A Culturally Responsive and Affect-Aware Conceptual Framework for AI-Assisted Learning in India’s Multilingual Classrooms
यह शोध पत्र 'सेतु' (SETU) का प्रस्ताव करता है, जो एक सांस्कृतिक रूप से उत्तरदायी और संवेग-जागरूक वैचारिक ढांचा है, जो छह घटकों को एकीकृत करके शिक्षकों की सहायता करने और एआई-सहायता प्राप्त शिक्षण को राष्ट्रीय शिक्षा नीति 2020 के अनुरूप बनाने के लिए भारत की बहुभाषी कक्षाओं और औपचारिक पाठ्यक्रमों के बीच सेतु बनाता 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
दुनिया भर के क्लासरूम में, सीखने को अक्सर एक शिक्षक से छात्र तक तथ्यों के सरल हस्तांतरण के रूप में माना जाता है। दशकों से, शैक्षिक तकनीक ने कंप्यूटर का उपयोग करके व्यक्तिगत जरूरतों के अनुसार पाठों को तैयार करने की कोशिश की है ताकि इस प्रक्रिया को तेज किया जा सके। ये प्रणालियाँ, जिन्हें 'इंटेलिजेंट ट्यूटर्स' कहा जाता है, आमतौर पर इस बात को ट्रैक करके काम करती हैं कि एक छात्र कितनी तेजी से सवालों के जवाब देता है और उसे क्या स्कोर मिलता है। इसके बाद वे सामग्री के क्रम को पुनर्व्यवस्थित करती हैं, इस उम्मीद में कि छात्र आगे बढ़ता रहे। हालाँकि, यह दृष्टिकोण अक्सर मानवीय अनुभव के एक महत्वपूर्ण हिस्से को छोड़ देता है: वह सांस्कृतिक और भाषाई दुनिया जिसमें छात्र रहता है। यह मान लेता है कि एक बच्चा शून्य (वैक्यूम) में सबसे अच्छा सीखता है, इस तथ्य को अनदेखा करते हुए कि छात्र अपनी भाषा, पारिवारिक परंपराएं और सामुदायिक ज्ञान अपने साथ कक्षा में लाते हैं। जब तकनीक इन गहरी जड़ों को अनदेखा करती है, तो यह अनजाने में उन बच्चों के लिए सीखना कठिन बना सकती है जो अलग भाषाएँ बोलते हैं या अलग पृष्ठभूमि से आते हैं, बजाय इसके कि उनकी मदद करे।
यह अंतर भारत में विशेष रूप से गहरा है, जो विविध भाषाओं और संस्कृतियों वाला एक विशाल देश है। यहाँ, कई बच्चों को उस भाषा में पढ़ाया जाता है जो उनकी मातृभाषा नहीं है, जिससे समझ में एक संरचनात्मक बाधा पैदा होती है। एक नया वैचारिक शोध पत्र (कन्सेप्चुअल पेपर) एक अलग रास्ता प्रस्तावित करता है, एक स्मार्ट कंप्यूटर बनाने के बजाय, एक पुल बनाने के माध्यम से। शोधकर्ता एक ढांचा पेश करते हैं जिसे SETU कहा जाता है, जिसका अर्थ कई भारतीय भाषाओं में "पुल" होता है। यह कोई तैयार सॉफ्टवेयर उत्पाद नहीं है जिसे आज डाउनलोड किया जा सके, बल्कि यह एक विस्तृत वास्तुशिल्प ब्लूप्रिंट (architectural blueprint) है कि भविष्य के आर्टिफिशियल इंटेलिजेंस को छात्र की संस्कृति का सम्मान करने और उसका उपयोग करने के लिए कैसे डिजाइन किया जाना चाहिए। लेखक तर्क देते हैं कि तकनीक को वास्तव में मदद करने के लिए, इसे छात्र की भाषा और पृष्ठभूमि को 'बैकग्राउंड नॉइज़' के रूप में देखना बंद करना होगा और इसे उसी माध्यम के रूप में मानना होगा जिसके माध्यम से सीखना होता है।
