Detecting Knowledge Gaps from Conversational AI Interactions Using Curriculum Prerequisite Graphs
यह शोधपत्र एक ऐसी पाइपलाइन प्रस्तुत करता है जो एक पूर्व-आवश्यकता ज्ञान ग्राफ (prerequisite knowledge graph) का उपयोग करके संवादात्मक एआई शिक्षण सहायकों (conversational AI teaching assistants) से छात्रों के प्रश्नों को पाठ्यक्रम के विषयों से जोड़ती है, यह प्रदर्शित करते हुए कि ये इंटरेक्शन लॉग ऑनलाइन पाठ्यक्रमों में ज्ञान की कमियों और विषय-स्तरीय कठिनाइयों की पहचान करने के लिए वैध नैदानिक संकेतों (diagnostic signals) के रूप में कार्य 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
कल्पना कीजिए कि एक विशाल ऑनलाइन यूनिवर्सिटी क्लास एक हलचल भरे, शोर-शराबे वाले शहर की तरह है। इस शहर में, हजारों छात्र लगातार एक मददगार, 24/7 डिजिटल टूर गाइड (कन्वर्सेशनल एआई टीचिंग असिस्टेंट) से सवाल पूछ रहे हैं। आमतौर पर, शिक्षक केवल अंतिम परीक्षा के परिणाम या कुछ सर्वेक्षण उत्तर ही देख पाते हैं, जो ऐसा है जैसे तूफान गुजर जाने के बाद शहर की मौसम रिपोर्ट देखना। वे वास्तविक समय में विशिष्ट सड़कों पर गिरने वाली प्रत्येक बूंद को नहीं देख पाते हैं।
यह शोध पत्र एक नया "वेदर रडार" पेश करता है जो छात्रों द्वारा एआई गाइड से पूछे गए हर एक सवाल को सुनता है और ठीक से पता लगाता है कि शहर का कौन सा हिस्सा (या पाठ्यक्रम का कौन सा विषय) सबसे अधिक भ्रम पैदा कर रहा है।
उन्होंने इस रडार को कैसे बनाया, इसे सरल चरणों में यहाँ दिया गया है:
1. मानचित्र बनाना (द नॉलेज ग्राफ)
सवालों को सुनने से पहले, उन्हें शहर का एक मानचित्र चाहिए था। शोधकर्ताओं ने एक शक्तिशाली एआई (GPT-4) का उपयोग पाठ्यक्रम की पाठ्यपुस्तकों और लेक्चर नोट्स को पढ़ने के लिए किया। इसने एक मानचित्रकार (cartographer) की तरह कार्य किया, जिसने एक प्रिरेक्विजिट मैप (पूर्व-आवश्यकता मानचित्र) तैयार किया।
- रूपक (Metaphor): इस मानचित्र को एक सबवे सिस्टम की तरह समझें। आप "स्टेशन बी" (एडवांस्ड लॉजिक) तक तब तक नहीं पहुँच सकते जब तक कि आपने सफलतापूर्वक "स्टेशन ए" (बेसिक लॉजिक) को पार न कर लिया हो। एआई ने 54 "स्टेशन" (विषय) और 47 "ट्रैक्स" (कनेक्शन) बनाए, जो दिखाते हैं कि कौन से विषय एक-दूसरे पर निर्भर हैं।
- यह क्यों महत्वपूर्ण है: यदि कोई छात्र स्टेशन बी पर अटका हुआ है, तो मानचित्र शिक्षक को बताता है, "हे, शायद उन्होंने स्टेशन ए को नहीं समझा है।"
2. अनुवादक (द टेक्स्ट क्लासिफायर)
छात्र अपनी स्वयं की अव्यवस्थित, प्राकृतिक भाषा में प्रश्न पूछते हैं। सिस्टम को इन प्रश्नों को मानचित्र के विशिष्ट "स्टेशन नामों" में बदलने के लिए एक अनुवादक की आवश्यकता थी।
