Ensuring Computer Science Learning in the AI Era: Open Generative AI Policies and Assignment-Driven Written Quizzes
यह शोध पत्र उच्च-स्तरीय कंप्यूटर विज्ञान पाठ्यक्रमों के लिए एक मूल्यांकन मॉडल का प्रस्ताव करता है और उसका प्रारंभिक रूप से सत्यापन करता है जो घर पर किए जाने वाले प्रोग्रामिंग असाइनमेंट के लिए जनरेटिव एआई (generative AI) के उपयोग की अनुमति देता है और भारी भार वाले, असाइनमेंट-संचालित लिखित क्विज़ के माध्यम से छात्र की दक्षता सुनिश्चित करता है, जिसमें इस ढांचे के तहत एआई के उपयोग और शैक्षणिक प्रदर्शन के बीच कोई महत्वपूर्ण सहसंबंध नहीं पाया गया है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक कंप्यूटर साइंस क्लासरूम की कल्पना करें जहाँ छात्र जटिल मशीनें बनाना सीख रहे हैं। पारंपरिक रूप से, शिक्षक कहेंगे, "घर जाओ, यह मशीन शून्य से बनाओ और इसे वापस लेकर आओ।" नए AI टूल्स के साथ डर यह है कि छात्र शायद AI से ही वह मशीन बनवा लें, उसे जमा कर दें और बिना यह समझे कि वास्तव में गियर कैसे घूमते हैं, एक 'A' ग्रेड प्राप्त कर लें। इसे "कॉग्निटिव ऑफलोडिंग" (cognitive offloading) कहा जाता है—यानी रोबोट को सोचने के लिए छोड़ देना ताकि आपके मस्तिष्क को मेहनत न करनी पड़े।
यह पेपर इस समस्या को संभालने का एक चतुर नया तरीका बताता है, जिसे लेखक "ओपन एंड वेरीफाई" (Open and Verify) कहते हैं।
नई रणनीति: "कुकिंग क्लास" का उदाहरण
एक कुकिंग स्कूल की तरह सोचें।
- पुराना तरीका: शिक्षक कहते हैं, "घर जाओ और केक बनाओ। कल इसे लेकर आना।" यदि कोई छात्र बेकरी से केक खरीदकर दावा करता है कि उसने इसे बनाया है, तो शिक्षक को शायद कभी पता नहीं चलेगा।
- "प्रतिबंध" वाला तरीका: शिक्षक कहते हैं, "बाहर से खरीदे हुए केक की अनुमति नहीं है!" लेकिन AI के युग में, यह ओवन (oven) पर प्रतिबंध लगाने जैसा है; छात्रों को उपलब्ध टूल्स का उपयोग करने से रोकना असंभव है।
- "ओपन एंड वेरीफाई" वाला तरीका (इस पेपर का समाधान): शिक्षक कहते हैं, "आप घर पर केक बनाने के लिए रेसिपी बुक, एक सहायक शेफ, या यहाँ तक कि एक रोबोट की मदद ले सकते हैं। लेकिन, जब आप क्लास में आएं, तो आपको तुरंत एक टेस्ट देना होगा जहाँ आपको विस्तार से समझाना होगा कि केक कैसे बनाया गया, आपने उन सामग्रियों का उपयोग क्यों किया, और मौके पर ही रेसिपी के किसी खराब हिस्से को ठीक करना होगा।"
इस अध्ययन में, "केक" एक प्रोग्रामिंग असाइनमेंट है, और "रोबोट" जेनेरेटिव AI (GenAI) है।
अध्ययन में यह कैसे काम किया
लॉरेंस टेक्नोलॉजिकल यूनिवर्सिटी के एक प्रोफेसर ने इसे 14 उन्नत छात्रों के एक छोटे समूह के साथ आजमाया। यहाँ उन्होंने जो विधि अपनाई वह यह थी:
- असाइनमेंट (होमवर्क वाला केक): छात्रों को होमवर्क के लिए कोड लिखने हेतु AI का उपयोग करने की अनुमति दी गई। उन्हें एक "डिस्क्लेमर" भी भरना था कि उन्हें AI से कितनी मदद मिली (जैसे, "मैंने इस कोड का 50% हिस्सा AI से लिखवाया")।
- ट्विस्ट (वेटेज/भार): होमवर्क खुद बहुत कम अंक (केवल 2%) का था।
- असली टेस्ट (इन-क्लास क्विज़): होमवर्क जमा होने के तुरंत बाद, छात्रों ने क्लास में एक लिखित, क्लोज्ड-बुक क्विज़ दिया। यह क्विज़ बहुत अधिक अंकों (5% या 10%) का था।
- क्विज़ के प्रश्न सीधे उनके द्वारा जमा किए गए होमवर्क से संबंधित थे।
- उन्हें कोड को समझाना था, गायब लाइनों को भरना था, या यह अनुमान लगाना था कि कोड क्या करेगा।
- लक्ष्य: यदि आपने कोड लिखने के लिए AI का उपयोग किया लेकिन उसे समझा नहीं, तो आप क्विज़ में फेल हो जाएंगे। यदि आप उसे समझते थे, तो आप बेहतरीन प्रदर्शन करेंगे।
उन्हें क्या मिला?
