The Agency Gap in AI-Supported Writing: How Reactive and Proactive Agent Designs Shape Multimodal Reasoning

तकनीकी सारांश: AI-सहायता प्राप्त लेखन में एजेंसी अंतराल (The Agency Gap)

समस्या विवरण
शैक्षणिक लेखन में जनरेटिव AI (GenAI) का एकीकरण एक महत्वपूर्ण डिजाइन चुनौती पेश करता है: "एजेंसी अंतराल" (agency gap)। यह अवधारणा एक AI एजेंट द्वारा मांगी गई पहल (जैसे, रिएक्टिव बनाम प्रोएक्टिव) और AI-सहायता प्राप्त तर्क (reasoning) को शुरू करने, निगरानी करने और मूल्यांकन करने की शिक्षार्थी की क्षमता के बीच एक संभावित बेमेल (mismatch) का वर्णन करती है। जबकि GenAI उपकरण स्कैफोल्डिंग (scaffolding) के अवसर प्रदान करते हैं, उनका शैक्षिक मूल्य इस बात पर निर्भर करता है कि नियंत्रण कैसे साझा किया जाता है। रिएक्टिव (Reactive) एजेंटों के लिए शिक्षार्थियों को उच्च प्रॉम्प्टिंग कौशल और मेटाकॉग्निटिव जागरूकता की आवश्यकता होती है, जो संभावित रूप से कम GenAI साक्षरता वाले लोगों को नुकसान पहुँचा सकते हैं। इसके विपरीत, प्रोएक्टिव (Proactive) एजेंट जो अनुक्रमित प्रश्न और फीडबैक प्रदान करते हैं, वे संज्ञानात्मक भार (cognitive load) को कम कर सकते हैं, लेकिन सीखने की प्रक्रिया को अत्यधिक संरचित करने और शिक्षार्थी की एजेंसी को कम करने का जोखिम उठाते हैं। मौजूदा शोध में इस बात के अनुभवजन्य प्रमाणों (empirical evidence) का अभाव है कि ये इंटरैक्शन डिज़ाइन, एपिस्टेमिक रीजनिंग (epistemic reasoning), फीडबैक ग्रहण करने की क्षमता और मल्टीमॉडल विश्लेषणात्मक लेखन कार्यों में तत्काल स्वतंत्र प्रदर्शन को कैसे प्रभावित करते हैं।

कार्यप्रणाली (Methodology)
इस अध्ययन में 79 मेडिकल और नर्सिंग छात्रों के साथ एक दो-चरणीय, मिश्रित-विधि प्रयोगात्मक डिजाइन का उपयोग किया गया। प्रतिभागियों ने स्वास्थ्य सेवा सिमुलेशन डेटा विज़ुअलाइज़ेशन (एक बार चार्ट, एक संचार नेटवर्क और एक वॉर्ड मैप) पर आधारित दो मल्टीमॉडल विश्लेषणात्मक लेखन कार्य पूरे किए।

