Cơ sở tri thức AIEdAIEd KB
Trên trang này

Đọc trang này bằng tiếng Anh

Khái niệm

Năng lực thông tin và truyền thông

Ngày tạo 2026-11-05 · Ngày cập nhật 2026-11-08

Bản dịch máy tự động của trang tiếng Anh này, chưa được người bản ngữ xem xét.

Năng lực thông tin và năng lực truyền thông là hai năng lực lân cận mà AI đang viết lại ở cùng một đường nối. Năng lực thông tin tập trung vào việc tìm và kiểm chứng dữ liệu chính xác; năng lực truyền thông tập trung vào việc hiểu ai đã tạo ra một thông điệp, nó được dựng nên như thế nào và vì sao. Hai năng lực này chồng lấn ở mục tiêu chung là xây dựng tư duy phản biện giúp con người đi lại trong một thế giới số và nhận ra thông tin sai lệch — và giờ đây chúng chia sẻ thêm một vấn đề thứ hai: AI sinh tạo tạo ra nội dung trôi chảy, nghe hợp lý mà nguồn gốc và ý định của nó bị che giấu, nên câu hỏi về xuất xứ mà năng lực truyền thông vốn luôn đặt ra đã chuyển cả sang năng lực thông tin.

Những câu hỏi cần cân nhắc

  • Khi một chatbot trả về một đoạn văn đầy tự tin kèm ba trích dẫn, sinh viên đang thực hành năng lực thông tin, năng lực truyền thông, hay không cái nào — và bài tập có làm cho sự phân biệt đó trở nên hữu hình không?
  • Deepfake và trích dẫn bịa đặt là hai kiểu thất bại khác nhau: một bên là bản ghi sai về thế giới, bên kia là bản ghi sai về tài liệu. Liệu một khóa học có thể dạy cả hai mà không dạy mỗi thứ một cách tồi tệ?
  • Các công cụ phát hiện AI và kiểm chứng sự thật bản thân chúng cũng là những mô hình có tỷ lệ lỗi. Điều gì xảy ra với một chương trình giảng dạy về kiểm chứng khi công cụ kiểm chứng mang tính xác suất?
  • Năng lực truyền thông vốn được dạy qua việc sản xuất — sinh viên làm ra phương tiện để hiểu nó. Nếu giờ một mô hình làm ra sản phẩm đó, phần nào của phương pháp sư phạm còn sống sót?

Giới thiệu

Hai năng lực này có những ngôi nhà thể chế riêng. Năng lực thông tin được hệ thống hóa trong khoa học thư viện và thông tin, rõ nhất là trong Khuôn khổ ACRL, như một tập hợp các khuynh hướng quanh quyền uy, quy trình và giá trị. Năng lực truyền thông lớn lên từ nghiên cứu truyền thông và phương tiện, và từ giáo dục phương tiện trong nhà trường, và hỏi về quyền tác giả, kỹ thuật, khán giả và hiệu ứng. Một bên phán đoán liệu một nguồn có đáng tin hay không; bên kia hỏi ai đã tạo ra một thông điệp và nó đang làm gì.

Sự phân chia đó vốn đã gọn gàng hơn trong lý thuyết so với trong lớp học. Cả hai năng lực đều dạy sinh viên chậm lại, kiểm tra xuất xứ và chống lại sự trôi chảy. Cả hai đều được xây trên một giả định rằng sản phẩm có một tác giả đã trả một cái giá để tạo ra nó. AI sinh tạo gỡ bỏ giả định đó khỏi cả hai cùng lúc: văn bản được tổng hợp từ một kho ngữ liệu không truy nguyên được, hình ảnh và giọng nói bị sao chép, và các tài khoản tự động mô phỏng chính khán giả.

Trang này bao quát cả cặp vì cơ sở kiến thức coi chúng là một vấn đề giảng dạy với hai tập kết quả. Bằng chứng không đồng đều — một bản đồ trắc lượng thư mục và hai tổng quan hệ thống ở phía năng lực thông tin, một can thiệp nhỏ và một nghiên cứu phỏng vấn chuyên gia ở phía năng lực truyền thông — và gần như không có nghiên cứu nào kiểm tra một chương trình kết hợp. Chính sự vắng mặt đó là phát hiện đáng mang vào thực tiễn.

Nơi hai cấu trúc khái niệm phân kỳ

Đối tượng của năng lực thông tin là nguồn, và câu hỏi cốt lõi của nó là liệu khẳng định có đúng và bằng chứng đằng sau nó có đáng tin hay không. Đối tượng của năng lực truyền thông là thông điệp, và câu hỏi cốt lõi của nó là ai đã tạo ra nó, bằng cách nào, cho ai và nhằm mục đích gì. Một trích dẫn bịa đặt trượt phép thử thứ nhất; một deepfake có thể vượt qua mọi kiểm tra sự thật mà sinh viên biết cách chạy trong khi trượt phép thử thứ hai.

