Apriori-based Analysis of Learned Helplessness in Mathematics Tutoring: Behavioral Patterns by Level, Intervention, and Outcome
यह अध्ययन गणित ट्यूटरिंग लॉग का विश्लेषण करने के लिए अप्रीओरी (Apriori) एल्गोरिदम का उपयोग करता है, जो यह प्रकट करता है कि सीखी गई लाचारी (learned helplessness) के स्तर व्यवहारिक पैटर्न को महत्वपूर्ण रूप से प्रभावित करते हैं, जहाँ उच्च-लाचारी वाले छात्र बिना संकेत के समस्याओं को छोड़ने और अनसुलझे परिणामों के बीच मजबूत जुड़ाव प्रदर्शित करते हैं, जबकि निम्न-लाचारी वाले छात्र दृढ़ता, संकेतों के उपयोग और सफल समस्या समाधान के बीच अधिक सकारात्मक संबंध प्रदर्शित करते 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 डिजिटल गणित ट्यूटर की कल्पना एक मस्तिष्क के जिम (gym for the brain) के रूप में करें। ठीक वैसे ही जैसे एक पर्सनल ट्रेनर देखता है कि आप वजन कैसे उठा रहे हैं, यह कंप्यूटर सिस्टम (जिसे "एडेप्टिव इक्वेशन सेंसेई" कहा जाता है) यह देखता है कि छात्र गणित की समस्याओं को कैसे हल करते हैं। यह आपकी हर हरकत पर नज़र रखता है: क्या आप गलती करने के बाद फिर से कोशिश करते हैं? क्या आप संकेत (hint) मांगते हैं? या क्या आप बस समस्या को छोड़ देते हैं और आगे बढ़ जाते हैं?
यह अध्ययन एक जासूस की तरह है जो जिम के सुरक्षा फुटेज (security footage) को देख रहा है ताकि यह समझ सके कि कुछ लोग हार क्यों मान लेते हैं (एक अवस्था जिसे "लर्नड हेल्पलेसनेस" या सीखी हुई लाचारी कहा जाता है) जबकि अन्य संघर्ष जारी रखते हैं। शोधकर्ता ने एप्रीओरी एल्गोरिदम (Apriori algorithm) नामक एक विशेष कंप्यूटर टूल का उपयोग किया। इस टूल को एक पैटर्न-पहचानने वाले रोबोट के रूप में सोचें जो हजारों वर्कआउट सत्रों को स्कैन करके सामान्य आदतों को ढूंढता है।
रोबोट ने जो पाया, उसे यहाँ सरल रूप में दिया गया है:
1. "घोस्ट रनर" पैटर्न (छोड़ देना/Skipping)
विफल होने से जुड़ी सबसे आम आदत सीधे तौर पर समस्या को बिना मदद मांगे छोड़ देना थी।
- रूपक (Metaphor): कल्पना कीजिए कि एक दौड़ में एक धावक देखता है कि सामने एक बाधा है, वह तय करता है कि वह इसे पार नहीं कर सकता, और बिना यह जाने कि कूदना कैसे है, तुरंत वापस मुड़कर शुरुआती रेखा पर भाग जाता है।
- निष्कर्ष: जब छात्रों ने संकेत (hints) का उपयोग नहीं किया (जैसे कोच की सलाह), तो वे लगभग हमेशा एक अनसुलझी समस्या के साथ समाप्त हुए।
2. दो प्रकार के धावक (कम बनाम उच्च लाचारी)
अध्ययन ने छात्रों को इस आधार पर दो समूहों में विभाजित किया कि वे अपनी सफलता पर कितना नियंत्रण महसूस करते थे: लो हेल्पलेसनेस (कम लाचारी) (आत्मविश्वासी धावक) और हाई हेल्पलेसनेस (उच्च लाचारी) (वे धावक जिन्हें लगता है कि दौड़ उनके खिलाफ है)।
आत्मविश्वासी धावक (Low Helplessness):
- वे समस्या पर जुटे रहने (छोड़ने नहीं) के प्रति अधिक इच्छुक थे।
- जब वे फंस जाते थे, तो वे संकेत मांगने के लिए अधिक इच्छुक होते थे, और इससे आमतौर पर उन्हें समस्या हल करने में मदद मिलती थी।
- उपमा: वे संकेत को एक कोच की मददगार टिप की तरह मानते हैं जो उन्हें वापस सही रास्ते पर लाती है।
