در کلاس و کتابخانه دانشگاه، این روزها ما با یک پرسش مشترک روبه‌رو هستیم: وقتی هوش مصنوعی هر روز پیش می‌رود، جای ما در کتابخانه کجاست؟ ما می‌بینیم که الگوریتم‌ها کارهای تکراری را دقیق و سریع انجام می‌دهند. این واقعیت در ذهن ما دانشجو و استاد، هم ترس می‌سازد و هم اشتیاق؛ ترس از کم‌رنگ‌شدن نقش‌های سنتی و اشتیاق برای کشف نقش‌های تازه که با توان امروز ما همخوان باشد.
ما وظیفه داریم دل‌نگرانی‌های دانشجویان را جدی بگیریم و راهی نشان دهیم که از اضطراب امروز به اطمینان فردا برسیم. مسیر روشن است؛ اما ساده نیست. از مهندسی دستور تا سواد داده و اخلاق هوش مصنوعی، هر کدام می‌تواند پلی باشد میان حذف نقش‌های روزمره و شکوفایی نقش‌های نو. ما اگر یادگیری پیوسته را تمرین کنیم و برنامه‌های درسی را بازنگری کنیم، می‌توانیم در پیاده‌سازی و راهبری سامانه‌های هوشمند شریک شویم نه تماشاگر.
در ادامه، یافته‌ها و پیشنهادهای مقاله به شکل منظم و مستند ارائه می‌شود تا تصویر روشنی از مخاطرات شغلی و مسیرهای تاب‌آوری در حوزه علم اطلاعات و دانش‌شناسی پیش چشم ما قرار گیرد.
فناوری‌های نوین در قرن بیست‌ویکم به‌عنوان یک واقعیت ملموس، فراگیر و ضروری برای کلیه آحاد جامعه در نظر گرفته می‌شود. فناوری‌های هوش مصنوعی در خودکارسازی فرایندها، خدمات و امور تولیدی، توانمندی خود را به اثبات رسانده‌اند. قانون بازار، حکم می‌کند که این‌گونه از فناوری‌ها، سیستم‌ها و سامانه‌ها به‌سرعت برای افزایش سود و کاهش زیان به کار گرفته شوند. این رویکرد نوین از طریق خودکارسازی، بحران‌هایی را به همراه داشته است؛ مانند حذف گروهی از مشاغل، تغییر یا محدودکردن دامنه‌های شغلی و دگرگونی فرصت‌های شغلی؛ بنابراین، زنگ خطر برای ازدست‌رفتن موقعیت‌های شغلی و حرفه‌ای در حضور سامانه‌های هوشمند به صدا درآمده است.
ماهیت هوش مصنوعی نشان می‌دهد که غالب فرایندهای مرتبط با آن به فراهم‌آوری، پردازش داده، اطلاعات و دانش به‌منظور ارائه خدمات اطلاعاتی، پرسش‌وپاسخ‌های عمومی و تخصصی متمرکز شده است. این‌گونه فناوری‌ها توانسته‌اند جایگزین بخش عمده‌ای از نقش‌ها و وظایف شغلی تکراری، روتین و ساده در حوزه علم اطلاعات و دانش‌شناسی شوند. از طرف دیگر، وظایف شغلی و حرفه‌ای پیچیده؛ مانند مجموعه‌سازی، سازماندهی اطلاعات و خدمات مرجع، تحت‌تأثیر ظرفیت‌های فناوری‌های هوشمند قرارگرفته‌اند. به‌این‌ترتیب به‌منظور مواجهه مؤثر، سازگاری و تاب‌آوری در قبال فضای حضور هوش مصنوعی در کتابخانه‌ها و مراکز اطلاع‌رسانی، دانشجویان و دانش‌آموختگان حوزه علم اطلاعات و دانش‌شناسی می‌بایست نسبت به شناسایی عوامل مخاطره‌آمیز در کسب فرصت‌های شغلی اقدام نمایند.
