Measuring Curriculum–Labor Market Alignment at the Scale of a Program Portfolio
यह शोध पत्र एक कंप्यूटिंग प्रोग्राम पोर्टफोलियो का एक बड़े पैमाने पर, वर्गीकरण-आधारित (taxonomy-anchored) विश्लेषण प्रस्तुत करता है जो प्रमुख तकनीकी क्षेत्रों में व्यवस्थित पाठ्यक्रम अंतराल और एक निरंतर विसंगति को प्रकट करने के लिए 1,922 पाठ्यक्रम शिक्षण परिणामों की 100,000 से अधिक जॉब कॉम्पिटेंसीज़ के साथ तुलना करता है, जहाँ शैक्षणिक निर्देश बाजार की मांगों से लगभग एक ब्लूम स्तर (Bloom level) नीचे रहता 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
कल्पना कीजिए कि आप एक शेफ हैं जो एक विशाल कुकिंग स्कूल चला रहे हैं। आपके पास पाँच अलग-अलग कक्षाएं हैं: एक पेस्ट्री के लिए, एक ग्रिलिंग के लिए, एक ब्रेड बेकिंग के लिए, एक सूप के लिए और एक सलाद के लिए। आप यह मान लेते हैं कि क्योंकि आपके पास पाँच अलग-अलग मेनू हैं, इसलिए आप अपने छात्रों को ठीक वही सिखा रहे हैं जिसकी दुनिया के रेस्टोरेंट्स को ज़रूरत है। लेकिन समस्या यहाँ है: खाद्य उद्योग (food industry) आपके पाठ्यपुस्तकों को फिर से लिखने की आपकी क्षमता से कहीं अधिक तेज़ी से बदलता है। हो सकता है कि अगले महीने किसी रेस्टोरेंट को एक नए प्रकार की तीखी सॉस की आवश्यकता हो, लेकिन आपका पाठ्यक्रम तीन साल तक अपडेट नहीं होगा।
इसे ठीक करने के लिए, स्कूल आमतौर पर कुछ स्थानीय शेफ से सलाह मांगते हैं या यह देखते हैं कि उनके छात्र नौकरी पाते हैं या नहीं। लेकिन यह एक कागजी मानचित्र के साथ तूफानी समुद्र में नेविगेट करने जैसा है; यह धीमा है, यह केवल पानी के एक बहुत छोटे हिस्से को कवर करता है, और इसे अगली क्लास के लिए कॉपी करना कठिन है। हाल ही में, वैज्ञानिकों ने शक्तिशाली कंप्यूटर मस्तिष्क (जिन्हें लार्ज लैंग्वेज मॉडल कहा जाता है) का उपयोग करना शुरू किया है ताकि वे हजारों जॉब विज्ञापनों को पढ़ सकें और सीधे उनकी तुलना इस बात से कर सकें कि स्कूल क्या सिखा रहे हैं। वे कौशल (skills) के एक "शब्दकोश" (जैसे कि कुकिंग टर्म्स का एक विशाल, मानकीकृत मेनू) का उपयोग करते हैं ताकि यह सुनिश्चित हो सके कि वे सेब की तुलना सेब से कर रहे हैं (यानी सही चीज़ों की तुलना कर रहे हैं)।
यह शोध पत्र इस प्रश्न को लेता है और इसे बड़े पैमाने पर ले जाता है। केवल एक कुकिंग क्लास को देखने के बजाय, शोधकर्ताओं ने एक पूरे "कॉलेज ऑफ इंफॉर्मेशन टेक्नोलॉजी" को एक एकल, विशाल रसोई के रूप में देखा। वे यह देखना चाहते थे कि क्या उनके द्वारा दी जाने वाली पाँच अलग-अलग डिग्रियाँ (कंप्यूटर साइंस, कंप्यूटर इंजीनियरिंग, डेटा साइंस, इंफॉर्मेशन सिक्योरिटी और इंफॉर्मेशन टेक्नोलॉजी) वास्तव में एक-दूसरे से उन तरीकों में भिन्न थीं जिनकी जॉब मार्केट को आवश्यकता थी, या क्या वे सभी एक ही चीज़ के विभिन्न रूप थे जो समान महत्वपूर्ण कौशलों को मिस कर रहे थे।
