सूचना और मीडिया साक्षरता

यह अंग्रेज़ी पेज का ऑटोमैटिक अनुवाद है और इसकी अभी तक किसी मूल भाषी ने समीक्षा नहीं की है।

सूचना और मीडिया साक्षरता ऐसी निकटवर्ती क्षमताएँ हैं जिन्हें AI एक ही सीवन पर पुनर्लेखित कर रहा है। सूचना साक्षरता सटीक डेटा खोजने और सत्यापित करने पर केंद्रित है; मीडिया साक्षरता यह समझने पर केंद्रित है कि कोई संदेश किसने बनाया, उसे कैसे गढ़ा गया और क्यों। वे उस साझा लक्ष्य में अतिव्यापी हैं — उस आलोचनात्मक सोच का निर्माण जो लोगों को डिजिटल दुनिया में चलने और भ्रामक जानकारी पहचानने देता है — और अब वे एक दूसरी समस्या भी साझा करते हैं: जनरेटिव AI प्रवाहशील, संभाव्य सामग्री उत्पन्न करता है जिसका उद्गम और इरादा छिपा होता है, इसलिए वह उद्गम-प्रश्न जो मीडिया साक्षरता हमेशा पूछती थी अब सूचना साक्षरता में भी आ गया है।

विचार करने योग्य प्रश्न

जब कोई चैटबॉट तीन उद्धरणों के साथ एक आत्मविश्वासी अनुच्छेद लौटाता है, तो छात्र सूचना साक्षरता का अभ्यास कर रहा है, मीडिया साक्षरता का, या किसी का भी नहीं — और क्या असाइनमेंट उस भेद को दृश्य बनाता है?
डीपफेक और गढ़े गए उद्धरण अलग-अलग विफलताएँ हैं: एक दुनिया का झूठा अभिलेख है, दूसरा साहित्य का झूठा अभिलेख। क्या एक पाठ्यक्रम दोनों सिखा सकता है बिना प्रत्येक को बुरी तरह सिखाए?
AI डिटेक्टर और तथ्य-जाँचकर्ता स्वयं त्रुटि-दरों वाले मॉडल हैं। जब सत्यापन उपकरण संभाव्य हो, तो सत्यापन पाठ्यक्रम का क्या होता है?
मीडिया साक्षरता उत्पादन के माध्यम से सिखाई जाती रही है — छात्र उसे समझने के लिए मीडिया बनाते हैं। यदि अब कोई मॉडल वह कलाकृति बनाता है, तो शिक्षाशास्त्र का कौन-सा हिस्सा बचता है?

परिचय

दोनों साक्षरताओं के संस्थागत घर अलग हैं। सूचना साक्षरता पुस्तकालय और सूचना विज्ञान में संहिताबद्ध हुई, सबसे स्पष्ट रूप से ACRL ढाँचे में, प्राधिकार, प्रक्रिया और मूल्य के इर्द-गिर्द प्रवृत्तियों के समूह के रूप में। मीडिया साक्षरता संचार और मीडिया अध्ययनों से तथा विद्यालयी मीडिया शिक्षा से विकसित हुई, और लेखकत्व, तकनीक, दर्शक और प्रभाव के बारे में पूछती है। एक यह तय करती है कि कोई स्रोत विश्वास के योग्य है या नहीं; दूसरी पूछती है कि कोई संदेश किसने बनाया और वह क्या कर रहा है।

यह विभाजन सिद्धांत में हमेशा कक्षा की तुलना में साफ रहा है। दोनों साक्षरताएँ छात्रों को धीमा होना, उद्गम जाँचना और प्रवाह का विरोध करना सिखाती हैं। दोनों उस धारणा पर बनी थीं कि कलाकृति का कोई लेखक था जिसने उसे बनाने की कीमत चुकाई। जनरेटिव AI उस धारणा को दोनों से एक साथ हटा देता है: पाठ एक ऐसे संग्रह से संश्लेषित होता है जिसका कोई पता नहीं चलता, छवियाँ और आवाज़ें क्लोन होती हैं, और स्वचालित खाते दर्शकों का ही अनुकरण करते हैं।

