随着数字传播的兴起，多模态格式——尤其是网络视频——日益融入学术交流领域（Canet, 2019；Nezami Nav & Link, 2025）。视频的优化交付源于以下方面：丰富的视觉元素提升了可信度（T. M. Y. Lin et al., 2012；Xu et al., 2015），策略性的内容设计激发了用户参与（Meng et al., 2024），而多模态元素加速了认知加工（L. Fan et al., 2024）。相应地，实证研究表明，学术视频（AcVs）不仅能帮助研究成果吸引更多关注（Jamali et al., 2018；Zong et al., 2019），还能同时提升受众的理解能力与互动参与（Bredbenner & Simon, 2019；Putortì et al., 2020）。综合而言，这些发现凸显了系统研究学术视频呈现风格的重要性，为设计更有效的学术视频提供实证指导。
学术视频（AcVs）是一种混合性交流体裁，融合了书面、口头和视觉模态，因此需要超越传统基于文本的论文所发展出的经验性与分析性框架（Dontcheva-Navratilova, 2021；Hu & Liu, 2018；Nezami Nav & Link, 2025）。基于多媒体学习认知理论（CTML），有效的知识传播依赖于言语信息与视觉信息在双通道加工、有限认知容量和主动学习约束下的系统协同（Mayer, 2020, 2024；Shoufan, 2019）。先前的文献主要考察了科学文章中的呈现风格，表明多模态融合（Traboco et al., 2022；Yang et al., 2023）、文本复杂性（Bertin et al., 2016；Song et al., 2023）以及内容组织方式（Cotos et al., 2017；Lou et al., 2023）与科学传播的有效性显著相关。尽管呈现风格已在静态文本型科学文献中得到了充分研究，但其对动态学术视频中科学知识传播的影响仍鲜有探讨。
基于CTML，我们将学术视频中的呈现风格概念化为具有结构性和多模态特征的呈现方式，即作者在不同模态和功能结构之间组织和分配时空信息的可观测方式。立足于其设计原则和认知假设，我们运用三类跨越功能结构与模态类型的度量指标来操作化呈现风格：时间分配、空间分布和呈现速度。首先，时间分配刻画内容如何随时间在不同模态之间进行纵向分布，从而支持主动认知加工和有效学习（A. Li et al., 2023；Le Blanc & Cooper, 2026；Leahy & Sweller, 2011）。其次，空间分布量化了文本与视觉内容的结构化协调关系，促进双通道加工及后续知识整合（L. Fan et al., 2024；Morell, 2015；Putortì et al., 2020）。最后，呈现速度反映了多模态信息交付的结构化节奏，在传播效率与认知容量约束之间取得平衡（A. Li et al., 2023；Leahy & Sweller, 2011；Schmidt-Weigand et al., 2010）。
我们开发了一个AI驱动的多模态分析框架，通过时间分配、空间分布和呈现速度三个维度，跨越功能结构与模态类型来刻画呈现风格。借助该框架，我们开展大规模实证分析，以回答以下研究问题：
（RQ1）呈现风格在不同论文章节和内容模态之间存在怎样的差异？该问题旨在考察学术视频中呈现风格的分布模式。
（RQ2）呈现风格与学术影响力是否相关？该问题旨在为作者选择有助于更有效地传播科学知识的呈现风格提供指导。
（RQ3）呈现风格与研究新颖性是否相关？该问题旨在揭示学者如何传达创新性研究，并为设计更有效的学术视频提供指导。
本文其余部分结构如下：第2节回顾相关工作；第3节详细介绍研究方法；第4节描述数据处理过程；第5节报告实验结果；第6节讨论和第7节结论呈现结论及未来研究方向。
