Toward a Metaphysics of Learning Analytics: Ontological Positioning of Data, Inference, and Normativity
यह शोध पत्र लर्निंग एनालिटिक्स के आंतरिक सिद्धांतों से इसकी सत्तात्मक पहचान को व्युत्पन्न करके, इसके डेटा और एजेंटों की प्रकृति को स्पष्ट करके, तथा उद्देश्य और संचालन के संलयन को हल करने के लिए डेटा-संचालित अनुमान और मानदंड-अंतर्निहित प्रथाओं के बीच अंतर करके लर्निंग एनालिटिक्स के एक तत्वमीमांसा (metaphysics) की स्थापना 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 "Toward a Metaphysics of Learning Analytics" पेपर का सरल भाषा और रोज़मर्रा के उदाहरणों के साथ विवरण दिया गया है।
बड़ी तस्वीर: यह पेपर किस बारे में है?
लर्निंग एनालिटिक्स (LA) के क्षेत्र की कल्पना एक ऐसे हलचल भरे शहर के रूप में करें जो पिछले 15 वर्षों में बहुत तेज़ी से विकसित हुआ है। हर कोई लोगों को बेहतर तरीके से सीखने में मदद करने के लिए सड़कें, ट्रैफिक लाइट और मानचित्र बना रहा है। लेकिन, लेखक (केन्सुके ताकी) का तर्क है कि जबकि हर कोई निर्माण करने में व्यस्त है, किसी ने रुककर यह नहीं पूछा है: "यह शहर वास्तव में किस चीज़ से बना है? इसके अस्तित्व के मौलिक नियम क्या हैं?"
यह पेपर इस प्रश्न का उत्तर देने का प्रयास करता है: "लर्निंग एनालिटिक्स वास्तव में क्या है?" यह इसके "मेटाफिजिक्स" (क्या अस्तित्व में है और चीजें कैसे संबंधित हैं, इसका अध्ययन) को देखकर। लेखक बाहर से नए नियम बनाने की कोशिश नहीं कर रहे हैं; इसके बजाय, वे एक पुरातत्वविद् (archaeologist) की तरह काम कर रहे हैं, जो मौजूदा परिभाषाओं और प्रथाओं की खुदाई करके उन छिपे हुए नियमों को खोज रहे हैं जिनका LA क्षेत्र अनजाने में पालन करता आ रहा है।
उपमाओं (Analogies) के साथ समझाए गए मुख्य विचार
1. "शून्य सिद्धांत" (The Zeroth Principle): शिक्षार्थी ही स्रोत है
पेपर का दावा: किसी भी डेटा के अस्तित्व में आने से पहले, एक शिक्षार्थी का होना आवश्यक है। डेटा हवा में अपने आप प्रकट नहीं होता; यह एक शिक्षार्थी की क्रियाओं का रिकॉर्ड है।
उपमा: रेत में पदचिह्न (Footprint in the sand) के बारे में सोचें।
- पदचिह्न (डेटा) पैर (शिक्षार्थी) के बिना अस्तित्व में नहीं रह सकता।
- पेपर का तर्क है कि शिक्षार्थी एक "सत्तात्मक पूर्व शर्त" (ontological prerequisite) है। आप उस व्यक्ति के बिना रिकॉर्ड नहीं रख सकते जिसने वह रिकॉर्ड बनाया है।
- यह क्यों मायने रखता है: इसका मतलब है कि शिक्षार्थी इस प्रणाली का सबसे महत्वपूर्ण हिस्सा है, इसलिए नहीं कि हम उनके प्रति दयालु होना चाहते हैं, बल्कि इसलिए क्योंकि यह प्रणाली उनके बिना वास्तव में कार्य ही नहीं कर सकती।
2. डेटा "कच्चा सत्य" नहीं है; यह एक "निर्मित मानचित्र" है
