AIEd علمی ذخیرہAIEd KB
اس صفحے پر

یہ صفحہ انگریزی میں پڑھیں

تصورات

معلوماتی اور میڈیا لیٹریسی

تخلیق شدہ 2026-11-05 · اپ ڈیٹ شدہ 2026-11-08

انگریزی صفحے کا خودکار ترجمہ، جو ابھی تک کسی مقامی بولنے والے کے ذریعے جانچا نہیں گیا۔

معلوماتی اور میڈیا لیٹریسی دو قریبی صلاحیتیں ہیں جنہیں AI ایک ہی دراڑ پر نئے سرے سے تراش رہا ہے۔ معلوماتی لیٹریسی درست ڈیٹا تلاش کرنے اور اس کی تصدیق پر مرکوز ہے؛ میڈیا لیٹریسی یہ سمجھنے پر کہ پیغام کس نے بنایا، کیسے بنایا اور کیوں بنایا۔ دونوں اس مشترک مقصد میں ملتی ہیں کہ وہ تنقیدی سوچ پیدا کریں جو لوگوں کو ڈیجیٹل دنیا میں راہنمائی اور غلط معلومات کی شناخت میں مدد دے — اور اب ان کا دوسرا مشترک مسئلہ بھی ہے: جنریٹو AI روانی اور قائل کرنے والا ایسا مواد پیدا کرتا ہے جس کا ماخذ اور ارادہ پوشیدہ ہوتا ہے، چنانچہ وہ اصلیت کا سوال جو میڈیا لیٹریسی ہمیشہ پوچھتی آئی ہے، اب معلوماتی لیٹریسی میں بھی منتقل ہو گیا ہے۔

غور کرنے کے لیے سوالات

  • جب کوئی چیٹ بوٹ تین حوالوں کے ساتھ ایک پراعتماد پیراگراف واپس کرتا ہے، تو کیا طالب علم معلوماتی لیٹریسی استعمال کر رہا ہے، میڈیا لیٹریسی، یا کوئی بھی نہیں — اور کیا اسائنمنٹ اس فرق کو نظر آنے والا بناتا ہے؟
  • ڈیپ فیک اور من گھڑت حوالے مختلف نوعیت کے نقصانات ہیں: ایک دنیا کا جھوٹا ریکارڈ ہے، دوسرا علمی ادب کا جھوٹا ریکارڈ۔ کیا ایک ہی کورس دونوں سکھا سکتا ہے بغیر یہ کہ ہر ایک کو بری طرح سکھایا جائے؟
  • AI ڈیٹیکٹر اور فیکٹ چیکر بذات خود ایسے ماڈل ہیں جن میں غلطیوں کی شرح ہوتی ہے۔ جب تصدیق کا آلہ احتمالی ہو تو تصدیق کے نصاب کا کیا بنتا ہے؟
  • میڈیا لیٹریسی پیداوار کے ذریعے سکھائی جاتی رہی ہے — طلبہ میڈیا بناتے ہیں تاکہ اسے سمجھ سکیں۔ اگر اب خود ماڈل آرٹی فیکٹ بناتا ہے، تو درس کا کون سا حصہ باقی رہتا ہے؟

تعارف

دونوں لیٹریسیوں کے ادارہ جاتی ٹھکانے الگ ہیں۔ معلوماتی لیٹریسی کو کتب خانہ اور اطلاعاتی علوم میں ضابطہ بند کیا گیا، سب سے نمایاں طور پر ACRL فریم ورک میں، بطور اختیار، عمل اور قدر سے متعلق رجحانات کا مجموعہ۔ میڈیا لیٹریسی مواصلات اور میڈیا اسٹڈیز اور اسکولی میڈیا تعلیم سے پروان چڑھی، اور یہ مصنفیت، تکنیک، سامعین اور اثر کے بارے میں پوچھتی ہے۔ ایک فیصلہ کرتی ہے کہ کوئی ماخذ یقین کے قابل ہے یا نہیں؛ دوسری پوچھتی ہے کہ پیغام کس نے بنایا اور وہ کیا کر رہا ہے۔

