面向AIGC挑戰的\"五維‘AI+信息'融合素養框架”研究

[分類號]G252.6

1引言

隨著人工智能生成內容（AIGC）技術的快速發展，以ChatGPT、DeepSeek為代表的AIGC工具已在教育領域引發廣泛關注并贏得師生的青睞。這些AIGC工具憑借高效性和多功能性，在大規模內容生成方面展現出巨大潛力 一不僅能快速生成學習材料、整合多樣化信息，還能自動設計教學內容并輔助學生研究，從而顯著提升教學效率和資源可及性。然而，這一技術進步也帶來了顯著挑戰，尤其是大模型的“幻覺\"（hallucinations）問題，即生成看似合理但不準確或毫無事實依據的內容。例如，OpenAI的技術文檔和用戶反饋顯示，ChatGPT曾生成虛構的學術引用或錯誤的歷史事件敘述，這類現象在缺乏嚴謹驗證時極易誤導學習者。研究表明，AIGC工具的偏見機制與“幻覺\"問題具有同源性，均源于訓練數據偏差與算法不可解釋性[2]。尤其對于基礎知識薄弱的學生而言，AIGC生成內容的真實性難以判斷，可能導致知識偏差甚至認知誤區。更嚴峻的是，人機協同情境下，對AIGC工具的過度依賴可能削弱用戶自主驗證能力，掉人“技術惰性\"陷阱。在信息爆炸和技術快速迭代的當下，提升學生的信息素養以應對此類挑戰已成為教育改革的重要議題。

2傳統信息素養教育的演變與新挑戰

信息素養自20世紀70年代被提出以來，經歷了從基礎檢索技能到數字化時代批判性思維的演變。早期研究將信息素養定義為利用信息工具檢索信息的能力，側重技術操作4。隨著互聯網的普及，其重點擴展到信息評估與倫理使用。2016年，ACRL框架（ACRLFramework）的提出更加突出了信息素養的動態性與情境性，強調信息素養教育旨在培養學生在數字環境中的批判性思維和適應能力。然而，隨著AIGC技術的迅速發展，傳統信息素養教育正面臨著前所未有的挑戰。AIGC工具的普及不僅改變了信息獲取方式，還引入了內容真偽難辨的“幻覺”問題。盡管傳統信息素養框架培養了批判性思維和適應能力，但這些能力主要針對靜態、可追溯的信息，而AIGC的動態生成性和“幻覺\"問題超出了其適用范圍。這就要求教育體系超越現有框架，重新審視其適應性。

3 AIGC時代傳統信息素養教育的局限性

AIGC時代，技術工具改變了學生的信息行為，要求教育內容從單純的檢索轉向內容真偽的判斷。傳統信息素養教育主要聚焦于信息檢索與基本評估，如使用數據庫檢索文獻或判斷網頁可信度。然而，AIGC工具引入了動態生成的內容，其來源模糊且真偽難辨，超出了傳統教育框架的應對范圍。現有研究指出，傳統信息素養教育模式在AI素養培育中存在結構性缺陷：一方面，教學內容多停留于技術操作層面，缺乏對AIGC工具底層邏輯（如算法透明度、數據倫理）的深度解析[8-;另一方面，評估手段單一，難以適應生成式內容\"動態化、場景化\"的驗證需求[10-。盡管AIGC改變了學生的信息獲取行為，其局限性（如生成不實內容）尚未得到教育體系的系統回應。實證調查顯示，當前高校圖書館的AI教育內容零散，僅 19% 的\"雙一流\"大學圖書館開設系統化AI倫理課程[12-13]，導致學生面對AIGC時缺乏主動溯源與交叉驗證意識。因此，構建一個基于AIGC特性的新的信息素養教育框架是彌補傳統信息素養教育缺陷的關鍵。

4 “五維‘AI+信息'融合素養框架的科學構建

4.1遵循科學的設計原則

“五維‘ AI+ 信息'融合素養框架\"以解決AIGC工具“幻覺\"問題為核心，旨在通過教育手段提升學生獨立處理信息的能力，幫助學生系統提升對AIGC工具生成內容的辨別能力與終身學習能力。該框架遵循系統性、實踐導向和動態適應性三大設計原則，在設計中融入了自組織學習理論和人機協同知識創新模型，以增強其理論基礎和實踐效果。

4.1.1 系統性原則

從系統性的視角來分析，信息素養可分解為5個相互關聯的維度，即從基礎知識積累到批判性思維提升，再到實踐能力鞏固，確保學習過程循序漸進，避免碎片化教育導致的能力缺失，從而保障框架的整體性和連貫性。系統性原則與自組織學習理論相呼應，注重學習者的主動性和自主性[。在\"五維 AI+ 信息'融合素養框架\"中，這5個維度為學生提供了一個結構化的學習路徑，學生可以在此路徑上自主探索和學習，逐步構建起完整的信息素養體系。

