ارزیابی سواد هوش مصنوعی در کتابخانه‌های دانشگاهی: مطالعه پیمایشی با تاکید بر کارمندان ایالات متحده
چکیده
این نظرسنجی سواد هوش مصنوعی (AI) را در میان کارمندان کتابخانه دانشگاهی، عمدتاً در ایالات متحده، با مجموع 760 پاسخ‌دهنده، بررسی می‌کند. یافته‌ها درک متوسطی از مفاهیم هوش مصنوعی، تجربه عملی محدود در استفاده از ابزارهای هوش مصنوعی و شکاف‌های قابل‌توجهی درباره پیامدهای اخلاقی و همکاری در پروژه‌های هوش مصنوعی را نشان می‌دهند. علیرغم شناخت مزایا، آمادگی برای اجرای هوش مصنوعی در میان شرکت‌کنندگان کم به نظر می رسد. پاسخگویان بر لزوم آموزش همه جانبه و ایجاد رهنمودهای اخلاقی تأکید دارند. این مطالعه چارچوبی را پیشنهاد می‌کند که مؤلفه‌های اصلی سواد هوش مصنوعی را برای کتابخانه‌ها تعریف می‌کند. نتایج بینش هایی را برای توسعه حرفه‌ای و تدوین خط مشی ارائه می‌دهد؛ زیرا کتابخانه‌ها به طور فزاینده‌ای هوش مصنوعی را در خدمات و عملیات خود ادغام می‌کنند.
منبع: Evaluating AI literacy in academic libraries: A survey study with a focus on US employees LS Lo – 2024 ترجمه دکتر مریم اسدی
مقدمه
در دنیایی که به طور فزاینده‌ای توسط الگوریتم‌ها دیکته می‌شود، هوش مصنوعی (AI) صرفاً یک پدیده فناورانه نیست، بلکه یک نیروی دگرگون‌کننده است که چشم‌اندازهای فکری، اجتماعی و حرفه‌ای ما را بازتعریف می‌کند (مک‌کینزی و شرکت، 2023). ادغام سریع هوش مصنوعی در زندگی روزمره ما پیامدهای عمیقی برای آموزش عالی دارد، بخشی که به آماده‌سازی افراد برای هدایت، مشارکت و پیشرفت در این عصر مبتنی بر هوش مصنوعی سپرده شده است. از محیط‌های یادگیری شخصی گرفته تا وظایف اداری خودکار، نفوذ هوش مصنوعی در آموزش عالی فراگیر است و ظرفیت های آن بی حد و حصر است. بااین‌حال، این ظرفیت تنها در صورتی می‌تواند به طور مؤثر مورد استفاده قرار گیرد که کسانی که در خط مقدم دانشگاه هستند – مربیان، پژوهشگران، مدیران، و به‌ویژه کارمندان کتابخانه دانشگاهی – به سواد هوش مصنوعی لازم مجهز باشند (یونسکو، 2021). بدون درک اصول، قابلیت‌ها و ملاحظات اخلاقی هوش مصنوعی، آموزش عالی در معرض خطر گرفتار شدن به دام مشکلات هوش مصنوعی به جای استفاده از مزایای آن قرار می‌گیرد.
خطرها و مزایای بالقوه بر نیاز مبرم برای بررسی و ارتقای سواد هوش مصنوعی در جامعه آموزش عالی تأکید می‌کند؛ یعنی وظیفه‌ای که با درک وضعیت فعلی آن آغاز می‌شود. کارکنان کتابخانه‌های دانشگاهی به‌عنوان تسهیل‌کننده اطلاعات و دانش، در چهارراه این انقلاب هوش مصنوعی ایستاده‌اند و سواد هوش مصنوعی‌شان را به یک امر ضروری و نه یک انتخاب برای آینده آموزش عالی تبدیل می‌کنند.
سواد هوش مصنوعی: بافت و زمینه
در عصری که با رشد تصاعدی در فناوری دیجیتال مشخص شده است، مفهوم سواد فراتر از مهارت‌های سنتی خواندن و نوشتن تکامل‌یافته و طیف گسترده‌ای از شایستگی‌های دیجیتال را در بر می‌گیرد. یکی از این شایستگی‌ها که در آموزش عالی اهمیت حیاتی پیدا می‌کند، سواد هوش مصنوعی است. با شروع نفوذ سیستم‌های هوش مصنوعی به تمام جنبه‌های عملیات دانشگاه – از سیستم‌های مدیریت یادگیری گرفته تا تحلیل‌های تحقیقاتی – توانایی درک و هدایت این ابزارهای هوش مصنوعی به یک مهارت ضروری برای کارمندان کتابخانه دانشگاهی تبدیل شده است.
سواد هوش مصنوعی به‌عنوان زیرمجموعه‌ای از سواد دیجیتال، به درک اصول، کاربردها و ملاحظات اخلاقی هوش مصنوعی مربوط می‌شود. این نه‌تنها شامل توانایی استفاده مؤثر از ابزارهای هوش مصنوعی، بلکه ظرفیت ارزیابی خروجی‌های آنها به‌صورت انتقادی، درک مکانیسم‌های زیربنایی آنها و تأمل در پیامدهای اخلاقی و اجتماعی آنها است. سواد هوش مصنوعی فقط برای متخصصان کامپیوتر نیست. به‌عنوان لو، 2023) و سنتی دامارا و همکاران (2022) تأکید می‌کنند، عملیاتی کردن سواد هوش مصنوعی برای افراد غیرمتخصص ضروری است.
اهمیت سواد هوش مصنوعی در آموزش عالی توسط چندین روند و چالش معاصر تأکید شده است. شرکت‌ها و دولت‌ها در سطح جهانی درگیر رقابت شدیدی هستند تا در خط مقدم یکپارچه‌سازی هوش مصنوعی باقی بمانند. هم‌زمان، انتشار سریع هوش مصنوعی باعث ایجاد نگرانی‌های اخلاقی و حفظ حریم خصوصی می‌شود که نیازمند نظارت آگاهانه است (کاکس، 2022). علاوه بر این، همه‌گیری کووید19 تحول دیجیتال آموزش عالی را تسریع کرده است و منجر به افزایش اتکا به فناوری‌های هوش مصنوعی برای یادگیری و فعالیت ها از راه دور شده است. این اتکا بیشتر به ضرورت سواد هوش مصنوعی در میان کارمندان کتابخانه دانشگاهی اشاره می‌کند که نقشی اساسی در تسهیل یادگیری و پژوهش آنلاین دارند.
همان‌طور که هوش مصنوعی در سراسر آموزش عالی گسترش می‌یابد، توسعه سواد هوش مصنوعی به طور فزاینده‌ای به‌عنوان یک اولویت برای آماده‌سازی دانشجویان، اساتید، کارکنان و مدیران برای استفاده از ظرفیت هوش مصنوعی و درعین‌حال کاهش خطرات شناخته می‌شود (انجی و همکاران، 2021). مطالعه Hervieux and Wheatley (2021) در سال 2019 (163=n) نشان داد که کتابداران دانشگاهی به آموزش بیشتری در مورد هوش مصنوعی و کاربردهای بالقوه آن در کتابخانه‌ها نیاز دارند. گزارش اخیر وزارت آموزش ایالات متحده (2023) در مورد هوش مصنوعی بر اهمیت فزاینده سواد هوش مصنوعی برای مربیان و دانشجویان تأکید می‌کند و بر ضرورت درک و ادغام فناوری‌های هوش مصنوعی در محیط‌های آموزشی تأکید می‌کند. این گزارش با گفتمان گسترده‌تر در مورد سواد هوش مصنوعی هماهنگ است و بر نیاز به تجهیز متخصصان کتابخانه به مهارت‌های لازم برای ارزیابی و استفاده مؤثر از ابزارهای هوش مصنوعی تأکید می‌کند (Lo, 2023a).
درحالی‌که تلاش‌ها برای ارتقای سواد هوش مصنوعی درحال‌رشد است، محتوای موردنیاز برای گروه‌های هدف مختلف همچنان مبهم است. برخی از ابزارهای اندازه‌گیری امیدوارکننده پیشنهاد شده‌اند، مانند مقیاس چندبعدی پینسکی و بنلیان (2023) که دانش درک شده از فناوری هوش مصنوعی، فرایندها، همکاری و طراحی را ارزیابی می‌کند. بااین‌حال، اعتبار بیشتر برای ارزیابی‌های سواد هوش مصنوعی موردنیاز است. توسعه تعاریف و اندازه‌گیری‌های دقیق برای اجرای طرح‌های مؤثر سواد هوش مصنوعی بسیار مهم است.
Ridley و Pawlick-Potts (2021) مفهوم سواد الگوریتمی را مطرح کردند که شامل درک الگوریتم‌ها و تأثیر آنها، شناخت کاربردهای آنها، ارزیابی تأثیرات آنها و قراردادن افراد به‌عنوان عوامل فعال به‌جای دریافت‌کنندگان منفعل تصمیم‌گیری الگوریتمی است. آنها پیشنهاد می‌کنند که کتابخانه‌ها می‌توانند با ادغام آن در آموزش سواد اطلاعاتی و پشتیبانی از هوش مصنوعی قابل‌توضیح، به سواد الگوریتمی کمک کنند.
اوکانا -فرناندز و همکاران. (2019) استدلال می‌کند که تغییرات برنامه درسی و مهارت‌های آموزشی برای آماده‌سازی دانشجویان و اساتید برای آینده هوش مصنوعی بسیار مهم است، اگرچه در مورد مسائل نابرابری دیجیتال نیز هشدار می‌دهد. بررسی محدوده لاوپیچلر و همکاران (2022) نشان می‌دهد که تلاش‌ها برای آموزش پایه سواد هوش مصنوعی به افراد غیرمتخصص هنوز در مراحل شکل‌گیری است. مهارت‌های ضروری پیشنهادی به طور قابل‌توجهی در چارچوب‌ها متفاوت است، و ارزیابی‌های قوی از برنامه‌های سواد هوش مصنوعی وجود ندارد. یافته‌ها نشان می‌دهد که دوره‌های سواد هوش مصنوعی بادقت طراحی شده، نویدبخش دستاوردهای دانش هستند. بااین‌حال، تحقیقاتی که چارچوب‌های مناسب، شایستگی‌های اصلی و رویکردهای آموزشی مؤثر را برای مخاطبان مختلف اثبات می‌کند، همچنان یک نیاز آشکار است.
