은기 김(Eungi Kim)과 제이슨 림 치우(Jason Lim Chiu)는 2026년 6월 23일 학술지 Libri를 통해 사서들을 위한 대규모 언어 모델(LLM) 리터러시 프레임워크를 공개했다. 이 프레임워크는 대규모 언어 모델(LLM)이 야기하는 문제들, 특히 신뢰할 수 없는 정보 생성과 편향성 고착화, 그리고 연구 및 교육 분야의 전통적인 권위 구조 붕괴 문제를 해결하는 데 초점을 맞췄다.

저자들은 사서들이 기존의 전문적인 정보 평가 및 장서 개발 역량을 AI 환경에 적용하여 정보 관리자 역할을 수행해야 한다고 제안한다. 해당 모델은 대규모 언어 모델(LLM)을 시스템적 평가와 윤리적 감독이 필요한 표준 정보 자원으로 취급하여 공정한 접근성을 보장한다. 또한, 참고 정보 서비스 기법을 AI 상호작용에 통합함으로써, 사서들이 지역사회의 비판적 사고와 민주적 정보 관리를 도울 수 있는 핵심 역량을 정의했다.

은기 김(Eungi Kim)과 제이슨 림 치우(Jason Lim Chiu)는 2026년 6월 23일 학술지 Libri를 통해 사서들을 위한 대규모 언어 모델(LLM) 리터러시 프레임워크를 공개했다. 이 프레임워크는 대규모 언어 모델(LLM)이 야기하는 문제들, 특히 신뢰할 수 없는 정보 생성과 편향성 고착화, 그리고 연구 및 교육 분야의 전통적인 권위 구조 붕괴 문제를 해결하는 데 초점을 맞췄다.

저자들은 사서들이 기존의 전문적인 정보 평가 및 장서 개발 역량을 AI 환경에 적용하여 정보 관리자 역할을 수행해야 한다고 제안한다. 해당 모델은 대규모 언어 모델(LLM)을 시스템적 평가와 윤리적 감독이 필요한 표준 정보 자원으로 취급하여 공정한 접근성을 보장한다. 또한, 참고 정보 서비스 기법을 AI 상호작용에 통합함으로써, 사서들이 지역사회의 비판적 사고와 민주적 정보 관리를 도울 수 있는 핵심 역량을 정의했다.