• प्रायोगिक स्थितियाँ (Experimental Conditions): प्रतिभागियों को यादृच्छिक रूप से दो AI एजेंट डिज़ाइनों में विभाजित किया गया था:
  • रिएक्टिव एजेंट (Reactive Agent): यह केवल शिक्षार्थी द्वारा प्रॉम्प्ट दिए जाने पर ही प्रतिक्रिया देता है, जिसके लिए छात्र को अनिश्चितताओं की पहचान करने, प्रॉम्प्ट तैयार करने और पूछताछ के क्रम को निर्धारित करने की आवश्यकता होती है।
    पेक्षा,
  • प्रोएक्टिव एजेंट (Proactive Agent): यह निर्देशित प्रश्नों का एक निश्चित क्रम शुरू करता है और विशेषज्ञ-लिखित स्कैफोल्डिंग के आधार पर कार्य- या प्रक्रिया-स्तरीय फीडबैक प्रदान करता है, जो शिक्षार्थी को अंतिम पाठ उत्पन्न किए बिना दृश्य व्याख्या (visual interpretation) के माध्यम से मार्गदर्शन करता है।
• मापन (Measures):
  • GenAI साक्षरता: इसे मान्य 20-आइटम जेनेरेटिव AI लिटरेसी असेसमेंट टेस्ट (GLAT) का उपयोग करके आंका गया।
  • लेखन प्रदर्शन: पांच आयामों वाले एक ऑर्डिनल रूब्रिक के माध्यम से मूल्यांकन किया गया: अंतर्दृष्टि (Insightfulness), विजुअल डेटा एकीकरण, संगठन और सामंजस्य, भाषाई गुणवत्ता, और आलोचनात्मक सोच (Critical Thinking)।
  • एपिस्टेमिक रीजनिंग (Epistemic Reasoning): मानव-AI संवादों के भीतर तर्क और जुड़ाव के संबंधिक संरचना (relational structure) को मैप करने के लिए एपिस्टेमिक नेटवर्क एनालिसिस (ENA) का उपयोग किया गया (ICAP और तर्क ढांचे के आधार पर)।
• विश्लेषणात्मक दृष्टिकोण: अध्ययन ने स्वतंत्र लेखन प्रदर्शन (AI हटाने के बाद) की भविष्यवाणी करने के लिए ऑर्डिनल लॉजिस्टिक रिग्रेशन का उपयोग किया, जो साक्षरता और डिज़ाइन पर आधारित था। मीडिएशन एनालिसिस (Mediation analysis) ने परीक्षण किया कि क्या AI-सहायता प्राप्त प्रदर्शन, साक्षरता और स्वतंत्र प्रदर्शन के बीच संबंध को मध्यस्थ (mediate) बनाता है। शिक्षार्थी के प्रतिबिंबों (reflections) के थीमैटिक विश्लेषण ने एजेंसी के अनुभव पर गुणात्मक अंतर्दर्दष्टि प्रदान की।

मुख्य परिणाम

• एपिस्टेमिक रीजनिंग (RQ1): ENA ने विभिन्न स्थितियों के बीच विशिष्ट संबंधिक संरचनाओं को प्रकट किया। प्रोएक्टिव इंटरैक्शन ने वैचारिक तर्क, पर्याप्त साक्ष्य अनुप्रयोग और रचनात्मक जुड़ाव के बीच मजबूत संबंधों को बढ़ावा दिया। इसके विपरीत, रिएक्टिव इंटरैक्शन में तथ्यात्मक विवरणों और ऑफ-टास्क या प्रक्रियात्मक आदान-प्रदान के बीच मजबूत जुड़ाव देखा गया। प्रोएक्टिव स्कैफोल्डिंग ने योजना बनाने और निगरानी करने के कार्यों को बाहरी रूप से व्यवस्थित (externalize) करने में मदद की, जिससे ध्यान अवलोकन से संश्लेषण (synthesis) की ओर केंद्रित हुआ।
• GenAI साक्षरता और प्रदर्शन (RQ2): GenAI साक्षरता ने AI सहायता हटने के बाद विजुअल डेटा एकीकरण, क्रिटिकल थिंकिंग और समग्र कंपोजिट स्कोर में स्वतंत्र प्रदर्शन की महत्वपूर्ण भविष्यवाणी की। हालांकि, साक्षरता ने इनसाइटफुलनेस, ऑर्गनाइजेशन या भाषाई गुणवत्ता में प्रदर्शन की महत्वपूर्ण भविष्यवाणी नहीं की। महत्वपूर्ण रूप से, GenAI साक्षरता और एजेंट डिज़ाइन के बीच का इंटरैक्शन सांख्यिकीय रूप से महत्वपूर्ण नहीं था; अध्ययन में यह प्रमाण नहीं मिला कि एक डिज़ाइन ने दूसरे की तुलना में उच्च स्कोर या अलग साक्षरता ढलान (slopes) प्रदान किया हो।
• मीडिएशन प्रभाव (RQ3): मीडिएशन एनालिसिस ने रिएक्टिव स्थिति में GenAI साक्षरता और स्वतंत्र प्रदर्शन के बीच एक महत्वपूर्ण कुल जुड़ाव दिखाया, लेकिन प्रोएक्टिव स्थिति में नहीं। हालांकि, अप्रत्यक्ष प्रभाव (indirect effects) दोनों स्थितियों में सांख्यिकीय रूप से महत्वपूर्ण नहीं थे, और कॉन्फिडेंस इंटरवल व्यापक थे। परिणाम बताते हैं कि जबकि प्रोएक्टिव सहायता साक्षरता-आधारित प्रदर्शन अंतर को कम कर सकती है, अध्ययन एक प्रतिपूरक कारण प्रभाव (compensatory causal effect) स्थापित नहीं करता है या मीडिएशन की पुष्टि नहीं करता है।
• शिक्षार्थी अनुभव (RQ4): गुणात्मक विश्लेषण ने तीन डिज़ाइन ह्यूरिस्टिक्स (heuristics) की पहचान की: (1) प्रासंगिक और पुष्टिकारी फीडबैक के माध्यम से स्वायत्तता बनाए रखना (रिएक्टिव); (2) संवादिक स्कैफोल्डिंग के माध्यम से एकीकृत तर्क को बढ़ावा देना (प्रोएक्टिव); और (3) शिक्षार्थी की विशेषज्ञता और कार्य जटिलता के साथ पहल को संरेखित करके समानता सुनिश्चित करना। शिक्षार्थियों ने साक्ष्य जोड़ने के लिए प्रोएक्टिव मार्गदर्शन को महत्व दिया, लेकिन सरल कार्यों के लिए या जब वे सक्षम महसूस करते थे, तो इसे अनावश्यक पाया।

