Development and Validation of the Job–Curriculum Alignment Index for AI-Enabled Curriculum Redesign in Higher Education
यह अध्ययन जॉब-करिकुलम अलाइनमेंट इंडेक्स (JCAI) को विकसित और मान्य करता है, जो एक बहुआयामी, एम्बेडिंग-आधारित नैदानिक उपकरण है जो उच्च शिक्षा में साक्ष्य-आधारित पाठ्यक्रम पुनर्गठन को सुगम बनाने और छात्र परिणामों में सुधार करने के लिए व्यावसायिक कौशल मांगों के साथ पाठ्यक्रम संरेखण के कवरेज, गहराई और नवीनता को मापता 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 दुनिया में, नौकरी रखने के लिए आवश्यक कौशल पहले से कहीं अधिक तेज़ी से बदल रहे हैं। तकनीक विकसित हो रही है, उद्योग बदल रहे हैं, और नवाचार की हर नई लहर के साथ नियोक्ताओं द्वारा आवश्यक विशिष्ट क्षमताएं बदल जाती हैं। विश्वविद्यालयों के लिए, यह एक निरंतर चुनौती पैदा करता है: कैसे एक ऐसा पाठ्यक्रम जो वर्षों पहले डिज़ाइन किया गया था, एक ऐसे कार्यबल के लिए प्रासंगिक बना रह सकता है जो एक अलग गति से आगे बढ़ रहा है? मुख्य समस्या केवल यह नहीं है कि क्या छात्र एक विषय सीखता है, बल्कि यह है कि क्या वह विषय श्रम बाजार की वास्तविक, वर्तमान मांगों से मेल खाता है। कौशल की सरल गणना या पाठ (टेक्स्ट) की व्यापक तुलना पर निर्भर करने वाले पारंपरिक तरीके अक्सर उस सूक्ष्मता को पकड़ने में विफल रहते हैं जो वास्तव में महत्वपूर्ण है। एक कोर्स सौ मामूली कौशलों को कवर कर सकता है जबकि उन कुछ महत्वपूर्ण कौशलों को छोड़ सकता है जो एक पेशे को परिभाषित करते हैं, या यह मूल्यवान अवधारणाएं सिखा सकता है जो अब अप्रचलित हो चुकी हैं। इसे हल करने के लिए, शोधकर्ताओं को न केवल यह मापने का एक तरीका चाहिए कि एक कोर्स किसी कौशल को कवर करता है या नहीं, बल्कि यह भी कि वह उसे कितनी गहराई से सिखाता है और वह कौशल हाल ही में मांग में कितना रहा है।
जियांग्शी इंस्टीट्यूट ऑफ टेक्नोलॉजी के एक शोधकर्ता ने इस सटीक समस्या को हल करने के लिए एक नया उपकरण विकसित किया है, जिससे एक डायग्नोस्टिक इंडेक्स (नैदानिक सूचकांक) तैयार हुआ है जो विश्वविद्यालयों को एआई (AI) युग के लिए अपने पाठ्यक्रमों को फिर से डिजाइन करने में मदद करने के लिए बनाया गया है। वे इसे 'जॉब-करिकुलम अलाइनमेंट इंडेक्स' (Job–Curriculum Alignment Index) कहते हैं। किसी कक्षा को एक एकल, अस्पष्ट स्कोर देने के बजाय, यह उपकरण संरेखण (अलाइनमेंट) को तीन अलग-अलग, अवलोकन योग्य भागों में विभाजित करता है। पहला भाग कवरेज को मापता है, यह जाँचता है कि क्या पाठ्यक्रम में वे सबसे महत्वपूर्ण कौशल शामिल हैं जिनके लिए नियोक्ता वर्तमान में भर्ती कर रहे हैं। दूसरा भाग गहराई को मापता है, यह देखता है कि क्या पाठ्यक्रम छात्रों को जटिल, वास्तविक दुनिया के कार्य करने के लिए कहता है या केवल तथ्यों को याद करने के लिए। तीसरा भाग नवीनता (फ्रेशनेस) को मापता है, यह निर्धारित करता है कि पाठ्यक्रम ने नौकरी के बाजार में नवीनतम परिवर्तनों को प्रतिबिंबित करने के लिए अपनी सामग्री को कितनी तेज़ी से अपडेट किया है। इन तीन आयामों का अलग-अलग विश्लेषण करके, शोधकर्ता यह देख सकता है कि एक कोर्स कहाँ मजबूत है और कहाँ पिछड़ रहा है, बजाय इसके कि उसे केवल एक सामान्य औसत प्राप्त हो।
