Modeling Artificial Intelligence Tool Adoption in Mathematics Teacher Education: A TAM-Based Structural Equation Modeling
यह अध्ययन पटना, भारत के 268 भावी गणित शिक्षकों के बीच एआई (AI) अपनाने की मंशा का विश्लेषण करने के लिए एक संवर्धित प्रौद्योगिकी स्वीकृति मॉडल का उपयोग करता है, जो यह प्रकट करता है कि जबकि कथित उपयोगिता और उपयोग में आसानी सकारात्मक दृष्टिकोण और व्यवहार संबंधी इरादों को दृढ़ता से प्रेरित करती है, तकनीकी आत्म-प्रभावकारिता और सुविधा प्रदान करने वाली स्थितियों जैसे बाहरी कारकों का अपेक्षाकृत कम सीधा प्रभाव 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 भविष्य के गणित शिक्षकों के एक समूह को अपनी कक्षा में एक सुपर-स्मार्ट, AI-संचालित रोबोट सहायक का उपयोग करने के लिए मनाने की कोशिश कर रहे हैं। आप सोच सकते हैं, "यदि वे बस यह विश्वास करें कि वे कंप्यूटर के साथ कुशल हैं, या यदि स्कूल उन्हें अच्छा वाई-फाई दे दे, तो वे इसका उपयोग करेंगे!" लेकिन भारत के एक नए अध्ययन से पता चलता है कि जादू वास्तव में इस तरह काम नहीं करता है।
शोधकर्ताओं, विवेक कुमार रावत, एम. टी.वी. नागारजू और कुमारी दीप्ति ने इस विचार का परीक्षण करने के लिए "टेक्नोलॉजी एक्सेप्टेंस मॉडल" (TAM) नामक एक "मानचित्र" का उपयोग किया। उन्होंने पटना, भारत के 268 छात्र-शिक्षकों से AI टूल्स के प्रति उनकी भावनाओं के बारे में एक सर्वेक्षण भरने के लिए कहा। इस सर्वेक्षण को एक विशाल, डिजिटल 'मूड रिंग' के रूप में समझें जो छह अलग-अलग चीजों को मापता है: वे AI को कितना उपयोगी समझते हैं, इसे उपयोग करना कितना आसान है, इसके बारे में वे कैसा महसूस करते हैं, क्या वे इसका उपयोग करने की योजना बना रहे हैं, वे तकनीक के साथ कितना आत्मविश्वास महसूस करते हैं, और स्कूल उन्हें क्या सहायता प्रदान करता है।
बड़ा आश्चर्य: यह आत्मविश्वास या सहायता के बारे में नहीं है (कम से कम, सीधे तौर पर नहीं)
यहाँ एक मोड़ है: अध्ययन में पाया गया कि केवल अपने तकनीकी कौशल में आत्मविश्वास महसूस करना (जिसे "टेक्निकोल सेल्फ-एफिकेसी" कहा जाता है) या एक ऐसा स्कूल होना जो मदद का वादा करता है (जिसे "फैसिलिटेटिंग कंडीशंस" कहा जाता है), ने इस विशिष्ट संदर्भ में छात्रों को AI का उपयोग करने के लिए प्रेरित नहीं किया।
वास्तव में, डेटा ने दिखाया कि "मैं आत्मविश्वासी हूँ" और "मुझे लगता है कि यह उपकरण उपयोगी है" के बीच का संबंध इस समूह के लिए सांख्यिकीय रूप से महत्वहीन था। शोधकर्ताओं ने उल्लेख किया कि इन कारकों ने "बहुत कम सीधा प्रभाव" दिखाया, जो यह दर्शाता है कि अपनी क्षमताओं में विश्वास और वातावरण द्वारा प्रदान की गई सहायता, तब तक अपनाने के लिए पूर्वानुमानित मूल्य नहीं रखते जब तक कि उनका अनुभवात्मक मूल्य स्पष्ट न किया जाए। यहाँ तक कि यह विचार भी कि "यदि मैं इसका उपयोग करने की योजना बनाता हूँ, तो मैं इसे आसान पाऊँगा" उनके नंबरों में टिक नहीं सका।
असली चालक: "क्या यह उपयोगी है?" और "क्या यह आसान है?"
