لائبریرین

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

لائبریرین — وہ کتب خانہ اور معلوماتی پیشہ ور جو معلوماتی خواندگی پڑھاتے ہیں، تحقیقی مشاورتیں سنبھالتے ہیں، ذخائر اور دریافت کے نظام بناتے ہیں، اور بڑھتے ہوئے AI تلاش و تجویز کے اوزاروں کے انسانی ہم منصب کے طور پر بیٹھتے ہیں۔ نالج بیس کی تحقیق میں وہ اُن لوگوں کے طور پر آتے ہیں جو اُس اعتبار کے سوال کو سنبھالتے ہیں جسے کوئی ماڈل طے نہیں کر سکتا — کہ کوئی پیٹنٹ، تکنیکی معیار یا صنعتی رپورٹ بھروسے کے لائق ہے یا نہیں — اور کورس و پالیسی کی مشترکہ تشکیل میں شراکت داروں کے طور پر۔ اِس لیے تعلیم میں AI میں اُن کا مقام دوہرا ہے: بطور ایسے اساتذہ جو ماخذ کی جانچ اور تلاش کی حکمت عملی سکھاتے ہیں، اور بطور اُس انسانی پرت کے جو AI ریٹریول کے گرد بنے نظاموں کے اندر ہوتی ہے۔

غور کرنے کے لیے سوالات

• AI اب سیکنڈوں میں وہ حقائق پر مبنی حوالہ جاتی سوال حل کر سکتا ہے جو پہلے لائبریرین کے پاس آتا تھا۔ اُس کام کا کون سا حصہ کبھی جواب تھا — اور کون سا حصہ اِس فیصلے کا تھا کہ کوئی ماخذ یقین کے لائق ہے یا نہیں؟
• ایمبیڈڈ لائبریرین کے مطالعے میں ماخذ کی جانچ کے سوالات مشاورتوں پر غالب رہے (38.5%) بالکل اُن ہی معاملات میں جہاں AI سب سے کم پُراعتماد تھا۔ کیا یہ درست کرنے والی ڈیزائن ناکامی ہے، یا اِس بات کا ثبوت کہ اعتبار کا فیصلہ خودکاری کے سامنے جھکتا نہیں؟
• CHIIR 2026 ورکشاپ نے اعتماد کے خلا کی اطلاع دی — طلبہ GenAI پر حد سے زیادہ بھروسہ کرتے ہیں جبکہ اساتذہ اُس پر بھروسہ نہیں کرتے۔ ایسا خلا کون پُر کرتا ہے: لائبریرین، مدرس، یا وہ انٹرفیس جو اپنے ماخذ اور اپنا اعتماد دکھائے؟
• Ithaka S+R نے پایا کہ اداروں کے پاس نہ اِس بات پر اتفاق ہے کہ AI مہارتیں کیا ہیں، نہ اُن کی جانچ کا کوئی فریم ورک۔ کیا معلوماتی خواندگی کی تعلیم اِس کام کا فطری گھر ہے — اور ایسا کہنے سے کیا کتب خانوں پر ایسا بوجھ نہیں ڈل جاتا جو اُن کی عملے کی تعداد سے میل نہیں کھاتا؟

تعارف

لائبریرین وہ پیشہ ور ہیں جو سیکھنے والے کے سوال اور علمی ریکارڈ کے درمیان بیٹھتے ہیں: حوالہ جاتی اور رابطہ کار لائبریرین، موضوعی ماہرین، پڑھانے والے لائبریرین جو معلوماتی خواندگی کی تعلیم دیتے ہیں، اور وہ عملہ جو ذخائر اور مخازن سنبھالتا ہے۔ تعلیم میں AI میں اُن کا ذکر اساتذہ اور منتظمین کے مقابلے میں بہت کم ہوتا ہے، پھر بھی کارپس اُنہیں ایک مخصوص اور قابلِ جانچ کردار دیتا ہے۔ وہ اُس اعتبار کے مسئلے کا انسانی جواب ہیں جو جنریٹو AI پیدا کرتا ہے، وہ مدرس ہیں جو محض ماخذ فراہم کرنے کے بجائے تشخیصی فیصلہ اور تلاش کی حکمت عملی سکھاتے ہیں، اور — نالج بیس کے سب سے مضبوط کیس میں — کسی AI نظام کا ڈیزائن شدہ جزو ہیں، اُس کے پہلو میں ایک الگ خدمت نہیں۔

