図書館

英語ページの自動翻訳です。母語話者による確認はまだ行われていません。

図書館 — 学術的・公共的な記録へのアクセスを提供する制度であり、そのアクセスの背後にある業務システム、すなわち目録とディスカバリー層、レファレンスと研究支援、コレクション、そしてその上に成り立つ指導プログラムのことです。教育における AIにおいて、図書館は二重に重要です。生成的 AIが実際のサービスに配備されている現場であると同時に、自らの検索層がその足元で再構築されるなかで情報リテラシーの指導を担う制度だからです。

検討すべき問い

かつてレファレンスデスクは事実についての問いに答えていました。チャットボットがそれを数秒で答えるとき、そのサービスは何のためにあるのでしょうか。そして、それを担っていた職員は代わりに何をすべきなのでしょうか。
系統的レビューは、AI の導入がレファレンスと目録作成に集中する一方、資金が最も多く挙げられる障壁であることを見出しています。拘束的な制約は資金なのか、職員の技能なのか、それとも図書館が何のためにあるかについての決定の不在なのでしょうか。
図書館のシステムは、コース単位のツールが決して見ない全集団、すなわち利用者、非利用者、地域の住民を見ています。そのことは図書館を公共の AI アクセスを置くべき正しい場所にするのでしょうか、それとも監視を集中させる誤った場所にするのでしょうか。
AI リテラシーと情報リテラシーはどちらも図書館員が教えており、どちらも定まった評価を欠いています。図書館はそれらを一つのプログラムに統合すべきでしょうか、それとも枠組みを別々に保つべきでしょうか。

はじめに

図書館は、教育システムの中で常に情報アクセスの事業に関わってきた部分です。だからこそ AI は、目新しさとしてよりも、サプライチェーンの変化としてそこに到来します。このページでは二つの文献が出会います。一つは図書館を導入する側として研究します。図書館が AI で何をしているか、何がそれを妨げているか、そしてその仕事が技術サービス、レファレンス、コレクション、貸出、指導、職員開発にどう分配されているかです。もう一つは図書館をインフラとして研究します。学生と公共がそもそも検索に出会う場所であり、したがって検索から統合への移行が最初に感じられる場所です。

このページは、人々とその専門的役割を扱う司書や、彼らが教える構成概念を扱う情報リテラシーとメディアリテラシーとは意図的に区別されています。このページは制度についてのものです。そのサービス、システム、人員モデル、そして公共的な義務です。

AI は図書館業務にどう入るか

2020 年から 2024 年に公表された 29 研究の系統的レビューは、AI の導入を六つの次元、すなわち技術サービス、レファレンスと情報サービス、管理サービスと貸出、コレクション開発、情報リテラシーと利用者教育、専門性開発と協働に整理し、重心がレファレンスにあることを見出します。方向を示す質問や即時レファレンスの問いに答えるための AI は、レビュー対象研究の 34.48% に現れ、目録作成とチャット記録によるレファレンスがそれぞれ 27.58% で続きます（Ayinde, Ebiefung and Oladokun, 2026）。同じレビューは、導入の文献が通常やわらげてしまう事実も記録しています。資金は 48.28% の研究で重大な障壁として名指され、技術的技能の不足とデータ品質の低さは 58.62%、職の喪失への恐れは 13.79% でした。

この分布が重要なのは、それが、すでに事務的な性格を持っていた仕事の部分、すなわち方向を示す質問、目録のレコード、チャットの記録を自動化しつつ、判断の重い仕事は人間に残している図書館を記述しているからです。これはナレッジベースの他の箇所にある指導の証拠と一致します。推薦システムが最も確信を持てなかったときに呼ばれた埋め込み型の図書館員は、大半が検索の質問ではなく情報源評価の質問を扱いました（Huang, 2026）。

