Curriculum design in the age of AI

तकनीकी सारांश: AI के युग में पाठ्यक्रम डिजाइन (Curriculum Design)

समस्या विवरण (Problem Statement)
यह शोध पत्र उस चुनौती को संबोधित करता है जो ऐसे वातावरण में शैक्षिक पाठ्यक्रम डिजाइन करने की है जहाँ छात्रों के पास आर्टिफिशियल इंटेलिजेंस (AI) तक पहुँच है, जो असाइनमेंट (coursework) को सौंपने (delegate करने) में सक्षम है। जबकि AI उत्पादकता बढ़ा सकता है, अनुभवजन्य साक्ष्य (empirical evidence) बताते हैं कि यह सीखने की प्रक्रिया में बाधा डाल सकता है क्योंकि यह छात्रों को उस "उत्पादक संघर्ष" (productive struggle) को दरकिनार करने की अनुमति देता है जो कौशल प्राप्ति के लिए आवश्यक है। मुख्य समस्या एक 'प्रिंसिपल-एजेंट' (principal-agent) गतिशीलता है: एक दूरदर्शी शिक्षक (principal) को कौशल विकास को अधिकतम करने के लिए कार्यों का एक क्रम (पाठ्यक्रम) डिजाइन करना होता है, यह जानते हुए कि छात्र (agent) अल्पकालिक (myopic) है और वह कार्य करने (प्रयास लागत वहन करना लेकिन कौशल बनाना) या AI को सौंपने (कोई प्रयास नहीं लेकिन कोई कौशल नहीं बनाना) के बीच चयन कर सकता है। शिक्षक को प्रयास को प्रोत्साहित करने के लिए कार्य की कठिनाई को संतुलित करना होगा और छात्र के काम सौंपने के प्रलोभन को भी ध्यान में रखना होगा।

कार्यप्रणाली (Methodology)
लेखक "करके सीखने" (learning-by-doing) का एक गतिशील मॉडल विकसित करता है जिसमें अंतर्जात पाठ्यक्रम डिजाइन (endogenous curriculum design) शामिल है।

• एजेंट्स (Agents): एक अल्पकालिक छात्र और एक शिक्षक।
• कार्य (Tasks): कार्यों का एक क्रम $t \in \{0, \dots, T-1\}$।
• उत्पादन (Production): किसी कार्य पर काम करने में प्रयास ($x$) और कौशल ($s$) का संयोजन आउटपुट उत्पन्न करता है। प्रयास महंगा है; कौशल लागत रहित है। वे पूरक इनपुट (complementary inputs) हैं। कार्यों की विशेषता उनकी प्रयास तीव्रता ($\eta$) से होती है, जहाँ कम $\eta$ का अर्थ है कौशल पर उच्च निर्भरता (तरीकों की पहचान करना) और उच्च $\eta$ का अर्थ है प्रयास पर उच्च निर्भरता (दिए गए तरीकों को लागू करना)।
• डेलिगेशन (Delegation): छात्र कार्य को AI को सौंप सकता है, जिससे शून्य प्रयास और शून्य कौशल वृद्धि के साथ एक निश्चित प्रतिफल (payoff) $u$ प्राप्त होता है।
• कौशल संचय (Skill Accumulation): यदि छात्र कार्य करता है, तो कौशल प्रयास के अनुपात में बढ़ता है ($\Delta s = r x$); अन्यथा, कौशल स्थिर रहता है।
• उद्देश्य: शिक्षक छात्र के कुल कौशल लाभ ($s_T - s_0$) को अधिकतम करने के लिए प्रयास तीव्रता के क्रम ($\eta_t$) का चयन करता है, जो छात्र के प्रोत्साहन अनुकूलता (incentive compatibility - IC) प्रतिबंध के अधीन है: छात्र केवल तभी कार्य करता है जब कार्य करने से मिलने वाला प्रतिफल डेलिगेशन (सौंपने) के प्रतिफल से अधिक हो।

विश्लेषण छात्र के सर्वोत्तम-प्रतिक्रिया प्रयास और प्रतिफल को स्पष्ट करने के बाद आगे बढ़ता है, और फिर दो परिदृश्यों के तहत शिक्षक के इष्टतम पाठ्यक्रम को हल करता है: "प्रथम-सर्वोत्तम" (first-best - बिना डेलिगेशन के खतरे के) और "द्वितीय-सर्वोत्तम" (second-best - डेलिगेशन के खतरे के साथ)। अंत में, मॉडल को एक "AI गुणवत्ता" पैरामीटर ($q$) के साथ विस्तारित किया जाता है जो प्रयास का पूरक हो सकता है (प्रयास के सीमांत उत्पाद को बढ़ाना) और साथ ही डेलिगेशन के प्रतिफल को भी बढ़ा सकता है।

