← नवीनतम पेपर
💻 computer science

The Future of Feedback: How Can AI Help Transform Feedback to Be More Engaging, Effective, and Scalable?

यह बैठक रिपोर्ट डिजिटल शिक्षण परिवेशों में फीडबैक को अधिक आकर्षक, प्रभावी और स्केलेबल अभ्यास में बदलने के लिए जनरेटिव एआई (generative AI) के उपयोग की संभावनाओं, जोखिमों और भविष्य के अनुसंधान दिशाओं का अन्वेषण करने हेतु 50 अंतःविषय विद्वानों के दृष्टिकोणों को संश्लेषित करती है।

मूल लेखक: Jennifer Meyer (University of Vienna, Vienna, Austria), Olaf Köller (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Thorben Jansen (Leibniz Institute for Science,Mathematics Educ
प्रकाशित 2026-03-16
📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Jennifer Meyer (University of Vienna, Vienna, Austria), Olaf Köller (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Thorben Jansen (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Johanna Fleckenstein (University of Hildesheim, Germany), Michael W. Asher (Carnegie Mellon University, USA), Sarah Bichler (Universität Passau, Passau, Germany), Laura Brandl (LMU Munich, Germany), Jasmin Breitwieser (DIPF | Leibniz Institute for Research,Information in Education, Frankfurt, Germany), Kai S. Cortina (University of Michigan, USA), Mutlu Cukurova (University College London, United Kingdom), Martin Daumiller (University of Freiburg, Germany), Hannah Deininger (University of Tübingen, Germany), Frank Fischer (LMU, Germany), Dragan Gašević (Monash University, Clayton, VIC, Australia), Jeanine Grütter (LMU Munich, Germany), Anna Hilz (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Ioana Jivet (CATALPA, FernUniversität in Hagen, Germany), Jelena Jovanović (University of Belgrade, Serbia), Rene F. Kizilcec (Cornell University, USA), Livia Kuklick (Humboldt Universität zu Berlin, Berlin, Germany), Marlit Annalena Lindner (Leibniz Institute for Science,Mathematics Education,Europa-Universität Flensburg, Germany), Anastasiya Lipnevich (NBME,the Graduate Center, City University of New York, USA), Ute Mertens (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Detmar Meurers (Leibniz Institut für Wissensmedien, Tübingen, Germany), Kou Murayama (University of Tübingen, Germany), Tanya Nazaretsky (EPFL, Switzerland), Knut Neumann (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Ernesto Panadero (Dublin City University,Deusto University), Maciej Pankiewicz (University of Pennsylvania, USA), Zachary A. Pardos (UC Berkeley, USA), Chris Piech (Stanford University, USA), Hannah Pünjer (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Nikol Rummel (Ruhr-University-Bochum,CAIS, Bochum, Germany), Marlene Steinbach (Leibniz Institute for Science,Mathematics Education, Kiel, Germany), Olga Viberg (KTH Royal Institute of Technology, Sweden), Naomi Winstone (University of Surrey, UK)

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 एक विशाल रसोईघर है जहाँ दुनिया के 50 शीर्ष शेफ (शैक्षिक शोधकर्ता, कंप्यूटर वैज्ञानिक और मनोवैज्ञानिक) एक बहुत ही विशिष्ट समस्या को हल करने के लिए इकट्ठा हुए हैं: हम छात्रों को सही तरह का "फीडबैक" (प्रतिपुष्टि) कैसे दें ताकि वे वास्तव में सीख सकें, बिना रसोइयों (शिक्षकों) को थकाए या डाइनर्स (छात्रों) को अपच दिए?

