Structuring Transparency: Developing Domain-Specific Generative AI Declaration Frameworks in Higher Education

तकनीकी सारांश: जेनरेटिव एआई (GenAI) घोषणाओं में पारदर्शिता को संरचित करना

समस्या विवरण
उच्च शिक्षा में जेनरेटिव एआई (GenAI) उपकरणों के तीव्र एकीकरण ने शैक्षणिक अखंडता को बनाए रखने और छात्रों को उन पेशेवर वातावरणों के लिए तैयार करने के बीच एक तनाव पैदा कर दिया है जहाँ एआई का उपयोग सामान्य है। वर्तमान संस्थागत प्रतिक्रियाएं अक्सर सामान्य, द्विआधारी घोषणाओं (जैसे, "क्या आपने GenAI का उपयोग किया?" पूछने वाला एक एकल चेकबॉक्स) पर निर्भर करती हैं। लेखक तर्क देते हैं कि ये सतही तंत्र शैक्षणिक कार्यों में GenAI के सूक्ष्म, बहु-चरणीय अनुप्रयोग को पकड़ने में विफल रहते हैं। परिणामस्वरूप, द्विआधारी घोषणाएं कमजोर अखंडता सुरक्षा उपाय हैं, सीमित शैक्षणिक मूल्य प्रदान करती हैं, और वैध सहायता (जैसे, विचार मंथन या डिबगिंग) तथा शैक्षणिक कदाचार (जैसे, घोस्ट-राइटिंग या पूर्ण कोड जनरेशन) के बीच अंतर करने में विफल रहती हैं। इसके अलावा, GenAI उपयोग के मौजूदा वर्गीकरण मुख्य रूप से शोधकर्ताओं के लिए विश्लेषणात्मक उपकरण हैं और उन्हें सीधे छात्र मूल्यांकन वर्कफ़्लो में एकीकृत नहीं किया गया है।

कार्यप्रणाली और ढांचा डिजाइन
यह शोध पत्र एक डिज़ाइन आर्टिफैक्ट प्रस्तुत करता है: कंप्यूटर साइंस (CS) मूल्यांकनों के भीतर GenAI घोषणाओं को संरचित करने के लिए एक डोमेन-विशिष्ट ढांचा। कार्यप्रणाली में GenAI-मध्यस्थ गतिविधियों के एक मौजूदा, व्यवस्थित वर्गीकरण (Bouvier et al. [1] द्वारा प्रस्तावित) को ठोस, कार्य-विशिष्ट प्रकटीकरण उपकरणों में अनुवादित करना शामिल है।

यह ढांचा पांच डिज़ाइन सिद्धांतों द्वारा निर्देशित है:

1. सूक्ष्मता (Granularity): कई गतिविधि प्रकारों के बीच अंतर करने के लिए बाइनरी हाँ/नहीं से आगे बढ़ना।
2. कार्य विशिष्टता (Task Specificity): लेखन-केंद्रित और कोडिंग-केंद्रित मूल्यांकनों के लिए विशिष्ट संरचनाएं प्रदान करना।
3. तीव्रता मापन (Intensity Measurement): प्रत्येक गतिविधि के लिए उपयोग की सीमा (मामूली, मध्यम, व्यापक) को इंगित करने की आवश्यकता।
4. प्रॉम्प्ट-स्तरीय पारदर्शिता (Prompt-Level Transparency): आत्म-चिंतन को प्रोत्साहित करने के लिए संक्षिप्त स्पष्टीकरण और उदाहरण प्रॉम्प्ट अनिवार्य करना।
5. चिंतनशील रूपरेखा (Reflective Framing): घोषणा को अपराध की स्वीकृति के बजाय प्रक्रिया के विवरण के रूप में स्थापित करना।

ढांचा इन सिद्धांतों को दो समानांतर संरचनाओं के माध्यम से संचालित करता है:

• लेखन-केंद्रित संरचना: रिपोर्ट और साहित्य समीक्षा के लिए डिज़ाइन की गई, यह संरचना उपयोग को छह क्षेत्रों में वर्गीकृत करती है: योजना और संरचना, पाठ्य सामग्री निर्माण, अनुसंधान और विश्लेषण, समीक्षा और पॉलिश, दृश्य सामग्री, और मूल्यांकन और फीडबैक।
• कोडिंग-केंद्रित संरचना: प्रोग्रामिंग मूल्यांकन के लिए डिज़ाइन की गई, यह संरचना पांच क्षेत्रों में वर्गीकृत करती है: योजना और डिजाइन, कोड जनरेशन, कोड सुधार, समझ और सीखना, और दस्तावेजीकरण और रिपोर्टिंग।

दोनों संरचनाओं में, छात्रों को प्रत्येक श्रेणी के लिए GenAI के उपयोग की उपस्थिति और सीमा के साथ-साथ एक संक्षिप्त स्पष्टीकरण और उदाहरण प्रॉम्प्ट देना अनिवार्य है। "सीमा" (Extent) स्केल को इस प्रकार परिभाषित किया गया है: मामूली (एक छोटे हिस्से के लिए सीमित उपयोग), मध्यम (बार-बार उपयोग लेकिन महत्वपूर्ण निर्णय छात्र के अपने हैं), और व्यापक (अंतिम सबमिशन के लिए अभिन्न हिस्सा)।

