From Prompting to Epistemic Proactivity: Temporal Trajectories of Student-AI Interaction in Mathematics Learning
गणित सीखने के लिए एक सामान्य-उद्देश्य वाले एलएलएम (LLM) का उपयोग करने वाले कक्षा-9 के छात्रों का यह अध्ययन यह प्रकट करता है कि जहाँ एआई (AI) अंतःक्रियाओं के स्थिर सारांश प्रदर्शन की भविष्यवाणी करने में विफल रहते हैं, वहीं अस्थायी प्रक्षेपवक्र (temporal trajectories) जो वैचारिक और प्रक्रियात्मक सहायता-प्राप्ति के साथ गणितीय कार्य को संतुलित करते हुए ज्ञान संबंधी सक्रिय जुड़ाव की ओर बदलाव दर्शाते हैं, एआई-मुक्त पोस्ट-टेस्ट परिणामों में सुधार की महत्वपूर्ण रूप से भविष्यवाणी 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, जैसे कि एक सूफ़ले (soufflé)। आपके पास एक सुपर-स्मार्ट, सर्वज्ञानी 'सू-शेफ' (AI) खड़ा है जो आपकी मदद के लिए तैयार है। आप उनसे कुछ भी पूछ सकते हैं: "मैं अंडा कैसे फोड़ूँ?" "ओवन का तापमान क्या होना चाहिए?" या "बस मुझे रेसिपी बता दो ताकि मैं उसे कॉपी कर सकूँ।"
इस अध्ययन में 9वीं कक्षा के छात्रों को कुछ ऐसा ही करते हुए देखा गया, लेकिन खाना बनाने के बजाय गणित के साथ। उन्हें वास्तविक दुनिया की समस्याओं को (जैसे कि डिलीवरी ट्रक के लिए सबसे अच्छा रास्ता तय करना) गणितीय समीकरणों में बदलने का अभ्यास करने के लिए 40 मिनट दिए गए थे। उनके पास अभ्यास के लिए एक AI ट्यूटर था और फिर एक ऐसी परीक्षा थी जिसमें वे AI का उपयोग नहीं कर सकते थे।
शोधकर्ता यह जानना चाहते थे: अभ्यास के दौरान छात्र AI से जिस तरह से बात करते हैं, क्या वह बाद में होने वाली उनकी परीक्षा के प्रदर्शन की भविष्यवाणी कर सकता है?
यहाँ उनके निष्कर्ष दिए गए हैं, जिन्हें सरल रूप में समझाया गया है:
1. "स्टैटिक स्नैपशॉट" (स्थिर तस्वीर) काम नहीं आया
शुरुआत में, शोधकर्ताओं ने सोचा, "आइए बस चीजों को गिनते हैं।" उन्होंने गिना कि छात्रों ने कितनी बार मदद मांगी, कितनी बार उत्तर मांगे और कितनी बार अपने काम की जाँच की। उन्होंने पूरे सत्र के "कुल मेनू" को देखा।
परिणाम: इससे कोई फर्क नहीं पड़ा।
यह एक शेफ को उनके द्वारा उपयोग की गई कुल सामग्रियों की संख्या से आंकने जैसा था। एक छात्र 50 बेहतरीन सवाल पूछ सकता था, या 50 खराब सवाल, और कुल गिनती से शोधकर्ताओं को यह पता नहीं चल सका कि वह छात्र परीक्षा पास करेगा या नहीं। "बड़ी तस्वीर" वाले नंबर भ्रामक थे।
2. "मूवी" (फिल्म) ही असली कुंजी थी
शोधकर्ताओं ने महसूस किया कि सीखना कोई फोटो नहीं है; यह एक फिल्म है। उन्होंने देखा कि समय के साथ बातचीत कैसे बदलती है। उन्होंने 40 मिनट को "शुरुआती," "मध्य," और "अंतिम" चरणों में विभाजित किया।
उन्होंने पाया कि सफल छात्र एक विशिष्ट कहानी (storyline) का पालन करते थे:
- शुरुआती चरण: छात्रों ने समस्या को समझने के लिए मदद मांगकर शुरुआत की (जैसे, "इस शब्द का क्या अर्थ है?" या "मैं कैसे शुरू करूँ?")।