पेपर का दावा: LA में डेटा एक पूर्ण, तटस्थ दर्पण नहीं है। यह एक "औपचारिक रूप से गठित रिकॉर्ड" (Formalized Constituted Record) है। इसका अर्थ है कि यह एक ऐसा रिकॉर्ड है जिसे:
- चुना गया है: किसी ने तय किया कि क्या रिकॉर्ड करना है (जैसे, "हम लॉगिन समय को ट्रैक करेंगे, लेकिन हृदय गति को नहीं")।
- औपचारिक बनाया गया है: इसे एक ऐसे प्रारूप में बदल दिया गया है जिसे कंप्यूटर पढ़ सके।
उपमा: एक शेफ द्वारा सूप बनाने के बारे में सोचें।
- "लर्निंग इवेंट" (सीखने की घटना) उपलब्ध सामग्रियों का पूरा महासागर है।
- "डेटा" वह विशिष्ट कटोरा सूप है जो शेफ परोसता है।
- शेफ (सिस्टम डिज़ाइनर) ने चुना कि कौन सी सामग्रियां डालनी हैं और उन्हें कैसे काटना है।
- सावधानी: सूप स्वादिष्ट और उपयोगी है, लेकिन यह पूरा महासागर नहीं है। यदि आप सूप को देखते हैं, तो आप पूरे महासागर को नहीं देख सकते। पेपर हमें सूप (डेटा) को महासागर (वास्तविक सीखने के अनुभव) समझने की गलती न करने की चेतावनी देता है।
3. "है/होना चाहिए" (Is/Ought) की समस्या: मानचित्र बनाम गंतव्य
पेपर का दावा: यह सबसे महत्वपूर्ण बिंदु है। डेटा आपको बता सकता है कि क्या है (तथ्य), लेकिन यह आपको यह नहीं बता सकता कि क्या होना चाहिए (मूल्य या नियम)।
उपमा: एक जीपीएस नेविगेशन सिस्टम के बारे में सोचें।
- डेटा (है): जीपीएस जानता है कि आप स्कूल ज़ोन में 60 मील प्रति घंटे की गति से गाड़ी चला रहे हैं। यह कह सकता है, "आप 60 मील प्रति घंटे की गति से चल रहे हैं।"
- मानक (होना चाहिए): जीपीएस तार्किक रूप से यह निष्कर्ष नहीं निकाल सकता कि, "इसलिए, आपको धीमा हो जाना चाहिए।" वह नियम एक मानव चालक या यातायात कानून से आता है, जीपीएस से नहीं।
- पेपर की चेतावनी: कई वर्तमान LA सिस्टम ऐसे काम करने की कोशिश करते हैं जैसे जीपीएस भी पुलिस अधिकारी हो। वे डेटा देखते हैं और कहते हैं, "आप जोखिम में हैं, इसलिए आपको X करना चाहिए।" लेखक का तर्क है कि यह एक तार्किक त्रुटि है। डेटा केवल जोखिम दिखा सकता है; एक मानव (शिक्षक या अभिभावक) को ही यह तय करना चाहिए कि इसके बारे में क्या करना है।
4. आठ एजेंट: पात्रों की टोली
पेपर LA में शामिल लोगों को आठ अलग-अलग भूमिकाओं में विभाजित करता है। यह एक थिएटर प्रोडक्शन की तरह है:
- शिक्षार्थी (The Learner): मंच पर अभिनेता (कहानी का स्रोत)।
- सिस्टम डिज़ाइनर (The System Designer): निर्देशक जो तय करता है कि नाटक किस बारे में है।
- डेटा संग्राहक (The Data Collector): स्टेजहैंड जो क्रिया को रिकॉर्ड करता है।
- डेटा विश्लेषक (The Data Analyzer): संपादक जो फुटेज को देखता है।
- डेटा व्याख्याकार (The Data Interpreter): आलोचक जो फुटेज का अर्थ समझाता है।
- डेटा संचारक (The Data Communicator): संदेशवाहक जो परिणामों को दूसरों तक पहुँचाता है।