یہ صفحہ اِس کردار کو اُس کے پڑوسیوں سے الگ تصور کرتا ہے۔ تعلیمی ٹیکنالوجی کے ڈویلپر ریٹریول اور تجویز کے نظام بناتے ہیں؛ لائبریرین طے کرتے ہیں کہ اِن نظاموں سے کیا نتیجہ اخذ کرنے پر بھروسہ نہیں کرنا چاہیے۔ علمی سالمیت AI کے استعمال کو تصنیف اور اعلان کے طور پر دیکھتا ہے؛ لائبریرین کا زاویہ — انتساب، ماخذ، رسائی — قریب ہے مگر زیادہ ٹھوس۔

معلوماتی خواندگی بطور تعلیم، نہ کہ صرف مدد

اِس کردار پر نالج بیس کا سب سے تفصیلی ثبوت Huang کے ایمبیڈڈ لائبریرین سیمینار پلیٹ فارم سے آتا ہے، جو انجینئرنگ ریسرچ ٹیموں کے لیے بنایا گیا اور ایک نیم تجربے میں 60 طلبہ پر تین پروگراموں میں آٹھ ہفتوں تک چلایا گیا (30 مربوط پلیٹ فارم پر، 30 روایتی کتب خانہ تعلیم میں)۔ مربوط گروہ نے پانچ نکاتی ACRL پر مبنی معلوماتی خواندگی کے آلے پر 0.78 پوائنٹ حاصل کیے جبکہ کنٹرول گروہ نے 0.25، اور گروہ کے اندر سب سے بڑا اضافہ تلاش کی مہارتوں (+0.87) اور ماخذ کی جانچ (+0.83) میں رہا، اُس کے بعد معلومات کی ترکیب (+0.73) اور اخلاقی استعمال کی آگاہی (+0.70)۔ قابلِ ذکر ہے کہ محض کارکردگی پر مبنی آئٹمز نے بھی بڑے اثرات پیدا کیے، چنانچہ یہ اضافہ خالصتاً خود اعتمادی نہیں۔ جو کچھ پڑھایا گیا وہ کتب خانے کے کام پر منطبق ہوتا ہے: تلاش کی حکمت عملی کی تشکیل، ماخذ کی قدر گزاری، حوالہ دینا، اور مخزن میں رہنمائی — وہی چار زمرے جو بعد میں مشاورتی لاگز پر غالب رہے۔

وسیع تر کارپس عملے اور فراہمی کا ایک اور سوال جوڑتا ہے۔ CHIIR 2026 ورکشاپ رپورٹ ایک لائبریرین کے 15 ہفتے کے ڈیجیٹل خواندگی نصاب کو بیان کرتی ہے جو 2,076 طلبہ اور 101 لائبریرین کے سروے پر بنایا گیا، اور حاضرین کا یہ فیصلہ درج کرتی ہے کہ یک جلسہ ورکشاپیں طلبہ کو غلط فہم بنیاد کے ساتھ چھوڑ دیتی ہیں؛ وہی رپورٹ ایک لائبریرین کی تعلیمی رسائی تقریباً 1,700 پہلے سال کے طلبہ تک بتاتی ہے۔

جہاں AI سب سے کمزور تھا، لائبریرین نے بوجھ اٹھایا

سیمینار پلیٹ فارم نے محنت کو سوچ سمجھ کر تقسیم کیا: الگورتھم نے پیمانے پر ریٹریول سنبھالا، انسانوں نے غیر یقینی کے تحت جانچ — اور لاگز اِس تقسیم کے کام کرنے کو دکھاتے ہیں۔ 312 مشاورتوں میں (فی شریک 10.4)، ماخذ کی جانچ اور معیار 38.5%، تلاش کی حکمت عملی کی تشکیل 29.2%، حوالہ جات کا انتظام 18.6%، اور مخزن میں رہنمائی 13.7% رہی، اور 73.4% چھ گھنٹوں کے اندر جواب دیے گئے۔ مصنفین اِسے براہِ راست ماڈل کی کارکردگی سے جوڑتے ہیں: تجویز کا انجن نے درستگی 0.68 اور بازیافت 0.61 تک پہنچی، جو بولین کی ورڈ بیس لائن (0.52 اور 0.48) سے بہتر مگر پیٹنٹ اور معیارات پر اعتبار کے فیصلوں کے لیے اب بھی ناکافی تھی، اور قدرتی زبان کے سوالات کی سنبھالنے نے انجینئرنگ سے متعلق 72.8% سوالات درست حل کیے۔ اطمینان نے بھی یہی ترتیب اختیار کی — لائبریرین کی مدد سب سے بلند 4.3 بمقابلہ 5.0، تجویزات (4.1)، سوال پوچھنا (3.9)، سیمینار (3.8)، سیکھنے کے راستے (3.6) اور نالج گراف (3.4) سے آگے — اور انٹرویوز میں 30 میں سے 21 طلبہ نے لائبریرین کی موجودگی پر اعتماد کا ذکر کیا۔ استعمال متفاوت تھا — 30 میں سے 11 نے AI پر، 8 نے لائبریرین پر، اور 11 نے دونوں پر انحصار کیا۔

