資訊科技素養與媒體素養是21世紀公民必備的核心能力。在數位時代，資訊素養通常被定義為一組技能，使個人能夠察覺何時需要資訊，並有能力有效地獲取、評估和運用所需資訊。
「資訊素養是讓人們能夠認知何時需要資訊，並具備定位、評估和有效利用所需資訊的能力」
— American Library Association
另一方面，媒體素養則聚焦於培養對各類媒介訊息的批判性理解與創造能力。美國全國媒體素養教育協會（NAMLE）將媒體素養定義為能夠運用各種傳播形式進行存取、分析、評估、創作和採取行動的能力。
"Media Literacy is the ability to Access, Analyze, Evaluate, Create and Act using all forms of communication… media literacy is the ability to encode and decode the symbols transmitted via media and the ability to synthesize, analyze and produce mediated messages."
— National Association for Media Literacy Education
這兩種素養彼此相關又有所不同，但在生成式人工智慧（Generative AI）快速興起的當下，它們的重要性與面臨的挑戰均大幅提升。
近年來，種種生成式 AI 工具（如 ChatGPT、DALL·E 等）迅速興起，人們獲取、分析與理解資訊的方式變得前所未有的快速。然而，這些科技創新同時也帶來了資訊真偽難辨、演算法偏誤、數位倫理與個人資料保護等新興挑戰。特別是在教育情境中，ChatGPT 等生成式 AI 在短時間內累積了數以億計的用戶，引發社會各界對其影響的熱烈討論。Stanford 大學的一項報導指出，ChatGPT 上線僅兩個月用戶就突破一億人次，且約有30%的大學生承認曾將其用於課業作業。
"By the time the summit was held on Feb. 15, ChatGPT had reached more than 100 million unique users, and 30% of all college students had used it for assignments"
— Stanford HAI
如此快速的技術滲透對傳統的資訊與媒體素養教育帶來衝擊：一方面，年輕世代接觸資訊的方式與風險產生巨變；另一方面，教育者也必須重新思考如何在課堂中善用這些工具，同時確保學生具備必要的判讀與批判思考能力。在此背景下，本文將探討生成式 AI 時代下資訊科技素養與媒體素養面臨的挑戰與機會，以及因應這些變化的實際實踐策略。
生成式 AI 最受關注的挑戰之一在於其可能產生不正確甚至虛假的資訊，進而潛移默化地影響使用者的認知。例如，對話式 AI 可能在回答中杜撰事實（所謂"幻覺"現象），使用者若缺乏查證意識，便容易將錯誤資訊內化為自己的知識。研究顯示，即使AI提供的錯誤資訊是情感中立且內容看似無害的，依然有高達 77% 的錯誤詞彙會被參與者記憶為真實資訊。
"Despite the supplied misinformation being emotion- and value-neutral and hence not intrinsically contagious and memorable, 77% of the socially misinformed words became the participants' false memory."
— Rajaram Memory Lab
換言之，生成式 AI 所提供的不實資訊，約有八成可能最終「植入」使用者的大腦，被誤以為是真實記憶的一部分。更令人憂心的是，即便事先向使用者警示 AI 回答可能出錯，此種錯誤記憶的傳染仍難以避免。
"One-time forewarnings failed to reduce false memory contagion… Even relatively frequent, item-specific forewarnings could not prevent warned items from becoming false memory"
— Rajaram Memory Lab
由此可見，人類在與生成式 AI 互動時，往往高估了自己的辨識力，低估了錯誤資訊的滲透力。正因為如此，有學者警告我們在使用這類 AI 時務必保持質疑態度：
"we humans ought not to unconditionally accept information from conversational agents that cannot verify the accuracy of their source information"
（我們不應無條件相信無法驗證資訊來源的對話式AI所提供的內容）
培養使用者的媒體與資訊判讀力，以防止 AI 的錯誤資訊對大眾認知造成長遠誤導，已成為當前重要課題。
生成式 AI 背後的模型建立在龐大的資料訓練上，如果這些訓練資料或演算法本身帶有偏見，AI 產生的內容也會放大相同的偏見。演算法偏誤（algorithmic bias）指的是機器學習演算法中的系統性誤差，導致結果出現不公平或歧視性傾向。根據 IBM 專家的說法：「演算法偏誤是當機器學習演算法中的系統性錯誤產生不公平或歧視性結果時發生的現象。」這類偏誤往往「反映或強化了現有的社會經濟、種族和性別偏見」。