द ग्रेट किचन ऑडिट (The Great Kitchen Audit)
शोधकर्ताओं ने केवल मेनू नहीं पढ़ा; उन्होंने यह भी देखा कि छात्रों ने वास्तव में क्या खाया। उन्हें एहसास हुआ कि एक स्कूल का कैटलॉग 500 व्यंजनों वाले बुफे की तरह है, लेकिन एक छात्र केवल 10 व्यंजन ही चुन पाता है। यदि आप पूरे बुफे को गिनते हैं, तो आपको लगता है कि स्कूल सब कुछ सिखाता है। लेकिन यदि आप देखते हैं कि छात्र वास्तव में क्या खत्म करते हैं, तो आप पाएंगे कि उन्होंने शायद कभी स्पाइसी विंग्स या विदेशी डेसर्ट को छुआ भी नहीं। टीम ने यह पता लगाने के लिए एक विशेष "रियलाइज्ड-अटेनमेंट" (realized-attainment) मॉडल बनाया कि एक छात्र वास्तव में क्या सीखने के लिए गारंटीकृत है, उनके डिग्री के नियमों के आधार पर, उन व्यंजनों को छोड़कर जिन्हें वे शायद चुन सकते हैं लेकिन शायद ही चुनेंगे।
इसके बाद वे एक डिजिटल खोज पर निकले। उन्होंने अपने क्षेत्र के चार अलग-अलग जॉब बोर्डों से 5,186 अद्वितीय जॉब पोस्टिंग एकत्र कीं। उन्होंने हर एक जॉब विज्ञापन और हर एक कोर्स विवरण को पढ़ने के लिए एक कंप्यूटर मस्तिष्क का उपयोग किया, और विशिष्ट कौशल (जैसे "डेटाबेस को कोड करना" या "प्रोजेक्ट को मैनेज करना") को शब्द-दर-शब्द निकाला। उन्होंने यह सुनिश्चित किया कि कंप्यूटर कुछ भी मनगढ़ंत न बनाए; यदि कौशल टेक्स्ट में नहीं था, तो कंप्यूटर ने उसे आविष्कार नहीं किया। उन्होंने अपने काम की जांच मानव विशेषज्ञों से भी कराई ताकि यह सुनिश्चित हो सके कि कंप्यूटर सही है, और वह लगभग हर बार (लगभग 99% सटीक) सही था।
क्या उन्होंने पाया: द "सिस्टेमिक" शॉर्टेज (The "Systemic" Shortage)
परिणाम ऐसे थे जैसे यह पता चलना कि आपकी पाँचों कुकिंग क्लासेस में एक ही तीन आवश्यक सामग्रियां गायब हैं।
कमियां हर जगह हैं, न कि केवल एक क्लास में: शोधकर्ताओं ने पाया कि गायब कौशल केवल एक डिग्री की समस्या नहीं थे। चाहे आप सुरक्षा विशेषज्ञ बनने के लिए पढ़ रहे हों या डेटा वैज्ञानिक, पाठ्यक्रम में उन्हीं व्यावहारिक कौशलों की कमी थी जिनकी जॉब मार्केट को मांग थी। सबसे बड़ी कमी सॉफ्टवेयर इंजीनियरिंग, सिस्टम्स एंड इंफ्रास्ट्रक्चर, वेब डेवलपमेंट और सिक्योरिटी में थी। जॉब मार्केट इन कौशलों की मांग उस दर से कर रहा था जो स्कूलों द्वारा सिखाए जा रहे कौशलों से 1.5 से 4 गुना अधिक थी।
"शेयर्ड कोर" (Shared Core) बहुत हल्का है: सभी पाँच डिग्रियाँ कक्षाओं का एक सामान्य सेट (कॉलेज कोर) साझा करती हैं। शोधकर्ताओं ने पाया कि यह साझा कोर केवल उस कौशल के एक-तिहाई हिस्से को कवर करता था जिसकी जॉब मार्केट को वास्तव में आवश्यकता थी। यह बुनियादी बातें और सामान्य कौशल सिखाने में बहुत अच्छा था, लेकिन इसने भारी, व्यावहारिक चीज़ों को विशिष्ट मेजर (major) कक्षाओं के लिए छोड़ दिया। दुर्भाग्य से, विशिष्ट मेजर कक्षाएं भी इस कमी को पूरा नहीं कर पा रही थीं।