در داخل کتابخانه‌ها، هک و همکاران. (2019) در مورد تأثیر متقابل سواد اطلاعاتی و هوش مصنوعی بحث کرد. آنها پیشنهاد می‌کنند که هوش مصنوعی می‌تواند به آموزش سواد اطلاعاتی از طریق بازخورد به‌موقع و توسعه مهارت‌های ردیابی کمک کند، اما توجه داشته باشید که ابتدا باید رویکردهای ارزیابی رایج ایجاد شود. سواد اطلاعاتی به یادگیرندگان این امکان را می‌دهد که به طور فعال با سیستم‌های هوش مصنوعی تعامل داشته باشند، نه فقط به طور منفعلانه از آن استفاده کنند. لو (2023c) چارچوبی را برای استفاده از مهندسی سریع برای افزایش سواد اطلاعاتی و مهارت‌های تفکر انتقادی پیشنهاد کرد.
اولیفانت (2015) عوامل هوشمند را برای خدمات مرجع کتابخانه مورد بررسی قرار داد. تجزیه‌وتحلیل نشان داد که آنها به‌سرعت اطلاعات را بازیابی می‌کنند؛ اما فاقد توانایی‌های ارزیابی انسانی هستند. یافته‌ها نشان می‌دهد که کتابداران باید کاربران را در ارزیابی انتقادی نتایج حاصل از هوش مصنوعی راهنمایی کنند که نشان می‌دهد آموزش سواد اطلاعاتی همچنان حیاتی است. علاوه بر این، لوند و همکاران. (2023) مفاهیم اخلاقی استفاده از مدل‌های زبانی بزرگ، مانند ChatGPT، در انتشارات علمی را موردبحث قرار می‌دهند و بر نیاز به ملاحظات اخلاقی و تأثیر بالقوه هوش مصنوعی بر روی شیوه‌های پژوهش تأکید می‌کنند.
درحالی‌که تحقیقات هنوز در حال ظهور است، یافته‌های اولیه نیاز به ابتکارات دقیق و متناسب باسواد هوش مصنوعی شامل مهارت‌های فنی، دیدگاه‌های انتقادی و ملاحظات اخلاقی را برجسته می‌کند. همان‌طور که هوش مصنوعی با آموزش و کار بیشتر در هم می‌پیچد، توسعه چارچوب‌ها، ارزیابی‌ها و رویکردهای آموزشی معتبر برای تقویت سواد هوش مصنوعی چندبعدی در زمینه‌ها و نقش‌ها یک اولویت فوری است. این مطالعه به دنبال کمک به بررسی سواد هوش مصنوعی به طور خاص در میان کارکنان کتابخانه دانشگاهی است.
هدف از مطالعه
سرعت سریع توسعه و ادغام هوش مصنوعی در آموزش عالی نیاز به رسیدگی به این شکاف تحقیقاتی را تشدید می‌کند. همان‌طور که هوش مصنوعی به تکامل و نفوذ بیشتر در کتابخانه‌های دانشگاهی ادامه می‌دهد، تقاضا برای کارمندان کتابخانه باسواد هوش مصنوعی افزایش می‌یابد. عدم درک وضعیت فعلی سواد هوش مصنوعی و شناسایی شکاف‌ها، می‌تواند منجر به کمبود مهارت‌های قابل‌توجهی شود که مانع استفاده مؤثر از هوش مصنوعی در کتابخانه‌های دانشگاهی می‌شود.
باتوجه‌به این موضوع، هدف این مطالعه آغاز بررسی سواد هوش مصنوعی در میان کارکنان کتابخانه دانشگاهی است. این تحقیق به دنبال پاسخگویی به سؤالات مهم تحقیق زیر است:
1.سطح سواد هوش مصنوعی در بین کارکنان کتابخانه‌های دانشگاهی در حال حاضر چقدر است؟
2.چه شکاف هایی در سواد هوش مصنوعی آنها وجود دارد و چگونه می توان این شکاف‌ها را از طریق توسعه حرفه‌ای و برنامه‌های آموزشی برطرف کرد؟
3.برداشت آنها از هوش مصنوعی مولد چیست و چه پیامدهایی را برای حرفه کتابداری پیش بینی می‌کنند؟
با پرداختن به این پرسش‌ها، این مطالعه باهدف پر کردن شکاف پژوهشی و ارائه بینش‌هایی است که می‌تواند سیاست‌گذاری و عمل در آموزش عالی را ارائه دهد. تلاش می‌کند تا شایستگی‌هایی را که کارکنان کتابخانه‌های دانشگاهی دارند، شناسایی کند، شکاف‌هایی را که باید برطرف شوند، و استراتژی‌هایی برای افزایش سواد هوش مصنوعی در میان این گروه مهم از متخصصان آموزش عالی پیشنهاد می‌کند.
چارچوب نظری
چارچوب دانش محتوای آموزشی فناوری (TPACK) که توسط میشرا و کوهلر (2006) توسعه‌یافته است، به‌عنوان پایه نظری برای این مطالعه عمل می‌کند. TPACK همچنین به‌عنوان یک ساختار تصمیم‌گیری مفید برای کتابدارانی که فناوری‌های آموزشی را ارزیابی می‌کنند، مورد حمایت قرار گرفته است (سوبل و گروتی، 2013). میشرا و کوهلر (2006) توضیح می‌دهند که TPACK شامل کاربرد انعطاف‌پذیر، زمینه خاص از فناوری، آموزش و دانش محتوا است. فراتر از دانش و مجزا از مفاهیم به درک یکپارچه می‌پردازد.
در چارچوب این مطالعه، محقق چارچوب TPACK را برای بررسی سواد هوش مصنوعی به طور خاص در میان متخصصان کتابخانه دانشگاهی به کار برد. سه جزء کلیدی چارچوب TPACK به‌صورت زیر تفسیر می‌شوند:
- دانش فناورانه (TK) – دانش در مورد خود هوش مصنوعی، از جمله اصول، قابلیت‌ها و محدودیت‌های آن. این شامل درک هوش مصنوعی به‌عنوان یک فناوری و کاربردهای بالقوه آن در برنامه‌های کتابخانه است.
- دانش شیوه های آموزشی (PK) – دانش در مورد چگونگی استفاده از هوش مصنوعی برای بهبود خدمات کتابخانه و تسهیل یادگیری. این به درک چگونگی ادغام هوش مصنوعی در خدمات کتابخانه برای بهبود تجربه کاربر، ساده کردن عملیات و پشتیبانی از یادگیری مربوط می‌شود.
- دانش محتوا (CK) – دانش در مورد محتوا و خدمات کتابخانه. این شامل درک تأثیر بالقوه هوش مصنوعی بر محتوا و خدمات کتابخانه است و اینکه چگونه هوش مصنوعی می‌تواند مدیریت و ارائه آنها را بهبود بخشد.
این کاربرد مناسب چارچوب TPACK امکان ارزیابی چندبعدی سواد هوش مصنوعی را در میان کارمندان کتابخانه دانشگاهی فراهم می‌کند. این بررسی درک کارکنان از هوش مصنوعی به‌عنوان یک فناوری (TK)، ادراکات درباره اینکه چگونه هوش مصنوعی می‌تواند خدمات کتابخانه (PK) را بهبود بخشد و تأثیر بالقوه هوش مصنوعی بر محتوا و خدمات کتابخانه (CK) را تسهیل می‌کند.
اهمیت مطالعه
اهمیت این مطالعه در توانایی آن در کمک به سیاست‌گذاری، عمل و نظریه کتابخانه دانشگاهی از طرق مختلف نهفته است. در مرحله اول، از چارچوب TPACK برای ارزیابی سواد هوش مصنوعی در میان کارکنان کتابخانه دانشگاهی، شناسایی شایستگی‌ها، شکاف‌ها و استراتژی‌های لازم استفاده می‌کند. این بینش برای طراحی برنامه‌های توسعه حرفه‌ای مؤثر و همچنین برای تخصیص منابع بسیار مهم است. ثانیاً، با تمرکز ویژه بر سواد هوش مصنوعی، به گفتمان در مورد سواد دیجیتال در آموزش عالی می‌افزاید و به درک نقش و پیامدهای آن کمک می‌کند. ثالثاً، این مطالعه بینش‌هایی را درباره ابعاد اخلاقی، عملی و فرصت ادغام فناوری هوش مصنوعی در کتابخانه‌ها ارائه می‌دهد و بهترین شیوه‌ها و دستورالعمل‌ها را برای استفاده مسئولانه از آن ارائه می‌دهد. در نهایت، با استفاده از چارچوب TPACK برای سواد هوش مصنوعی در کتابخانه‌ها، این مطالعه کاربردهای نظری خود را گسترش می‌دهد و مبنایی قوی برای تحقیقات آینده در یکپارچه‌سازی فناوری در محیط‌های دانشگاهی ارائه می‌دهد.
روش‌شناسی
طراحی پژوهش
این مطالعه از یک رویکرد مبتنی بر نظرسنجی برای بررسی سواد هوش مصنوعی در میان کارمندان کتابخانه دانشگاهی استفاده می‌کند که به دلیل توانایی آن در جمع‌آوری سریع داده‌های گسترده در یک گروه جغرافیایی متنوع انتخاب شده است. این روش با چارچوب TPACK مطابقت دارد و ادغام دانش فنی، آموزشی و محتوایی را برجسته می‌کند. نظرسنجی‌ها جمع‌آوری داده‌های استاندارد شده را تسهیل می‌کند و امکان مقایسه بین نقش‌ها و جمعیت‌های مختلف را فراهم می‌کند. این طرح به‌ویژه برای تحقیقات توصیفی در آموزش عالی مؤثر است و آن را برای ارزیابی وضعیت فعلی سواد هوش مصنوعی در کتابخانه‌های دانشگاهی مناسب می‌کند.