यह शोध पत्र उस सभा की एक "मीटिंग रिपोर्ट" है। यह इस बात की खोज करता है कि कैसे जेनेरेटिव एआई (वही तकनीक जो ChatGPT जैसे टूल्स के पीछे है) स्कूलों में फीडबैक देने के तरीके में क्रांति ला सकती है।

यहाँ उनकी बातचीत का विवरण दिया गया है, जिसे रोजमर्रा की भाषा और कुछ स्वादिष्ट उपमाओं (analogies) में अनुवादित किया गया है।

1. बड़ा वादा: सीखने का "थर्मोमिक्स" (Thermomix)

वर्षों से, शिक्षक उन मेहनती शेफ की तरह रहे हैं जो हर छात्र के लिए एक अनूठा, आदर्श भोजन अपने हाथों से बनाने की कोशिश कर रहे हैं। 30 छात्रों के लिए ऐसा करना असंभव है, तो 30,000 के लिए तो बिल्कुल भी नहीं।

समूह एआई को एक सुपर-पावर्ड किचन अप्लायंस (वे इसे "थर्मोमिक्स" कहते हैं) के रूप में देखता है। जिस तरह एक थर्मोमिक्स एक साथ काट सकता है, मिला सकता, बेक कर सकता है और पका सकता है, उसी तरह एआई कर सकता है:

  • ग्रेडिंग: निबंधों और गणित की समस्याओं को तुरंत ग्रेड करना।
  • वैयक्तिकरण (Personalization): उस छात्र को जो चुनौती चाहता है उसे "तीखा" स्पष्टीकरण परोसना, और उस छात्र को जो भ्रमित है उसे "हल्का" स्पष्टीकरण देना।
  • स्केल (Scale): बिना शिक्षक की आवाज खोए एक साथ लाखों छात्रों को खिलाना।

सावधानी: सिर्फ इसलिए कि आप मशीन का उपयोग कर सकते हैं, इसका मतलब यह नहीं है कि आप इसे पूरा भोजन पकाने के लिए छोड़ दें। शिक्षकों (शेफ) को अभी भी भोजन चखने और मेनू तय करने की आवश्यकता है। यदि हम एआई को सब कुछ करने देते हैं, तो छात्र खुद खाना बनाना सीखना बंद कर सकते हैं (एक अवधारणा जिसे "कॉग्निटिव ऑफलोडिंग" कहा जाता है)।

2. "प्लेट को अनदेखा करने" की समस्या

शोधकर्ताओं ने महसूस किया कि सबसे अच्छा भोजन भी बेकार है यदि छात्र उसे कचरे में फेंक देता है। यह फीडबैक इंगेजमेंट (प्रतिपुष्टि जुड़ाव) का मुद्दा है।

  • वास्तविकता: छात्र अक्सर फीडबैक को अनदेखा कर देते हैं। वे कागज पर एक लाल "X" देख सकते हैं, बुरा महसूस कर सकते हैं, और सुधार करने के निर्देश को पढ़े बिना आगे बढ़ सकते हैं।
  • एआई का अवसर: एआई एक स्मार्ट वेटर की तरह काम कर सकता है। केवल मेज पर प्लेट रखने के बजाय, वेटर (एआई) छात्र की प्रतिक्रिया को देख सकता है।
    • क्या छात्र स्क्रीन को घूर रहा है? एआई रुक सकता है और पूछ सकता है, "क्या आपको संकेत की आवश्यकता है?"
    • क्या छात्र निराश है? एआई अपना लहजा बदलकर अधिक उत्साहजनक बना सकता है।
    • क्या छात्र ऊब गया है? एआई फीडबैक को अधिक मजेदार या संवादात्मक बना सकता है।

जोखिम: यदि वेटर एक रोबोट है, तो छात्र उस पर भरोसा नहीं करेंगे। वे सोच सकते हैं, "मैं कंप्यूटर की बात क्यों सुनूँ? उसे मेरी परवाह नहीं है।" शोध पत्र सुझाव देता है कि हमें छात्रों को एआई फीडबैक पर भरोसा करना और उसका उपयोग करना सिखाने की आवश्यकता है, ठीक वैसे ही जैसे हम उन्हें कैलकुलेटर का उपयोग करना सिखाते हैं।

3. "एक ही आकार सबके लिए" वाला जाल

अतीत में, शोधकर्ताओं ने छोटे, नियंत्रित लैब (जैसे एक टेस्ट किचन) में फीडबैक का परीक्षण किया। लेकिन वास्तविक कक्षाएं अराजक होती हैं। एक शांत पुस्तकालय में बैठा छात्र एक शोर वाले जिम क्लास में बैठे छात्र से अलग प्रतिक्रिया देता है। एक 10 साल का बच्चा 20 साल के व्यक्ति से अलग व्यवहार करता है।