以生成式 AI 為例，若訓練資料主要來自某單一文化圈，它生成的內容可能忽略其他文化觀點；又如過往資料中存在性別刻板印象，AI 回答也可能出現類似成見。這不僅在媒體內容上造成偏頗，甚至可能影響教育與就業等重大決策，因為越來越多機構開始運用 AI 協助篩選人才或評量學習表現。如果這些模型未經審慎校正偏誤，就可能對特定族群產生系統性不利。演算法偏誤所帶來的隱憂包括重現社會偏見、傷害弱勢群體的利益，以及侵蝕公眾對 AI 系統決策公正性的信任。
面對這項挑戰，學界與產業正積極研究「負責任的 AI」（Responsible AI）原則，強調在 AI 系統開發全流程中引入透明度、可解釋性與公平性檢測，以減輕偏誤風險。然而，就目前發展而言，完全消除演算法偏誤仍相當困難，因此使用者在解讀 AI 輸出時必須保持警醒，決策者與開發者也有責任持續監控並調整模型，避免因偏誤導致的不公正結果擴大。
生成式 AI 的另一項挑戰在於，它為不肖人士提供了更強大的工具來製造和散布假資訊。例如，深偽（Deepfake）技術利用 AI 模型生成以假亂真的影音內容，可以把名人的臉孔合成到影片中或偽造其聲音說出從未說過的話。隨著這類技術愈發成熟，大眾更難憑肉眼或直覺判斷媒體內容的真偽。這對媒體素養提出了前所未有的挑戰：公眾必須具備更高級的識別技能和懷疑精神，才能不陷入假資訊的圈套。有研究指出，「AI 編輯的圖像與影片能植入人們的虛假記憶並扭曲其回憶」。
也就是說，深偽媒體不僅會誤導觀眾當下的判斷，甚至可能改變其日後對相關事件的記憶，造成長期影響。這種情況下，媒體素養教育需要更著重於培養訊息驗證（fact-checking）與來源檢核的能力。例如，遇到引起強烈情緒反應的影音片段時，應指導學生先查證該片段的來源、發布者以及其他可信媒體的報導情況。
在技術層面，各大社群媒體平台和研究機構也在開發深偽內容的自動偵測工具。然而，深偽攻防可謂軍備競賽，偵測技術追趕造假技術需要時間。因此，在偵測工具尚不完善之際，更需要仰賴大眾自身的媒體素養來抵禦媒體操縱的危害。
在教育領域，生成式 AI 帶來的另一挑戰涉及學術誠信和師生間的信任。學生如今可以輕易利用 AI 產生論文作業或解答考題，令傳統的作業評估失去意義。各級學校因此紛紛討論新的對策，如修改作業形式、增加口頭報告或筆試，加強對學生作品原創性的檢測等。同時，也有觀點指出，與其禁止學生使用 AI，不如將其視為學習工具之一，引導學生正確使用並強調結果中的人為價值。例如，教師可以要求學生在使用 AI 獲得答案後，進一步說明他們是如何驗證這些答案、以及從中學到什麼。
除此之外，教師角色也正隨之調整—從知識的唯一權威者轉變為學生的學習顧問和嚮導。當教師不再是課堂上知識的唯一提供者時，如何維持對教學的掌控、如何評估學生真正的學習成果，都是新的課題。學術倫理的教育將更為重要：學生需要理解濫用 AI 工具進行作業的行為不僅違反誠信，也妨礙了自己能力的培養。
對教師而言，他們則需要探索新的評量方式，並以更開放的心態擁抱科技，設計出能同時考驗學生思考能力與善用工具能力的教學活動。在這過程中，建立信任至關重要：教師要相信透過適當的引導，學生能自律且負責地使用 AI；學生也要相信教師調整評量方式的出發點在於促進真實學習而非找茬。在彼此理解與信任的基礎上，學校才能將生成式 AI 化為助力，而非令師生對立的因素。
綜上，在生成式 AI 時代，資訊科技素養與媒體素養教育面臨多重挑戰，包括資訊可信度降低、偏誤風險增加、假訊息傳播技術升級，以及教育評量與倫理的考驗。這些挑戰要求我們重新審視既有的素養定義和教育方法，促使教育者和學習者都提高警覺、調整策略，為下一階段的數位環境做好準備。
儘管挑戰艱巨，我們也應看到生成式 AI 為資訊與媒體素養教育帶來的諸多機會。適當運用這些新工具，有望革新傳統教學模式、縮小數位落差，並培養出更高階的素養能力。
長久以來，因材施教一直是教育工作者追求的理想目標。然而受制於師資與時間，一對一的個別指導難以大規模實現。生成式 AI 的出現為這一困境提供了潛在解方——透過 AI 系統，每個學生都可以擁有一個隨時待命的「個人化數位導師」。例如，Khan Academy 的創辦人 Salman Khan 就積極探索將生成式 AI（如其開發的 Khanmigo 助手）應用於課堂，提供學生及時的引導與回饋。
同時，AI 也能替代教師處理繁瑣的行政事務，讓教師專注於更有價值的教學互動。他在新書中強調，AI 可以成為學生的超級家教，提供每人所需的個性化指導；對教師而言，AI 能幫忙分擔備課、批改等耗時工作，釋放出寶貴的時間投入與學生的高品質互動。
"AI can serve as a super tutor of sorts to kids, he says, but also help human teachers with time-intensive tasks like lesson planning and assessment writing, and free up valuable 'time for personalized learning, hands-on activities, or classroom conversation' — the sort of assistance that, rather than replacing teachers, can make them 'more valuable, not less.'"