عوامل مخاطره‌آمیز برای مشاغل و فرصت‌های شغلی
عوامل متعددی وجود دارد که نشان می‌دهد کدام یک از مشاغل به‌ویژه در حوزه علم اطلاعات و دانش‌شناسی در معرض خطرات بالاتری ناشی از خودکارسازی فرایندها از طریق سامانه‌های هوش مصنوعی هستند. در این بخش، به برخی از مهم‌ترین عوامل مخاطره‌آمیز و چالش‌ها در قبال خودکارسازی توسط هوش مصنوعی می‌پردازیم:
- مشاغل با ماهیت روتین و تکراری: شغل‌هایی با وظایف قابل پیش‌بینی و دارای ساختار مشخص که به راحتی در فرایند خودکار قرار می‌گیرند (سن و پاتل[1]، 2023) مانند ورود اطلاعات، وجین منابع اطلاعاتی، کنترل موجودی منابع، خدمات مرجع عمومی بیشتر در خطر حذف قرار می‌گیرند.
- مشاغل با سطح مهارت و تحصیلات اندک: این دامنه از مشاغل در مقابل توسعه هوش مصنوعی از ضریب آسیب پذیری بالایی برخوردار می‌باشند (ژو[2] و همکاران، 2020) مانند مشاغل مربوط به میز امانت، راهنمایان مجموعه، خدمات عمومی و مانند آن بیشتر تحت‌تأثیر حضور هوش مصنوعی قرار می‌گیرند.
- مشاغل فنی و تخصصی: علاوه بر مشاغل روتین و نیمه حرفه‌ای، مشاغل کاملاً فنی و تخصصی مانند فهرست‌نویسی، رده‌بندی و نمایه‌سازی نیز تحت‌تأثیر سامانه‌های هوش مصنوعی قرار گرفته‌اند (برابدور[3]، 2024).
تأثیرات مخاطره‌آمیز هوش مصنوعی برای مشاغل فنی و تخصصی
هوش مصنوعی و فناوری‌های مرتبط با آن، تأثیر قابل‌توجهی بر حوزه علم اطلاعات و دانش‌شناسی داشته است. این تأثیر، به طور فزاینده‌ای در سال‌های پیشرو نیز ادامه خواهد یافت. تحولات ناشی از توسعه و کاربرد سامانه‌های هوش مصنوعی، به طور مشخص به دگرگونی یا حذف برخی از نقش‌های حرفه‌ای و مشاغل در این حوزه منجر خواهد شد. یکی از حوزه‌های تخصصی که تحت‌تأثیر هوش مصنوعی قرار می‌گیرد، مجموعه‌سازی است (چاندراشکارا[4] و همکاران، 2024). ابزارهای هوش مصنوعی توانسته است که برخی از وظایف در این حوزه‌ها را به تسخیر خود درآورد (فلاگفلدر[5]، 2021؛ هارپر[6]، 2013) مانند شناسایی ناشران هسته، تحلیل مجلات هسته، دسترسی به سازوکارهای انتخاب خودکار منابع، تحلیل رفتار اطلاع‌یابی کاربران به‌منظور فراهم‌آوری اطلاعات مناسب و مانند آن. حوزه سازماندهی اطلاعات نیز از مسیر خودکارسازی بی‌بهره نمانده است. انواع فرایندهای کاری یا حرفه‌ای در این حوزه شامل فهرست‌نویسی، رده‌بندی و نمایه‌سازی تحت‌تأثیر سامانه‌های هوش مصنوعی قرار گرفته‌اند.