شرکت‌کنندگان
محقق از یک رویکرد جامع برای استخدام گروه متنوعی از کارکنان کتابخانه دانشگاهی برای نظرسنجی استفاده کرد. این شامل ارسال در گروه‌های بحث در نقش‌ها و مناطق مختلف در کتابداری (پیوست A)، و همچنین تماس مستقیم با مدیران انجمن‌های کتابخانه‌های برجسته: انجمن کتابخانه‌های تحقیقاتی (ARL)، اتحادیه کتابخانه‌های غربی بزرگ (GWLA) و نیومکزیکو و کنسرسیوم کتابخانه‌های دانشگاهی (NMCAL) بود. این سازمان‌ها طیف وسیعی از کتابخانه‌های دانشگاهی را از نظر اندازه، مکان و نوع نشان می‌دهند. از مدیران خواسته شد که نظرسنجی را با کارکنان خود به اشتراک بگذارند.
جمع‌آوری داده‌ها
جمع‌آوری داده‌ها از طریق یک ابزار نظرسنجی طراحی شده سفارشی که با استفاده از پلتفرم Qualtrics (پیوست B) ساخته و مدیریت می‌شد. این نظرسنجی برای پاسخگویی به سؤالات پژوهشی مطالعه ایجاد شد و در چهار بخش اصلی ساختاریافته بود که هر بخش بر جنبه خاصی از سواد هوش مصنوعی در میان کارمندان کتابخانه دانشگاهی تمرکز دارد.
بخش اول به دنبال دریافت درک و دانش پاسخ‌دهندگان از هوش مصنوعی، از جمله آشنایی آنها با مفاهیم و اصطلاحات هوش مصنوعی بود. بخش دوم بر مهارت‌ها و تجربیات عملی پاسخ‌دهندگان با ابزارها و برنامه‌های کاربردی هوش مصنوعی در محیط‌های حرفه‌ای متمرکز بود. هدف بخش سوم شناسایی حوزه‌هایی از سواد هوش مصنوعی بود که پاسخ‌دهندگان در آنها احساس اعتماد کمتری می‌کردند و نشانه‌ای از شکاف‌های بالقوه در دانش یا مهارت‌هایی بود که می‌توان از طریق طرح‌های توسعه حرفه‌ای به آن پرداخت. در نهایت، بخش آخر دیدگاه‌های پاسخ‌دهندگان را در مورد پیامدهای اخلاقی و چالش‌های ارائه‌شده توسط فناوری‌های هوش مصنوعی در زمینه کتابخانه بررسی کرد.
این نظرسنجی از ترکیبی از انواع سؤال برای درگیرکردن پاسخ‌دهندگان و گرفتن داده‌های ظریف استفاده کرد. اینها شامل سؤالات در مقیاس لیکرت، سؤالات چندگزینه‌ای و سؤالات باز بود. قبل از مدیریت در مقیاس جامع، نظرسنجی به‌صورت آزمایشی با گروه کوچکی از کارکنان کتابخانه دانشگاهی مورد آزمایش قرار گرفت تا از وضوح، مرتبط بودن و مناسب‌بودن سؤالات اطمینان حاصل شود.
سؤالات نظرسنجی به‌گونه‌ای طراحی شده‌اند که از ابعاد مختلف چارچوب TPACK بهره ببرند. به‌عنوان‌مثال، سؤالاتی که در مورد تجربیات عملی با ابزارهای هوش مصنوعی و زمینه‌های بهبود شناسایی شده توسط خود می‌پرسند، به طور غیرمستقیم دانش فنی و آموزشی (TPK) را ارزیابی می‌کنند، زیرا آنها با هوش مصنوعی مرتبط هستند.
پس از نهایی‌شدن نظرسنجی، یک دعوت‌نامه برای شرکت به همراه پیوندی به نظرسنجی، از طریق لیست سروها و روش‌های ارتباط مستقیم توزیع شد. این نظرسنجی به مدت دو هفته باز ماند و یادآوری‌هایی در فواصل زمانی منظم برای به حداکثر رساندن نرخ پاسخ ارسال شد.
محدودیت‌ها
درحالی‌که این مطالعه بینش‌هایی را در مورد سواد هوش مصنوعی در میان کارکنان کتابخانه دانشگاهی ارائه می‌کند، اذعان به محدودیت‌های آن بسیار مهم است. اولاً، باتوجه‌به ماهیت خوداظهاری این نظرسنجی، یافته‌ها ممکن است در معرض سوگیری مطلوبیت اجتماعی باشد، جایی که پاسخ‌دهندگان ممکن است دانش یا مهارت‌های خود را در هوش مصنوعی بیش از حد یا کمتر برآورد کرده باشند.
ثانیاً علیرغم بهترین تلاش‌ها برای دستیابی به طیف گسترده‌ای از کارکنان کتابخانه‌های دانشگاهی، نمونه ممکن است به طور کامل نماینده جامعه نباشد. ماهیت داوطلبانه تحقیق، همراه با روش‌های توزیع مورداستفاده، ممکن است نمونه را به سمت افرادی که علاقه یا مشارکتی در هوش مصنوعی دارند منحرف کرده باشد.
علاوه بر این، درحالی‌که استفاده از لیست سرویس‌های حرفه‌ای و ارتباط مستقیم با مدیران کتابخانه‌ها به گسترش دسترسی ما کمک کرد، این استراتژی ممکن است آن دسته از کتابخانه‌های دانشگاهی را که کمتر فعال هستند یا در این کانال‌های ارتباطی گنجانده نشده‌اند، حذف کند. گنجاندن کتابخانه‌های کانادا از طریق انجمن کتابخانه‌های تحقیقاتی تعداد کمی از پاسخ‌دهندگان غیرآمریکایی را نشان می‌دهد.
در نهایت، ماهیت در حال تکامل هوش مصنوعی و کاربردهای آن در کتابخانه‌ها به این معنی است که یافته‌های ما یک عکس فوری در یک نقطه خاص از زمان ارائه می‌دهند. همان‌طور که هوش مصنوعی به پیشرفت و ادغام عمیق‌تر در کتابخانه‌های دانشگاهی ادامه می‌دهد، چشم‌انداز سواد هوش مصنوعی در میان کارمندان کتابخانه احتمالاً تغییر می‌کند و تحقیقات مداوم در این زمینه را ضروری می‌کند.
این محدودیت‌ها اگرچه مهم است، اما یافته‌های ما را بی‌اعتبار نمی‌کند. در عوض، آنها نکات قابل‌توجهی را برای تفسیر نتایج ارائه می‌کنند و زمینه‌هایی را برای تحقیقات آینده برجسته می‌کنند تا بر درک ما از سواد هوش مصنوعی در میان کارمندان کتابخانه دانشگاهی ایجاد شود.
نتایج و تجزیه‌وتحلیل
آمار توصیفی
این نظرسنجی پاسخ‌های متنوعی را به همراه داشت: 760 شرکت کننده نظرسنجی را آغاز کردند، 605 نفر آن را تکمیل کردند. شرکت‌کنندگان بخشی از چشم‌انداز کتابخانه دانشگاهی را نشان می‌دادند که اکثریت (20/45%) در دانشگاه‌های تحقیقاتی خدمت می‌کردند. بخش قابل‌توجهی نیز از مؤسسات ارائه دهنده برنامه‌های تحصیلات تکمیلی و کارشناسی (29.64٪) و کالج ها یا دانشگاه های متمرکز در مقطع کارشناسی (10.76٪) است. کالج‌های اجتماعی و مدارس تخصصی (مانند حقوق، پزشکی) نیز حضور داشتند، البته به میزان کمتر.
بیش از نیمی از پاسخ‌دهندگان (61.25٪) از کتابخانه‌های وابسته به انجمن کتابخانه‌های تحقیقاتی (ARL) بودند که نشان‌دهنده نمایندگی گسترده موسسات پژوهشی است. پاسخ‌دهندگان عمدتاً از مؤسسات دانشگاهی بزرگتر بودند. کسانی که در مؤسساتی با 30000 یا بیشتر خدمت می‌کنند، بزرگترین گروه (30.67 درصد) را تشکیل می‌دهند، و پس از آنها مؤسساتی با ثبت نام بین 10000 تا 29999 (34.66 درصد) قرار دارند.
در مورد نقش‌های حرفه‌ای، نظرسنجی به‌شدت از متخصصان یا متخصصان کتابخانه (99/60%) که مستقیماً از نیازهای پژوهشی، یادگیری و آموزشی جامعه دانشگاهی حمایت می‌کنند، انجام شد. پرسنل مدیریتی میانی (20.00٪) و ارشد (9.09٪) نیز به خوبی نشان داده شدند و دیدگاه رهبری را به بینش های نظرسنجی ارائه کردند.
اکثر پاسخ‌دهندگان عمدتاً در خدمات مرجع و پژوهشی (25.17٪) یا آموزش کتابخانه ای و سواد اطلاعاتی (24.34٪) – دو حوزه جدایی ناپذیر از زیرساخت های پشتیبانی دانشگاهی بودند.
از نظر تجربه حرفه‌ای، شرکت‌کنندگان طیف گسترده‌ای را به نمایش گذاشتند، از تازه‌کارها با کمتر از یک سال تجربه (2.81%) تا جانبازان کارکشته با بیش از 20 سال در این زمینه (22.68%). گروه مورد نظر دارای تحصیلات عالی بودند و اکثر آنها دارای مدرک کارشناسی ارشد در رشته کتابداری و اطلاع رسانی بودند (51/65%) و تعداد قابل‌توجهی نیز دارای مدرک دکترا یا فوق لیسانس در رشته دیگری بودند.
این نظرسنجی همچنین اطلاعات جمعیت‌شناختی را جمع‌آوری کرد. اکثریت قابل‌توجهی زن (71.97٪) و بزرگترین گروه سنی 35-44 سال (27.97٪) بودند. درحالی‌که اکثریت به‌عنوان سفیدپوست (76.11٪) شناخته می‌شوند، قومیت های دیگر، از جمله آسیایی، سیاهپوست یا آفریقایی آمریکایی، و اسپانیایی یا لاتین تبار نیز نماینده داشتند.
این نمایه شرکت‌کننده‌های متنوع، دیدگاه گسترده‌ای از سواد هوش مصنوعی در چشم‌انداز کتابخانه دانشگاهی ارائه می‌دهد، و زمینه را برای یافته‌ها و بحث‌های روشنگرانه فراهم می‌کند.
