From School AI Readiness to Student AI Literacy: A National Multilevel Mediation Analysis of Institutional Capacity and Teacher Capability

यहाँ शोध पत्र "From School AI Readiness to Student AI Literacy: A National Multilevel Mediation Analysis of Institutional Capacity and Teacher Capability" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

व्यावसायिक शिक्षा प्रणालियों में आर्टिफिशियल इंटेलिजेंस (AI) के तीव्र एकीकरण के बावजूद, इस बात पर एक महत्वपूर्ण अनुभवजन्य अंतराल (empirical gap) है कि संस्थागत AI तत्परता (स्कूल-स्तरीय क्षमता) किस प्रकार मूर्त छात्र शिक्षण परिणामों (AI साक्षरता) में परिवर्तित होती है।

• अंतराल (The Gap): मौजूदा शोध विभिन्न विश्लेषणात्मक स्तरों पर खंडित है: छात्र-केंद्रित अध्ययन व्यक्तिगत सक्षमता पर ध्यान केंद्रित करते हैं, शिक्षक-केंद्रित अध्ययन अपनाने के इरादों पर ध्यान केंद्रित करते हैं, और संस्थागत अध्ययन बुनियादी ढांचे के ऑडिट पर ध्यान केंद्रित करते हैं। एक एकीकृत, बहु-स्तरीय ढांचे का अभाव है जो यह पता लगा सके कि कैसे मैक्रो-स्तरीय संस्थागत विन्यास (configurations), मेसो-स्तरीय निर्देशात्मक स्थितियों को प्रभावित करते हैं और तत्पश्चात माइक्रो-स्तरीय छात्र दक्षताओं को प्रभावित करते हैं।
• मुख्य प्रश्न: क्या स्कूल-स्तरीय AI तत्परता सीधे तौर पर छात्र AI साक्षरता में सुधार करती है, और यदि हाँ, तो यह किन संगठनात्मक संचरण तंत्रों (जैसे, शिक्षक क्षमता बनाम दृष्टिकोण संबंधी स्वीकृति) के माध्यम से होता है? इसके अलावा, क्या ये तंत्र विविध क्षेत्रीय आर्थिक और तकनीकी संदर्भों में सुदृढ़ हैं?

2. कार्यप्रणाली (Methodology)

यह अध्ययन चीन की व्यावसायिक शिक्षा प्रणाली से प्राप्त एक विशाल, लिंक्ड राष्ट्रीय डेटासेट का उपयोग करके एक 2-2-1 क्रॉस-लेवल मीडिएशन फ्रेमवर्क का उपयोग करता है।

• डेटा स्रोत और पैमाना (Data Source & Scale):
  • संस्थान: 1,007 व्यावसायिक स्कूल (स्तर 2)।
  • शिक्षक: 156,125 शिक्षक (स्तर 2 पर एकत्रित)।
  • छात्र: 2,379,546 छात्र (स्तर 1)।
  • नमूनाकरण (Sampling): चीन के सभी 31 प्रांतीय-स्तरीय प्रशासनिक क्षेत्रों में स्तरीकृत आनुपातिक नमूनाकरण (Stratified proportional sampling)।
• चर और माप (Variables & Measures):
  • पूर्वानुमान (Predictor) (स्तर 2): स्कूल AI तत्परता (School AI Readiness), जिसे छह आयामों वाले एक बहुआयामी निर्माण के रूप में संचालित किया गया है: रणनीतिक/नीति, संगठनात्मक वातावरण, प्रक्रिया, तकनीकी, डेटा, और नैतिक शासन।
  • मध्यस्थ (Mediators) (स्तर 2): एकत्रित शिक्षक तंत्र (Aggregated Teacher Mechanisms), जो शिक्षक सर्वेक्षणों से प्राप्त और स्कूल स्तर पर एकत्रित किए गए हैं। प्रमुख निर्माणों में शामिल थे: कथित AI क्षमता, कथित सकारात्मक/नकारात्मक प्रभाव, कथित कठिनाई, संतुष्टि, सामाजिक समर्थन, और सुविधा स्थितियाँ (UTAUT और AIDUA ढांचों पर आधारित)।
  • परिणाम (Outcome) (स्तर 1): छात्र AI साक्षरता (Student AI Literacy), जिसे समझ, अनुप्रयोग, मूल्यांकन और जनरेटिव AI के साथ नैतिक जुड़ाव को कवर करने वाले 10-आइटम वाले द्विकीय मूल्यांकन (GLAT से अनुकूलित) के माध्यम से मापा गया।
• विश्लेषणात्मक दृष्टिकोण (Analytical Approach):
  • बहु-स्तरीय मॉडलिंग (Multilevel Modeling): नेस्टेड डेटा को ध्यान में रखने के लिए स्कूल स्तर पर रैंडम इंटरसेप्ट्स के साथ लीनियर मिक्स्ड-इफेक्ट्स मॉडल।
  • मध्यस्थता विश्लेषण (Mediation Analysis): कोएफिशिएंट के उत्पाद दृष्टिकोण (डेल्टा विधि और 20,000 ड्रॉ के साथ मोंटे कार्लो सिमुलेशन) का उपयोग करके 2-2-1 पथ (School Readiness $\to$ Aggregated Teacher Mechanisms $\to$ Student Literacy) का परीक्षण किया गया।
  • सुदृढ़ता जाँच (Robustness Checks):
    • साझा विचरण (shared variance) का आकलन करने के लिए छह तत्परता आयामों का समवर्ती मॉडलिंग।
    • संरचनात्मक स्थिरता को सत्यापित करने के लिए एकत्रित 2-2-2 मॉडल (सभी चर स्कूल स्तर पर)।
    • सीमा स्थिति के रूप में क्षेत्रीय AI विकास (उच्च बनाम निम्न) का परीक्षण करने के लिए मॉडरेशन विश्लेषण।