علاوه بر حوزه سازماندهی اطلاعات، سامانه‌های هوش مصنوعی در تحول نقش‌های حرفه‌ای و حذف برخی از مشاغل در حوزه علم اطلاعات و دانش‌شناسی، نقش مؤثری داشته است (هودونو – وسو[7]، 2024) مانند فرایند بازیابی اطلاعات. ماهیت اصلی هوش مصنوعی، ایجاد بستر مناسب به‌منظور دسترس‌پذیر ساختن داده، اطلاعات و دانش برای کاربران در زمان مناسب است. به‌این‌ترتیب، کلیه مشاغل موجود در کتابخانه‌ها و مراکز اطلاع‌رسانی مانند خدمات مرجع، می‌توانند از طریق امکانات بالقوه و بالفعل هوش مصنوعی تحت‌تأثیر قرار گیرند (آدتایو و آیئنی[8]، 2023؛ نگ[9] و همکاران، 2024). دستیاران مجازی و چت‌بات‌ها (گلیبوا[10] و همکاران، 2024) برای ارائه پاسخ به پرسش‌های اولیه مرجع و اطلاع‌رسانی هم‌اکنون مورداستفاده قرارگرفته شده است. تحلیل رفتارهای اطلاع‌یابی کاربران به‌عنوان یکی از وظایف و نقش‌های حرفه‌ای در حوزه خدمات مرجع، هم‌اکنون توسط ابزارها و فناوری‌های هوشمند انجام می‌شود (اسلی[11]، 2024؛ کوکس[12]، 2024). بعلاوه، برخی از مشاغل کتابداران؛ مانند وظیفه همکار تحقیق در اجرای پژوهش‌های علمی – اجرایی، متخصص شناسایی و سیاهه منابع مرتبط با تحقیق، وظیفه تدوین پیشینه تحقیق، نقش‌های مبتنی بر خلاصه‌برداری و چکیده‌نویسی از منابع اطلاعاتی مرتبط با تحقیق و امثالهم، کاملاً تحت‌تأثیر هوش مصنوعی هستند (لوگا[13] و همکاران، 2022).
بنابراین؛ می‌توان گفت که سامانه‌های هوش مصنوعی در خودکارسازی نقش‌های حرفه‌ای، وظایف و مشاغل مرتبط با حوزه علم اطلاعات و دانش‌شناسی نقش مؤثری داشته‌اند. به‌این‌ترتیب، دگرگونی، جابه‌جایی و حذف برخی از مشاغل در این حوزه از طریق توسعه هوش مصنوعی و فناوری‌های مرتبط با آن قابل مشاهده است.
تاب‌آوری در سازگاری و احراز مهارت‌های نوظهور
حضور هوش مصنوعی در کتابخانه‌ها و مراکز اطلاع‌رسانی، طیف گسترده‌ای از مشاغل این حوزه را در خطر حذف یا تغییر قرار داده است. در مقابل، دانش و مهارت‌های نوظهوری به‌منظور کاربست و راهبری سامانه‌های هوشمند شکل‌گرفته است. اگر مفهوم تاب‌آوری را در سازگاری با محیط خارجی به‌منظور دستیابی به تعادل تعریف نماییم؛ دانشجویان، دانش‌آموختگان و کارکنان در حوزه علم اطلاعات و دانش‌شناسی می‌بایست خود را با مهارت‌های جدید تجهیز نمایند. در اینجا، به شماری از مهارت‌های نوین موردنیاز برای سازگاری با فضای حضور هوش مصنوعی در کتابخانه‌ها و مراکز اطلاع‌رسانی، می‌پردازیم.
- بازیابی اطلاعات با دقت بالا[14]: الگوریتم‌های مبتنی بر هوش مصنوعی کارایی و دقت بازیابی اطلاعات را افزایش می‌دهند (هرلیچ[15]، 2023). درک این الگوریتم‌ها، یادگیری محتوای آن‌ها و کاربرد این ابزارهای هوشمند در بازیابی اطلاعات، یک مهارت حیاتی برای متخصصان علوم اطلاعات و دانش‌شناسی است.
- مهندسی دستورنویسی هوش مصنوعی[16]: یکی از مهم‌ترین مبانی تعامل با هوش مصنوعی، کسب دانش، مهارت و آگاهی از شیوه دستورنویسی برای بازیابی اطلاعات مؤثر و دقیق است. هم‌اکنون، مشاغلی مانند کتابدار مهندس، دستورنویس برای توسعه و بهینه‌سازی دستورها که بر مدل‌های زبانی هوش مصنوعی احاطه دارند، به‌وجود آمده است (لاند[17]، 2023). این نقش نوظهور، بستر مناسبی برای کتابداری سنتی به منظور سازگاری با هوش مصنوعی در عرصه بازیابی اطلاعات و مدیریت دانش فراهم می‌آورد.
- توصیه‌گرهای شخصی[18]: الگوریتم‌های هوش مصنوعی می‌توانند عملکردهای کاربر، تاریخچه مرور و جستجو و علایق دانشگاهی یا اکادمیک کاربران را برای ارائه توصیه‌های شخصی، پیرامون مطالعه بیشتر متون مرتبط با سلایق کاربر تجزیه‌وتحلیل کنند. توانایی درک و به‌کارگیری این الگوریتم‌ها برای ارائه خدمات شخصی‌سازی‌شده مانند تکنیک‌های پیشین اشاعه‌اطلاعات و دانش‌گزینشی به کاربران کتابخانه‌ها یک مهارت مهم است.
