Bibliotecários

Esta é uma tradução automática da página em inglês; ainda não foi revisada por uma pessoa falante nativa.

Bibliotecários — os profissionais de biblioteca e informação que ensinam letramento informacional, atendem consultas de pesquisa, constroem acervos e sistemas de descoberta, e cada vez mais atuam como a contraparte humana das ferramentas de busca e recomendação por IA. Na pesquisa da base de conhecimento, eles aparecem como as pessoas que resolvem a questão de credibilidade que um modelo não consegue assentar — se uma patente, uma norma técnica ou um relatório setorial merece crédito — e como parceiros no codesenho de cursos e políticas. Seu lugar na IA na educação é portanto duplo: como educadores que ensinam avaliação de fontes e estratégia de busca, e como a camada humana dentro de sistemas construídos em torno da recuperação por IA.

Perguntas para refletir

• A IA já consegue responder em segundos a questão factual de referência que um bibliotecário costumava atender. Que parte desse trabalho era de fato a resposta — e que parte era o julgamento sobre se uma fonte merecia crédito?
• No estudo do bibliotecário embutido, questões de avaliação de fontes dominaram as consultas (38,5%) exatamente nos casos em que a IA estava menos confiante. Isso é uma falha de desenho a ser corrigida, ou evidência de que o julgamento de credibilidade resiste à automação?
• O workshop CHIIR 2026 reportou uma lacuna de confiança — estudantes super-confiam na GenAI enquanto o corpo docente desconfia dela. Quem fecha uma lacuna dessas: um bibliotecário, um instrutor ou uma interface que mostra suas fontes e sua confiança?
• O Ithaka S+R descobriu que as instituições carecem tanto de um consenso sobre o que são habilidades em IA quanto de um framework para avaliá-las. A instrução em letramento informacional é o lar natural para esse trabalho — e dizer isso pede às bibliotecas que carreguem um peso que sua dotação de pessoal não acompanha?

Introdução

Bibliotecários são os profissionais que se situam entre a questão de um estudante e o registro acadêmico: bibliotecários de referência e de ligação, especialistas de assunto, bibliotecários que ensinam letramento informacional, e a equipe que gerencia acervos e repositórios. Na IA na educação, eles são nomeados muito menos frequentemente que professores e administradores, mas o corpus lhes dá um papel específico e testável. Eles são a resposta humana ao problema de credibilidade que a IA generativa cria, os instrutores que ensinam julgamento avaliativo e estratégia de busca em vez de meramente fornecer fontes, e — no caso mais forte da base de conhecimento — um componente desenhado de um sistema de IA, e não um serviço ao lado dele.

Esta página trata o papel como distinto de seus vizinhos. Os Desenvolvedores de tecnologia educacional constroem os sistemas de recuperação e recomendação; os bibliotecários decidem o que esses sistemas não deveriam ter permissão de concluir. O integridade acadêmica enquadra o uso de IA como autoria e revelação; o enquadramento do bibliotecário — atribuição, proveniência, acesso — é adjacente, mas mais concreto.

Letramento informacional como instrução, não apenas como assistência

A evidência mais detalhada da base de conhecimento sobre esse papel vem da plataforma de seminário com bibliotecário embutido de Huang, construída para equipes de pesquisa em engenharia num quase-experimento com 60 estudantes em três programas ao longo de oito semanas (30 na plataforma integrada, 30 em instrução bibliotecária convencional). O grupo integrado ganhou 0,78 pontos num instrumento de letramento informacional baseado na ACRL de cinco pontos, contra 0,25 dos controles, com os maiores ganhos intragrupo em habilidades de busca (+0,87) e avaliação de fontes (+0,83), seguidos por síntese de informação (+0,73) e consciência de uso ético (+0,70). Notavelmente, os itens baseados em desempenho isoladamente ainda produziram efeitos grandes, de modo que os ganhos não são puramente de confiança. O que foi ensinado se mapeia no trabalho de biblioteca: formação de estratégia de busca, avaliação de fontes, citação e navegação de repositório — as quatro categorias que depois dominaram os registros de consulta.