मुख्य योगदान
इस शोध का प्राथमिक सैद्धांतिक योगदान "एजेंसी गैप" को एक व्यक्तिगत कमी के बजाय एक एजेंट पहल और शिक्षार्थी क्षमता के बीच एक संबंधिक बेमेल (relational mismatch) के रूप में अवधारणाबद्ध करना है। यह इसे एक डिज़ाइन-स्तरीय बाउंड्री कंडीशन के रूप में स्थापित करता है जो एपिस्टेमिक कार्य के आवंटन को आकार देती है।

• प्रक्रिया बनाम परिणाम: अध्ययन प्रदर्शित करता है कि इंटरैक्शन डिज़ाइन तर्क की प्रक्रिया (संवाद का नेटवर्क स्ट्रक्चर) को महत्वपूर्ण रूप से बदल देता है, भले ही प्रत्यक्ष प्रभावों (लेखन स्कोर) पर सांख्यिकीय रूप से महत्वपूर्ण प्रभाव न हों।
• डिज़ाइन निहितार्थ: निष्कर्षों से पता चलता है कि प्रभावी AI लेखन सहायता के लिए प्रासंगिक फीडबैक, संवादिक स्कैफोल्डिंग और शिक्षार्थी की आवश्यकताओं के अनुसार पहल का अंशांकन (calibration) आवश्यक है। प्रोएक्टिव डिज़ाइन वैचारिक एकीकरण को गहरा कर सकते हैं, जबकि रिएक्टिव डिज़ाइन शिक्षार्थी के नियंत्रण को बनाए रखते हैं लेकिन उच्च साक्षरता की मांग करते हैं।

महत्व और दावे
लेखक मामूली महत्व का दावा करते हैं, इस बात पर जोर देते हुए कि "एजेंसी गैप" एक उभरता हुआ व्याख्यात्मक ढांचा है न कि एक प्रमाणित सामान्य सिद्धांत। अध्ययन यह दावा नहीं करता कि प्रोएक्टिव एजेंट सार्वभौमिक रूप से रिएक्टिव एजेंटों से बेहतर प्रदर्शन करते हैं, न ही यह दावा करता है कि प्रोएक्टिव स्कैफोल्डिंग निश्चित रूप से कम साक्षरता की भरपाई करता है। इसके बजाय, निष्कर्ष इस परिकल्पना का समर्थन करते हैं कि इंटरैक्शन डिज़ाइन सीखने के एपिस्टेमिक कार्य को पुनर्गठित करता है। व्यावहारिक निहितार्थ यह है कि शैक्षिक AI एजेंटों को पहल के समायोज्य स्तर (adjustable levels of initiative) प्रदान करने चाहिए, जिससे शिक्षार्थी अपनी क्षमता प्रदर्शित करने पर मार्गदर्शन का अनुरोध कर सकें या स्कैफोल्डिंग को कम कर सकें। लेखक चेतावनी देते हैं कि ये परिणाम विशिष्ट, अल्पकालिक, मल्टीमॉडल साक्ष्य-संश्लेषण कार्यों के लिए विशिष्ट हैं और इन प्रभावों की स्थायित्वता का परीक्षण करने के लिए बड़े नमूनों, एजेंसी के प्रत्यक्ष मापों और अनुदैर्ध्य (longitudinal) मूल्यांकन के साथ भविष्य के शोध का आह्वान करते हैं।