Who Answers for AI? Epistemic Visibility, Responsibility, and Error Repair in Collaborative Learning
यह अध्ययन प्रदर्शित करता है कि सहयोगात्मक शिक्षण में एआई (AI) उत्पत्ति को दृश्यमान बनाना सत्यापन प्रक्रियाओं को सुदृढ़ करता है, भागीदारी को संतुलित करता है, और त्रुटि सुधार एवं परिणामों में सुधार करता है, जो यह सुझाव देता है कि जिम्मेदार एआई एकीकरण सार्वभौमिक पहुंच के बजाय दावों का निरीक्षण करने और उन्हें चुनौती देने की क्षमता पर अधिक निर्भर करता 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 कक्षा और आधुनिक कार्यस्थल में, समूह अक्सर अपने ज्ञान को एक साथ जोड़कर समस्याओं का समाधान करते हैं। यह प्रक्रिया एक नाजुक सामाजिक समझौते पर टिकी है: जब कोई विचार प्रस्तुत करता है, तो समूह को यह पता होना चाहिए कि वह कहाँ से आया, वह कैसे बना, और उसकी सटीकता की जाँच के लिए कौन जिम्मेदार है। यही सहयोगात्मक शिक्षण (collaborative learning) का आधार है, जहाँ लक्ष्य केवल जानकारी साझा करना नहीं है, बल्कि एक ऐसी साझा समझ बनाना है जिसे कोई भी अकेला व्यक्ति अकेले नहीं बना सकता। हालाँकि, इस गतिशीलता में एक नया स्तर जुड़ गया है: आर्टिफिशियल इंटेलिजेंस (AI)। जब कोई छात्र या कर्मचारी उत्तर उत्पन्न करने के लिए AI टूल का उपयोग करता है, तो वे एक महत्वपूर्ण विकल्प का सामना करते हैं। वे उस विचार को एक साधारण सुझाव के रूप में समूह के पास ला सकते हैं, इस तथ्य को छिपाते हुए कि इसे एक मशीन ने तैयार किया था। या, वे उस विचार का पूरा इतिहास सामने ला सकते हैं, जिसमें पूछे गए प्रश्न, उत्पन्न किए गए कच्चे उत्तर और किए गए संपादन शामिल हों। यह अंतर समूह द्वारा देखे जाने वाले दृश्य और वास्तव में जो हुआ, उसके बीच एक खाई पैदा करता है। प्रश्न यह नहीं है कि क्या AI मदद करता है, बल्कि यह है कि योगदान की दृश्यता (visibility) कैसे लोगों के काम करने के तरीके, उनके तर्क करने और गलतियों को सुधारने के तरीके को बदल देती है।
यूनिवर्सिटी कॉलेज लंदन के एक शोधकर्ता ने यह जानने के लिए कि यह खाई कैसी है, आठ सप्ताह की अवधि में ग्रेजुएट छात्रों के समूहों के काम करने के तरीके का अवलोकन करने का निर्णय लिया। उन्होंने केवल छात्रों से AI के बारे में उनकी राय नहीं पूछी; उन्होंने उन्हें वास्तविक समय में काम करते हुए देखा। शोधकर्ता ने चालीस आठ छात्रों को बारह समूहों में विभाजित किया और उन्हें एक जटिल कार्य दिया: विज्ञान और गणित की शिक्षा में असमानताओं को दूर करने के लिए एक शैक्षिक हस्तक्षेप (educational intervention) डिजाइन करना। यह देखने के लिए कि दृश्यता कितनी महत्वपूर्ण थी, छात्रों ने AI के उपयोग के तीन अलग-अलग तरीकों के माध्यम से चक्र पूरा किया। पहले परिदृश्य में, एक छात्र निजी तौर पर AI का उपयोग कर सकता था। वे एक प्रश्न टाइप कर सकते थे, उत्तर प्राप्त कर सकते थे, उसे संपादित कर सकते थे, और अंतिम परिणाम को समूह के दस्तावेज़ में बिना किसी को प्रक्रिया दिखाए पेस्ट कर सकते थे। दूसरे परिदृश्य में, छात्र अभी भी अपने निजी AI टूल का उपयोग कर रहे थे, लेकिन स्क्रीन पर एक विशेष पैनल समूह के बाकी सदस्यों को ठीक वही दिखाता था जो टाइप किया गया था, मशीन ने क्या कहा था, और छात्र ने उसमें क्या बदलाव किए थे। तीसरे परिदृश्य में, पूरा समूह मिलकर एक ही AI टूल का उपयोग कर रहा था, जहाँ सभी लोग प्रश्नों और उत्तरों को होते हुए देख सकते थे।