यह पेज इस युग्म को कवर करता है क्योंकि ज्ञानकोष उन्हें दो परिणाम-समुच्चयों वाली एक निर्देशात्मक समस्या मानता है। साक्ष्य असमान है — सूचना पक्ष पर एक बिब्लियोमेट्रिक मानचित्र और दो व्यवस्थित समीक्षाएँ, मीडिया पक्ष पर एक छोटा हस्तक्षेप और एक विशेषज्ञ साक्षात्कार अध्ययन — और उसमें से लगभग कुछ भी किसी संयुक्त पाठ्यक्रम का परीक्षण नहीं करता। वह अनुपस्थिति ही वह निष्कर्ष है जिसे अभ्यास में ले जाना योग्य है।

जहाँ दोनों निर्माण अलग होते हैं

सूचना साक्षरता की वस्तु स्रोत है, और उसका मूल प्रश्न यह है कि दावा सत्य है और उसके पीछे का साक्ष्य विश्वसनीय है या नहीं। मीडिया साक्षरता की वस्तु संदेश है, और उसका मूल प्रश्न यह है कि उसे किसने, कैसे, किसके लिए और किस उद्देश्य से बनाया। एक गढ़ा गया उद्धरण पहली कसौटी पर विफल होता है; एक डीपफेक हर उस तथ्यात्मक जाँच को पार कर सकता है जिसे चलाना छात्र जानता है, जबकि दूसरी कसौटी पर विफल होता है।

अनुभवजन्य साहित्य इस विभाजन को प्रतिबिंबित करता है। 236 अमेरिकी विश्वविद्यालय छात्रों के एक सर्वेक्षण ने पूछा कि अकादमिक खोज कहाँ से शुरू होती है और पाया कि खोज इंजन 45.5% पर, पुस्तकालय गृहपृष्ठ 27.9% पर और एक AI चैटबॉट 26.6% पर था, जिसमें अंतर्राष्ट्रीय छात्र घरेलू दर के लगभग दोगुने पर AI को पुस्तकालय संसाधनों के विकल्प के रूप में उपयोग कर रहे थे (Lund et al., 2026)। 32 अध्ययनों की एक व्यवस्थित समीक्षा ने सूचना-साक्षरता निर्देश में AI साक्षरता एकीकरण को "शैशव अवस्था" में पाया, जो पाठ्यक्रम के बजाय LibGuides और कार्यशालाओं के माध्यम से दिया जा रहा था (Mirza and Arif, 2026)। मीडिया पक्ष पर, सात विशेषज्ञों के साक्षात्कार और 141 छात्रों के सर्वेक्षण ने आलोचनात्मक मीडिया साक्षरता पाठ्यक्रम में प्रौद्योगिकी समावेशन को "सीमित और अक्सर सतही" पाया, जिसमें शिक्षक ऐसे उपकरणों के लिए कम-प्रशिक्षित थे जो दुष्प्रचार और डीपफेक उत्पन्न करते हैं (आलोचनात्मक मीडिया साक्षरता अध्ययन, 2026)।

AI सूचना साक्षरता को कैसे जटिल बनाता है

पहली जटिलता पैमाने पर गढ़ना है। एक मॉडल ऐसा विश्वसनीय पाठ, संभाव्य संदर्भ और आत्मविश्वासी आँकड़े उत्पन्न करता है जो अस्तित्व में न हों; पाठक को एक संश्लेषण मिलता है जिसका खोज-निशान मिटा दिया गया है। जाँच एक अलग कौशल बन जाती है: "क्या यह अच्छा स्रोत है" नहीं, बल्कि "क्या यह स्रोत मौजूद है, और क्या यह वही कहता है जो उत्तर दावा करता है।"

दूसरी यह है कि खोज-परत उत्तर-परत में समा गई। जब उपकरण पुनर्प्राप्त करता है, चुनता है और लिखता है, तो साक्षर कार्य संश्लेषण का न्याय करने में चला जाता है। साक्ष्य बार-बार इसी अवशेष की ओर संकेत करता है: एक पुस्तकालयाध्यक्ष-सन्निहित मंच ने ACRL-आधारित उपकरण पर पारंपरिक पुस्तकालय निर्देश को 0.78 बनाम 0.25 अंकों से हराया, और जिन परामर्शों ने वह लाभ उत्पन्न किया उनमें स्रोत-मूल्यांकन प्रश्न प्रभुत्वित थे (हुआंग, 2026)।

