Learners’ Engagement with Artificial Intelligence: Validation of the Cognitive-Affective AI Engagement Model
यह अध्ययन कॉग्निटिव-अफेक्टिव एआई इंगेजमेंट मॉडल (CAAIEM) को एलएलएम-आधारित एआई टूल्स के साथ विश्वविद्यालय के छात्रों की सहभागिता को मापने के लिए एक विश्वसनीय, चार-आयामी ढांचे के रूप में मान्य करता है, जो 1,249 हंगेरियन प्रथम वर्ष के छात्रों के डेटा के कन्फर्मेटरी फैक्टर एनालिसिस के माध्यम से मजबूत साइकोमेट्रिक गुणों का प्रदर्शन करता है और साथ ही आगे के क्रॉस-सांस्कृतिक सत्यापन की आवश्यकता को भी रेखांकित 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
आधुनिक कक्षा में, एक शांत क्रांति हो रही है, जो नए पाठ्यपुस्तकों या ब्लैकबोर्डों द्वारा नहीं, बल्कि निबंध लिखने, समस्याओं को हल करने और बातचीत करने में सक्षम बुद्धिमान कंप्यूटर प्रोग्रामों द्वारा संचालित है। ये उपकरण, जिन्हें लार्ज लैंग्वेज मॉडल्स (large language models) के रूप में जाना जाता है, विज्ञान कथाओं के क्षेत्र से निकलकर छात्रों के दैनिक जीवन का हिस्सा बन गए हैं। शिक्षकों और शोधकर्ताओं के लिए, एक महत्वपूर्ण प्रश्न उभर कर आया है: शिक्षार्थी वास्तव में इन तकनीकों के साथ कैसे जुड़ते हैं? क्या आर्टिफिशियल इंटेलिजेंस के साथ उनका संबंध केवल उपयोगिता के लिए एक बॉक्स को टिक करने जैसा है, या इसमें गहरी भावनाएं, आदतें और भविष्य की आशाएं शामिल हैं? इसे समझने के लिए, वैज्ञानिक 'जुड़ाव' (engagement) को देखते हैं, एक ऐसी अवधारणा जो यह बताती है कि कोई व्यक्ति किसी गतिविधि में कितनी गहराई से शामिल है। पारंपरिक रूप से, इसे इस नजरिए से देखा जाता रहा है कि क्या कोई उपकरण उपयोगी या उपयोग में आसान है। हालांकि, जैसे-जैसे आर्टिफिशियल इंटेलिजेंस अधिक संवादात्मक और व्यक्तिगत होता जा रहा है, शोधकर्ताओं को संदेह है कि तस्वीर अधिक जटिल है। इसमें संभवतः यह शामिल है कि एक छात्र कितनी बार उस उपकरण के साथ बातचीत करता है, वह अनुभव उसे कितना आनंद देता है, उसे इसका प्रभावी ढंग से उपयोग करने की अपनी क्षमता में कितना आत्मविश्वास महसूस होता है, और क्या वह आने वाले वर्षों में इसके साथ सीखना जारी रखने की योजना बनाता है। इन परतों को समझना महत्वपूर्ण है, क्योंकि यदि स्कूल और डेवलपर्स केवल इस बात पर ध्यान केंद्रित करते हैं कि एक उपकरण काम करता है या नहीं, तो वे उन भावनात्मक और व्यवहारिक प्रेरकों को चूक सकते हैं जो छात्रों को सीखने के लिए वापस लाते हैं।
हंगरी के सेगेड विश्वविद्यालय (University of Szeged) के शोधकर्ताओं की एक टीम ने इस अनछुए क्षेत्र का मानचित्रण करने का प्रयास किया। उन्होंने आर्टिफिशियल इंटेलिजेंस के साथ छात्रों के जुड़ाव को देखने का एक नया तरीका प्रस्तावित किया, यह सुझाव देते हुए कि यह एक एकल भावना नहीं बल्कि चार अलग-अलग हिस्सों का संयोजन है। उन्होंने इसे 'कॉग्निटिव-अफेक्टिव एआई इंगेजमेंट मॉडल' (Cognitive-Affective AI Engagement Model) कहा। पहला भाग 'इंटरैक्शन इंटेंसिटी' (interaction intensity) है, जो सरल शब्दों में यह मापता है कि एक छात्र अपने दैनिक जीवन और अध्ययन में इन उपकरणों का कितनी बार और कितनी गहराई से उपयोग करता है। दूसरा 'इंस्ट्रुमेंटल एफिकेसी' (instrumental efficacy) है, जो छात्र के इस विश्वास को पकड़ता है कि तकनीक वास्तव में उन्हें अपना काम तेजी से और बेहतर तरीके से करने में मदद करती है। तीसरा 'अफेक्टिव इंगेजमेंट' (affective engagement) है, एक शब्द जो अनुभव के भावनात्मक पक्ष को दर्शाता है: क्या छात्र इन उपकरणों का उपयोग करते समय आनंद, सहजता और वास्तविक पसंद महसूस करते हैं? अंतिम हिस्सा 'लर्निंग कंटीन्यून्स इंटेंट' (learning continuance intent) है, जो भविष्य की ओर देखता है, यह मापता है कि क्या छात्र इन तकनीकों के विकसित होने के साथ उनके बारे में सीखना और उनका उपयोग करना जारी रखने की योजना बना रहे हैं।