検索層が動く

図書館のディスカバリーシステムは、もはや記録への唯一の経路ではありません。米国の大学学生 236 人の調査では、学術的な検索において検索エンジンが依然として支配的でしたが、生成的 AI は有意な情報源となっており、若い学生と留学生がより多く利用し、頻繁な利用者は答えにいっそう満足していました（Lund et al., 2026）。行動データは自己報告を複雑にします。ある中国の大学では、320 万件の取引を覆う 9 年分の貸出記録が、2023 年 1 月の生成的 AI の転換点において水準の変化も傾向の変化も示さなかった一方、368 人の学生を対象とした並行する調査では、代替的な AI 利用が印刷資料を使い続ける意図の低下と弱く関連していました（Huang et al., 2026）。正直な読み方は、置き換わりは表明された選好においては現実であり、行動においてはむらがあるということです。まさにそれは、図書館が測定でき、コースができない種類の隔たりです。

指導、職員配置、研究基盤

図書館は、AI のカリキュラムを持つ前に AI の指導を担っています。32 研究の系統的レビューは、統合が LibGuides、チュートリアル、ワークショップ、改訂されたモジュールを通じて進んでいることを見出し、32 研究のうち 30 が 2024 年または 2025 年に公表され、11 が米国のものでした（Mirza and Arif, 2026）。同じ時期の 1,669 件の出版物に関する科学計量学の地図は、この分野の重心が少数の図書館学の雑誌にあることを示し、Journal of Academic Librarianship が最も生産的な掲載誌であり、雑誌の共引用ネットワークの中心ノードでもあります（Jabeen and Lux, 2026）。どちらの地図も実践が変わりつつあることを示してはいません。両方とも、文献が効果の証拠よりも速く増えていることを示しています。

職員の能力は、調査研究で繰り返し現れる制約です。ナイジェリアの 38 機関にわたる 412 人の大学図書館員が、情報リテラシーと AI 指導における学生関与の戦略について研究され、職員開発は、図書館が求める介入としてレビューをまたいで繰り返し現れます（Dada, 2026）。業務上の問いは、職員を訓練すべきかどうかではなく、その訓練が図書館が実施すると決めたサービスに結びついているかどうかです。

AI の問いとしての公共アクセス

図書館の最も古い機能、すなわち個人が買えないアクセスを提供することは、新しい対象を得ました。Public AI Librariesのパイロットは、公共図書館に共有の AI ワークステーションを置き、各利用者に別個のアカウントを与え、参加する図書館にキオスク 1 台あたり年間 1,000 ドルを請求します。このモデルが広がるかどうかに関わらず、それは衡平性の論拠を正確に名指しています。今や AI の能力をめぐって走るデジタルデバイドにおいて、図書館は、一人ひとりへの購読ではなく、共有され、職員のいるアクセスを供給できる制度なのです。

実践にとってこれが意味すること

ツールを買う前に、図書館がどのサービスを実施するのかを決める。 導入の文献は所有者のいないパイロットで満ちています。レビューで最も多く挙げられる障壁は資金ですが、第二はサービスに見合った職員能力の不在です。
どの AI サービスにも人間へのエスカレーション経路を残す。 証拠は、検索と下書きのための AI、そして情報源についての判断のための人間の職員を支持しています。後者を消して前者を拡大する設計は、利用者が他所では得られない部分を取り除きます。
検索の移行を調査するのではなく、計測する。 貸出とディスカバリーのログはすでに存在します。それらを指導のデータと対にする図書館は、一回限りの学生調査が示せるよりも多くを AI の効果について知るでしょう。
AI リテラシーを情報リテラシーとして謳わない。 両者は職員と枠組みを共有しますが、評価するものが異なります。それらを混同すると、どちらも測定しないプログラムが生まれます。

メタデータ

分野	Library And Information Science
レベル	Higher Ed, Adult Learning
対象読者	Librarians, Administrators, Institutions
技術と手法	生成AI, 大規模言語モデル（LLM）, 推薦システムと学習経路, 知識グラフ
制度と方針	AIガバナンス, 教育におけるAI政策
公平性、倫理、責任ある利用	デジタルデバイド, 公平性
教育におけるAIの基礎	情報リテラシーとメディアリテラシー, AIリテラシー
ページ種別	Synthesis

ソース履歴編集チャット

検討すべき問い

はじめに

AI は図書館業務にどう入るか

検索層が動く

指導、職員配置、研究基盤

AI の問いとしての公共アクセス

実践にとってこれが意味すること

関連する概念

関連する記事

関連するリソース

メタデータ

このページを埋め込む