سؤال 1: سطوح سواد هوش مصنوعی
در سطح گسترده‌ای، شرکت‌کنندگان درک متوسطی از مفاهیم و اصول هوش مصنوعی بیان کردند و بخش قابل‌توجهی دانش خود را در سطح متوسط رتبه‌بندی کردند. بااین‌حال، تعداد پاسخ‌دهندگانی که درک بالایی از هوش مصنوعی داشتند، بسیار کم بود و زمینه بالقوه‌ای را برای آموزش و یادگیری بیشتر نشان داد.
زمانی که از شرکت‌کنندگان در مورد درک آنها از هوش مصنوعی مولد به طور خاص سؤال شد، الگوی مشابهی مشاهده شد. این نشان می‌دهد که درحالی‌که کتابداران شروع به درک هوش مصنوعی و پتانسیل آن کرده‌اند، از نظر دانش و پیاده‌سازی فضای قابل‌توجهی برای رشد وجود دارد (شکل 1).
باتوجه‌به آشنایی با ابزارهای هوش مصنوعی، اکثر شرکت‌کنندگان دارای سطح تجربه متوسط (94/30 درصد) بودند. تنها تعداد انگشت شماری از شرکت‌کنندگان سطح بالایی از آشنایی (3.87٪) را گزارش کردند که نشان‌دهنده فرصتی برای آموزش عملی بیشتر با این ابزارها است.
در بررسی شیوع استفاده از هوش مصنوعی در بخش کتابخانه، محقق چشم‌انداز متنوعی را یافت. درحالی‌که برخی از فناوری‌ها استقبال قابل‌توجهی یافته‌اند، برخی دیگر نسبتاً استفاده نشده باقی می‌مانند. قابل‌ذکر است که چت‌بات‌ها و ابزارهای متن یا داده‌کاوی پرکاربردترین فناوری‌های هوش مصنوعی بودند.
درک شرکت‌کنندگان از مفاهیم خاص هوش مصنوعی روند مشابهی را دنبال کرد. مفاهیم ساده‌تر مانند یادگیری ماشین و پردازش زبان طبیعی دارای امتیاز متوسط بالاتری بودند، درحالی‌که حوزه‌های پیچیده‌ای؛ مانند یادگیری عمیق و شبکه‌های متخاصم تولیدی کمتر شناخته شده بودند. این روند بر نیاز به برنامه‌های آموزشی هدفمند در زمینه هوش مصنوعی در برنامه‌های کتابخانه تأکید می‌کند.
قابل‌توجه است که تقریباً ۹ درصد در پاسخ‌ها نسبت به سؤالات قبلی به سؤالاتی که در مورد جنبه‌های فنی‌تر هوش مصنوعی می‌پرسیدند، کاهش یافت. این می‌تواند نشان‌دهنده شکاف در دانش یا سطح راحتی با این موضوعات در میان شرکت‌کنندگان باشد.
در حوزه حرفه‌ای، ابزارهای هوش مصنوعی هنوز به یک عنصر اصلی در کار کتابخانه تبدیل نشده‌اند. اکثر شرکت‌کنندگان اغلب از این ابزارها استفاده نمی‌کنند، به‌طوری‌که 41.79٪ هرگز از ابزارهای هوش مصنوعی مولد و 28.01٪ از آنها کمتر از یک بار در ماه استفاده می‌کنند. این ممکن است به عدم آشنایی، منابع یا نیاز درک شده نسبت داده شود. بااین‌حال، برای کسانی که از آنها استفاده می‌کنند، تولید متن و کمک‌های تحقیقاتی موارد استفاده اولیه هستند.
نگرانی در مورد مسائل اخلاقی، کیفیت و دقت محتوای تولید شده، و همچنین حفظ حریم خصوصی داده‌ها، در میان شرکت‌کنندگان رایج بود. این یافته نشان می‌دهد که درحالی‌که علاقه به فناوری‌های هوش مصنوعی وجود دارد، چالش‌های درک شده موانع قابل‌توجهی برای پیاده‌سازی و پذیرش کامل هستند.
در زندگی شخصی آنها، ابزارهای هوش مصنوعی هنوز تأثیر قابل‌توجهی در بین شرکت‌کنندگان نداشته‌اند. اکثریت (63.98٪) گزارش کردند که از این ابزارها یا “کمتر از یک بار در ماه” یا “هرگز” در زندگی روزمره استفاده می‌کنند.
آزمون کای دو برای بررسی رابطه بین موقعیت پاسخ‌دهنده و درک مفاهیم و اصول هوش مصنوعی انجام شد. رابطه بین این متغیرها معنی‌دار بود، χ² (16، N = 760) = 26.31، p = 0.05. این بدان معنی است که درک مفاهیم و اصول هوش مصنوعی بسته به موقعیت پاسخ‌دهنده متفاوت است.
توزیع‌ها نشان می‌دهند که – درحالی‌که ارتباط معنی‌داری بین موقعیت پاسخ‌دهنده و درک آنها از مفاهیم و اصول هوش مصنوعی وجود دارد – اکثر پاسخ‌دهندگان در همه موقعیت‌ها درک متوسطی از هوش مصنوعی دارند. بااین‌حال، تفاوت‌هایی در نسبت پاسخ‌دهندگانی وجود دارد که درک خود را بالا یا بسیار بالا ارزیابی می‌کنند، به‌طوری‌که مدیریت ارشد و مدیریت میانی نسبت‌های بالاتری نسبت به سایر گروه‌ها دارند.
همچنین بین حوزه کتابداری دانشگاهی و درک مفاهیم و اصول هوش مصنوعی رابطه معناداری وجود دارد. این بدان معناست که درک مفاهیم و اصول هوش مصنوعی بسته به حوزه کتابداری دانشگاهی متفاوت است. توزیع‌ها نشان می‌دهد که تفاوت‌هایی در نسبت پاسخ‌دهندگانی وجود دارد که درک خود را بالا یا بسیار بالا ارزیابی می‌کنند، با مدیریت یا مدیریت و آموزش کتابخانه‌ای و سواد اطلاعاتی نسبت‌های بالاتری نسبت به سایر گروه‌ها دارند.
علاوه بر این، یک آزمون Chi-Square نشان می‌دهد که رابطه بین پرداخت برای یک نسخه پریمیوم حداقل یکی از ابزارهای هوش مصنوعی و درک مفاهیم و اصول هوش مصنوعی قابل‌توجه است، χ² (4، N = 539) = 85.42، p < 001. توزیع‌ها نشان می‌دهند که پاسخ‌دهندگانی که برای نسخه پریمیوم حداقل یکی از ابزارهای هوش مصنوعی پرداخت کرده‌اند، در مقایسه با کسانی که این کار را نکرده‌اند، درک بالاتری از مفاهیم و اصول هوش مصنوعی دارند. این می‌تواند به این دلیل باشد که کسانی که برای نسخه پریمیوم ابزار هوش مصنوعی پول پرداخت کرده‌اند، احتمالاً از هوش مصنوعی در زندگی کاری یا شخصی خود استفاده می‌کنند که می‌تواند درک آنها از هوش مصنوعی را افزایش دهد. از طرف دیگر، کسانی که درک بالاتری از هوش مصنوعی دارند، ممکن است ارزش بیشتری را در پرداخت برای نسخه پریمیوم ابزار هوش مصنوعی ببینند.
توجه به این نکته مهم است که این یافته‌ها بر اساس درک خود رتبه‌بندی پاسخ‌دهندگان از هوش مصنوعی است که ممکن است به‌درستی درک واقعی آنها را منعکس نکند. تحقیقات بیشتر می‌تواند شامل ارزیابی درک پاسخ‌دهندگان از هوش مصنوعی از طریق اقدامات عینی باشد.
علاوه بر این، سایر عواملی که در این تحلیل در نظر گرفته نشده‌اند، مانند پیشینه تحصیلی، تجربه، و قرارگرفتن در معرض هوش مصنوعی در کار خود، نیز می‌توانند بر درک آنها از هوش مصنوعی تأثیر بگذارند.
سؤال 2: شناسایی شکاف‌ها
در این بخش، محقق عمیق‌تر به شکاف‌های دانشی و اعتماد در میان متخصصان کتابخانه‌های دانشگاهی دررابطه‌با کاربردهای هوش مصنوعی پرداخت. این شکاف‌ها نیاز فوری به توسعه حرفه‌ای و آموزش هدفمند در سواد هوش مصنوعی را برجسته می‌کند.
سطوح اطمینان در جنبه‌های مختلف هوش مصنوعی
داده‌های نظرسنجی به سطوح متوسطی از اطمینان در طیفی از وظایف مرتبط با هوش مصنوعی اشاره کرد که نشان‌دهنده فضایی برای رشد و یادگیری است. برای ارزیابی پیامدهای اخلاقی استفاده از هوش مصنوعی، 30.12 درصد از پاسخ‌دهندگان تا حدودی اعتمادبه‌نفس داشتند (سطوح 4 و 5 ترکیبی)، درحالی‌که 29.50 درصد اعتمادبه‌نفس نداشتند (سطوح 1 و 2 ترکیبی)، و بزرگترین گروه (39.38٪) بی‌طرف ماندند.
بحث در مورد ادغام هوش مصنوعی الگوهای مشابهی را نشان داد. در اینجا، 31.1 درصد اعتماد بالا، 34.85 درصد اعتماد پایین و 33.06 درصد بقیه بی طرف بودند. این توزیع‌ها نشان‌دهنده تردید یا عدم اطمینان کلی در بحث و اجرای اخلاقی هوش مصنوعی است که به طور بالقوه نشان‌دهنده آموزش ناکافی یا قرار گرفتن در معرض این موضوعات است.
وقتی نوبت به همکاری در پروژه‌های مرتبط با هوش مصنوعی می‌رسد، پاسخ‌دهندگان کمتری (31.39%) احساس اعتماد می‌کنند، درحالی‌که 40.16% اعتماد پایین را گزارش می‌کنند و 28.46% موضع خنثی را انتخاب می‌کنند. این ممکن است به‌ضرورت نه‌تنها مهارت فردی در هوش مصنوعی، بلکه نیاز به مهارت‌های مشارکتی و درک مشترک بین تیم‌هایی که با هوش مصنوعی کار می‌کنند اشاره کند.
