Media Learning Behavior Analysis Research Report Study on Learning Duration, Course Completion Rate, and Grade Distribution

आधुनिक शैक्षिक परिदृश्य में, एक शांत क्रांति हुई है। कक्षा अब चार दीवारों तक सीमित नहीं है; यह उस डिजिटल स्थान में जीवित है जहाँ छात्र कहीं से भी लॉग इन करते हैं, वीडियो देखते हैं और असाइनमेंट जमा करते हैं। इस बदलाव ने डिजिटल पदचिह्नों का एक विशाल निशान छोड़ा है, जिसे शोधकर्ता 'शैक्षिक डेटा माइनिंग' (educational data mining) कहते हैं। यह छात्रों के ऑनलाइन कार्यों के रिकॉर्ड को देखने की प्रक्रिया है—जैसे कि वे एक व्याख्यान को कितनी देर तक देखते हैं, वे कितनी बार लॉग इन करते हैं, और वे अपने साथियों के साथ कैसे संवाद करते हैं—ताकि यह समझा जा सके कि वे कैसे सीखते हैं। इसके साथ ही, 'लर्निंग एनालिसिस' (learning analysis) नामक एक क्षेत्र इन रिकॉर्डों का उपयोग सीखने के वातावरण को वास्तविक समय में मापने और सुधारने के लिए करता है। इस कार्य को संचालित करने वाला केंद्रीय प्रश्न सरल लेकिन गहरा है: क्या हम स्क्रीन पर छात्र के व्यवहार को देखकर यह अनुमान लगा सकते हैं कि वे सफल होंगे या संघर्ष करेंगे? इस संबंध को समझना महत्वपूर्ण है क्योंकि जहाँ ऑनलाइन लर्निंग स्वतंत्रता और सुविधा प्रदान करती है, वहीं इसमें छात्रों के बीच पढ़ाई छोड़ने या सामग्री को समझने में विफल होने का उच्च जोखिम भी होता है।

फूझो मेलबर्न पॉलिटेकनिक की युनी वेंग द्वारा हाल ही में किया गया एक अध्ययन इस प्रश्न की गहराई में जाता है, जो तीन विशिष्ट व्यवहारों पर ध्यान केंद्रित करता है: एक छात्र सीखने में कितना समय बिताता है, क्या वे पाठ्यक्रम पूरा करते हैं, और अंततः उन्हें कितने ग्रेड प्राप्त होते हैं। शोधकर्ता ने ऑनलाइन शिक्षण प्लेटफार्मों से डेटा एकत्र किया, उन लॉग्स को देखा जो हर क्लिक, वीडियो देखे गए हर मिनट और जमा किए गए हर होमवर्क असाइनमेंट को रिकॉर्ड करते हैं। उन्होंने इस डेटा को केवल संख्याओं के रूप में नहीं, बल्कि छात्र की सहभागिता की एक कहानी के रूप में माना। इस जानकारी को स्पष्ट पैटर्न में व्यवस्थित करके, शोधकर्ता यह देख पाए कि ये विभिन्न व्यवहार एक-दूसरे से कैसे जुड़ते हैं। उन्होंने पाया कि छात्र द्वारा निवेश किए गए समय, पाठ्यक्रम पूरा करने की संभावना और प्राप्त किए गए स्कोर के बीच एक मजबूत, सकारात्मक संबंध है। दूसरे शब्दोंत, डेटा दिखाता है कि जो छात्र सामग्री पर अधिक समय बिताते हैं, उनके पाठ्यक्रम पूरा करने और उच्च ग्रेड प्राप्त करने की संभावना कहीं अधिक होती है।

अध्ययन ने इस डेटा को समझने के लिए उपयोग किए जाने वाले उपकरणों की भी जांच की। अतीत में, शोधकर्ता जो हुआ उसका वर्णन करने के लिए बुनियादी सांख्यिकी पर निर्भर थे। हालाँकि, आज, यह क्षेत्र अधिक परिष्कृत तरीकों की ओर बढ़ गया है, जिसमें 'डीप लर्निंग मॉडल' शामिल हैं। ये कंप्यूटर प्रोग्राम डेटा में जटिल पैटर्न को पहचानने के लिए डिज़ाइन किए गए हैं, ठीक वैसे ही जैसे मानव मस्तिष्क अनुभव से सीखता है। जबकि यह अध्ययन मौजूदा शोध की समीक्षा करता है जहाँ उन्नत मॉडलों ने उच्च भविष्य कहनेवाला शक्ति (predictive power) प्रदर्शित की है—जैसे कि एन मेंगलेई और अन्य का एक मॉडल जिसने छात्र प्रदर्शन की भविष्यवाणी करने में 95.69% सटीकता दर हासिल की—व्यापक रुझान इस बात की पुष्टि करता है कि ये डीप लर्निंग दृष्टिकोण सीखने के प्रभावों का विश्लेषण करने के लिए मानक बनते जा रहे हैं। इस क्षेत्र में सटीकता का यह उच्च स्तर यह सुझाव देता है कि छात्रों द्वारा छोड़े गए डिजिटल निशान उनकी भविष्य की सफलता का एक विश्वसनीय संकेतक हैं, जिससे शिक्षक असफल होने से बहुत पहले ही जोखिम वाले शिक्षार्थियों की पहचान कर सकते हैं।

