AI Mentoring in Entrepreneurship Education and Early-Stage Ventures: Design Architectures and Evaluation Gaps
25 अध्ययनों की यह व्यवस्थित साहित्य समीक्षा प्रकट करती है कि उद्यमिता के लिए अधिकांश एआई मेंटरिंग उपकरण निराधार संवादात्मक ह्यूरिस्टिक्स (heuristics) पर निर्भर करते हैं और उनमें निरंतर स्मृति का अभाव होता है, जो एक "संज्ञानात्मक ऑफलोडिंग ट्रैप" (cognitive offloading trap) निर्मित करता है जहाँ उच्च उपयोगकर्ता संतुष्टि, कम होती आलोचनात्मक सोच और अनमापित संज्ञानात्मक विकास के साथ सह-संबंधित होती 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
द ग्रेट मेंटर मिस्ट्री: जब AI बहुत ज़्यादा मदद करने लगे
कल्पना कीजिए कि आप साइकिल चलाना सीख रहे हैं। पुराने दिनों में, आपके माता-पिता या कोई दोस्त आपके साथ दौड़ता था, सीट को पकड़ता था, और जब आप स्थिर हो जाते थे तो उसे छोड़ देता था, और शायद आपको थोड़ा डगमगाने भी देता था ताकि आप संतुलन बनाना सीख सकें। सीखना आमतौर पर इसी तरह होता है: आप थोड़ा संघर्ष करते हैं, आपका मस्तिष्क मांसपेशियों की स्मृति (muscle memory) बनाता है, और अंततः, आप अपने आप सवारी करने लगते हैं। लेकिन अब, एक जादुई, अदृश्य रोबोट की कल्पना करें जो केवल सीट को पकड़ता ही नहीं है—बल्कि वह आपके बैठने और स्टीयरिंग चलाने के दौरान आपके लिए पैडल भी मारता है। यह अद्भुत लगता है! आप तेज़ी से चल रहे हैं, आप गिर नहीं रहे हैं, और आप खुद को एक प्रो (pro) महसूस कर रहे हैं। लेकिन यहाँ एक पेंच है: यदि रोबोट रुक जाता है, तो आपको पता ही नहीं होगा कि पैडल कैसे मारना है। आपने वास्तव में साइकिल चलाना कभी सीखा ही नहीं; आपने केवल एक ऐसी साइकिल पर बैठना सीखा जो अपने आप चलती है।
यही वह समस्या है जिसकी एक नया अध्ययन उद्यमिता शिक्षा (entrepreneurship education) की दुनिया में जांच कर रहा है। यह विज्ञान का वह कोना है जहाँ हम लोगों को नए व्यवसाय शुरू करना सिखाते हैं, विशेष रूप से हाई-टेक व्यवसाय। यहाँ मुख्य विचार "मेंटरिंग" (mentoring) का है। एक अच्छा मेंटर आपको केवल उत्तर नहीं देता; वह आपकी सोच को चुनौती देता है, कठिन प्रश्न पूछता है, और आपको यह समझने में मदद करता है कि कोई विचार क्यों विफल हो सकता है ताकि आप उसे ठीक कर सकें। हाल ही में, स्कूलों और स्टार्टअप्स ने इन मेंटर्स के रूप में आर्टिफिशियल इंटेलिजेंस (AI) का उपयोग करना शुरू कर दिया है। उम्मीद यह थी कि AI एक साथ हज़ारों छात्रों से बात कर सकेगा, उन्हें उनके बिजनेस प्लान पर तुरंत सलाह दे सकेगा। लेकिन बड़ा सवाल यह है: क्या AI वास्तव में छात्रों को एक उद्यमी की तरह सोचना सिखा रहा है, या यह केवल उनके लिए सोच रहा है, जिससे वे बिना वास्तव में स्मार्ट बने भी स्मार्ट महसूस करने लगते हैं?