— Edutopia
透過AI輔助，教師角色有機會從知識傳授者轉變為學習促進者，花更多精力在啟發式教學和個別指導上，提升整體學習成效。
生成式 AI 不僅能提供個別輔導，還能依據學習者的特質動態調整教學內容與進度，真正落實適性學習的理念。傳統班級教學往往難以同時滿足全體學生的多元需求，而 AI 支持的學習平台可以即時分析每個學生的學習反應，據此提供難度適當的材料或練習。
ACEDS 指出：生成式 AI 有潛力創造自適應學習平台，量身打造符合每位學生需求、興趣和學習風格的內容與挑戰，從而「提高學生的參與度，並有可能增進整體學習成效」。例如，在數位學習系統中，AI 可以根據學生答題情況調整題目難度，對於反應快速的學生提供延伸挑戰，對於遇到困難的學生則給予提示或補充教材。這種差異化教學過去需仰賴老師額外付出大量心力準備，而現在有望借助 AI 大幅擴展規模。
此外，AI 導入教育還有助於促進教育的包容性。對於一些在傳統教室中較沉默或有學習障礙的學生，與 AI 互動可能讓他們感到更自在，願意嘗試發問而不怕出錯。AI 能提供不帶評價色彩的即時反饋，降低學生對同儕或師長評判的焦慮，使其更勇於參與學習。
一位 AI 教育專家指出，透過善用 AI 提供的練習環境，學生更願意投入、冒險犯錯並從中學習；這對於培養如溝通能力、問題解決等軟技能尤其有幫助，因為AI能無限次地陪伴練習，而不會像真人那樣產生不耐煩或評價。總之，適當運用生成式 AI，有機會實現真正以學生為中心的教學，滿足不同程度和風格學習者的需求，同時營造更包容、安全的學習氛圍。
對教師而言，生成式 AI 不只是輔助他們教學的工具，更是促進自身專業成長的平台。AI 可以即時提供教學回饋與建議，協助教師反思並改進教學策略。例如，研究者正在開發 AI 助手，觀察教師授課過程後生成報告，分析師生互動情形、提問技巧等指標。這些系統化的回饋過去可能需要教學督導或錄影觀察才能取得，而 AI 的加入讓教師更容易在日常中獲得客觀建議。
此外，AI 也能幫助教師即時更新專業知識。隨著各領域知識日新月異，教師要兼顧教學與追蹤最新發展並非易事。有了 AI 助理，教師可以在課程準備時請 AI 提供最新的研究成果摘要，或協助將最新事件融入課程。Stanford HAI 中提到，Sal Khan 認為 AI 可以充當教師的知識顧問，例如為生物老師提取最新癌症研究突破的資訊，協助其更新教案。
更宏觀而言，生成式 AI 的應用也促使教育者思考未來課程應教授哪些內容、培養哪些能力。當 AI 可以代勞部分機械式的計算或寫作時，學校或許可以把更多時間讓學生練習批判性思考、創新和協作等更高層次的能力。正如一位學者所言，與其把 AI 視為計算機等同的工具，不如將其比作印刷術的發明：印刷術帶來知識民主化，並未讓寫作技能失去價值；同理，AI 的出現應該視為提高教育標準的契機，而非降低要求。
因此，教師與課程設計者可借此反思課程重點，將重心從教授事實知識轉向培養學生評鑑與應用知識的能力。可以預見，在 AI 輔助下，以學生為中心、強調高階思維的教學創新將成為可能，教師也能透過不斷試驗新工具豐富教學方法，從而提升整體教育品質。
生成式 AI 具備快速生成文本、多媒體內容的能力，這為教育與資訊傳播領域帶來了效率上的提升。例如，教師可以運用 AI 快速產出講義初稿、練習題庫甚至分層教材，然後再依自身專業進行調整，節省大量時間。實務上，已有教師使用 ChatGPT 擬定課程大綱、設計案例討論的情境，或根據學生程度改寫閱讀材料，使課程資源更貼近學習者需求。
同時，各類媒體機構也運用 AI 生成新聞摘要、影音解說，讓資訊傳播速度更快、更具個人化。然而，需要強調的是，人類在這過程中仍扮演不可或缺的把關角色——AI 所產出的內容必須經過專家的審核與編輯，以確保正確性與適切性。正如有觀察指出的：
「生成式 AI 工具可以快速產生內容，但問題在於其內容是否準確。因此內容創作者務必對 AI 生成的材料進行事實核查」