- مدیریت هوشمند منابع[19]: فناوری‌های هوش مصنوعی مانند پردازش زبان طبیعی و بینایی ماشین برای تشخیص تصاویر، کتابخانه‌ها را قادر می‌سازد تا فرایندهای فهرست‌نویسی را خودکار کنند؛ مواد را دیجیتالی کنند و اطلاعات را به طور مؤثر سازماندهی کنند (لوکا و همکاران، 2022). مهارت در این فناوری‌های هوش مصنوعی یک مهارت ضروری برای مدیریت مؤثر منابع برای متخصصان علم اطلاعات و دانش‌شناسی است.
- دستیاران مجازی و چت‌بات‌ها[20]: دستیاران مجازی و چت‌بات‌های مجهز به هوش مصنوعی پشتیبانی فوری را برای ارائه پاسخ مناسب به پرسش‌های کاربران کتابخانه فراهم می‌کنند (لوکا و همکاران، 2022). توانایی توسعه، مدیریت و استفاده از این ابزارهای هوش مصنوعی یک مهارت ارزشمند برای متخصصان علوم اطلاعات و دانش‌شناسی است.
- توسعه سواد داده[21]: متخصصان علوم اطلاعات و دانش‌شناسی می‌بایست به مهارت‌های قدرتمند سواد داده برای درک، تفسیر و استفاده از انبوه داده‌های تولید شده توسط سیستم‌های هوش مصنوعی مجهز شوند. این توانایی‌ها شامل جمع‌آوری، مدیریت و تجزیه‌وتحلیل داده‌ها برای کسب آگاهی، درک و بینش معنی‌دار است که می‌تواند برای ارائه خدمات اطلاع رسانی مؤثر، کارآمد و مفید باشد (سنگیتا[22] و همکاران، 2024).
- تجزیه‌وتحلیل داده‌ها برای تصمیم‌گیری[23]: هوش مصنوعی، کتابخانه‌ها را قادر می‌سازد تا از قدرت تجزیه و تحلیل داده‌ها برای تصمیم‌گیری بهتر در امور گوناگون استفاده کنند (لوکا و همکاران، 2022). مهارت در تجزیه‌وتحلیل داده‌ها و درک الگوریتم‌های هوش مصنوعی برای متخصصان علوم اطلاعات و دانش‌شناسی در تصمیم‌گیری پیرامون امور جاری کتابخانه‌ها و نیز تصمیم‌سازی‌ها توسط سازمان‌های متبوع آن‌ها، ضروری است.
- همکاری و اشتراک دانش[24]: افزایش سطح همکاری بین متخصصان، عامل توسعه اشتراک دانش میان کاربران از طریق هوش مصنوعی می‌شود. به‌عبارت‌دیگر، همکاری بین متخصصان با زمینه‌های مختلف مانند علوم اطلاعات و دانش‌شناسی، کامپیوتر و علم داده به‌منظور توسعه کاربری هوش مصنوعی امری ضروری است (پارتریج[25] و همکاران، 2010). این همکاری‌ها در توسعه مهارت استفاده از پلتفرم‌های مبتنی بر هوش مصنوعی برای تعمیق اشتراک دانش امری حیاتی است (هرلیچ، 2023).
- طرح‌های مشارکت و همکاری: علاوه بر کسب مهارت و دانش کاربری هوش مصنوعی، مشارکت متخصصان علم اطلاعات و دانش‌شناسی در طراحی و پیاده‌سازی سیستم‌های هوش مصنوعی، به‌منظور انعکاس ارزش‌های نهادی و نیازهای کاربران از اهمیت زیادی برخوردار است (دلگادو و همکاران[26]، 2023). به‌این‌ترتیب، متخصصان این حوزه نه تنها می‌بایست شکاف دانش و مهارت خود را در زمینه کاربری هوش مصنوعی ترمیم نمایند؛ بلکه می‌بایست در پیاده‌سازی آن در کتابخانه نقش راهبردی داشته باشند.
