Rethinking Higher Education: From Fixed Curricula to Learnity Graphs

सीखने की दुनिया की कल्पना एक विशाल, हलचल भरी लाइब्रेरी के रूप में करें। दशकों से, इस लाइब्रेरी को "डिग्री" नामक कठोर, पहले से पैक किए गए बक्सों में व्यवस्थित किया गया है। आप "कंप्यूटर साइंस" लेबल वाला एक बॉक्स उठाते हैं, और इसके अंदर, आपको किताबों का एक निश्चित ढेर मिलता है जिसे आपको एक विशिष्ट क्रम में पढ़ना होगा: अध्याय 1, फिर अध्याय 2, फिर अध्याय 3। एक बार जब आप उस ढेर को पूरा कर लेते हैं, तो आपको एक प्रमाण पत्र मिलता है कि आपने उस बॉक्स में महारत हासिल कर ली है। लेकिन समस्या यह है: वास्तविक दुनिया व्यवस्थित ढेरों के रूप में काम नहीं करती है। नए विचार हर दिन उभरते हैं, जो अक्सर अलग-अलग बक्सों की चीजों को आपस में मिला देते हैं, जैसे कि एक ऐसी रेसिपी जिसमें "गणित" की शेल्फ से मसाले और "कला" की शेल्फ से उपकरण चाहिए हों।

यहाँ आर्टिफिशियल इंटेलिजेंस (AI) का प्रवेश होता है, जो एक सुपर-स्मार्ट लाइब्रेरियन है जो सेकंडों में कोई भी किताब ढूंढ सकता है। क्योंकि AI आपको तुरंत तथ्य सौंप सकता है, इसलिए सीखने का पुराना तरीका—सिर्फ अपने बॉक्स की किताबों के ढेर को याद करना—अपना जादू खो रहा है। असली मूल्य अब केवल किताबें पास होने में नहीं है; बल्कि यह जानने में है कि उन्हें कैसे मिलाया जाए, उनके साथ नई चीजें कैसे बनाई जाएं, और लाइब्रेरी छोड़ने के बहुत बाद भी कैसे सीखते रहें। वीज़मैन इंस्टीट्यूट ऑफ साइंस और द ओपन यूनिवर्सिटी ऑफ इज़राइल के शोधकर्ताओं द्वारा लिखा गया यह पेपर एक बड़ा सवाल पूछता है: यदि AI-संचालित दुनिया के लिए पुराना "बॉक्स" सिस्टम बहुत धीमा और कठोर है, तो हमें इसके बजाय क्या बनाना चाहिए? वे सुझाव देते हैं कि हमें सीखने को एक सीधी रेखा के रूप में सोचना बंद करना चाहिए और इसे एक जीवित, सांस लेते हुए मानचित्र (मैप) के रूप में देखना शुरू करना चाहिए।

पुराना तरीका: ट्रेन ट्रैक बनाम वेब

लेखक सुझाव देते हैं कि हमारी वर्तमान उच्च शिक्षा प्रणाली एक एकल ट्रैक पर चलने वाली ट्रेन की तरह है। आप स्टेशन (हाई स्कूल) पर चढ़ते हैं, ट्रेन निश्चित क्रम में विशिष्ट शहरों (कोर्स) पर रुकती है, और आप अंतिम गंतव्य (एक डिग्री) पर उतर जाते हैं। इस प्रणाली को सभी को एक मजबूत आधार देने के लिए डिज़ाइन किया गया था, और लेखक सहमत हैं कि आधार अभी भी आवश्यक हैं। विश्वविद्यालय अभी भी गहन सैद्धांतिक ज्ञान प्राप्त करने के लिए सबसे अच्छी जगह हैं। हालाँकि, पेपर का तर्क है कि यह "ट्रेन ट्रैक" मॉडल बहुत धीमा है। जब "डेटा साइंस" या "मशीन लर्निंग" जैसा नया क्षेत्र आता है, तो विश्वविद्यालय को अक्सर एक नया ट्रेन ट्रैक (एक नया डिग्री प्रोग्राम) बनाना पड़ता है जो पुराने वाले के ऊपर ओवरलैप करता है। यह ऐसा है जैसे किसी नए पड़ोस तक पहुँचने के लिए एक नया रास्ता बनाना, जबकि आप जंगल के माध्यम से एक शॉर्टकट ले सकते थे।