O corpus mais amplo acrescenta uma questão de dotação de pessoal e de formato de entrega. O relatório do workshop CHIIR 2026 descreve um currículo de letramento digital de 15 semanas construído por um bibliotecário com base num levantamento de 2.076 estudantes e 101 bibliotecários, e registra o julgamento dos apresentadores de que workshops de sessão única deixam os estudantes com uma fundação mal compreendida; o mesmo relatório contabiliza o alcance instrucional de um bibliotecário em aproximadamente 1.700 calouros.

Onde a IA era mais fraca, o bibliotecário carregou o peso

A plataforma de seminário dividiu o trabalho deliberadamente: algoritmos cuidavam da recuperação em escala, humanos cuidavam da avaliação sob incerteza — e os registros mostram a divisão funcionando. Ao longo de 312 consultas (10,4 por participante), avaliação e qualidade de fontes responderam por 38,5%, formação de estratégia de busca 29,2%, gestão de citações 18,6% e navegação de repositório 13,7%, e 73,4% foram respondidas dentro de seis horas. Os autores conectam isso diretamente ao desempenho do modelo: o motor de recomendação alcançou precisão 0,68 e revocação 0,61, acima de uma baseline booleana de palavras-chave (0,52 e 0,48), mas ainda insuficiente para julgamentos de credibilidade sobre patentes e normas, e o tratamento de consultas em linguagem natural respondeu corretamente 72,8% das consultas específicas de engenharia. A satisfação seguiu a mesma ordem — assistência do bibliotecário mais alta a 4,3 de 5,0, à frente de recomendações (4,1), consultas (3,9), seminários (3,8), trilhas de aprendizagem (3,6) e grafo de conhecimento (3,4) — e as entrevistas registraram 21 de 30 estudantes citando confiança na presença dos bibliotecários. O uso foi heterogêneo — 11 de 30 se apoiavam na IA, 8 nos bibliotecários e 11 usavam ambos.

A tensão corta dos dois lados. Os casos que a IA lidou pior eram questões de credibilidade, e os próprios autores da plataforma concluem que manter um especialista humano no ponto de decisão de credibilidade é a lição prática. Mas o estudo é de local único e não randomizado, seus três componentes nunca foram isolados, e os autores chamam os resultados de "meramente preliminares", notando que a persistência após a retirada do apoio do bibliotecário nunca foi testada. Se a camada humana foi a causa dos ganhos ou a rede de segurança em torno de um recomendador de precisão 0,68 permanece em aberto.

Codesenho, parceria e quem paga pela verificação

Os bibliotecários também aparecem como codesenhistas, e não como prestadores de serviço. Maybee, LeGrand e Fundator documentam o Partners for Algorithmic Literacy na Purdue — uma comunidade de aprendizagem de seis semanas entre estudantes e corpo docente facilitada por bibliotecários acadêmicos, em que graduandos e docentes coproduzem políticas de curso de IA e projetos em grupo com IA integrada. Os autores a enquadram como uma alternativa às narrativas deficitárias sobre o uso indevido de IA pelos estudantes, e as reflexões dos participantes do programa SPIRaL mostram o letramento informacional sendo reaprendido: os participantes inicialmente o equiparavam à avaliação de fontes, depois passaram a lê-lo como prática acadêmica em camadas ligada à agência. Essa mudança — de checar fontes a julgar a produção de conhecimento — é a que o bibliotecário está posicionado para produzir.

Duas vertentes mais estabelecem os limites do papel. O framework PEARLS nomeia Acesso, Legitimidade e Fonte entre suas seis dimensões de verificação e nota que a verificação consome acesso a bases de dados, linguagem disciplinar e às vezes ferramentas pagas — de modo que estudantes com menos recursos arcam com um fardo maior para provar uso responsável, e os bibliotecários são nomeados entre as partes que o codesenho requer. O framework AARC torna explícito o objetivo instrucional: verificar, citar e refletir como compromissos recorrentes, avaliados ao longo do processo de pesquisa — incluindo detectar fabricação e viés — e não pelo produto. A revisão de Hingle e Johri mostra que os mesmos desenhos que as bibliotecas já usam se transferem: os benefícios do trabalho em grupo para o letramento informacional se generalizam à aprendizagem de letramento em IA, inclusive com agentes de IA como parceiros.

