Multi-Level Barriers to Generative AI Adoption Across Disciplines and Professional Roles in Higher Education
यह अध्ययन एक रसेल ग्रुप विश्वविद्यालय के 272 कर्मचारियों के बहु-विधि विश्लेषण का उपयोग करके यह प्रदर्शित करता है कि जेनरेटिव एआई (Generative AI) को अपनाने में बाधाएं संरचनात्मक रूप से उत्पन्न होती हैं और भूमिका एवं विषय के आधार पर व्यवस्थित रूप से भिन्न होती हैं, जिसमें गैर-स्टेम (non-STEM) शिक्षाविद मुख्य रूप से नैतिक चिंताओं का हवाला देते हैं जबकि स्टेम (STEM) और पेशेवर सेवा कर्मियों संस्थागत और बुनियादी ढांचे की बाधाओं पर जोर देते हैं।
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
एक विश्वविद्यालय की कल्पना एक अकेली इमारत के रूप में नहीं, बल्कि अलग-अलग मोहल्लों वाले एक विशाल, हलचल भरे शहर के रूप में करें। इस शहर में, दो मुख्य प्रकार के निवासी हैं: विद्वान (शिक्षक और शोधकर्ता) जो "अकादमिक जिले" में रहते हैं, और ऑपरेटिव्स (प्रशासनिक और सहायक कर्मचारी) जो "सिटी सर्विसेज" जिले को चलाते हैं।
हाल ही में, एक नया, शक्तिशाली उपकरण जिसे जेनरेटिव एआई (एक सुपर-स्मार्ट रोबोट सहायक की तरह) कहा जाता है, इस शहर में आया है। हर कोई उत्साहित है, लेकिन साथ ही भ्रमित भी है। कुछ लोग इसका उपयोग करने के लिए उत्सुक हैं, जबकि कुछ लोग पीछे हट रहे हैं।
यह शोध पत्र एक जासूसी कहानी की तरह है जो यह पूछती है: "इस शहर में कुछ लोग उस रोबोट सहायक का उपयोग करने में अधिक संकोच क्यों कर रहे हैं? क्या ऐसा इसलिए है क्योंकि वे नई तकनीक से डरे हुए हैं, या इसलिए क्योंकि उनके विशिष्ट मोहल्ले के नियम और समस्याएं अलग हैं?"
यहाँ शोधकर्ताओं द्वारा की गई खोजों का सरल विवरण दिया गया है:
1. पुराना सिद्धांत बनाम नई खोज
पुराना सिद्धांत: अधिकांश लोगों का मानना था कि यह संकोच व्यक्तिगत था। उनका मानना था कि, "यदि हम सभी को एक प्रशिक्षण कक्षा दे दें, तो वे रोबोट से प्यार करने लगेंगे।" यह ऐसा ही था जैसे यह सोचना कि हर किसी को स्टीयरिंग व्हील के पीछे सहज महसूस करने के लिए बस एक ड्राइविंग लेसन की आवश्यकता है।
नई खोज: शोधकर्ताओं ने पाया कि संकोच केवल व्यक्तिगत डर के बारे में नहीं है; यह इस बारे में है कि आप शहर में कहाँ रहते हैं। बाधाएं "संरचनात्मक" (structural) हैं, जिसका अर्थ है कि वे विभिन्न मोहल्लों के भीतर ही निर्मित हैं।
2. दो अलग-अलग मोहल्ले (विषय)
शोधकर्ताओं ने विद्वानों को दो समूहों में विभाजित किया: STEM (विज्ञान, तकनीक, इंजीनियरिंग, गणित) और Non-STEM (कला, मानविकी, सामाजिक विज्ञान)।
- Non-STEM मोहल्ला (लेखक और विचारक):
- समस्या: वे मुख्य रूप से नैतिकता और नकल (cheating) को लेकर चिंतित हैं।
- रूपक: चित्रकारों के एक समूह की कल्पना करें। वे डरे हुए हैं कि रोबंतु उनके ब्रश के स्ट्रोक चुरा लेगा, उनके हस्ताक्षर की नकल करेगा, या उनकी कला को नकली बना देगा। उन्हें डर है कि यदि छात्र रोबोट का उपयोग करेंगे, तो वे अपने लिए सोचने या लिखने का कौशल नहीं सीख पाएंगे। उनकी बाधा नैतिक है: "क्या यह सही है? क्या यह उचित है?"
- STEM मोहल्ला (निर्माता और कोडर):
- समस्या: वे मुख्य रूप रूप से उपकरणों और नियमों को लेकर चिंतित हैं।
- रूपक: इंजीनियरों के एक समूह की कल्पना करें। उन्हें रोबोट की आत्मा की चिंता नहीं है; उन्हें इस बात की चिंता है कि रोबोट के पास सही ब्लूप्रिंट नहीं है, या शहर उन्हें आवश्यक विशिष्ट सॉफ़्टवेयर खरीदने की अनुमति नहीं देगा। उनकी बाधा व्यावहारिक है: "क्या हमारे पास बजट है? क्या सॉफ़्टवेयर स्वीकृत है?"
