Towards the Development of Detection of Learned Helplessness in Mathematics: Design and Data Collection Challenges from a Developing Country Perspective
यह शोध पत्र एक संसाधन-सीमित विकासशील देश में गणित के भीतर सीखी गई लाचारी (learned helplessness) का पता लगाने के लिए एक वेब-आधारित ट्यूटरिंग सिस्टम विकसित करते समय सामना की गई डिज़ाइन और डेटा संग्रह की चुनौतियों का दस्तावेजीकरण करता है, जो यह रेखांकित करता है कि कैसे ढांचागत सीमाओं और लॉजिस्टिक व्यवधानों ने छात्रों से डेटा प्राप्ति को महत्वपूर्ण रूप से प्रभावित किया।
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 आप एक स्मार्ट रोबोट शिक्षक बनाने की कोशिश कर रहे हैं जो "कमरे को पढ़" सके ताकि यह देख सके कि कोई छात्र हार मान रहा है क्योंकि वह निराशा महसूस कर रहा है (एक ऐसी भावना जिसे मनोवैज्ञानिक Learned Helplessness या 'सीखी हुई लाचारी' कहते हैं) या सिर्फ इसलिए क्योंकि वाई-फाई खराब है। यह शोध पत्र बिल्कुल इसी के बारे में है।
शोधकर्ताओं ने फिलीपींस में एक वेब-आधारित गणित ट्यूटर बनाने की कोशिश की ताकि वे रैखिक समीकरणों (linear equations - बीजगणित का एक विशिष्ट प्रकार) को पढ़ा सकें। उनका लक्ष्य केवल गणित पढ़ाना नहीं था; वे इस बात का डेटा एकत्र करना चाहते थे कि छात्र समस्याओं को हल करते समय कैसा व्यवहार करते हैं ताकि वे एक ऐसा मॉडल बना सकें जो यह पहचान सके कि कब एक छात्र यह महसूस करने लगता है कि "मैं यह नहीं कर सकता, तो कोशिश करने का क्या फायदा?"
यह उनकी यात्रा की कहानी है, जिसे सरल उपमाओं के माध्यम से बताया गया है:
1. बड़ा विचार: "हेल्पलेसनेस डिटेक्टर" (लाचारी पहचानने वाला यंत्र)
Learned Helplessness को एक ऐसे कुत्ते की तरह समझें जिसे इतनी बार बिजली के झटके दिए गए हैं कि वह भागने की कोशिश करना ही छोड़ देता है, भले ही दरवाजा खुला हो। गणित में, यह तब होता है जब छात्र बार-बार असफल होते हैं, और यह मानने लगते हैं कि वे "गणित में बुरे" हैं, और फिर कोशिश करना भी छोड़ देते हैं, भले ही वे सफल हो सकते हों।
शोधकर्ता इस भावना को मापने के लिए एक डिजिटल "थर्मामीटर" बनाना चाहते थे। उन्होंने Adaptive Sensei नामक एक वेबसाइट बनाई (जो एक पुराने ऐप का वेब संस्करण है) जो एक वीडियो गेम की तरह काम करती है। यह छात्रों को सवाल छोड़ने (skip), संकेत (hints) लेने और अलग-अलग मोड (आसान से कठिन या कठिन से आसान) में खेलने की अनुमति देती है। जैसे-जैसे छात्र खेलते हैं, सिस्टम उनकी हर हरकत पर नज़र रखता है—वे किसी समस्या को कितनी देर तक देखते रहते हैं, वे कब "skip" पर क्लिक करते हैं, या कब वे निराश होते हैं—यह देखने के लिए कि क्या वे हार मानने के संकेत दे रहे हैं।
2. वास्तविकता की जाँच: तूफान में दौड़ लगाने की कोशिश
शोधकर्ताओं ने योजना बनाई थी कि वे इसे सरकारी स्कूलों के 410 छात्रों पर टेस्ट करेंगे। हालांकि, एक विकासशील देश में काम करने की वास्तविकता एक भारी जूतों को पहनकर और बारिश में मैराथन दौड़ने जैसी थी। केवल 118 छात्र ही वास्तव में शुरुआती रेखा तक पहुँच पाए और डेटा संग्रह पूरा कर सके।
यहाँ तीन मुख्य "तूफान" थे जिनका उन्होंने सामना किया:
A. "रेड टेप" (लालफीताशाही) का भूलभुलैया (लॉजिस्टिक चुनौतियाँ)
स्कूलों में प्रवेश की अनुमति प्राप्त करना एक बहुत ही सख्त देश का वीज़ा पाने की कोशिश करने जैसा था। उन्हें निम्नलिखित से अनुमति लेनी पड़ी:
- राष्ट्रीय शिक्षा विभाग।
- स्थानीय स्कूल डिवीजन।
- प्रत्येक स्कूल का प्रिंसिपल।
- हेड टीचर्स।
- गणित के शिक्षक।
- माता-पिता।
- छात्र।
अनुमति मिलने में ही महीनों लग गए। जब तक उन्हें मंजूरी मिली, स्कूल का सत्र बदल चुका था और छात्रों का शेड्यूल भर चुका था। यह एक सरप्राइज पार्टी की योजना बनाने जैसा है, लेकिन जब तक आप केक लेकर पहुँचते हैं, जन्मदिन वाला व्यक्ति पहले ही दूसरे घर में जा चुका होता है।
