AIEd-kennisbankAIEd KB
Op deze pagina

Lees deze pagina in het Engels

Concepten

Informatie- en mediageletterdheid

Aangemaakt 2026-11-05 · Bijgewerkt 2026-11-08

Automatische machinale vertaling van deze Engelse pagina, nog niet nagekeken door een moedertaalspreker.

Informatie- en mediageletterdheid zijn aangrenzende vaardigheden die AI op dezelfde naad herschrijft. Informatiegeletterdheid draait om het vinden en verifiëren van accurate gegevens; mediageletterdheid om het begrijpen van wie een boodschap heeft gemaakt, hoe die is opgebouwd en waarom. Ze overlappen in hun gedeelde doel om het kritisch denken op te bouwen waarmee mensen zich in een digitale wereld kunnen bewegen en desinformatie kunnen herkennen — en ze delen nu een tweede probleem: generatieve AI produceert vloeiende, plausibele content waarvan de oorsprong en bedoeling verborgen zijn, zodat de herkomstvraag die mediageletterdheid altijd al stelde, nu ook in informatiegeletterdheid is doorgedrongen.

Vragen om over na te denken

  • Wanneer een chatbot met een zelfverzekerde alinea en drie citaten terugkomt, oefent de student dan informatiegeletterdheid, mediageletterdheid of geen van beide — en maakt de opdracht dat onderscheid zichtbaar?
  • Deepfakes en verzonnen citaten zijn verschillende soorten fouten: het ene is een onjuiste registratie van de wereld, het andere een onjuiste registratie van de literatuur. Kan één cursus beide onderwijzen zonder elk slecht te onderwijzen?
  • AI-detectoren en factcheckers zijn zelf modellen met foutmarges. Wat gebeurt er met een verificatiecurriculum wanneer het verificatiehulpmiddel probabilistisch is?
  • Mediageletterdheid is onderwezen via productie — studenten maken media om die te begrijpen. Als een model nu het artefact maakt, welk deel van de pedagogiek overleeft dan?

Introductie

De twee geletterdheden hebben elk een eigen institutionele thuisbasis. Informatiegeletterdheid werd gecodificeerd in de bibliotheek- en informatiewetenschap, het meest zichtbaar in het ACRL-kader, als een reeks disposities rond autoriteit, proces en waarde. Mediageletterdheid groeide uit de communicatie- en mediastudies en uit media-educatie op school, en vraagt naar auteurschap, techniek, publiek en effect. De ene beoordeelt of een bron geloof verdient; de andere vraagt wie een boodschap heeft gemaakt en wat die doet.

Die scheiding is in de theorie altijd schoner geweest dan in een klaslokaal. Beide geletterdheden leren studenten vertragen, herkomst controleren en weerstand bieden aan vlotheid. Beide steunden op de aanname dat het artefact een auteur had die een prijs betaalde om het te produceren. Generatieve AI haalt die aanname in één beweging bij beide weg: tekst wordt gesynthetiseerd uit een niet-traceerbaar corpus, beelden en stemmen worden gekloond, en geautomatiseerde accounts simuleren het publiek zelf.

Deze pagina behandelt het paar omdat het corpus ze als één onderwijskundig probleem met twee uitkomstensets ziet. Het bewijs is ongelijk verdeeld — een bibliometrische kaart en twee systematische reviews aan de informatiekant, een kleine interventie en een interviewstudie met deskundigen aan de mediakant — en bijna niets ervan test een gecombineerd curriculum. Dat ontbreken is zelf de bevinding die het waard is om mee te nemen naar de praktijk.

Waar de twee constructen uiteenlopen

Het object van informatiegeletterdheid is de bron, en de kernvraag is of de bewering waar is en het bewijs erachter geloofwaardig. Het object van mediageletterdheid is de boodschap, en de kernvraag is wie die heeft gemaakt, hoe, voor wie en met welk doel. Een verzonnen citaat zakt voor de eerste toets; een deepfake kan elke feitelijke controle doorstaan die een student kan uitvoeren en toch voor de tweede zakken.