Implicações para a IA na educação

• Mantenha um humano no ponto de decisão de credibilidade. Precisão em torno de 0,68 deixava cerca de um terço do material recuperado sem correspondência, e a avaliação de fontes era o tipo de consulta mais requisitado — uma pista de desenho para qualquer camada de busca ou recomendação por IA.
• Trate o letramento informacional como instrução. Os ganhos que se sustentaram em itens baseados em desempenho foram estratégia de busca e avaliação de fontes, que os bibliotecários que ensinam já ensinam e que atribuir e verificar a saída da IA também requer (integridade acadêmica, pensamento crítico).
• Desenhe para trilhas heterogêneas. Com grupos aproximadamente iguais preferindo IA, bibliotecários ou ambos, rotear as consultas por assunto e carga de trabalho absorveu 312 delas a 10,4 por participante; uma única rota obrigatória mal atenderá a alguns estudantes.
• Torne visíveis a confiança e as fontes. O fio do workshop sobre busca como aprendizagem pergunta quais processos cognitivos não deveriam ser terceirizados e pede interfaces que preservem os pontos de decisão — um scaffold que os bibliotecários podem especificar a partir de seu padrão de trabalho ordinário de visibilidade de fontes.
• Orçamente a camada humana, não apenas o modelo. As consultas foram respondidas em horas, em escala, porque a equipe foi roteada deliberadamente; presumir que os estudantes darão conta do julgamento de credibilidade sozinhos transfere esse custo para as pessoas menos equipadas para pagá-lo.

Conceitos conectados

• Letramento em IA
• Juízo avaliativo
• Pensamento crítico
• Integridade acadêmica
• IA com humano na alça (HITL)
• Colaboração humano-IA
• Sistemas de recomendação e trajetórias de aprendizagem
• Grafo de conhecimento
• Andaime (Scaffolding)
• Aprendizagem baseada em investigação
• Métodos de pesquisa em AIED
• Ensino superior
• Quem aprende

Artigos conectados

• Developing an AI-Assisted Seminar-Based Learning Platform With Embedded Librarian Support: Enhancing Information Literacy of Engineering Research Teams — Plataforma de seminário com bibliotecário embutido; 312 consultas lideradas por avaliação de fontes
• Report on CHIIR 2026 Workshop on Generative AI and Academic Search (GAI&AS) — Workshop CHIIR 2026 sobre GenAI e busca acadêmica; lacuna de confiança do bibliotecário
• Disruptive Partnerships: Collaborating with Students to Create Empowering Learning Experiences in Information Studies — Bibliotecários acadêmicos codesenhando letramento em IA com estudantes como parceiros
• AI-Assisted Research Competency in Secondary Education: A Framework for Epistemic Agency, Authorship and Responsible Knowledge Production — Verificar, citar, refletir como compromissos de pesquisa ensináveis
• From Plausibility to Verifiability: The PEARLS Framework for Developing Epistemic Agency in Generative AI-Mediated Higher Education — Protocolo de verificação de seis dimensões; acesso e legitimidade como portões
• Systematic Review of Collaborative Learning Activities for Promoting AI Literacy — Aprendizagem colaborativa para letramento em IA; benefícios do letramento informacional se transferem
• AI skills for college graduates: Exploring how instructors and employers prioritize AI skills differently — Instrutores classificam atribuição e uso responsável no topo, mas ensinam poucas das 26 habilidades
• What differentiates educational literature? A multimodal fusion approach of transformers and computational linguistics — Ferramenta de complexidade textual construída para usuários não técnicos como professores de inglês e bibliotecários
• Profiling cognitive offloading in LLM-mediated synthesis writing: Volume vs. content — O que os estudantes terceirizam quando a IA sintetiza fontes para eles
• Testing Our Foundations: Citation Trends, Errors, and Emerging Hallucinations in the Computing Education Literature — Citações fabricadas e errôneas como problema de verificação