- اخلاق هوش مصنوعی و ربات‌ها[27]: نگرانی‌های اجتماعی گسترده، پیرامون اخلاق هوش مصنوعی و ربات‌ها در مورد تأثیر بالقوه آن‌ها بر حریم‌خصوصی کاربر، آزادی بیان، حفظ استقلال کاربر، خطر سوگیری، تعصب، ارائه اطلاعات نادرست و از دست دادن شفافیت در تصمیم‌گیری وجود دارد. این امر مستلزم شکل‌گیری درک درستی از چارچوب‌های اخلاقی، سیاست‌های حاکمیت داده، و بهترین شیوه‌ها برای استقرار مسئولانه هوش مصنوعی در خدمات کتابخانه‌ای و اطلاعاتی است (سندرس، 2020). درک مفاهیم اخلاقی هوش مصنوعی و ربات‌ها یک مهارت حیاتی برای متخصصان علوم اطلاعات و دانش‌شناسی است.
- ارزیابی و ارزشیابی هوش مصنوعی[28]: متخصصان علوم اطلاعات و دانش‌شناسی باید مهارت‌هایی را برای ارزیابی انتقادی ابزارها و فناوری‌های مبتنی بر هوش مصنوعی افزایش دهند. این مهارت‌ها شامل؛ ارزیابی قابلیت‌ها، محدودیت‌ها و سوگیری‌های احتمالی سامانه‌های هوش مصنوعی است. به‌این‌ترتیب، درک الگوریتم‌های مرتبط منابع داده و ملاحظات اخلاقی سیستم‌های هوش مصنوعی برای متخصصان این حوزه، امری اجتناب‌ناپذیر است (لنکس[29]، 2016).
- یادگیری مستمر و سازگاری[30]: شتاب و سرعت سریع تغییرات فناورانه در حوزه‌های مختلف به‌ویژه در فضای توسعه هوش مصنوعی و فناوری‌های مرتبط با آن، متخصصان علوم اطلاعات و دانش‌شناسی را متعهد به یادگیری مستمر و توسعه حرفه‌ای می‌کند. این یادگیری می‌بایست همراه با انطباق و سازگاری با شرایط موجود باشد که شامل روزآمدشدن با آخرین پیشرفت‌های هوش مصنوعی، شرکت در دوره‌های آموزشی و کارگاه‌های تخصصی مرتبط در ایجاد یک ذهنیت توسعه فردی برای انطباق با تقاضاهای در حال تحول در حوزه علوم اطلاعات و دانش‌شناسی است (چودری[31]، 2023).
نتیجه‌گیری و پیشنهاد
هوش مصنوعی و فناوری‌های مرتبط با آن یک واقعیت در کتابخانه‌ها و مراکز اطلاع‌رسانی است. سامانه‌های هوش مصنوعی توانسته‌اند که دامنه خدمات در کتابخانه‌ها و مراکز اطلاع‌رسانی را پیرامون افزایش سرعت، دقت و سهولت دسترسی به داده، اطلاعات و دانش تحت‌تأثیر قرار دهند. از سوی دیگر، شمار زیادی از وظایف، مشاغل و نقش‌های تخصصی و حرفه‌ای متخصصان این حوزه در معرض خطر حذف، جابه‌جایی و تغییر قرار گرفته است. در این میان دو راه، بیشتر باقی نمانده است؛ یا از مهلکه بگریزیم و عطای مشاغل را به لقایشان ببخشیم و یا در مقابل تأثیرات این فناوری نوظهور تاب بیاوریم و خود را با مقتضیات آن سازگار نماییم. به نظر می‌رسد که تاب‌آوری، سازگاری و مقاومت در مقابل تأثیرات مخاطره‌آمیز و کسب توانمندی‌های مؤثر در کاربری هوش مصنوعی، بیشتر کارایی داشته باشد. با تکیه بر این رویه، متخصصان علوم اطلاعات و دانش‌شناسی می‌بایست خود را با ابزارها، ظرفیت‌ها و امکانات بالقوه و بالفعل هوش مصنوعی به‌ویژه کاربرد آن‌ها در ارائه خدمات اطلاع‌رسانی هماهنگ سازند. صرفاً این هماهنگی بر پذیرش هوش مصنوعی و ابزارهای آن در کتابخانه‌ها و مراکز اطلاع‌رسانی خلاصه نمی‌شود. متخصصان علوم اطلاعات و دانش‌شناسی می‌بایست نسبت به توانمندی‌های ابزارهای هوش مصنوعی، آگاهی کامل داشته باشند، آن‌ها را در خدمات کتابخانه‌ای به‌کار‌گیرند و عرصه‌های نوین کاربری این ابزارهای نوین را در کتابخانه‌ها و مراکز اطلاع‌رسانی ترسیم نمایند. از طریق توسعه این مهارت‌های ضروری، متخصصان علوم اطلاعات و دانش‌شناسی می‌توانند چالش‌ها و فرصت‌های کاربری هوش مصنوعی را تحلیل نمایند تا امکان تثبیت موقعیت‌های شغلی آن‌ها فراهم آمده و اطمینان حاصل کنند که کتابخانه‌ها و خدمات اطلاع‌رسانی به شکل کارآمد و پاسخگو به نیازهای جامعه ادامه فعالیت خواهند داد.
