מושגים
אוריינות מידע ומדיה
תרגום אוטומטי של העמוד באנגלית, שטרם נבדק בידי דובר/ת שפת אם.
אוריינות מידע ואוריינות מדיה הן יכולות סמוכות שה‑AI מעצב מחדש באותו תפר. אוריינות מידע מתמקדת באיתור נתונים מדויקים ובאימותם; אוריינות מדיה מתמקדת בהבנה מי יצר מסר, כיצד הוא נבנה ומדוע. הן חופפות במטרה המשותפת של בניית חשיבה ביקורתית שמאפשר לאנשים לנווט בעולם דיגיטלי ולזהות מידע כוזב — וכיום עומדת לפניהן בעיה שנייה: בינה מלאכותית יוצרת מפיקה תוכן רהוט וסביר שאת מקורו וכוונתו אי אפשר לראות, ולכן שאלת המקור שאוריינות מדיה תמיד שאלה עברה גם לאוריינות מידע.
שאלות לשיקול דעת
- כאשר צ׳אטבוט מחזיר פסקה בטוחה עם שלוש הפניות, האם הסטודנט מפעיל אוריינות מידע, אוריינות מדיה, או אף אחת מהן — והאם המטלה הופכת את ההבחנה הזאת לגלויה?
- דיפ־פייקים והפניות בדויות הם כשלים שונים: האחד רשומה כוזבת של העולם, האחר רשומה כוזבת של הספרות. האם קורס אחד יכול ללמד את שניהם בלי ללמד כל אחד מהם ברע?
- גלאי AI ומבדקי עובדות הם עצמם מודלים עם שיעורי שגיאה. מה קורה לתכנית לימודים של אימות כשכלי האימות הוא הסתברותי?
- אוריינות מדיה נלמדה דרך הפקה — סטודנטים יוצרים מדיה כדי להבין אותה. אם המודל הוא כעת מי שיוצר את החפץ, איזה חלק מהפדגוגיה שורד?
מבוא
לשתי האוריינויות בתים מוסדיים נפרדים. אוריינות מידע התגבשה במדעי הספרייה והמידע, באופן הגלוי ביותר במסגרת ACRL, כמערכת של נטיות בנוגע לסמכות, לתהליך ולערך. אוריינות מדיה צמחה מלימודי תקשורת ומדיה ומחינוך מדיה בבתי הספר, והיא שואלת על מחברות, טכניקה, קהל ואפקט. האחת שופטת אם מקור ראוי לאמון; האחרת שואלת מי יצר מסר ומה הוא עושה.
החלוקה הזאת תמיד הייתה נקייה יותר בתאוריה מאשר בכיתה. שתי האוריינויות מלמדות סטודנטים להאט, לבדוק מקור ולהתנגד לרהיטות. שתיהן נבנו על הנחה שלחפץ יש מחבר ששילם מחיר כדי ליצור אותו. AI יוצרת מסירה את ההנחה הזאת משתיהן בבת אחת: טקסט מסונתז מקורפוס שאינו ניתן למעקב, תמונות וקולות משוכפלים, וחשבונות אוטומטיים מדמים את הקהל עצמו.
העמוד הזה עוסק בשתי האוריינויות יחד מפני שהקורפוס רואה בהן בעיית הוראה אחת עם שתי קבוצות תוצאות. הראיות אינן אחידות — מפה ביבליומטרית ושתי סקירות שיטתיות בצד המידע, התערבות קטנה ומחקר ראיונות מומחים בצד המדיה — וכמעט אף אחת מהן אינה בוחנת תכנית לימודים משולבת. ההיעדר הזה הוא עצמו הממצא שכדאי לקחת לפרקטיקה.
היכן שני המבנים נפרדים
מושאה של אוריינות מידע הוא המקור, ושאלת הליבה שלה היא אם הטענה נכונה והראיות שמאחוריה מהימנות. מושאה של אוריינות מדיה הוא המסר, ושאלת הליבה שלה היא מי יצר אותו, כיצד, עבור מי ובאיזו מטרה. הפניה בדויה נכשלת במבחן הראשון; דיפ־פייק עשוי לעבור כל בדיקת עובדות שסטודנט יודע להריץ ובכל זאת להיכשל בשני.
הספרות האמפירית משקפת את הפיצול. סקר של 236 סטודנטים באוניברסיטה בארה״ב שאל היכן מתחילים חיפושים אקדמיים ומצא מנועי חיפוש ב‑45.5%, עמוד הבית של הספרייה ב‑27.9% וצ׳אטבוט AI ב‑26.6%, כאשר סטודנטים בין־לאומיים מחליפים משאבי ספרייה ב‑AI בשיעור כמעט כפול מזה של סטודנטים מקומיים (Lund et al., 2026). סקירה שיטתית של 32 מחקרים מצאה שהטמעת אוריינות AI בהוראת אוריינות מידע נמצאת ב"שלב הינקות", ומתבצעת דרך LibGuides וסדנאות ולא דרך תכנית לימודים (Mirza and Arif, 2026). בצד המדיה, ראיונות עם שבעה מומחים וסקר של 141 סטודנטים מצאו שהכללת טכנולוגיה בתכנית הלימודים של אוריינות מדיה ביקורתית היא "מוגבלת ולעתים קרובות שטחית", ושמורים אינם מאומנים די הצורך בכלים שמפיקים דיסאינפורמציה ודיפ־פייקים (the critical media literacy study, 2026).
