均值（Mean=8.14）和平均比率（63.81%）均有所下降，从数值上说明与探索型任务相比，在事实型任务搜索前后用户心智模型演进趋势更鲜明。至于干涉型任务，从表中可知，公共节点数量均值（Mean=6.19）和平均比率（41.32%）均是三种任务中最高的，而新增节点数量平均比率（92.02%）也远高于其他两种类型的任务，用户习得了更多新知识，因此笔者认为在搜索干涉型任务前后，用户心智模型呈现出明显的演进趋势。

由上述分析可知，不同任务搜索前后，用户心智模型演进程度不同。其中在事实型任务搜索后，用户心智模型呈现较为明显的演进趋势；用户完成探索型任务后，心智模型演进程度较小；在干涉型任务搜索后，用户心智模型演进程度较大。

由散点图4-1可知，大部分红色节点位于蓝色节点上方，表明用户在事实型任务（A2）搜索前后新增节点的数量相对于公共节点数量的变化更明显，说明搜索后用户产生了许多新的概念；相比图4-1，分析图4-2可以看出，虽然有一定数量的红色节点高于蓝色节点，但两者差距整体不如图4-1明显，故认为用户在搜索探索型任务后仍产生了不少新的概念，但不如事实型任务变化明显；同样的，图4-3呈现的规律与图4-1相似，说明在干涉型任务（A4）搜索前后新增节点数量变化明显高于公共节点，搜索后用户产生了许多新概念。

结合节点变化比率（表5）、散点图（图4）和配对样本T检验（表2）可以得出结论：新手用户在搜索时，不同任务驱动下的心智模型演进中所处的学习模式不同。大多数新手用户在事实型任务搜索后，产生了大量新概念，链接数量有显著变化，对现有的知识结构产生了一系列新的联系，进行了有意义的学习。用户经过探索型任务搜索后形成了不少新概念，但对CNKI的理解总体演进不显著，这说明大多数用户在经过探索型任务搜索后进行了初步学习。干涉型任务搜索后，新手用户出现了许多新概念，知识结构发生了显著演进，表明完成该任务后用户心智模型进行了有意义的学习。

05

结论与不足

5.1

研究结论

本研究探索了新手用户在不同任务驱动下对CNKI学术数据库的信息搜寻行为，支持了“搜索即学习”的观点，验证了任务属性对用户心智模型和学习模式的影响，不同的任务类型对用户有不同的认知要求。

首先，不同类型的搜索任务下用户心智模型演进模式及关注的心智模型维度不同。在事实型任务搜索后，用户心智模型演进程度较大，表现在知识广度的增加，以及对检索方法认知的提升；在完成探索型任务前后，用户心智模型呈现出一定趋势的演进，但演进程度较低，同时在与学术数据库的交互过程中用户的知识深度和广度略有增加，体现在用户对功能、特征、内容、界面等维度的理解的加深；用户在干涉型任务搜索前后，心智模型演进程度呈现出显著的演进趋势，表现为明显的知识广度与深度的增大和对检索方法认知的大幅增加。用户完成三个任务后，对学术数据库的系统维度关注均为最低，这与已有研究[4]的结论（用户对系统认知维度的关注明显低于其他认知维度）相近，表明绝大多数用户在使用学术数据库时确实较少关注学术数据库系统如何运作，与学术数据库的交互也并没有加深用户对系统运作的理解。本研究的一个新发现是，与事实型任务和探索型任务相比，干涉型任务演进程度相对更为明显。

其次，不同任务下新手用户心智模型演进中的学习模式不同。研究发现大多数新手用户在事实型任务和干涉型任务搜索后均产生了许多新概念，知识结构有所改变，用户增加了新知识，进行了有意义的学习；而经过探索型任务搜索后进行的是初步学习，虽增加了一些新概念，但知识结构并未发生明显变化。

本文的研究结论首先可以有效地帮助信息专业人员对新手用户进行信息检索技能培训。信息专业人员在未来对新手用户进行信息检索培训时，可设置三个周期的培训：第一周期的培训可设置事实型任务，帮助用户建立检索方法方面的心智模型，增加对检索方法的了解，更快熟悉学术数据库；第二周期的培训可设置探索型任务，帮助用户从内容、功能、界面等维度构建心智模型，以帮助用户高效完成任务，提升对学术数据库的理解。第三周期的培训可设置干涉型任务，这时用户对数据库有了基础的了解，这有助于用户更深入地了解高级检索方法等内容，更进一步提升用户对学术数据库的检索方法维度认知，提高信息检索能力。其次，本研究结论还能助于优化学术数据库界面，提升用户体验。研究发现，用户在完成事实型和干涉型任务后进行了有意义的学习，但用户在探索型任务后未发生有意义的学习。因此，学术数据库如何促使用户在完成探索型任务后进行有意义学习，需在系统设计方面进行优化，例如，在功能方面可增加主题的知识图谱，方便用户在其信息需求不明确的情况下对主题有快速的了解，从而选择合适的信息；在内容方面应避免信息过载，为用户精确地提供相关信息。此外，由研究结果可知，检索方法是构建心智模型的重要维度，学术数据库可在检索方法方面提供充分准确的说明，比如用户检索时选择什么检索词或检索方式会更高效。

5.2

研究局限

本研究的局限性如下：首先，实验平台选择的是CNKI学术数据库，虽然在学术信息搜索中具有一定的代表性和广泛性，但是本文所发现的结论是否能推广到学术信息搜索的一般场景中，还需要更多的检验。其次，本研究对于概念图中新概念的出现等变化仅从量化角度分析，未对概念的内涵和关系进行深入探索。此外，限于所采用的实验方法，本研究只关注了任务执行前后的心智模型的变化，而没有探索完成不同任务过程中用户的心智模型和学习模式的改变，这将在以后的研究中进行深入探讨。

作者贡献说明

王菲妍:参与设计研究方案,进行实验,清洗和分析数据,撰写论文; 

柯 青:指导论文撰写,最终版本修订; 

韩正彪:提出研究思路,设计研究方案,指导实验。

支撑数据

支撑数据由作者自存储,

Email:[e-mail]。 

1 王菲妍.任务驱动下的学术数据库新手用户心智模型及学习模式实验原始数据.xlsx. 

2 王菲妍.任务驱动下的学术数据库新手用户心智模型及学习模式实验任务书.doc

3 王菲妍.任务驱动下的学术数据库新手用户心智模型及学习模式实验录像.avi 

4 附录.概念图的绘制方法培训材料.doc

参考文献

*本文原载于《图书情报知识》2021年第1期113-124页

版权归《图书情报知识》所有，欢迎转发到朋友圈，转载请联系后台。

制版编辑 | 卢慧质

--END--