AI-Assisted Help-Seeking Trajectories in Programming Education from an SRL-Informed Perspective
यह अध्ययन एक SRL-सूचित ढांचे का उपयोग करते हुए परिचयात्मक प्रोग्रामिंग पाठ्यक्रमों में AI-सहायता प्राप्त सहायता-खोज प्रक्षेपपथों का विश्लेषण करता है, जिससे यह पता चलता है कि हालांकि छात्र मुख्य रूप से स्व-नियमित समस्या-समाधान के बजाय प्रतिक्रियाशील समस्या निवारण (troubleshooting) के लिए AI का उपयोग करते हैं, फिर भी ये इंटरेक्शन पैटर्न कार्य स्कोर को सीधे प्रभावित किए बिना कोड सबमिशन की संख्या को महत्वपूर्ण रूप से प्रभावित 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 आप एक जटिल नया व्यंजन बनाना सीख रहे हैं। आपके पास एक रेसिपी है, लेकिन आप बार-बार लहसुन जला देते हैं, बहुत अधिक नमक डाल देते हैं, या कोई कदम भूल जाते हैं। अतीत में, आपको किसी शेफ के पास आने और आपकी मदद करने का इंतज़ार करना पड़ता, या शायद आपको पूछने में शर्मिंदगी महसूस होती।
अब, कल्पना कीजिए कि आपके ठीक बगल में एक सुपर-फास्ट, सुपर-नॉलेजेबल sous-chef (जेनरेटिव AI) बैठा है। आप फुसफुसाकर एक सवाल पूछ सकते हैं, और वह तुरंत आपको बता देगा कि जले हुए लहसुन को कैसे ठीक करना है या प्याज को कैसे काटना है।
यह शोध पत्र इस बात का अध्ययन है कि कैसे 71 विश्वविद्यालय के छात्रों ने पायथन (Python) में खाना बनाना (प्रोग्रामिंग करना) सीखते समय इस "AI sous-chef" का उपयोग किया। शोधकर्ता केवल यह नहीं गिन रहे थे कि छात्रों ने कितनी बार मदद मांगी; वे यह देखना चाहते थे कि मदद लेने की कहानी कैसी थी। क्या छात्रों ने पहले से योजना बनाई थी? क्या वे छोटी गलतियों को ठीक करने के चक्रव्यूह में फंस गए थे? या क्या उन्होंने बस पूरी रेसिपी ही मांग ली और उसे कॉपी कर लिया?
यहाँ उनके निष्कर्षों का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:
1. मुख्य खोज: "फायरफाइटर" बनाम "आर्किटेक्ट"
शोधकर्ताओं ने पाया कि अधिकांश छात्रों ने AI के साथ एक आर्किटेक्ट के बजाय एक फायरफाइटर (दमकलकर्मी) की तरह व्यवहार किया।
- फायरफाइटर (प्रतिक्रियात्मक/Reactive): छात्र ज्यादातर AI का उपयोग तब करते थे जब कुछ गलत हो जाता था। वे कोड लिखते थे, वह टूट जाता था, और वे पूछते थे, "यहाँ यह लाल एरर मैसेज क्यों है?" या "इस लाइन को ठीक करो।"
- आर्किटेक्ट (सक्रिय/Proactive): बहुत कम छात्रों ने शुरू करने से पहले योजना बनाने के लिए AI का उपयोग किया। उन्होंने शायद ही कभी पूछा, "इसकी संरचना (structure) करने का सबसे अच्छा तरीका क्या है?" या "मुझे इसे बेहतर ढंग से समझने के लिए क्या इस अवधारणा (concept) को समझा सकते हैं?"
- रूपक (Metaphor): यह ऐसा है जैसे अधिकांश छात्र घर को आग लगने का इंतज़ार करते हैं ताकि वे AI को बुला सकें, बजाय इसके कि वे घर को शुरू से ही आग-रोधी बनाने में मदद के लिए AI को बुलाते।
2. पाँच "मदद मांगने की आदतें" (रास्ते/Trajectories)
शोधकर्ताओं ने छात्रों की बातचीत को पाँच अलग-अलग पैटर्न में वर्गीकृत किया, जैसे लोग भूलभुलैया में चलते हैं:
"वन-शॉट" (त्वरित समाधान): छात्र एक प्रश्न पूछता है, उत्तर प्राप्त करता है, और आगे बढ़ जाता है।
- उपमा: आप पूछते हैं, "मैं जूता कैसे बांधूँ?" AI आपको दिखाता है, और आप बांध लेते हैं। बस।
- निष्कर्ष: यह सबसे आम आदत थी (आधे से अधिक समय)। दिलचस्प बात यह है कि कभी-कभी यह केवल एक त्वरित सुधार था, लेकिन कभी-कभी यह एक स्मार्ट छात्र था जो पूछ रहा था, "क्या जूता बांधने का कोई बेहतर तरीका है?" (जो कि एक अच्छी बात है!)।
"डिबगिंग पर्सिस्टेंस" (फंसा हुआ चक्र/The Stuck Loop): छात्र एक छोटी त्रुटि पर अटक जाता है और बिना अपना दृष्टिकोण बदले बार-बार AI से उसे ठीक करने के लिए कहता रहता है।
- उपमा: आप एक जार खोलने की कोशिश कर रहे हैं। आप AI से पूछते हैं, "इसे कैसे खोलूँ?" AI कहता है, "ढक्कन घुमाओ।" आप कोशिश करते हैं, विफल रहते हैं। आप फिर से पूछते हैं, "यह अभी भी नहीं खुल रहा!" AI कहता है, "इसे और ज़ोर से घुमाओ।" आप फिर से कोशिश करते हैं। आप इसे 10 बार करते हैं।