- निर्णय निर्माता (The Decision Maker): दर्शक या निर्माता जो कहानी के आधार पर आगे क्या करना है, यह तय करता है।
- ज्ञान अनुवादक (The Knowledge Translator): वह व्यक्ति जो इस कहानी को इस थिएटर से लेता है और इसे एक अलग शैली वाले दूसरे थिएटर में समझाता है।
मुख्य बिंदु: पेपर का तर्क है कि हम अक्सर इन भूमिकाओं को आपस में मिला देते हैं। उदाहरण के लिए, यदि "संपादक" (विश्लेषक) यह तय करने लगता है कि "निर्माता" (निर्णय निर्माता) को क्या करना चाहिए, तो सिस्टम भ्रमित हो जाता है।
5. "नियम-अंतर्निहित LA" (Norm-Embedded LA) का खतरा
पेपर का दावा: कुछ LA सिस्टम "नियम-अंतर्निहित" होते हैं। इसका मतलब है कि वे डेटा संग्रह प्रक्रिया के अंदर ही अपने नियम डाल देते हैं।
उपमा: एक थर्मोस्टेट की कल्पना करें जो तय करता है कि कौन ठंडा है।
- एक सामान्य थर्मोस्टेट केवल तापमान (डेटा) मापता है।
- एक "नियम-अंतर्निहित" थर्मोस्टेट इस नियम के साथ प्रोग्राम किया गया है: "यदि कमरे का तापमान 70 डिग्री से कम है, तो व्यक्ति गर्म रहने में 'विफल' हो रहा है।"
- पेपर का तर्क है कि यह खतरनाक है। थर्मोस्टेट को यह तय नहीं करना चाहिए कि "अच्छा" तापमान क्या है; उसे केवल तापमान रिपोर्ट करना चाहिए। यदि थर्मोस्टेट यह तय करने लगता है कि "अच्छा" क्या है, तो वह अन्य महत्वपूर्ण चीजों (जैसे नमी या हवा का झोंका) को अनदेखा कर सकता है क्योंकि वे उसके विशिष्ट नियम में फिट नहीं बैठते।
- परिणाम: यह एक "तनाव" पैदा करता है क्योंकि सिस्टम एक दर्पण (तथ्य दिखाना) और एक न्यायाधीश (नियम बनाना) दोनों होने की कोशिश करता है।
यह क्यों मायने रखता है? (निष्कर्ष)
लेखक यह नहीं कह रहे हैं कि लर्निंग एनालिटिक्स बुरा है। वे कह रहे हैं कि इसे अपनी सीमा पता होनी चाहिए।
- LA एक मानचित्र है: यह हमें दिखाने में उत्कृष्ट है कि हम कहाँ हैं, हम कितनी तेज़ी से चल रहे हैं, और ट्रैफिक जाम कहाँ है।
- मानव ड्राइवर हैं: शिक्षक, छात्र और नीति निर्माता ही यह तय करेंगे कि हमें कहाँ जाना है और हमें किन नियमों का पालन करना चाहिए।
पेपर का तर्क है कि जब हम मानचित्र से यह बताने की कोशिश करते हैं कि हमें कहाँ जाना है (डेटा में नैतिक नियम डालकर), तो मानचित्र एक अच्छा मानचित्र नहीं रह जाता। यह पक्षपाती और कम उपयोगी हो जाता है।
संक्षेप में: पेपर लर्निंग एनालिटिक्स से दार्शनिक या न्यायाधीश बनने की कोशिश छोड़ने के लिए कहता है। इसके बजाय, इसे तथ्यों का एक बहुत स्पष्ट, ईमानदार और सटीक रिपोर्टर होना चाहिए। मनुष्यों को उन तथ्यों का उपयोग नैतिक और शैक्षिक निर्णय लेने के लिए करने दें। इन भूमिकाओं को अलग रखकर, यह क्षेत्र अधिक मजबूत, स्पष्ट और ईमानदार बनता 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।