मुख्य योगदान और परिणाम (Key Contributions and Results)

1. प्रथम-सर्वोत्तम पाठ्यक्रम (डेलिगेशन के बिना खतरा)
जब डेलिगेशन प्रतिफल शून्य ($u=0$) होता है, तो छात्र हमेशा कार्य करता है। शिक्षक केवल प्रयास को अधिकतम करने के लिए अनुकूलन करता है।

• परिणाम (प्रमेय 1): इष्टतम पाठ्यक्रम में ऐसे कार्य होते हैं जो समय के साथ क्रमशः कम प्रयास-गहन और अधिक कौशल-गहन होते जाते हैं।
• तंत्र (Mechanism): शुरुआती कार्य प्रयास-गहन होते हैं ताकि जब छात्र के पास कम कौशल हो, तो प्रयास को प्रोत्साहित किया जा सके। जैसे-जैसे छात्र कौशल संचित करता है, शिक्षक कौशल-गहन कार्यों की ओर बढ़ता है। चूंकि प्रयास और कौशल एक-दूसरे के पूरक हैं, इसलिए उच्च कौशल प्रयास को अधिक उत्पादक बनाता है; अतः, शिक्षक इस पूरकता का लाभ उठाने के लिए प्रयास की तीव्रता को कम कर देता है, जिससे अब अधिक सक्षम छात्र से अधिकतम प्रयास निकाला जा सके।

2. द्वितीय-सर्वोत्तम पाठ्यक्रम (डेलिगेशन का खतरा)
जब $u > 0$ होता है, तो छात्र कार्य सौंप सकता है यदि कार्य करने से मिलने वाला प्रतिफल अपर्याप्त हो।

• परिणाम (प्रमेय 2): शिक्षक को प्रोत्साहन संबंधी बाधाओं को पूरा करने के लिए पाठ्यक्रम में विकृति (distortion) लानी पड़ती है। इष्टतम क्रम बढ़ते-फिर-घटते प्रयास तीव्रता को प्रदर्शित करता है।
• तंत्र (Mechanism): शुरुआती कार्यों पर, छात्र के पास कम कौशल और कार्य करने से कम प्रतिफल होता है, जिससे डेलिगेशन आकर्षक हो जाता है। इसे रोकने के लिए, शिक्षक को शुरुआती कार्यों को प्रथम-सर्वोत्तम नुस्खे की तुलना में अधिक कौशल-गहन ( $\eta$ को नीचे की ओर विकृत करना) बनाना होगा ताकि कार्य करने से छात्र का प्रतिफल बढ़ सके। जैसे-जैसे छात्र कौशल प्राप्त करता है, डेलिगेशन की बाधा कम होती जाती है, और पाठ्यक्रम घटते प्रयास तीव्रता के प्रथम-सर्वोत्तम पथ की ओर संक्रमण करता है।
• निहितार्थ: डेलिगेशन की उपस्थिति के कारण प्रथम-सर्वोत्तम मामले की तुलना में कुल कौशल विकास कम होता है क्योंकि शिक्षक को छात्र को व्यस्त रखने के लिए पाठ्यक्रम डिजाइन में विकृति लानी पड़ती है।

3. प्रारंभिक कौशल और मापदंडों का प्रभाव

• परिणाम (प्रमेय 3): कुल कौशल लाभ प्रारंभिक कौशल ($s_0$), उत्पादकता ($\pi$), और कौशल संचय दर ($r$) के बढ़ने के साथ बढ़ता है, लेकिन डेलिगेशन प्रतिफल ($u$) के घटने के साथ घटता है।
• तंत्र (Mechanism): यह पुष्टि करता है कि "कौशल से कौशल बढ़ता है" (skill begets skill) वाली गतिशीलता। उच्च प्रारंभिक कौशल डेलिगेशन के शुरुआती आकर्षण को कम करता है, जिससे पाठ्यक्रम प्रथम-सर्वोत्तम के करीब आता है, जो कौशल संचय को और तेज करता है।

4. प्रयास के पूरक के रूप में AI
मॉडल को AI गुणवत्ता ($q$) को प्रयास के सीमांत उत्पाद (पूरकता) को बढ़ाने के साथ-साथ डेलिगेशन प्रतिफल को बढ़ाने की अनुमति देने के लिए विस्तारित किया गया है।