अलग नाम, वही गायब टुकड़े: पाँचों प्रोग्राम अपने विशिष्ट विषयों में एक-दूसरे से अलग थे (जो कि अच्छी बात है!)। एक कंप्यूटर साइंस छात्र वह चीज़ सीखता है जो एक इंफॉर्मेशन टेक्नोलॉजी छात्र नहीं सीखता। हालाँकि, वे अपनी कमियों में "होमोजेनियस" (समान) थे। वे सभी एक ही व्यावहारिक कौशलों को सिखाने में विफल रहे। यह बिल्कुल वैसा ही है जैसे कि पांच अलग-अलग कार मॉडल जिनके इंजन तो शानदार हैं लेकिन उन सबके टायर पंचर हैं।
"डेप्थ" (गहराई) की समस्या: यह सबसे आश्चर्यजनक खोज थी। भले ही स्कूल कोई कौशल सिखा रहे थे, वे इसे बहुत निचले स्तर पर सिखा रहे थे जैसा कि जॉब मार्केट उम्मीद करता है। शोधकर्ताओं ने इसे "ब्लूम्स टैक्सोनॉमी" (Bloom's Taxonomy) स्केल का उपयोग करके मापा, जो सोचने के कौशल की एक सीढ़ी की तरह है—"याद रखने" (Remembering) से लेकर "निर्माण करने" (Creating) तक। जॉब मार्केट चाहता था कि छात्र सीढ़ी के शीर्ष पर हों (निर्माण और विश्लेषण करना), लेकिन स्कूल मुख्य रूप से निचले स्तर (याद रखना और समझना) पर सिखा रहे थे। औसतन, पाठ्यक्रम मांग से एक पूरा कदम नीचे था। यह विशेष रूप से "सिस्टम्स" और "आर्टिफिशियल इंटेलिजेंस" के मामले में सच था।
निष्कर्ष (The Takeaway)
अध्ययन यह निष्कर्ष निकालता है कि समस्या यह नहीं है कि कोई एक विशिष्ट क्लास खराब है; समस्या पूरा सिस्टम है। कॉलेज सैद्धांतिक आधारों (जैसे एल्गोरिदम और गणित) और सामान्य कौशलों में बहुत अधिक निवेश कर रहा है, जबकि उन व्यावहारिक, लागू कौशलों में कम निवेश कर रहा है जिनके लिए नियोक्ता चिल्ला रहे हैं। चूंकि गैप सभी पांच कार्यक्रमों में समान है, इसलिए इसे ठीक करने के लिए पांच अलग-अलग समाधानों की आवश्यकता नहीं होगी। इसके बजाय, कॉलेज को उस "शेयर्ड कोर" को बदलने की आवश्यकता है जिसे हर छात्र लेता है, यह सुनिश्चित करते हुए कि व्यावहारिक कौशल हर डिग्री के आधार में शामिल किए जाएं, न कि केवल वैकल्पिक अतिरिक्त के रूप में छोड़े जाएं।
शोधकर्ता सावधानी बरतते हुए कहते हैं कि यह एक विशिष्ट कॉलेज के एक विशिष्ट समय (जुलाई 2026) का स्नैपशॉट है, इसलिए अन्य स्कूलों की समस्याएं अलग हो सकती हैं। लेकिन उन्होंने जो उपकरण बनाया है—जिस तरह से उन्होंने वास्तविक छात्र पथों का उपयोग करके और कंप्यूटर रीडिंग को सत्यापित करके इस अंतर को मापा—वह स्कूलों के लिए एक नया और शक्तिशाली तरीका है जिससे वे अनुमान लगाना बंद कर सकते हैं और ठोस साक्ष्यों के आधार पर अपने पाठ्यक्रम को सुधारना शुरू कर सकते हैं। उन्होंने केवल एक समस्या नहीं ढूंढी; उन्होंने एक ऐसा मानचित्र बनाया है जो दिखाता है कि कहाँ खुदाई करनी है।
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।