The Architecture of Educational Measurement: A Multi-Country Policy Analysis and Mathematical Simulation of a Hybrid Phase- and Outcome-Based Marks Distribution Model

उच्च शिक्षा की दुनिया में, विशेष रूप से उन क्षेत्रों में जहाँ छात्र लोगों की देखभाल करने का प्रशिक्षण लेते हैं, इस बात को लेकर लंबे समय से एक तनाव रहा है कि स्कूल समय को कैसे गिनते हैं और वे कौशल को कैसे मापते हैं। दशकों से, विश्वविद्यालय 'क्रेडिट आवर्स' पर आधारित एक प्रणाली पर निर्भर रहे हैं, जो अनिवार्य रूप से इस बात को ट्रैक करती है कि एक छात्र ने कक्षा या लैब में कितने घंटे बिताए हैं। यह दृष्टिकोण प्रशासनिक कार्यों के लिए उत्कृष्ट है, जैसे कि स्कूलों के बीच क्रेडिट ट्रांसफर करना या ट्यूशन की गणना करना, लेकिन यह अक्सर छात्र के सीखने की वास्तविक गहराई को पकड़ने में विफल रहता है। यह एक ऐसे छात्र और एक ऐसे छात्र के बीच कोई अंतर नहीं करता जिसने वास्तव में एक कठिन अवधारणा में महारत हासिल की है, उसे समान मानता है जिसने केवल एक सीट पर समय बिताया है। हाल के वर्षों में, शिक्षकों ने "आउटकम-बेस्ड" (परिणाम-आधारित) मॉडलों की ओर रुख किया है, जो इस बात पर ध्यान केंद्रित करते हैं कि एक पाठ्यक्रम के अंत तक एक छात्र वास्तव में क्या कर सकता है। हालाँकि, ये आधुनिक प्रणालियाँ भी अक्सर संघर्ष करती हैं जब छात्र बुनियादी सिद्धांत से जटिल, वास्तविक दुनिया के अभ्यास की ओर बढ़ते हैं। वे अक्सर एक नौसिखिए और एक भविष्य के विशेषज्ञ दोनों के लिए एक ही नियम और वेटिंग (भार) लागू करती हैं, जिससे यह स्पष्ट नहीं हो पाता कि क्या छात्र वास्तव में अपने पेशे की जिम्मेदारियों के लिए तैयार है।

यह चुनौती नजरान यूनिवर्सिटी के शोधकर्ताओं द्वारा किए गए एक नए अध्ययन के केंद्र में है, जो छात्रों को ग्रेड देने का एक अधिक सूक्ष्म तरीका प्रस्तावित करता है। सरज डीएए खान के नेतृत्व में टीम ने इस बात की जांच की कि क्या एक हाइब्रिड (मिश्रित) प्रणाली एक छात्र की कक्षा के शिक्षार्थी से एक सक्षम पेशेवर बनने की यात्रा को बेहतर ढंग से दर्शा सकती है। उन्होंने विशेष रूप से बाल दंत चिकित्सा (पीडियाट्रिक डेंटिस्ट्री) में प्रशिक्षण ले रहे छात्रों के एक समूह पर ध्यान केंद्रित किया, जो एक ऐसा क्षेत्र है जहाँ दांव बहुत ऊंचे हैं और मॉडल पर अभ्यास करने से वास्तविक बच्चों का इलाज करने तक के संक्रमण को अत्यंत सावधानी से संभाला जाना चाहिए। शोधकर्ताओं ने तीन अलग-अलग चरणों में प्रशिक्षण ले रहे 119 छात्रों के डेटा का विश्लेषण किया: एक प्री-क्लिनिकल चरण जहाँ वे पुतलों (मैनीक्विन) पर काम करते थे, एक क्लिनिकल चरण जहाँ उन्होंने पर्यवेक्षित रोगी देखभाल शुरू की, और एक उन्नत चरण जहाँ वे स्वतंत्र रूप से जटिल मामलों का प्रबंधन करते हैं। अपने नए, लचीले ग्रेडिंग मॉडल की तुलना विश्वविद्यालय द्वारा उपयोग की जाने वाली पारंपरिक, निश्चित प्रणाली से करके, उन्होंने यह देखने का प्रयास किया कि क्या एक गतिशील दृष्टिकोण छात्र की स्नातक होने की तैयारी को अधिक सटीक रूप से प्रमाणित कर सकता है।