B. "पाठ्यक्रम अंतराल" (शैक्षिक चुनौतियाँ)
शोधकर्ताओं ने मूल रूप से छठी कक्षा के छात्रों पर परीक्षण करने की योजना बनाई थी, लेकिन स्कूल प्रणाली ने पाठ्यक्रम बदल दिया। उन्हें आठवीं कक्षा के छात्रों पर स्विच करना पड़ा। लेकिन यहाँ एक मोड़ है: कई आठवीं कक्षा के छात्रों ने वास्तव में छठी कक्षा में रैखिक समीकरणों की बुनियादी बातें नहीं सीखी थीं क्योंकि स्कूल में व्यवधान (जैसे तूफान या लू) आए थे।
यह किसी को मैराथन दौड़ने के लिए कहने जैसा है, लेकिन उन्होंने अभी तक अपने जूते के फीते बांधना भी नहीं सीखा है। जब छात्र संघर्ष कर रहे थे, तो शोधकर्ता यह नहीं बता पा रहे थे कि छात्र "Learned Helplessness" (इसलिए हार मान रहे हैं क्योंकि वे खुद को मूर्ख महसूस कर रहे हैं) महसूस कर रहे हैं या वे केवल इसलिए भ्रमित थे क्योंकि उनके पास बुनियादी पाठों की कमी थी। इसने डेटा को "शोरयुक्त" (noisy) और व्याख्या करने में कठिन बना दिया।
C. "डिजिटल रेगिस्तान" (तकनीकी चुनौतियाँ)
शोधकर्ताओं ने माना था कि चूंकि छात्रों के पास स्मार्टफोन हैं, इसलिए वे आसानी से वेबसाइट का उपयोग कर पाएंगे। लेकिन यह किसी को फरारी देने जैसा था लेकिन पास में कोई गैस स्टेशन नहीं था।
- पुराने फोन: कई छात्रों के पास पुराने फोन थे जो साधारण वेबसाइट लोड करने में संघर्ष कर रहे थे।
- इंटरनेट नहीं: स्कूलों में मुफ्त वाई-फाई नहीं था। शोधकर्ताओं को अपने स्वयं के "पॉकेट वाई-फाई" डिवाइस लाने पड़े, जो पुराने और कमजोर थे।
- सिग्नल ब्लैकआउट: कुछ कक्षाएं ऐसे क्षेत्रों में थीं जहाँ सिग्नल शून्य था। टीम को छात्रों को स्कूल के अलग-अलग स्थानों पर ले जाना पड़ा ताकि एक पेज लोड करने के लिए पर्याप्त सिग्नल मिल सके।
भ्रम: जब एक छात्र ने काम करना बंद कर दिया, तो क्या वह गणित के प्रति लाचारी महसूस कर रहा था? या क्या वह इसलिए था क्योंकि पेज लोड नहीं हो रहा था? शोधकर्ता समझ गए कि तकनीकी हताशा, गणित की हताशा के समान ही दिख सकती है। इसने एक सटीक "हेल्पलेसनेस डिटेक्टर" बनाना बहुत कठिन बना दिया।
3. सीखा गया सबक
यह शोध पत्र निष्कर्ष निकालता है कि विकासशील देशों में स्मार्ट शैक्षिक उपकरण बनाना केवल कोड लिखने से कहीं अधिक कठिन है।
- यह न मानें कि हर कोई "डिजिटल नेटिव" है: सिर्फ इसलिए कि एक बच्चे के पास फोन है, इसका मतलब यह नहीं है कि वह वेबसाइट चलाना जानता है। कई छात्रों को लिंक खोलने के लिए भी मदद की जरूरत थी।
- समय नाजुक है: आप केवल 1 घंटे का सत्र तय नहीं कर सकते। आपको तूफान, लू और स्कूल बंद होने जैसे कारकों को ध्यान में रखना होगा।
- "शोर" की समस्या: यदि आपका सिस्टम गड़बड़ है, तो आप यह नहीं बता पाएंगे कि छात्र का "मैथ मेल्टडाउन" (गणित से मानसिक तनाव) हो रहा है या "टेक मेल्टडाउन" (तकनीक से मानसिक तनाव)।
निचोड़
यह शोध पत्र एक आदर्श, काम करने वाले रोबोट शिक्षक की कहानी नहीं है। यह एक "फील्ड मैनुअल" है उस कठिन और जटिल वास्तविकता के बारे में, जहाँ इंटरनेट अस्थिर है, स्कूल अत्यधिक बोझ तले दबे हैं, और छात्र सीखने के अंतराल से जूझ रहे हैं।
मुख्य बात यह है कि यदि आप यह पता लगाना चाहते हैं कि कोई छात्र निराशा महसूस कर रहा है या नहीं, तो पहले आपको यह सुनिश्चित करना होगा कि इंटरनेट काम करे, छात्रों को वास्तव में बुनियादी बातें पता हों, और आपके पास उन्हें बिना जल्दबाजी के देखने के लिए पर्याप्त समय हो। इन वास्तविक दुनिया की समस्याओं को ठीक किए बिना, "डिटेक्टर" शायद यह नहीं माप पाएगा कि छात्र कैसा महसूस कर रहा है, बल्कि यह माप लेगा कि वाई-फाई कितना खराब है।
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।