यह परीक्षण करने के लिए कि क्या यह चार-भाग वाला मॉडल वास्तविकता को सटीक रूप से दर्शाता है, शोधकर्ताओं ने विश्वविद्यालय के छात्रों के एक बड़े समूह को इकट्ठा किया। उन्होंने अध्ययन में भाग लेने के लिए विश्वविद्यालय के विभिन्न संकायों के 1,249 छात्रों को आमंत्रित किया। प्रतिभागी, जो ज्यादातर 18 से 22 वर्ष की आयु के बीच थे, ने एक प्रश्नावली भरी जो इन चार क्षेत्रों में से प्रत्येक को मापने के लिए डिज़ाइन की गई थी। प्रश्नों में उनसे पूछा गया कि वे कितनी बार एआई अनुप्रयोगों का उपयोग करते हैं, वे इस बात से कितना सहमत हैं कि एआई ने उनके प्रदर्शन में सुधार किया है, वे इसका उपयोग करने में कितना आनंद लेते हैं, और क्या वे भविष्य में इसके बारे में सीखना जारी रखने का इरादा रखते हैं। शोधकर्ताओं ने फिर परिष्कृत सांख्यिकीय विधियों का उपयोग यह देखने के लिए किया कि क्या छात्रों के उत्तर स्वाभाविक रूप से उन चार श्रेणियों में समूहबद्ध होते हैं जैसा कि मॉडल ने भविष्यवाणी की थी, या क्या डेटा एक अलग संरचना का सुझाव देता है।
परिणाम स्पष्ट और नए मॉडल के समर्थन में थे। जब शोधकर्ताओं ने डेटा का विश्लेषण किया, तो उन्होंने पाया कि उनके द्वारा प्रस्तावित चार श्रेणियां वास्तव में इन छात्रों के आर्टिफिशियल इंटेलिजेंस के साथ जुड़ाव का वर्णन करने का सबसे अच्छा तरीका थीं। डेटा एक सरल मॉडल में फिट नहीं हुआ जहाँ सभी उत्तर केवल एक सामान्य भावना की ओर इशारा करते थे, न ही यह केवल तीन श्रेणियों वाले मॉडल में फिट हुआ। इसके बजाय, चार अलग-अलग आयाम पूरे अनुभव के अलग लेकिन जुड़े हुए हिस्सों के रूप में उभरे। छात्रों के उत्तरों ने लगातार दिखाया कि उनका व्यवहार, उपयोगिता के बारे में उनके विश्वास, उनकी भावनाएं और उनकी भविष्य की योजनाएं, सभी उनके जुड़ाव के मापने योग्य और विशिष्ट पहलू थे। अध्ययन ने पुष्टि की कि ये चार भाग मिलकर यह एक पूर्ण चित्र बनाते हैं कि एक शिक्षार्थी एआई के साथ कैसे संबंधित होता है।
शोधकर्ताओं ने यह सुनिश्चित करने के लिए भी जांच की कि जो प्रश्न उन्होंने पूछे थे वे विश्वसनीय थे और वे वास्तव में वही माप रहे थे जिसे वे मापना चाहते थे। उन्होंने पाया कि प्रत्येक चार क्षेत्रों के लिए प्रश्न सुसंगत थे; उदाहरण के लिए, आनंद के बारे में प्रश्न आपस में मजबूती से जुड़े थे, वैसे ही भविष्य की योजनाओं के बारे में प्रश्न भी थे। इसने उन्हें विश्वास दिया कि मॉडल छात्रों के व्यवहार को समझने के लिए एक ठोस उपकरण है। इसके अलावा, उन्होंने सत्यापित किया कि ये चार क्षेत्र एक-दूसरे से इतने भिन्न थे कि उन्हें अलग अवधारणाओं के रूप में माना जा सके, भले ही वे संबंधित हों। उदाहरण के लिए, एक छात्र जो एआई को उपयोगी पाता था, वह इसका उपयोग करने का आनंद भी लेता था, लेकिन अध्ययन ने दिखाया कि उपयोगिता और आनंद एक ही चीज़ नहीं हैं। इसी तरह, एक छात्र जो एआई का बार-बार उपयोग करता था, उसकी प्रेरणाएँ उस छात्र से भिन्न थीं जो केवल भविष्य में इसका उपयोग करने की योजना बना रहा था।
यह अध्ययन शिक्षा में आर्टिफिशियल इंटेलिजेंस के मानवीय पक्ष को समझने की दिशा में एक महत्वपूर्ण कदम है। जुड़ाव को इन चार विशिष्ट घटकों में तोड़कर, शोधकर्ताओं ने एक ऐसा ढांचा प्रदान किया जिसका उपयोग शिक्षक और डेवलपर्स साधारण उपयोग के आंकड़ों से परे देखने के लिए कर सकते हैं। यह सुझाव देता है कि छात्रों को वास्तव में लाभ उठाने के लिए, तकनीक को न केवल प्रभावी होना चाहिए, बल्कि भावनात्मक रूप से प्रभावशाली और उनके दीर्घकालिक सीखने के लक्ष्यों के अनुरूप भी होना चाहिए। निष्कर्ष बताते हैं कि इन उपकरणों का सफल एकीकरण इस बात पर ध्यान देने की मांग करता है कि छात्र तकनीक के बारे में कैसा महसूस करते हैं और वे भविष्य में इसका उपयोग कैसे देखते हैं, न कि केवल इस पर कि यह आज उन्हें कोई कार्य पूरा करने में मदद करता है या नहीं। हालांकि अध्ययन हंगरी के छात्रों के एक विशिष्ट समूह पर केंद्रित था, लेकिन इसके द्वारा प्रमाणित मॉडल शिक्षार्थियों और उन बुद्धिमान मशीनों के बीच के जटिल संबंध को वर्णित करने के लिए एक नई भाषा प्रदान करता है जो उनके शिक्षा को तेजी से आकार दे रही हैं।
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।