Tutor Move Taxonomy: A Theory-Aligned Framework for Analyzing Instructional Moves in Tutoring
यह शोधपत्र ट्यूटर के निर्देशात्मक कदमों (इंस्ट्रक्शनल मूव्स) के एक सिद्धांत-संगत, चार-श्रेणी वाले वर्गीकरण को प्रस्तुत करता है, जिसे एक हाइब्रिड निगमनात्मक-आगमनात्मक प्रक्रिया के माध्यम से विकसित किया गया है, ताकि ट्यूटरिंग संवाद और सीखने के परिणामों के बीच के संबंध का बड़े पैमाने पर, व्यवस्थित विश्लेषण सक्षम किया जा सके।
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 यह समझने की कोशिश कर रहे हैं कि एक बेहतरीन कुकिंग टीचर (खाना बनाना सिखाने वाला) वास्तव में क्या करता है। आप सैकड़ों कुकिंग क्लास देख सकते हैं, लेकिन अगर इसे तोड़ने का कोई तरीका नहीं है कि शिक्षक वास्तव में क्या कर रहा है, तो यह केवल काटने, चलाने और बोलने का एक धुंधला सा दृश्य बनकर रह जाएगा। आप अनुमान लगा सकते हैं कि "छात्र को तेज़ी से चलाने के लिए कहना" अच्छा है, या "यह पूछना कि सॉस बहुत नमकीन क्यों है" बेहतर है, लेकिन आपके पास यह साबित करने के लिए कोई ठोस डेटा नहीं है।
यह पेपर ट्यूटरिंग (शिक्षण) का विश्लेषण करने के लिए एक सार्वभौमिक रेसिपी बुक बनाने के बारे में है। कॉर्नेल यूनिवर्सिटी की नेशनल ट्यूटरिंग ऑब्जर्वेटरी के शोधकर्ताओं ने एक विशिष्ट "मेन्यू" (जिसे टैक्सोनॉमी कहा जाता है) बनाया है ताकि वे एक-पर-एक सत्र के दौरान एक ट्यूटर द्वारा कही जाने वाली और की जाने वाली हर एक चीज़ को लेबल कर सकें।
उनके काम का विवरण यहाँ दिया गया है, जिसमें रोजमर्रा के उपमाओं (analogies) का उपयोग किया गया है:
1. समस्या: ट्यूटरिंग का "ब्लैक बॉक्स"
एक ट्यूटरिंग सत्र को एक ब्लैक बॉक्स के रूप में सोचें। आप एक छात्र को अंदर डालते हैं, वह कुछ सीखता है, और बाहर आता है। लेकिन बॉक्स के अंदर? वह एक रहस्य है। हम जानते हैं कि कुछ ट्यूटर्स अद्भुत हैं और अन्य संघर्ष करते हैं, लेकिन हमारे पास यह समझने का कोई स्पष्ट नक्शा नहीं है कि क्यों।
इसे हल करने के लिए, शोधकर्ताओं को एक तरीका चाहिए था जिससे बातचीत के "धुंधलेपन" को एक स्पष्ट, व्यवस्थित सूची में बदला जा सके। वे यह कहने से आगे बढ़ना चाहते थे कि, "वह ट्यूटर अच्छा था," बल्कि यह कहने की ओर कि, "उस ट्यूटर ने तीन खुले प्रश्न पूछे और दो संकेत दिए, जिसके कारण छात्र ने सीखा।"
2. समाधान: "ट्यूटर मूव" मेन्यू
टीम ने एक फ्रेमवर्क बनाया जिसे ट्यूटर मूव टैक्सोनॉमी कहा जाता है। इसे एक रेस्टोरेंट के मेन्यू की तरह समझें, लेकिन यहाँ भोजन के बजाय, आइटम वे चीजें हैं जो एक ट्यूटर कर सकता है। उन्होंने इन "मूव्स" (चालों) को चार मुख्य खंडों में व्यवस्थित किया है:
🛠️ "ट्यूटरिंग सपोर्ट" मूव्स (जीपीएस और मैप)
ये वे मूव्स हैं जहाँ ट्यूटर मैप देख रहा है या रास्ता तय कर रहा है।- उदाहरण: पूछना, "क्या आपको याद है कि हमने पिछली बार इसे कैसे किया था?" या "आइए पता लगाते हैं कि समस्या क्या पूछ रही है।"
- उपमा: यह एक पायलट की तरह है जो उड़ान भरने से पहले अपने उपकरणों की जांच कर रहा है। यह अभी छात्र को पढ़ाना नहीं है; यह ट्यूटर द्वारा यह सुनिश्चित करना है कि वे छात्र की मदद करने के लिए सही रास्ते पर हैं।
🧠 "लर्निंग सपोर्ट" मूव्स (मदद का स्पेक्ट्रम)
यह मुख्य कोर्स है। शोधकर्ताओं ने महसूस किया कि सभी मदद एक जैसी नहीं होती है। उन्होंने इन मूव्स को एक स्लाइडिंग स्केल पर व्यवस्थित किया है, जो छात्र के प्रयास के लिए एक डिमर स्विच (dimmer switch) की तरह है:- उच्च जुड़ाव (द "कोच"): ट्यूटर ऐसे प्रश्न पूछता है जो छात्र को गहराई से सोचने के लिए मजबूर करते हैं, जैसे "क्या होगा यदि हम इसे इस तरह से आजमाएं?" या "आप अपनी सोच को समझा सकते हैं?" छात्र यहाँ मुख्य मेहनत कर रहा है।
- कम जुड़ाव (द "लेक्चरर"): ट्यूटर बस उत्तर दे देता है या पूरी अवधारणा को समझा देता है बिना छात्र को अधिक काम किए।
- उपमा: कल्पना कीजिए कि आप किसी को साइकिल चलाना सिखा रहे हैं।
- उच्च जुड़ाव: आप सीट को पकड़ते हैं लेकिन उन्हें पैडल मारने देते हैं, पूछते हुए, "जब आप बाईं ओर झुकते हैं तो कैसा महसूस होता है?"
