Your Students Don't Use LLMs Like You Wish They Did
यह शोध पत्र छात्र-एआई (student-AI) अंतःक्रियाओं में शैक्षणिक संरेखण का मूल्यांकन करने के लिए छह नए कम्प्यूटेशनल मेट्रिक्स प्रस्तुत करता है, जिससे यह पता चलता है कि छात्र मुख्य रूप से एलएलएम (LLM) का उपयोग त्वरित उत्तर निकालने के लिए करते हैं न कि उस निरंतर शिक्षण संवाद के लिए जिसे शिक्षक लक्षित करते हैं, और यह व्यवहार काफी हद तक इस बात से प्रेरित है कि इन उपकरणों को पाठ्यक्रम में कैसे एकीकृत किया गया है।
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
"चीट शीट" का विरोधाभास: क्यों आपका AI ट्यूटर आपको मूर्ख बना रहा हो सकता है
कल्पना कीजिए कि आपने खुद को फिट रखने के लिए एक पर्सनल ट्रेनर को काम पर रखा है। आप उन्हें इसलिए भुगतान कर रहे हैं ताकि वे आपको मेहनत करवा सकें, आपसे पसीना निकलवा सकें, और आपको सही तरीके से वजन उठाना सिखा सकें ताकि अंततः आप खुद वर्कआउट कर सकें।
लेकिन आपको सिखाने के बजाय, ट्रेनर बस आपको एक प्रोटीन शेक थमा देता है और कहता है, "यह लो, इसे पियो, तुम्हें बहुत अच्छा लगेगा!" आप संतुष्ट महसूस करते हैं क्योंकि शेक स्वादिष्ट है और यह आसान था, लेकिन आपकी मांसपेशियां वास्तव में विकसित नहीं हो रही हैं। वास्तव में, आप कमजोर होते जा रहे हैं क्योंकि आपने कठिन परिश्रम करना बंद कर दिया है।
यही वह चीज़ है जो इस शोध पत्र ने खोजा है कि स्कूलों में AI के साथ वास्तव में क्या हो रहा है।
बड़ी समस्या: "संतुष्टि का जाल" (The Satisfaction Trap)
अधिकांश लोग जो शैक्षिक AI उपकरण बनाते हैं, वे सफलता को इस सवाल से मापते हैं, "क्या आपको इसका उपयोग करना पसंद आया?" यदि छात्र "हाँ!" कहते हैं, तो डेवलपर्स सोचते हैं कि वे जीत गए हैं।
सिडनी विश्वविद्यालय के शोधकर्ताओं का कहना है कि यह एक बहुत बड़ी गलती है। उन्होंने पाया कि छात्र वास्तव में अपने स्वयं के सीखने के बहुत बुरे निर्णायक होते हैं। एक मनोवैज्ञानिक घटना है जिसे "प्रवाह का भ्रम" (Illusion of Fluency) कहा जाता है। यह वैसा ही है जैसे जब आप एक किताब पढ़ते हैं और पढ़ते समय सब कुछ समझ में आता है, इसलिए आपको लगता है कि आपने विषय पर महारत हासिल कर ली है—केवल यह महसूस करने के लिए कि परीक्षा के दौरान आपने वास्तव में कुछ भी नहीं समझा था। आपने "उपयोग में आसानी" को "ज्ञान की गहराई" समझ लिया था।
खोज: दो अलग-अलग प्रकार के छात्र
शोधकर्ताओं ने छात्रों और AI के बीच हजारों संदेशों को ट्रैक किया। उन्होंने पाया कि एक छात्र AI का उपयोग कैसे करता है, यह लगभग पूरी तरह से इस बात पर निर्भर करता है कि स्कूल इसे कैसे सेटअप करता है।
1. "इमरजेंसी रूम" पैटर्न (वैकल्पिक AI)
जब कोई स्कूल छात्रों को एक AI टूल एक वैकल्पिक अतिरिक्त चीज़ के रूप में देता है, तो यह "ट्यूटर" नहीं बनता। यह एक इमरजेंसी रूम बन जाता है।
- व्यवहार: छात्र पूरे सेमेस्टर उपकरण को अनदेखा करते हैं। फिर, परीक्षा के सप्ताह के दौरान, वे अचानक हताश, घबराहट भरे सवालों के साथ AI पर टूट पड़ते हैं।
- रूपक (Metaphor): यह वैसा ही है जैसे कोई व्यक्ति पूरे महीने स्वस्थ भोजन नहीं करता, लेकिन फिर मैराथन से एक रात पहले केल (kale) का पहाड़ खाने की कोशिश करता है। यह "संकट प्रबंधन" है, न कि सीखना।
2. "फास्ट फूड" पैटर्न (एकीकृत AI)
जब AI को पाठ्यक्रम में सीधे शामिल किया जाता है (जैसे कि एक अनिवार्य सहायक के रूप में), तो छात्र इसका अधिक बार उपयोग करते हैं, लेकिन वे इसका उपयोग काम को छोड़ने के लिए करते हैं।
- व्यवहार: यह पूछने के बजाय कि, "यह कैसे काम करता है, क्या आप मुझे समझा सकते हैं?", वे सटीक होमवर्क प्रश्न को कॉपी और पेस्ट करते हैं और पूछते हैं, "उत्तर क्या है?"
- रूपक (Metaphor): यह शिक्षा का "फास्ट फूड" है। यह त्वरित है, यह कुशल है, और यह तत्काल भूख (असाइनमेंट) को शांत करता है, लेकिन यह शून्य पोषण मूल्य (वास्तविक सीखना) प्रदान करता है।
"जुड़ाव का विरोधाभास" (The Engagement Paradox)
यह सबसे चौंकाने वाली खोज है: एक छात्र जितना अधिक "जुड़ा हुआ" (engaged) दिखता है, संभावना है कि वह वास्तव में उतना ही कम सीख रहा हो।
शोधकर्ताओं ने व्यवहार को ट्रैक करने के लिए छह नए "गणितीय सूत्र" (मैट्रिक्स) बनाए। उन्होंने पाया कि कुछ मामलों में, छात्रों की AI के साथ बहुत लंबी, विनम्र और "बातूनी" बातचीत होती थी (उच्च जुड़ाव)। हालाँकि, वे लंबी बातचीत लगभग पूरी तरह से उत्तर निकालने पर केंद्रित थी न कि विचारों को समझने पर।
संक्षेप में: एक छात्र एक घंटे तक AI से "बात" कर सकता है, लेकिन यदि वह केवल उत्तर के लिए मोलभाव कर रहा है, तो वह वास्तव में अध्ययन करने के बजाय "सिस्टम को गेम" (system को चकमा देना) कर रहा है।
निष्कर्ष
पेपर यह निष्कर्ष निकालता है कि हम केवल ऐसा AI नहीं बना सकते जो "मजेदार" या "बात करने में आसान" हो। यदि कोई AI बहुत अधिक मददगार है, तो यह "उत्पादक संघर्ष" (productive struggle) को हटा देता है—वह मानसिक घर्षण जो मस्तिष्क के विकास के लिए वास्तव में आवश्यक है।
इसे ठीक करने के लिए, हमें यह मापना बंद करना होगा कि छात्र अपने AI को कितना पसंद करते हैं और यह मापना शुरू करना होगा कि क्या AI वास्तव में उन्हें सोचने पर मजबूर कर रहा है। हमें "उत्तर मशीनों" (Answer Machines) बनाने से हटकर वापस "सोचने वाले साथियों" (Thinking Partners) को बनाने की ओर बढ़ना होगा।
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।