Investigating Learner-Aware Design of LLM-Generated Educational Feedback
यह अध्ययन अनुभवजन्य रूप से यह प्रदर्शित करता है कि जहाँ स्पष्ट और व्यापक LLM-जनित फीडबैक उच्च विद्यालय के छात्रों के संशोधन प्रदर्शन में सार्वभौमिक रूप से सुधार करता है, वहीं सूचनात्मक नवीनता और भावात्मक फ्रेमिंग के संबंध में इष्टतम डिज़ाइन विभिन्न शिक्षार्थी प्रोफाइल्स के अनुसार महत्वपूर्ण रूप से भिन्न होता है, जो शिक्षार्थी-जागरूक फीडबैक रणनीतियों की आवश्यकता को रेखांकित करता 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
कल्पना कीजिए कि आप एक रोबोट को शिक्षक बनना सिखाने की कोशिश कर रहे हैं। आप जानते हैं कि वह निबंध लिखने, गणित के सवाल हल करने और मौसम के बारे में बात करने के लिए पर्याप्त स्मार्ट है, लेकिन आप इस बारे में अनिश्चित हैं कि उसे उस छात्र से कैसे बात करनी चाहिए जिसने अभी-अभी एक प्रश्न का गलत उत्तर दिया है। क्या रोबोट को एक सख्त ड्रिल सार्जेंट होना चाहिए? एक उत्साही चीयरलीडर होना चाहिए? या एक लाइब्रेरियन की तरह, जो आपको वह हर तथ्य प्रदान करे जिसकी आपको आवश्यकता हो सकती है? यह "शैक्षिक प्रौद्योगिकी" (educational technology) नामक एक क्षेत्र का केंद्र है, जहाँ वैज्ञानिक यह पता लगाने की कोशिश करते हैं कि लोगों को सीखने में मदद करने के लिए कंप्यूटर का उपयोग करने का सबसे अच्छा तरीका क्या है। लंबे समय तक, कंप्यूटरों ने केवल सरल "सही" या "गलत" के स्टैम्प दिए। लेकिन अब, सुपर-स्मार्ट एआई (लार्ज लैंग्वेज मॉडल्स) के उदय के साथ, ये कंप्यूटर लंबे, व्यक्तिगत स्पष्टीकरण लिख सकते हैं। बड़ा सवाल यह है कि क्या उस स्पष्टीकरण की शैली वास्तव में मायने रखती है? क्या एक छात्र बेहतर सीखता है यदि एआई दयालु है, या यदि यह बहुत विस्तृत है, या यदि यह उसे कोई संकेत देता है? यदि हम इसे गलत करते हैं, तो एआई केवल छात्र का समय बर्बाद कर सकता है, या इससे भी बुरा, उन्हें भ्रमित या हतोत्साहित महसूस करा सकता है।
यह शोध पत्र एआई शिक्षकों के लिए एक विशाल "टेस्ट-टेस्ट" (स्वाद परीक्षण) की तरह है। शोधकर्ताओं ने, जो वैज्ञानिकों और शिक्षकों की एक टीम है, अनुमान लगाना बंद करने और परीक्षण करना शुरू करने का निर्णय लिया। उन्होंने जीव विज्ञान के प्रश्नों पर एआई फीडबैक के लिए छह अलग-अलग "व्यक्तित्वों" या शैलियों को बनाया (इन्हें आइसक्रीम के विभिन्न स्वादों के रूप में सोचें: प्लेन वैनिला, एक्स्ट्रा स्प्रिंकल्स, चॉकलेट स्व्र्ल, आदि)। फिर उन्होंने 321 हाई स्कूल के छात्रों से एक क्विज़ लेने के लिए कहा। जब किसी छात्र ने गलत उत्तर दिया, तो कंप्यूटर ने उन्हें उन छह शैलियों में से एक के आधार पर फीडबैक दिया, और छात्र को अपना उत्तर ठीक करने का प्रयास करना था। छात्रों ने यह भी रेट किया कि वे एआई पर कितना भरोसा करते थे, यह समझने में कितना आसान था, और यह कितना मददगार महसूस हुआ।
यहाँ हमें पता चला, और यह थोड़ा आश्चर्यजनक है। "प्लेन वैनिला" शैली—जो स्पष्ट, सीधी और बिना बहुत अधिक दिखावटी या बहुत अधिक भावनात्मक हुए सभी आवश्यक तथ्यों को कवर करती थी—विजेता रही। इसने छात्रों को अपना उत्तर सबसे तेज़ी से ठीक करने में मदद की और सबसे अधिक भरोसेमंद महसूस हुई। दूसरी ओर, "चीयरलीडर" शैली (जैसे "इस बारे में सोचने के लिए बहुत बढ़िया!" जैसे प्रशंसा से भरी हुई) और "नॉवेलटी" (नवीनता) शैली (जिसने उन्नत, विश्वविद्यालय-स्तरीय तथ्यों को सिखाने की कोशिश की) ने वास्तव में छात्रों के लिए सही उत्तर पाना कठिन बना दिया। ऐसा होता है कि जब आप एक गलती को सुधारने की कोशिश कर रहे होते हैं, तो आपको उत्साहवर्धन (pep talk) या उन्नत भौतिकी पर व्याख्यान की आवश्यकता नहीं होती; आपको बस एक स्पष्ट मानचित्र की आवश्यकता होती है कि आप कहाँ गलत थे और इसे कैसे ठीक किया जाए।
हालाँकि, कहानी और भी दिलचस्प हो जाती है जब आप स्वयं छात्रों को देखते हैं। शोधकर्ताओं ने छात्रों से उनकी व्यक्तित्व विशेषताओं के बारे में पूछा, जिसके लिए उन्होंने "बिग फाइव" नामक एक प्रसिद्ध परीक्षण का उपयोग किया (जो बहिर्मुखी या चिंतित होने जैसे गुणों को मापता है)। उन्होंने पाया कि जबकि "प्लेन और स्पष्ट" शैली आम तौर पर सबसे अच्छी थी, विभिन्न व्यक्तित्व प्रकार अलग-अलग चीजें पसंद करते थे। उदाहरण के लिए, जो छात्र अधिक चिंतित या शर्मीले थे, वे ऐसे फीडबैक को पसंद करते थे जो बहुत विशिष्ट हो और उन्हें अनुमान लगाने के लिए न छोड़े। जो छात्र नए विचारों के प्रति अधिक खुले थे, उन्हें यह पसंद आया जब एआई ने उन्हें थोड़ा अतिरिक्त चुनौती दी। यह सुझाव देता है कि केवल एक ही "परफेक्ट" एआई शिक्षक सबके लिए नहीं हो सकता। सिखाने का सबसे अच्छा तरीका वास्तव में इस पर निर्भर कर सकता है कि स्क्रीन के सामने कौन बैठा है।
इसलिए, मुख्य निष्कर्ष यह है कि यदि हम चाहते हैं कि एआई एक वास्तव में सहायक ट्यूटर बने, तो हम इसे केवल बेतरतीब ढंग से बात करने के लिए नहीं छोड़ सकते। हमें इसे पहले स्पष्ट और व्यापक बनाने के लिए डिज़ाइन करने की आवश्यकता है, लेकिन हमें छात्र के अपने गुणों के आधार पर इसके व्यक्तित्व को बदलने के लिए भी तैयार रहना चाहिए। यह एआई को स्मार्ट बनाने के बारे में नहीं है; यह एआई को एक बेहतर श्रोता बनाने के बारे में है।
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।