عیب‌یابی ابزارها و برنامه‌های هوش مصنوعی به‌عنوان مهم‌ترین شکاف ظاهر شد، به‌طوری‌که 69.76 درصد اعتماد خود را پایین ارزیابی کردند و تنها 10.9 درصد اعتماد بالا را ابراز کردند. این یک زمینه ضروری برای آموزش هدفمند را برجسته می‌کند، زیرا عیب یابی یک جنبه اساسی اجرای موفقیت آمیز فناوری است.
تأمل در توسعه و آموزش حرفه‌ای در هوش مصنوعی
تقریباً یک‌سوم شرکت‌کنندگان در نظرسنجی در توسعه حرفه‌ای متمرکز بر هوش مصنوعی شرکت کرده‌اند و چندین موضوع کلیدی را به نمایش می‌گذارند:
- روش‌های آموزش: کتابداران از طریق فرمت‌های مختلف، از جمله وبینارها، کارگاه‌ها و خودآموزی دسترسی دارند. گزینه‌های آنلاین محبوب هستند و دسترسی به آموزش‌های حرفه‌ای‌های مختلف را فراهم می‌کنند.
- ابزارها و برنامه‌های کاربردی هوش مصنوعی: جلسات آموزشی عمدتاً ابزارهایی مانند ChatGPT و موارد دیگر را با تأکید بر عملکرد و برنامه‌های کاربردی در دانشگاه معرفی می‌کنند.
- پیامدهای اخلاقی: جلسات اغلب به نگرانی‌های اخلاقی مانند تعصب و حریم خصوصی و سوءاستفاده احتمالی از مدل‌های هوش مصنوعی «جعبه سیاه» می‌پردازند.
- یکپارچه‌سازی درون فعالیت‌های کاری کتابخانه: برنامه‌ها ادغام هوش مصنوعی در فعالیت‌های کتابخانه، از جمله آموزش، فهرست‌نویسی، و تحلیل استناد را بررسی می‌کنند.
- سواد هوش مصنوعی: تمرکز مکرر بر درک و آموزش مفاهیم هوش مصنوعی وجود دارد که با بحث‌های گسترده‌تر سواد اطلاعاتی مرتبط است.
- هوش مصنوعی در آموزش: آموزش شامل استفاده از ابزارهای هوش مصنوعی در آموزش کتابخانه و درک تأثیرات آن بر یکپارچگی تحصیلی است.
- جامعه در عمل: پاسخ‌ها بر یادگیری مشارکتی تأکید می‌کنند و رویکردی مشترک برای درک چالش‌ها و فرصت‌های هوش مصنوعی را پیشنهاد می‌کنند.
- یادگیری خود راهنما: برخی از کتابداران به طور فعال فرصت‌های یادگیری مستقل را دنبال می‌کنند که منعکس‌کننده یک موضع فعالانه در مورد توسعه حرفه‌ای هوش مصنوعی است.
یافته‌ها بر ماهیت چندوجهی هوش مصنوعی در کتابخانه‌ها تأکید می‌کنند و بر نیاز به توسعه حرفه‌ای مداوم و جامع تأکید می‌کنند. این شامل پرداختن به جنبه‌های فنی و اخلاقی، تجهیز کتابداران به مهارت‌های عملی هوش مصنوعی، و پرورش یک جامعه حمایتی از عملکرد است.
یک آزمون مجذور کای که رابطه بین موقعیت‌های پاسخ‌دهندگان و مشارکت آنها در هر آموزشی متمرکز بر هوش مصنوعی مولد را بررسی می‌کند (χ² (4، N = 595) = 26.72، P <.001) یک ارتباط معنی‌دار را نشان می‌دهد. پس از بررسی داده‌ها، نسبت پاسخ‌دهندگانی که در برنامه‌های آموزشی یا توسعه حرفه‌ای متمرکز بر هوش مصنوعی مولد شرکت کرده‌اند، در میان افرادی که در مدیریت ارشد (47.27 درصد) شرکت کرده‌اند، بالاترین میزان است و پس از آن متخصصان یا حرفه‌ای (37.40 درصد)، مدیریت میانی (29.75 درصد) قرار دارند و سایر (16.67%). این نسبت در میان کارکنان پشتیبانی یا اداری (3.70 درصد) کمتر است.
این نشان می‌دهد که افراد در موقعیت‌های بالاتر، مانند مدیریت ارشد و نقش‌های تخصصی یا حرفه‌ای، به‌احتمال زیاد در برنامه‌های آموزشی یا توسعه حرفه‌ای متمرکز بر هوش مصنوعی مولد شرکت کرده‌اند. این می‌تواند به دلایل مختلفی باشد، مانند این نقش‌ها که به طور بالقوه نیاز به درک عمیق‌تری از هوش مصنوعی و کاربردهای آن دارند، یا اینکه این افراد به منابع و فرصت‌های بیشتری برای چنین آموزش‌هایی دسترسی دارند. از سوی دیگر، کارکنان پشتیبانی یا پرسنل اداری کمتر در چنین برنامه‌هایی شرکت کرده‌اند که می‌تواند به دلیل نیاز کمتر درک شده یا فرصت‌های کمتر برای آموزش در این نقش‌ها باشد.
این یافته‌ها اهمیت دسترسی به فرصت‌های آموزشی و توسعه حرفه‌ای متمرکز بر هوش مصنوعی را در همه نقش‌های یک سازمان، نه فقط در پست‌های بالاتر یا کسانی که مستقیماً در وظایف مرتبط با هوش مصنوعی درگیر هستند، نشان می‌دهد. این می‌تواند به اطمینان از درک و استفاده گسترده‌تر از هوش مصنوعی در سراسر سازمان کمک کند.
باوجود این تلاش‌ها، بسیاری از شرکت‌کنندگان آمادگی کافی برای استفاده حرفه‌ای از ابزارهای هوش مصنوعی مولد را نداشتند. 62.91 درصد قابل‌توجه تا حدودی با این جمله مخالف بودند: “من احساس می کنم به‌اندازه کافی برای استفاده از ابزارهای هوش مصنوعی مولد در کار حرفه‌ای خود به‌عنوان کتابدار آماده هستم”، که بر نیاز به برنامه‌های آموزشی موثرتر تأکید دارد.
جالب اینجاست که حوزه‌های شناسایی شده برای آموزش بیشتر فقط در مورد درک اصول اولیه هوش مصنوعی نبود. شرکت‌کنندگان تقاضای واضحی برای درک پیشرفته از مفاهیم و تکنیک‌های هوش مصنوعی (13.53%)، آشنایی با ابزارها و برنامه‌های AI در کتابخانه‌ها (14.21%)، و رسیدگی به نگرانی‌های مربوط به حریم خصوصی و امنیت داده‌ها مربوط به هوش مصنوعی (14.36%) نشان دادند.
نشان می‌دهد که کتابداران به دنبال فراتر رفتن از یک درک اولیه هستند و مایل‌اند عمیق‌تر با هوش مصنوعی درگیر شوند.
فرمت‌های ترجیحی برای فرصت‌های توسعه حرفه‌ای به سمت فرصت‌های یادگیری از راه دور و انعطاف‌پذیر، مانند دوره‌ها یا وبینارهای آنلاین (۲۶.۰۲ درصد) و ماژول‌های یادگیری خودگام (۲۲.۴۴ درصد) تمایل دارند. این اولویت نشان‌دهنده گرایش فعلی به سمت یادگیری دیجیتالی و از راه دور است و یک‌جهت روشن برای برنامه‌های آموزشی آینده ارائه می‌دهد.
قابل‌توجه، تقریباً نیمی از شرکت‌کنندگان (43.99%) نیاز کتابداران دانشگاهی به دریافت آموزش در مورد ابزارها و برنامه‌های هوش مصنوعی در دوازده ماه آینده را «بسیار مهم» ارزیابی کردند.
به طور خلاصه، تجزیه‌وتحلیل عمیق‌تر داده‌ها چشم‌اندازی را نشان می‌دهد که در آن کتابداران دانشگاهی از اعتماد متوسط تا کم در درک، بحث و رسیدگی به وظایف مرتبط با هوش مصنوعی، علیرغم مواجهه با پیشرفت حرفه‌ای در هوش مصنوعی برخوردارند. این یافته نشان‌دهنده نیاز به برنامه‌های آموزشی جامع‌تر، عمیق‌تر و قابل‌دسترس‌تر است. با پرداختن به این شکاف‌های دانشی، جامعه کتابخانه‌ای می‌تواند به طور مؤثری از توانایی‌های هوش مصنوعی استقبال کند و چالش‌های آن را بررسی کند.
سؤال 3: ادراکات
نتایج جامع بررسی ما، همان‌طور که در جدول 7 نشان داده شده است، تصویری دقیق از ادراک کتابداران نسبت به ادغام ابزارهای مولد هوش مصنوعی در خدمات و فعالیت‌های کتابخانه ارائه می‌کند.
هنگامی که مزایای بالقوه هوش مصنوعی را در نظر می‌گیریم، پاسخ‌ها درجه‌ای از دوسوگرا بودن را نشان می‌دهند و 35.88٪ موضع خنثی را انتخاب می‌کنند. بااین‌حال، هنگامی که دسته‌بندی‌های «موافق» و «کاملاً موافق» را ترکیب می‌کنیم، می‌بینیم که بخش قابل‌توجهی، 49.84 درصد، هوش مصنوعی را تا حدی مفید می‌دانند. به طور مشابه، در مورد اهمیت سرمایه گذاری در هوش مصنوعی، تمایل قابل‌توجهی به توافق وجود دارد، به‌طوری‌که 46.87٪ موافق هستند که سرمایه گذاری تا حدی مهم است.
