Jednym z kluczowych tematów w dyskusjach o sztucznej inteligencji jest potrzeba oceny skuteczności, etyki, odpowiedniego zastosowania oraz ogólnej wiarygodności AI w przestrzeni badawczej. Określanie wiarygodności informacji i nauczanie tych umiejętności badaczy to coś, czym bibliotekarze zajmują się od dziesięcioleci. Choć alfabetyzacja informacyjna i alfabetyzacja w zakresie AI (AI literacy) to odrębne pojęcia, łączy je wiele wspólnych zasad i technik. Wiele bibliotekarskich przewodników (libguides) porównuje ACRL Information Literacy Framework z powszechnymi metodami nauczania kompetencji w zakresie AI. Nie będziemy wchodzić w te porównania, ale przyjrzymy się kluczowym technikom nauczania alfabetyzacji AI, aspektom, które warto omówić, oraz kilku praktycznym wskazówkom.
Aspekty, które poruszymy w trakcie tej mini-serii, to:
Przegląd terminologii: Poznanie terminologii jest kluczowe dla zrozumienia, jaki rodzaj AI jest używany, jakie pojęcia pojawiają się w dokumentacji AI oraz w materiałach medialnych dotyczących tej technologii.
Omówienie, jak działa AI: Znajomość ogólnych zasad działania AI pomoże zrozumieć, co sztuczna inteligencja może, a czego nie może zrobić, a także jakie są jej ograniczenia i środki ostrożności podczas korzystania z niej.
Zrozumienie, co wchodzi w skład modelu: Zrozumienie, jakie dane wykorzystano do trenowania modelu AI, w jaki sposób adresowane są uprzedzenia (bias), jak utrzymywana jest jakość, jak przebiega weryfikacja przez człowieka oraz jakie są konsekwencje środowiskowe, bezpieczeństwa i kosztowe — wszystko to pomaga użytkownikom ocenić wiarygodność, potrzebę korekty oraz właściwe zastosowanie AI.
Weryfikacja wyników AI: Omówimy sposoby oceny tekstów generowanych przez AI na poziomie organizacyjnym i indywidualnym pod kątem dokładności i jakości, a także przedstawimy rubrykę oceny.
Identyfikowanie wykorzystania AI: W tej części omówimy typy narzędzi, ich ograniczenia, jak czytać szczegóły (tzw. „mały druk”) oraz strategie manualne pozwalające rozpoznawać ślady wskazujące na treści generowane przez AI i ich konsekwencje.
Odpowiednie wykorzystanie AI: Wokół tematu właściwego użycia AI w badaniach toczy się wiele debat. W tej części przyjrzymy się głównym wątkom, obecnemu stanowi rzeczy oraz możliwym przyszłym kierunkom rozwoju.
Zawsze korzystaj z identyfikatorów (ID), jeśli to możliwe: Najlepszym sposobem śledzenia pochodzenia danych, ich ponownego wykorzystania oraz celu jest stosowanie powiązanych danych (linked data) poprzez identyfikatory. To kluczowy sposób oceny wiarygodności informacji, rozpoznawania, czy dane dzieło zostało stworzone z użyciem AI, oraz zrozumienia, jak identyfikatory są wykorzystywane w kontekście sztucznej inteligencji.
Na koniec uwzględnimy sekcję dotyczącą metod nauczania każdego z tych aspektów, dostępnych szkoleń oraz potencjalnych narzędzi i usług wspierających naukę.
Jeśli chcesz dowiedzieć się więcej o metodach nauczania kompetencji w zakresie AI, koniecznie odwiedź naszą stronę z zasobami AI, gdzie znajdziesz nasz otwarty krótki kurs dotyczący alfabetyzacji AI, który pomoże Ci rozpocząć podróż w świecie badań z wykorzystaniem sztucznej inteligencji (premiera na początku 2025 roku).