113 年 國立臺灣大學圖書資訊系碩士班甲組《圖書資訊學》

本題旨在探討資訊行為研究的核心概念、範圍，以及如何將理論與研究方法應用於實際議題。

一、資訊行為研究之範疇

資訊行為（Information Behavior）是資訊科學領域中的一個重要研究主題，它關注人們在各種情境下如何尋找、識別、評估、獲取、使用、組織、管理、分享及傳播資訊。資訊行為的研究範疇非常廣泛，涵蓋了以下幾個主要面向：

1. 資訊需求（Information Need）：探討人們在特定情境下，因為想要達成某個目標、解決某個問題或滿足某種好奇心而產生的對資訊的潛在或明確需求。這包括了資訊需求的形式、產生原因、識別過程等。
2. 資訊尋求（Information Seeking）：研究人們如何主動或被動地尋找資訊。這包括了尋求的策略（如關鍵字搜尋、瀏覽、詢問他人）、尋求的途徑（如圖書館、網路搜尋引擎、專家、社交媒體）以及影響尋求行為的因素（如個人特質、任務性質、情境因素）。
3. 資訊搜尋（Information Searching）：這是資訊尋求的一個更具體的層面，特別關注人們如何與資訊系統（如資料庫、搜尋引擎）互動以獲取資訊。這包含了查詢語言的建構、檢索結果的評估、檢索策略的調整等。
4. 資訊獲取（Information Acquisition）：指人們實際獲得資訊的過程，包含透過閱讀、收聽、觀看、下載等方式將資訊納入自身。
5. 資訊使用（Information Use）：探討人們如何運用、處理、理解、整合、應用所獲取的資訊，以達成其個人目標、解決問題、做出決策或增進知識。
6. 資訊組織與管理（Information Organization and Management）：研究個人或組織如何對資訊進行分類、標記、儲存、維護和檢索，以方便日後的使用。
7. 資訊分享與傳播（Information Sharing and Dissemination）：關注人們如何將資訊傳遞給他人，以及資訊在社群或組織中的傳播模式。
8. 資訊行為的影響因素：研究影響資訊行為的各種因素，包括個人因素（如知識、技能、態度、動機、認知風格）、情境因素（如任務類型、時間壓力、資源可用性）、社會文化因素（如文化背景、社會規範）以及技術因素（如資訊系統的設計與介面）。

二、運用理論與研究方法探討資訊行為議題之舉例

以「大學生在撰寫學術論文時的資訊行為」為例，我們可以運用以下理論與研究方法進行探討：

(一) 合適的理論

1. Kuhlthau 的資訊尋求過程模型（Information Search Process Model）：此模型將資訊尋求描述為一個階段性的過程（包括開始、進入、探索、定義、收集、結案、結尾），並指出在各階段人們可能經歷的認知、情感和行為上的變化。對於大學生撰寫論文，此模型有助於理解他們在不同階段（如題目選擇、文獻回顧、資料蒐集）可能遇到的困惑、焦慮或信心增強。
2. Wilson 的資訊行為模型（Wilson's Models of Information Behavior）：Wilson 提出了多個模型，其中較為人熟知的是1997年的模型，他強調資訊需求產生於「資訊鴻溝」（information gap），並受到個人和環境因素的影響，進而引導資訊尋求行為，最終可能導致資訊獲取或資訊行為的結束。此模型有助於分析大學生為何會產生尋找特定論文資料的需求，以及哪些因素（如對研究主題的熟悉度、指導教授的要求）會促使或阻礙他們尋找資訊。
3. 社會認知理論（Social Cognitive Theory, Bandura）：此理論強調個體、行為和環境之間的相互作用。

本題主要在於釐清「資訊組織」的核心概念，並探討其在不同場域的實踐與價值。

一、資訊組織的重要性

資訊組織（Information Organization）是指對資訊資源進行結構化、分類、標記、索引、描述和儲存的過程，目的是為了使資訊能夠被有效地識別、檢索、存取和使用。其重要性體現在以下幾個方面：

1. 提升資訊的可及性與檢索效率：良好的資訊組織能夠為使用者提供清晰的路徑和精確的工具，幫助他們快速準確地找到所需的資訊，避免大海撈針的困境。
2. 促進資訊的理解與應用：透過結構化的組織，使用者更容易理解資訊之間的關聯性、層級關係，進而能更深入地分析和應用資訊。
3. 確保資訊的長期保存與管理：有效的資訊組織方法有助於資訊資源的系統化管理，便於後續的維護、更新與保存，確保資訊資產的價值得以延續。
4. 支援知識的建構與傳播：當資訊被有系統地組織起來，就更容易形成知識體系，促進知識的交流、分享與創新。
5. 提高資訊系統的效能：對於電腦系統而言，良好的資料組織是實現高效搜尋、推薦和處理的基礎。