3. दो अलग-अलग भूमिकाएँ (Jobs)
शोधकर्ताओं ने शिक्षकों और प्रशासनिक कर्मचारियों (प्रोफेशनल सर्विसेज) के बीच के अंतर को भी देखा।
- शिक्षक: वे इसे एक शैक्षणिक जोखिम (pedagogical risk) के रूप में देखते हैं। वे इस बात को लेकर चिंतित हैं कि यह कक्षा को कैसे बदलता है, यह छात्र के सीखने को कैसे प्रभावित करता है, और क्या यह शैक्षणिक ईमानदारी के नियमों को तोड़ता है।
- प्रशासक: वे इसे एक शासन संबंधी सिरदर्द (governance headache) के रूप में देखते हैं। वे शहर के द्वारों की चाबियाँ थामने वाले लोग हैं। वे डेटा गोपनीयता कानूनों, लाइसेंसिंग शुल्क और इस बात को लेकर चिंतित हैं कि क्या रोबोट उनके सुरक्षा तंत्र को तोड़ देगा।
- रूपक: यदि रोबोट एक नए प्रकार का वाहन है, तो शिक्षक यात्रियों (छात्रों) के बारे में चिंतित हैं। प्रशासक इस बात के लिए चिंतित हैं कि क्या वाहन के पास वैध लाइसेंस, बीमा है और क्या इसे सड़क पर चलने की अनुमति है।
4. "शहर का मानचित्र" (डेटा)
शोधकर्ताओं ने 272 लोगों का सर्वेक्षण किया और डेटा को देखने के लिए तीन अलग-अलग "लेंस" का उपयोग किया:
- सर्वेक्षण (मानचित्र): उन्होंने लोगों से उनकी शीर्ष तीन चिंताओं को चुनने के लिए कहा।
- गणित (कुतुबनुमा/Compass): उन्होंने यह साबित करने के लिए जटिल सांख्यिकी का उपयोग किया कि आपका पद और आपका विषय क्षेत्र आपकी चिंताओं की भविष्यवाणी करते हैं।
- वर्ड क्लाउड (आवाजें): उन्होंने कंप्यूटर को हजारों लिखित टिप्पणियों को पढ़ने और उन्हें विषयों के आधार पर समूहित करने दिया।
आवाजों ने क्या कहा:
- कुछ लोगों ने कहा, "मैं इसे कभी उपयोग नहीं करूँगा!" (शुद्ध प्रतिरोध)।
- कुछ ने कहा, "विश्वविद्यालय केवल एक विशिष्ट टूल की अनुमति देता है, और वह खराब है!" (नीतिगत हताशा)।
- कुछ ने कहा, "छात्र अपने आप सोचना बंद कर देंगे!" (अखंडता का डर)।
- कुछ ने कहा, "हमारे पास अच्छा संस्करण खरीदने के लिए पैसा नहीं है!" (बुनियादी ढांचे के मुद्दे)।
5. मुख्य निष्कर्ष
इस शोध पत्र का मुख्य सबक यह है कि आप इस समस्या को "एक ही आकार सबके लिए उपयुक्त" (one-size-fits-all) प्रशिक्षण सत्र के साथ हल नहीं कर सकते।
यदि आप चिंतित लेखकों को स्प्रेडशीट दिखाकर रोबोट का उपयोग करना सिखाने की कोशिश करते हैं, तो उन्हें इसकी परवाह नहीं होगी। यदि आप चिंतित प्रशासकों को "क्रिएटिव राइटिंग" सिखाने की कोशिश करते हैं, तो वे ऊब जाएंगे।
समाधान:
विश्वविद्यालयओं को विभिन्न मोहल्लों के लिए अलग-अलग रोडमैप बनाने की आवश्यकता है।
- लेखकों के लिए, उन्हें ईमानदारी के बारे में स्पष्ट नियम और मानवीय रचनात्मकता को जीवित रखने के तरीके चाहिए।
- निर्माताओं के लिए, उन्हें बेहतर सॉफ़्टवेयर एक्सेस और स्पष्ट तकनीकी दिशा-निर्देश चाहिए।
- प्रशासकों के लिए, उन्हें स्पष्ट कानूनी ढांचे और बजट अनुमोदन की आवश्यकता है।
संक्षेप में: रोबोट यहाँ रहने के लिए है। लेकिन इसे सफल बनाने के लिए, विश्वविद्यालय सभी के साथ एक जैसा व्यवहार नहीं कर सकता। उन्हें समझना होगा कि लोग जिन "बाधाओं" का सामना कर रहे हैं, वे वास्तव में उनके अपने विशिष्ट मोहल्लों की अलग दीवारें और घेरे 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।