کسب این فرصت‌های شغلی نوین برای متخصصان حوزه علم اطلاعات و دانش‌شناسی به تلاش‌های مستمر آن‌ها برای یادگیری مداوم مهارت‌های جدید در سازگاری با فضای حضور هوش مصنوعی بستگی دارد. علاوه بر این، آموزش‌های ضمن خدمت، برنامه‌های درسی و آموزشی دانشگاهی در این حوزه می‌بایست با همکاری کارشناسان هوش مصنوعی مورد تجدیدنظر قرار گیرد. توسعه و سازگاری برنامه‌های درسی با توانمندی‌های هوش مصنوعی می‌تواند دانشجویان حوزه علم اطلاعات و دانش‌شناسی را برای بازار کار آینده آماده کند. به‌این‌ترتیب، شرایط احراز مشاغل نوظهور از طریق آموزش ضمن خدمت و تحول برنامه‌های درسی امکان‌پذیر می‌شود. نقش دانشگاه‌ها و مؤسسات آموزش عالی در این میان بسیار حائز اهمیت است. گروه‌های آموزشی علم اطلاعات و دانش‌شناسی می‌توانند از طریق تغییروتحول در برنامه‌های درسی، مواد و برنامه‌هایی را در آن گسترش دهند که مهارت‌های به‌کارگیری هوش مصنوعی در کتابخانه‌ها و مراکز اطلاع‌رسانی را در برگیرد. علاوه بر این انجمن‌های تخصصی مانند انجمن کتابداری و اطلاع‌رسانی ایران، انجمن مدیریت اطلاعات، انجمن مدیریت دانش و انجمن کتابخانه‌های عمومی می‌توانند در توانمندسازی کارکنان کتابخانه‌های از طریق ارائه برنامه‌های آموزشی پیرامون هوش مصنوعی نقش مؤثری ایفا نمایند. نهادها و دستگاه‌هایی مانند کتابخانه ملی، پژوهشگاه علوم و فناوری اطلاعات ایران، نهاد کتابخانه‌های عمومی کشور و مانند آن می‌توانند از طریق آموزش ضمن خدمت، برنامه‌های دانش‌افزایی و مهارت‌آموزی در این زمینه فعال شوند.
منابع
Adetayo, A.J. and Oyeniyi, W.O., 2023. Revitalizing reference services and fostering information literacy: Google Bard’s dynamic role in contemporary libraries. Library Hi Tech News.
Brabdor, I., 2024. Could Artificial Intelligence Help Catalog Thousands of Digital Library Books? An Interview with Abigail Potter and Caroline Saccucci. In The Library of Congress. https://blogs. loc. gov/thesignal/2024/11/could-artificial-intelligence-help-catalog-thousands-of-digital-librarybooks-an-interview-with-abigail-potter-and-caroline-saccucci.
Chandrashekara, G., Mulimani, M.N. and Bidi, T.K., 2024. The Impact of Artificial Intelligence on Library and Information Science (LIS) Services. SSRN Electronic Journal, pp.1-12.
Chowdhury, R., 2023. Technology Facilitated Gender-Based Violence in an era of Generative AI. Paris: UNESCO Publishing.
