Enhancing Science Data Analysis Skills Through the Digita-RI Model and MIKiR Active Learning Framework

कल्पना कीजिए कि आप साइकिल चलाना सीखने की कोशिश कर रहे हैं। पुराने दिनों में, एक शिक्षक पोडियम पर खड़ा हो सकता था, ब्लैकबोर्ड पर एक सटीक वृत्त बना सकता था, और संतुलन के भौतिकी को समझाने के लिए वहां खड़ा हो सकता था जबकि आप वहां बैठकर नोट्स ले रहे होते। आप शायद साइकिल के विचार को समझ जाते, लेकिन आपको यह नहीं पता होता कि वास्तव में साइकिल कैसे चलाई जाती है। यह वैसा ही है जैसा कई विज्ञान कक्षाएं महसूस होती हैं: बहुत सारा सिद्धांत, लेकिन वास्तविक दुनिया के अभ्यास की कमी। अब, एक अलग दृष्टिकोण की कल्पना करें जहाँ आप साइकिल पर बैठते हैं, थोड़ा डगमगाते हैं, और शिक्षक आपको एक हाई-टेक कैमरा थमा देता है जो आपकी हर हरकत को रिकॉर्ड करता है, और उसे धीमा करके आपको ठीक से दिखाता है कि आपने अपना संतुलन कहाँ खोया था। यही वह मूल बात है जिसे हम आज तलाश रहे हैं।

यह शोध शिक्षा और विज्ञान के मिलन बिंदु पर स्थित है, विशेष रूप से इस बात पर नज़र रखता है कि छात्र डेटा का विश्लेषण करना कैसे सीखते हैं। यह दो बड़े विचारों पर आधारित है। पहला है "इनक्वायरी-बेस्ड लर्निंग" (पूछताछ-आधारित अधिगम), जो सरल शब्दों में यह विचार है कि छात्र सबसे अच्छा तब सीखते हैं जब वे जासूसों की तरह काम करते हैं, प्रश्न पूछते हैं और उत्तरों की खोज करते हैं, बजाय इसके कि वे केवल व्याख्यान सुनते रहें। दूसरा है "एक्टिव लर्निंग" (सक्रिय अधिगम), जो तर्क देता है कि छात्रों को चीजें करने की आवश्यकता है—हिलना-डुलना, बात करना और सोचना—बजाय इसके कि वे बस स्थिर बैठे रहें। बड़ा सवाल जो शोधकर्ताओं ने पूछा है वह यह है: क्या हम इन सक्रिय, जासूसी-शैली के तरीकों को आधुनिक डिजिटल उपकरणों के साथ मिला सकते हैं ताकि छात्र जटिल समस्याओं को सुलझाने में बेहतर बन सकें? यदि हम ऐसा कर सकते हैं, तो यह विश्वविद्यालयों में विज्ञान सिखाने के तरीके को बदल सकता है, जिससे निष्क्रिय श्रोताओं को सक्रिय समस्या-समालेताओं में बदला जा सकता है।

योग्याकार्टा स्टेट यूनिवर्सिटी की एक टीम द्वारा किए गए इस अध्ययन ने सीखने के एक विशिष्ट नए नुस्खे का परीक्षण करने का निर्णय लिया जिसे डिजीटा-आरआई (Digita-RI) मॉडल कहा जाता है। डिजीटा-आरआई को विज्ञान कक्षा के लिए पांच-चरणीय कुकिंग गाइड की तरह समझें। पहले, आप एक वास्तविक जीवन के रहस्य से शुरू करते हैं (जैसे बास्केटबॉल का खेल देखना)। दूसरे, आप यह तय करते हैं कि क्या प्रश्न पूछने हैं। तीसरे, आप रहस्य की जांच करने और आंकड़ों को संसाधित करने के लिए डिजिटल उपकरणों (जैसे ट्रैकर नामक एक विशेष वीडियो विश्लेषण ऐप) का उपयोग करते हैं। चौथे, आप समझते हैं कि डेटा का वास्तव में क्या अर्थ है। और अंत में, आप अपने निष्कर्ष साझा करते हैं और इस पर विचार करते हैं कि आपने पहेली को कैसे सुलझाया।

लेकिन शोधकर्ताओं ने वहीं नहीं रोका। वे चाहते थे कि यह रेसिपी "MIKiR" के साथ और भी बेहतर काम करे। MIKiR चार सामग्रियों का एक फैंसी संक्षिप्त नाम है जो सीखने को "सक्रिय" बनाता है: अनुभव करना (Experiencing) (प्रयोग करना), परस्पर क्रिया करना (Interacting) (दोस्तों के साथ बात करना), संप्रेषण करना (Communicating) (अपने विचार साझा करना), और चिंतन करना (Reflecting) (जो सीखा उस पर विचार करना)। टीम ने सोचा: क्या डिजीटा-आरआई का यह नया नुस्खा स्वाभाविक रूप से इन चार सक्रिय सामग्रियों को सामने लाता है? और क्या इस संयोजन का उपयोग वास्तव में छात्रों को डेटा विश्लेषण में स्मार्ट बनाने में मदद करता है?