तीसरी क्षमता है। 38 नाइजीरियाई संस्थानों के 412 शैक्षणिक पुस्तकालयाध्यक्षों के सर्वेक्षण में, डेटाबेस निर्देश (M = 4.07) और सूचना-साक्षरता वितरण (M = 4.02) के लिए स्व-रेटेड क्षमता उच्च थी, लेकिन समग्र AI क्षमता 2.86 थी, जो उद्देश्य डिज़ाइन करने (M = 2.70) और परिणाम आँकने (M = 2.62) में सबसे कमज़ोर थी (Dada, 2026)। 1,669 प्रकाशनों पर मैप किए गए एक क्षेत्र से अपेक्षा की जा रही है कि वह ऐसी क्षमता सिखाए जिसे उसके प्रशिक्षक स्वयं स्वीकार करते हैं कि वे अभी तक डिज़ाइन नहीं कर सकते (Jabeen and Lux, 2026)।

AI मीडिया साक्षरता को कैसे जटिल बनाता है

मीडिया साक्षरता के संस्थापक प्रश्नों ने उद्देश्य वाले एक निर्माता को मान लिया था। डीपफेक, आवाज़ क्लोनिंग और स्वचालित बॉट उस धारणा को तीन तरीकों से तोड़ते हैं: कलाकृति का कोई मानव लेखक न हो, दर्शक संश्लेषित हों, और इरादा किसी के द्वारा अनुनय के बजाय जुड़ाव के लिए अनुकूलन हो।

पाठ्यक्रम साक्ष्य सुझाता है कि विद्यालय पीछे रह गए हैं। विशेषज्ञ साक्षात्कार शिक्षक प्रशिक्षण को छात्र-प्रतिरोध के बजाय निर्णायक अवरोध के रूप में वर्णित करते हैं, और एक आलोचनात्मक शिक्षाशास्त्र फ्रेमिंग का तर्क देते हैं जो मूल्यांकन को उपकरण प्रशिक्षण के बजाय नैतिक और सहभागी प्रथा मानती है। सार्वजनिक सेवा मीडिया के लिए एक आयोगित रिपोर्ट ने 14–19 वर्ष के युवाओं के लिए प्रावधान को कार्यात्मक AI कौशलों की ओर झुका हुआ और आलोचनात्मक मूल्यांकन से दूर पाया, 40 से अधिक ढाँचों की समीक्षा और 35 विशेषज्ञों के साक्षात्कार के बावजूद (AI साक्षरताएँ रिपोर्ट, 2025)।

AI एक रक्षात्मक उपकरण के रूप में — दावे और चेतावनियाँ

रक्षात्मक पक्ष पर AI के उपयोग का तर्क संभाव्य है और व्यापक रूप से दिया जाता है: स्वचालित विश्वसनीयता जाँच जो किसी स्रोत के इतिहास और भाषा को पूर्वाग्रह-संकेतों के लिए स्कैन करती है, डीपफेक डिटेक्टर, मेटाडेटा विश्लेषक जो उद्गम-चिह्न खोजते हैं, और अनुकरण जो छात्रों को यथार्थवादी संश्लेषित सामग्री पर मूल्यांकन का अभ्यास करने देते हैं। ये क्षमताएँ वास्तविक उत्पाद हैं, और कक्षा उपयोग वास्तविक प्रथा है।

साक्ष्य दावों से पतला है। डिटेक्टर संभाव्य हैं और जैसे-जैसे जनरेटर सुधरते हैं बिगड़ते हैं; एक तथ्य-जाँच मॉडल स्वयं एक मॉडल है, इसलिए छात्र को अब भी जाँचकर्ता का न्याय करना होता है; और उद्गम मेटाडेटा तभी मदद करता है जब कोई निर्माता उसे संलग्न करना चुने। ज्ञानकोष के सबसे ठोस परिणामों में से एक यह है कि AI-समर्थित मीडिया साक्षरता निर्देश छोटे पैमाने पर काम कर सकता है: 5E मॉडल पर बना एक 18-घंटे का कार्यक्रम एक तुर्की विद्यालय के 36 चौथी-कक्षा छात्रों में बड़े लाभ उत्पन्न कर गया (Demir and Akar, 2026)। छत्तीस छात्र एक अवधारणा-प्रमाण हैं, खरीद का मामला नहीं।

पुस्तकालय-क्षेत्र का एक मत-लेख उसी विचार को आगे धकेलता है: AI सूचना-साक्षरता वितरण को पुनर्प्राप्ति, अनुकूली ट्यूटोरियल, चैटबॉट और स्वचालित तथ्य-जाँच के माध्यम से वहन कर सकता है, जिसमें एकीकरण विक्रेताओं के बजाय पुस्तकालयाध्यक्षों के पास रहे (Offem and Arikpo, 2026)। लेख कोई डेटा रिपोर्ट नहीं करता, इसलिए यह इस बात का डिज़ाइन ब्रीफ है कि निर्देश कहाँ रह सकता है, इस बात का साक्ष्य नहीं कि वह काम करता है।