— ACEDS
當這些機制到位後，AI 確實能大幅降低內容製作的門檻。例如，一位在文字寫作上有困難的學生，可以藉由 AI 得到一篇文章的雛形，從中學習組織架構，然後再親自進行修改潤色；對於具有構想但缺乏技術能力的創作者，AI 也可協助將想法轉化為視覺或音頻成品。
這種「人機協作」模式既提升了內容創作的效率，也為更多人參與知識創造與傳播提供了機會。更理想的未來是，每個人都能在 AI 的輔助下，成為知識的生產者和分享者，實現真正的知識普及與民主。當然，這同樣需要資訊與媒體素養的保駕護航——大眾必須學會如何負責任地使用這些工具、如何判斷內容品質，以及尊重智慧財產權和倫理道德。在適當的教育引導下，生成式 AI 無疑能夠成為促進終身學習和知識傳播的強大推手。
綜言之，生成式 AI 為資訊科技與媒體素養領域帶來的機會是多方面的：它可以幫助實現個性化和適性化的學習體驗，支援教師專業發展與教學創新，加速優質內容的生產與傳播，並為學習者提供更多元自主的學習管道。關鍵在於，我們如何善加利用這些機會，同時謹記以人為本的原則，讓 AI 成為提升素養教育的利器，而非削弱人類思考能力的藉口。
面對生成式 AI 帶來的挑戰與機會，全球教育界和政策制定者已展開積極行動，試圖在課程設計、師資培育與政策框架上做出調整與創新。下列將從政策趨勢、教學實踐和社會宣導三方面討論具體的應對策略。
許多國家已意識到在課程中融入資訊科技素養與媒體素養的重要性。以臺灣為例，教育部自 2019 年起實施的 108 課綱（十二年國民基本教育課程綱要）便將「科技資訊與媒體素養」列為九大核心素養之一，強調學生應具備善用科技與資訊工具以及媒體識讀的能力。
此後，隨著生成式 AI 熱潮的到來，政府更進一步提出政策白皮書作為指引。教育部在 2023 年發布了《數位時代媒體素養教育白皮書》，以培育「知情、負責、利他」的數位公民為願景，採取「善用媒體、善用科技、促進參與、系統學習」四大原則。
白皮書從深化學校教育、擴展終身教育、充實支援體系三大面向出發，規劃了 7 項主軸、共計 30 項具體行動方案，詳細闡述了未來幾年媒體素養教育的推動重點。這些行動包括：
透過這套政策架構，政府試圖建立一個由上而下與下而上結合的生態系：一方面在正式教育體系中扎根相關素養，另一方面鼓勵民間機構和媒體產業共同參與推廣。例如，在政策引導下，各級學校開始舉辦 AI 素養研習、媒體識讀週等活動；圖書館、博物館等文化單位也結合館藏資源，推出 AI 識讀專區或主題展覽，以提升全民的數位素養水準。
國際上，類似的政策趨勢亦蔚為風潮：歐盟發布了《數位教育行動方案》，強調培養學生的人工智慧與數位素養；聯合國教科文組織（UNESCO）則在《北京共識（2019）》、《人工智慧與教育綱領（2021）》中呼籲各國將 AI 列入教師訓練與課程標準。總的來說，宏觀政策的制定為素養教育指明了方向，也提供了資源與合法性基礎。但政策能否落實，端視各項措施在地化執行的成效，因此需要教育現場工作者與政策制定者保持密切對話與回饋循環。
一線教師和學校在面對生成式 AI 時，展現了許多創新的教學實踐，將理論轉化為學生看得見的改變。首先是在課程設計上，不少教師將 AI 工具直接引入課堂活動。例如，高中資訊課程教師賴和隆分享了他在課堂中安排的專題任務：讓學生針對自己有興趣的議題同時使用 ChatGPT、Perplexity、Claude 等多種 AI 平台進行資料蒐集，然後比較這些平台給出的答案差異。
透過這樣的活動，學生不僅練習了提問與搜尋技巧，更在比較分析中體驗到不同 AI 的優劣與偏差，加深了對資訊判讀的體驗。再如，在國際文憑課程的知識論課上，有教師讓學生與 AI 進行「虛擬訪談」──例如請 AI 扮演某位藝術家，由學生來發問並形成一段對談記錄，課後再討論 AI 回答的可信度和偏見來源。