SETU के पीछे का मूल विचार यह है कि सीखना केवल तथ्यों को याद करने के बारे में नहीं है; यह एक सामाजिक गतिविधि है जो गहराई से इस बात से जुड़ी है कि व्यक्ति कौन है और वह कहाँ से आता है। यह ढांचा सुझाव देता है कि एक AI प्रणाली को एक कुशल शिक्षक की तरह कार्य करना चाहिए जो एक बच्चे के घरेलू जीवन को स्कूल के पाठों से जोड़ना जानता हो। ऐसा करने के लिए, प्रस्तावित प्रणाली छह कामकाजी हिस्सों के इर्द-गिर्द बनाई गई है जो लगातार एक-दूसरे से संवाद करते हैं। पहला, एक 'भाषाई इंजन' (linguistic engine) पहचानता है कि एक छात्र शायद एक भाषा में सोचता हो लेकिन उसे दूसरी भाषा में सीखने की आवश्यकता हो। छात्र को तुरंत भाषा बदलने के लिए मजबूर करने के बजाय, यह प्रणाली उन्हें नए विचारों को समझने के लिए अपनी भाषाओं की पूरी श्रृंखला का उपयोग करने की अनुमति देती है, जिसे 'ट्रांसलैंग्वेजिंग' (translanguaging) कहा जाता है। यह कठिन शब्दों को बच्चे की घरेलू भाषा में समझा सकता है या उस भाषा में उत्तर स्वीकार कर सकता है, जिससे निर्देश की भाषा की ओर धीरे-धीरे एक पुल बनता है।
दूसरा, प्रणाली में एक 'मैपर' (mapper) शामिल है जो छात्र के पास पहले से मौजूद "ज्ञान के कोष" (funds of knowledge) की पहचान करता है। इसका अर्थ है कि यह उन मूल्यवान कौशलों और कहानियों की पहचान करता है जो एक बच्चा अपने परिवार और समुदाय से लाता है, जैसे खेती की तकनीकें, स्थानीय शिल्प, या मौखिक कहानी सुनाने की परंपराएं। जब प्रणाली को किसी नए विचार, जैसे गणित की समस्या या वैज्ञानिक सिद्धांत को समझाने की आवश्यकता होती है, तो यह अमूर्त उदाहरणों के बजाय इन परिचित उदाहरणों का उपयोग करती है जो शायद पराये लग सकते हैं। यदि कोई बच्चा अपने गाँव की कहानियों के माध्यम से बेहतर सीखता है, तो प्रणाली उन कहानियों का उपयोग सिखाने के लिए करती है। तीसरा, एक 'अफेक्ट और कॉन्टेक्स्ट सेंसर' (affect and context sensor) छात्र की भावनाओं के संकेतों पर नज़र रखता है। यह निराशा, ऊब या थकान जैसे संकेतों को देखता है और वातावरण पर भी विचार करता है, जैसे कि दिन का समय या क्या छात्र शोर वाले कमरे में सीख रहा है। यदि प्रणाली महसूस करती है कि छात्र अभिभूत (overwhelmed) हो रहा है, तो यह मानव शिक्षक की तरह ही पाठ को रोक सकती है या उसका लहजा बदल सकती है।
ये तीन संवेदी भाग एक केंद्रीय प्रोफाइल में फीड होते हैं जो समय के साथ शिक्षार्थी की एक तस्वीर बनाता है। इस प्रोफाइल का उपयोग एक 'ऑर्केस्ट्रेटर' (orchestrator) द्वारा अगले पाठ की योजना बनाने के लिए किया जाता है, यह सुनिश्चित करते हुए कि कठिनाई बिल्कुल सही हो और उदाहरण सांस्कृतिक रूप से प्रासंगिक हों। एक 'फीडबैक कंपोजर' (feedback composer) प्रतिक्रिया प्रदान करता है, सुधारों को निर्णयों के बजाय बातचीत में बदल देता है, और ऐसी टोन और भाषा में बोलता है जो छात्र को उत्साहजनक लगे। महत्वपूर्ण रूप से, यह पूरी प्रक्रिया नैतिकता और समानता के लिए एक 'गार्डरेल' (guardrail) में लिपटी हुई है। यह घटक प्रणाली के लिए एक विवेक के रूप में कार्य करता है, लगातार पूर्वाग्रहों की जाँच करता है, गोपनीयता सुनिश्चित करता है, और यह सुनिश्चित करता है कि तकनीक अनुचित निर्णय न ले। यह यह भी सुनिश्चित करता है कि एक मानव शिक्षक 'लूप' में बना रहे, जो मशीन द्वारा प्रतिस्थापित होने के बजाय अंतिम निर्णायक और सांस्कृतिक मध्यस्थ के रूप में कार्य करता है।
