Phase-Dependent Effects of Cognitive Autonomy on Student Performance in AI-Assisted Learning
यह अध्ययन संज्ञानात्मक स्वायत्तता सूचकांक (Cognitive Autonomy Index) को यह प्रदर्शित करने के लिए प्रस्तुत करता है कि एआई-सहायता प्राप्त शिक्षण का छात्र प्रदर्शन पर प्रभाव चरण-निर्भर होता है, जो यह प्रकट करता है कि छात्र-एआई अंतःक्रियाओं का विशिष्ट समय और प्रकृति कुल उपयोग की मात्रा से अधिक महत्वपूर्ण है।
मूल पेपर CC BY 4.0 (https://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 नया कौशल सीखने की कोशिश कर रहे एक छात्र हैं, जैसे कि कोई जटिल वीडियो गेम खेलना या कोई कठिन पहेली सुलझाना। अब, कल्पना कीजिए कि आपके पास एक सुपर-स्मार्ट, जादुई सहायक है जो हर सवाल का जवाब तुरंत जानता है। आर्टिफिशियल इंटेलिजेंस (AI) आज कई छात्रों के लिए ऐसा ही महसूस होता है। लेकिन यहाँ एक बड़ा सवाल है: क्या यह सहायक आपको स्मार्ट बना रहा है, या यह सिर्फ आपके लिए काम कर रहा है ताकि आपको सोचना न पड़े? यह एक नए अध्ययन का केंद्र है जो इस बात पर नज़र रख रहा है कि कॉलेज के छात्र AI ट्यूटर्स का उपयोग कैसे करते हैं।
इसे समझने के लिए, हमें दो मुख्य विचारों को देखने की आवश्यकता है। पहला, "संज्ञानात्मक स्वायत्तता" (cognitive autonomy) है, जो बस एक फैंसी तरीका है "अपने आप में सोचने" का। यह इस अंतर के बारे में है कि आप अपने दोस्त से पूछते हैं, "यह गेम मैकेनिक कैसे काम करता है?" बनाम यह कहना कि, "यह लेवल यहाँ है, तुम इसे मेरे लिए खेलो।" दूसरा, "स्व-नियमित सीखना" (self-regulated learning) है, जो आपके अपने सीखने के जहाज का कप्तान होने जैसा है। इसका मतलब है कि आप अपनी यात्रा की योजना बनाते हैं, अपने मानचित्र की जाँच करते हैं और अपनी गलतियों को सुधारते हैं, बजाय इसके कि आप बस हवा को आपको कहीं भी बहने दें। शोधकर्ता इस बात पर इसलिए ध्यान देते हैं क्योंकि यदि छात्र AI पर बहुत अधिक निर्भर हो जाते हैं, तो वे होमवर्क पर तो अच्छे ग्रेड प्राप्त कर सकते हैं लेकिन जब उन्हें अकेले परीक्षा देनी होती है, तो वे असफल हो सकते हैं, क्योंकि वे खुद सोचना भूल गए होते हैं।
तो, शोधकर्ताओं ने वास्तव में क्या किया? उन्होंने एक AI कोर्स लेने वाले 110 कॉलेज छात्रों के चैट लॉग्स (chat logs) को देखा। ये छात्र असाइनमेंट पर काम करते समय एक AI ट्यूटर से बात कर रहे थे। शोधकर्ता यह देखना चाहते थे कि छात्रों ने AI के साथ कितनी बात की, उससे ज्यादा यह मायने रखता है कि उन्होंने कैसे बात की। उन्होंने एक विशेष स्कोर बनाया जिसे "कॉग्निटिव ऑटोनॉमी इंडेक्स" (CAI) कहा जाता है ताकि इसे मापा जा सके। CAI को एक "सोचने के मीटर" के रूप में समझें। यह तब अंक देता है जब कोई छात्र गहरे "क्यों" वाले सवाल पूछता है या अपने काम की जाँच करता है, और यह तब अंक काट लेता है जब कोई छात्र पूरा असाइनमेंट पेस्ट कर देता है और AI से उसे हल करने के लिए कहता है।