निराश धावक (High Helplessness):
- उनमें समस्या छोड़ने की प्रबल आदत देखी गई, खासकर जब उन्होंने कोई गलती की।
- वे संकेतों से बचते थे और अक्सर प्रयास करने से पहले ही हार मान लेते थे।
- उपमा: वे संकेत को इस संकेत के रूप में देखते हैं कि वे "बहुत मूर्ख" हैं, इसलिए वे समस्या से पूरी तरह दूर भाग जाते हैं।
3. "कोच" प्रयोग (हस्तक्षेप बनाम कोई हस्तक्षेप नहीं)
अध्ययन ने छात्रों के दो समूहों की तुलना की:
- समूह A: सिस्टम का सामान्य रूप से उपयोग किया।
- समूह B: अतिरिक्त "हस्तक्षेप" (स्वचालित संकेत, प्रेरक संदेश और प्रयास जारी रखने के लिए प्रेरित करना) के साथ सिस्टम का उपयोग किया।
आश्चर्य:
आप सोच सकते हैं कि अतिरिक्त "कोच" (हस्तक्षेप) वाले समूह को समस्याओं पर टिके रहने में बेहतर होना चाहिए। हालांकि, डेटा ने कुछ अलग दिखाया:
- जिस समूह के पास अतिरिक्त संकेत (prompts) नहीं थे, उनमें "न छोड़ना" और "समस्या हल करना" के बीच सबसे मजबूत संबंध था। वे अपनी स्वयं की दृढ़ता पर अधिक भरोसा करते हुए प्रतीत हुए।
- जिस समूह के पास अतिरिक्त संकेत थे, उनमें छोड़ने और विफलता के अधिक पैटर्न देखे गए।
- महत्वपूर्ण नोट: यह पेपर हमें "कोच" को दोष देने के लिए नहीं कहता है। ये अलग-अलग स्कूलों के दो अलग-अलग छात्र समूह थे। यह संभव है कि जिन छात्रों को अतिरिक्त मदद की आवश्यकता थी, वे पहले से ही वे लोग थे जो समस्या छोड़ने की अधिक संभावना रखते थे, न कि संकेतों के कारण वे छोड़ रहे थे।
4. "जिम" के लिए इसका क्या अर्थ है
मुख्य निष्कर्ष यह है कि समस्या पर टिके रहना ही इसे हल करने की सुनहरी कुंजी है।
- सफलता का नुस्खा: छोड़ें नहीं, और यदि आप फंस गए हैं, तो संकेत का उपयोग करें।
- विफलता का नुस्खा: समस्या को छोड़ दें और संकेत को अनदेखा करें।
अध्ययन सुझाव देता है कि जो छात्र लाचारी महसूस करते हैं, उनके लिए सिस्टम को धीरे से उन्हें दौड़ में बने रहने और कोच की सलाह का उपयोग करने के लिए प्रेरित करने के लिए डिज़ाइन किया जाना चाहिए, न कि उन्हें भाग जाने देने के लिए।
"बारीक विवरण" (सीमाएं)
शोधकर्ता इस अध्ययन की सीमाओं के बारे में ईमानदार है:
- कैमरा एंगल: सिस्टम केवल यह देखता है कि छात्रों ने क्या किया (छोड़ा, क्लिक किया, हल किया), न कि उन्होंने ऐसा क्यों किया। शायद उन्होंने इसलिए छोड़ा क्योंकि समस्या बहुत कठिन थी, न कि इसलिए कि वे डरे हुए थे।
- नमूना (Sample): यह फिलीपींस के 8वीं कक्षा के छात्रों के साथ किया गया था। हाई स्कूल के छात्रों या अन्य देशों के लिए नियम अलग हो सकते हैं।
- डेटा: अध्ययन ने "सत्रों" (एक बार के विज़िट) को देखा, न कि किसी विशिष्ट छात्र को लंबे समय तक ट्रैक करने को। यह एक व्यक्ति की पूरी यात्रा को देखने के बजाय लोगों की भीड़ को देखने जैसा है।
संक्षेप में, यह पेपर डेटा का उपयोग यह दिखाने के लिए करता है कि समस्या से बचना विफलता का सबसे बड़ा भविष्यवक्ता है, जबकि उस पर टिके रहना और मदद मांगना सफलता का मार्ग है, विशेष रूप से उन छात्रों के लिए जिन्हें लगता है कि वे जीत नहीं सकते।
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।