पेपर स्पष्ट रूप से इस विचार को खारिज करता है कि हमें विश्वविद्यालयों को बस फेंक देना चाहिए या उन्हें यादृच्छिक ऑनलाइन वीडियो से बदलना चाहिए। यह इस विचार के विरुद्ध भी तर्क देता है कि हमें हर नए कौशल के लिए हज़ार नए, छोटे डिग्री बनाने की आवश्यकता है। इसके बजाय, लेखक सुझाव देते हैं कि हमें एक ऐसी प्रणाली की आवश्यकता है जो लचीली हो ताकि सीखने को एक प्लास्टिक के सांचे में डालने के बजाय, एक पौधे की तरह स्वाभाविक रूप से बढ़ने दे।

नया विचार: "लर्निटी ग्राफ" (Learnity Graph)

तो, समाधान क्या है? लेखक एक नई अवधारणा प्रस्तावित करते हैं जिसे "लर्निटी ग्राफ" कहा जाता है।

इसे समझने के लिए, आइए अपनी रूपक (metaphor) बदलें। ट्रेन ट्रैक के बजाय, कल्पना करें कि आपका सीखना एक विशाल, चमकता हुआ मकड़जाल या सितारों का नक्षत्र है। प्रत्येक तारा सीखने का एक एकल हिस्सा है जिसे लेखक "लर्निटी" (Learnity) कहते हैं।

एक "लर्निटी" केवल एक ग्रेड या प्रमाण पत्र नहीं है। यह आपके द्वारा सीखी गई या की गई किसी भी चीज़ की एक छोटी, सार्थक इकाई है। यह हो सकता है:

• एक अवधारणा जिसे आपने कक्षा में समझा (जैसे "कोडिंग में लूप कैसे काम करते हैं")।
• एक कौशल जिसका आपने अभ्यास किया (जैसे "एक टूटे हुए प्रोग्राम को ठीक करना/डिबगिंग करना")।
• एक वास्तविक दुनिया का प्रोजेक्ट जिसे आपने बनाया (जैसे "एक स्थानीय चैरिटी के लिए वेबसाइट")।
• आपके द्वारा बनाया गया काम का एक हिस्सा (जैसे "कोड का एक टुकड़ा" या "एक कानूनी मसौदा")।

पुराने सिस्टम में, ये चीजें एक बड़े "कंप्यूटर साइंस डिग्री" बॉक्स के अंदर छिपी हुई थीं। नए सिस्टम में, इनमें से प्रत्येक तारा दृश्यमान और जुड़ा हुआ है।

ग्राफ कैसे काम करता है
ये तारे (लर्निटीज) चमकती रेखाओं द्वारा जुड़े हुए हैं। ये रेखाएं दिखाती हैं कि वे एक-दूसरे से कैसे संबंधित हैं।

• कुछ रेखाएं पूर्वापेक्षाएँ (prerequisites) हैं: आप "एल्गोरिदम" (तारा A) को तब तक नहीं समझ सकते जब तक कि आप "डिस्क्रीट मैथ" (तारा B) को नहीं समझ लेते। रेखा उन्हें जोड़ती है।
• कुछ रेखाएं संयोजन (combinations) हैं: यदि आप "प्रोग्रामिंग" (तारा A) को "वर्जन कंट्रोल" (तारा B) के साथ मिलाते हैं, तो आपको एक "सॉफ्टवेयर प्रोजेक्ट" (तारा C) मिलता है।
• कुछ रेखाएं अंतर्विषयक (interdisciplinary) हैं: शायद "डेटा विश्लेषण" (तारा A), "रियल एस्टेट कानून" (तारा B) से जुड़ता है क्योंकि आपने एक कानूनी समस्या को हल करने के लिए डेटा का उपयोग किया।

पेपर का सुझाव है कि केवल "कोर्स A, कोर्स B, कोर्स C" की सूची देने वाले ट्रांसक्रिप्ट के बजाय, आपके पास एक लर्निटी ग्राफ होगा। यह ग्राफ आपकी पूरी सीखने की यात्रा का एक गतिशील मानचित्र है। यह न केवल यह दिखाता है कि आप क्या जानते हैं, बल्कि यह भी कि आप इसे कैसे जानते हैं, आप विभिन्न विचारों को कैसे जोड़ते हैं, और आपने वास्तव में क्या बनाया या किया है।

यह क्यों महत्वपूर्ण है: आपका अद्वितीय मानचित्र

पेपर का सुझाव है कि ऐसी दुनिया में जहाँ AI हमारे लिए तथ्य खोज सकता है, सबसे मूल्यवान चीज़ आपका अद्वितीय पथ है। दो लोग एक ही तथ्य जान सकते हैं, लेकिन यदि एक व्यक्ति ने उन्हें एक रोबोट बनाकर सीखा और दूसरे ने एक उपन्यास लिखकर, तो उनके "लर्निटी ग्राफ" बहुत अलग होंगे।

