學術圖書館工作人員AI知能
2025年十月，美國大學與研究圖書館學會（Association of College & Research Libraries, ACRL)公布了AI Competencies for Academic Library Workers（譯為《學術圖書館工作人員 AI 知能》），本篇部落格文章係對該份文件進行重點摘述，原文在此。
ACRL所訂定的「學術圖書館工作人員的AI知能」分為前言、思維心態、知能等三部分，其中知能又切分為倫理考量、知識與理解、分析與評估、使用與應用等四面向。思維心態
ACRL認為學術圖書館工作人員對AI應該抱持、反思並調整下列心態，並以其作為負責任且以人為本參與 AI 技術的基礎：
- 好奇心(Curiosity)：保持對探索 AI 工具潛力與限制的開放態度。
- 懷疑精神(Skepticism)：以批判態度面對 AI，質疑其結果與呈現方式。
- 判斷力(Judgement)：在做出或建議 AI 相關決策時，應平衡證據、機構脈絡與社群影響。
- 責任感(Responsibility)：將審慎評估與倫理考量視為對社群關懷與守護的行動。
- 協作(Collaboration)：在評估 AI 工具時，尋求多元觀點。
知能
1. 倫理考量
隨著人工智慧持續改變圖書館專業實務，圖書館工作人員必須意識到與探索、評估、選擇、使用與創造 AI 工具相關的廣泛倫理議題。這些議題包括資料來源與使用、演算法與模型設計，以及社會與環境影響。
以下倫理考量與 ALA 的核心價值觀(ALA's Core Values of Librarianship) 一致，旨在為與其他知能相關的倫理決策，以及圖書館專業領域與特定圖書館情境中的決策提供基礎。
1.1 促進並倡議更公平地取得 AI 技術與 AI 素養
- 辨識並處理取得障礙，例如進階服務費用、授權協議限制，以及 AI 技術與基礎設施的集中控制。
- 理解開放原始碼 AI 模型如何透過促進透明度、社群驅動創新與廣泛技術可近用性，以便與圖書館價值相契合。
1.2 促進資料使用與 AI 系統設計中的公平性
- 理解 AI 工具所訓練之資料可能不足夠具代表性、相關性或正確性，並可能自動化與延續偏見與／或誤解。
- 辨識並處理影響系統設計與微調，以及其結果的偏見。
1.3 在使用 AI 系統時保護個人自主與隱私權、文化多樣性，以及智慧財產權
- 在使用 AI 系統時尊重並保護個人隱私權，包括可識別個人身分資訊及與 AI 系統互動時所提供的其他資訊。
- 理解在使用 AI 系統時圍繞智慧與文化財產權的法律複雜性與模糊性。
1.4 確保 AI 系統設計與使用的責任歸屬與可究責性，包括透明性、可解釋性、準確性與可靠性
- 理解 AI 系統創建者與使用者的不同責任，包括對資料選擇與系統設計的適當透明度、可解釋的輸出，以及所使用系統的揭露。
- 支持創造更準確與可靠的 AI 輸出，以改善我們的資訊環境。
1.5 考量 AI 對社群、工作者與環境的更廣泛影響
- 意識到開發與支援 AI 系統所涉及的隱形勞動。
- 理解 AI 系統的開發與使用如何影響環境，並倡議更高效率的技術。
- 描述 AI 為個人學習與發展帶來的風險與機會。
- 理解雇主採用 AI 如何改變就業市場。
2. 知識與理解
這些知能為建立對人工智慧技術的基本理解奠定基礎。具備此理解將有助於圖書館工作人員影響 AI 在學術圖書館中的開發與實施。它亦為本文件中的其他 AI 知能奠定基礎。
2.1 建立對 AI 技術的基本理解
- 理解並定義與 AI 相關的基本術語，例如機器學習、多模態模型、提示（prompting）與語意搜尋。
- 理解生成式 AI 模型是基於模式與機率生成輸出，而非根據所儲存的資料。
- 理解自 1950 年代首次定義該術語以來，AI 技術已顯著演進，並已嵌入我們日常使用的許多技術中。
- 知道生成式 AI 創造新內容，而判別式 AI 進行資料分類，預測式 AI 則基於資料模式做出預測。
- 知道 AI 系統可生成除文字外的多種類型內容，包括影像、影片、音樂、語音與電腦程式碼。
- 理解 AI 技術常與其他工具（如搜尋引擎或程式碼解譯器）結合於單一產品中。
- 理解檢索增強生成（RAG）透過在回應時引用外部來源（例如資料庫、文件）來強化生成式 AI，使輸出更具依據與可驗證性。
- 理解代理型 AI（能設定目標、規劃任務並在最少指引下行動的自主系統），並追蹤此種自主性如何重塑圖書館工作流程。
2.2 理解AI 使用揭露與偵測
- 持續關注引用手冊與出版者對於揭露與致謝 AI 使用的建議。
- 理解聲稱能偵測 AI 生成寫作的工具並非完全準確，且可能被規避。
2.3 透過追蹤來自多元專家群體之可靠來源，保持對 AI 應用的最新掌握
- 選擇並追蹤與知識工作中 AI 相關的可靠來源。
- 追蹤從多種觀點討論 AI 的來源，包括不同類型圖書館與非營利組織的觀點，以及來自圖書館領域之外的技術專家、教育者、商業分析師與倫理學者的觀點。
- 透過參加線上研討會、會議及其他專業發展機會，保持對 AI 新發展的最新掌握。
2.4 批判性評估關於 AI的資訊來源的準確性與偏見