یہ تقسیم ہمیشہ نظریہ میں کلاس روم سے زیادہ صاف رہی ہے۔ دونوں لیٹریسیاں طلبہ کو سکھاتی ہیں کہ رکیں، ماخذ کی جانچ کریں اور روانی کے آگے نہ جھکیں۔ دونوں اس مفروضے پر بنی تھیں کہ آرٹی فیکٹ کا کوئی مصنف ہے جس نے اسے پیدا کرنے کے لیے کوئی قیمت ادا کی۔ جنریٹو AI ایک ہی وقت میں دونوں سے یہ مفروضہ ہٹا دیتا ہے: متن ایسے کارپس سے ترکیب کیا جاتا ہے جس کا سراغ نہیں ملتا، تصویریں اور آوازیں نقل کی جاتی ہیں، اور خودکار اکاؤنٹس خود سامعین کی نقل کرتے ہیں۔

یہ صفحہ دونوں کو ایک ساتھ اس لیے شامل کرتا ہے کہ کارپس انہیں دو نتائج کے مجموعوں کے ساتھ ایک تدریسی مسئلہ سمجھتا ہے۔ شواہد غیر متوازن ہیں — معلوماتی پہلو پر ایک ببلیومیٹرک نقشہ اور دو منظم جائزے، میڈیا پہلو پر ایک چھوٹی مداخلت اور ماہرین کے انٹرویوز کا ایک مطالعہ — اور ان میں سے تقریباً کوئی بھی مشترکہ نصاب کو آزماتا نہیں۔ یہ عدم موجودگی بذات خود وہ نتیجہ ہے جسے عمل میں لے جانا چاہیے۔

دونوں تصورات کہاں جدا ہوتے ہیں

معلوماتی لیٹریسی کا موضوع ماخذ ہے، اور اس کا بنیادی سوال یہ ہے کہ دعویٰ درست ہے یا نہیں اور اس کے پیچھے شواہد معتبر ہیں یا نہیں۔ میڈیا لیٹریسی کا موضوع پیغام ہے، اور اس کا بنیادی سوال یہ ہے کہ اسے کس نے، کیسے، کس کے لیے اور کس مقصد سے بنایا۔ من گھڑت حوالہ پہلی آزمائش میں ناکام ہوتا ہے؛ ڈیپ فیک طالب علم کی جانے پہچانے ہوئے حقائق کی ہر جانچ میں کامیاب ہو سکتا ہے جبکہ دوسری میں ناکام رہتا ہے۔

تجربی ادب اس تقسیم کی عکاسی کرتا ہے۔ امریکی یونیورسٹی کے 236 طلبہ کے ایک سروے میں پوچھا گیا کہ تعلیمی تلاش کہاں سے شروع ہوتی ہے اور پتا چلا کہ سرچ انجن 45.5%، لائبریری ہوم پیج 27.9% اور AI چیٹ بوٹ 26.6% پر ہیں، جبکہ بین الاقوامی طلبہ ملکی طلبہ کی نسبت تقریباً دوگنا شرح پر لائبریری وسائل کی جگہ AI استعمال کرتے ہیں (Lund et al., 2026)۔ 32 مطالعات کے ایک منظم جائزے نے معلوماتی لیٹریسی کی تدریس میں AI لیٹریسی کے انضمام کو "ابتدائی مرحلے" میں پایا، جو نصاب کے بجائے LibGuides اور ورکشاپس کے ذریعے دیا جاتا ہے (Mirza and Arif, 2026)۔ میڈیا کی طرف، سات ماہرین کے انٹرویوز اور 141 طلبہ کے سروے نے پایا کہ تنقیدی میڈیا لیٹریسی کے نصاب میں ٹیکنالوجی کی شمولیت "محدود اور اکثر سطحی" ہے، اور اساتذہ ایسے آلات کے لیے کم تربیت یافتہ ہیں جو غلط معلومات اور ڈیپ فیک پیدا کرتے ہیں (تنقیدی میڈیا لیٹریسی کا مطالعہ، 2026)۔