लेखक तर्क देते हैं कि यही विशिष्टता है जहाँ रचनात्मकता निवास करती है। जब आप अपने स्वयं के कनेक्शन के जाल को देख सकते हैं, तो आप नए अवसरों को पहचान सकते हैं। शायद आप देखते हैं कि आपका "कानूनी" तारा आपके "डेटा" तारे के करीब है, और अचानक आपको एहसास होता है कि आप एक ऐसी समस्या को हल कर सकते हैं जिसे कोई और नहीं देख सकता।

पेपर इस नए विश्व में AI की भूमिका पर भी प्रकाश डालता है। चूंकि एक लर्निटी ग्राफ बहुत बड़ा और जटिल हो सकता है, इसलिए AI एक मार्गदर्शक के रूप में कार्य करता है। यह आपके मानचित्र को देख सकता है और कह सकता है, "हे, आपने इन तीन तारों में महारत हासिल कर ली है; यहाँ एक नया तारा है जिसे आप सीखने के लिए तैयार हो सकते हैं," या "यहाँ एक कमी है; आइए इसे भरने के लिए एक प्रोजेक्ट खोजें।" यह आपको एक पूर्व-निर्धारित पथ का पालन करने के लिए मजबूर करने के बजाय, आपके व्यक्तिगत सीखने के जाल में नेविगेट करने में मदद करता है।

यह पेपर वास्तव में क्या करता है (और क्या नहीं करता)

यह स्पष्ट होना महत्वपूर्ण है कि लेखकों ने क्या हासिल किया है। उन्होंने एक नया ढांचा और एक नई शब्दावली (लर्निटी ग्राफ्स) प्रस्तावित की है। उन्होंने चित्र खींचे हैं कि ये ग्राफ एक छात्र, एक पेशेवर और एक वकील के लिए कैसे दिख सकते हैं। उन्होंने एक प्रारंभिक उदाहरण इंफ्रास्ट्रक्चर डेमो का लिंक भी प्रदान किया है ताकि यह दिखाया जा सके कि इस विचार को व्यवहार में कैसे साकार किया जा सकता है।

हालाँकि, पेपर यह दावा नहीं करता है कि यह प्रणाली विश्वविद्यालयों में पहले से चल रही है। वे स्वीकार करते हैं कि एक पूर्ण, कामकाजी प्रणाली बनाना एक बड़ी चुनौती है जिसके लिए अधिक शोध की आवश्यकता है। उन्होंने यह भी सिद्ध नहीं किया है कि यह शिक्षा की सभी समस्याओं को हल कर देगा, न ही उन्होंने यह मापा है कि यह वर्तमान प्रणाली से कितना बेहतर है। वे अनिवार्य रूप से कह रहे हैं, "यहाँ सीखने का एक नया तरीका है जो हमारे AI भविष्य के अनुकूल है। यह आशाजनक दिखता है, और यहाँ बताया गया है कि हम इसे बनाना कैसे शुरू कर सकते है।"

वे यह भी चेतावनी देते हैं कि हमें सावधान रहने की आवश्यकता है। यदि हम इन ग्राफ्स के नियम बहुत कठोर बना देते हैं, तो हम केवल पुराने, उबाऊ ट्रेन ट्रैक्स का एक डिजिटल संस्करण बन जाएंगे। प्रणाली इतनी लचीली होनी चाहिए कि सीखने को अप्रत्याशित तरीकों से बढ़ने दे।

मुख्य निष्कर्ष (The Takeaway)

संक्षेप में, यह पेपर हमें शिक्षा को टिक करने के लिए बॉक्स की एक चेकलिस्ट के रूप में सोचना बंद करने के लिए आमंत्रित करता है। इसके बजाय, यह सुझाव देता है कि हम सीखने को कौशल, अनुभव और रचनाओं के एक जीवित, परस्पर जुड़े हुए जाल के रूप में देखें। "लर्निटी ग्राफ्स" का उपयोग करके, हम एक ऐसी प्रणाली बना सकते हैं जो उस गहरे ज्ञान का सम्मान करती है जो विश्वविद्यालय प्रदान करते हैं, साथ ही हमें उन तरीकों से मिश्रण करने, मिलान करने और बढ़ने की अनुमति देती है जो हमारे अद्वितीय जीवन और AI की तेजी से बदलती दुनिया के अनुकूल हों। यह "आपके पास कौन सी डिग्री है?" से बदलकर "आपके सीखने का अद्वितीय मानचित्र कैसा दिखता है?" की ओर एक बदलाव है।