इस इंडेक्स को बनाने के लिए, शोधकर्ता ने दो अलग-अलग स्रोतों से भारी मात्रा में डेटा एकत्र किया। एक तरफ, उन्होंने इंटेलिजेंट मैन्युफैक्चरिंग और डेटा साइंस के क्षेत्रों से हजारों हालिया नौकरी के विज्ञापन एकत्र किए ताकि यह समझा जा सके कि नियोक्ता वास्तव में क्या मांग रहे हैं। दूसरी ओर, उन्होंने चार विशिष्ट विश्वविद्यालय कक्षाओं से आधिकारिक पाठ्यक्रम सामग्री एकत्र की, जिसमें पाठ्यक्रम (सिलेबस), असाइनमेंट विवरण और ग्रेडिंग रूब्रिक्स शामिल थे। उन्नत कंप्यूटर सॉफ्टवेयर का उपयोग करते हुए, उन्होंने नौकरियों के विज्ञापनों में सूचीबद्ध कौशलों को कक्षाओं में सिखाई जाने वाली दक्षताओं के साथ मैप किया। यह प्रक्रिया केवल शब्द-दर-शब्द मिलान नहीं थी; सॉफ्टवेयर समझ गया कि विभिन्न वाक्यांश एक ही चीज़ का अर्थ रख सकते हैं और वह कुछ कौशलों को अन्य की तुलना में अधिक महत्वपूर्ण मान सकता था। उन्होंने पाया कि नौकरी के कौशल एक विशिष्ट पैटर्न का पालन करते हैं जहाँ बड़ी संख्या में उच्च-मांग वाले कौशल आवश्यक होते हैं, जबकि कई अन्य कौशल कम बार दिखाई देते हैं। उनका नया इंडेक्स उन आवश्यक कौशलों पर विशेष ध्यान देने के लिए डिज़ाइन किया गया था, यह सुनिश्चित करते हुए कि एक कोर्स मामूली विषयों की लंबी सूची को कवर करके उच्च स्कोर प्राप्त न कर सके जबकि वह बड़े विषयों की अनदेखी कर रहा हो।
जब शोधकर्ता ने अपने नए इंडेक्स को विश्वविद्यालय के पाठ्यक्रमों पर लागू किया, तो परिणामों ने इन कक्षाओं के प्रदर्शन की एक स्पष्ट तस्वीर पेश की। उन्होंने पाया कि हालांकि अधिकांश पाठ्यक्रमों में सामग्री की मात्रा समान थी, लेकिन वे इस मामले में काफी भिन्न थे कि उनकी सामग्री कितनी अद्यतित (अप-टू-डेट) और कितनी गहरी थी। कुछ पाठ्यक्रमों में बुनियादी कौशलों का उत्कृष्ट कवरेज था लेकिन वे अपनी सामग्री को अपडेट करने में धीमे थे, जिसका अर्थ था कि वे ऐसा ज्ञान पढ़ा रहे थे जो पहले से ही पुराना होता जा रहा था। अन्य पाठ्यक्रम बहुत समकालीन थे लेकिन उनमें गहराई की कमी थी, जो नवीनतम रुझानों को सिखाते थे लेकिन यह सुनिश्चित करने में विफल रहे कि छात्र उन्हें जटिल स्थितियों में लागू कर सकें। इंडेक्स ने सफलतापूर्वक इन विभिन्न प्रकार के पाठ्यक्रमों को अलग किया, यह दिखाते हुए कि एक एकल समग्र स्कोर इन महत्वपूर्ण अंतरों को छिपा देता। उदाहरण के लिए, दो कक्षाएं मानक सूची पर समान रूप से अच्छी लग सकती थीं, लेकिन नए इंडेक्स ने दिखाया कि एक गहराई में मजबूत थी जबकि दूसरी नवीनता में मजबूत थी, जिससे शिक्षकों को यह जानने में मदद मिली कि प्रत्येक पाठ्यक्रम को किस प्रकार के सुधार की आवश्यकता है।
