《传授批判性阅读技能:学术图书馆员的策略》

  • 来源专题:图书情报
  • 编译者: luoluo
  • 发布时间:2023-02-04
  • 美国大学与研究图书馆协会(The Association of College and Research Libraries,简称ACRL)出版了名为“传授批判性阅读技能:学术图书馆员的策略”一书,编辑是汉娜·加索·伦佩尔(Hannah Gascho Rempel)和雷切尔·哈默斯(Rachel Hamelers)。该书探讨了教授阅读的图书馆员的经验、方法和角色:以新颖有趣的方式使用教学理论和技术,向学生明确展示内隐阅读知识、技能和技巧,将阅读作为一种公共活动,与其他校园利益相关者合作,并引导校园对话关于批判性阅读。

    学术图书馆员和档案管理员在参与不同类型的读写能力以及充当教师和学生之间的桥梁方面有着悠久的历史。我们了解特定学生群体的不同阅读需求以及学习者受众经常分享的阅读情感挑战。我们知道阅读了哪些类型的资源,在各个领域如何授予权力的历史和需要的改变,学生如何在未来的专业或公民环境中应用他们阅读的内容,并经常超越我们的地方机构来思考阅读的内容对更大的结构和社会正义影响, 我们如何阅读,以及谁在阅读。

    这本书可以帮助你向学习者明确表达,并教导阅读既是一种必须练习和培养的技能,也是一种公共行为。“教授批判性阅读技能”展示了图书馆员和档案管理员与我们的校园社区的深厚联系,以及如何将批判性阅读教学整合到这些社区的各种环境中。

  • 原文来源:https://www.ala.org/news/member-news/2023/01/new-acrl-teaching-critical-reading-skills-strategies-academic-librarians
相关报告
  • 《学术图书馆的休闲读物馆藏》

    • 来源专题:图书情报
    • 编译者:lixiaoyan
    • 发布时间:2018-12-09
    • 休闲阅读系列读物最初是在20世纪20-30年代的学术图书馆中开始收藏的,当时学术图书馆员的核心价值是促进阅读。20世纪40-50年代,当时战争影响了图书馆的预算,人们发现收藏这些收藏品并不那么重要。直到20世纪90年代,学术图书馆才开始重新创作休闲阅读系列,并公布这些系列的重要性。最新研究表明,阅读休闲读能促进批判性思维,提高阅读理解和发展自己的写作风格。 将休闲阅读系列放在我的采购策略中具有战略意义,利用实习生和兼职学生员工的才能和精力来帮助实现系列读物采购的愿景和维护,并将我的采编工作与外展工作紧密联系起来,以便思考我们如何突出和推广这个系列。
  • 《IFLA:图书馆因应AI的策略》

    • 来源专题:数智化图书情报
    • 编译者:于彰淇
    • 发布时间:2024-01-08
    • AI并非新技术,在自动建议、垃圾邮件过滤、抄袭检测、音频转录、文章摘要和翻译等方面的应用已经广为人知。许多搜寻和推荐常运用人工智能。在图书馆运用文献和数据挖掘,及运用机器学习于图书馆和档案馆藏,可以被视为人工智能的应用。尽管存在争议,但在人类活动的各个领域AI都有许多有益的应用。对图书馆最有影响力的AI运用是“描述性AI”,它可以使收藏中的各种材料(照片、视频、声音、手稿)通过计算机视觉或语文转换文字等技术,于信息检索时提供描述。某些图书馆可以通过这些技术能更容易检索特殊馆藏。下列为图书馆与AI的SWOT分析:优势1. 为使用者需要的信息;2. 资料是AI的关键;3. 具备数据挖掘、数位人文、版权等方面的图书馆作为信息来源;4. 专业知识分享;5. 专业伦理、价值和技能;6. 不同群体间合作纪录;7. 图书馆的开放性和跨学科性;8. 作为女性占多数的职业,图书馆员可以在广泛的IT产业中平衡性别歧视机会1. 通过内容描述、摘要、翻译和转录改善对知识/收藏的使用;2. 使用人工智能完成例行工作;3. 利用生成式人工智能改进知识创造;4. 对可信信息的需求;5. 合作;6. 较佳的决策;7. 实现高价值的工作;8. 影响供应商提供更好产品;9. 根据图书馆价值观/原则影响人工智能参与规则;10. 拥有人工智能的愿景弱点1. 图书馆的技术开发能力有限;2. 商业产品的成本;3. 图书馆情境下没有现成的产品4. 信息质量问题、信息缺乏、资料使用限制、偏见信息、不包括资料;5. 在与人工智能协作中对问题和利益的理解不同;6. 产业对人工智能的不确定性、焦虑和缺乏信心;7. 图书馆和专业形象与人工智能无关联;8. 人工智能可能与专业价值(例如机密性、隐私、同等使用)相冲;9. 其他迫切的优先事项,许多与职业认同更紧密相关威胁1. 媒体对人工智能的报导、炒作,制造出产生惧怕且造成决策困难的环境;2. 由外部推动的改变速度;3. 道德问题:偏见、隐私和机密性问题;4. 人工智能劳动力缺乏多样性;5. 推动人工智能策略的风险;6. 新的信息使用方式改变了对检索的期望全文请见:https://www.ifla.org/developing-a-library-strategic-response-to-artificial-intelligence/