शोधकर्ताओं ने जानना चाहा: क्या AI का उपयोग छात्रों को कम बुद्धिमान बनाता है, या यह उनकी मदद करता है?
उन्होंने डेटा का विश्लेषण किया और आश्चर्यजनक परिणाम पाए:
- कोई संबंध नहीं: इस बात का लगभग शून्य संबंध था कि छात्र ने कितना AI इस्तेमाल किया और उसका क्लास में प्रदर्शन कैसा रहा। चाहे छात्र ने अपने काम का 10% AI से कराया हो या 90%, उनका अंतिम ग्रेड लगभग समान था।
- "मिडल" ट्रैप (बीच का जाल): दिलचस्प बात यह है कि जिन छात्रों ने मध्यम मात्रा में (25-50%) AI का उपयोग किया, उनका स्कोर उन लोगों की तुलना में थोड़ा कम था जिन्होंने बहुत कम या बहुत अधिक उपयोग किया था। लेखक का सुझाव है कि ये "मध्यम" छात्र कोड लिखने में बहुत आलसी थे लेकिन अच्छे परिणाम पाने के लिए AI को "प्रॉम्ट" (prompt) करने में भी उतने कुशल नहीं थे। वे बीच में फंस गए थे।
- छात्रों की प्रतिक्रिया: छात्रों को यह पसंद आया। उन्होंने कहा कि क्विज़ ने उन्हें मजबूर किया कि वे वास्तव में उस कोड को पढ़ें और समझें जो AI ने लिखा था, बजाय इसके कि वे बस उसे बिना सोचे-समझे सबमिट कर दें। उन्हें लगा कि वे AI का उपयोग करने के लिए स्वतंत्र हैं, लेकिन क्विज़ ने यह सुनिश्चित किया कि वे विषय को वास्तव में सीखें, जिससे उनका तनाव भी कम हुआ।
निचोड़ (The Bottom Line)
पेपर यह निष्कर्ष निकालता है कि छात्रों को सीखने के लिए मजबूर रखने हेतु आपको AI पर प्रतिबंध लगाने की आवश्यकता नहीं है।
यदि आप छात्रों को कोड लिखने के "भारी काम" के लिए AI का उपयोग करने देते हैं, लेकिन फिर तुरंत उन्हें उस कोड की अपनी समझ पर टेस्ट करते हैं, तो वे अवधारणाओं को सीख ही जाते हैं। यह गणित के होमवर्क के लिए कैलकुलेटर का उपयोग करने देने जैसा है, लेकिन फिर उन्हें बोर्ड पर बिना कैलकुलेटर के समस्या हल करने के लिए कहना ताकि यह साबित हो सके कि वे गणित जानते हैं।
सावधानी: लेखक स्वीकार करते हैं कि यह अध्ययन छोटा था (केवल 14 छात्र), इसलिए यह एक अंतिम उत्तर के बजाय एक "प्रूफ ऑफ कॉन्सेप्ट" (concept का प्रमाण) है। साथ ही, यह शिक्षक के लिए अधिक काम पैदा करता है, क्योंकि उन्हें इन अतिरिक्त क्विज़ को डिजाइन और ग्रेड करना पड़ता है। लेकिन फिलहाल, यह सुझाव देता है कि सही "ओपन एंड वेरीफाइ" नियमों के साथ, AI एक मददगार टूल बन सकता है न कि धोखाधड़ी का शॉर्टकट।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।