शोध की बड़ी खोज: "कॉग्निटिव ऑफलोडिंग ट्रैप" (Cognitive Offloading Trap)
ब्राजील, नॉर्वे और यूके के विश्वविद्यालयों के शोधकर्ताओं की एक टीम ने स्टार्टअप्स के लिए AI मेंटर्स के बारे में 25 अलग-अलग अध्ययनों को देखकर इसकी जांच करने का निर्णय लिया। उन्होंने केवल यह नहीं पूछा, "क्या छात्र AI को पसंद करते हैं?" (जिसे मापना आसान है)। इसके बजाय, उन्होंने इन AI सिस्टम के ब्लूप्रिंट की गहराई से जांच की कि वे कैसे बनाए गए थे, और फिर यह देखा कि क्या उन अध्ययनों ने वास्तव में यह मापा कि छात्र सीख रहे हैं या नहीं।
यहाँ उन्हें क्या मिला, और यह थोड़ा चौंकाने वाला है।
1. "मैजिक 8-बॉल" (Magic 8-Ball) की समस्या
शोधकर्ताओं ने पाया कि उनके द्वारा अध्ययन किए गए AI मेंटरिंग सिस्टमों में से तीन-चौथाई (75%) "कन्वर्सेशनल ह्यूरिस्टिक्स" (Conversational Heuristics) की तरह बनाए गए थे। इन्हें आप बहुत बुद्धिमान, बातूनी रोबोट समझ सकते हैं जो बहुत आत्मविश्वास से भरे लगते हैं। वे फैंसी शब्दों का उपयोग करके एक बिजनेस प्लान लिख सकते हैं या किसी विचार की आलोचना कर सकते हैं, लेकिन उनके पास अपनी सलाह के समर्थन में कोई नियम पुस्तिका या चेकलिस्ट नहीं होती है। वे इंटरनेट से सीखी गई पैटर्न्स के आधार पर केवल अनुमान लगाते हैं।
इसके विपरीत, केवल एक छोटा समूह (लगभग 20%) "फॉर्मल असेसमेंट आर्किटेक्चर" (Formal Assessment-based Architectures) का उपयोग करता है। ये एक सख्त नियम पुस्तिका (जैसे नासा का "टेक्नोलॉजी रेडीनेस लेवल" स्केल) वाले रोबोट की तरह हैं। वे विशिष्ट मानदंडों के विरुद्ध तथ्यों की जांच करते हैं।
समस्या क्या है? बातूनी, नियम-रहित रोबोट सबसे लोकप्रिय हैं। वे ऐसी प्रतिक्रिया देते हैं जो आधिकारिक लगती है, लेकिन क्योंकि वे किसी वास्तविक नियम पुस्तिका की जांच नहीं कर रहे हैं, इसलिए आप उनके तर्क पर सवाल नहीं उठा सकते। यह एक ऐसे शिक्षक की तरह है जो कहता है, "यह गलत है," लेकिन यह बताने से इनकार कर देता है कि क्यों या गणित नहीं दिखाता कि वह सही क्यों है।
2. "भुलक्कड़ दोस्त" का डिज़ाइन
इससे भी बदतर, शोधकर्ताओं ने पाया कि इन AI सिस्टमों में से लगते ही नौ में से आठ (87.5%) "स्टेटलेस" (stateless) हैं। यह कहने का एक तकनीकी तरीका है कि AI को भूलने की बीमारी है। हर बार जब कोई छात्र लॉग इन करता है, तो AI उनके साथ एक अजनबी की तरह व्यवहार करता है। इसे याद नहीं रहता कि पिछले सप्ताह छात्र को किस चीज़ में कठिनाई हुई थी, या उनकी सोच में क्या बदलाव आया है।
कल्पना कीजिए कि एक पर्सनल ट्रेनर है जो हर बार जब आप जिम में कदम रखते हैं, तो आपका नाम और आपका पिछला वर्कआउट भूल जाता है। वह यह नहीं बता सकता कि आप मज़बूत हो रहे हैं या आप बस वही गलतियाँ दोहरा रहे हैं। क्योंकि AI भूल जाता है, इसलिए वह चुनौतियों की कठिनाई को समायोजित नहीं कर सकता। यह बस वही सामान्य सलाह देता रहता है, और छात्र को आगे बढ़ने के लिए कभी प्रेरित नहीं करता।
3. जाल: अच्छा महसूस करना बनाम स्मार्ट बनना
यह हमें अध्ययन की सबसे आश्चर्यजनक खोज तक ले आता है, जिसे वे "कॉग्निटिव ऑफलोडिंग ट्रैप" (Cognitive Offloading Trap) कहते हैं।
