Ethical Awareness, Translanguaging-based EFL Proficiency, and AI Usefulness Predict Decision Quality among University Students

तकनीकी सारांश: नैतिक जागरूकता, ट्रांसलैंग्वेजिंग-आधारित EFL प्रवीणता, और AI उपयोगिता विश्वविद्यालय के छात्रों के बीच निर्णय की गुणवत्ता का पूर्वानुमान लगाती है

समस्या विवरण और अनुसंधान अंतराल
उच्च शिक्षा में जेनरेटिव AI का तीव्र एकीकरण यह समझने की आवश्यकता को बढ़ाता है कि मानवीय कारक—विशेष रूप से नैतिक जागरूकता और भाषाई क्षमताएं—तकनीकी उपकरणों के साथ कैसे परस्पर क्रिया करते हैं ताकि शैक्षणिक निर्णय लेने की प्रक्रिया को आकार दिया जा सके। जबकि मौजूदा साहित्य ने अलग-अलग रूप से AI के प्रति नैतिक दृष्टिकोण, भाषा सीखने में ट्रांसलैंग्वेजिंग के संज्ञानात्मक लाभों, और AI उपकरणों की उपयोगिता का परीक्षण किया है, महत्वपूर्ण सैद्धांतिक विच्छेद बने हुए हैं। पूर्ववर्ती अध्ययन अक्सर नैतिकता को केवल प्रौद्योगिकी स्वीकृति के एक एकआयामी पूर्ववृत्त (antecedent) के रूप में देखते हैं, और इसके दोनों संभावित पहलुओं—अनुभूत उपयोगिता के चालक और निर्णय की गुणवत्ता पर एक स्वतंत्र फिल्टर के रूप में—का पता लगाने में विफल रहते हैं। इसके अलावा, हालांकि ट्रांसलैंग्वेजिंग को संज्ञानात्मक लचीलेपन को बढ़ाने के लिए जाना जाता है, यह स्पष्ट नहीं है कि भाषा प्रवीणता एक मॉडरेटर (परिणामों पर AI के प्रभाव को बढ़ाने वाला) के रूप में कार्य करती है या एक योगात्मक भविष्यवक्ता (एक स्वतंत्र संसाधन के रूप में कार्य करने वाली) के रूप में। इसके अतिरिक्त, पश्चिमी, अंग्रेजी-प्रधान संदर्भों में विकसित मौजूदा अंगीकरण मॉडल (जैसे, TAM, UTAUT) को बिना किसी सैद्धांतिक अनुकूलन के गैर-पश्चिमी परिवेशों में लागू किया गया है, जो संभावित रूप से यह अनदेखा कर सकते हैं कि मानद-नैतिक तर्क (normative-ethical reasoning) और बहुभाषी संज्ञानात्मक लचीलापन, AI उपयोगिता और निर्णय की गुणवत्ता के बीच के संबंध को कैसे पुनर्गठित करते हैं। यह अध्ययन इंडोनेशियाई उच्च शिक्षा के संदर्भ में एक पुनर्गठित मॉडल का प्रस्ताव देकर और उसका अनुभवजन्य परीक्षण करके इन अंतरालों को संबोधित करता है।

कार्यप्रणाली
यह अध्ययन इंडोनेशिया के नौ विश्वविद्यालयों के 313 स्नातक छात्रों के डेटा का विश्लेषण करने के लिए 'पार्शियल लीस्ट स्क्वेयर्स स्ट्रक्चरल इक्वेशन मॉडलिंग' (PLS-SEM) का उपयोग करते हुए एक क्रॉस-सेक्शनल मात्रात्मक डिजाइन का उपयोग करता है। नमूने में अंग्रेजी-भाषा कार्यक्रमों (26.2%) और गैर-अंग्रेजी कार्यक्रमों (73.8%) के छात्रों का एक विषम मिश्रण शामिल है, जो ट्रांसलैंग्वेजिंग-आधारित EFL प्रवीणता में भिन्नता सुनिश्चित करता है।

