Conversational AI as a Cognitive Scaffold or a Substitute for Thinking: A Dual-Path Model of Cognitive Offloading, Post- Response Deep Processing, and Critical Thinking
यह अध्ययन एक द्वि-पथ मॉडल प्रस्तावित करता है जो यह प्रदर्शित करता है कि संवादात्मक एआई (conversational AI) विश्वविद्यालय के छात्रों की आलोचनात्मक सोच को मुख्य रूप से तब बढ़ाता है जब यह संज्ञानात्मक ऑफलोडिंग (cognitive offloading) के लिए एक स्कैफोल्ड (scaffold) के रूप में कार्य करता है जो प्रतिक्रिया के बाद गहन प्रसंस्करण को प्रेरित करता है, बजाय इसके कि यह एक प्रतिस्थापन के रूप में कार्य करे जो आगे के चिंतन को हतोत्साहित करता 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
विश्वविद्यालय के पुस्तकालय की शांत गूँज या देर रात के हॉस्टल के कमरे की चमक में, एक नए प्रकार का ट्यूटर आया है। यह कोई व्यक्ति नहीं, बल्कि एक संवादात्मक कृत्रिम बुद्धिमत्ता (AI) है, एक डिजिटल मस्तिष्क जो सेकंडों में सवालों के जवाब दे सकता है, जटिल विचारों को समझा सकता है और फीडबैक दे सकता है। छात्रों के लिए, ये उपकरण सीखने के भारी काम के माध्यम से एक शॉर्टकट का वादा करते हैं। फिर भी, यह सुविधा कक्षा में एक शांत तनाव लेकर आती है: जब एक मशीन उत्तर प्रदान करती है, तो क्या छात्र अभी भी सोचता है? इसे समझने के लिए, शोधकर्ता दो प्रतिस्पर्धी विचारों को देखते हैं। एक सुझाव देता है कि ये उपकरण एक 'स्कैफोल्ड' (पाड़/ढांचा) के रूप में कार्य करते हैं, एक अस्थायी सहायता जो कार्य के भारी हिस्सों को थामे रखती है ताकि शिक्षार्थी अपनी ऊर्जा विश्लेषण और निर्णय लेने के कठिन कार्य पर केंद्रित कर सके। दूसरा सुझाव देता है कि वे एक 'प्रतिस्थापन' (सब्सटिट्यूट) के रूप में कार्य करते हैं, जहाँ शिक्षार्थी अपनी सोच पूरी तरह से मशीन को सौंप देता है, जिससे मशीन काम करती है और उसका अपना दिमाग निष्क्रिय हो जाता है। इन दो रास्तों के बीच का अंतर यह निर्धारित करता है कि तकनीक एक तेज दिमाग बनाती है या एक निर्भर मन।
लियाओनिंग शिहुआ विश्वविद्यालय के शोधकर्ताओं की एक टीम ने इस क्षेत्र का मानचित्रण करने के लिए हाथ में लिया, और एक सरल लेकिन गहन प्रश्न पूछा: क्या संवादात्मक AI का उपयोग करने से विश्वविद्यालय के छात्रों की आलोचनात्मक सोच (क्रिटिकल थिंकिंग) बढ़ती है, या क्या यह उन्हें अपने दम पर सोचना बंद करने पर मजबूर कर देता है? उन्होंने उन 426 विश्वविद्यालय छात्रों का अध्ययन किया जिन्हें अपने अध्ययन के लिए इन उपकरणों का उपयोग करने का अनुभव था। शोधकर्ताओं ने केवल यह नहीं पूछा कि क्या छात्रों को AI पसंद है; उन्होंने यह भी जांचा कि AI द्वारा उत्तर देने के बाद छात्रों के मन में क्या हुआ। उन्होंने दो विशिष्ट व्यवहारों के प्रमाण खोजे। पहला था "स्कैफोल्डेड ऑफलोडिंग" (scaffolded offloading), जहाँ एक छात्र बुनियादी कार्यों जैसे जानकारी एकत्र करने या नोट्स व्यवस्थित करने के लिए AI का उपयोग करता है, जिससे उनका अपना मस्तिष्क गहरे विश्लेषण पर ध्यान केंद्रित करने के लिए स्वतंत्र हो जाता है। दूसरा था "सब्सटिट्यूटिव ऑफलोडिंग" (substitutive offloading), जहाँ छात्र AI के उत्तर को अंतिम सत्य के रूप में स्वीकार कर लेता है, और अपनी तर्क प्रक्रिया को वास्तव में शुरू होने से पहले ही रोक देता है। अध्ययन ने यह भी मापा कि छात्रों ने प्रतिक्रिया प्राप्त करने के बाद क्या किया: क्या उन्होंने तथ्यों को सत्यापित किया, विभिन्न दृष्टिकोणों की तुलना की, या तर्क पर सवाल उठाया? इस सक्रिय फॉलो-अप कार्य को "पोस्ट-रिस्पॉन्स डीप प्रोसेसिंग" (प्रतिक्रिया के बाद गहन प्रसंस्करण) कहा गया।