- रूपक: कल्पना करें कि एक अनुवादक है जिसने केवल प्रत्येक स्टेशन नाम के कुछ उदाहरण देखे हैं (एक "फ्यू-शॉट" लर्नर)। जब कोई छात्र पूछता है, "मैं इस रोबोट को इंसान की तरह सोचने के लिए कैसे बनाऊं?", तो अनुवादक केवल अनुमान नहीं लगाता; वह अपने प्रशिक्षण का उपयोग यह कहने के लिए करता है कि "यह 'कॉमन सेंस रीजनिंग' स्टेशन जैसा लग रहा है।"
- परिणाम: उन्होंने इस अनुवादक का परीक्षण 70 वास्तविक प्रश्नों पर किया। यह 80% बार सही स्टेशन का नाम बताने में सफल रहा। पैटर्न देखने के लिए यह पर्याप्त है।
3. वास्तविकता की जाँच (सर्वेक्षण)
यह सुनिश्चित करने के लिए कि उनका नया रडार वास्तव में काम कर रहा है, उन्होंने इसकी तुलना एक पारंपरिक पद्धति से की: एक मिड-सेमेस्टर सर्वेक्षण जहाँ छात्रों ने केवल हाथ उठाकर कहा, "मुझे यह विषय बहुत कठिन लगा।"
- रूपक: यह एक हाई-टेक सैटेलाइट इमेज की तुलना ट्रैफिक जाम की उस रिपोर्ट से करने जैसा है जहाँ लोग अपनी कारों में फंसे हुए कहते हैं, "ट्रैफिक यहाँ बहुत खराब है।"
- निष्कर्ष: दोनों बहुत अच्छी तरह से मेल खाते थे! वे विषय जहाँ छात्रों ने एआई से सबसे अधिक प्रश्न पूछे थे, वही विषय थे जहाँ छात्रों ने सर्वेक्षण में संघर्ष करने की बात कही थी। इससे यह सिद्ध हुआ कि एआई चैट लॉग्स को सुनना, बिना किसी औपचारिक परीक्षा के, मुश्किल स्थानों की पहचान करने का एक विश्वसनीय तरीका है।
इसका शिक्षकों के लिए क्या अर्थ है
शोध पत्र का दावा है कि केवल छात्रों द्वारा एआई सहायक से पूछे गए प्रश्नों को सुनकर, शिक्षक एक स्पष्ट, वास्तविक समय का डैशबोर्ड प्राप्त कर सकते हैं कि कक्षा कहाँ संघर्ष कर रही है।
- छात्रों के लिए अतिरिक्त काम नहीं: छात्रों को अतिरिक्त क्विज़ लेने या अधिक फॉर्म भरने की आवश्यकता नहीं है। उनकी स्वाभाविक जिज्ञासा और भ्रम पहले से ही रिकॉर्ड किए जा रहे हैं।
- कार्य योग्य अंतर्दृष्टि (Actionable Insights): यदि डैशबोर्ड "एनालॉजिकल रीजनिंग" के बारे में प्रश्नों में भारी उछाल दिखाता है, तो शिक्षक को तुरंत पता चल जाता है कि उन्हें उस विशिष्ट अवधारणा की समीक्षा करनी है, बजाय इसके कि वे केवल अनुमान लगाएं।
यह शोध पत्र क्या दावा नहीं करता है
यह ध्यान देना महत्वपूर्ण है कि इस अध्ययन ने क्या नहीं किया:
- इसने छात्रों की समस्याओं को स्वचालित रूप से ठीक नहीं किया। इसने केवल समस्या की पहचान की।
- इसने व्यक्तिगत छात्रों को यह देखने के लिए नहीं देखा कि "छात्र जॉन असफल हो रहा है।" इसने समूह के रूप में पूरे समूह को देखा कि "समूह विषय X के साथ संघर्ष कर रहा है।"
- इसने हर विषय या स्कूल में इसका परीक्षण नहीं किया। इसका परीक्षण एक विशिष्ट ग्रेजुएट-लेवल एआई कोर्स में किया गया था।
संक्षेप में, शोधकर्ताओं ने एक ऐसा सिस्टम बनाया है जो छात्र के प्रश्नों के "शोर" को सीखने की कठिनाइयों के स्पष्ट "सिग्नल" में बदल देता है, जिसमें पाठ्यक्रम के मानचित्र और एक स्मार्ट अनुवादक का उपयोग करके सब कुछ समझा जाता 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।