Plagiarism or Productivity? Students Moral Disengagement and Behavioral Intentions to Use ChatGPT in Academic Writing

यहाँ मिरांडा और अन्य (2025) के शोध पत्र "Plagiarism or Productivity? Students' Moral Disengagement and Behavioral Intentions to Use ChatGPT in Academic Writing" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

उच्च शिक्षा में जनरेटिव एआई (GenAI), विशेष रूप से ChatGPT का तीव्र एकीकरण, उत्पादकता और शैक्षणिक अखंडता (academic integrity) के बीच एक तनाव पैदा कर रहा है। जबकि छात्र ड्राफ्टिंग, संपादन और विचार सृजन के लिए इन उपकरणों का उपयोग तेजी से कर रहे हैं, पारंपरिक लेखकत्व (authorship) और साहित्यिक चोरी (plagiarism) की परिभाषाएँ चुनौती받 रही हैं।

• अंतराल (The Gap): मौजूदा शोध अक्सर तकनीक अपनाने की भविष्यवाणी करने के लिए थ्योरी ऑफ प्लैंड बिहेवियर (TPB) को लागू करता है, लेकिन उन मनोवैज्ञानिक तंत्रों को समझाने में विफल रहता है जिनका उपयोग छात्र संभावित अनैतिक व्यवहार को तर्कसंगत बनाने के लिए करते हैं।
• विशिष्ट मुद्दा: इस बात का सीमित अनुभवजन्य प्रमाण (empirical evidence) उपलब्ध है कि नैतिक विमुखता (Moral Disengagement - MD) के तंत्र, फिलिपिनो कॉलेज छात्रों के ChatGPT उपयोग के व्यवहार संबंधी इरादों को आकार देने के लिए TPB निर्माणों (दृष्टिकोण, व्यक्तिपरक मानदंड, कथित व्यवहार नियंत्रण) के साथ कैसे परस्पर क्रिया करते हैं।

2. कार्यप्रणाली (Methodology)

इस अध्ययन में मल्टीपल लीनियर रिग्रेशन के माध्यम से स्ट्रक्चरल इक्वेशन मॉडलिंग (SEM) सिद्धांतों का उपयोग करते हुए एक मात्रात्मक, क्रॉस-सेक्शनल अनुसंधान डिजाइन अपनाया गया।

• प्रतिभागी:
  • नमूना आकार: $N = 418$ विभिन्न शैक्षणिक कार्यक्रमों के फिलिपिनो कॉलेज छात्र।
  • मानदंड: सभी प्रतिभागियों को शैक्षणिक कार्यों (थीसिस, फिजिबिलिटी स्टडीज, केस विश्लेषण आदि) के लिए ChatGPT का पूर्व अनुभव था।
  • जनसांख्यिकी: 58.5% पुरुष, 41.5% महिला; औसत आयु 21.65। 85.7% सार्वजनिक संस्थानों में नामांकित।
• उपकरण (Instrument):
  • एक सर्वेक्षण जिसमें 5-पॉइंट लिकर्ट स्केल (1 = दृढ़ता से असहमत, 5 = दृढ़ता से सहमत) का उपयोग किया गया।
  • मापे गए निर्माण (Constructs):
    1. नैतिक विमुखता (स्वतंत्र चर): बैंडुरा के सिद्धांत पर आधारित पाँच तंत्र:
       • नैतिक औचित्य (Moral Justification): उपयोग को शैक्षिक रूप में पुनर्गठित करना।
       • यूपहेमिस्टिक लेबलिंग (Euphemistic Labeling): नैतिक निहितार्थों को नरम करना (जैसे, "चीटिंग" के बजाय "सहायता")।
       • उत्तरदायित्व का विस्थापन (Displacement of Responsibility): प्रशिक्षकों/नीतियों पर दोष मढ़ना।
       • परिणामों को कम आंकना (Minimizing Consequences): नुकसान को कम करके दिखाना।
       • दोष का आरोपण (Attribution of Blame): संस्थागत कमियों को दोष देना।
    2. थ्योरी ऑफ प्लैंड बिहेवियर (मध्यस्थ): दृष्टिकोण (Attitudes), व्यक्तिपरक मानदंड (Subjective Norms), कथित व्यवहार नियंत्रण (Perceived Behavioral Control - PBC)।
    3. व्यवहार संबंधी इरादा (आश्रित चर): भविष्य के शैक्षणिक कार्यों में ChatGPT का उपयोग करने का इरादा।
• डेटा विश्लेषण:
  • डेटा का विश्लेषण पायथन (Jupyter Notebook) का उपयोग करके किया गया।
  • चार अलग-अलग ऑर्डिनरी लीस्ट स्क्वेयर्स (OLS) रिग्रेशन मॉडल चलाए गए:
    1. MD तंत्र $\rightarrow$ दृष्टिकोण (Attitudes)।
    2. MD तंत्र $\rightarrow$ व्यक्तिपरक मानदंड (Subjective Norms)।
    3. MD तंत्र $\rightarrow$ कथित व्यवहार नियंत्रण (PBC)।
    4. TPB निर्माण $\rightarrow$ व्यवहार संबंधी इरादा (Behavioral Intention)।
  • विश्वसनीयता की पुष्टि सभी निर्माणों के लिए Cronbach's $\alpha > 0.70$ के साथ की गई।

