From Generative AI to Agentic AI in Higher Education: A Structured Literature Synthesis of Instructional, Human Agency, and Governance Tensions
यह शोध पत्र उच्च शिक्षा में प्रतिक्रियात्मक जनरेटिव एआई (generative AI) से सक्रिय एजेंटिक एआई (agentic AI) की ओर संक्रमण पर बिखरे हुए साहित्य को संश्लेषित करता है ताकि प्रमुख निर्देशात्मक, एजेंसी और शासन संबंधी तनावों की पहचान की जा सके, जिसका समापन संस्थागत तत्परता और जवाबदेही के मार्गदर्शन के लिए AIRA-G ढांचे के विकास में होता 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
एक बड़ी तस्वीर: एक स्मार्ट कैलकुलेटर से लेकर एक सेल्फ-ड्राइविंग कार तक
कल्पना कीजिए कि उच्च शिक्षा एक व्यस्त शहर है। लंबे समय से, विश्वविद्यालय जेनरेटिव एआई (GenAI) का उपयोग एक बहुत ही स्मार्ट, तेज़ कैलकुलेटर या एक व्यक्तिगत सहायक की तरह कर रहे हैं। आप उससे एक सवाल पूछते हैं ("इस किताब का सारांश लिखो"), और वह आपको उत्तर दे देता है। वह आपके बटन दबाने का इंतज़ार करता है।
लेकिन यह पेपर तर्क देता है कि अब हम एजेंटिक एआई (Agentic AI) की ओर बढ़ रहे हैं। यह अब केवल एक कैलकुलेटर नहीं है; यह एक सेल्फ-ड्राइविंग कार या एक भ्रमणकारी टूर गाइड की तरह है। यह केवल सवालों का इंतज़ार नहीं करता। यह:
- अपने आप रास्ता (रूट) प्लान कर सकता है।
- ट्रैफिक (डेटा) की जांच कर सकता है और योजना बदल सकता है।
- समन्वय करने के लिए अन्य कारों (सिस्टम) से बात कर सकता है।
- बिना आपके हर कदम पर पूछे, यह निर्णय ले सकता है कि आगे कहाँ जाना है।
लेखकों का कहना है कि विश्वविद्यालय इस बदलाव के लिए तैयार नहीं हैं। उनके पास इस बात के नियम हैं कि छात्र कैलकुलेटर का उपयोग कैसे करते हैं, लेकिन उनके पास उस सेल्फ-ड्राइविंग कार को प्रबंधित करने के नियम नहीं हैं जो पूरी क्लास को चला रही है।
चार बड़ी तंगियाँ (यानी "ट्रैफिक जाम")
पेपर उन चार मुख्य समस्याओं (तनावों) की पहचान करता है जो "कैलकुलेटर" से "सेल्फ-ड्राइविंग कार" में स्विच करते समय होती हैं।
1. बदलाव: उपकरण से साथी तक (The Shift: From Tool to Teammate)
- उपमा: एक हथौड़े की कल्पना करें। आप कील ठोकने के लिए उसे घुमाते हैं। यह बिल्कुल वही करता है जो आप इसे बताते हैं। अब एक रोबोट निर्माण कार्यकर्ता की कल्पना करें जो तय करता है कि किन कीलों को मारना है, कब ब्रेक लेना है, और दीवार कैसे बनानी है।
- समस्या: एआई एक ऐसे उपकरण से बदलकर एक "डिस्ट्रीब्यूटेड एक्टर" बन रहा है जो शिक्षकों और छात्रों के साथ मिलकर काम करता है। सवाल यह बन जाता है: हमें रोबोट को कितना ड्राइविंग करने देना चाहिए? यदि एआई पाठ योजना तय करता है या परीक्षा का ग्रेड देता है, तो वास्तव में प्रभारी कौन है?
2. जाल: वैयक्तिकरण बनाम वास्तविक सीखना (The Trap: Personalization vs. Real Learning)
- उपमा: एक पर्सनल शेफ की कल्पना करें जो वही बनाता है जिसकी आपको तीव्र इच्छा होती है। यदि आप केवल वही खाते हैं जिसकी आपको इच्छा होती है, तो आप बीमार पड़ सकते हैं क्योंकि आप वह नहीं खा रहे हैं जिसकी आपको ज़रूरत है।
- समस्या: एजेंटिक एआई सीखने को "वैयक्तिकृत" (आपको वही देना जो आप चाहते हैं) बनाने में बहुत अच्छा है। लेकिन अगर यह सीखने को बहुत आसान बना देता है या केवल वही देता है जो आप पहले से जानते हैं, तो आप कठिन अवधारणाओं के साथ संघर्ष करना बंद कर सकते हैं। पेपर चेतावनी देता है कि यदि एआई सब कुछ बहुत आसान बना देता है, तो छात्र वास्तव में सीखने के लिए आवश्यक "मानसिक मेहनत" करना बंद कर सकते हैं। हमें यह सुनिश्चित करने की आवश्यकता है कि एआई केवल एक शॉर्टकट न हो, बल्कि एक वास्तविक शिक्षक हो।
3. संतुलन: मदद बनाम बैसाखी (The Balance: Helping vs. Crutches)
- उपमा: साइकिल पर ट्रेनिंग व्हील्स के बारे में सोचें। वे तब तक आपको संतुलन बनाने में मदद करते हैं जब तक आप अकेले चलाने के लिए तैयार नहीं हो जाते। लेकिन यदि आप ट्रेनिंग व्हील्स को हमेशा के लिए लगा कर रखते हैं, तो आप कभी भी खुद संतुलन बनाना नहीं सीख पाएंगे।