यह जानने के लिए, शोधकर्ताओं ने 86 विश्वविद्यालय छात्रों के साथ एक विज्ञान प्रयोग आयोजित किया। उन्होंने उन्हें दो समूहों में विभाजित किया। एक समूह (प्रायोगिक समूह) ने MIKiR सक्रिय सामग्रियों के साथ नए डिजीटा-आरआई मॉडल का उपयोग करके सीखा। दूसरे समूह (नियंत्रण समूह) ने पारंपरिक पद्धति का उपयोग किया, जिसमें एक मानक पूछताछ मॉडल और "5M" (अवलोकन, प्रश्न पूछना, प्रयोग करना, तर्क देना और संचार करना) नामक एक सामान्य वैज्ञानिक दृष्टिकोण शामिल था। पाठ शुरू होने से पहले, दोनों समूहों ने डेटा का विश्लेषण करने में उनकी दक्षता देखने के लिए एक परीक्षण दिया। फिर, पाठों के बाद, उन्होंने वही परीक्षण दोबारा दिया।

परिणाम एक जादू के खेल को देखने जैसे थे। सबसे पहले, शोधकर्ताओं ने जांचा कि क्या नए डिजीटा-आरआई चरणों ने वास्तव में MIKiR सामग्रियों को सक्रिय किया। उन्होंने पाया कि हाँ, उन्होंने किया। जब छात्र "वास्तविक-विश्व समस्या उन्मुख" (बास्केटबॉल वीडियो देखना) थे, तो उन्होंने प्रश्न पूछना शुरू किया (Communicating)। जब वे "वैचारिक" (Conceptualizing) कर रहे थे, तो उन्होंने परिकल्पना बनाने के लिए एक-दूसरे के साथ परस्पर क्रिया की (Interacting)। जब उन्होंने जांच के लिए डिजिटल उपकरणों का उपयोग किया, तो वे प्रत्यक्ष रूप से विज्ञान का अनुभव कर रहे थे (Experiencing)। और जब वे समाप्त हुए, तो उन्होंने अपनी प्रक्रिया पर चिंतन किया (Reflecting)। नए मॉडल ने केवल विज्ञान नहीं सिखाया; इसने स्वाभाविक रूप से छात्रों को अपने स्वयं के सीखने में सक्रिय भागीदार बना दिया।

लेकिन असली सवाल यह था: क्या इसने उन्हें काम में बेहतर बनाया? शोधकर्ताओं ने दोनों समूहों के परीक्षण अंकों की तुलना की। पाठों से पहले, दोनों समूह समान स्तर पर थे; उनके स्कोर लगभग एक जैसे थे। हालाँकि, पाठों के बाद, डिजीटा-आरआई और MIKiR संयोजन का उपयोग करने वाले समूह ने पारंपरिक पद्धति का उपयोग करने वाले समूह की तुलना में काफी अधिक अंक प्राप्त किए। डेटा ने एक स्पष्ट अंतर दिखाया: डिजिटल उपकरणों और सक्रिय शिक्षण ढांचे का उपयोग करने वाले छात्र जानकारी को तोड़ने और समस्याओं को हल करने में बहुत बेहतर थे।

शोध पत्र सुझाव देता है कि यह सफलता इसलिए होती है क्योंकि डिजीटा-आरआई मॉडल छात्रों को पाठ्यपुस्तक के साफ-सुथरे नंबरों के बजाय वास्तविक दुनिया के अव्यवस्थित डेटा के साथ जुड़ने के लिए मजबूर करता है। वीडियो विश्लेषण जैसे उपकरणों का उपयोग करके, छात्र उन चीजों को देख सकते हैं जिन्हें वे पहले नहीं देख पाते थे, जैसे कि चलती हुई वस्तु की सटीक गति। यह, बातचीत, करने और सोचने के निरंतर चक्र (MIKiR सामग्रियां) के साथ मिलकर, उनके मस्तिष्क को विज्ञान कैसे काम करता है इसकी एक मजबूत समझ बनाने में मदद करता है।

संक्षेप में, अध्ययन यह निष्कर्ष निकालता है कि डिजीटा-आरआई मॉडल छात्रों के विश्लेषणात्मक कौशल को बढ़ाने का एक प्रभावी तरीका है। यह साबित करता है कि जब आप छात्रों को एक वास्तविक दुनिया की पहेली, सही डिजिटल उपकरण और एक ऐसा ढांचा देते हैं जो उन्हें सक्रिय और आपस में बात करने के लिए प्रेरित करता है, तो वे केवल तथ्यों को याद नहीं करते—वे वैज्ञानिकों की तरह सोचना सीखते हैं। हालाँकि यह पेपर इसे हर शैक्षिक समस्या के लिए जादुई इलाज नहीं बताता है, लेकिन यह इस बात के पुख्ता सबूत देता है कि विधियों का यह विशिष्ट संयोजन डेटा विश्लेषण सिखाने के लिए पारंपरिक दृष्टिकोण की तुलना में बेहतर काम करता है। यह एक याद दिलाता है कि कभी-कभी, साइकिल चलाना सीखने के लिए, आपको साइकिल पर चढ़ने, कैमरा पकड़ने और इसे मिलकर सुलझाने की आवश्यकता होती है।