• डेटा संग्रह: गूगल फॉर्म्स के माध्यम से लक्षित (purposive) और सुविधा (convenience) नमूनाकरण का उपयोग करके एक ऑनलाइन प्रश्नावली वितरित की गई। भागीदारी स्वैच्छिक थी, और सूचित सहमति प्राप्त की गई थी।
• उपकरण: चार प्रमुख निर्माणों (constructs) को मान्य साहित्य से अनुकूलित मल्टी-आइटम लिकर्ट स्केल (5-पॉइंट) का उपयोग करके मापा गया:
  • नैतिक जागरूकता (ETHICS): डेटा गोपनीयता, जिम्मेदारी, पूर्वाग्रह पहचान और नैतिक दिशानिर्देशों के पालन का आकलन करने वाले 8 आइटम।
  • ट्रांसलैंग्वेजिंग-आधारित EFL प्रवीणता (EFL): AI उपकरणों के साथ बातचीत करते समय (जैसे, प्रॉम्प्टिंग, संपादन, मूल्यांकन) इंडोनेशियाई और अंग्रेजी के रणनीतिक एकीकरण को मापने वाले 10 आइटम।
  • अनुभूत AI उपयोगिता (USEFUL): उपयोग में आसानी, कार्य दक्षता और संज्ञानात्मक सहायता को दर्शाने वाले 8 आइटम।
  • निर्णय की गुणवत्ता (QUALITY): AI-जनित जानकारी का मूल्यांकन, सत्यापन, संदर्भ और सरलीकरण करने की क्षमता को पकड़ने वाले 8 आइटम।
• विश्लेषणात्मक दृष्टिकोण: डेटा की मिसिंग वैल्यूज और आउटलेयर्स के लिए स्क्रीनिंग की गई। इंडिकेटर विश्वसनीयता (outer loadings ≥ 0.70), आंतरिक स्थिरता (कंपोजिट रिलायबिलिटी और क्रोनबैक अल्फा), अभिसारी वैधता (AVE ≥ 0.50), और विभेदक वैधता (HTTМТ अनुपात < 0.90) के लिए माप मॉडल का मूल्यांकन किया गया। पथ गुणांक (path coefficients), सार्थकता स्तर, प्रभाव आकार ($f^2$), और भविष्य कहनेवाला प्रासंगिकता ($Q^2$) का आकलन करने के लिए 5,000 बूटस्ट्रैप रिसैंपल्स के साथ SmartPLS का उपयोग करके संरचनात्मक मॉडल का परीक्षण किया गया। यह परीक्षण करने के लिए कि क्या EFL प्रवीणता, अनुभूत AI उपयोगिता और निर्णय की गुणवत्ता के बीच के संबंध को बदलती है, एक मॉडरेशन विश्लेषण किया गया।

प्रमुख परिणाम
संरचनात्मक मॉडल ने पर्याप्त व्याख्यात्मक शक्ति प्रदर्शित की, जिसमें भविष्यवक्ताओं ने निर्णय की गुणवत्ता में 65.3% भिन्नता ($R^2 = 0.653$) और अनुभूत AI उपयोगिता में 35.3% भिन्नता की व्याख्या की।

1. दोहरे चालक के रूप में नैतिक जागरूकता: नैतिक जागरूकता का अनुभूत AI उपयोगिता ($\beta = 0.594, p < 0.001$) और निर्णय की गुणवत्ता पर सीधे ($\beta = 0.291, p < 0.001$) महत्वपूर्ण और सकारात्मक प्रभाव पड़ता है। यह पुष्टि करता है कि उच्च नैतिक संवेदनशीलता वाले छात्र न केवल AI को अधिक उपयोगी मानते हैं, बल्कि उपकरण की उपयोगिता की धारणा के स्वतंत्र रूप से उच्च-गुणवत्ता वाले निर्णय भी लेते हैं।
2. अनुभूत उपयोगिता का प्रभाव: अनुभूत AI उपयोगिता का निर्णय की गुणवत्ता पर एक मजबूत, सकारात्मक सीधा प्रभाव ($\beta = 0.406, p < 0.001$) है, जो यह दर्शाता है कि जो छात्र AI को सहायक पाते हैं, वे बेहतर शैक्षणिक विकल्प चुनने के लिए इसका लाभ उठाते हैं।
3. ट्रांसलैंग्वेजिंग-आधारित EFL प्रवीणता की भूमिका:
   • प्रत्यक्ष प्रभाव: EFL प्रवीणता महत्वपूर्ण रूप से निर्णय की गुणवत्ता की भविष्यवाणी करती है ($\beta = 0.230, p < 0.001$), जो इस परिकल्पना का समर्थन करती है कि भाषाई क्षमता एक स्वतंत्र संज्ञानात्मक संसाधन के रूप में कार्य करती है जो निर्णय लेने की प्रक्रिया को बढ़ाती है।
   • मॉडरेशन प्रभाव: EFL प्रवीणता और अनुभूत AI उपयोगिता के बीच की परस्पर क्रिया महत्वपूर्ण नहीं थी ($\beta = -0.044, p = 0.148$)। फलस्वरूप, यह परिकल्पना कि ट्रांसलैंग्वेजिंग प्रवीणता, AI उपयोगिता और निर्णय की गुणवत्ता के बीच के संबंध को मॉडरेट (मजबूत) करती है, खारिज कर दी गई। डेटा सुझाव देता है कि भाषा प्रवीणता और AI उपयोगिता इस संदर्भ में इंटरैक्टिव के बजाय योगात्मक कारकों के रूप में कार्य करते हैं।