کشیدگی دونوں طرف کٹتی ہے۔ AI نے جن معاملات کو سب سے برا سنبھالا وہ اعتبار کے سوالات تھے، اور پلیٹ فارم کے مصنفین خود یہ نتیجہ نکالتے ہیں کہ اعتبار کے فیصلے کے مقام پر انسانی ماہر رکھنا ہی عملی سبق ہے۔ مگر مطالعہ ایک ہی مقام کا اور غیر تصادفی ہے، اُس کے تینوں اجزا کبھی الگ الگ جانچے نہیں گئے، اور مصنفین نتائج کو "محض ابتدائی" کہتے ہیں، یہ نوٹ کرتے ہوئے کہ لائبریرین کا سہارا واپس لینے کے بعد استقامت کبھی آزمائی نہیں گئی۔ کہ انسانی پرت اضافے کی وجہ تھی یا 0.68 درستگی والے تجویز کنندہ کے گرد حفاظتی جال، یہ کھلا سوال ہے۔

مشترکہ تشکیل، شراکت داری، اور تصدیق کی قیمت کون اٹھاتا ہے

لائبریرین خدمت فراہم کرنے والوں کے بجائے مشترکہ ڈیزائنرز کے طور پر بھی آتے ہیں۔ Maybee، LeGrand اور Fundator پرڈیو میں Partners for Algorithmic Literacy کو دستاویز کرتے ہیں — چھ ہفتے کی طلبہ–اساتذہ سیکھنے کی برادری جسے تعلیمی لائبریرین سہولت دیتے ہیں، جہاں انڈرگریجویٹ اور اساتذہ مل کر AI کورس پالیسیاں اور AI سے مربوط گروہی منصوبے تیار کرتے ہیں۔ مصنفین اِسے طلبہ کے AI کے غلط استعمال کے بارے میں خسارے پر مبنی بیانات کا متبادل قرار دیتے ہیں، اور SPIRaL پروگرام کے طلبہ کے تاثرات دکھاتے ہیں کہ معلوماتی خواندگی دوبارہ سیکھی جا رہی ہے: شرکا نے شروع میں اِسے ماخذ کی جانچ کے مترادف سمجھا، پھر اِسے سیکھنے والے کی ایجنسی سے جڑی ایک تہہ دار علمی مشق کے طور پر پڑھنے کی طرف بڑھے۔ یہی تبدیلی — ماخذ جانچنے سے علم کی پیداوار کا فیصلہ کرنے تک — وہ ہے جسے پیدا کرنے کے لیے لائبریرین کی حیثیت موزوں ہے۔

دو اور دھارے اِس کردار کی حدیں مقرر کرتے ہیں۔ PEARLS فریم ورک اپنی چھ تصدیقی جہتوں میں رسائی، جواز اور ماخذ کے نام لیتا ہے اور نوٹ کرتا ہے کہ تصدیق ڈیٹا بیس تک رسائی، شعبے کی زبان، اور بعض اوقات ادا شدہ اوزار کھاتی ہے — چنانچہ کم وسائل والے طلبہ پر ذمہ دار استعمال ثابت کرنے کا بڑا بوجھ پڑتا ہے، اور لائبریرین اُن فریقوں میں شمار ہوتے ہیں جنہیں مشترکہ تشکیل درکار ہوتی ہے۔ AARC فریم ورک تعلیمی مقصد کو واضح کرتا ہے: تصدیق کرنا، حوالہ دینا اور غور کرنا بار بار آنے والے عہد کے طور پر، جن کی جانچ مصنوع کے بجائے تحقیقی عمل سے ہوتی ہے — بشمول من گھڑت اور تعصب کی نشان دہی۔ Hingle اور Johri کا جائزہ دکھاتا ہے کہ کتب خانے جو ڈیزائن پہلے ہی استعمال کرتے ہیں وہ منتقل ہوتے ہیں: گروہی کام کے معلوماتی خواندگی کے فوائد مصنوعی ذہانت کی لیٹریسی کی سیکھائی تک عام ہوتے ہیں، بشمول AI ایجنٹوں کے شراکت دار ہونے کے۔