3. प्रमुख योगदान (Key Contributions)

• सैद्धांतिक एकीकरण: अध्ययन सफलतापूर्वक नैतिक विमुखता सिद्धांत (Moral Disengagement Theory) को थ्योरी ऑफ प्लैंड बिहेवियर (TPB) के साथ एकीकृत करता है, यह प्रदर्शित करते हुए कि नैतिक औचित्य तकनीक अपनाने के निकटवर्ती मनोवैज्ञानिक चालकों (दृष्टिकोण, मानदंड, नियंत्रण) को प्रभावित करने वाले दूरस्थ भविष्यवक्ता के रूप में कार्य करते हैं।
• संदर्भगत अंतर्दृष्टि: यह फिलिपिनो उच्च शिक्षा संदर्भ से विशिष्ट अनुभवजन्य डेटा प्रदान करता है, जो एक ऐसा क्षेत्र है जहाँ AI का तेजी से प्रसार हो रहा है लेकिन नैतिक नीतियां विकसित हो रही हैं।
• तंत्र की पहचान: यह पहचानता है कि कौन से विशिष्ट नैतिक विमुखता तंत्र छात्र व्यवहार को आकार देने में सबसे अधिक प्रभावी हैं, जो केवल सामान्य "AI उपयोग" के आंकड़ों से आगे बढ़कर इसके पीछे के मनोवैज्ञानिक चालकों तक पहुँचता है।

4. मुख्य परिणाम (Key Results)

अध्ययन ने सभी परिकल्पनाओं के लिए सांख्यिकीय रूप से महत्वपूर्ण मॉडल प्रस्तुत किए ($p < .001$)।

A. दृष्टिकोण, मानदंडों और नियंत्रण के भविष्यवक्ता (MD $\rightarrow$ TPB)

• दृष्टिकोण (Attitudes): मॉडल ने 67.9% विचरण की व्याख्या की ($R^2 = .679$)।
  • महत्वपूर्ण भविष्यवक्ता: दोष का आरोपण ($\beta = 0.319$) और परिणामों को कम आंकना ($\beta = 0.313$) सबसे मजबूत चालक थे। यूपहेमिस्टिक लेबलिंग और उत्तरदायित्व का विस्थापन भी महत्वपूर्ण थे।
  • गैर-महत्वपूर्ण: नैतिक औचित्य ने दृष्टिकोण की भविष्यवाणी करने में महत्वपूर्ण भूमिका नहीं निभाई।
• व्यक्तिपरक मानदंड (Subjective Norms): मॉडल ने 56.7% विचरण की व्याख्या की ($R^2 = .567$)।
  • महत्वपूर्ण भविष्यवक्ता: दोष का आरोपण ($\beta = 0.387$) सबसे मजबूत भविष्यवक्ता था। जिन छात्रों ने अस्पष्ट संस्थागत नीतियों को दोष दिया, उन्होंने ChatGPT के प्रति साथियों की अधिक स्वीकृति महसूस की।
• कथित व्यवहार नियंत्रण (PBC): मॉडल ने 59.1% विचरण की व्याख्या की ($R^2 = .591$)।
  • महत्वपूर्ण भविष्यवक्ता: दोष का आरोपण ($\beta = 0.421$) सबसे मजबूत भविष्यवक्ता था, इसके बाद नैतिक औचित्य और परिणामों को कम आंकना आया।
  • अंतर्दृष्टि: जिन छात्रों ने बाहरी कारकों (संस्थाओं) को दोष दिया, उन्हें AI का "नैतिकता" से उपयोग करने की अपनी क्षमता पर अधिक विश्वास था।