प्रमुख योगदान
शोध पत्र एक विशिष्ट डिज़ाइन आर्टिफैक्ट और एक सैद्धांतिक स्थिति में योगदान देता है:

1. एक डोमेन-विशिष्ट घोषणा ढांचा: एक संरचित तंत्र जो उच्च-स्तरीय GenAI वर्गीकरणों को CS के लिए व्यावहारिक मूल्यांकन उपकरणों में अनुकूलित करता है, जो विभिन्न संज्ञानात्मक और विकासात्मक चरणों (जैसे, कोड जनरेशन को कोड सुधार से अलग करना) के बीच अंतर करता है।
2. घोषणा दर्शन में बदलाव: लेखक घोषणाओं को अनुपालन आर्टिफैक्ट से चिंतनशील उपकरणों में बदलने का तर्क देते हैं। उपयोग के बिंदु पर स्वीकार्य सहायता और कदाचार के बीच की सीमा को "सुपाठ्य" बनाकर, ढांचे का लक्ष्य इस धारणा को कम करना है कि GenAI उपयोग घोषित करना गलत कार्य स्वीकार करने के समान है।
3. मौजूदा नीतियों की पूरकता: यह ढांचा AI असेसमेंट स्केल (AIAS) जैसे नीति-स्तरीय उपकरणों के नीचे काम करने के लिए डिज़ाइन किया गया है। जबकि AIAS यह परिभाषित करता है कि क्या अनुमत है, यह ढांचा कैप्चर करता है कि इसका उपयोग कैसे किया गया था, जिससे शिक्षकों को अपने अभ्यास को अनुकूलित करने के लिए आवश्यक सूक्ष्म डेटा प्राप्त होता है।

परिणाम और दावे
एक डिज़ाइन योगदान के रूप में, शोध पत्र तैनात किए गए परीक्षण से कोई अनुभवजन्य परिणाम प्रस्तुत नहीं करता है। इसके बजाय, यह संबंधित साहित्य (जैसे, दंड के डर से गैर-अनुपालन पर Gonsalves [7]; मुक्त-पाठ घोषणाओं में सूक्ष्मता की कमी पर Maguire et al. [8]) में प्रलेखित वर्तमान प्रथाओं के समर्थित एक सैद्धांतिक और संरचनात्मक तर्क प्रस्तुत करता है।

लेखक दावा करते हैं कि यह ढांचा:

• सीमाओं को स्पष्ट करता है: छात्रों को वैध शिक्षण सहायता (जैसे, त्रुटि संदेशों को समझना) और लेखक टूल (जैसे, मुख्य समाधान कोड उत्पन्न करना) के बीच अंतर करने में मदद करता है।
• शैक्षणिक अंतर्दृष्टि बढ़ाता है: शिक्षकों को कार्रवाई योग्य डेटा प्रदान करता है (जैसे, एक कोहोर्ट जो 'कोड जनरेशन' में 'व्यापक' उपयोग बनाम 'समझ' में 'मामूली' उपयोग घोषित करता है) ताकि स्कैफोल्डिंग और मूल्यांकन पुनर्गठन को सूचित किया जा सके।
• पेशेवर अभ्यास के लिए तैयार करता है: शैक्षणिक मूल्यांकन को उन पेशेवर वातावरणों के अनुरूप बनाता है जहाँ GenAI वर्कफ़्लो का दस्तावेजीकरण करना एक आवश्यक नौकरी की आवश्यकता बनता जा रहा है।

महत्व और सीमाएं
शोध पत्र ईमानदार मूल्यांकन और AI साक्षरता को बढ़ावा देने के लिए इस डोमेन-विशिष्ट दृष्टिकोण को व्यापक संस्थागत नीतियों के आवश्यक पूरक के रूप में प्रस्तुत करता है। यह महत्वपूर्ण सीमाओं को स्वीकार करता है, मुख्य रूप से सटीक स्व-रिपोर्टिंग पर निर्भरता। लेखक नोट करते हैं कि नौसिखिया प्रोग्रामर "क्षमता के भ्रम" (illusion of competence) से पीड़ित हो सकते हैं, जहाँ वे GenAI के योगदान को अपने स्वयं के कार्य के रूप में गलत तरीके से श्रेय देते हैं, और "GenAI उपयोग" की परिभाषा भी संदिग्ध हो सकती है (जैसे, IDE ऑटो-कंप्लीट बनाम संवादात्मक एजेंट)।

लेखक निष्कर्ष निकालते हैं कि हालांकि यह ढांचा कंप्यूटर साइंस के लिए विकसित किया गया है, लेकिन कार्य-विशिष्ट प्रकटीकरण का अंतर्निहित दृष्टिकोण अन्य विषयों के लिए भी अनुकूलनीय है। भविष्य के कार्य तीन धाराओं में प्रस्तावित है: देखे गए वर्कफ़्लो डेटा के विरुद्ध अनुभवजन्य मूल्यांकन, छात्र प्रतिबिंब और मनोवैज्ञानिक सुरक्षा का शैक्षणिक मूल्यांकन, और श्रेणियों की सामान्यीकरण क्षमता का परीक्षण करने के लिए अंतर-विषयक अनुकूलन।