शोधकर्ताओं ने इस प्रस्ताव को वास्तविक डेटा पर आधारित किया है जो ऐसे डिज़ाइन की तात्कालिकता को उजागर करता है। वे बताते हैं कि जबकि भारत में हजारों बोली जाने वाली भाषाएँ हैं, स्कूल अक्सर निर्देश के लिए केवल कुछ ही भाषाओं का उपयोग करते हैं, जिससे अधिकांश बच्चों को अपनी भाषा के बजाय किसी अन्य भाषा में सीखने के लिए छोड़ दिया जाता है। यह बेमेल स्थिति एक महत्वपूर्ण नुकसान पैदा करती है, विशेष रूप से आदिवासी या अल्पसंख्यक समुदायों के बच्चों के लिए। इसके अलावा, हाल के सर्वेक्षणों से पता चलता है कि जबकि कई ग्रामीण बच्चों के पास अब स्मार्टफोन तक पहुंच है, वे अक्सर सीखने के बजाय सोशल मीडिया के लिए उनका उपयोग करते हैं, और कई अभी भी बुनियादी पढ़ने के कौशल के लिए संघर्ष करते हैं। डेटा बताता है कि केवल बच्चों को तकनीक तक पहुंच देना पर्याप्त नहीं है; तकनीक को खुद को उनकी भाषा और सांस्कृतिक संदर्भ में, उनके पास पहुँचने के लिए डिज़ाइन किया जाना चाहिए।
यह शोध पत्र यह दावा नहीं करता है कि इसने समस्याओं को एक तैयार उत्पाद के साथ हल कर लिया है। इसके बजाय, यह इस दृष्टि को प्रस्तुत करता है कि अगली पीढ़ी के शैक्षिक उपकरणों को कैसे बनाया जाए। यह सुझाव देता है कि आगे का रास्ता केवल स्कोर को ट्रैक करने वाली प्रणालियों से हटकर ऐसी प्रणालियों की ओर बढ़ने में है जो स्क्रीन के पीछे के इंसान को समझती हैं। यह तर्क देते हुए कि आर्टिफिशियल इंटेलिजेंस को मानवीय व्यवहार के सिद्धांतों—जैसे सामाजिक संपर्क, सांस्कृतिक संदर्भ और भावनात्मक जुड़ाव—में स्थापित करके, SETU ढांचा शिक्षा में एक भागीदार के रूप में तकनीक को एक दूरस्थ, अमानवीय शक्ति के बजाय एक साथी बनाने का प्रस्ताव करता है। लेखक इस बात पर जोर देते हैं कि यह दृष्टिकोण शिक्षकों को बदलने के बारे में नहीं है, बल्कि उन्हें एक शक्तिशाली उपकरण देने के बारे में है ताकि वे अपनी पहुंच बढ़ा सकें, जिससे वे छात्रों के साथ जुड़ने के गहरे, मानवीय कार्य पर ध्यान केंद्रित कर सकें जबकि मशीन नियमित कार्यों को संभालती है।
अंततः, यह कार्य डिजाइनरों, नीति निर्माताओं और शिक्षकों को सीखने में संस्कृति की भूमिका पर पुनर्विचार करने का एक आह्वान है। यह तर्क देता है कि वास्तविक वैयक्तिकरण (personalization) सांस्कृतिक संवेदनशीलता के बिना नहीं हो सकता। यदि आर्टिफिशियल इंटेलिजेंस विविध क्लासरूम में एक सकारात्मक शक्ति बनना चाहता है, तो इसे शिक्षार्थी की संस्कृति को एक बाधा के रूप में नहीं, बल्कि एक संसाधन के रूप में मनाने के लिए बनाया जाना चाहिए। SETU ढांचा इस यात्रा के लिए एक मानचित्र प्रदान करता है, यह सुझाव देते हुए कि शिक्षा का भविष्य बच्चों के जीवन की दुनिया और उस ज्ञान के बीच सेतु बनाने में निहित है जिसे वे सीखने के लिए अपेक्षित 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।