白皮书 《从图书馆员和当前信息素养工具的角度构建 AI 素养框架》

···
随着ChatGPT等生成式人工智能（GenAI）工具的兴起，站在信息素养前沿的图书馆员正面临着前所未有的挑战。当学生越来越多地依赖这些工具来完成研究和写作任务时，传统的信息素养框架和标准已经显得有些不合时宜。虽然美国大学和研究型图书馆协会（AssociationofCollegeandResearchLibraries,ACRL）已经开始在其信息素养框架中探讨AI的作用和影响，但仍无法全面覆盖AI所带来的复杂问题，构建一个全新的AI素养框架势在必行。为此，Choice、LibTechInsights和Taylor&Francis三家机构联合发布了一份重要的白皮书《从教学图书馆员和当前信息素养工具的视角探讨AI信息素养框架的构建》（BuildinganAILiteracyFramework:PerspectivesfromInstructionLibrariansandCurrentInformationLiteracyTools）。该白皮书以对教学图书馆员的AI素养访谈为基础，深入分析了其对AI素养的看法,评估了现有素养框架在AI背景下的适用性，并据此提出了一个强有力的AI素养框架。白皮书指出，随着AI工具的普及，用户不仅需要知道如何使用这些工具，更需要掌握与之相关的AI知识。尽管图书馆员在信息素养教学方面拥有丰富的经验，但在AI这一新兴领域，他们也需要不断学习和适应。白皮书提出的AI素养框架，可以有效帮助教学图书馆员理解AI素养在信息素养教育中的核心地位，指导教学图书馆员设计出适应AI时代的教学活动，为图书馆员和学生在AI时代的学习提供了坚实的基础。
以下是白皮书主要内容的编译：
AI素养的内涵
随着高等教育界对ChatGPT等GenAI工具广泛应用的积极回应，大学图书馆在这些议题上的教育与推广作用日益凸显。长期以来，大多数从事公共服务的图书馆员对AI的认识较为有限，通常将这一领域的工作留给技术和数字部门处理，后者可能已经较为深入地参与到了AI领域，这是完全合理的分工。然而，随着GenAI工具的日益普及，学术界正面临一个前所未有的挑战——学生在课堂上广泛使用AI工具，引发了高校对这些技术在教育环境中的角色及其对学术诚信影响的思考。同时，学校又缺乏足够的公共教育资源来满足那些渴望掌握基本AI素养技能学生的需求。在这一背景下，图书馆呈现出了提供此类素养培训的独特优势，这与图书馆员在信息、数据和数字素养指导方面的专业能力相呼应。
※
AI素养的定义
近年来，学术界关于”AI素养”的讨论逐渐兴起，相关话题在学术文献中越来越频繁地出现。早在2015至2016年间，这一术语就已经在教育领域的文献中提及。Long和Magerko在2020年一次会议的演讲中给出的定义被认为是有关”AI素养”最重要的定义之一，他们提出，AI素养是一组能力的集合，它使个人能够批判性地评估AI技术、有效地与AI沟通和协作，并在日常生活的多种场景中应用AI工具。即便在ChatGPT问世之前，AI素养及其相关的算法素养就已经成为了图书馆和教育领域对话中的一个重要组成部分。随着不同领域的研究者对AI素养具体内涵的持续探索，对这一概念的理解也在不断深入。本文认为，AI素养是一种有意识地参与AI相关讨论的选择，包括学习AI知识，并利用技术更好地理解AI在日常生活中的作用。下表列出了近年来文献中有关AI素养的其他重要定义。
学术界对”AI素养”的定义
※
AI素养的概念模型