अध्ययन ने यह भी देखा कि क्या ये अलाइनमेंट स्कोर वास्तव में छात्रों के लिए मायने रखते हैं। इंडेक्स स्कोर की तुलना छात्रों की सहभागिता (एंगेजमेंट) और उनके असाइनमेंट में उनके प्रदर्शन के साथ करके, शोधकर्ता ने एक स्पष्ट संबंध पाया। उच्च अलाइनमेंट स्कोर वाले पाठ्यक्रम, जिसका अर्थ है कि वे वर्तमान नौकरी की जरूरतों के साथ बेहतर ढंग से मेल खाते हैं, अधिक गहराई से पढ़ाते हैं और अधिक अद्यतित हैं, उनमें छात्रों की सहभागिता अधिक थी और उन्होंने अपने काम में बेहतर प्रदर्शन किया। इससे पता चलता है कि जब छात्रों को लगता है कि उनका सीखना वास्तविक दुनिया के लिए प्रासंगिक है और इसे कठोरता के साथ पढ़ाया जा रहा है, तो वे सफल होने के लिए अधिक प्रेरित होते हैं। शोधकर्ता ने अपने उपकरण का परीक्षण पाठ्यक्रम मापने के पुराने तरीकों के विरुद्ध किया और पाया कि उनके नए इंडेक्स ने वह अनूठी जानकारी प्रदान की जो पुराने तरीकों ने मिस कर दी थी। यह मानक कारकों जैसे कि छात्र के पिछले ग्रेड या कक्षा के आकार की तुलना में थोड़ा बेहतर भविष्यवाणी करने में सक्षम था, जो बताता है कि पाठ्यक्रम की संरचना स्वयं छात्र की सफलता में महत्वपूर्ण भूमिका निभाती है।
हालाँकि, शोधकर्ता सावधानी बरतते हुए कहते हैं कि यह उपकरण कोई जादुई समाधान नहीं है जो हर स्थिति में एक ही तरह से काम करता है। उन्होंने पाया कि पूरी तरह से संरेखित पाठ्यक्रम रखने का मूल्य अध्ययन के क्षेत्र पर निर्भर करता है। डेटा साइंस जैसे तेजी से बदलते क्षेत्रों में, जहाँ नए उपकरण और तकनीकें लगातार सामने आती हैं, एक ऐसा पाठ्यक्रम होना जो ताज़ा और उत्तरदायी हो, छात्र की सफलता के लिए विशेष रूप से महत्वपूर्ण था। अधिक स्थिर क्षेत्रों में, निरंतर अपडेट करने की आवश्यकता कम गंभीर हो सकती है। अध्ययन ने यह भी दिखाया कि उपकरण छात्रों और प्रशिक्षकों के विभिन्न समूहों में विश्वसनीय रूप से काम करता है, लेकिन इसका परीक्षण एक विशिष्ट प्रकार के विश्वविद्यालय के भीतर विशिष्ट पाठ्यक्रमों पर किया गया था। शोधकर्ता का सुझाव है कि जबकि इंडेक्स समस्याओं का निदान करने और सुधार के लिए मार्गदर्शन करने का एक शक्तिशाली तरीका प्रदान करता है, इसका उपयोग शिक्षाविदों और उद्योग भागीदारों के बीच बातचीत के शुरुआती बिंदु के रूप में किया जाना चाहिए, न कि एक अंतिम रैंकिंग प्रणाली के रूप में। पाठ्यक्रम संरेखण के इस विस्तृत, तीन-भाग वाले दृष्टिकोण का उपयोग करके, विश्वविद्यालय अनुमान लगाने के बजाय विशिष्ट, साक्ष्य-आधारित परिवर्तन कर सकते हैं ताकि यह सुनिश्चित किया जा सके कि उनके स्नातक कल की नौकरियों के लिए तैयार 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।