بااین‌حال، این خوش‌بینی با نگرانی در مورد آمادگی در کنار هم قرار می‌گیرد. وقتی از آنها پرسیده شد که چقدر برای استفاده از ابزارهای هوش مصنوعی مولد در سال آینده آمادگی دارند، 70.03٪ از پاسخ‌دهندگان (کسانی که “به‌شدت مخالف” یا “مخالف” هستند) به کمبود آمادگی اذعان کردند. این نشان می‌دهد که علیرغم شناخت ارزش بالقوه هوش مصنوعی، موانع قابل‌توجهی وجود دارد که قبل از عملی شدن پیاده‌سازی باید بر آنها غلبه کرد.
عدم قطعیت پیرامون تأثیر هوش مصنوعی بر کتابخانه‌ها در کوتاه‌مدت این پیچیدگی را بیشتر روشن می‌کند. بخش قابل‌توجهی از کتابداران (36.09٪) هنگامی که از آنها خواسته شد تأثیر هوش مصنوعی بر کتابخانه‌های دانشگاهی را در دوازده ماه آینده پیش بینی کنند، پاسخ خنثی را انتخاب کردند. با این وجود، گروه قابل‌توجهی وجود دارد (41.06٪ که “موافق” یا “کاملاً موافق”) که تأثیر کوتاه مدت قابل‌توجهی را پیش بینی می‌کنند.
یک یافته کلیدی از این نظرسنجی، تشخیص جمعی فوریت برای رسیدگی به مسائل اخلاقی و حریم خصوصی مرتبط با استفاده از هوش مصنوعی بود. در واقع، 74.34 درصد از پاسخ‌دهندگان، که شامل «موافق» و «کاملاً موافقم» بودند، بر نیاز فوری برای پرداختن به نگرانی‌های اخلاقی و حفظ حریم خصوصی مرتبط با هوش مصنوعی تأکید کردند، و بر وزن مسئولیتی که کتابداران در حفظ یکپارچگی خدمات خود در عصر هوش مصنوعی احساس می‌کنند، تأکید کردند. (شکل 2).
پاسخ‌های کیفی درک غنی از ادراکات هوش مصنوعی مولد در میان متخصصان کتابخانه و پیامدهایی که آنها برای حرفه کتابداری پیش‌بینی می‌کنند فراهم می‌کند. پاسخ‌ها در چندین موضوع کلیدی طبقه‌بندی شدند که هر کدام در زیر با نقل‌قول‌های مربوطه از پاسخ‌دهندگان موردبحث قرار گرفته‌اند.
موضوعات (تم‌ها)
نگرانی‌های اخلاقی و حریم خصوصی
موضوع مهمی که از پاسخ‌ها ظاهر شد، نگرانی‌های اخلاقی و حفظ حریم خصوصی مرتبط با استفاده از ابزارهای هوش مصنوعی در کتابخانه‌ها بود. پاسخ‌دهندگان از سوءاستفاده احتمالی از داده‌ها و نقض حریم خصوصی ابراز نگرانی کردند. همان‌طور که یکی از پاسخ‌دهندگان خاطرنشان کرد، “رهبران کتابخانه‌ها نباید برای پیاده‌سازی ابزارهای هوش مصنوعی بدون گوش‌دادن به کارشناسان داخلی و مدیران عملیاتی خود عجله کنند.” یکی دیگر از پاسخ‌دهندگان هشدار داد: «ما باید در مورد پذیرش فناوری‌ها یا شیوه‌هایی در جریان کاری خودمان که سؤالات اخلاقی مهم و نگرانی‌های مربوط به حریم خصوصی را ایجاد می‌کنند محتاط باشیم.»
نیاز به آموزش و یادگیری
نیاز به آموزش و یادگیری هوش مصنوعی برای کتابداران یکی دیگر از موضوعات رایج بود. پاسخ‌دهندگان بر اهمیت درک ابزارهای هوش مصنوعی و مفاهیم آنها قبل از اجرای آنها تأکید کردند. یکی از پاسخ‌دهندگان پیشنهاد کرد: آموزش سریع هوش مصنوعی برای کتابداران لازم است. مانند هر چیز دیگری، پذیرندگان اولیه و سپس طیف وسیعی از پذیرش در طول زمان وجود خواهد داشت. یکی دیگر از پاسخ‌دهندگان بر نیاز به یک متخصص هوش مصنوعی تأکید کرد و گفت: «من همچنین فکر می‌کنم داشتن یک کتابدار هوش مصنوعی، کسی که بتواند منبعی برای بقیه کارکنان باشد، ارزشمند است.»
احتمال استفاده نادرست
پاسخ‌دهندگان در مورد احتمال استفاده نادرست از ابزارهای هوش مصنوعی، مانند ایجاد نقل‌قول‌های نادرست یا اتکای بیش از حد به سیستم‌های هوش مصنوعی ابراز نگرانی کردند. آنها بر اهمیت مهارت‌های تفکر انتقادی تأکید کردند و نسبت به جایگزینی فرایندهای قضاوت و یادگیری انسان با هوش مصنوعی هشدار دادند. همان‌طور که یکی از پاسخ‌دهندگان بیان کرد، “مهارت‌های تفکر انتقادی و فرایندهای یادگیری حیاتی هستند و نباید با هوش مصنوعی جایگزین شوند.” یکی دیگر از پاسخ‌دهندگان هشدار داد: “خطرات احتمالی ناشی از سوءاستفاده از جمله ارائه استنادات نادرست یا وابستگی بیش از حد به سیستم‌ها وجود دارد.”
نگرانی در مورد اجرا
تعدادی از پاسخ‌دهندگان در مورد توانایی کتابخانه‌ها برای پیاده‌سازی سریع و مؤثر ابزارهای هوش مصنوعی ابراز تردید کردند. آنها به مسائلی مانند به‌روزرسانی و اصلاح مکرر ابزارهای هوش مصنوعی، نیاز به سرمایه‌گذاری قابل‌توجه و پتانسیل استفاده از هوش مصنوعی به روش‌هایی اشاره کردند که به نفع کتابخانه یا کاربران آن نیست. یکی از پاسخ‌دهندگان خاطرنشان کرد: «نگرانی من در مورد ابزارهای هوش مصنوعی به‌روزرسانی و اصلاحات مکرر است که رخ می‌دهد. برای کتابخانه‌هایی با تعداد پرسنل کوچک، به نظر می‌رسد که این کار سخت باشد.»
نقش هوش مصنوعی در کتابخانه‌ها
برخی از پاسخ‌دهندگان راه‌های خاصی را پیشنهاد کردند که از طریق آن می‌توان از هوش مصنوعی در کتابخانه‌ها استفاده کرد، مانند توسعه مجموعه، آموزش، و پاسخ به سؤالات متداول. بااین‌حال، آنها همچنین نسبت به نگریستن هوش مصنوعی به‌عنوان نوشدارویی برای همه چالش‌های کتابخانه هشدار دادند. یکی از پاسخ‌دهندگان اظهار داشت: «استفاده از آنها برای سؤالات متداول مفیدتر از پاسخ‌دادن به یک سؤال مرجع پیچیده است».
نگرانی در مورد تأثیر هوش مصنوعی بر این حرفه
برخی از پاسخ‌دهندگان ابراز نگرانی کردند که استفاده از هوش مصنوعی می‌تواند منجر به جابه‌جایی شغلی یا کاهش ارزش عناصر انسانی کتابداری شود. آنها پیشنهاد کردند که هوش مصنوعی باید برای تکمیل، نه جایگزینی، کتابداران انسانی استفاده شود. یکی از پاسخ‌دهندگان بیان کرد که، «من می‌توانم آینده‌ای را ببینم که در آن تنها مؤسسات تحقیقاتی برتر، کتابداران مرجع انسانی را به‌عنوان خدمات نگهبانی و دربانی داشته باشند».
نیاز به ارزیابی انتقادی
پاسخ‌دهندگان بر نیاز به ارزیابی انتقادی ابزارهای هوش مصنوعی، از جمله درک محدودیت‌ها و سوگیری‌های بالقوه آنها تأکید کردند. آنها پیشنهاد کردند که کتابخانه‌ها نباید برای پیاده‌سازی هوش مصنوعی بدون درک کامل مفاهیم آن عجله کنند. یکی از پاسخ‌دهندگان توصیه کرد: «قالب استفاده از هوش مصنوعی به‌عنوان یک نتیجه‌گیری نادرست نگران‌کننده است. این یک ابزار است، نه یک راه‌حل، و نباید بدون توجه به آن اجرا شود.»
سواد هوش مصنوعی
برخی از پاسخ‌دهندگان پیشنهاد کردند که کتابخانه‌ها نقشی در آموزش سواد هوش مصنوعی به دانش‌آموزان و سایر کاربران کتابخانه دارند. آنها بر اهمیت درک نحوه عملکرد ابزارهای هوش مصنوعی و نحوه استفاده مسئولانه از آنها تأکید کردند. یکی از پاسخ‌دهندگان گفت: “من فکر می‌کنم ما باید سواد هوش مصنوعی را به دانش‌آموزان آموزش دهیم.” یکی دیگر از پاسخ‌دهندگان این احساس را تکرار کرد و گفت: «ضروری است که دانش‌آموزان خود را برای استفاده مسئولانه از ابزارهای مولد هوش مصنوعی آماده کنند.»
ادراکات هوش مصنوعی مولد در میان متخصصان کتابخانه چندوجهی است و هم مزایا و هم چالش‌های بالقوه این فناوری‌ها را در بر می‌گیرد. درحالی‌که پتانسیل هوش مصنوعی برای ارتقای خدمات کتابخانه به رسمیت شناخته شده است، همچنین تأکید زیادی بر نیاز به ملاحظات اخلاقی، آموزش و یادگیری، ارزیابی انتقادی و استفاده مسئولانه از این ابزارها وجود دارد. پیامدهای حرفه کتابداری با نگرانی در مورد جابه‌جایی شغلی، نیاز به مهارت‌ها و نقش‌های جدید و پتانسیل تغییرات در شیوه‌ها و خدمات کتابخانه قابل‌توجه است. این یافته‌ها نیاز به گفتگو و تحقیق مداوم در مورداستفاده از هوش مصنوعی مولد در کتابخانه‌ها را برجسته می‌کند.