כיצד AI מסבך את אוריינות המידע
הסיבוך הראשון הוא ייצור בדיות בקנה מידה. מודל מפיק טקסט משכנע, מקורות סבירים וסטטיסטיקות בטוחות שאולי אינם קיימים; הקורא מקבל סינתזה שעקבות החיפוש שלה נמחקו. הבדיקה הופכת למיומנות אחרת: לא "האם זה מקור טוב" אלא "האם המקור הזה קיים, והאם הוא אומר את מה שהתשובה טוענת".
הסיבוך השני הוא שקיפת שכבת החיפוש אל תוך שכבת התשובה. כשהכלי מאתר, בוחר וכותב, המעשה האורייני עובר לשפיטה של הסינתזה. זהו השארית שהראיות ממשיכות להצביע עליה: פלטפורמה עם ספרן מוטמע הקדימה הוראת ספרייה קונבנציונלית ב‑0.78 מול 0.25 נקודות בכלי מבוסס ACRL, וההתייעצויות שהניבו את הרווח נשלטו בידי שאלות של הערכת מקורות (Huang, 2026).
הסיבוך השלישי הוא יכולת. בסקר של 412 ספרנים אקדמיים ב‑38 מוסדות בניגריה, הכשירות המדווחת-עצמית הייתה גבוהה בהוראת מאגרי מידע (M = 4.07) ובמסירת אוריינות מידע (M = 4.02), אך כשירות ה‑AI המשולבת הייתה 2.86, והחלשה ביותר בתכנון מטרות (M = 2.70) ובהערכת תוצאות (M = 2.62) (Dada, 2026). תחום שממופה ב‑1,669 פרסומים מתבקש ללמד כשירות שמדריכיו מדווחים שהם עדיין אינם יודעים לתכנן (Jabeen and Lux, 2026).
כיצד AI מסבך את אוריינות המדיה
השאלות המייסדות של אוריינות מדיה הניחו יוצר עם כוונה. דיפ־פייקים, שיבוט קול ובוטים אוטומטיים שוברים את ההנחה בשלוש דרכים: ייתכן שלחפץ אין מחבר אנושי, הקהל עשוי להיות סינתטי, והכוונה עשויה להיות אופטימיזציה למעורבות ולא שכנוע בידי מישהו.
ראיות תכנית הלימודים מרמזות שבתי הספר לא הדביקו את הפער. ראיונות המומחים מתארים את הכשרת המורים כאילוץ המכריע ולא את התנגדות הסטודנטים, וטוענים בעד מסגור פדגוגיה ביקורתית שמתייחס להערכה כפרקטיקה אתית ומשתתפת ולא כהכשרה בכלים. דוח שהוזמן עבור מדיה ציבורית מצא שההיצע לבני 14–19 נוטה לכישורי AI פונקציונליים ולהתרחק מהערכה ביקורתית, אף שסקר יותר מ‑40 מסגרות וראיין 35 מומחים (the AI literacies report, 2025).
AI ככלי הגנתי — טענות והסתייגויות
הטיעון לשימוש ב‑AI בצד ההגנתי סביר ונפוץ: בדיקות מהימנות אוטומטיות שסורקות את היסטוריית המקור ואת שפתו לאותות הטיה, גלאי דיפ־פייק, מנתחי מטא־נתונים שמחפשים סמני מקור, וסימולציות שמאפשרות לסטודנטים לתרגל הערכה על חומר סינתטי ריאלי. היכולות האלה הן מוצרים אמיתיים, והשימוש בכיתה הוא פרקטיקה אמיתית.
הראיות דקות מן הטענות. גלאים הם הסתברותיים ומתדרדרים ככל שהמחוללים משתפרים; מודל בדיקת עובדות הוא עצמו מודל, ולכן הסטודנט עדיין צריך לשפוט את הבודק; ומטא־נתוני מקור עוזרים רק כאשר המפיק בוחר לצרף אותם. אחד הממצאים האיתנים בקורפוס הוא שהוראת אוריינות מדיה נתמכת AI יכולה לעבוד בקנה מידה קטן: תכנית בת 18 שעות שנבנתה על מודל 5E הניבה רווחים גדולים בקרב 36 תלמידי כיתה ד׳ בבית ספר אחד בטורקיה (Demir and Akar, 2026). שלושים ושישה תלמידים הם הוכחת היתכנות, לא מקרה רכש.
מאמר דעה במגזר הספריות דוחף את אותו רעיון הלאה: AI יכול לשאת את מסירת אוריינות המידע דרך אחזור, הדרכות מסתגלות, צ׳אטבוטים ובדיקת עובדות אוטומטית, כאשר ספרנים ולא ספקים הם שיחזיקו באינטגרציה (Offem and Arikpo, 2026). המאמר אינו מדווח על נתונים, ולכן הוא תדריך עיצוב להיכן שההוראה עשויה לחיות ולא ראיה שהיא עובדת.