4.1.2 實踐導向原則

實踐導向原則強調在真實場景中學習，通過AIGC案例分析和任務驅動活動，學生能在實際操作中掌握信息真偽的辨別技能，將教育內容與現實需求緊密結合，體現高度適用性。這一原則與自組織學習理論緊密相連。通過案例分析和任務驅動活動，鼓勵學生在真實場景中主動參與實踐和學習，學生需要自我調節學習策略，分析AIGC的可靠性，并在實踐中不斷優化自己的判斷能力。

4.1.3 動態適應性原則

人機協同知識創新模型是一種理論框架，旨在通過人類與人工智能（AI）的協作，推動技術與人類智慧相結合，共同創造新知識。其核心理念是將AI定位為輔助工具，以增強人類的認知能力和創新潛力，同時依賴人類的監督和批判性評估，確保新知識的準確性與可靠性。該模型的理論基礎來源于對AI局限性、人類中心設計理念以及人機協作效率提升的廣泛研究[15-17]。在該模型中，人類與AI的角色互為補充，AI擅長處理海量數據、生成初步內容或提供分析建議，人類則負責對AI輸出進行評估、修正并進一步創新。

具體而言，該原則的應用體現在3個方面：一是隨著AIGC技術的進步，及時調整框架中的教學內容和方法，確保學生接觸最新應用與挑戰；二是通過收集和分析學生反饋，動態優化人機協同模式，使AIGC工具更有效地滿足學習需求；三是學生在與AIGC工具協作中不斷鍛煉批判性評估能力，確保有效監督和修正AIGC工具輸出，維護知識創新的深度與質量。通過將“動態適應性原則\"融入“人機協同知識創新模型”，該框架不僅靈活應對AIGC技術的快速迭代，還支持學生在技術進步中持續提升信息素養和創新能力，為教育環境中的知識創新提供強有力地支持。

4.2框架結構的構成維度

“五維 信息'融合素養框架”由知識根基、來源溯源、工具批判、思維升維和實踐迭代5個維度組成，每個維度均有明確的設計目標、核心內容和實踐策略，循序漸進地為學生賦能（見表1）。

4.2.1 知識根基維度

知識根基維度的設計目標在于幫助學生建立扎實的學科知識體系。該設計的核心內容是學科知識體系構建與AIGC工具技術解析。通過系統化的學科課程教學，強化學生對核心概念、理論框架和知識邏輯的掌握，逐步構建一個完整的知識網絡，為學生提供判斷信息真偽的基準，增強他們對AIGC生成內容的辨識能力。同時，解析大語言模型的工作原理及“幻覺”成因，使學生理解AIGC的預測性本質及其局限性。在此過程中，借助知識圖譜這一可視化工具，學生可將學科知識以層級化、關聯化的形式呈現，不僅有助于直觀理解學科的整體框架，還能通過對比AIGC工具生成的知識圖譜與真實資料，初步識別“幻覺\"問題。

4.2.2 來源溯源維度

來源溯源維度設計自標就是培養學生識別信息來源權威性與可信度的能力，減少對AIGC的盲目信任。核心內容包含信息來源評估、溯源技術應用、多源交叉驗證3個部分。（1）信息來源評估要求學生分析AIGC的背景，包括AIGC工具生成模型類型、訓練數據來源及生成目的，以判斷內容的潛在偏見或技術局限性；（2）溯源技術應用引入專業工具，如引文追蹤系統（GoogleScholar、百度學術、WebofScience等），幫助學生驗證AIGC的原始出處。（3）多源交叉驗證培訓學生通過對比多個信息來源，從學術數據庫（如CNKI、PubMed）和權威媒體中獲取信息，驗證生成內容的準確性，避免單一來源誤導。

在實踐策略中，通過信息檢索實踐課結構化的指導性教學，學生可使用專業數據庫（如PubMed、Web of Science、ClinicalKey等）深入驗證AIGC輸出的真實性，例如查證一段AI生成的醫學建議與權威可靠信息源（臨床指南、教科書等）是否一致。在此過程中，學生不僅需要檢索學術文獻、對比數據來源，還要初步分析生成內容的背景（如模型類型或訓練數據局限性），以判斷其潛在偏見或技術缺陷。其目的是通過系統化的技能訓練，培養學生掌握技術操作（如信息檢索）信息評價以及理解AIGC工具特性的能力，以構建扎實的溯源基礎。