Các tài liệu thực nghiệm phản ánh sự phân tách đó. Một khảo sát 236 sinh viên đại học Hoa Kỳ hỏi nơi việc tìm kiếm học thuật bắt đầu và phát hiện công cụ tìm kiếm chiếm 45.5%, trang chủ thư viện 27.9% và chatbot AI 26.6%, với sinh viên quốc tế thay thế AI cho các nguồn thư viện với tỷ lệ gần gấp đôi sinh viên trong nước (Lund và cộng sự, 2026). Một tổng quan hệ thống 32 nghiên cứu phát hiện việc tích hợp năng lực AI vào giảng dạy năng lực thông tin đang ở "giai đoạn sơ sinh", được triển khai qua LibGuides và các workshop thay vì qua chương trình (Mirza và Arif, 2026). Ở phía năng lực truyền thông, các cuộc phỏng vấn với bảy chuyên gia và một khảo sát 141 sinh viên phát hiện việc đưa công nghệ vào chương trình năng lực truyền thông phản biện là "hạn chế và thường hời hợt", với giáo viên được đào tạo chưa đủ cho các công cụ tạo ra thông tin sai lệch và deepfake (nghiên cứu về năng lực truyền thông phản biện, 2026).

AI làm phức tạp năng lực thông tin như thế nào

Phức tạp thứ nhất là việc bịa đặt ở quy mô lớn. Một mô hình tạo ra văn bản thuyết phục, tài liệu tham khảo nghe hợp lý và các số liệu thống kê đầy tự tin mà có thể không tồn tại; người đọc nhận được một bản tổng hợp mà dấu vết tìm kiếm của nó đã bị xóa. Kiểm tra trở thành một kỹ năng khác: không phải "đây có phải là một nguồn tốt" mà là "nguồn này có tồn tại, và nó có nói đúng điều mà câu trả lời khẳng định không".

Phức tạp thứ hai là lớp tìm kiếm đã sụp vào lớp trả lời. Khi công cụ truy xuất, chọn lọc và viết, hành vi của người có năng lực chuyển sang phán đoán bản tổng hợp. Đó chính là phần dư mà bằng chứng liên tục chỉ vào: một nền tảng có thủ thư nhúng vượt qua giảng dạy thư viện thông thường 0.78 so với 0.25 điểm trên một công cụ dựa trên ACRL, và các buổi tư vấn tạo ra mức tăng đó bị chi phối bởi các câu hỏi đánh giá nguồn (Huang, 2026).

Phức tạp thứ ba là năng lực của đội ngũ. Trong một khảo sát 412 thủ thư học thuật tại 38 thể chế Nigeria, năng lực tự đánh giá cao đối với việc hướng dẫn cơ sở dữ liệu (M = 4.07) và việc cung cấp năng lực thông tin (M = 4.02), nhưng năng lực AI tổng hợp là 2.86, yếu nhất ở việc thiết kế mục tiêu (M = 2.70) và đánh giá kết quả (M = 2.62) (Dada, 2026). Một lĩnh vực mà bản đồ của nó trải trên 1,669 công bố đang bị yêu cầu dạy một năng lực mà chính những người hướng dẫn nó báo cáo là họ chưa thể thiết kế được (Jabeen và Lux, 2026).

AI làm phức tạp năng lực truyền thông như thế nào

Các câu hỏi khai sinh của năng lực truyền thông giả định có một người tạo ra với một mục đích. Deepfake, sao chép giọng nói và các bot tự động phá vỡ giả định đó theo ba cách: sản phẩm có thể không có tác giả là con người, khán giả có thể là tổng hợp, và ý định có thể là tối ưu hóa cho tương tác thay vì thuyết phục bởi bất kỳ ai.

Bằng chứng về chương trình giảng dạy cho thấy các trường chưa theo kịp. Các cuộc phỏng vấn chuyên gia mô tả đào tạo giáo viên là ràng buộc chặt chẽ chứ không phải sự phản kháng của sinh viên, và lập luận cho một định khung sư phạm phản biện coi đánh giá là thực hành đạo đức và có tham gia thay vì đào tạo công cụ. Một báo cáo đặt hàng cho truyền thông phục vụ công phát hiện việc cung cấp cho lứa 14–19 tuổi nghiêng về các kỹ năng AI chức năng và xa rời đánh giá phản biện, dù đã xem xét hơn 40 khuôn khổ và phỏng vấn 35 chuyên gia (báo cáo về năng lực AI, 2025).

AI như một công cụ phòng thủ — các khẳng định và lưu ý

Lập luận cho việc dùng AI ở phía phòng thủ là hợp lý và được nêu rộng rãi: các kiểm tra độ tin cậy tự động quét lịch sử và ngôn ngữ của một nguồn để tìm dấu hiệu thiên lệch, các công cụ phát hiện deepfake, các bộ phân tích siêu dữ liệu tìm dấu vết xuất xứ, và các mô phỏng cho sinh viên thực hành đánh giá trên vật liệu tổng hợp chân thực. Những năng lực này là sản phẩm thật, và việc dùng trong lớp học là thực hành thật.