तो, क्या काम आया? अध्ययन ने पाया कि छात्रों की AI का उपयोग करने की इच्छा को अनलॉक करने की दो सबसे बड़ी कुंजियाँ थीं: परसीव्ड यूज़फुलनेस (उपयोगिता का बोध) और परसीव्ड ईज़ ऑफ यूज़ (उपयोग में आसानी का बोध)।
इसे इस तरह समझें: कल्पना कीजिए कि आप एक नया, फैंसी वीडियो गेम कंट्रोलर पकड़े हुए हैं।
- परसीव्ड यूज़फुलनेस (PU): यह सवाल है, "क्या यह कंट्रोलर वास्तव में मुझे बॉस लेवल जीतने में मदद करेगा?" अध्ययन ने पाया कि यदि छात्र शिक्षकों को विश्वास था कि AI वास्तव में उनके भविष्य के गणित के पाठों को बेहतर बनाने में मदद करेगा, तो वे इसे पसंद करने और उपयोग करने के लिए बहुत अधिक इच्छुक थे। यह सबसे मजबूत कारक था, जो तकनीक की ओर उन्हें खींचने वाले एक भारी चुंबक की तरह कार्य कर रहा था।
- परसीव्ड ईज़ ऑफ यूज़ (PEOU): यह सवाल है, "क्या यह कंट्रोलर समझना एक दुःस्वप्न होने वाला है?" यदि टूल को संभालना आसान लगा, तो इससे छात्रों को इसे उपयोग करने के बारे में बेहतर महसूस हुआ।
अध्ययन ने दिखाया कि जब छात्रों ने AI को उपयोगी देखा, तो इसने टूल को उपयोग में आसान बना दिया, और इस संयोजन ने एक सकारात्मक दृष्टिकोण बनाया। यह वैसा ही है जैसे यह पता चलना कि एक नया ऐप न केवल आपका समय बचाता है (उपयोगी) बल्कि उसमें एक बटन भी है जो कहता है "यह मेरे लिए करो" (आसान)। तभी आप वास्तव में "डाउनलोड" पर क्लिक करते हैं।
संख्याएँ झूठ नहीं बोलतीं
शोधकर्ताओं ने केवल अनुमान नहीं लगाया; उन्होंने "स्ट्रक्चरल इक्वेशन मॉडलिंग" नामक एक जटिल सांख्यिकीय इंजन के माध्यम से नंबरों को चलाया। परिणाम अविश्वसनीय रूप से स्पष्ट थे।
- "उपयोगिता" (Usefulness) कारक का "दृष्टिकोण" (Attitude) पर एक मजबूत, सकारात्मक प्रभाव था (0.532 का स्कोर)।
- "उपयोग में आसानी" (Ease of Use) के कारक ने भी मदद की, हालांकि थोड़ा कम मजबूती से (0.127 का स्कोर)।
- मॉडल जिसे उन्होंने बनाया, वह उनके डेटा के साथ इतनी अच्छी तरह फिट हुआ कि त्रुटि दर लगभग शून्य थी (RMSEA = 0.000) और इसका "फिट" स्कोर एक पूर्ण 1.000 था। इसका मतलब है कि भावनाओं के बीच कैसे संबंध है, इसका उनका मानचित्र इस समूह के लिए अत्यंत सटीक है।
"मीडिएशन" का रहस्य
शोधकर्ताओं ने एक विशिष्ट सिद्धांत का भी परीक्षण किया: क्या "आत्मविश्वास महसूस करना" (सेल्फ-एफिकेसी) आपको यह सोचने पर मजबूर करता है कि टूल "उपयोगी" है, जो फिर आपको इसे पसंद करने के लिए प्रेरित करता है? उन्होंने इस पथ की सावधानीपूर्वक जांच की। परिणाम? नहीं। अप्रत्यक्ष पथ बहुत छोटा था जिसे गिना जा सके। इन 268 छात्र-शिक्षकों की दुनिया में, केवल आत्मविश्वास महसूस करने से उन्हें यह सोचने का भ्रम नहीं हुआ कि AI उपयोगी है। उन्हें पहले वास्तविक लाभ देखना था।
निष्कर्ष
इसलिए, यदि आप एक स्कूल लीडर या शिक्षक प्रशिक्षक हैं जो गणित शिक्षा में AI लाना चाहते हैं, तो यह अध्ययन एक स्पष्ट मार्ग सुझाता है। केवल कंप्यूटर न खरीदें और शिक्षकों से यह न कहें, "आप यह कर सकते हैं!" या "हमारे पास बेहतरीन सहायता है!" जबकि ये चीजें अच्छी हैं, वे अपने आप में जादुई स्विच नहीं हैं।
इसके बजाय, आपको उन्हें ठीक से दिखाना होगा कि AI उनके गणित के पाठों को कैसे बेहतर बनाएगा (उपयोगिता) और यह साबित करना होगा कि इसे सीखना सिरदर्द नहीं होगा (उपयोग में आसानी)। एक बार जब वे देखते हैं कि टूल एक सहायक, आसान-से-उपयोग वाला साथी है, तो उनका दृष्टिकोण बदल जाता है, और वे इसे अपनाने के लिए तैयार हो जाते हैं। अध्ययन पुष्टि करता है कि इन भविष्य के शिक्षकों के लिए, "क्यों" और "कैसे" का महत्व "मैं कर सकता हूँ" या "हमारे पास है" से कहीं अधिक है, जब तक कि वे कारक तकनीक के मूल्य के स्पष्ट, प्रत्यक्ष अनुभवों से जुड़े न हों।
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।