3. मुख्य परिणाम (Key Results)

A. संस्थागत तत्परता और छात्र साक्षरता (RQ1)

• सकारात्मक संबंध: समग्र स्कूल AI तत्परता छात्र AI साक्षरता से सकारात्मक रूप से जुड़ी हुई है ($\beta = 0.016, p < 0.001$), यहाँ तक कि क्षेत्रीय आर्थिक क्षेत्रों, नीति स्थिति और संस्थागत प्रकार को नियंत्रित करने के बाद भी।
• आयामी विश्लेषण: जब व्यक्तिगत रूप से जांचा गया, तो सभी छह तत्परता आयामों (रणनीति, संरचना, प्रक्रिया, तकनीक, डेटा, नैतिकता) ने महत्वपूर्ण सकारात्मक संबंध दिखाए।
• कॉन्फ़िगरेशनल प्रकृति: समवर्ती मॉडलिंग (सभी आयामों को एक साथ शामिल करते समय) में, व्यक्तिगत कोएफिशिएंट कम हो गए और सांख्यिकीय महत्व खो दिया, हालांकि "डेटा तत्परता" संख्यात्मक रूप से उच्चतम रही। यह सुझाव देता है कि तत्परता एक एकीकृत संगठनात्मक विन्यास के रूप में कार्य करती है न कि स्वतंत्र भविष्यवक्ताओं के एक सेट के रूप में; आयाम महत्वपूर्ण विचरण साझा करते हैं।

B. संचरण तंत्र (The Transmission Mechanism) (RQ2)

• आंशिक मध्यस्थता (Partial Mediation): अध्ययन ने एकत्रित शिक्षक-कथित AI क्षमता को प्राथमिक संचरण तंत्र के रूप में पहचाना।
  • पथ A: स्कूल की तत्परता शिक्षकों की सामूहिक AI क्षमता की धारणा का महत्वपूर्ण रूप से पूर्वानुमान लगाती है ($\beta = 0.165, p < 0.001$)।
  • पथ B: शिक्षकों की कथित क्षमता छात्र AI साक्षरता का महत्वपूर्ण रूप से पूर्वानुमान लगाती है ($\beta = 0.009, p < 0.001$)।
  • अप्रत्यक्ष प्रभाव (Indirect Effect): अप्रत्यक्ष प्रभाव ($a \times b$) महत्वपूर्ण था ($0.0015, p = 0.034$), जो आंशिक मध्यस्थता की पुष्टि करता है।
• तंत्र की विशिष्टता: अन्य शिक्षक तंत्र, जैसे सामान्य दृष्टिकोण संबंधी स्वीकृति, संतुष्टि, या कथित सामाजिक समर्थन, पूर्ण मॉडल में स्थिर संचरण प्रभाव प्रदर्शित नहीं कर सके। यह रेखांकित करता है कि पेशेवर क्षमता महत्वपूर्ण लीवर है, न कि केवल दृष्टिकोण।