B. व्यवहार संबंधी इरादे के भविष्यवक्ता (TPB $\rightarrow$ Intention)

• व्यवहार संबंधी इरादा (Behavioral Intention): TPB मॉडल ने 60.6% विचरण की व्याख्या की ($R^2 = .606$)।
  • दृष्टिकोण (Attitudes) सबसे मजबूत भविष्यवक्ता थे ($\beta = 0.499$)।
  • कथित व्यवहार नियंत्रण (PBC) दूसरा सबसे मजबूत था ($\beta = 0.253$)।
  • व्यक्तिपरक मानदंड (Subjective Norms) का प्रभाव कमजोर लेकिन महत्वपूर्ण था ($\beta = 0.098$)।

C. वर्णनात्मक निष्कर्ष (Descriptive Findings)

• छात्र आम तौर पर ChatGPT को स्वीकार्य मानते हैं यदि लक्ष्य सीखना हो या सामग्री में संशोधन किया गया हो।
• अस्पष्ट संस्थागत नीतियों और ChatGPT पर बढ़ती निर्भरता के बीच एक मजबूत संबंध है।
• छात्र AI-सहायता प्राप्त लेखन को पारंपरिक साहित्यिक चोरी (plagiarism) की तुलना में कम हानिकारक मानते हैं।

5. महत्व और निहितार्थ (Significance and Implications)

• नीति सुधार: निष्कर्ष बताते हैं कि अस्पष्ट शैक्षणिक अखंडता नीतियां अनजाने में नैतिक विमुखता को बढ़ावा देती हैं। संस्थानों को केवल निषेधों से आगे बढ़कर, स्वीकार्य AI उपयोग (जैसे, "ड्राफ्टिंग" और "सबमिट करने" के बीच अंतर करना) पर स्पष्ट, विशिष्ट दिशानिर्देश प्रदान करने की आवश्यकता है।
• शैक्षणिक बदलाव: शिक्षकों को केवल आउटपुट की निगरानी करने के बजाय, उन नैतिक तर्क को संबोधित करने वाली कक्षा चर्चाओं को सुगम बनाने की आवश्यकता है जो AI के उपयोग के पीछे हैं। इसमें छात्रों को एक 'ट्यूटर' बनाम 'क्रिटिकल थिंकिंग के विकल्प' के रूप में AI के उपयोग के बीच अंतर समझने में मदद करना शामिल है।
• सीमाएं और भविष्य की दिशाएं: अध्ययन स्वीकार करता है कि इरादा-आधारित मॉडल (TPB) वास्तविक दुनिया के व्यवहार को पूरी तरह से कैप्चर नहीं कर सकते, क्योंकि भावनात्मक कारक (तनाव, सुविधा) और सांस्कृतिक संदर्भ भी भूमिका निभाते हैं। भविष्य के शोध को इन गैर-संज्ञानात्मक कारकों का पता लगाना चाहिए।
• निष्कर्ष: AI का उपयोग करने का निर्णय केवल एक तकनीकी विकल्प नहीं है, बल्कि एक नैतिक विकल्प है जो इस बात से आकार लेता है कि छात्र शैक्षणिक वातावरण के भीतर अपने कार्यों को कैसे तर्कसंगत बनाते हैं। स्पष्ट संस्थागत मार्गदर्शन नैतिक विमुखता को कम करने और जिम्मेदार AI अपनाने को बढ़ावा देने के लिए सबसे प्रभावी साधन है।