Framing, Judging, Steering: An Assessable Competency Model for Teach-ing Students to Reason With Generative AI
यह शोध पत्र CoRe-3 प्रस्तुत करता है, जो एक क्षमता मॉडल है जो कार्यों को फ्रेम करने (Framing), आउटपुट का निर्णय लेने (Judging) और मॉडलों को निर्देशित करने (Steering) के विशिष्ट कौशलों को अलग करके जेनरेटिव एआई का प्रभावी ढंग से उपयोग करने की छात्रों की क्षमता का आकलन करता है, और इन तीन कौशलों के पृथक्करण और अभिसारी वैधता (convergent validity) को प्रदर्शित करने वाले एक ओपन प्लेटफॉर्म के माध्यम से इस ढांचे को मान्य करता 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
यहाँ इस शोध पत्र (paper) का सरल, रोज़मर्रा की भाषा में विवरण दिया गया है, जिसमें अवधारणाओं को स्पष्ट करने के लिए उपमाओं (analogies) का उपयोग किया गया है।
बड़ी समस्या: "जादुई उत्तर" का जाल (The "Magic Answer" Trap)
कल्पना कीजिए कि आपके पास एक जादुई जिन्न (Generative AI) है जो तुरंत आपका होमवर्क लिख सकता है, आपकी गणित की समस्याओं को हल कर सकता है, या आपके ईमेल ड्राफ्ट कर सकता है। यह शोध पत्र तर्क देता है कि स्कूल वर्तमान में छात्रों का परीक्षण इस बात पर कर रहे हैं कि वे इन कार्यों को जिन्न के बिना कितनी अच्छी तरह कर सकते हैं। लेकिन वास्तविक दुनिया में, जिन्न हमेशा वहीं होता है।
खतरा जिन्न का उपयोग करने में नहीं है; खतरा इसका बिना सोचे-समझे (uncritically) उपयोग करने में है। यदि आप बस जिन्न से उत्तर मांगते हैं और उसे कॉपी कर लेते हैं, तो आप सीख नहीं रहे हैं। आप बस अपने मस्तिष्क का काम मशीन पर "ऑफलोड" (transfer) कर रहे हैं। आपको एक सही उत्तर तो मिल जाता है, लेकिन आपका दिमाग वैसा ही रहता है।
लेखक कहते हैं कि हमें जिस वास्तविक कौशल को सिखाने और परखने की आवश्यकता है, वह यह नहीं है कि "उत्तर कैसे प्राप्त करें," बल्कि यह है कि "जिन्न के साथ काम कैसे करें।"
समाधान: "FJS" मॉडल (CoRe-3)
लेखक एक नया तरीका प्रस्तावित करते हैं जिससे यह मापा जा सके कि कोई छात्र AI के साथ कितनी अच्छी तरह काम करता है। वे इसे CoRe-3 (Co-Reasoning) कहते हैं। वे इस प्रक्रिया को तीन अलग-अलग कौशलों में विभाजित करते हैं, जिन्हें वे FJS के रूप में संक्षिप्त करते हैं:
फ्रेमिंग (Framing) - (द आर्किटेक्ट/वास्तुकार)
- यह क्या है: इससे पहले कि आप मदद के लिए जिन्न से पूछें, आपको यह तय करना होगा कि आप वास्तव में किस समस्या को हल कर रहे हैं।
- उपमा: कल्पना कीजिए कि आपने एक घर बनाने के लिए एक ठेकेदार को काम पर रखा है। यदि आप केवल कहेंगे, "मेरे लिए एक घर बनाओ," तो आपको एक गड़बबड़ चीज़ मिलेगी। आपको कहना होगा, "इस विशिष्ट भूखंड पर, $200k के तहत, सोलर रूफ वाला 3-बेडरूम का घर बनाओ।"
- कौशल: एक अस्पष्ट, बिखरी हुई समस्या को AI के काम शुरू करने से पहले एक स्पष्ट, विशिष्ट निर्देश में बदलना।
जजिंग (Judging) - (द इंस्पेक्टर/निरीक्षक)
- यह क्या है: जिन्न आपको एक उत्तर देता है। आपका काम उसे देखना और यह कहना है, "क्या यह वास्तव में सही है?"
- उपमा: ठेकेदार आपको ब्लूप्रिंट (नक्शा) सौंपता है। आप केवल सिर हिलाकर "बहुत बढ़िया!" नहीं कहते। आप जाँच करते हैं: "रुको, तुमने बाथरूम छत पर बना दिया? यह एक गलती है। और तुमने नींव के लिए लकड़ी का इस्तेमाल किया? यह गलत है।"
- कौशल: AI के आउटपुट में त्रुटियों, छूटी हुई बारीकियों या छिपी हुई धारणाओं को आलोचनात्मक रूप से पहचानना।
स्टीयरिंग (Steering) - (द पायलट/चालक)
- यह क्या है: एक बार जब आप गलतियाँ ढूँढ लेते हैं, तो आपको जिन्न को बताना होगा कि उन्हें कैसे ठीक किया जाए।
- उपमा: आप केवल यह नहीं कहते, "इसे ठीक करो।" आप कहते हैं, "बाथरूम को दूसरी मंजिल पर ले जाओ और नींव को कंक्रीट में बदल दो। साथ ही, सुनिश्चित करें कि रसोई दक्षिण की ओर हो।"
- कौशल: बेहतर परिणाम की ओर AI को निर्देशित करने के लिए विशिष्ट, सुधारात्मक फीडबैक देना।
बड़ा विचार: इन्हें अलग क्यों किया गया है?