C. प्रासंगिक सुदृढ़ता (Contextual Robustness) (RQ3)

• क्षेत्रीय स्थिरता: भिन्न-भिन्न AI उद्योग विकास वाले क्षेत्रों में तत्परता-क्षमता-साक्षरता पथ संरचनात्मक रूप से स्थिर रहा।
• मॉडरेशन निष्कर्ष: जबकि उच्च-AI-विकास वाले क्षेत्रों में छात्रों का आधारभूत साक्षरता स्तर अधिक था, फिर भी स्कूल तत्परता और छात्र परिणामों के बीच संबंध की शक्ति उच्च- और निम्न-AI क्षेत्रों के बीच महत्वपूर्ण रूप से भिन्न नहीं थी।
• निहितार्थ: तत्परता को साक्षरता में बदलने के संस्थागत तंत्र स्केलेबल हैं और उन्हें क्षेत्रीय AI पारिस्थितिकी तंत्र की परिपक्वता पर निर्भर नहीं होना पड़ता है।

4. प्रमुख योगदान (Key Contributions)

1. सैद्धांतिक प्रगति:

   • एक बहु-स्तरीय पारिस्थितिक ढांचे के माध्यम से संस्थागत क्षमता को छात्र परिणामों से जोड़कर AI तत्परता के "चेकलिस्ट" दृष्टिकोण से आगे बढ़ता है।
   • AI के संदर्भ में संगठनात्मक सहायता सिद्धांत (Organizational Support Theory) और पारिस्थितिक प्रणाली सिद्धांत (Ecological Systems Theory) को परिष्कृत करता है, यह प्रदर्शित करते हुए कि मैक्रो-स्तरीय निवेश को छात्र स्तर पर प्रभाव डालने के लिए मेसो-स्तरीय सामूहिक शिक्षक क्षमता द्वारा मध्यस्थ होना चाहिए।
   • यह दृष्टिकोण संबंधी स्वीकृति (जो एक मजबूत मध्यस्थ नहीं थी) और निर्देशात्मक क्षमता (प्रमुख मध्यस्थ) के बीच अंतर करता है, जो उन मौजूदा प्रौद्योगिकी अपनाने वाले मॉडलों को चुनौती देता है जो सक्षमता के बजाय इरादे को प्राथमिकता देते हैं।

2. कार्यप्रणाली की कठोरता:

   • छोटे-नमूने वाले केस स्टडीज की सीमाओं को दूर करने के लिए अभूतपूर्व डेटासेट (2.3M+ छात्र) का उपयोग करता है।
   • कारण-समान संबंधों (causal-like associations) और संरचनात्मक स्थिरता को स्थापित करने के लिए कठोर क्रॉस-लेवल मीडिएशन विश्लेषण और सुदृढ़ता जाँच (2-2-2 एकत्रीकरण और क्षेत्रीय मॉडरेशन सहित) का उपयोग करता है।

3. नीतिगत निहितार्थ:

   • एकीकृत निवेश: केवल बुनियादी ढांचे का निवेश पर्याप्त नहीं है; इसे निरंतर व्यावसायिक विकास के साथ संरेखित होना चाहिए।
   • क्षमता पर ध्यान: नीति को जागरूकता अभियानों से हटकर सामूहिक शिक्षक निर्देशात्मक क्षमता के निर्माण की ओर स्थानांतरित होना चाहिए।
   • समता (Equity): क्षेत्रों के बीच पथ की स्थिरता यह सुझाव देती है कि आंतरिक स्कूल संगठन को मजबूत करना संसाधन-बाधित या निम्न-AI-विकास वाले क्षेत्रों में भी AI साक्षरता अंतराल को कम करने में मदद कर सकता है।

5. महत्व (Significance)

यह अध्ययन पहला बड़े पैमाने पर, तंत्र-आधारित साक्ष्य प्रदान करता है कि संस्थागत AI तत्परता एक महत्वपूर्ण भविष्यवक्ता है, लेकिन केवल तभी जब यह सफलतापूर्वक सामूहिक शिक्षक क्षमता को विकसित करती है। यह AI एकीकरण को विशुद्ध रूप से तकनीकी अपग्रेड से बदलकर एक प्रणालीगत संगठनात्मक परिवर्तन के रूप में पुनर्गठित करता है। वैश्विक व्यावसायिक शिक्षा प्रणालियों के लिए, निष्कर्ष इस बात पर जोर देते हैं कि "मानवीय तत्व" (शिक्षक क्षमता) संस्थागत निवेश और छात्र सक्षमता के बीच आवश्यक सेतु है, जो क्षेत्रीय आर्थिक असमानताओं के बावजूद समान AI अपनाने के लिए एक स्केलेबल ब्लूप्रिंट प्रदान करता है।