为了有效地提升公众的AI素养，仅仅是简单定义”AI素养”这一概念是不够的，还需要建立一个坚实的能力框架作为学习模型的基础。目前，大多数现有模型由三到四个核心概念组成。例如，Cetindamar等人（2024）将AI素养视为技术能力、职业能力、人机交互能力和学习能力的综合体现。Kong等人（2021）提出的课程结构涵盖了AI的基本概念（对弱AI和狭义AI的讨论）、机器学习（将机器学习应用于解决问题的步骤）、监督学习（回归和分类概念）和无监督学习（作为概念和通过案例研究）等方面。Hibbert等人（2024）设计的框架包括理解AI、使用和应用AI、分析和评估AI以及创造AI四大方面。Ng等人（2021）则从了解AI、应用AI、评估和创造AI以及AI伦理四个维度探讨了AI素养。
此外，还有一些基于三个核心概念的模型，如Mikalef和Gupta（2021）提出的AI能力由有形资源、人力资源和无形资源组成。Sanusi等人（2022）为K-12教育开发的AI素养三能力模型包括基础知识、团队合作以及通过探索和实践进行学习。Kim等人（2021）设计的AI素养三维度模型聚焦知识（AI的定义和类型）、技能（使用AI工具）和态度（AI的社会影响）。Liu和Xie（2021）提出的AI素养培养路径涵盖了数字素养、计算思维和编程能力三个阶段。
尽管AI素养是一个相对较新的研究领域，但已有多项综述研究对这一主题进行了探讨。Pinski和Benlian（2024）指出，面对越来越多的伦理问题，AI素养的重要性日益凸显，并提出了知识（knowledge）、意识（awareness）、技能（skills）、能力（competencies）和经验（experience）五个维度。Almatrafi等人（2024）在其系统综述中总结了AI素养的六大关键要素：识别（recognize）、了解与理解（knowandunderstand）、使用与应用（useandapply）、评估（evaluate）、创造（create）和伦理导航（navigateethically）。
尽管AI素养已经成为教育领域的热点话题，但在图书馆学领域的研究仍相对较少。该白皮书旨在填补这一空白，为图书馆员提供一个坚实的AI素养框架。
访谈研究及主要发现
访谈过程
为了构建AI素养框架，研究者于2024年2月对来自加拿大和美国的15位图书馆员进行了半结构化访谈。该项研究得到了麦吉尔大学伦理研究委员会（ResearchEthicsBoard）的批准，所有访谈均通过MicrosoftTeams平台进行，并利用MicrosoftWord的自动转录功能记录访谈内容。每次访谈平均持续时间为30分钟，主要内容为向用户教授AI素养和信息素养的相关问题。
访谈的核心目标是确定应被纳入AI素养框架的关键能力和技能。研究者认为，直接听取那些已经在实践或考虑实践AI教学的图书馆员的意见至关重要，这有助于深入了解AI素养领域的机会、挑战和关切点。
访谈参与者通过专门面向图书馆员的电子邮件列表服务招募，研究者还邀请了曾在相关会议上分享过AI教学经验的图书馆员。这些参与者是通过图书馆官方网站和公开会议演示材料中提供的信息来选定的。参与访谈的图书馆员没有获得任何形式的报酬。
在数据分析阶段，研究者采用了MicrosoftWord的转录功能记录访谈内容，并将这些记录导入Excel中进行处理。每位研究者首先对各自处理的记录中出现的主题进行手动编码。之后，研究者共同审查编码结果，协商确定最终的编码标准，并对数据进行重新编码以确保结果的准确性。在白皮书的附录B部分可以找到完整的编码手册。鉴于访谈的半结构化性质，某些回答可能需要多个编码才能充分代表参与者的意图。
访谈结果
通过对访谈结果的分析，研究者发现，尽管有67%的受访者在过去一年中曾讲授过与AI相关的课程，但他们中的大多数并未依据ACRL高等教育信息素养框架来设计课程。此外，研究者还发现了如下一些新兴技能，这些技能在现有的信息素养框架中并未得到充分的讨论：
●提示工程（promptengineering）：这是有效使用AI工具所需的一项重要技能。