विश्वविद्यालय और कई अन्य संस्थानों द्वारा उपयोग की जाने वाली पारंपरिक विधि सभी ग्रेडों के लिए एक स्थिर सूत्र लागू करती है। इस पुराने सिस्टम में, लिखित परीक्षा और सैद्धांतिक ज्ञान लगातार एक छात्र के अंतिम ग्रेड में 60% हिस्सा बनाते हैं, जबकि व्यावहारिक कौशल और नैदानिक प्रदर्शन शेष 40% हिस्सा बनाते हैं, चाहे छात्र के अध्ययन का वर्ष कोई भी हो। शोधकर्ताओं ने तर्क दिया कि यह "एक ही आकार सबके लिए" (वन-साइज़-फिट्स-ऑल) वाला दृष्टिकोण त्रुटिपूर्ण है क्योंकि यह शिक्षार्थी की बदलती जरूरतों से मेल नहीं खाता है। शुरुआती चरणों में, सुरक्षा के लिए सिद्धांत को समझना महत्वपूर्ण है, लेकिन जैसे-जैसे छात्र आगे बढ़ते हैं, उनकी प्रक्रियाओं को करने और रोगियों का प्रबंधन करने की क्षमता मूल्यांकन का प्राथमिक केंद्र होनी चाहिए। इसका परीक्षण करने के लिए, टीम ने एक नया गणितीय ढांचा तैयार किया जो छात्रों के बढ़ने के साथ इन घटकों के भार (वेटिंग) को बदल देता है। इस नए मॉडल में, लिखित ज्ञान का सापेक्ष महत्व बाद के वर्षों में कम हो जाता है, जबकि व्यावहारिक कौशल को दिया जाने वाला भार बढ़ जाता है, यह सुनिश्चित करता है कि अंतिम ग्रेड प्रशिक्षण के उस विशिष्ट चरण की मांगों को प्रतिबिंबित करे।

जब शोधकर्ताओं ने इस नई प्रणाली को 119 छात्रों के ऐतिहासिक रिकॉर्ड पर लागू किया, तो परिणामों ने खुलासा किया कि छात्रों का मूल्यांकन कैसे किया गया था इसमें महत्वपूर्ण अंतर थे। प्रशिक्षण के सबसे प्रारंभिक चरण में, जिसे प्री-क्लिनिकल स्तर कहा जाता है, नए मॉडल ने वास्तव में छात्रों के औसत स्कोर को कम कर दिया। पुराने सिस्टम के तहत छात्रों का औसत ग्रेड 82.59% से गिरकर नए मॉडल के तहत 81.82% हो गया। यह विफलता का संकेत नहीं था, बल्कि एक जानबूझकर किया गया सुधार था। पुराने सिस्टम ने छात्रों को उनके मैनुअल प्रयोगशाला कार्यों में प्रदर्शन के आधार पर उच्च अंक प्राप्त करने की अनुमति दी थी, जिसने उनके सैद्धांतिक ज्ञान की कमजोरियों को छिपा दिया था। नए मॉडल ने, इस बुनियादी चरण में उच्च संज्ञानात्मक भार (60%) बनाए रखकर, यह सुनिश्चित किया कि छात्र प्रक्रियाओं के पीछे के विज्ञान की ठोस समझ के बिना पास न हो सकें, जिससे वह कमजोर सिद्धांत उजागर हो सका जो पहले छिपा हुआ था और वास्तविक रोगी को छूने से पहले रोगी की सुरक्षा सुनिश्चित हुई।