درحالی‌که کارکنان کتابخانه به مزایای بالقوه هوش مصنوعی در خدمات کتابخانه اذعان دارند، آنها همچنین در مورد آمادگی ابراز نگرانی می‌کنند و بر ضرورت رسیدگی به ملاحظات اخلاقی و حفظ حریم خصوصی تأکید می‌کنند. این یافته‌ها نیاز به سیستم‌های پشتیبانی، آموزش و منابع برای رسیدگی به شکاف‌های آمادگی، در کنار بحث‌های دقیق و دستورالعمل‌هایی برای هدایت مسائل اخلاقی و حریم خصوصی را نشان می‌دهد، زیرا کتابخانه‌ها احتمالات یکپارچه‌سازی هوش مصنوعی را بررسی می‌کنند.
بحث‌ها
نتایج نظرسنجی وضعیت فعلی سواد هوش مصنوعی، نیازهای آموزشی، و ادراک در جامعه کتابخانه دانشگاهی را روشن می‌کند. یافته‌ها چشم‌اندازی از شناخت پتانسیل فناوری‌های هوش مصنوعی را نشان می‌دهد، اما به طور هم‌زمان، عدم درک عمیق و آمادگی برای پذیرش آنها را نشان می‌دهد.
بررسی دقیق داده‌ها نشان می‌دهد که تعداد قابل‌توجهی از متخصصان کتابخانه درک خود از هوش مصنوعی را متوسط یا پایین‌تر از وسط ارزیابی می‌کنند. درحالی‌که این نشان‌دهنده سطح اولیه آشنایی با مفاهیم و اصول هوش مصنوعی است، اما احتمالاً از مهارت لازم برای حرکت در چشم‌انداز هوش مصنوعی که به‌سرعت در حال تکامل است اطمینان و شایستگی کمتر است. این شکاف در درک پیامدهایی برای حوزه کتابخانه دارد؛ زیرا هوش مصنوعی همچنان به بخش‌های مختلف نفوذ می‌کند و به طور فزاینده‌ای در خدمات و فعالیت کتابخانه نفوذ می‌کند.
علاوه بر این، تجزیه‌وتحلیل آشنایی متخصصان کتابخانه با ابزارهای هوش مصنوعی، اعتبار بیشتری به این فراخوان برای ابتکارات آموزشی جامع‌تر هوش مصنوعی می‌دهد. درک هوش مصنوعی فراتر از درک نظری صرف است – این امر مستلزم آشنایی عملی با ابزارهای هوش مصنوعی و توانایی استفاده و به‌کارگیری آنها در عمل است. تعامل مستقیم با فناوری‌های هوش مصنوعی راهی را برای متخصصان کتابخانه فراهم می‌کند تا درک عملی خود را تقویت کنند و در نتیجه آنها را مجهز کنند تا این ابزارها را به طور مؤثرتری در کار خود بگنجانند.
بااین‌حال، تدوین برنامه‌های آموزشی که به این شکاف‌ها رسیدگی کند، یک کار چندوجهی است. استفاده از هوش مصنوعی در کتابخانه‌ها به‌اندازه خود برنامه‌های هوش مصنوعی متنوع است. از چت‌بات‌های خدمات مشتری، و ابزارهای متن یا داده‌کاوی، تا فناوری‌های پیشرفته مانند شبکه‌های عصبی و سیستم‌های یادگیری عمیق، هر کدام کاربردهای منحصربه‌فردی را ارائه می‌دهند و بنابراین نیاز به تخصص و درک متمایزی دارند. براین‌اساس، برنامه‌های آموزشی باید انعطاف‌پذیر و جامع باشند و طیف کاملی از برنامه‌های بالقوه هوش مصنوعی را در بر گیرند و درعین‌حال به‌اندازه کافی عمیق باشند تا درک کاملی از عملکرد و کاربردهای بالقوه هر ابزار خاص ارائه کنند.
این مطالعه همچنین درجات مختلف درک مفاهیم مختلف هوش مصنوعی را روشن می‌کند. شرکت‌کنندگان عموماً سطح بالاتری از درک مفاهیم ساده‌تر هوش مصنوعی را نشان دادند. بااین‌حال، زمانی که نوبت به مفاهیم پیچیده‌تر می‌رسد، درک آنها کاهش می‌یابد که اغلب زیربنای برنامه‌های کاربردی پیشرفته هوش مصنوعی است. این تنوع در درک نیاز به یک رویکرد طبقه‌بندی‌شده برای آموزش هوش مصنوعی را نشان می‌دهد. چنین رویکردی می‌تواند با مفاهیم اساسی شروع شود و به‌تدریج به سمت موضوعات پیشرفته‌تر پیش برود، و داربستی را فراهم کند که بر روی آن درک عمیق‌تری از هوش مصنوعی ایجاد شود.
بنابراین، رسیدگی به شکاف سواد هوش مصنوعی در بخش کتابخانه نیازمند یک رویکرد هماهنگ است – رویکردی که راهبردهای آموزشی جامع و لایه‌ای را ارائه می‌دهد که هم درک نظری و هم آشنایی عملی با هوش مصنوعی را تقویت می‌کند. هدف نه‌تنها باید انتقال دانش باشد، بلکه باید به متخصصان کتابخانه توانمند شود تا با اطمینان در چشم‌انداز هوش مصنوعی حرکت کنند، تا فناوری‌های هوش مصنوعی را در کار خود به طور مؤثر و – بسیار مهم – مسئولانه بپذیرند و تطبیق دهند. از طریق چنین آموزش‌ها و ابتکارات توسعه حرفه‌ای، کتابخانه‌ها می‌توانند از پتانسیل هوش مصنوعی بهره ببرند و اطمینان حاصل کنند که همچنان در خط مقدم پیشرفت‌های فناوری قرار دارند.
همان‌طور که تمرکز بر استفاده حرفه‌ای از ابزارهای هوش مصنوعی در کتابخانه‌ها تغییر می‌کند، داده‌ها نشان می‌دهد که استفاده از آنها هنوز رایج نیست. استفاده از ابزارهای هوش مصنوعی – مانند تولید متن و کمک‌های تحقیقاتی – بیشتر گزارش شده است که منعکس‌کننده کاربرد فوری این فناوری‌ها برای کتابداران است. بااین‌حال، بخش قابل‌توجهی از شرکت‌کنندگان اغلب از ابزارهای هوش مصنوعی استفاده نمی‌کنند که نشان‌دهنده موانع پذیرش است. این موانع می‌تواند شامل عدم درک یا آشنایی با این ابزارها، عدم لزوم درک شده برای استفاده از آنها، یا محدودیت در منابع لازم برای اجرا و نگهداری باشد. برای غلبه بر این موانع، این رشته ممکن است به چیزی بیش از ارائه آموزش و منابع نیاز داشته باشد. نشان‌دادن مزایا و کارایی‌های ملموس که ابزارهای هوش مصنوعی می‌توانند برای کارهای کتابخانه‌ای به ارمغان بیاورند، می‌تواند نقشی اساسی در پذیرش گسترده‌تر آنها داشته باشد.
داده‌ها نشان‌دهنده اشتیاق شدید در میان کتابداران برای توسعه حرفه‌ای مرتبط با هوش مصنوعی است. درحالی‌که روش‌های آموزشی مقدماتی محبوب هستند، یافته‌ها تقاضا برای آموزش پیشرفته‌تر و عملی را نشان می‌دهد. این نیاز با پیچیدگی و تکامل سریع فناوری‌های هوش مصنوعی همسو می‌شود که نیاز به درک عمیق‌تری برای استفاده کامل در زمینه‌های کتابخانه دارد.
علاوه بر این، یافته‌ها اهمیت ملاحظات اخلاقی و مزایای بالقوه تقویت جوامع تمرینی در آموزش هوش مصنوعی را برجسته می‌کنند. با ادغام فزاینده فناوری هوش مصنوعی در خدمات کتابخانه، مسائل مربوط به اخلاق هوش مصنوعی احتمالاً پیچیده‌تر می‌شود. پرداختن فعالانه به این نگرانی‌ها از طریق آموزش عمیق و متمرکز می‌تواند به کتابخانه‌ها کمک کند تا به‌عنوان مشاوران اخلاقی اطلاعات خدمت کنند. جوامع عملی، بستری را برای یادگیری مشترک، پشتیبانی متقابل، و تجمیع منابع فراهم می‌کنند و کتابداران را برای هدایت بهتر پیچیدگی‌های یکپارچه‌سازی هوش مصنوعی تجهیز می‌کنند.
مهم‌تر از همه، داده‌ها نشان می‌دهند که تنوع در نقش‌ها و زمینه‌های کتابداران، نیازمند رویکردی مناسب برای آموزش هوش مصنوعی است. کتابخانه‌ها در خدمات، مخاطبان هدف، منابع و اهداف استراتژیک متفاوت هستند و نیازهای آموزشی هوش مصنوعی آنها نیز متفاوت است. یک رویکرد یکسان برای آموزش هوش مصنوعی ممکن است کوتاهی کند؛ بنابراین، آموزش هوش مصنوعی آینده می‌تواند این تغییرات را در نظر بگیرد و آهنگ‌ها یا ماژول‌های تخصصی را برای نقش‌ها یا زمینه‌های سازمانی خاص ارائه دهد.
به همین ترتیب، تصورات پیرامون استفاده از ابزارهای مولد هوش مصنوعی در کتابخانه‌ها پیچیده و چندوجهی است. درحالی‌که مزایای بالقوه هوش مصنوعی اذعان شده و اهمیت سرمایه‌گذاری در اجرای آن شناخته شده است، همچنین عدم آمادگی آشکار برای استفاده از این ابزارها وجود دارد. این شکاف آمادگی می‌تواند ناشی از عوامل مختلفی باشد، مانند فقدان مهارت‌های فنی، بودجه ناکافی، یا مقاومت نهادی. تحقیقات آینده باید این احتمالات را برای درک بهتر و رفع این شکاف بررسی کند.
متخصصان کتابخانه نسبت به پیامدهای کوتاه‌مدت هوش مصنوعی برای کتابخانه‌ها تردید دارند. این می‌تواند منعکس‌کننده جدید بودن این فناوری‌ها و فقدان موارد استفاده واضح باشد، یا می‌تواند تجربیات استفاده‌کنندگان اولیه را منعکس کند. این یافته‌ها همچنین بر احساس فوریت در پرداختن به نگرانی‌های اخلاقی و حفظ حریم خصوصی مرتبط با فناوری‌های هوش مصنوعی تأکید می‌کنند. این نگرانی‌ها بر ضرورت گفت‌وگوی مداوم، آموزش و توسعه سیاست در مورداستفاده از هوش مصنوعی در کتابخانه‌ها تأکید می‌کند.