जब शोधकर्ता ने स्वयं छात्रों पर करीब से नज़र डाली, तो उन्होंने पाया कि हर कोई एक ही तरह से नहीं सीखता है। उनकी आदतों के आधार पर छात्रों को समूहों में विभाजित करके, उन्होंने शिक्षार्थियों के विशिष्ट प्रकारों की पहचान की। कुछ "उच्च-इनपुट" (high-input) वाले छात्र थे जो प्लेटफॉर्म पर काफी समय बिताते थे, अधिकांश कार्यों को पूरा करते थे और शीर्ष अंक प्राप्त करते थे। अन्य "निम्न-इनपुट" (low-input) वाले शिक्षार्थी थे जिन्होंने बहुत कम समय बिताया, शायद ही कभी असाइनमेंट पूरे किए और सामग्री के साथ संघर्ष किया। वहाँ "उतार-चढ़ाव" वाले छात्र भी थे जिनकी सहभागिता और ग्रेड अप्रत्याशित रूप से ऊपर-नीचे होते रहे, और "अत्यधिक कुशल" (highly efficient) शिक्षार्थियों का एक समूह था जिन्होंने मध्यम समय के साथ उत्कृष्ट परिणाम प्राप्त किए। यह विविधता दर्शाती है कि एक ही दृष्टिकोण सभी के लिए उपयुक्त नहीं है; विभिन्न छात्रों को अलग-अलग प्रकार के समर्थन और ध्यान की आवश्यकता होती है।

शोध ने इस बात पर भी प्रकाश डाला कि छात्र ऑनलाइन कितना समय बिताते हैं और वास्तव में वे सामग्री को कितनी अच्छी तरह समझते हैं, इसके बीच एक अंतर है। जबकि औसत छात्र वीडियो देखने में 1,300 मिनट से अधिक समय बिताता था और पाठ्यक्रम पूरा करने की उच्च दर दिखाता था, ऑफलाइन टेस्ट में उनका प्रदर्शन अक्सर उम्मीद से कम रहा। डेटा से पता चला कि कई छात्र प्लेटफॉर्म पर मौजूद तो थे लेकिन सामग्री को पूरी तरह से आत्मसात नहीं कर रहे थे। वे शायद वीडियो देख रहे थे, लेकिन सक्रिय सहभागिता या समीक्षा के बिना, ज्ञान टिक नहीं पाया। यह निष्कर्ष एक महत्वपूर्ण मुद्दे की ओर संकेत करता है: केवल ऑनलाइन होना पर्याप्त नहीं है। अध्ययन सुझाव देता है कि पाठ्यक्रमों का डिज़ाइन स्वयं एक बड़ी भूमिका निभाता है। जब प्लेटफॉर्म लंबे, निर्बाध व्याख्यान प्रदान करते हैं, तो छात्र ध्यान खो सकते हैं। इसके विपरीत, छोटे, अधिक संवादात्मक खंड शिक्षार्थियों को लंबे समय तक व्यस्त रखने में मदद करते हैं।

इन चुनौतियों से निपटने के लिए, अध्ययन ऑनलाइन शिक्षा के भविष्य के लिए स्पष्ट मार्गदर्शन प्रदान करता है। उन प्लेटफार्मों के लिए जो इन पाठ्यक्रमों की मेजबानी करते हैं, सिफारिश यह है कि बेहतर सिस्टम बनाए जाएं जो वास्तविक समय में छात्र के व्यवहार को ट्रैक कर सकें। इन प्रणालियों को एक 'अर्ली वार्निंग मैकेनिज्म' (early warning mechanism) के रूप में कार्य करना चाहिए, जो शिक्षकों को तब सचेत करे जब कोई छात्र लॉग इन करना बंद कर दे या पीछे छूट जाए, ताकि तुरंत सहायता प्रदान की जा सके। पाठ्यक्रम डिजाइनरों के लिए, सलाह है कि अधिक आकर्षक शिक्षण वातावरण बनाएं। इसका अर्थ है सामग्री को छोटे, प्रबंधनीय टुकड़ों में तोड़ना, बातचीत के अवसर जोड़ना और बार-बार फीडबैक प्रदान करना। अंत में, स्कूल प्रशासकों के लिए, अध्ययन सुझाव देता है कि शिक्षकों को इन डेटा उपकरणों का उपयोग करने और संघर्ष कर रहे छात्रों को प्रेरित करने के लिए प्रशिक्षण की आवश्यकता है। बेहतर तकनीक के साथ विचारशील शिक्षण डिजाइन को जोड़कर, लक्ष्य ऑनलाइन लर्निंग की क्षमता को एक ऐसी वास्तविकता में बदलना है जहाँ अधिक छात्र सफल हों।

आगे का रास्ता स्पष्ट है। डेटा सिद्ध करता है कि सीखने का व्यवहार यादृच्छिक (random) नहीं है; यह ऐसे पैटर्न का पालन करता है जिन्हें समझा और सुधारा जा सकता है। यह देखते हुए कि छात्र अपना समय कैसे बिताते हैं और उन्हें समर्थन देने के लिए उन्नत उपकरणों का उपयोग करके, शिक्षक ऐसे ऑनलाइन अनुभव बना सकते हैं जो न केवल सुलभ हैं, बल्कि वास्तव में प्रभावी भी हैं। अध्ययन पुष्टि करता है कि जब हम डेटा द्वारा बताई गई कहानी को सुनते हैं, तो हम प्रत्येक शिक्षार्थी को सफलता की राह खोजने में मदद कर सकते हैं।