●批判性评估（criticalevaluation）：这要求不仅要评估信息来源的可靠性，还要考虑到伦理和偏见问题。
●理解伦理影响（ethicalimplications）：比如对劳动力和环境的潜在影响。
●采用新的方式来确认和标注内容的创作者或编辑者。
具体访谈结果如下：
图书馆中的信息素养教学
大多数受访者（86.7%）表示图书馆提供的信息素养研讨班不会局限于特定课程。这些研讨班的主要受众是本科生和研究生，同时也有一小部分教师。研讨班涉及的主题广泛，包括但不限于引文管理（8人提及）、基本的信息素养技能（如制定搜索策略）（5人提及）、高级搜索技巧（5人提及）、与数字学术和数据素养相关的主题（5人提及）以及知识整合（4人提及）。值得注意的是，有三位受访者提到，图书馆的教学内容中已包含AI及相关主题，例如ChatGPT。
AI教学
2/3的受访者表示，他们的图书馆已经开展了专门的AI教学活动。在那些尚未提供此类服务的图书馆中，有60%的受访者表示他们正在积极开展探索性工作，以开发与ChatGPT和GenAI工具相关的教学材料。在那些提供了AI教学活动的图书馆中，最受欢迎的主题包括ChatGPT和GenAI工具的使用、员工培训、伦理以及版权和知识产权问题；一些课程还特别关注了机器学习、提示工程技术及算法偏见等高级话题。图1展示了图书馆教学中涉及的具体AI主题。
图1：图书馆教学中涉及的AI主题
在授课方式上，约有一半的受访者（6人）选择了在常规图书馆研讨班中提供课程，较少受访者（3人）选择了在课程整合教学中提供相关指导。有受访者特别提到了开展有为期一年的AI课程，还有人提到了提供有该主题的在线模块。
在课堂教学方面，80%的受访者选择了他们通过该方式进行AI相关教学。图2展示了这些课程中最常涉及的主题，包括AI的基础知识、伦理问题、GenAI、特定工具的使用方法以及学术诚信等。
图2：课堂教学涉及的AI主题
除了上述热门教学主题外，受访者还详细描述了与AI相关的核心学习目标。图书馆员认为最重要的技能包括对AI及其相关术语的基本理解，以及熟练使用ChatGPT和其他GenAI工具的能力。他们还强调了使用AI工具时伦理考量的重要性，以及如何创建有效的提示、运用批判性思维技能和验证AI生成内容的准确性。少部分受访者还提到了AI在搜索过程和法律研究中的应用。图3展示了受访者提到的与AI相关的技能。
图3：为创建学习目标使用的AI相关技能
在图书馆和课堂教学之外，受访者还介绍了他们所在机构提供的其他AI相关服务。超过一半的受访者（53%）表示，他们所在的图书馆提供的AI相关服务包括数字奖学金支持（2人提及）、专题研讨会和小组讨论（6人提及）、特定工具使用（2人提及）以及大型语言模型支持（2人提及）。
信息素养框架的运用
尽管许多图书馆员已经涉足AI教学领域，但鲜少有人依赖正式发布的信息素养框架来辅助其教学设计。仅有40%的受访者提到了ACRL高等教育信息素养框架或其他相关领域的框架。当被问及在AI教学中最有可能使用ACRL框架中的哪些要素时，受访者强调了理解和应用”权威是构建的和情境化的”以及”学术研究是一个对话过程”的重要性。在讨论如何构建AI教学课程时，”信息具有价值”和”信息创建是一个过程”也被认为是重要的概念。图4展示了受访者在创建AI教学内容时认为重要的框架要素。
图4：与AI素养相关的框架
人工智能政策
当被问及图书馆是否制定有与AI教学相关的政策或指南时，所有受访者均给出了否定的回答。部分受访者提到他们的图书馆遵循的是学校层面的政策或指南。具体来说，46%的受访者表示其所在机构有校级政策，在那些未制定校级政策的机构中，有5位受访者提到了他们有系一级的指南。这些官方政策主要关注AI在教学中的应用，包括在教学大纲中的措辞、ChatGPT的使用、学术诚信以及AI在作业评分中的应用。
与AI相关的专业发展