AI معلوماتی لیٹریسی کو کیسے پیچیدہ بناتا ہے

پہلی پیچیدگی بڑے پیمانے پر گھڑت ہے۔ ماڈل قائل کرنے والا متن، ممکنہ حوالے اور پراعتماد اعداد و شمار پیدا کرتا ہے جو وجود میں نہ بھی ہوں؛ قاری کو ایسی ترکیب ملتی ہے جس کا تلاش کا سراغ مٹ چکا ہوتا ہے۔ جانچ ایک مختلف مہارت بن جاتی ہے: نہ "کیا یہ اچھا ماخذ ہے" بلکہ "کیا یہ ماخذ موجود ہے، اور کیا یہ وہی کہتا ہے جو جواب کا دعویٰ ہے"۔

دوسری یہ ہے کہ تلاش کی پرت جواب کی پرت میں سمٹ گئی۔ جب آلہ تلاش کرتا ہے، منتخب کرتا ہے اور لکھتا ہے، تو پڑھے لکھے ہونے کا عمل ترکیب کا فیصلہ کرنے میں منتقل ہو جاتا ہے۔ یہی وہ باقیات ہیں جن کی طرف شواہد بار بار اشارہ کرتے ہیں: لائبریرین کے ساتھ جڑا ایک پلیٹ فارم ACRL پر مبنی آلے پر روایتی لائبریری تدریس کو 0.78 بمقابلہ 0.25 پوائنٹس سے ہرا گیا، اور جن مشوروں نے یہ فائدہ پیدا کیا ان میں ماخذ کی تشخیص کے سوالات غالب تھے (Huang, 2026)۔

تیسری صلاحیت ہے۔ نائجیریا کے 38 اداروں کے 412 تعلیمی لائبریرین کے سروے میں، ڈیٹا بیس کی تدریس (M = 4.07) اور معلوماتی لیٹریسی کی فراہمی (M = 4.02) کے لیے خود ساختہ قابلیت بلند تھی، مگر مجموعی AI قابلیت 2.86 تھی، جو مقاصد کی تشکیل (M = 2.70) اور نتائج کی تشخیص (M = 2.62) میں سب سے کمزور تھی (Dada, 2026)۔ 1,669 اشاعتوں پر محیط ایک شعبے سے کہا جا رہا ہے کہ وہ ایسی قابلیت سکھائے جسے اس کے اساتذہ خود بتاتے ہیں کہ وہ ابھی ڈیزائن نہیں کر سکتے (Jabeen and Lux, 2026)۔

AI میڈیا لیٹریسی کو کیسے پیچیدہ بناتا ہے

میڈیا لیٹریسی کے بانی سوالات نے ایک مقصد رکھنے والے بنانے والے کو فرض کیا تھا۔ ڈیپ فیک، آواز کی نقل اور خودکار بوٹس اس مفروضے کو تین طریقوں سے توڑتے ہیں: آرٹی فیکٹ کا کوئی انسانی مصنف نہ ہو سکتا ہے، سامعین مصنوعی ہو سکتا ہے، اور ارادہ کسی شخص کی قائل کرنے کی بجائے مشغولیت کے لیے آپٹیمائزیشن ہو سکتا ہے۔

نصاب کے شواہد بتاتے ہیں کہ اسکول پیچھے رہ گئے ہیں۔ ماہرین کے انٹرویوز اساتذہ کی تربیت کو طلبہ کی مزاحمت کے بجائے پابند رکاوٹ قرار دیتے ہیں، اور تنقیدی درس کے ایسے فریم ورک کی وکالت کرتے ہیں جو تشخیص کو آلے کی تربیت کے بجائے اخلاقی اور شراکتی عمل سمجھے۔ عوامی خدمت میڈیا کے لیے ایک کمیشن شدہ رپورٹ نے پایا کہ 14–19 سال کے نوجوانوں کے لیے فراہمی عملی AI مہارتوں کی طرف جھکی ہوئی ہے اور تنقیدی تشخیص سے دور، باوجود اس کے کہ اس نے 40 سے زائد فریم ورک کا جائزہ لیا اور 35 ماہرین کے انٹرویوز کیے (AI لیٹریسیز کی رپورٹ، 2025)۔