تعلیم میں AI کے لیے مضمرات

• اعتبار کے فیصلے کے مقام پر انسان رکھیں۔ تقریباً 0.68 درستگی نے سامنے آنے والے مواد کا تقریباً ایک تہائی بے جوڑ چھوڑا، اور ماخذ کی جانچ سب سے زیادہ مطلوب مشاورت کی قسم تھی — یہ کسی بھی AI تلاش یا تجویز کی پرت کے لیے ڈیزائن کا اشارہ ہے۔
• معلوماتی خواندگی کو تعلیم سمجھیں۔ کارکردگی پر مبنی آئٹمز پر قائم رہنے والے اضافے تلاش کی حکمت عملی اور ماخذ کی قدر گزاری تھے، جو پڑھانے والے لائبریرین پہلے ہی سکھاتے ہیں اور جو AI کے نتائج کی انتساب اور تصدیق کے لیے بھی درکار ہیں (علمی سالمیت، تنقیدی سوچ)۔
• متفاوت راستوں کے لیے ڈیزائن کریں۔ تقریباً برابر گروہوں نے AI، لائبریرین، یا دونوں کو ترجیح دی، اور موضوع اور کام کے بوجھ کے مطابق مشاورتوں کی رہنمائی نے اُن میں سے 312 کو فی شریک 10.4 کی شرح سے سنبھالا؛ ایک ہی لازمی راستہ کچھ طلبہ کی خدمت میں کمی کرے گا۔
• اعتماد اور ماخذ نظر آئیں۔ ورکشاپ کی "تلاش بطور سیکھائی" دھار پوچھتی ہے کہ کون سے علمی عمل منتقل نہیں ہونے چاہئیں اور ایسے انٹرفیس کا مطالبہ کرتی ہے جو فیصلے کے مقامات کو محفوظ رکھیں — ایسا سہارا جس کی تفصیل لائبریرین ماخذ کی نمائش کے اپنے معمول کے کام کے معیار سے دے سکتے ہیں۔
• انسانی پرت کا بجٹ رکھیں، صرف ماڈل کا نہیں۔ مشاورتوں کے جواب گھنٹوں میں، پیمانے پر، اِس لیے ملے کہ عملے کی رہنمائی سوچ سمجھ کر کی گئی؛ یہ مان لینا کہ طلبہ اعتبار کا فیصلہ خود کر لیں گے، یہ لاگت اُن لوگوں پر منتقل کرتا ہے جو اُسے اٹھانے کے سب سے کم قابل ہیں۔

عام غلط فہمیاں

"لائبریرین تعلیم میں AI کے لیے حاشیے کی چیز ہیں۔" اُن کا ایک مخصوص، قابلِ جانچ کردار ہے، اور کارپس اُسے ناپتا ہے۔ 312 مشاورتوں (فی شریک 10.4) میں ماخذ کی جانچ اور معیار 38.5%، تلاش کی حکمت عملی کی تشکیل 29.2%، حوالہ جات کا انتظام 18.6%، اور مخزن میں رہنمائی 13.7% رہی — اور 73.4% چھ گھنٹوں کے اندر جواب دیے گئے۔ یہ کوئی حاشیے کی خدمت نہیں؛ یہ معلوماتی خواندگی کا وہ کام ہے جو AI نہ کر سکا۔

"AI تلاش وہ سوالات حل کر دیتی ہے جو طلبہ پہلے لائبریرین کے پاس لاتے تھے۔" ایمبیڈڈ لائبریرین کے مطالعے میں ماخذ کی جانچ کے سوالات مشاورتوں پر غالب رہے (38.5%) بالکل اُن معاملات میں جہاں AI سب سے کم پُراعتماد تھا۔ اوزار کی غیر یقینی نے کام اُس انسانی صلاحیت کی طرف بھیجا جو اُسے حل کر سکتی تھی، جس سے یہ مشاہدہ کردہ نمونہ محنت کی تقسیم بنتا ہے، بے کاری نہیں۔