De empirische literaturen weerspiegelen die splitsing. Een enquête onder 236 Amerikaanse universiteitsstudenten vroeg waar academische zoekopdrachten beginnen en vond zoekmachines op 45,5%, de bibliotheekhomepage op 27,9% en een AI-chatbot op 26,6%, waarbij internationale studenten ongeveer twee keer zo vaak AI in de plaats van bibliotheekbronnen stelden als binnenlandse studenten (Lund et al., 2026). Een systematische review van 32 studies vond dat de integratie van AI-geletterdheid in informatiegeletterdheidsonderwijs zich in een 'beginfase' bevindt en via LibGuides en workshops wordt aangeboden in plaats van via het curriculum (Mirza en Arif, 2026). Aan de mediakant vonden interviews met zeven deskundigen en een enquête onder 141 studenten dat de integratie van technologie in het curriculum voor kritische mediageletterdheid 'beperkt en vaak oppervlakkig' is, waarbij docenten onvoldoende zijn opgeleid voor tools die desinformatie en deepfakes produceren (de studie naar kritische mediageletterdheid, 2026).

Hoe AI informatiegeletterdheid ingewikkelder maakt

De eerste complicatie is fabricatie op schaal. Een model produceert overtuigende tekst, plausibele referenties en zelfverzekerde statistieken die misschien niet bestaan; de lezer ontvangt een synthese waarvan het zoekspoor is uitgewist. Controleren wordt een andere vaardigheid: niet 'is dit een goede bron', maar 'bestaat deze bron, en zegt die wat het antwoord beweert'.

De tweede is dat de zoeklaag is samengevallen met een antwoordlaag. Wanneer de tool ophaalt, selecteert en schrijft, verschuift de geletterde handeling naar het beoordelen van de synthese. Dat is waar het bewijs steeds op uitkomt: een platform met een ingebedde bibliothecaris versloeg conventionele bibliotheekinstructie met 0,78 tegen 0,25 punten op een op de ACRL gebaseerd instrument, en de consultaties die de winst opleverden werden gedomineerd door vragen over bronevaluatie (Huang, 2026).

De derde is capaciteit. In een enquête onder 412 academische bibliothecarissen in 38 Nigeriaanse instellingen was de zelfgerapporteerde bekwaamheid hoog voor database-instructie (M = 4,07) en het aanbieden van informatiegeletterdheid (M = 4,02), maar de samengestelde AI-competentie was 2,86, het zwakst bij het ontwerpen van doelen (M = 2,70) en het beoordelen van uitkomsten (M = 2,62) (Dada, 2026). Een vakgebied dat in kaart is gebracht aan de hand van 1.669 publicaties, wordt gevraagd een competentie te onderwijzen die zijn docenten volgens eigen opgave nog niet kunnen ontwerpen (Jabeen en Lux, 2026).

Hoe AI mediageletterdheid ingewikkelder maakt

De grondvragen van mediageletterdheid gingen uit van een maker met een bedoeling. Deepfakes, stemklonen en geautomatiseerde bots doorbreken die aanname op drie manieren: het artefact heeft mogelijk geen menselijke auteur, het publiek kan synthetisch zijn, en de intentie kan optimalisatie voor betrokkenheid zijn in plaats van overtuiging door iemand.

Het curriculumonderzoek suggereert dat scholen de aansluiting nog niet hebben gevonden. De deskundigeninterviews beschrijven docentopleiding als de beperkende factor, eerder dan weerstand bij studenten, en pleiten voor een Critical Pedagogy-kader dat evaluatie als ethische en participatieve praktijk behandelt in plaats van tooltraining. Een in opdracht geschreven rapport voor publieke omroep vond dat het aanbod voor 14- tot 19-jarigen meer neigde naar functionele AI-vaardigheden dan naar kritische evaluatie, ondanks een review van meer dan 40 kaders en interviews met 35 deskundigen (het AI-geletterdheidsrapport, 2025).

AI als defensief hulpmiddel — beloften en kanttekeningen

Het pleidooi voor AI aan de defensieve kant is plausibel en wordt breed gemaakt: geautomatiseerde geloofwaardigheidscontroles die de geschiedenis en het taalgebruik van een bron scannen op signalen van vooringenomenheid, deepfakedetectoren, metadatatools die naar herkomstenmerken zoeken, en simulaties waarmee studenten evaluatie oefenen op realistisch synthetisch materiaal. Deze capaciteiten zijn echte producten, en het gebruik in de klas is echte praktijk.