प्रमुख योगदान और महत्व
यह शोध पत्र साहित्य में तीन प्राथमिक योगदान देने का दावा करता है:

1. नैतिक जागरूकता का सैद्धांतिक परिशोधन: यह नैतिकता को केवल प्रौद्योगिकी स्वीकृति के पूर्ववृत्त के रूप में देखने से आगे बढ़कर, इसके दोहरे रोल को प्रदर्शित करता है—अनुभूत उपयोगिता को आकार देने वाले और निर्णय की गुणवत्ता को सीधे ऊपर उठाने वाले एक स्वतंत्र फिल्टर के रूप में।
2. भाषाई तंत्र का स्पष्टीकरण: मॉडरेशन परिकल्पना को खारिज करके, यह अध्ययन इस धारणा को चुनौती देता है कि भाषा प्रवीणता AI के लाभों को बढ़ाती है। इसके बजाय, यह प्रस्तावित करता है कि ट्रांसलैंग्वेजिंग-आधारित EFL प्रवीणता एक योगात्मक संज्ञानात्मक संसाधन के रूप में कार्य करती है, जो AI उपकरणों की प्रभावकारिता को बदलने के बजाय स्वतंत्र तंत्रों (जैसे, कार्यकारी कार्य, मेटाभाषाई जागरूकता) के माध्यम से निर्णय की गुणवत्ता को बढ़ाती है।
3. संदर्भगत अनुकूलन: यह अध्ययन एक गैर-पश्चिमी, बहुभाषी शैक्षिक संदर्भ (इंडोनेशिया) के लिए एक अनुभवजन्य रूप से परीक्षित मॉडल प्रदान करता है, जो उस अंतराल को संबोधित करता है जहाँ स्थानीय भाषाई और नैतिक वास्तविकताओं के बिना पश्चिमी-केंद्रित मॉडलों को लागू किया जाता है।

व्यावहारिक निहितार्थ
लेखकों का सुझाव है कि निर्णय प्रभावशीलता को बढ़ाने के लिए शैक्षिक हितधारकों को AI शिक्षा में नैतिक साक्षरता और भाषाई क्षमता को एकीकृत करना चाहिए। विशेष रूप से, वे अनुशंसा करते हैं:

• अभ्यासकर्ताओं (Practitioners) के लिए: निर्णय लेने की प्रक्रिया को समझाने वाले पारदर्शी, निष्पक्ष AI सिस्टम का चयन करने और लक्षित AI नैतिकता प्रशिक्षण को लागू करने की आवश्यकता है।
• छात्रों के लिए: AI आउटपुट पर आलोचनात्मक प्रश्न उठाने और पाठ्यक्रम में AI साक्षरता को नैतिक विचारों के साथ एकीकृत करने के लिए प्रोत्साहित करना।
• नीति निर्माताओं के लिए: ऐसे नियम बनाना जो शैक्षिक AI उपकरणों के नैतिक ऑडिट को अनिवार्य करते हैं और AI नैतिकता एवं साक्षरता में शिक्षक प्रशिक्षण का समर्थन करते हैं।

सीमाएँ
लेखक विनम्रतापूर्वक कई बाधाओं को स्वीकार करते हैं: डेटा की क्रॉस-सेक्शनल और स्व-रिपोर्ट प्रकृति कारण संबंधी दावों (causal claims) को सीमित करती है; कुछ निर्माणों के माप सूचकांकों को परिष्कृत किया जा सकता है; नमूना विशेष रूप से इंडोनेशियाई विश्वविद्यालयों का है, जो सामान्यीकरण को सीमित करता है; और गैर-महत्वपूर्ण मॉडरेशन परिणाम वास्तविक अंतःक्रिया की अनुपस्थिति के बजाय माप संवेदनशीलता या प्रासंगिक बाधाओं को प्रतिबिंबित कर सकता है। भविष्य के शोध को इन गतिकी को और अधिक गहराई से समझने के लिए अनुदैर्ध्य (longitudinal) डिजाइनों, वस्तुनिष्ठ प्रदर्शन मापों और मिश्रित विधियों का उपयोग करने के लिए प्रोत्साहित किया जाता है।