"معلوماتی خواندگی ایک بار کی تعارفی نشست ہے۔" یہ تعلیم ہے، مدد نہیں: طلبہ جو سوالات لے کر آتے ہیں وہ جانچ اور حکمت عملی کے مسائل ہیں — کیا یہ ماخذ معتبر ہے، اِسے کیسے تلاش کروں — جو سکھائی جا سکنے والی مہارتیں ہیں، مکمل کیے جانے والے لین دین نہیں۔ خدمت کو مدد سمجھنا نصاب کو ہیلپ ڈیسک میں بدل دیتا ہے اور پائیدار قابلیت کھو دیتا ہے۔

"تصدیق کی قیمت کون اٹھاتا ہے، یہ کسی اور کا مسئلہ ہے۔" مشاورتوں کا بوجھ کتب خانے کے عملے پر پڑتا ہے، اور مقالے کا اپنا سوال یہ ہے کہ کتب خانوں سے یہ اٹھوانا اُن کی تعداد سے آگے نکل جاتا ہے یا نہیں۔ مشترکہ تشکیل اور شراکت داری ہی وہ جواب ہیں جن کی سفارش ادب اِس لیے کرتا ہے کہ تصدیق کی لاگت حقیقی ہے اور اُس یونٹ پر پڑتی ہے جس نے اُس کا بجٹ نہیں رکھا تھا۔

منسلک تصورات

• مصنوعی ذہانت کی لیٹریسی
• تشخیصی فیصلہ
• تنقیدی سوچ
• علمی سالمیت
• انسان-در-حلقہ
• انسان اور AI کا تعاون
• ری کامنڈر نظام اور سیکھنے کے راستے
• نالج گراف
• سکافولڈنگ
• تفتیشی سیکھنا
• AIED میں تحقیقی طریقے
• اعلیٰ تعلیم
• سیکھنے والے

منسلک مضامین

• Developing an AI-Assisted Seminar-Based Learning Platform With Embedded Librarian Support: Enhancing Information Literacy of Engineering Research Teams — ایمبیڈڈ لائبریرین سیمینار پلیٹ فارم؛ 312 مشاورتیں جن میں ماخذ کی جانچ سرفہرست
• Report on CHIIR 2026 Workshop on Generative AI and Academic Search (GAI&AS) — GenAI اور علمی تلاش پر CHIIR 2026 ورکشاپ؛ لائبریرین کا اعتماد کا خلا
• Disruptive Partnerships: Collaborating with Students to Create Empowering Learning Experiences in Information Studies — تعلیمی لائبریرین طلبہ کے ساتھ شراکت میں AI خواندگی کی مشترکہ تشکیل
• AI-Assisted Research Competency in Secondary Education: A Framework for Epistemic Agency, Authorship and Responsible Knowledge Production — تصدیق، حوالہ اور غور بطور سکھائے جا سکنے والے تحقیقی عہد
• From Plausibility to Verifiability: The PEARLS Framework for Developing Epistemic Agency in Generative AI-Mediated Higher Education — چھ جہتی تصدیقی پروٹوکول؛ رسائی اور جواز بطور دروازے
• Systematic Review of Collaborative Learning Activities for Promoting AI Literacy — AI خواندگی کے لیے باہمی تعاون کی سیکھائی؛ معلوماتی خواندگی کے فوائد کی منتقلی
• AI skills for college graduates: Exploring how instructors and employers prioritize AI skills differently — اساتذہ انتساب اور ذمہ دار استعمال کو سب سے بلند درجہ دیتے ہیں، مگر 26 مہارتوں میں سے چند ہی پڑھاتے ہیں
• What differentiates educational literature? A multimodal fusion approach of transformers and computational linguistics — غیر تکنیکی صارفین جیسے انگریزی کے اساتذہ اور لائبریرین کے لیے بنا متن پیچیدگی کا اوزار
• Profiling cognitive offloading in LLM-mediated synthesis writing: Volume vs. content — جب AI طلبہ کے لیے ماخذ کی ترکیب کرتا ہے تو وہ کیا منتقل کرتے ہیں
• Testing Our Foundations: Citation Trends, Errors, and Emerging Hallucinations in the Computing Education Literature — من گھڑت اور غلط حوالہ جات بطور تصدیق کا مسئلہ