जैसे-जैसे छात्र अपने प्रशिक्षण के क्लिनिकल और उन्नत चरणों में पहुंचे, नए मॉडल का प्रभाव उलट गया। क्लिनिकल स्पेशलिटी रोटेशन में छात्रों के लिए, औसत ग्रेड 79.77% से बढ़कर 80.19% हो गया। अंतिम, व्यापक देखभाल चरण के लिए, वृद्धि और भी स्पष्ट थी, जो 79.62% से उछलकर 80.94% हो गई। यह वृद्धि इसलिए हुई क्योंकि नए सिस्टम ने व्यावहारिक कौशल और स्वायत्त निर्णय लेने को अधिक प्रमुखता देने के लिए वेटिंग को समायोजित किया, जो पारंपरिक मॉडल में लिखित परीक्षाओं के कठोर प्रभुत्व के कारण बाधित था। डेटा ने दिखाया कि पारंपरिक प्रणाली उन छात्रों के अंकों को दबा रही थी जो वास्तविक दुनिया के अभ्यास में उत्कृष्ट प्रदर्शन कर रहे थे, केवल इसलिए क्योंकि उनके लिखित परीक्षा के अंक पूर्ण नहीं थे। नए ढांचे ने उनकी व्यावहारिक उत्कृष्टता को चमकने का अवसर दिया, जिससे स्वतंत्र रूप से अभ्यास करने की उनकी तैयारी का अधिक सटीक चित्र प्राप्त हुआ।

अध्ययन ने इस दृष्टिकोण को वैश्विक शिक्षा के व्यापक परिदृश्य में समझने के लिए एक एकल विश्वविद्यालय से परे भी देखा। शोधकर्ताओं ने संयुक्त राज्य अमेरिका, यूनाइटेड किंगडम, ऑस्ट्रेलिया और सऊदी अरब सहित नौ विभिन्न देशों और क्षेत्रों की नीतियों और ढांचों की समीक्षा की। उन्होंने पाया कि हालांकि इनमें से कई स्थान आधिकारिक तौर पर परिणाम-आधारित शिक्षा की ओर बढ़ चुके हैं, लेकिन उपयोग में आने वाली वास्तविक ग्रेडिंग प्रणालियाँ अक्सर कठोर और सीखने की प्रगतिशील प्रकृति से कटी हुई रहती हैं। नया हाइब्रिड मॉडल प्रमुख प्रत्यायन निकायों, जैसे कि सऊदी अरब में शिक्षा और प्रशिक्षण मूल्यांकन आयोग द्वारा निर्धारित मानकों के अनुरूप है, जो यह आवश्यक बनाते हैं कि मूल्यांकन छात्र के विकास के साथ विकसित हो। कार्यभार, विशिष्ट शिक्षण परिणामों और पाठ्यक्रम के चरण को एक एकल, सुसंगत प्रणाली में एकीकृत करके, शोधकर्ताओं ने प्रदर्शित किया कि एक ऐसा ग्रेडिंग ढांचा बनाना संभव है जो निष्पक्ष और वैज्ञानिक रूप से सुदृढ़ दोनों हो।

अंततः, यह शोध सुझाव देता है कि हमें सफलता को मापने का तरीका सीखने की प्रक्रिया जितना ही गतिशील होना चाहिए। अध्ययन पुष्टि करता है कि भविष्य के स्वास्थ्य सेवा पेशेवर के जटिल विकास को पकड़ने के लिए एक स्थिर, समय-आधारित ग्रेड का रिकॉर्ड अपर्याप्त है। नियमों के एक निश्चित सेट से हटकर एक लचीली प्रणाली पर ध्यान केंद्रित करके, जो छात्र के विकास के चरण के अनुकूल हो, शिक्षक यह सुनिश्चित कर सकते हैं कि अंतिम ग्रेड सक्षमता का एक वास्तविक सत्यापन हो। निष्कर्ष बताते हैं कि यह दृष्टिकोण न केवल मूल्यांकन की सटीकता में सुधार करता है, बल्कि पारदर्शिता को भी बढ़ाता है, जिससे यह स्पष्ट होता है कि प्रत्येक चरण में उनसे क्या अपेक्षा की जाती है। अध्ययन में शामिल छात्रों के लिए, और संभावित रूप से दुनिया भर में स्वास्थ्य व्यवसायों के अन्य लोगों के लिए, इसका अर्थ यह है कि उनके अंतिम ग्रेड अब केवल ट्रांसक्रिप्ट पर एक संख्या नहीं होंगे, बल्कि सुरक्षित और प्रभावी ढंग से रोगियों की देखभाल करने की उनकी क्षमता का एक विश्वसनीय प्रतिबिंब होंगे।