دفاعی آلے کے طور پر AI — دعوے اور احتیاطیں

دفاعی پہلو پر AI استعمال کرنے کی دلیل معقول اور بڑے پیمانے پر بیان کی جاتی ہے: خودکار اعتبار کی جانچ جو کسی ماخذ کی تاریخ اور زبان میں تعصب کے اشارے تلاش کرتی ہے، ڈیپ فیک ڈیٹیکٹر، میٹا ڈیٹا تحلیل کرنے والے جو ماخذ کے نشانات تلاش کرتے ہیں، اور ایسی مشقیں جو طلبہ کو حقیقت پسندانہ مصنوعی مواد پر تشخیص کی مشق کرنے دیتی ہیں۔ یہ صلاحیتیں حقیقی مصنوعات ہیں، اور کلاس روم میں ان کا استعمال حقیقی عمل ہے۔

شواہد دعووں سے پتلا ہے۔ ڈیٹیکٹر احتمالی ہیں اور جنریٹر بہتر ہونے کے ساتھ کمزور پڑتے ہیں؛ فیکٹ چیکنگ ماڈل بذات خود ایک ماڈل ہے، اس لیے طالب علم کو پھر بھی جانچنے والے کا فیصلہ کرنا پڑتا ہے؛ اور ماخذ کا میٹا ڈیٹا صرف اس وقت مدد دیتا ہے جب کوئی پیدا کرنے والا اسے منسلک کرنا چاہے۔ کارپس کے مضبوط ترین نتائج میں سے ایک یہ ہے کہ AI کی مدد سے میڈیا لیٹریسی کی تدریس چھوٹے پیمانے پر کام کر سکتی ہے: 5E ماڈل پر بنایا گیا 18 گھنٹے کا پروگرام ترکی کے ایک اسکول کے 36 چوتھی جماعت کے طلبہ میں بڑے فوائد پیدا کیا (Demir and Akar, 2026)۔ چھتیس طلبہ تصور کا ثبوت ہیں، خریداری کا مقدمہ نہیں۔

کتب خانہ کے شعبے کا ایک رائے مضمون اسی خیال کو آگے بڑھاتا ہے: AI معلوماتی لیٹریسی کی فراہمی کو تلاش، موافقت پذیر ٹیوٹوریل، چیٹ بوٹ اور خودکار فیکٹ چیکنگ کے ذریعے سنبھال سکتا ہے، اور انضمام کی ملکیت فروخت کنندگان کے بجائے لائبریرین کے پاس رہنی چاہیے (Offem and Arikpo, 2026)۔ مقالہ کوئی ڈیٹا پیش نہیں کرتا، اس لیے یہ ایک ڈیزائن بریف ہے کہ تدریس کہاں رہ سکتی ہے، نہ کہ اس بات کا ثبوت کہ یہ کام کرتی ہے۔

ایک ساتھ پڑھنے پر، کھاتے کے دونوں اطراف ایک اصول تجویز کرتے ہیں: AI مشق کا بوجھ اٹھا سکتا ہے — حقیقت پسندانہ منظرنامے، فوری رائے، پیمانہ — مگر فیصلے کا بوجھ سیکھنے والے کے پاس رہتا ہے، اور کوئی بھی آلہ جو اسے بدلنے کا دعویٰ کرے اسے ایسے ڈیٹیکٹر کے طور پر جانچا جانا چاہیے جس کی غلطی کی شرح ناپی گئی ہو، نہ کہ جواب کی کنجی کے طور پر اپنایا جائے۔