साथ पढ़े जाने पर, बहीखाते के दोनों पक्ष एक नियम सुझाते हैं: AI अभ्यास का भार वहन कर सकता है — यथार्थवादी परिदृश्य, तात्कालिक प्रतिक्रिया, पैमाना — लेकिन निर्णय का भार शिक्षार्थी के पास रहता है, और जो कोई उपकरण उसका स्थान लेने का दावा करे उसका मूल्यांकन मापी गई त्रुटि-दर वाले डिटेक्टर के रूप में होना चाहिए, उत्तर-कुंजी के रूप में अपनाया नहीं जाना चाहिए।

अभ्यास के लिए इसका क्या अर्थ है

एक प्रक्रिया सिखाएँ, दो वस्तुएँ। जाँचने योग्य दिनचर्या — दावे को स्रोत तक, स्रोत को लेखक तक ट्रेस करना, यह पूछना कि कलाकृति क्या कर रही है — उद्धरण के लिए उतनी ही काम करती है जितनी वीडियो के लिए। नाम लें कि असाइनमेंट किस वस्तु का आकलन कर रहा है।
पहचान को साक्ष्य मानें, निर्णय नहीं। डिटेक्टर का आउटपुट एक प्रायिकता है; छात्रों को दूसरी विधि से पुष्टि करना और यह बताना सिखाएँ कि क्या उनका मन बदल देगा।
उत्पादन को पाठ्यक्रम में रखें। मीडिया बनाना वह शिक्षाशास्त्र था जिसने आलोचना को ठोस बनाया; AI के साथ उत्पन्न करना उसका समर्थन तभी कर सकता है जब छात्र उन चुनावों की जाँच करें जो उपकरण ने उनके लिए किए।
कार्यप्रवाह के भीतर पुस्तकालयाध्यक्ष या मीडिया विशेषज्ञ रखें। इस साहित्य का सबसे मजबूत निर्देशात्मक परिणाम ऐसे डिज़ाइन से आता है जिसमें मानव परामर्श भीतर बनाया गया था, बाद में प्रस्तावित नहीं।
पाठ्यक्रम लिखने से पहले स्टाफ क्षमता आँकें। मापी गई कमी उद्देश्य डिज़ाइन करने और परिणाम आँकने में है, उपकरण उपयोग में नहीं।

साक्ष्य की सीमाएँ

यहाँ के अधिकांश अध्ययन छोटे, स्व-रिपोर्टित या दोनों हैं: एक सर्वेक्षण में 236 छात्र, एक हस्तक्षेप में 36 बच्चे, 412 पुस्तकालयाध्यक्ष स्वयं को रेट करते हुए। बिब्लियोमेट्रिक दृश्यता अभ्यास नहीं है, और साइंटोमेट्रिक लेखक स्वयं यह स्पष्ट कहते हैं। ज्ञानकोष में कोई अध्ययन संयुक्त सूचना-और-मीडिया-साक्षरता पाठ्यक्रम का मूल्यांकन नहीं करता, और अभ्यास-साहित्य जिन डिटेक्टर और तथ्य-जाँच उपकरणों की सलाह देता है वे इन स्रोतों में बड़े भाग में अ-मापित हैं। यह दावा कि AI-संचालित सत्यापन परिणाम सुधारता है, तब तक एक डिज़ाइन परिकल्पना माना जाना चाहिए जब तक कोई उसे किसी नियंत्रण के विरुद्ध परखे नहीं।

मेटाडेटा

स्तर	Higher Ed, K 12, Adult Learning
इच्छित पाठक	Librarians, Instructors, Learners, Curriculum Designers
अधिगम और शिक्षण	आलोचनात्मक शिक्षाशास्त्र
प्रौद्योगिकियाँ और तकनीकें	जनरेटिव-AI, बड़े भाषा मॉडल (LLMs)
समानता, नैतिकता और जिम्मेदार उपयोग	विश्वास कैलिब्रेशन
शिक्षा में AI की नींव	सूचना और मीडिया साक्षरता, AI साक्षरता, आलोचनात्मक सोच, शैक्षणिक इमानदारी
पृष्ठ का प्रकार	Synthesis

स्रोत इतिहास संपादित करें चैट