教室变了。学生们不再空手来参加研究讨论会。他们带着答案来——这些答案经过打磨，充满自信，听起来合情合理，而它们是由ChatGPT或Copilot或Gemini在不到十秒内生成的。
你过去的工作是教他们如何查找信息。现在，你需要教他们该做什么。 结合他们已经找到的信息 — 而且为什么第二步比看起来更难.
好消息是：信息来源评估从未如此紧迫、易于教授或与学生实际生活更相关。挑战在于重新设计教学，以适应那些已经将研究的第一步外包给机器的学习者.
下面是有效的方法。
“不用人工智能”政策行不通。真正有效的做法是。
让我们跳过政策辩论。无论学校是否禁止，学生们都在使用人工智能工具。问题不在于他们是否会遇到人工智能生成的内容——而在于他们是否知道如何审问它。
目前获得关注的图书管理员和教育工作者不是在对抗工具，而是在将它们转化为教学材料。
5个真正能在课堂上起作用的策略
1. 人工智能审计作业
要求学生提交两份研究摘要版本：一份由人工智能工具生成（ChatGPT、Copilot、Gemini——他们自己选择），一份在进行了自己的资料调查后自己写的。
然后让他们标注出不同之处。
人工智能在哪些方面做得正确？它在哪些方面过度简化、产生幻觉或遗漏了关键背景信息？人工智能引用了哪些来源——这些来源是否真的说了它声称的内容？
这项作业同时做了几件事情：它验证了学生能够 使用 AI（无需表演性禁止），它建立对 AI 限制的元认知意识，并迫使机器输出与人类验证的研究进行直接比较。进行过这个练习的学生往往会永久性地重新校准他们对 AI 生成内容的信任。
2. 横向阅读练习——关于 AI 声称
横向阅读是事实核查人员采用的实践：不是深入阅读一个来源并试图从内部评估它，而是打开多个标签页，找出其他可信来源对它的说法。
直接应用于AI输出。给学生提供一个ChatGPT响应中的具体主张，并设置一个10分钟的计时器。他们的任务：使用至少三个独立来源来验证或反驳该主张。练习期间不得使用AI辅助。
结果往往令人惊讶。学生们发现过时的统计数据、被错误归因的引言，以及听起来自信满满却经不起五分钟横向阅读的断言。这与其说是关于抓住把柄的时刻，不如说是关于培养这种反射习惯。在信任之前先核实.
3. 来源对比：AI摘要与原始资料
选择一个你的学生已经在学习的主题。对它运行一个ChatGPT查询并打印出响应。然后找出AI本应参考的同行评审文章、政府报告或原始文献。
把两者都展示给学生。让他们识别：AI 包含了什么？它遗漏了什么？它引入了哪些原文未支持的声明？它是否准确地代表了作者的结论？
这个练习特别有效，因为学生可以看到大型语言模型在总结复杂材料时发生的压缩和失真。主要来源以新的方式变得可读——不是作为令人望而生畏的学术文本，而是作为AI所模拟的东西。
4."证明它"协议
简单、便携，适用于任何年级。
学生作品中所有源自AI的声明，在保留之前都需要一个原始来源的引用。没有原始来源？该声明就会被删除。
使用该协议的学生很快发现两件事：(1) 人工智能通常无法告诉他们信息是从哪里获得的，(2) 当它确实引用来源时，那些来源并不总是说人工智能声称的内容。该协议并非惩罚性——它是一种养成习惯的纪律。要求对每个未经证实的说法都问"证明它"的研究者更加严谨，毫无疑问。
5. 一个考虑人工智能的评价标准
大多数来源评估量规——包括古老的CRAAP测试——都是在生成式人工智能作为研究工具出现之前设计的。它们需要更新。
在为人工智能时代的研究调整你的量规时，添加明确的检查：
- 可追溯性：每个具体主张都能追溯到一个命名、可验证的来源吗？
- 基础来源的时效性：AI的训练数据是什么时候更新的？（大多数模型都有一个知识截止日期，可能滞后1-2年。）
- 工具间的一致性：不同的AI工具，或者直接来源搜索，返回的信息是否相同？
- 综合透明度：学生是否验证了AI引用的来源，而不是盲目信任引用？
一个奖励这种验证方式的评分标准将评估教作一个过程，而不是一个复选框。
萨比娅图书管理员的角色定位
人工智能素养教学的一大挑战在于，它可能显得抽象，直到学生尝试使用真实工具时才会变得具体。萨比娅图书管理员 旨在作为一个为验证而构建的 AI 演示——它展示主要来源，标记需要核实的主张，并模拟我们试图教授的“先引用再信任”的行为.
一些教育工作者将其用作课堂示例：“这是一个 AI 工具。这是它处理研究问题的方式与通用聊天机器人的不同之处。你们注意到了什么？”
它不是唯一适用于这种课程的工具。但它是一个内置了信息素养的工具，而不是附加上去的。
更广阔的图景
2026年教授信息来源评估不是让学生相信人工智能是坏的。它是赋予他们正确使用它的判断力——以及当它出错时发现它的技能。
上述策略并非新的教学法。横向阅读、原始资料对比和引文核实是基础的信息素养实践。新的紧迫性在于，缺乏这些技能的学生不仅会写出较弱的文章，他们还将面对一个机器生成的虚假信息与认证的专业知识在初看时无法区分的世界。
那是图书管理员的问题了。这意味着它一直是我们需要解决的.
想找一个基于这些原则的工具？访问sabialibrarian.com.