परिणामों ने एक विभाजित मार्ग का खुलासा किया, जो यह दर्शाता है कि एक ही उपकरण उपयोग के तरीके के आधार पर विपरीत परिणाम दे सकता है। जब छात्रों ने निचले स्तर के कार्यों को संभालने के लिए AI का उपयोग किया, तो वे इसके बाद गहन प्रसंस्करण (deep processing) में शामिल होने के लिए अधिक इच्छुक थे। उन्होंने AI के आउटपुट को एक शुरुआती बिंदु के रूप में माना, न कि एक मंजिल के रूप में। उन्होंने जानकारी की जाँच की, साक्ष्यों को तौला, और अपनी समझ को संशोधित किया। यह सक्रिय जुड़ाव बेहतर आलोचनात्मक सोच कौशल से मजबूती से जुड़ा था। इस परिदृश्य में, AI एक सहायक के रूप में कार्य करता था, जिससे छात्र अपने मानसिक ऊर्जा को सबसे महत्वपूर्ण कार्य के लिए बचाने में सक्षम होते थे। हालाँकि, अध्ययन ने पाया कि AI के उच्च-गुणवत्ता वाले, अधिकारपूर्ण दिखने वाले उत्तर भी विपरीत प्रतिक्रिया को ट्रिगर कर सकते थे। जब उत्तर बहुत पूर्ण या विश्वास करने में बहुत आसान लगते थे, तो कुछ छात्रों ने बिना किसी प्रश्न के उन्हें स्वीकार कर लिया। इस "सब्सटिट्यूटिव ऑफलोडिंग" का अर्थ था कि उन्होंने सोचना बंद कर दिया, और इस फॉलो-अप कार्य की कमी सीधे तौर पर कमजोर आलोचनात्मक सोच कौशल से जुड़ी थी।
शोधकर्ताओं ने पाया कि केवल AI के उत्तरों की गुणवत्ता यह भविष्यवाणी नहीं करती थी कि छात्र गहराई से सोचेंगे या सतही तौर पर। इसके बजाय, परिणाम पूरी तरह से इस बात पर निर्भर था कि उत्तर आने के बाद छात्र का व्यवहार कैसा था। अध्ययन ने दिखाया कि जो छात्र AI की प्रतिक्रियाओं को सत्यापित करना, सवाल करना और उन पर विचार करना जारी रखते थे, वही मजबूत आलोचनात्मक सोच क्षमता विकसित कर रहे थे। इसके विपरीत, जो लोग उत्तरों को निष्क्रिय रूप से स्वीकार करते थे, उनके तर्क कौशल में गिरावट देखी गई। टीम ने यह भी जांचा कि क्या छात्रों की AI आउटपुट में त्रुटियों को पहचानने की क्षमता—जिसे उन्होंने "AI इवैल्यूएशन लिटरेसी" कहा—इन परिणामों को बदल देगी। आश्चर्यजनक रूप से, गलती पकड़ने का ज्ञान होने का मतलब यह नहीं था कि छात्र काम की जाँच करना बंद कर देंगे। टूल की खामियों के बारे में जानने के बावजूद भी वे उनकी पुष्टि करने के व्यवहार को सुनिश्चित नहीं कर पाए। डेटा ने सुझाव दिया कि भले ही छात्र जानते थे कि AI गलत हो सकता है, फिर भी यदि उत्तर सुविधाजनक लगे तो वे इस पर बहुत अधिक निर्भर हो सकते थे।
पूर्ण चित्र को समझने के लिए, शोधकर्ताओं ने देखा कि विभिन्न समूहों के छात्रों में ये कारक कैसे मिलते हैं। उन्होंने पाया कि उच्च स्तर की आलोचनात्मक सोच एक विशिष्ट विन्यास (configuration) में सबसे अधिक दिखाई देती है: जब छात्र बुनियादी कार्यों को ऑफलोड करने के लिए AI का उपयोग करते हैं लेकिन अपने स्वयं के निर्णय को सक्रिय रखते हैं, और जब वे AI को तर्क करने देने के जाल से बचते हैं। इन मामलों में, AI प्रतिक्रिया के बाद गहन प्रसंस्करण (deep processing) की उपस्थिति मुख्य चालक थी। अध्ययन में यह नहीं पाया गया कि केवल एक स्मार्ट AI या एक स्मार्ट छात्र होना पर्याप्त था; महत्वपूर्ण कारक मशीन के बोलने के बाद छात्र का सक्रिय, निरंतर कार्य था। निष्कर्ष बताते हैं कि शिक्षा में संवादात्मक AI का मूल्य उन उत्तरों में नहीं है जो वह प्रदान करता है, बल्कि उन आदतों में है जिन्हें वह प्रोत्साहित करता है। यदि तकनीक छात्रों को सोचना बंद करने की ओर ले जाती है, तो यह मन के लिए एक प्रतिस्थापन (सब्सटिट्यूट) बन जाती है। यदि यह उन्हें सवाल करने, सत्यापित करने और परिष्कृत करने की ओर ले जाती है, तो यह एक स्कैफोल्ड बन जाती है जो उनकी सोच को ऊपर उठाती है। अध्ययन का निष्कर्ष है कि इन उपकरणों को वास्तव में सीखने में सहायता करने के लिए, छात्रों को AI के आउटपुट को एक ड्राफ्ट के रूप में मानने के लिए प्रोत्साहित किया जाना चाहिए जिसे संपादित किया जाना है, न कि एक अंतिम निर्णय के रूप में जिसे स्वीकार किया जाना 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।