所有受访者都表示他们有机会参加关于AI的专业发展培训。图书馆员们提到了网络研讨会、会议演讲、正式研讨会、午餐交流活动、教学资料共享和讨论小组等多种结合了正式和非正式培训的形式。此外，有4位受访者提到，他们的机构设有专门的图书馆员或工作组，专注于AI方面的工作。
总的来说，要构建一个强有力的AI框架，需要解决图书馆员在访谈中提及的关于AI的核心关切。在涉及的技能和主题方面，受访者认为理解AI的工作原理与熟练使用GenAI工具和创建有效提示一样重要。同时，受访者也为用户批判性评估AI生成内容的能力及其伦理影响感到担忧。尽管图书馆员认为ACRL框架中的某些部分具有一定的适用性，但要充分满足对AI基础教育和用户深度参与的需求，仍需开发新的框架。
构建模块化的AI素养框架
鉴于越来越多的图书馆员已开展或考虑开展AI教学，建立一个素养框架来帮助他们设计AI教学就显得尤为重要。虽然ACRL框架为教学设计提供了一个通用模板，但其过于一般化的特性使得它在处理AI某些独特方面时显得力不从心。
Ng等人在2021年的探索性研究中提出，一个有效的AI素养模型可以借鉴布鲁姆分类法（Bloom’staxonomy）来构建。布鲁姆分类法是一种在教育领域广受认可的学习模型，它定义了个体掌握某一学科知识所需经历的学习领域层次结构（AndersonandKrathwohl2001），包含”记住（remember）、理解（understand）、应用（apply）、分析（analyze）、评估（evaluate）、创造（create）”六个阶段。这六个阶段构成了布鲁姆分类法的认知层次，与ACRL信息素养框架中的六大框架极为相似：
●信息创建是一个过程
●研究即探究
●搜索即战略探索
●信息具有价值
●权威是构建的和情境化的
●学术研究是一个对话的过程
ACRL框架采用模块化设计，学习者可以按照任意顺序完成各个阶段的学习。框架中融入了”阈值概念”（thresholdconcepts），也就是”核心基础概念”，一旦学习者掌握了这些概念，就能为其理解和处理特定学科或复杂知识开启全新的视角和方法（AssociationofCollegeandResearchLibraries2015）。尽管阈值概念与布鲁姆分类法的认知层次结构有相似之处，但它们并不强调连续学习，也没有任何一个框架是依赖于另一个框架来帮助学习者掌握特定概念的。
然而，这种模式并不完全适用于AI素养的教学。虽然阈值概念仍然是核心要素，但大多数学习者首先需要建立坚实的AI基础知识，才能有效地将其他素养框架应用于这一知识体系。因此，白皮书提出了一种分层框架，该框架包括表2中列出的六个原则及其相关能力。每个框架和能力均对应有具体的学习目标，以引导用户围绕这些框架设计教学活动。
表2：素养框架、能力和学习目标图
AI素养的六大框架
框架1：掌握AI的基本原理
培养AI素养首先需要建立坚实的知识基础，包括了解AI、机器学习、深度学习、机器人技术、神经网络等关键性术语，这些知识对提升个人的素养技能至关重要。此外，还需学习狭义AI（包括GenAI在内的能执行预设任务的技术）与通用AI（理论上具备自我意识且无需人工干预即可完成任务的AI技术）的区别。这些基础知识为后续更深入地讨论和学习AI奠定了基础。
学习目标示例：
目标1：掌握AI、机器学习和GenAI的定义。
目标2：识别狭义AI与通用AI之间的差异，以及它们各自所需的人工干预程度。
框架2：理解不同类型AI的区别
在掌握了AI的基础知识后，下一步是深入了解不同类型AI的区别。可以先从框架1中定义的狭义和广义AI这两个主要类型入手，逐步了解AI技术是如何进一步细分为多个子类别的，以及这些子类别是如何应用于具体的工具中的。与框架1强调对术语的理解不同，框架2更注重构建上下文，以帮助学习者更好地理解AI技术。