AI कौशल को मापने के पुराने तरीकों में छात्रों को "प्रॉम्प्टिंग" (Prompting) के लिए एक ही स्कोर दिया जाता था। लेखक कहते हैं कि यह एक शेफ को "खाना पकाने" पर ग्रेड देने जैसा है बिना यह देखे कि क्या उन्होंने सही सामग्री खरीदी (Framing), सूप चखा (Judging), या नमक का स्तर समायोजित किया (Steering)।
- फ्रेमिंग (Framing) AI के बोलने से पहले होती है।
- जजिंग (Judging) AI के बोलने के बाद होती है।
- स्टीयरिंग (Steering) जज करने के बाद होती है।
शोध पत्र का मुख्य दावा यह है कि ये तीन अलग-अलग कौशल हैं। आप फ्रेमिंग (अच्छे प्रश्न पूछने) में बहुत अच्छे हो सकते हैं लेकिन जजिंग (AI की गलतियों को पकड़ने) में बहुत खराब हो सकते हैं। या आप स्टीयरिंग (चीजों को ठीक करने) में बहुत अच्छे हो सकते हैं लेकिन आपने एक खराब योजना के साथ शुरुआत की थी। लेखकों ने सिद्ध किया है कि आप इन्हें अलग-अलग माप सकते हैं।
उन्होंने इसे कैसे परखा (द "रोबोट स्टूडेंट" एक्सपेरिमेंट)
इन कौशलों को अलग साबित करने के लिए, लेखकों ने CoReasoningLab नामक एक डिजिटल लैब बनाई।
- सेटअप: उन्होंने 80 "सिम्युलेटेड छात्र" (कंप्यूटर प्रोग्राम जो इंसानों की तरह व्यवहार करते हैं) बनाए। उन्होंने कुछ को फ्रेमिंग में अच्छा, कुछ को जजिंग में अच्छा, और कुछ को स्टीयरिंग में अच्छा होने के लिए प्रोग्राम किया, और इन कौशलों को आपस में मिलाया।
- परीक्षण: उन्होंने इन रोबोट छात्रों को चुनौतियों की एक श्रृंखला दी।
- परिणाम: ग्रेडिंग प्रणाली पूरी तरह से काम कर गई।
- जब एक रोबोट को फ्रेमिंग में "खराब" होने के लिए प्रोग्राम किया गया था, तो उसका फ्रेमिंग स्कोर गिर गया, लेकिन उसका जजिंग स्कोर समान रहा।
- जब एक रोबोट "खराब" स्टीयरिंग के लिए प्रोग्राम किया गया था, तो उसका स्टीयरिंग स्कोर गिर गया, लेकिन उसका फ्रेमिंग स्कोर ऊँचा रहा।
- निष्कर्ष: सिस्टम ने सफलतापूर्वक सिद्ध किया कि ये तीन कौशल अलग-अलग हैं। आप एक में अच्छे और दूसरे में खराब हो सकते हैं। ये केवल एक बड़ा "AI कौशल" नहीं हैं।
यह क्यों महत्वपूर्ण है
शोध पत्र का तर्क है कि जैसे-जैसे AI स्मार्ट होता जा रहा है, इंसान का काम बदल रहा है। हमें वह भारी काम करने की ज़रूरत नहीं है (वह AI करता है)। इसके बजाय, हमें आर्किटेक्ट (Architect), इंस्पेक्टर (Inspector) और पायलट (Pilot) बनने की आवश्यकता है।
- पुरानी शिक्षा: "क्या आप अकेले इस गणित की समस्या को हल कर सकते हैं?"
- नई शिक्षा (CoRe-3): "क्या आप समस्या को परिभाषित कर सकते हैं, AI की गलतियों को पकड़ सकते हैं, और उसे सही समाधान की ओर निर्देशित कर सकते हैं?"
लेखक अपने टूल्स और "लैब" को जारी कर चुके हैं ताकि शिक्षक अभी से इन तीन विशिष्ट कौशलों को पढ़ाना और परखना शुरू कर सकें। वे यह नहीं कह रहे हैं कि AI बुरा है; वे कह रहे हैं कि AI का अच्छी तरह से उपयोग करने के लिए, हमें इसे एक जादुई उत्तर देने वाली मशीन के रूप में देखना बंद करना होगा और इसे एक ऐसे साथी के रूप में देखना शुरू करना होगा जिसे स्पष्ट दिशा और निरंतर पर्यवेक्षण की आवश्यकता 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।