اس کا عمل کے لیے کیا مطلب ہے

  • ایک طریقہ، دو موضوعات سکھائیں۔ قابلِ جانچ معمول — دعوے کو ماخذ تک پہنچائیں، ماخذ کو مصنف تک، پوچھیں کہ آرٹی فیکٹ کیا کر رہا ہے — حوالے اور ویڈیو دونوں کے لیے کام کرتا ہے۔ واضح کریں کہ اسائنمنٹ کس موضوع کا جائزہ لے رہا ہے۔
  • شناخت کو ثبوت سمجھیں، فیصلہ نہیں۔ ڈیٹیکٹر کا نتیجہ ایک امکان ہے؛ طلبہ کو سکھائیں کہ دوسرے طریقے سے تصدیق کریں اور بتائیں کہ کیا چیز ان کا ذہن بدل دے گی۔
  • پیداوار کو نصاب میں رکھیں۔ میڈیا بنانا وہ درس تھا جس نے تنقید کو ٹھوس بنایا؛ AI کے ساتھ تخلیق اس کی مدد تبھی کر سکتی ہے جب طلبہ ان انتخابوں کا جائزہ لیں جو آلے نے ان کے لیے کیے۔
  • کام کے بہاؤ میں لائبریرین یا میڈیا ماہر شامل کریں۔ اس ادب کا مضبوط ترین تدریسی نتیجہ ایسے ڈیزائن سے آتا ہے جس میں انسانی مشورہ شروع سے شامل تھا، بعد میں پیش نہیں کیا گیا۔
  • نصاب لکھنے سے پہلے عملے کی صلاحیت کا جائزہ لیں۔ ناپا گیا خسارہ مقاصد کی تشکیل اور نتائج کی تشخیص میں ہے، آلات کے استعمال میں نہیں۔

شواہد کی حدود

یہاں کے زیادہ تر مطالعے چھوٹے، خود ساختہ یا دونوں ہیں: ایک سروے میں 236 طلبہ، ایک مداخلت میں 36 بچے، 412 لائبریرین اپنی ذات کا اندازہ لگاتے ہوئے۔ ببلیومیٹرک نظر آنا عمل نہیں ہے، اور سائنٹومیٹرک مصنفین خود یہ واضح کرتے ہیں۔ کارپس میں کوئی مطالعہ مشترکہ معلوماتی اور میڈیا لیٹریسی نصاب کا جائزہ نہیں لیتا، اور عمل کے ادب کی سفارش کردہ ڈیٹیکٹر اور فیکٹ چیکنگ کے آلات ان ذرائع میں زیادہ تر غیر ناپے ہوئے ہیں۔ یہ دعویٰ کہ AI سے چلنے والی تصدیق نتائج کو بہتر بناتی ہے، ایک ڈیزائن مفروضہ سمجھا جانا چاہیے جب تک کوئی اسے کنٹرول کے مقابلے میں نہ آزمائے۔

منسلک تصورات

منسلک مضامین

میٹا ڈیٹا

درجہHigher Ed, K 12, Adult Learning
مطلوبہ سامعینLibrarians, Instructors, Learners, Curriculum Designers
سیکھنا اور استادیتنقیدی تدریس
ٹیکنالوجیز اور طریقےجنریٹو AI, بڑے لینگویج ماڈلز (LLMs)
مساوات، اخلاق اور ذمہ دار استعمالاعتماد کی کیلیبریشن
تعلیم میں AI کی بنیادیںمعلوماتی اور میڈیا لیٹریسی, مصنوعی ذہانت کی لیٹریسی, تنقیدی سوچ, علمی سالمیت
صفحے کی قسمSynthesis
ذریعہتاریخچہترمیم کریںگفتگو

اس صفحے کو ایمبیڈ کریں

نیچے دیا گیا کوڈ نقل کریں تاکہ اس صفحے کو کسی سیکھنے کے انتظامی نظام یا دوسری ویب سائٹ پر ایمبیڈ کری سکیں۔ ایمبیڈ شدہ نسخہ صرف صفحے کا مواد دکھاتا ہے — یہ سائٹ کا ہیڈر، نیویگیشن اور فوٹر چھپا دیتا ہے۔