Cox, A., 2024. Developing a library strategic response to Artificial Intelligence. The University of Sheffield. Report. https://orda.shef.ac.uk/articles/report/Developing_a_library_strategic_response_to_Artificial_Intelligence/24631293/1
Delgado, F., Yang, S., Madaio, M. and Yang, Q., 2023, October. The participatory turn in ai design: Theoretical foundations and the current state of practice. In Proceedings of the 3rd ACM Conference on Equity and Access in Algorithms, Mechanisms, and Optimization (pp. 1-23).
Glebova, E., Madsen, D.Ø., Mihaľová, P., Géczi, G., Mittelman, A. and Jorgič, B., 2024. Artificial intelligence development and dissemination impact on the sports industry labor market. Frontiers in Sports and Active Living, 6, p.1363892.
Harper, R., 2013. Knowledge management through the lens of library and information science: a study of job advertisements. Library trends, 61(3), pp.703-734.
Herrlich, H., 2023. The Future of Libraries: AI and Machine Learning–Fordham Library News. Fordham Library News. https://librarynews.blog.fordham.edu/2023/05/23/the-future-of-libraries-ai-and-machine-learning/
Hodonu-Wusu, J.O., 2024. The rise of artificial intelligence in libraries: the ethical and equitable methodologies, and prospects for empowering library users. AI and Ethics, pp.1-11.
Lankes, R. D. (2016). The new librarianship field guide. Cambridge, Massachusetts, United States: MIT Press, 240p.
Luca, E., Narayan, B. and Cox, A., 2022. Artificial intelligence and robots for the library and information professions. Journal of the Australian Library and Information Association, 71(3), pp.185-188.
Lund, B., 2023. The prompt engineering librarian. Library Hi Tech News, 40(8), pp.6-8.
Ng, T.J., Ng, K.W. and Haw, S.C., 2024. Lib-Bot: A Smart Librarian-Chatbot Assistant. International Journal of Computing and Digital Systems, 16(1), pp.1-11.
Osley, M. (2024). Librarianship in the Age of AI: Navigating the Integration of AI in Libraries. Medium. https://medium.com/@maysarosley/librarianship-in-the-age-of-ai-c5b0c8e7ee51
Partridge, H., Menzies, V., Lee, J., & Munro, C. (2010). The contemporary librarian: Skills, knowledge and attributes required in a world of emerging technologies. Library & Information Science Research, 32(4), 265-271.
Pflugfelder, N.S., 2021. Knowledge management as a driver of performance in ambulatory healthcare–a systematic literature review through an intellectual capital lens. Journal of Intellectual Capital, 22(2), pp.403-432.
Sangeetha, V., Mamatha, A., Vaneeta, M. and Beena, K., 2024. Artificial intelligence in medical and healthcare service: Applications and challenges. Modern Healthcare Marketing in the Digital Era, pp.116-130.
Sen, S. and Patel, W., 2023, May. Exploring The Uncertain Effects of AI-Powered Automation. In 2023 3rd International Conference on Advance Computing and Innovative Technologies in Engineering (ICACITE) (pp. 2554-2558). IEEE.
Zhou, G., Chu, G., Li, L. and Meng, L., 2020. The effect of artificial intelligence on China’s labor market. China Economic Journal, 13(1), pp.24-41.
[1] Sen and Patel
[2] Zhou
[3] Brabdor
[4] Chandrashekara
[5] Pflugfelder
[6] Harper
[7] Hodonu-Wusu
[8] Adetayo and Oyeniyi
[9] Ng
[10] Glebova
[11] Osley
[12] Cox
[13] Luca
[14] Improved Information Retrieval
[15] Herrlich
[16] AI Prompt Engineering
[17] Lund
[18] Personalized Recommendations
[19] Intelligent Resource Management
[20] Virtual Assistants and Chatbots
[21] Data Literacy
[22] Sangeetha
[23] Data Analytics for Decision-Making
[24] Collaboration and Knowledge Sharing
[25] Partridge
[26] Delgado
[27] Ethics of AI and Robots
[28] AI Evaluation and Implementation
[29] Lankes
[30] Continuous Learning and Adaptability
[31] Chowdhury