Het bewijs is dunner dan de claims. Detectoren zijn probabilistisch en worden zwakker naarmate generatoren beter worden; een factcheckmodel is zelf een model, dus de student moet nog steeds de checker beoordelen; en herkomstmetadata helpen alleen wanneer een producent besluit ze toe te voegen. Een van de stevigste resultaten van het corpus is dat AI-ondersteund mediageletterdheidsonderwijs op kleine schaal kan werken: een programma van 18 uur op basis van het 5E-model leverde grote winsten op bij 36 vierdeklassers op één Turkse school (Demir en Akar, 2026). Zesendertig leerlingen is een proof of concept, geen aankoopdossier.

Een opiniestuk uit de bibliotheeksector duwt hetzelfde idee verder: AI zou de uitvoering van informatiegeletterdheid kunnen dragen via retrieval, adaptieve tutorials, chatbots en geautomatiseerde factchecking, waarbij bibliothecarissen en niet leveranciers de integratie bezitten (Offem en Arikpo, 2026). Het artikel rapporteert geen data, dus het is een ontwerpopdracht voor waar het onderwijs zou kunnen zitten in plaats van bewijs dat het werkt.

Samen gelezen suggereren de twee zijden van de balans een regel: AI kan de oefenlast dragen — realistische scenario's, onmiddellijke feedback, schaal — maar de oordeelslast blijft bij de lerende, en elke tool die claimt deze te vervangen, moet worden beoordeeld als een detector met een gemeten foutpercentage, niet worden aangenomen als antwoordsleutel.

Wat dit betekent voor de praktijk

  • Leer één procedure, twee objecten. De controleerbare routine — herleid de claim tot een bron, herleid de bron tot een auteur, vraag wat het artefact doet — werkt voor een citaat en voor een video. Benoem welk object de opdracht beoordeelt.
  • Behandel detectie als bewijs, niet als vonnis. De output van een detector is een waarschijnlijkheid; leer studenten die met een tweede methode te bevestigen en te zeggen wat hen van gedachten zou doen veranderen.
  • Houd productie in het curriculum. Media maken was de pedagogiek die kritiek concreet maakte; genereren met AI kan dat alleen ondersteunen als studenten de keuzes onderzoeken die de tool voor hen heeft gemaakt.
  • Zet een bibliothecaris of mediaspecialist binnen de workflow. Het sterkste onderwijskundige resultaat in deze literatuur komt uit een ontwerp waarin menselijk overleg was ingebouwd, niet achteraf aangeboden.
  • Beoordeel de capaciteit van het personeel voordat je de syllabus schrijft. Het gemeten tekort zit bij het ontwerpen van doelen en het beoordelen van uitkomsten, niet bij het gebruik van tools.

Beperkingen van het bewijs

De meeste studies hier zijn klein, zelfgerapporteerd of beide: 236 studenten in één enquête, 36 kinderen in één interventie, 412 bibliothecarissen die zichzelf beoordelen. Bibliometrische zichtbaarheid is geen praktijk, en de scientometrische auteurs zeggen dat expliciet. Geen enkele studie in het corpus evalueert een gecombineerd curriculum voor informatie- en mediageletterdheid, en de detector- en factcheckingtools die de praktijkliteratuur aanbeveelt, zijn in deze bronnen grotendeels ongemeten. De claim dat door AI aangedreven verificatie de uitkomsten verbetert, moet als ontwerphypothese worden behandeld tot iemand die tegen een controlegroep test.

Verbonden concepten

Verbonden artikelen

Metadata

NiveauHigher Ed, K 12, Adult Learning
Beoogde doelgroepLibrarians, Instructors, Learners, Curriculum Designers
Leren en onderwijzenCritical Pedagogy
Technologieën en techniekenGenerative AI, Large Language Models (LLMs)
Gelijkheid, ethiek en verantwoord gebruikTrust Calibration
Grondslagen van AI in het onderwijsInformatie- en mediageletterdheid, AI-geletterdheid, Kritisch denken, Academische integriteit
Soort paginaSynthesis
BronGeschiedenisBewerkenChat

Deze pagina insluiten

Kopieer de onderstaande code om deze pagina in een leeromgeving of op een andere website in te sluiten. De ingesloten versie toont alleen de inhoud van de pagina — de sitekop, navigatie en voettekst zijn verborgen.