समूह ने तर्क दिया कि हमें "टेस्ट किचन" में परीक्षण करना बंद करना चाहिए और असली रेस्टोरेंट में परीक्षण करना शुरू करना चाहिए।

  • लक्ष्य: हमें यह देखने के लिए बड़े, अंतर्राष्ट्रीय अध्ययन करने की आवश्यकता है कि कहाँ क्या काम करता है।
  • एआई की भूमिका: एआई एकमात्र ऐसा टूल है जो इन बड़े प्रयोगों को चलाने के लिए पर्याप्त तेज़ है। यह विभिन्न प्रकार के शिक्षार्थियों के लिए "सीक्रेट सॉस" का पता लगाने के लिए विभिन्न स्कूलों में एक साथ हजारों अलग-अलग फीडबैक शैलियों का परीक्षण कर सकता है।

4. मानवीय तत्व: शेफ को नौकरी से न निकालें

इस बैठक का एक प्रमुख विषय था कि एआई को शिक्षकों को बदलने के लिए नहीं, बल्कि उन्हें सशक्त बनाने के लिए होना चाहिए।

  • उपमा: एआई को एक सू-शेफ (sous-chef) के रूप में सोचें। सू-शेफ काटने, छीलने और तैयारी का काम (ग्रेडिंग, डेटा विश्लेषण) करता है। यह मुख्य शेफ (शिक्षक) को सबसे महत्वपूर्ण काम पर ध्यान केंद्रित करने के लिए मुक्त करता है: छात्रों के साथ जुड़ना, उन्हें प्रेरित करना और उनके सीखने के बारे में गहरी बातचीत करना।
  • चेतावनी: यदि हम केवल एआई को छात्रों से बात करने देते हैं, तो हम मानवीय संबंध खो देते है। शिक्षकों को न केवल एआई का उपयोग करने में, बल्कि इसे डिजाइन करने में भी शामिल होने की आवश्यकता है। उन्हें यह जानने की आवश्यकता है कि कब हस्तक्षेप करना है और कहना है, "हे, रोबोट गलत है, आइए इस पर बात करते हैं।"

5. भविष्य की रेसिपी

पेपर एक आह्वान के साथ समाप्त होता है। इसे सफल बनाने के लिए, हमें चाहिए:

  • ओपन सोर्स किचन: बड़ी तकनीकी कंपनियों के स्वामित्व वाली गुप्त रेसिपी के बजाय, हमें खुले प्लेटफॉर्म की आवश्यकता है जहाँ शोधकर्ता और शिक्षक साझा कर सकें कि क्या काम करता है।
  • एआई साक्षरता: हमें छात्रों (और शिक्षकों) को एआई के "सामग्री सूची" (ingredients list) को पढ़ना सिखाने की आवश्यकता है। उन्हें पता होना चाहिए कि एआई कब 'हैलुसिनेट' कर रहा है (मनगढ़ंत बातें बना रहा है) और फीडबैक को कैसे सत्यापित किया जाए।
  • सहयोग: मनोवैज्ञानिकों, कंप्यूटर वैज्ञानिकों और शिक्षकों को अपने अलग-अलग क्षेत्रों (silos) में काम करना बंद करके मिलकर काम करना होगा।

निचोड़

एआई फीडबैक को एक कागज पर स्थिर ग्रेड (जिसे अक्सर अनदेखा कर दिया जाता है) से बदलकर एक गतिशील, निरंतर बातचीत में बदलने की क्षमता रखता है जो वास्तविक समय में होती है। लेकिन, किसी भी शक्तिशाली उपकरण की तरह, इसे चलाने के लिए एक कुशल मानव की आवश्यकता होती है। यदि हम इसका सही उपयोग करते हैं, तो यह केवल ग्रेडिंग को तेज़ नहीं बनाएगा; यह प्रत्येक छात्र को यह महसूस कराने में मदद करेगा कि उन्हें देखा जा रहा है, समझा जा रहा है और वे सुधार करने में सक्षम हैं।

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।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💻 cs →