نتیجه‌گیری و جهت‌گیری‌های آینده
نتایج یک چشم‌انداز پیچیده از درک، استفاده و ادراک هوش مصنوعی را در زمینه کتابخانه نشان می‌دهد. درحالی‌که مزایای ابزارهای هوش مصنوعی تأیید شده است، درک جامع و آمادگی برای پیاده‌سازی این فناوری‌ها کمتر از حد ایدئال باقی‌مانده است. این واقعیت بر نیاز مبرم برای سرمایه‌گذاری در استراتژی‌های آموزشی هدفمند و ابتکارات توسعه حرفه‌ای مداوم تأکید می‌کند.
بسیار مهم است که تنوع گسترده در سواد هوش مصنوعی، درک مفاهیم هوش مصنوعی و آشنایی عملی با ابزارهای هوش مصنوعی در میان متخصصان کتابخانه به نیاز به یک رویکرد طبقه‌بندی‌شده و متناسب با آموزش هوش مصنوعی اشاره دارد. هدف برنامه‌های آموزشی آینده باید فراتر از کسب دانش باشد – آنها باید متخصصان کتابخانه را با قابلیت‌هایی مجهز کنند تا فناوری‌های هوش مصنوعی را در نقش‌های خود به طور مؤثر، اخلاقی و مسئولانه به کار ببرند. نگرانی‌های اخلاقی و حفظ حریم خصوصی به‌عنوان ملاحظات مهم در پذیرش فناوری‌های هوش مصنوعی در کتابخانه‌ها ظاهر شد. یافته‌های ما نقش مهمی را که کتابخانه‌ها در طول تاریخ ایفا کرده‌اند، و باید همچنان ایفا کنند، در حمایت از شیوه‌های اطلاعاتی اخلاقی، تقویت می‌کند.
شکاف آمادگی در پذیرش هوش مصنوعی که توسط این مطالعه کشف شد، نشان‌دهنده گسست بین درک پتانسیل هوش مصنوعی و توانایی برای مهار مؤثر آن است. این امر به بررسی عمیق‌تر موانع احتمالی، از جمله مهارت فنی، تخصیص منابع، و فرهنگ‌سازمانی و غیره دعوت می‌کند.
چارچوب و شایستگی‌های کلیدی
این مطالعه چارچوبی را برای تعریف سواد هوش مصنوعی در کتابخانه‌های دانشگاهی ارائه می‌کند که هفت شایستگی کلیدی را در بر می‌گیرد:
- درک توانایی‌ها و محدودیت‌های سیستم هوش مصنوعی: شناخت آنچه که هوش مصنوعی می‌تواند انجام دهد و نمی‌تواند انجام دهد، دانستن نقاط قوت و ضعف آن.
- شناسایی و ارزیابی موارد استفاده از هوش مصنوعی: کشف و ارزیابی کاربردهای بالقوه هوش مصنوعی در تنظیمات کتابخانه.
- استفاده مؤثر و مناسب از ابزارهای هوش مصنوعی: استفاده از فناوری‌های هوش مصنوعی در فعالیت‌های کتابخانه.
- ارزیابی انتقادی کیفیت، تعصبات و اخلاق هوش مصنوعی: ارزیابی هوش مصنوعی برای دقت، انصاف و ملاحظات اخلاقی.
- مشارکت در بحث‌ها و همکاری‌های هوش مصنوعی آگاهانه: مشارکت آگاهانه در گفتگوها و تلاش‌های مشارکتی مرتبط با هوش مصنوعی.
- شناخت مسائل مربوط به حریم خصوصی و امنیت داده‌ها: درک و رسیدگی به نگرانی‌های مربوط به حفاظت و امنیت داده‌ها در سیستم‌های هوش مصنوعی.
- پیش بینی تأثیرات هوش مصنوعی بر ذینفعان کتابخانه: آماده شدن برای اینکه چگونه هوش مصنوعی بر کاربران و کارکنان کتابخانه تأثیرگذار است.
این تعریف چندبعدی از سواد هوش مصنوعی برای کتابخانه‌ها، پایه‌ای را برای توسعه برنامه‌های آموزشی و برنامه‌های درسی جامع فراهم می‌کند. برای مثال، نیاز به درک قابلیت‌ها و محدودیت‌های سیستم هوش مصنوعی که در تعریف مشخص است، نشان می‌دهد که آموزش مقدماتی هوش مصنوعی باید زمینه‌ای محکم در مورد نحوه عملکرد فناوری‌های متداول هوش مصنوعی مانند یادگیری ماشین، جایی که آنها برتری دارند و محدودیت‌های آنها را فراهم کند. این درک مفهومی، کتابداران را برای تعیین انتظارات واقع‌بینانه در هنگام ارزیابی یا اجرای هوش مصنوعی مجهز می‌کند.
این تعریف همچنین تأکید می‌کند که کسب مهارت‌های عملی برای استفاده مناسب از ابزارهای هوش مصنوعی باید یک جزء اصلی آموزشی باشد. یادگیری عملی متمرکز بر شناسایی برنامه‌های کاربردی مناسب، استفاده مؤثر از فناوری‌های هوش مصنوعی و ارزیابی انتقادی خروجی‌ها می‌تواند کتابداران را برای استفاده هدفمند از هوش مصنوعی توانمند کند.
علاوه بر این، تأکید بر دیدگاه‌های انتقادی و ملاحظات اخلاقی نشان می‌دهد که آموزش هوش مصنوعی برای کتابداران باید فراتر از مهارت فنی حرکت کند. ترکیب ماژول‌هایی که سوگیری‌ها، پیامدهای حفظ حریم خصوصی، خطرات اطلاعات نادرست و تأثیرات اجتماعی را بررسی می‌کنند، کلیدی برای تقویت یکپارچگی هوش مصنوعی مسئولانه است.
به همین ترتیب، بعد مشارکتی این تعریف نشان می‌دهد که پرورش مهارت‌های نرم برای بحث‌های سازنده هوش مصنوعی و کارگروهی باید بخشی از برنامه درسی باشد. سواد هوش مصنوعی یک عنصر اجتماعی مهم دارد که برنامه‌های آموزشی باید آن را پرورش دهند.
به‌طورکلی، این تعریف چارچوب مهارتی را ارائه می‌کند که می‌تواند آموزش هوش مصنوعی چندجانبه و حساس به زمینه را متناسب با نیازهای متنوع کتابداران ارائه دهد. این یک راهنمای عملی برای توسعه برنامه‌های درسی هوش مصنوعی و توسعه حرفه‌ای است که هر دو جنبه فنی و اجتماعی سواد هوش مصنوعی را ارتقا می‌دهد.
تحقیقات آینده
بر اساس یافته‌ها و محدودیت‌های مطالعه حاضر، توصیه‌های زیر برای تحقیقات آتی ارائه می‌شود:
مطالعات طولی: این مطالعه تصویری از سواد هوش مصنوعی در میان کارمندان کتابخانه دانشگاهی در یک مقطع زمانی خاص ارائه می‌دهد. تحقیقات آینده می‌تواند مطالعات طولی را برای ردیابی تغییرات در سواد هوش مصنوعی در طول زمان انجام دهد تا بینش‌هایی را در مورد اثربخشی مداخلات و تکامل سواد هوش مصنوعی در حرفه کتابداری ارائه می‌دهد.
- مطالعات تطبیقی: این پژوهش بر روی کارکنان کتابخانه‌های دانشگاهی متمرکز است. تحقیقات آینده می‌تواند مطالعات تطبیقی را برای بررسی سواد هوش مصنوعی در میان انواع مختلف کارمندان کتابخانه (به‌عنوان مثال، کارمندان کتابخانه عمومی، کارمندان کتابخانه مدرسه) یا در میان کارکنان کتابخانه در کشورهای مختلف انجام دهد. چنین مطالعاتی می‌تواند بینش‌هایی در مورد عوامل مؤثر بر سواد هوش مصنوعی و استراتژی‌های مؤثر در زمینه‌های مختلف ارائه دهد.
- مطالعات مداخله ای: این مطالعه نیاز به آموزش و آموزش هوش مصنوعی را مشخص کرد. تحقیقات آینده می‌تواند مداخلاتی را باهدف افزایش سواد هوش مصنوعی در میان کارکنان کتابخانه طراحی و ارزیابی کند. چنین مطالعاتی می‌تواند توصیه های مبتنی بر شواهد را برای توسعه برنامه ها و منابع آموزشی ارائه دهد.
- ملاحظات اخلاقی: این مطالعه نگرانی‌های اخلاقی در مورد استفاده از هوش مصنوعی در کتابخانه‌ها را برجسته کرد. تحقیقات آتی می‌تواند عمیق‌تر به این موضوعات اخلاقی بپردازد و دیدگاه‌های ذینفعان مختلف (به‌عنوان مثال، کاربران کتابخانه، مدیران کتابخانه) را بررسی کند و استراتژی‌هایی را برای رسیدگی به این نگرانی‌ها بررسی کند.
- تأثیر هوش مصنوعی بر خدمات کتابخانه: این مطالعه درک کارکنان کتابخانه از تأثیر بالقوه هوش مصنوعی بر خدمات کتابخانه را بررسی کرد. تحقیقات آینده می‌تواند تأثیر واقعی هوش مصنوعی را بر خدمات کتابخانه‌ای، ارزیابی اثربخشی هوش مصنوعی در افزایش تجربه کاربر، ساده‌سازی عملیات و حمایت از یادگیری، بررسی کند.
با دنبال‌کردن این راه‌ها برای تحقیقات آتی، می‌توانیم به تعمیق درک خود از سواد هوش مصنوعی در حرفه کتابداری ادامه دهیم، استراتژی‌هایی را برای افزایش سواد هوش مصنوعی ارائه کنیم، و استفاده مؤثر و اخلاقی از هوش مصنوعی در کتابخانه‌ها را گسترش دهیم.