- 意識到關於 AI 的新聞可能包含正面與負面的炒作及誤解。
- 意識到專家在許多 AI 相關議題上存在分歧。
- 運用資訊素養技能與評估架構分析與 AI 相關資訊中的來源、主張、論證與語言。
- 理解社會上持續存在關於 AI 技術益處與風險的辯論。
2.5 理解與自身情境相關的 AI 政策與法規
- 理解適用於自身機構、州、省、地區與國家的 AI 政策與法規。
- 理解現有政策與法規（例如 HIPAA 與 FERPA）如何影響您在專業角色中對 AI 的使用。
- 持續關注與合理使用和著作權相關的發展，包括生成式 AI 輸出與訓練資料兩方面。
3. 分析與評估
這些知能使圖書館工作人員能有效評估與分析人工智慧工具，並在理解 AI 與實施或創建新 AI 工具之間架起橋樑。
圖書館工作人員需要熟悉一般 AI 工具，以便在其工作各層面（包括但不限於探索與教學服務、館藏管理與行政任務）中加以分類與批判性評估其應用。這涉及負責任地整合 AI 工具，以提升學生學習、改善資源取得，以及精進探索方法。
此外，圖書館員必須評估 AI 工具的可靠性、效能與有效性，同時留意倫理考量，以防止誤用與錯用。
3.1 說明 AI 技術及其對圖書館服務與資源的影響
- 將 AI 工具分類為與高等教育相關的較廣泛類別。
- 描述 AI 如何應用於圖書館流程與服務。
- 向同事與一般大眾說明 AI 技術如何應用於您的工作。
- 評估哪些 AI 工具適用於與您工作相關的特定使用情境。
3.2 評估 AI 技術部署中的效益與風險
- 說明在知識相關任務中使用 AI 技術的效益與風險。
- 在考量 AI 工具用於探索時所涉及的風險或經費下，討論如何判斷 AI 工具的輸出品質與效能是否足夠。
- 評估在教學與研究中使用 AI 技術的效益與風險。
- 評估使用 AI 對學生學習與認知發展的效益與風險。
- 說明演算法固有的偏見如何影響資訊被凸顯、隱藏或排除。
- 根據資料品質評估 AI 工具，包括其訓練來源的多樣性、訓練資料集與預期用途的相關性，以及資訊歸屬實踐的倫理性。
3.3 以多面向方法批判性分析 AI 技術
- 考量 AI 技術的技術能力，包括其效能的準確性、相關性與穩健性。
- 考量 AI 技術的倫理面向，包括透明性、可解釋性、偏見與公平性。
- 看見使用 AI 技術對學習、批判思考發展與研究技能所帶來的影響。
3.4 在特定圖書館任務與服務脈絡中評估 AI 工具
- 辨識特定 AI 工具在與您工作相關使用情境中的優勢與限制。
- 辨識與您工作相關之圖書館服務所需的 AI 工具功能、特性與能力。
4. 使用與應用
AI 的使用應根據情境、適切性及與圖書館價值的一致性進行批判性評估。在所有情況下都採用 AI 技術既非必要，也未必有益。
這些知能使學術圖書館工作人員能在適當時有效運用 AI 工具，以促進協作、簡化日常工作流程並激發創新。透過理解 AI 如何改善溝通與自動化任務，個人可以將這些工具整合至工作流程中以提升生產力。此外，能夠運用針對特定任務而設計之情境感知與反覆修正的提示技術，可帶來更有效的輸出。
在選擇使用何種工具時優先考量可用性與可近用性，使所有人都能受益於 AI。
4.1 應用 AI 提升任務效率與品質
- 分析哪些工作任務與流程可透過 AI 加以優化與精簡。
- 辨識可加速工作流程的特定 AI 工具。
- 實施強化 AI 的工作流程，以推動圖書館使命的進展。
4.2 使用 AI 促進工作場所中的溝通與協作
- 示範如何使用 AI 工具以強化協作。
- 應用 AI 工具自動化任務並支援團隊協調。
- 選擇並應用 AI 工具以優化與精簡溝通與資訊分享。
4.3 發展有效的提示策略以獲得最佳 AI 輸出
- 理解提示結構與語言如何影響 AI 輸出。
- 運用技術撰寫清晰且有效的提示以因應不同類型任務。
- 精進與調整提示以改善 AI 效能與準確性。
4.4 探索 AI 在創新方面的能力
- 辨識 AI 在圖書館服務與營運中促進創新的機會。
- 嘗試各種 AI 工具並評估如何創意性地應用於工作任務與流程。
- 應用 AI 以富有想像力的方式處理工作問題並產生新穎解決方案。
4.5 選擇以可近用性與可用性為設計重點的 AI 工具
- 理解關鍵可近用性原則及其在 AI 設計與部署中的應用。
- 辨識 AI 如何降低障礙並改善不同族群使用圖書館系統的可用性。
- 使用優先考量包容性與友善使用者體驗的 AI 工具與解決方案。
讀後感
儘管 ACRL《學術圖書館工作人員 AI 知能》刻意避免引用特定職務功能，以提升該框架的持久性與普遍適用性，但此種高度抽象化的處理方式，可能限制其在專業人力發展情境中的具體運用。從專業能力建構理論的觀點而言，知能（competency） 本質上應與角色表現與職務責任緊密連結。因此，我自己的一項類似的研究採取職務導向之觀點，明確將 AI 知能整合至學術圖書館核心功能領域之中，例如資訊服務、館藏發展、研究支援與策略領導等。此種取徑有助於提升知能架構在教育訓練設計、能力評估及組織規劃上的實務應用價值。我想兩者的做法是互補的。
致謝
本篇部落格文章由ChatGPT 5.2協助翻譯，版主核對潤飾後發表。Banner圖則為NotebookLM生成。