4.2.3 工具批判維度

工具批判維度的核心內容聚焦于工具局限性分析，引導學生識別AIGC工具的不足，如數據時效性限制和推理能力缺陷，并通過案例加深理解。例如，展示ChatGPT如何基于輸人生成文本而非事實驗證，系統教授學生識別不同類型的錯誤，包括事實錯誤、虛構引用和邏輯矛盾。

實踐策略上，通過工具對比實驗指導學生使用不同的AIGC工具（如ChatGPT和DeepSeek）生成同一主題的內容，比較這些工具輸出結果在語言風格、準確性以及信息深度等方面的差異，并探討其成因，例如訓練數據集或算法設計的不同等。從而幫助學生加深對AIGC工具多樣性和特性的理解。在此基礎上結合“反幻覺\"訓練，引導學生進一步分析生成內容，識別其中的事實錯誤、虛構引用或邏輯矛盾等問題，養成理性使用工具的習慣，避免盲目依賴生成內容。

4.2.4思維升維維度

思維升維維度的設計旨在通過系統的批判性思維訓練，使其能夠主動審視AIGC的有效性。例如，面對AIGC工具生成的醫學建議或診斷解釋，學生需要理解其表面信息及分析內容的證據支持度、邏輯連貫性和潛在局限性。其核心內容包括兩個模塊：批判性思維和跨學科思維。前者通過蘇格拉底式提問培養學生的質疑精神與邏輯推理能力，鼓勵他們追問“為什么”和“如何”，以挖掘AIGC的深層邏輯，后者則鼓勵學生從多學科視角審視AIGC。

在實踐中，通過跨學科課程整合學生的知識基礎和信息驗證技能，轉化為高階應用能力，提升綜合分析水平。例如，在分析AIGC工具生成的醫學信息檢索結果時，學生首先構建一個融合醫學、統計學、倫理學和社會學等多學科的知識框架。然后，運用溯源技術驗證數據來源和研究背景，并通過“反幻覺\"訓練識別結果中的邏輯矛盾。在課程討論中，學生利用蘇格拉底式提問質疑內容的邏輯基礎，同時結合多學科視角評估其可行性。

4.2.5 實踐迭代維度

實踐迭代維度旨在通過動態場景模擬與反饋，其核心內容包含3個方面：模擬任務設計、迭代學習機制和反饋機制。

在實踐中，通過提供實體或虛擬的信息素養實踐平臺，設計真實場景讓學生利用AIGC工具生成與特定主題相關的內容，然后應用學科知識驗證生成內容的準確性，使用溯源技術查證數據來源，比較不同AIGC工具的輸出結果，并從跨學科視角評估內容的合理性。這種任務設計確保學生綜合應用知識根基、來源溯源、工具批判和思維升維維度的技能，提升其在真實場景中的信息素養能力。采用“計劃一執行一反思一調整\"的迭代學習機制，鼓勵學生在每次任務完成后進行自我反思，分析其在驗證AIGC、識別工具局限性或跨學科分析方面的不足，并為完成未來任務提出改進方案。通過持續的任務改進，學生能夠在循環過程中不斷優化技能，提升解決復雜問題的能力。此外，定期的反饋機制為學生提供多維度的評估，包括同伴互評、教師指導和自我評估。反饋內容特別關注學生批判性評估AIGC、應用溯源技術、識別工具局限性和整合跨學科洞察的能力。為確保學生在技術快速演變中培養適應性，任務將定期引入新的AIGC工具或更新版本，模擬真實的技術變革場景，促使學生通過迭代學習調整策略，增強應變能力。

4.3建立科學高效的運行機制

“五維‘ AI+ 信息'融合素養框架”的運行機制是一個動態閉環過程，涵蓋輸入、過程、反饋與輸出4個主要階段，其核心目標在于系統提升個體的信息素養能力。“五維 ?_AI+ 信息'融合素養框架”運行機制流程如圖1所示。首先，在輸入階段，通過測試或調查評估用戶當前的信息素養水平，并根據實際環境需求調整學習內容，為后續學習奠定堅實基礎。其次，用戶進入過程階段，依次經歷5個遞進維度。（1）知識根基。掌握信息的基本概念與原理;（2）來源溯源。學會追溯信息來源并評估其可信度；（3）工具批判。理性審視信息工具的功能與局限；（4）思維升維。培養批判性思維與獨立判斷能力；（5）實踐迭代。通過實踐應用不斷完善所學，實現理論與實踐相融合。與此同時，反饋機制貫穿整個學習過程，系統根據用戶的表現和進展動態調整教學策略，確保學習內容始終貼合需求和能力水平。最后，在輸出階段，用戶能夠獨立獲取、評估并有效運用信息，進而培養出持續學習與自我更新的習慣，為終身學習打下堅實基礎。這一科學合理的循環機制不僅夯實了用戶的信息素養基礎，而且顯著增強了其應對復雜信息環境的適應力與判斷力。