- अंतिम चरण: जैसे-जैसे वे अंत के करीब पहुंचे, सफल छात्रों ने अपनी शैली बदली। उन्होंने नए स्पष्टीकरण मांगना बंद कर दिया और खुद भारी काम (heavy lifting) करना शुरू कर दिया। उन्होंने अपने काम की जाँच करने या अपने तर्क को सत्यापित करने के लिए AI का उपयोग किया, लेकिन वे खुद गाड़ी चला रहे थे।
असफल कहानी:
जो छात्र संघर्ष कर रहे थे, वे इसके विपरीत व्यवहार करते थे। उन्होंने समझने से शुरुआत की, लेकिन जैसे-जैसे समय बीतता गया, वे केवल उत्तर पाने या हर एक कदम की दोबारा जाँच करने के लिए AI पर अधिक निर्भर होते गए। उन्होंने AI को बस गाड़ी चलाने दिया जबकि वे केवल दर्शक बने रहे।
3. "एपिस्टेमिक प्रोएक्टिविटी" (ज्ञान संबंधी सक्रियता) का रूपक
पेपर एक भारी-भरकम शब्द का उपयोग करता है जिसे "एपिस्टेमिक प्रोएक्टिविटी" कहते हैं। आइए इसे "सीखने का नेतृत्व" (Learning Leadership) कहें।
- प्रोएक्टिव (सक्रिय/अच्छा): छात्र कप्तान है। वे AI से नक्शा मांगते हैं, फिर जहाज चलाते हैं, और फिर दिशा-सूचक यंत्र (compass) की जाँच करते हैं। वे अपनी समझ बनाने के लिए AI को एक उपकरण के रूप में उपयोग करते हैं।
- रिएक्टिव (प्रतिक्रियाशील/बुरा): छात्र एक यात्री है। वे AI से गाड़ी चलाने को कहते हैं, फिर AI से दिशा-सूचक यंत्र की जाँच करने को कहते हैं, और फिर पूछते हैं कि क्या वे पहुँच गए। वे बस आदेशों का पालन कर रहे हैं।
बड़ी खोज:
वे छात्र जो यात्री के रूप में शुरू हुए लेकिन सत्र के अंत तक कप्तान बनना सीख गए, उन्होंने परीक्षा में सबसे अच्छा प्रदर्शन किया। वे छात्र जिन्होंने कप्तान के रूप में शुरुआत की लेकिन अंत में AI को कमान सौंप दी, उन्हें संघर्ष करना पड़ा।
4. भविष्य के लिए इसका क्या अर्थ है
यह पेपर सुझाव देता है कि यदि हम चाहते हैं कि AI छात्रों को सीखने में मदद करे, तो हमें केवल यह नहीं देखना चाहिए कि वे क्या पूछते हैं। हमें यह देखना होगा कि समय के साथ उनका व्यवहार कैसे बदलता है।
- AI डिजाइनरों के लिए: AI को केवल सवालों के जवाब नहीं देने चाहिए। इसे बातचीत की "फिल्म" देखनी चाहिए। यदि यह देखता है कि एक छात्र केवल उत्तर मांग रहा है और सोचना बंद कर रहा है, तो AI को हस्तक्षेप करना चाहिए और कहना चाहिए, "हे, पहले इस हिस्से को खुद हल करने की कोशिश करो," बजाय इसके कि वह सीधे उत्तर दे दे।
- शिक्षकों के लिए: शिक्षक चैट लॉग्स को देखकर यह पता लगा सकते हैं कि क्या कोई छात्र "कप्तान" की भूमिका में बना हुआ है या "यात्री" की भूमिका में फिसल रहा है। यदि कोई छात्र सत्र के अंत में केवल उत्तर मांग रहा है, तो शिक्षक को पता चल जाता है कि उन्हें नियंत्रण वापस पाने में मदद करने के लिए हस्तक्षेप करने की आवश्यकता है।
सारांश
AI के साथ सीखना इस बारे में नहीं है कि आप कितने प्रश्न पूछते हैं या आपके प्रश्न कितने "स्मार्ट" लगते हैं। यह इस बारे में है कि कमान किसके हाथ में है। यदि आप सीखना शुरू करते हैं और अंत में अपना काम खुद करते हैं (भले ही AI की मदद ली हो), तो आप सफल होंगे। यदि आप सीखना शुरू करते हैं लेकिन अंत में AI को अपने लिए काम करने देते हैं, तो आपको संघर्ष करना पड़ेगा जब AI वहां मौजूद नहीं होगा।
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।