AIEd база знанийAIEd KB
На этой странице

Читать эту страницу на английском

Концепции

Информационная грамотность и медиаграмотность

Создано 2026-11-05 · Обновлено 2026-11-08

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Информационная грамотность и медиаграмотность — смежные компетенции, которые ИИ переписывает на одном и том же шве. Информационная грамотность сосредоточена на поиске и проверке точных данных; медиаграмотность — на понимании того, кто создал сообщение, как оно построено и почему. Они пересекаются в общей цели — сформировать Критическое мышление, позволяющее людям ориентироваться в цифровом мире и распознавать дезинформацию, — и теперь у них есть вторая общая проблема: генеративный ИИ производит беглый и правдоподобный контент, происхождение и замысел которого скрыты, поэтому вопрос о происхождении, который медиаграмотность задавала всегда, перешёл и в информационную грамотность.

Вопросы для размышления

  • Когда чат-бот выдаёт уверенный абзац с тремя ссылками, студент упражняет информационную грамотность, медиаграмотность или ни то ни другое — и делает ли задание это различие видимым?
  • Дипфейки и сфабрикованные ссылки — разные отказы: один — ложная запись о мире, другая — ложная запись о литературе. Может ли один курс научить и тому и другому, не научив плохо ни одному?
  • Детекторы ИИ и фактчекеры сами являются моделями с частотами ошибок. Что происходит с учебной программой проверки, когда инструмент проверки вероятностен?
  • Медиаграмотности учили через производство — студенты создают медиа, чтобы понять их. Если теперь артефакт создаёт модель, какая часть педагогики выживает?

Введение

У двух грамотностей разные институциональные дома. Информационная грамотность кодифицирована в библиотековедении и информатике, наиболее зримо — в рамках ACRL, как набор диспозиций вокруг авторитетности, процесса и ценности. Медиаграмотность выросла из коммуникативистики и медиаисследований и из школьного медиаобразования и спрашивает об авторстве, технике, аудитории и эффекте. Одна судит, заслуживает ли источник доверия; другая спрашивает, кто создал сообщение и что оно делает.

Это разделение всегда было чище в теории, чем в аудитории. Обе грамотности учат студентов замедляться, проверять происхождение и сопротивляться беглости. Обе строились на допущении, что у артефакта есть автор, заплативший за его создание. Генеративный ИИ снимает это допущение с обеих сразу: текст синтезируется из непрослеживаемого корпуса, изображения и голоса клонируются, а автоматизированные аккаунты имитируют саму аудиторию.

Эта страница рассматривает пару вместе, потому что корпус трактует их как одну учебную проблему с двумя наборами результатов. Доказательства неровные — библиометрическая карта и два систематических обзора на стороне информации, небольшая интервенция и исследование экспертных интервью на стороне медиа — и почти ни одно не проверяет совместную программу. Само это отсутствие и есть вывод, который стоит нести в практику.

Где два конструкта расходятся

Объект информационной грамотности — источник, и её центральный вопрос в том, верно ли утверждение и достоверны ли доказательства за ним. Объект медиаграмотности — сообщение, и её центральный вопрос в том, кто его создал, как, для кого и с какой целью. Сфабрикованная ссылка проваливает первую проверку; дипфейк может пройти любую фактическую проверку, которую студент умеет выполнять, и провалить вторую.

Эмпирическая литература отражает раскол. Опрос 236 студентов университетов США спросил, где начинаются академические поиски, и обнаружил поисковые системы у 45,5%, главную страницу библиотеки у 27,9% и чат-бота с ИИ у 26,6%, причём иностранные студенты заменяют библиотечные ресурсы ИИ примерно вдвое чаще местных (Lund et al., 2026). Систематический обзор 32 исследований обнаружил, что интеграция ИИ-грамотности в обучение информационной грамотности находится на «младенческой стадии» и осуществляется через LibGuides и мастерские, а не через программу (Mirza and Arif, 2026). На стороне медиа интервью с семью экспертами и опрос 141 студента показали, что включение технологий в программу критической медиаграмотности «ограничено и часто поверхностно», а учителя недостаточно обучены работе с инструментами, производящими дезинформацию и дипфейки (the critical media literacy study, 2026).

Как ИИ усложняет информационную грамотность

Первое осложнение — фабрикация в масштабе. Модель производит убедительный текст, правдоподобные ссылки и уверенные статистические данные, которых может не существовать; читатель получает синтез, поисковый след которого стёрт. Проверка становится другим навыком: не «хорош ли этот источник», а «существует ли этот источник и говорит ли он то, что утверждает ответ».

Второе — слой поиска схлопнулся в слой ответа. Когда инструмент находит, выбирает и пишет, грамотное действие смещается к оценке синтеза. Именно на этот остаток доказательства указывают снова и снова: платформа со встроенным библиотекарем превзошла традиционное библиотечное обучение на 0,78 против 0,25 балла по инструменту на основе ACRL, и консультации, давшие прирост, были заполнены вопросами оценки источников (Huang, 2026).