二、資訊組織在圖書館的應用

圖書館是資訊組織最經典且重要的應用場域。其資訊組織工作主要體現在：

1. 圖書分類法（Classification Systems）：

   • 目的：將圖書館內數量龐大的圖書資料，依據其學科內容進行系統性的分類，並給予獨特的分類號。
   • 舉例：
     • 杜威十進分類法（Dewey Decimal Classification, DDC）：將所有知識分為十大類（000-900），再細分至小類。例如，圖書館學與資訊科學通常歸類於 000 總類下的 020，而自然科學則在 500。
     • 中國圖書分類法（Chinese Library Classification, CLC）：與 DDC 類似，也是將知識分為十大類。
     • 美國國會圖書館分類法（Library of Congress Classification, LCC）：較 DDC 更細緻，常被大型學術圖書館採用。
   • 應用：分類號使得同類主題的書籍在書架上聚集，方便讀者瀏覽和發現相關書籍。同時，分類號也作為圖書館目錄（OPAC）中的重要檢索點。

2. 圖書編目（Cataloging）：

   • 目的：為每一筆圖書資料（包括書籍、期刊、視聽資料等）製作詳細的書目紀錄，包含作者、題名、出版者、出版年、ISBN、內容摘要、關鍵詞等資訊。
   • 舉例：
     • MARC（Machine-Readable Cataloging）格式：這是一種國際標準的機讀編目格式，圖書館將書目資訊以 MARC 格式輸入系統，方便電腦處理和檢索。
     • 權威檔（Authority Files）：確保人名、地名、主題詞等術語的一致性，例如「愛因斯坦」和「Albert Einstein」應指向同一個權威記錄。
   • 應用：書目紀錄構成圖書館的目錄（Catalog），使用者可以透過作者、題名、主題詞等方式檢索圖書，了解館藏的詳細資訊，並得知其所在位置和是否可借。

3. 主題標目（Subject Headings）：

   • 目的：為圖書資料指定標準化的主題詞，以便使用者能以概念性的方式檢索。
   • 舉例：

本題聚焦於探討圖書館在推廣與增進使用者「人工智慧素養（AI Literacy）」方面可以扮演的角色與提供的服務。

一、人工智慧素養（AI Literacy）的定義與重要性

人工智慧素養（AI Literacy）是指個人理解、評估、使用和參與與人工智慧相關的技術、概念、應用和倫理議題的能力。這包括：

• 基本理解：了解 AI 是什麼，它的基本原理（如機器學習、深度學習），以及常見的 AI 應用（如推薦系統、語音助手、圖像識別）。
• 批判性評估：能夠辨識 AI 的優勢與限制，理解 AI 決策背後的邏輯（或缺乏邏輯），並評估 AI 輸出內容的準確性、偏見和潛在的誤導性。
• 有效使用：能夠善用 AI 工具來協助學習、工作和生活，例如利用 AI 進行文獻整理、內容創作、程式輔助等。
• 倫理與社會意識：理解 AI 發展帶來的倫理挑戰（如隱私、偏見、失業、資訊安全）和社會影響，並能參與相關的討論。

在當前 AI 技術快速發展的時代，AI Literacy 變得日益重要，它不僅影響個人在學術和職業上的競爭力，也關係到公民社會對新技術的理解與適應能力。

二、大學圖書館與公共圖書館可提供的 AI Literacy 增進服務

圖書館作為資訊傳播、知識共享和終身學習的機構，在推廣 AI Literacy 方面具有獨特的優勢。以下是圖書館可以提供的服務：

(一) 大學圖書館的服務

1. 開設 AI 基礎知識與應用課程/講座：

   • 內容：介紹 AI 的基本概念、發展歷史、常見演算法（如機器學習、自然語言處理）、AI 在學術研究中的應用（如論文寫作輔助、資料分析、文獻挖掘）、以及 AI 倫理問題。
   • 形式：可與校內相關系所（如資訊科學系、圖書資訊學系、通識教育中心）合作，開設學分課程或不定期舉辦工作坊、講座。
   • 舉例：舉辦「AI 寫作助手入門：如何善用 ChatGPT 提升學術研究效率」、「AI 倫理與學術誠信」等講座。

2. 提供 AI 工具的體驗與教學：

   • 內容：介紹並指導學生如何使用圖書館訂閱的或公開的 AI 工具，例如：
     • 學術搜尋與寫作輔助工具：如 Semantic Scholar, Scite.ai, ChatGPT, Claude 等，用於文獻查找、摘要、改寫、潤飾。
     • 資料分析與視覺化工具：如 Tableau (若圖書館有訂閱), Google Colab (結合 Python 函式庫) 等，用於數據處理和分析。
     • 程式設計輔助工具：如 GitHub Copilot (若學校有授權)。
   • 形式：舉辦「AI 論文寫作工作坊」、「數據分析實務」等實作課程。

3. 建立 AI 資源與學習平台：

   • 內容：
     • 彙整 AI 相關的學術資源：包括書籍、期刊論文、線上課程（如 Coursera, edX 上的 AI 課程）、研究報告、新聞報導等。