अध्ययन ने कुछ आश्चर्यजनक चीजें पाईं जो हमारे सोचने के तरीके को बदल सकती हैं। पहला, उन्होंने पाया कि केवल यह गिनना कि एक छात्र ने AI के साथ कितनी बार चैट की, उन्हें यह नहीं बता सका कि छात्र टेस्ट में कैसा प्रदर्शन करेगा। यह यह कहने जैसा है कि, "मैंने 10 घंटे पियानो का अभ्यास किया," लेकिन यह नहीं बताया कि क्या आप वास्तव में गाने सीख रहे थे या बस बेतरतीब ढंग से चाबियाँ दबा रहे थे। चैट की गुणवत्ता (quality) चैट की मात्रा (quantity) से कहीं अधिक महत्वपूर्ण थी।
लेकिन सबसे बड़ा मोड़ यह है कि AI का उपयोग करने का "सबसे अच्छा" तरीका इस बात पर निर्भर करता है कि आप क्लास में कब हैं। शोधकर्ताओं ने सेमेस्टर को तीन भागों में विभाजित किया: शुरुआती, मध्य और अंतिम।
शुरुआती चरण (पहले कुछ सप्ताह) में, लेखन या कोड जेनरेट करने के लिए AI से मदद मांगना वास्तव में एक अच्छी बात थी! यह एक को-पायलट होने जैसा था जो इंजन शुरू करने में आपकी मदद करता है। जो छात्र शुरुआत में लिखने के लिए AI का उपयोग करते थे, उन्होंने अपने पहले एग्जाम में बेहतर प्रदर्शन किया। ऐसा लगता है कि शुरुआत करने के लिए थोड़ी मदद लेना उपयोगी हो सकता है जब आप अभी बुनियादी चीजें सीख रहे हों।
हालाँकि, अंतिम चरण (सेमेस्टर के अंत) में, नियम पूरी तरह से बदल गए। इस समय तक, छात्रों को विशेषज्ञ होना चाहिए था। यदि वे अपना असाइनमेंट टेक्स्ट AI में "डंप" करना शुरू करते और उससे काम करने के लिए कहते, तो उनके एग्जाम स्कोर गिर जाते। यह कार चलाने सीखने के लिए केवल यात्री सीट पर बैठने जैसा है; आप मंजिल तक तो पहुँच सकते हैं, लेकिन जब आपको अकेले गाड़ी चलानी होगी तो आपको पता नहीं होगा कि स्टीयरिंग कैसे संभालनी है।
अध्ययन में यह भी पाया गया कि "संदर्भगत" (contextual) प्रश्न पूछना (जैसे, "मेरे असाइनमेंट में इस विशिष्ट त्रुटि का क्या अर्थ है?") कोर्स के बीच में बहुत अधिक मदद या नुकसान नहीं पहुँचाता था, जब तक कि एक बहुत ही विशिष्ट छात्र, जो बहुत संघर्ष कर रहा था, को डेटा में शामिल न किया जाए।
तो, निष्कर्ष क्या है? शोधकर्ता सुझाव देते हैं कि AI का उपयोग करना एक साधारण "अच्छा" या "बुरा" मामला नहीं है। यह एक ऐसे उपकरण की तरह है जिसका मूल्य आपके सीखने के चरण के आधार पर बदलता रहता है। शुरुआत में, AI को कुछ भारी काम करने देने से आपको आगे बढ़ने में मदद मिल सकती है। लेकिन बाद में, आपको खुद स्टीयरिंग संभालनी होगी। यदि आप पूरी राह AI को ही चलाने देते हैं, तो आप खुद को अनपेक्षित पाएंगे जब परीक्षा आएगी और AI कमरे में मौजूद नहीं होगा। अध्ययन सुझाव देता है कि सफलता की कुंजी AI से बचना नहीं है, बल्कि यह जानना है कि आपको कब संकेत के लिए पूछना है और कब इसे दूर रखकर खुद सोचना है।
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।