Третье — потенциал кадров. В опросе 412 академических библиотекарей из 38 нигерийских учреждений самооценка компетентности была высокой в обучении работе с базами данных (M = 4,07) и в преподавании информационной грамотности (M = 4,02), но сводная компетентность в ИИ составила 2,86, будучи слабейшей в проектировании целей (M = 2,70) и оценке результатов (M = 2,62) (Dada, 2026). Область, размеченная по 1 669 публикациям, просят преподавать компетентность, которую её же преподаватели, по их собственным словам, пока не умеют проектировать (Jabeen and Lux, 2026).

Как ИИ усложняет медиаграмотность

Основополагающие вопросы медиаграмотности предполагали создателя с замыслом. Дипфейки, клонирование голоса и автоматизированные боты ломают это допущение тремя способами: у артефакта может не быть человеческого автора, аудитория может быть синтетической, а замысел может быть оптимизацией под вовлечённость, а не убеждением кого-либо.

Данные о программах говорят, что школы не догнали. Экспертные интервью описывают подготовку учителей как главное ограничение, а не сопротивление студентов, и отстаивают рамку Критическая педагогика, которая трактует оценивание как этическую и совместную практику, а не обучение инструментам. Заказной отчёт для общественных медиа обнаружил, что предложение для 14–19-летних смещается к функциональным навыкам ИИ и уходит от критической оценки, хотя в нём рассмотрено более 40 рамок и опрошено 35 экспертов (the AI literacies report, 2025).

ИИ как защитный инструмент — заявки и оговорки

Аргумент в пользу оборонительного применения ИИ правдоподобен и широко высказывается: автоматические проверки достоверности, сканирующие историю и язык источника на сигналы предвзятости, детекторы дипфейков, анализаторы метаданных в поисках маркеров происхождения и симуляции, позволяющие студентам практиковать оценку на реалистичном синтетическом материале. Эти возможности — реальные продукты, а использование в аудитории — реальная практика.

Доказательства тоньше заявлений. Детекторы вероятностны и деградируют по мере улучшения генераторов; модель фактчекинга сама является моделью, поэтому студенту всё равно нужно судить проверяющего; а метаданные происхождения помогают только тогда, когда производитель решил их прикрепить. Один из самых прочных результатов корпуса: обучение медиаграмотности с поддержкой ИИ может работать в малом масштабе — 18-часовая программа на основе модели 5E дала большие приросты у 36 четвероклассников в одной турецкой школе (Demir and Akar, 2026). Тридцать шесть учеников — доказательство концепции, а не закупочный кейс.

Мнение из библиотечного сектора идёт дальше: ИИ мог бы нести подачу информационной грамотности через поиск, адаптивные учебники, чат-боты и автоматический фактчекинг, причём интеграцией владели бы Библиотекари, а не поставщики (Offem and Arikpo, 2026). Статья не сообщает данных, поэтому это проектный бриф о том, где может жить обучение, а не доказательство его эффективности.

Вместе две стороны баланса подсказывают правило: ИИ может нести нагрузку практики — реалистичные сценарии, немедленная обратная связь, масштаб, — но нагрузка суждения остаётся у учащегося, и любой инструмент, претендующий её заменить, следует оценивать как детектор с измеренной частотой ошибок, а не принимать как ключ с ответами.

Что это значит для практики

  • Учите одной процедуре, двум объектам. Проверяемая рутина — проследить утверждение до источника, источник до автора, спросить, что делает артефакт, — работает и для ссылки, и для видео. Называйте, какой объект оценивает задание.
  • Относитесь к детекции как к доказательству, а не приговору. Выход детектора — вероятность; учите студентов подтверждать её вторым методом и говорить, что изменило бы их мнение.
  • Сохраняйте производство в программе. Создание медиа было педагогикой, делавшей критику конкретной; генерация с ИИ может её поддержать, только если студенты изучают выборы, которые инструмент сделал за них.
  • Встройте библиотекаря или медиаспециалиста в рабочий процесс. Сильнейший учебный результат в этой литературе приходит из проекта, где человеческая консультация была встроена, а не предложена потом.
  • Оцените потенциал сотрудников до написания программы. Измеренный дефицит лежит в проектировании целей и оценке результатов, а не в использовании инструментов.

Ограничения доказательств

Большинство исследований здесь малы, самоотчётны или и то и другое: 236 студентов в одном опросе, 36 детей в одной интервенции, 412 библиотекарей оценивают себя. Библиометрическая видимость — не практика, и авторы наукометрического обзора говорят это прямо. Ни одно исследование в корпусе не оценивает совместную программу информационной и медиаграмотности, а инструменты детекции и фактчекинга, которые рекомендует литература о практике, в этих источниках по большей части не измерены. Утверждение, что проверка с поддержкой ИИ улучшает результаты, следует рассматривать как проектную гипотезу, пока кто-нибудь не проверит её против контрольной группы.

Связанные концепции

Связанные статьи

Метаданные

УровеньHigher Ed, K 12, Adult Learning
Целевая аудиторияLibrarians, Instructors, Learners, Curriculum Designers
Обучение и преподаваниеКритическая педагогика
Технологии и методыГенеративный ИИ, Большие языковые модели (LLM)
Справедливость, этика и ответственное использованиеКалибровка доверия
Основы ИИ в образованииИнформационная грамотность и медиаграмотность, ИИ-грамотность, Критическое мышление, Академическая добросовестность
Вид страницыSynthesis
ИсточникИсторияРедактироватьЧат

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.