学习目标示例：
目标3：解释AI包含的多个子类别及其相互间的关系。
目标4：总结特定工具中采用的AI子类型。
框架3：尝试使用AI工具
鉴于AI已成为技术领域不可或缺的一部分，图书馆员应正视它的存在，这意味着每个人都需要在一定程度上亲自尝试使用AI工具。掌握AI的一个关键方面是意图，即用户主动以学习者的身份尝试使用AI工具。这种体验有助于改变用户对工具使用方式的认知，并可能激发用户开发或改进AI工具的兴趣。
学习目标示例：
目标5：尝试使用多种AI工具。
目标6：制定有效的策略为GenAI工具创建提示。
框架4：评估AI工具的输出和结果
在掌握了AI的基本原理并有意识地尝试使用了AI工具后，学习者便可以进入学习分析和批判所使用AI工具的输出结果，并评估这些结果价值的阶段。这个过程是个性化的，因为每个人的体验和使用的工具都是独特的。
学习目标示例：
目标7：评估AI工具生成内容的质量，判断其是否符合用户需求。
目标8：辨别人类与AI创造内容的差异。
框架5：考量AI的社会影响
进行宏观层面的评估是AI素养发展的下一步。当学习者对AI有了一定的了解并且与AI工具有过目的性互动之后，他们就能更有效地参与到关于AI对社会影响的广泛讨论中。虽然即使没有深入的AI素养也能进行一定的社会影响评估，但完整经历了前四个框架的学习者在参与这类讨论时会更有优势。社会影响评估包括对AI伦理问题的关键讨论，如偏见、环境影响以及在AI工具的开发中不道德地使用劳动力等问题。
学习目标示例：
目标9：评估AI对环境的影响。
目标10：批判性地分析AI和算法中存在的偏见。
框架6：参与AI讨论
在现有的AI素养模型中，除了评估阶段，很少有模型强调与社区互动的重要性。受到ACRL信息素养框架中”学术研究是一个对话过程”的启发，本框架建议学习者积极参与不同层次的AI讨论。由于技术进步迅速，新的产品不断涌现，用户与AI工具的互动方式也在不断变化，保持信息的时效性和相关性变得尤为重要。要成为高AI素养者，学习者必须通过阅读文献、加入讨论小组或参与其他形式的交流，持续关注AI领域的最新动态。该框架是数字学术的一个重要组成部分。
学习目标示例：
目标11：规划如何积极地参与AI相关对话。
目标12：与其他学习者合作，跟踪AI领域的最新进展。
该白皮书提出的六大框架从对AI基本术语的理解入手，逐步引导用户尝试使用工具，并最终成为AI讨论的积极参与者。无论是组织单次的教学活动还是一整个学期的课程，图书馆员都可以通过这一框架为学习者制定具体而有意义的学习目标和教学活动。
NOTE
Choice，美国ACRL的出版单位，通过提供工具和服务来支持学术图书馆员的工作和专业发展。在其60年的发展历程中，Choice已成为美国学术资源评估的权威来源，同时也是不断变化的学术图书馆社区所关注领域值得信赖的研究出版商。
LibTechInsights是一个专注于图书馆和教育技术领域的垂直内容平台，旨在探讨这些技术如何影响学术图书馆员、教职员工、研究人员、管理者及学生们的日常生活。该频道通过博客文章、网络研讨会、播客等多种形式，由行业专家提供关于最新技术趋势和产品的实用建议，涵盖生产力提升、可访问性、资源搜索、运营管理及内容管理等多个方面面临的机遇与挑战。
Taylor&Francis是一家全球领先的学术出版机构，致力于传播世界各地的专家、研究人员和知识创造者的研究成果。Taylor&Francis拥有超过200年的学术出版经验，涵盖所有学科领域，尤其在人文和社会科学领域拥有丰富的出版物。
▼
-END-
编译/殷叶玲，屠淑敏
编译自/https://www.choice360.org/libtech-insight/white-paper-building-an-ai-literacy-framework/
编辑/殷叶玲
签发/胡海荣