- कम जुड़ाव: आप बस उन्हें बताते हैं, "बाईं ओर झुकें," और फिर उन्हें आगे धकेल देते हैं।
टैक्सोनॉमी शोधकर्ताओं को यह देखने में मदद करती है कि कौन सी "डिमर सेटिंग" सबसे अच्छा सीखने की ओर ले जाती है।
❤️ "सोशल-इमोशनल" मूव्स (द "चीयरलीडर")
सीखना डरावना हो सकता है। कभी-कभी छात्र मूर्ख या निराश महसूस करते हैं। यह श्रेणी ट्यूटरिंग के "मानवीय" पक्ष को कवर करती है।- उदाहरण: "मुझे बहुत अच्छा लगा कि आपने हार नहीं मानी!" या "अटक जाना ठीक है; यह सीखने का हिस्सा है।"
- उपमा: यह जिम में स्पॉटर (सहायक) की तरह है। वे आपके लिए वजन नहीं उठा रहे हैं, लेकिन वे वहां हैं ताकि अगर आप गिरें तो आपको संभाल सकें और आपकी सफलता पर आपको हाई-फाइव दे सकें।
📦 "लॉजिस्टिकल" मूव्स (द "टेक सपोर्ट")
कभी-कभी इंटरनेट कट जाता है, या स्क्रीन फ्रीज हो जाती है।- उदाहरण: "क्या आप मुझे सुन सकते हैं?" या "आइए एक अलग लिंक आज़माते हैं।"
- उपमा: यह एक स्टेजहैंड की तरह है जो शो शुरू होने से पहले माइक्रोफ़ोन ठीक कर रहा है। यह पाठ नहीं पढ़ाता, लेकिन यदि वे अपना काम नहीं करते हैं, तो शो हो ही नहीं सकता।
3. उन्होंने इसे कैसे बनाया: "हाइब्रिड" दृष्टिकोण
शोधकर्ताओं ने केवल अंदाज़ा नहीं लगाया कि मेन्यू में क्या रखना है। उन्होंने दो-चरणीय कुकिंग विधि का उपयोग किया:
- रेसिपी बुक (डिडक्टिव/निगमनात्मक): पहले, उन्होंने लोगों के सीखने के बारे में हजारों मौजूदा किताबों और अध्ययनों को पढ़ा। उन्होंने विशेषज्ञों से सबसे अच्छे विचारों को लिया और एक ड्राफ्ट मेन्यू बनाया।
- टेस्ट टेस्ट (इंडक्टिव/आगमनात्मक): फिर, उन्होंने वास्तविक छात्रों के साथ काम करने वाले वास्तविक ट्यूटर्स को देखा। उनके पास दो विशेषज्ञ "टेस्ट टेस्टर" (पीएचडी वाले शिक्षक) थे जिन्होंने वीडियो देखे और मेन्यू का उपयोग करने की कोशिश की।
- परिणाम: उन्होंने पाया कि मेन्यू में कुछ चीजें छूट गई थीं। उदाहरण के लिए, उन्हें एहसास हुआ कि उन्हें एक साधारण "हाँ/नहीं" वाला प्रश्न पूछने (जो आसान है) और एक ओपन-एंडेड (खुले) प्रश्न (जो कठिन है) के बीच अंतर करने की आवश्यकता है। उन्होंने मेन्यू को तब तक सुधारा जब तक कि यह वास्तविक दुनिया में वास्तव में जो हो रहा था, उसका सटीक वर्णन नहीं करने लगा।
4. यह क्यों मायने रखता है? (बड़ी तस्वीर)
वे इतनी मेहनत क्यों कर रहे हैं?
- विज्ञान के लिए: यह अस्पष्ट भावनाओं को ठोस डेटा में बदल देता है। अनुमान लगाने के बजाय, शोधकर्ता अब कह सकते हैं, "अधिक 'हाई एंगेजमेंट' मूव्स का उपयोग करने वाले ट्यूटर्स के बेहतर परिणाम मिलते हैं।"
- AI और रोबोट के लिए: कंप्यूटर मानवीय बातचीत को समझने में खराब होते हैं। लेकिन यदि आप एक कंप्यूटर को इन विशिष्ट "मूव्स" (जैसे कि एक "हिंट" या "प्रशंसा" को पहचानना) को पहचानने के लिए सिखाते हैं, तो कंप्यूटर सेकंडों में ट्यूटरिंग के हजारों घंटों का विश्लेषण कर सकता है।
- भविष्य के लिए: अंततः, यह ऐसे AI ट्यूटर्स की ओर ले जा सकता है जो बिल्कुल जानते हैं कि छात्र को अधिक सोचने के लिए कब प्रेरित करना है और कब केवल एक संकेत देना है। यह मानव ट्यूटर्स को उनकी शिक्षण शैली पर तत्काल फीडबैक देने में भी मदद कर सकता है, जैसे शिक्षण के लिए एक "फिटनेस ट्रैकर"।
संक्षेप में: यह पेपर एक साझा भाषा बनाने के बारे में है ताकि हम अंततः ट्यूटरिंग की कला को माप सकें, समझ सकें और सुधार सकें, जिसमें मानव बुद्धि और कंप्यूटर शक्ति दोनों का उपयोग किया गया 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।