- समस्या: एआई छात्रों को तेज़ी से सीखने में मदद कर सकता है (ट्रेनिंग व्हील्स)। लेकिन "कॉग्निटिव ऑफलोडिंग" का जोखिम है—सोचने के लिए एआई का उपयोग करना। यदि छात्र लिखने, हल करने या सोचने के लिए एआई पर निर्भर होते हैं, तो वे उन चीजों को करने की अपनी क्षमता खो सकते हैं। लक्ष्य "कैलिब्रेटेड एजेंसी" है: एआई का उपयोग एक सहायक के रूप में करें, न कि आपके अपने मस्तिष्क के विकल्प के रूप में।
4. जोखिम: एक टूटी हुई खिड़की बनाम पूरी इमारत (The Risk: One Broken Window vs. The Whole Building)
- उपमा: यदि कोई छात्र एक खराब कैलकुलेटर का उपयोग करता है, तो उसे गलत गणित का उत्तर मिलता है (एक टूटी हुई खिड़की)। लेकिन यदि स्कूल सिस्टम में एक सेल्फ-ड्राइविंग कार हैक हो जाती है या गलत निर्णय लेती है, तो यह पूरे स्कूल बस को क्रैश कर सकती है, छात्रों के रहस्य लीक कर सकती है, या किसी छात्र को अनुचित रूप से निकाल सकती है (पूरी इमारत का हिलना)।
- समस्या: जब एआई केवल एक उपकरण होता है, तो जोखिम छोटा होता है (एक गलत उत्तर)। जब एआई एक "एजेंट" होता है जो छात्र रिकॉर्ड, ग्रेड और स्कूल डेटाबेस से जुड़ता है, तो जोखिम विस्फोट की तरह बढ़ता है। यह अब केवल धोखाधड़ी के बारे में नहीं है; यह सुरक्षा, गोपनीयता और जिम्मेदारी के बारे में है कि जब सिस्टम गड़बड़ करता है तो जिम्मेदार कौन है।
समाधान: AIRA-G फ्रेमवर्क
लेखक एक नया तरीका प्रस्तावित करते हैं जिससे विश्वविद्यालय यह तय कर सकें कि क्या उन्हें इन नए एआई सिस्टम का उपयोग करना चाहिए। वे इसे AIRA-G फ्रेमवर्क कहते हैं।
इसे एआई के लिए एक ट्रैफिक लाइट सिस्टम के रूप में समझें। इससे पहले कि कोई विश्वविद्यालय अपने शहर में एक नया एआई "सेल्फ-ड्राइविंग कार" आने दे, उन्हें इसे चार चेकपॉइंट्स (लेंस) से गुजरना होगा:
- स्वायत्तता चेक (Autonomy Check): यह एआई अपने आप कितना कुछ कर सकता है? क्या यह केवल सवालों के जवाब दे रहा है, या यह निर्णय ले रहा है?
- लर्निंग चेक (Learning Check): क्या यह वास्तव में छात्रों को सीखने में मदद करता है, या यह केवल चीजों को तेज़ कर रहा है?
- ह्यूमन चेक (Human Check): क्या यह छात्रों को स्मार्ट और स्वतंत्र बनाता है, या यह उन्हें आलसी और निर्भर बनाता है?
- सेफ्टी चेक (Safety Check): क्या विश्वविद्यालय इन जोखिमों को संभालने के लिए तैयार है? क्या वे डेटा की रक्षा कर सकते हैं? यदि यह टूट जाए तो क्या वे इसे ठीक कर सकते हैं?
इन चेक्स के आधार पर, एआई को चार ज़ोन में वर्गीकृत किया जाता है:
- ज़ोन A (ग्रीन लाइट - कम जोखिम): एआई केवल एक सहायक है (जैसे FAQ बॉट)। कार्रवाई: इसे जाने दें, लेकिन छात्रों को बताएं कि यह क्या है।
- ज़ोन B (येलो लाइट - गाइडेड): एआई शिक्षकों को योजना बनाने या फीडबैक देने में मदद करता है, लेकिन एक इंसान इसकी जांच करता है। कार्रवाई: इसे जाने दें, लेकिन एक शिक्षक को लूप में रखें।
- ज़ोन C (ऑरेंज लाइट - कंट्रोल्ड पायलट): एआई बड़े सुझाव दे रहा है (जैसे छात्रों को क्लास चुनने की सलाह देना)। कार्रवाई: सख्त नियमों और लॉग के साथ एक छोटे समूह में सावधानी से परीक्षण करें।
- ज़ोन D (रेड लाइट - स्टॉप): एआई पर्याप्त सुरक्षा तंत्र के बिना उच्च-दांव वाले निर्णय ले रहा है (जैसे फाइनल एग्जाम ग्रेड करना या यह तय करना कि कौन स्नातक होगा)। कार्रवाई: अभी इसका उपयोग न करें। यह बहुत खतरनाक है।
निचोड़ (The Bottom Line)
यह पेपर यह नहीं कह रहा है कि "एआई को बैन करें" या "सब कुछ इस्तेमाल करें।" यह कह रहा है: "एआई को एक साधारण उपकरण की तरह मानना बंद करें और इसे अपनी शक्ति वाले एक पार्टनर की तरह मानना शुरू करें।"
विश्वविद्यालयों को यह पूछना बंद करना होगा कि, "क्या यह टूल कूल है?" और यह पूछना शुरू करना होगा कि, "क्या हमारा स्कूल इस पार्टनर को गवर्न करने के लिए तैयार है?" उन्हें यह जांचना होगा कि क्या एआई सुरक्षित है, क्या यह वास्तव में सीखने में मदद करता है, और क्या इंसान अभी भी ड्राइवर की सीट में हैं। AIRA-G फ्रेमवर्क सुरक्षित रूप से निर्णय लेने के लिए उनका नक्शा 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।