此類活動巧妙地把 AI 變成學習對象本身，培養學生對 AI 資訊的質疑精神。同時，也有許多教師開始重視AI 使用倫理的教學，透過真實案例討論讓學生了解濫用 AI 可能帶來的後果。例如討論學術不端事件、AI 深偽新聞的社會影響，以及個資上傳到公共 AI 平台的風險等等。
為了支援教師進行這些全新的教學實踐，各地的教師社群和研發單位也主動投入資源。例如教育部成立了數位素養教育資源網，匯集了許多 AI 素養課程模組、教案範例，供老師自由取用。民間機構與大學則合作辦工作坊，讓教師親身體驗最新的 AI 工具並交流經驗。
事實上，不少教師在運用 AI 的過程中，自己的資訊科技素養也隨之提升，更能體會學生在面對海量資訊時的感受，從而調整教學方法與期待。學者觀察到，教師的角色正逐漸從知識的傳授者轉變為學習的引導者與促成者，這種轉變在 AI 時代尤為重要。教師不再只是給答案的人，而是設計學習情境、提出關鍵問題、引導學生反思的人。當教師願意擁抱技術、示範終身學習的態度時，學生也更可能效法，養成持續學習與自我更新的習慣。
提升整體社會的資訊與媒體素養，僅靠學校教育是不夠的，還需要媒體、企業和公民團體的共同努力。在生成式 AI 蓬勃發展的情況下，媒體機構扮演了雙重角色：既是 AI 應用的積極開發者，也是大眾取得資訊的主要管道。因此，許多新聞媒體開始主動承擔素養教育的責任。例如，一些主流媒體開設了專欄或節目，向觀眾介紹 AI 的原理、應用場景和風險提示，教導如何辨識 AI 生成內容或進行事實查核。
非營利組織方面，像美國的常識媒體（Common Sense Media）等團體也持續發布研究和指南，提醒家長與年輕人注意社群媒體與 AI 帶來的影響。在臺灣，自從 2018 年起政府推動「防制假訊息」專案後，不少公民社群如事實查核中心等紛紛成立，透過網站和社群平台向大眾提供查核工具教學、闢謠報告，以提升全民媒體素養。
同樣重要的是，圖書館、博物館等公共文化機構也積極投入行動。例如國立公共資訊圖書館等單位舉辦「資訊素養論壇」、「媒體素養影片競賽」等活動，或設置 AI 體驗區讓民眾親自操作 ChatGPT、繪圖 AI 等，以在寓教於樂中提升素養。
企業方面，一些科技公司主動提供教師與學生免費或優惠的 AI 工具使用方案，並與教育部門合作開發在地化的 AI 教材。同時，公司也注意在產品中增加透明度，例如標示 AI 生成內容、提供來源連結等，協助使用者更容易判斷真偽。
未來，隨著 AI 技術滲透更廣，我們可期待更多元的跨領域合作模式。例如媒體與學校合作開設新聞素養課程、科技公司贊助偏鄉 AI 教育計畫、公民團體監督平台的演算法透明度等等。這種生態系的建立需要時間，但長遠而言將有助於營造一個有韌性的訊息環境：個人具有判斷力、媒體堅守專業倫理、技術開發者注重社會責任。在這樣的生態中，生成式 AI 才能真正發揮正向價值，而其潛藏的負面效應也能被及時發現並緩解。
生成式 AI 時代的到來，為資訊科技素養與媒體素養教育帶來了前所未有的挑戰，同時也創造了全新的契機。我們看到，AI 可以成為教育的雙刃劍：用得其所，它將為學習帶來個人化、效率化和創造性的革命；用之不當，它也可能放大資訊失真、偏見和懶於思考等問題。關鍵在於教育工作者、政策制定者與公民個體如何協力，擬定因應策略、調適心態並付諸行動。
正如 Stanford 大學教育學院院長 Daniel Schwartz 在談到 AI 對教學的影響時所強調的：
"Technology offers the prospect of universal access to increase fundamentally new ways of teaching… I want to emphasize that a lot of AI is also going to automate really bad ways of teaching. So [we need to] think about it as a way of creating new types of teaching."