5 結語

隨著人工智能技術的快速發展，尤其是AIGC工具的廣泛應用，高校信息素養教育迎來了新的挑戰和機遇。與時俱進，順應潮流，創新教學內容與教學模式是高校信息素養教育必須肩負的使命。為了應對這一挑戰，筆者積極探索，通過整合分析相關理論與實踐，提出“五維 信息融合素養框架”，即知識根基、來源溯源、工具批判、思維升維和實踐迭代5個維度，每個維度均有明確的設計目標、核心內容和實踐策略，循序漸進地賦能學生學習實踐，系統全面地培養學生的信息素養能力，提升學生對AIGC的批判性思維和信息辨別能力，助力AIGC時代信息素養教育的升級，支持學生在技術進步中持續提升信息素養和創新能力，為中國式現代化培養儲備更多具有創新意識、創新能力的優秀人才。這是高校教育在教育強國、人才強國戰略中必須肩負的使命任務。

參考文獻：

[1]OpenAI.ChatGPT： Optimizing language models for dia-logue[EB/OL].[2025-03-19].https：//openai.com/blog/chatgpt/.

[2]羅茜，蔡文怡.生成式人工智能的偏見：主要表現、發生機制與治理路徑[J].福建師范大學學報：哲學社會科學版，2025（1）：95-104，171-172.

[3]吳思遠，彭國超，舒雅童.人智協同情境下的AIGC用戶知識創新過程[J/OL].圖書館論壇，1-10[2025-03-19].http：//kns.cnki.net/kcms/detail/44.1306.G2.20250114.1641.002.html.

[4]Zurkowski P G.The information services environment re-lationships and priorities.Related Paper No.5[R].Wash-ington，DC：National Commission on Libraries and Infor-mation Science，1974.

[5]ALAIR American Libraries Association Institutional Re-positony.Information literacy competency standards forhigher education[EB/OL].[2025-03-19].http：//www.ala.org/acrl/standards/information literacy competency.

[6]ALA American Library.Framework forInformation Literacyfor Higher Education[EB/OL].[2025-03-19].http：//www.ala.org/acrl/standards/ilframework.

[7]劉彩娥，韓麗風.AIGC背景下高校信息素養教育的發展[J].大學圖書館學報，2024（2）：46-51.

[8]張靜蓓，等.面向科研場景的AI素養教育內容體系構建研究[J/OL].圖書館雜志，1-17[2025-03-19].http：//kns.cnki.net/kcms/detail/31.1108.G2.20250218.1330.002.html.

[9]羅國鋒，劉清生，易童.新質人才培養視域下高校圖書館人工智能素養教育內容與策略研究[J].圖書館學研究，2025（1）：85-93.

[10]王悅曉，郝天聰.生成式人工智能賦能職業教育變革：挑戰與現實路徑[J].教育與職業，2025（4）：14-20.

[11]周瓊，等.橫向閱讀對甄別人工智能生成信息真假的影響[J/OL].圖書館論壇，1-11[2025-03-19].http：//kns.cnki.net/kcms/detail/44.1306.G2.20250120.1146.002.html.

[12]劉亞麗.高校圖書館人工智能素養培育發展策略基于對42家\"雙一流”大學圖書館的調查[J].圖書館工作與研究，2025（4）：103-112.

[13]陳芳璇.我國高校圖書館AI素養教育現狀與提升策略——基于對19家研究型大學圖書館的調查[J].圖書館工作與研究，2025（3）：75-86.

[14]Von Foerster H.Understanding Understanding：Essays onCybernetics and Cognition[M].New York：Springer，2003.

[15]Bender EM，et al.On the Dangers of Stochastic Parrots：Can Language Models Be Too Big？[C]//Proceedings ofthe 2021 ACM Conference on Fairness，Accountability，and Transparency，2021：610-623.

[16] Shneiderman B.Human- Centered Artificial Intelli-gence ：Reliable，Safe And Trustworthy[J].InternationalJournal of Human-Computer Interaction，2020（6）：495-504.

[17]Cao L，Li Y.Human-AI Collaboration in Data Science：Exploring the Role of AI in SupportingHuman Decision-Making[J].Journal of Data Science，2021（3）：345-362.

寧宇男，1984年生。本科學歷，館員。研究方向：圖書館信息服務。

孫金香女，1984年生。碩士，館員。研究方向：學科分析。

尹明章男，1979年生。碩士，副研究館員。研究方向：信息素養教學、學科分析。系本文通訊作者。

（收稿日期：2025-03-20；責編：婁明輝。）