- निष्कर्ष: ये छात्र प्रयास के मामले में सबसे अधिक "महंगे" थे। उन्होंने समान परिणाम प्राप्त करने के लिए "वन-शॉट" छात्रों की तुलना में दोगुने से भी अधिक बार अपना कोड सबमिट किया। वे एक चक्र में फंसे हुए थे जहाँ वे AI को अपने लिए सोचने के लिए इस्तेमाल कर रहे थे।
"कॉन्सेप्चुअल फ्रेमिंग" (योजनाकार/The Planner): छात्र कोई भी कोड लिखने से पहले नियमों या अवधारणाओं के बारे में पूछता है।
- उपमा: खाना पकाने से पहले, आप पूछते हैं, "'सिमर' (simmer) का क्या अर्थ है?" या "मैं प्याज को सुरक्षित रूप से कैसे काटूँ?" फिर आप खाना पकाते हैं।
- निष्कर्ष: ये छात्र कुशल थे। वे बुनियादी बातें पहले ही समझ गए थे, इसलिए बाद में उनसे कम गलतियाँ हुईं।
"परफॉरमेंस-ओरिएंटेड" (कार्य मास्टर/The Task Master): छात्र सीधे समाधान बनाने में कूद पड़ता है, काम को जल्दी पूरा करने के लिए AI को कोड लिखने या विशिष्ट भागों को ठीक करने के लिए कहता है।
- उपमा: आप कहते हैं, "मेरे लिए सैंडविच बनाओ," और AI उसे बनाता है। आप बस चेक करते हैं कि इसका स्वाद कैसा है।
- निष्कर्ष: यह ग्रेड पाने के लिए कुशल था, लेकिन शोधकर्ताओं को चिंता थी कि छात्र शायद यह नहीं सीख पाएंगे कि सैंडविच खुद कैसे बनाया जाता है।
"मोड-शिफ्टिंग" (लचीला शिक्षार्थी/The Flexible Learner): छात्र एक प्रकार की मदद (जैसे त्रुटि को ठीक करना) से शुरू करता है, लेकिन फिर उसे एहसास होता है कि वह अवधारणा को नहीं समझता, इसलिए वह स्पष्टीकरण पूछने की ओर स्विच कर जाता है, और फिर वापस ठीक करने पर लौट आता है।
- उपमा: आप जार को ठीक करने की कोशिश करते हैं, फंस जाते हैं, फिर पूछते हैं, "यह जार इतना कठिन क्यों है?" (अवधारणा), उत्तर प्राप्त करते हैं, और फिर से कोशिश करते हैं।
- निष्कर्ष: यह दुर्लभ था, लेकिन यह सबसे अधिक "स्व-नियमित" (self-regulated) सीखने को दर्शाता है—जब चीजें काम नहीं करतीं तो रणनीति को बदलना।
3. बड़ा आश्चर्य: ग्रेड बनाम प्रयास
आप सोच सकते हैं कि जिन छात्रों ने AI का "सबसे स्मार्ट" तरीके से उपयोग किया (प्लानर्स या फ्लेक्सिबल लर्नर्स), उन्हें सबसे अच्छे ग्रेड मिले।
- वास्तविकता: लगभग सभी को लगभग एक जैसा ग्रेड मिला। क्योंकि कंप्यूटर ग्रेडिंग सिस्टम ने छात्रों को अपना कोड तब तक बार-बार सबमिट करने की अनुमति दी जब तक कि वह काम न कर जाए, इसलिए लगभग सभी अंततः अंक प्राप्त करने में सफल रहे।
- असली अंतर: अंतर इस बात में था कि वहाँ तक पहुँचने के लिए उन्होंने कितनी मेहनत की।
- "डिबगिंग पर्सिस्टेंस" (Stuck Loop) वाले छात्रों ने औसतन 12 बार कोड सबमिट किया।
- "वन-शॉट" छात्रों को औसतन केवल 5 बार सबमिट करना पड़ा।
- सबक: AI ने सभी को पास होने में मदद की, लेकिन कुछ छात्रों के लिए, यह एक ऐसी बैसाखी बन गया जिसने प्रक्रिया को बहुत लंबा और निराशाजनक बना दिया।
4. इसका क्या अर्थ है?
शोध पत्र निष्कर्ष निकालता है कि यह इस बारे में नहीं है कि छात्र AI का उपयोग करते हैं या नहीं, बल्कि यह इस बारे में है कि वे इसका उपयोग कैसे करते हैं।
- यदि कोई छात्र केवल त्रुटियों को बार-बार पैच करने के लिए AI का उपयोग करता है (जैसे एक मैकेनिक जो इंजन को ठीक करने के बजाय बार-बार ढीले बोल्ट को कसता रहता है), तो वे क्लास पास कर सकते हैं, लेकिन वे कार चलाना नहीं सीख रहे हैं।
- यदि कोई छात्र नियमों को समझने, अपने चरणों की योजना बनाने और अपने काम की जाँच करने के लिए AI का उपयोग करता है, तो वे इसे एक वास्तविक सीखने वाले साथी के रूप में उपयोग कर रहे हैं।
मुख्य बात (Takeaway): AI का "शैक्षिक मूल्य" अंतिम ग्रेड में नहीं है (जो सभी के लिए समान था); यह यात्रा में है। अध्ययन सुझाव देता है कि हमें छात्रों को न केवल AI से उत्तर पूछना सिखाना चाहिए, बल्कि यह भी सिखाना चाहिए कि वे घबराहट में टूटे हुए कोड को ठीक करने के बजाय योजना बनाने, समझने और चिंतन करने के लिए इसका उपयोग कैसे करें।
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।