• परिणाम (प्रमेय 4): बेहतर AI गुणवत्ता का प्रभाव गैर-एकदिष्ट (non-monotone) है और छात्र के कौशल स्तर पर निर्भर करता है।
  • उच्च-कौशल वाले छात्र: जैसे-जैसे $q$ बढ़ता है, ये छात्र तेजी से कौशल प्राप्त करते हैं। उनका कार्य प्रतिफल, डेलिगेशन प्रतिफल की तुलना में तेजी से बढ़ता है, जिससे वे कार्य करने के लिए अधिक इच्छुक होते हैं। शिक्षक उनकी उत्पादकता का लाभ उठाने के लिए प्रयास तीव्रता बढ़ाने की प्रतिक्रिया देता है।
  • निम्न-कौशल वाले छात्र: जैसे-जैसे $q$ बढ़ता है, ये छात्र धीमी गति से कौशल प्राप्त करते हैं। डेलिगेशन के प्रतिफल में वृद्धि, प्रयास के सीमांत उत्पाद में वृद्धि पर हावी हो जाती है, जिससे डेलिगेशन अधिक आकर्षक हो जाता है। शिक्षक को कार्य को प्रोत्साहित करने के लिए पाठ्यक्रम को और अधिक विकृत (प्रयास तीव्रता को कम) करना पड़ता है, जिसके परिणामस्वरूप कम प्रयास और धीमी कौशल प्राप्ति होती है।
• परिणाम (अनुभाग 5.3): कुल कौशल लाभ पर AI गुणवत्ता का समग्र प्रभाव पाठ्यक्रम की लंबाई ($T$) और संचय दर ($r$) पर निर्भर करता है। छोटे पाठ्यक्रमों में, शुरुआती (निम्न-कौशल) कार्यों पर नकारात्मक प्रभाव हावी हो सकता है। लंबे पाठ्यक्रमों में, यदि छात्र डेलिगेशन के शुरुआती प्रलोभन को पार करने के लिए पर्याप्त कौशल संचित कर सकता है, तो बाद के (उच्च-कौशल) कार्यों पर सकारात्मक प्रभाव हावी हो सकता है।

महत्व और दावे (Significance and Claims)
यह शोध पत्र यह समझने के लिए एक सैद्धांतिक ढांचा प्रदान करने का दावा करता है कि शैक्षिक डिजाइन को AI के अनुकूल कैसे होना चाहिए। यह तर्क देता है कि:

1. पाठ्यक्रम विकृति आवश्यक है: AI-प्रेरित कौशल क्षरण (skill atrophy) को रोकने के लिए, शिक्षकों को जानबूझकर ऐसे कार्य डिजाइन करने चाहिए जो AI-मुक्त वातावरण की तुलना में अधिक कौशल-गहन (तरीकों की पहचान करने वाले) हों। यह उन सुझावों के अनुरूप है जहाँ छात्रों को "अपनी प्रक्रिया का दस्तावेजीकरण" करने और "समझ प्रदर्शित करने" के लिए कहा जाता है।
2. विभेदक प्रभाव: AI की गुणवत्ता में सुधार सीखने को समान रूप से लाभ या हानि नहीं पहुँचाता है। यह एक ऐसा अंतर पैदा करता है जहाँ उच्च-कौशल वाले छात्र अपने सीखने की गति तेज करते हैं, जबकि निम्न-कौशल वाले छात्र डेलिगेशन के बढ़ते प्रलोभन के कारण और पीछे छूट सकते हैं।
3. गतिशील पूरकता (Dynamic Complementarities): मॉडल कौशल में शुरुआती निवेश के महत्व को पुख्ता करता है। क्योंकि कौशल से कौशल बढ़ता है, शुरुआती डेलिगेशन को रोकना दीर्घकालिक विकास के लिए महत्वपूर्ण है।
4. व्यापक प्रयोज्यता: हालांकि यह शिक्षा पर केंद्रित है, डेलिगेशन और प्रोत्साहन डिजाइन के संबंध में मॉडल का तर्क अन्य संदर्भों में भी लागू होता है, जैसे औद्योगिक ऑफशोरिंग (जहाँ सरकारें मानव पूंजी बनाने के लिए घरेलू उत्पादन को प्रोत्साहित करना चाह सकती हैं) या शैक्षणिक अखंडता (सहपाठियों से नकल करना)।

शोध पत्र विनम्रतापूर्वक निष्कर्ष निकालता है, यह नोट करते हुए कि इसके अनुमान (जैसे, अल्पकालिक छात्र, एकल-छात्र अनुकूलन) भविष्य के अनुसंधान में अधिक जटिल वास्तविक दुनिया के परिदृश्यों, जैसे कि विषम छात्र आबादी के लिए पाठ्यक्रम डिजाइन करने के लिए शिथिल (relax) किए जा सकते हैं।