（科技為普及教育提供了根本性創新的契機。我想強調的是，許多 AI 也會自動化非常糟糕的教學方式。所以我們需要將其視為創造新型態教學的方法）
— Stanford HAI
這段話點出了面對 AI 時應有的態度：我們不能因噎廢食，因擔心風險而拒絕新技術；也不能不加批判地全盤接受，任由既有問題惡化甚至產生新問題。我們需要的是以創新的思維來整合 AI，改革傳統中不足之處，並開拓更理想的教育模式。
未來，我們有理由保持審慎的樂觀。只要我們秉持以人為本的原則，以教育與倫理為指南，生成式 AI 完全可以成為促進資訊與媒體素養的強大助力。為此，政府需要提供明確的政策方向與資源投入，教育現場需要持續探索和分享實踐經驗，科技產業需要承擔起更多社會責任，而每一位公民也都應積極培養自己的終身學習與批判思考能力。
在這樣多方協力的願景下，新世代將有能力駕馭鋒利的 AI 工具，而非受制於它。在生成式 AI 時代，我們期盼見證的是一個資訊更透明、媒體更負責、學習更自主的社會。資訊科技素養與媒體素養教育，正是邁向這個目標的基石與燈塔，引領我們在快速變遷的數位海洋中乘風破浪、前行不懈。
American Library Association. (1989). Presidential Committee on Information Literacy: Final report. Chicago, IL: American Library Association. Retrieved from https://www.ala.org/acrl/publications/whitepapers/presidential
Association of Certified E-Discovery Specialists (ACEDS). (2023, October 25). The impact of generative AI on education [Blog post]. ACEDS Blog. Retrieved from https://aceds.org/the-impact-of-generative-ai-on-education-aceds-blog/
Boryga, A. (2024, November 27). How AI will impact the future of teaching—A conversation with Sal Khan. Edutopia. Retrieved from https://www.edutopia.org/article/how-ai-will-impact-the-future-of-teaching-a-conversation-with-sal-khan/
Jonker, A., & Rogers, J. (n.d.). What is algorithmic bias? IBM Think Blog. Retrieved from https://www.ibm.com/think/topics/algorithmic-bias
Li, Y.-T., Yeh, S.-L., & Huang, T.-R. (2024). Unavoidable social contagion of false memory from robots to humans. American Psychologist, 79(2), 285–298. https://doi.org/10.1037/amp0001154
Ministry of Education (教育部). (2023). 數位時代媒體素養教育白皮書 [White paper on media literacy education in the digital age]. Taipei: Ministry of Education. Retrieved from https://ws.moe.edu.tw/001/Upload/3/relfile/6315/88728/acae722a-d0d8-4a48-b86f-a7962c905c77.pdf
National Association for Media Literacy Education. (n.d.). Media literacy defined. Retrieved from https://namle.org/resources/media-literacy-defined/
Stanford Institute for Human-Centered AI. (2023, March 9). AI will transform teaching and learning. Let's get it right [News release]. Retrieved from https://hai.stanford.edu/news/ai-will-transform-teaching-and-learning-lets-get-it-right
UNESCO Institute for Statistics. (2018). A global framework of reference on digital literacy skills for indicator 4.4.2. Montreal: UIS. Retrieved from http://uis.unesco.org/sites/default/files/documents/digital-literacy-global-framework-reference-indicator-4.4.2-2018-en.pdf
鄒明珆 (Zou, M.-Y.). (2025, July). AI 時代下的閱讀革命：資訊與媒體素養從教育開始 [The reading revolution in the AI era: Information and media literacy starting from education]. 國立公共資訊圖書館電子報, 15, 4–11. Retrieved from https://www.nlpi.edu.tw/JournalDetailC003313.aspx?Cond=f8fcd75c-747a-41ed-95c0-c147842ea678