शोधकर्ताओं ने पाया कि जब AI सिस्टम को आसान, तेज़ और संतोषजनक बनाने के लिए डिज़ाइन किया जाता है, तो छात्र उनके प्रति बहुत खुश होते हैं। वे समर्थित महसूस करते हैं। हालाँकि, टीम द्वारा पाए गए एक नियंत्रित प्रयोग में, AI का उपयोग करने वाले छात्रों ने मानव मेंटर्स वाले छात्रों की तुलना में क्रिटिकल थिंकिंग (critical thinking) परीक्षणों में काफी कम स्कोर किया।
AI ने "फ्रिक्शन" (सोचने का कठिन हिस्सा) को हटाने में इतनी कुशलता दिखाई कि छात्रों के मस्तिष्क को काम करने की ज़रूरत ही नहीं पड़ी। उन्होंने अपनी सोच को रोबोट पर "ऑफलोड" (transfer) कर दिया। परिणाम? उन्हें उत्तर तो मिल गया, लेकिन उन्होंने समस्या को स्वयं हल करने के लिए मानसिक मांसपेशियां विकसित नहीं कीं। यह खाना बनाने का शो देखने और वास्तव में सब्जियां काटने के बीच का अंतर है। शो मज़ेदार और आसान है, लेकिन आप खाना बनाना नहीं सीखते।
4. असली चीज़ की कमी: वास्तविक दुनिया का अभ्यास
अध्ययन ने यह भी देखा कि लगभग कोई भी AI सिस्टम "केस-बेस्ड रीजनिंग" (case-based reasoning) का उपयोग नहीं करता है। इसका मतलब है कि वे सफल या विफल हुए स्टार्टअप्स की वास्तविक कहानियों से नहीं सीखते हैं। इसके बजाय, वे केवल सामान्य पैटर्न के आधार पर अनुमान लगाते हैं। वास्तविक दुनिया के उदाहरणों की कमी के कारण, वे छात्रों को व्यवसाय की जटिल और वास्तविक दुनिया में पैटर्न पहचानना नहीं सिखा सकते। वे एक ऐसे मानचित्र की तरह हैं जो दिखने में तो एकदम सही है लेकिन उसमें गड्ढे नहीं दिखाए गए हैं।
भविष्य के लिए इसका क्या अर्थ है
यह पेपर यह नहीं कहता कि AI बुरा है। वास्तव में, लेखक बताते हैं कि तकनीक प्रभावशाली है। लेकिन उनका तर्क है कि हम गलत प्रकार के AI मेंटर्स बना रहे हैं। वर्तमान में, हम ऐसे उपकरण बना रहे हैं जो संतुष्टि (छात्र को अच्छा महसूस कराने) को विकास (छात्र को अधिक सोचने के लिए मजबूर करने) से ऊपर प्राथमिकता देते हैं।
शोधकर्ता सुझाव देते हैं कि यदि हम चाहते हैं कि AI वास्तव में उद्यमियों की मदद करे, तो हमें डिज़ाइन को बदलने की आवश्यकता है:
- AI को याददाश्त दें: इसे छात्र की यात्रा को याद रखने की आवश्यकता है ताकि जैसे-जैसे वे बेहतर हों, यह उन्हें चुनौती दे सके।
- नियम पुस्तिकाओं का उपयोग करें: AI को अपनी सलाह की जांच वास्तविक, सत्यापन योग्य मानकों के विरुद्ध करनी चाहिए, न कि केवल अनुमान लगाना चाहिए।
- उन्हें संघर्ष करने दें: AI को केवल उत्तर नहीं देना चाहिए। इसे ऐसे प्रश्न पूछने चाहिए जो छात्र को सोचने पर मजबूर करें, भले ही इसमें थोड़ा असहज महसूस हो।
अध्ययन निष्कर्ष निकालता है कि हम वर्तमान में एक ऐसे "जाल" में हैं जहाँ हम सफलता को इस बात से माप रहे हैं कि छात्र कितने खुश हैं, जबकि इस बात को नज़रअंदाज़ कर रहे हैं कि वे वास्तव में सीख रहे हैं या नहीं। जब तक हम इन AI मेंटर्स के डिज़ाइन को ठीक नहीं करते, हम उद्यमियों की एक ऐसी पीढ़ी तैयार कर सकते हैं जो AI का उपयोग करने में तो माहिर है, लेकिन अपने लिए सोचने में बहुत खराब है। पेपर का सुझाव है कि वास्तविक सीखने के लिए थोड़े से 'फ्रिक्शन' (घर्षण/कठिनाई) की आवश्यकता होती है, और सर्वश्रेष्ठ AI मेंटर्स वे हैं जो जानते हैं कि कब चीज़ों को बहुत आसान नहीं बनाना 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।