בקריאה משותפת, שני צדי המאזן מרמזים על כלל: AI יכול לשאת את עומס התרגול — תרחישים ריאליים, משוב מיידי, קנה מידה — אבל עומס השיפוט נשאר אצל הלומד, וכל כלי שטוען להחליף אותו צריך להיבחן כגלאי עם שיעור שגיאה מדוד, ולא לאמץ אותו כמפתח תשובות.
מה זה אומר לפרקטיקה
- ללמד נוהל אחד, שני מושאים. השגרה הניתנת לבדיקה — לעקוב אחר הטענה אל המקור, אחר המקור אל המחבר, ולשאול מה החפץ עושה — עובדת גם עבור הפניה וגם עבור סרטון. יש לנקוב באיזה מושא המטלה מעריכה.
- להתייחס לגילוי כראיה, לא כפסק דין. פלט הגלאי הוא הסתברות; למדו סטודנטים לאמת אותו בשיטה שנייה ולומר מה ישנה את דעתם.
- להשאיר את ההפקה בתכנית הלימודים. יצירת מדיה הייתה הפדגוגיה שהפכה את הביקורת למוחשית; יצירה עם AI יכולה לתמוך בה רק אם הסטודנטים בוחנים את הבחירות שהכלי עשה עבורם.
- למקם ספרן או מומחה מדיה בתוך זרימת העבודה. התוצאה ההוראתית החזקה ביותר בספרות הזאת מגיעה מעיצוב שבו התייעצות אנושית הייתה מובנית, ולא הוצעה בדיעבד.
- להעריך את יכולת הצוות לפני כתיבת הסילבוס. החסר הנמדד נמצא בתכנון מטרות ובהערכת תוצאות, לא בשימוש בכלים.
מגבלות הראיות
רוב המחקרים כאן קטנים, מדווחים-עצמית או שניהם: 236 סטודנטים בסקר אחד, 36 ילדים בהתערבות אחת, 412 ספרנים שמדרגים את עצמם. נראות ביבליומטרית אינה פרקטיקה, ומחברי הסקירה הביבליומטרית אומרים זאת במפורש. אין בקורפוס מחקר שמעריך תכנית לימודים משולבת של אוריינות מידע ומדיה, וכלי הגילוי ובדיקת העובדות שהספרות המקצועית ממליצה עליהם ברובם אינם מדודים במקורות האלה. יש להתייחס לטענה שאימות מונחה AI משפר תוצאות כהשערת עיצוב עד שמישהו יבחן אותה מול קבוצת ביקורת.
מושגים מקושרים
- אוריינות AI
- Libraries
- ספרנים
- חשיבה ביקורתית
- פדגוגיה ביקורתית
- יושרה אקדמית
- כיול אמון
- בינה מלאכותית יוצרת
- השכלה גבוהה
מאמרים מקושרים
- Mapping the Integration of AI Literacy Into Information Literacy Instruction in Academic Libraries: A Systematic Review of Emerging Research — Mapping the Integration of AI Literacy Into Information Literacy Instruction in Academic Libraries: A Systematic Review of Emerging Research
- How artificial intelligence is reshaping information literacy in academic libraries: A global Scientometric analysis (2020–2025) — How artificial intelligence is reshaping information literacy in academic libraries: A global Scientometric analysis (2020–2025)
- Artificial intelligence (AI) and information seeking: A comparative exploration of AI chatbots, search engines, and library resources as information sources among university students — Artificial intelligence (AI) and information seeking: A comparative exploration of AI chatbots, search engines, and library resources as information sources among university students
- Developing an AI-Assisted Seminar-Based Learning Platform With Embedded Librarian Support: Enhancing Information Literacy of Engineering Research Teams — Developing an AI-Assisted Seminar-Based Learning Platform With Embedded Librarian Support
- Information literacy through open pedagogy: What's the role of AI tools? — Information literacy through open pedagogy: What's the role of AI tools?
- Generative artificial intelligence reshapes university students’ sustainable use of academic information resources: mixed evidence from behavioral logs and perceptual survey data — Generative artificial intelligence reshapes university students' sustainable use of academic information resources
- Academic Librarians' Student Engagement for Promoting Information Literacy and Artificial Intelligence Instruction in Nigerian Tertiary Institutions — Academic Librarians' Student Engagement for Promoting Information Literacy and Artificial Intelligence Instruction in Nigerian Tertiary Institutions
- Artificial Intelligence as a Tool for Promoting Information Literacy among Library Users — Artificial Intelligence as a Tool for Promoting Information Literacy among Library Users
- Technology, education and critical media literacy: potential, challenges, and opportunities — Technology, education and critical media literacy: potential, challenges, and opportunities
- Transforming clicks into critical thinking: An AI-based media literacy program for children — Transforming clicks into critical thinking: An AI-based media literacy program for children
- Supporting AI Literacies for Young Adults Aged 14-19: A value-based, practical framework for public service media organisations — Supporting AI Literacies for Young Adults Aged 14-19