Bằng chứng mỏng hơn các khẳng định. Các công cụ phát hiện mang tính xác suất và suy giảm khi các mô hình tạo sinh tiến bộ; một mô hình kiểm chứng sự thật bản thân nó cũng là một mô hình, nên sinh viên vẫn phải phán đoán chính công cụ kiểm tra; và siêu dữ liệu xuất xứ chỉ hữu ích khi người sản xuất chọn gắn nó vào. Một trong những kết quả vững chắc nhất của cơ sở kiến thức là giảng dạy năng lực truyền thông có AI hỗ trợ có thể hiệu quả ở quy mô nhỏ: một chương trình 18 giờ xây trên mô hình 5E tạo ra mức tăng lớn ở 36 học sinh lớp bốn tại một trường Thổ Nhĩ Kỳ (Demir và Akar, 2026). Ba mươi sáu học sinh là một minh chứng khái niệm, không phải một hồ sơ mua sắm.

Một bài ý kiến trong ngành thư viện đẩy ý tưởng đó xa hơn: AI có thể đảm nhận việc triển khai năng lực thông tin qua truy xuất, hướng dẫn thích ứng, chatbot và kiểm chứng sự thật tự động, với thủ thư chứ không phải nhà cung cấp nắm quyền tích hợp (Offem và Arikpo, 2026). Bài viết không báo cáo dữ liệu nào, nên nó là một bản đề xuất thiết kế về nơi việc giảng dạy có thể đặt vào chứ không phải bằng chứng rằng nó hiệu quả.

Đọc cùng nhau, hai bên của sổ cái gợi ra một quy tắc: AI có thể gánh tải thực hành — các kịch bản chân thực, phản hồi tức thì, quy mô — nhưng tải phán đoán vẫn ở lại với người học, và bất kỳ công cụ nào tự nhận thay thế nó nên được đánh giá như một công cụ phát hiện với tỷ lệ lỗi được đo, chứ không được áp dụng như một bảng đáp án.

Điều này có nghĩa gì cho thực tiễn

  • Dạy một quy trình, hai đối tượng. Quy trình có thể kiểm tra — truy khẳng định về một nguồn, truy nguồn về một tác giả, hỏi sản phẩm đang làm gì — dùng được cho một trích dẫn và cho một video. Hãy nêu rõ bài tập đang đánh giá đối tượng nào.
  • Coi phát hiện là bằng chứng, không phải phán quyết. Đầu ra của một công cụ phát hiện là một xác suất; hãy dạy sinh viên củng cố bằng một phương pháp thứ hai và nói rõ điều gì sẽ khiến họ đổi ý.
  • Giữ việc sản xuất trong chương trình. Làm ra phương tiện là phương pháp sư phạm khiến phê phán trở nên cụ thể; tạo sinh bằng AI chỉ có thể hỗ trợ nó nếu sinh viên xem xét những lựa chọn mà công cụ đã thay họ đưa ra.
  • Đặt một thủ thư hoặc chuyên gia truyền thông vào trong quy trình làm việc. Kết quả giảng dạy mạnh nhất trong tài liệu này đến từ một thiết kế trong đó tư vấn với con người được xây vào, chứ không phải được đề nghị sau đó.
  • Đánh giá năng lực đội ngũ trước khi viết đề cương. Khoảng thiếu được đo nằm ở việc thiết kế mục tiêu và đánh giá kết quả, không phải ở việc dùng công cụ.

Những hạn chế của bằng chứng

Hầu hết các nghiên cứu ở đây đều nhỏ, tự báo cáo, hoặc cả hai: 236 sinh viên trong một khảo sát, 36 trẻ em trong một can thiệp, 412 thủ thư tự đánh giá. Khả năng hiển thị trắc lượng thư mục không phải là thực hành, và chính các tác giả trắc lượng học nói rõ điều đó. Không nghiên cứu nào trong cơ sở kiến thức đánh giá một chương trình kết hợp năng lực thông tin và truyền thông, và các công cụ phát hiện cùng kiểm chứng sự thật mà tài liệu thực hành khuyến nghị phần lớn không được đo lường trong các nguồn này. Khẳng định rằng kiểm chứng do AI hỗ trợ cải thiện kết quả nên được coi là một giả thuyết thiết kế cho đến khi có người kiểm tra nó với một nhóm đối chứng.

Khái niệm liên quan

Bài viết liên quan

Siêu dữ liệu

Cấp độHigher Ed, K 12, Adult Learning
Đối tượng dự kiếnLibrarians, Instructors, Learners, Curriculum Designers
Học tập và giảng dạyCritical Pedagogy
Công nghệ và kỹ thuậtGenerative AI, Large Language Models (LLMs)
Công bằng, đạo đức và sử dụng có trách nhiệmTrust Calibration
Nền tảng về AI trong giáo dụcNăng lực thông tin và truyền thông, Năng lực AI (AI Literacy), Tư duy phản biện, Liêm chính học thuật
Loại trangSynthesis
NguồnLịch sửSửaTrò chuyện

Nhúng trang này

Sao chép mã bên dưới để nhúng trang này vào hệ thống quản lý học tập hoặc trang web khác. Bản nhúng chỉ hiển thị nội dung trang — nó ẩn phần đầu trang, điều hướng và chân trang của website.