叙事体验分类学(NET)：拓展叙事体验的有声思维分析

本研究针对传统叙事理论偏重理解而忽略多元体验的局限，提出叙事体验分类学(NET)框架。来自多领域的研究人员通过分析图文双媒介叙事的有声思维数据，验证了NET编码可靠性，发现响应类别间存在系统性关联且受媒介影响显著。该研究为叙事认知机制探索提供了可量化工具，对跨媒体叙事设计与认知研究具有重要价值。

　　

叙事体验分类学(Narrative Experience Taxonomy, NET)被提出用以阐释对叙事作品更广泛维度的响应，这超越了仅关注理解能力的传统理论框架。该分类体系涵盖叙事内容描述、事件解读、评价性反馈、参与式响应以及元认知策略等多维度指标。研究团队利用档案库中有声思维(think-aloud)数据——这些数据源自参与者处理基于图片或文字版本的相同故事时的实时反馈——通过系统分析评估了编码人员使用NET分类结构的可靠性，检验了各类别是否以系统化方式共现，并探究了媒介形式对响应模式的影响。分析结果表明某些响应类型存在相互依存关系，同时发现不同媒介中特定响应的出现频率存在显著差异。这些发现彰显了NET框架结合有声思维数据进行假设验证的潜力，并探讨了其在实际应用中的多种可能路径。