शोधकर्ता ने छात्रों द्वारा बोले गए हर शब्द, उनके द्वारा किए गए हर कीस्ट्रोक (keystroke) और उनके दस्तावेज़ों में किए गए हर बदलाव को रिकॉर्ड किया। उन्होंने विशेष क्षण भी पेश किए जहाँ AI को गलत या भ्रामक उत्तर देने के लिए प्रोग्राम किया गया था, केवल यह देखने के लिए कि समूह कैसे प्रतिक्रिया देता है। वे जानना चाहते थे कि क्या समूह गलती को पकड़ पाएगा, सुधार के लिए कौन जिम्मेदार महसूस करेगा, और क्या अंतिम उत्पाद बेहतर होगा यदि सभी AI के काम को देख पाते।
अध्ययन में पाया गया कि जब AI का काम छिपा हुआ था, तो समूह की गतिशीलता इस तरह बदल गई जिससे सीखना कम प्रभावी हो गया। जब एक छात्र निजी, अपारदर्शी (opaque) AI का उपयोग करता था, तो वे अक्सर उस जानकारी के एकमात्र द्वारपाल (gatekeeper) बन जाते थे। वे समूह के सामने एक परिष्कृत विचार लाते थे, और क्योंकि अन्य लोग मशीन के मूल आउटपुट या उन प्रश्नों को नहीं देख सकते थे जिनसे वह विचार बना था, इसलिए वे उस विचार के साथ वैसा ही व्यवहार करते थे जैसे कि वह सीधे छात्र से आया हो। इससे ऐसी स्थिति पैदा हुई जहाँ AI को नियंत्रित करने वाले छात्र के पास यह तय करने की पूरी शक्ति आ गई कि समूह क्या जानेगा। यदि AI कोई गलती करता, तो अन्य छात्र अक्सर यह नहीं समझ पाते कि उन्हें काम की जाँच करने की आवश्यकता है। वे मान लेते थे कि छात्र ने पहले ही इसकी पुष्टि कर ली है, या वे बिना किसी सवाल के उस प्रवाहपूर्ण दिखने वाले उत्तर को स्वीकार कर लेते थे। विचार के लिए जिम्मेदारी चुपचाप व्यक्तिगत छात्र से हटकर समूह से चली गई, और फिर अक्सर पूरी तरह गायब हो गई, जिससे कोई भी उस दावे का वास्तविक स्वामी नहीं रह गया।
जब शोधकर्ता ने AI के काम को दृश्यमान बनाया, तो समूहों का व्यवहार नाटकीय रूप से बदल गया। उस स्थिति में जहाँ छात्र अपने स्वयं के AI का उपयोग करते थे लेकिन समूह को पूरा इतिहास दिखाते थे, गतिशीलता बहुत अधिक संतुलित हो गई। अन्य सदस्य ठीक देख सकते थे कि मशीन ने क्या कहा था और छात्र ने उसे कैसे संपादित किया था। इस पारदर्शिता ने समूह को एक 'निरीक्षकों की टीम' के रूप में कार्य करने की अनुमति दी। वे पूछ सकते थे, "आपने AI से यह क्यों पूछा?" या "मशीन ने यह कहा था, लेकिन आपने इस हिस्से को बदल दिया; क्यों?" इस दृश्यता ने AI को एक 'ब्लैक बॉक्स' से बदलकर एक साझा वस्तु बना दिया जिसका समूह मिलकर परीक्षण कर सके। छात्र AI के सुझावों को चुनौती देने, तथ्यों को सत्यापित करने और त्रुटियों को सुधारने के लिए अधिक इच्छुक थे। समूह ने केवल आउटपुट को स्वीकार नहीं किया; वे सक्रिय रूप से प्रक्रिया को विनियमित (regulate) करते थे, यह तय करते हुए कि क्या भरोसेमंद है और किस पर और काम करने की आवश्यकता है।
दिलचस्प बात यह है कि अध्ययन में पाया गया कि एक साझा AI वर्कस्पेस होने से, जहाँ सभी एक ही टूल का एक साथ उपयोग कर रहे थे, हमेशा ट्रेस करने योग्य व्यक्तिगत AI की तुलना में बेहतर परिणाम नहीं मिले। हालांकि साझा वर्कस्पेस ने AI के आउटपुट को सार्वजनिक बना दिया था, लेकिन इसने अनिवार्य रूप रूप से उसी स्तर के आलोचनात्मक निरीक्षण को प्रोत्साहित नहीं किया जैसा कि ट्रेस करने योग्य व्यक्तिगत स्थिति में देखा गया था। मुख्य कारक केवल यह नहीं था कि हर कोई स्क्रीन देख सकता था, बल्कि यह था कि वे एक अकेले छात्र की मशीन के साथ बातचीत के विशिष्ट पथ को देख सकते थे। किसी दावे के इतिहास को ट्रैक करने की क्षमता—प्रारंभिक प्रश्न से लेकर अंतिम संपादित वाक्य तक—समूह को ईमानदार बनाए रखने के लिए सबसे शक्तिशाली उपकरण प्रतीत हुई।
शोधकर्ता ने यह भी देखा कि समूहों ने उन विशिष्ट क्षणों को कैसे संभाला जब AI ने गलत उत्तर दिया। छिपी हुई स्थितियों में, ये त्रुटियाँ अक्सर बिना किसी वास्तविक बहस के अंतिम समूह प्रोजेक्ट में अनसुनी रह गईं, या उन्हें बिना किसी वैध जांच के स्वीकार कर लिया गया। दृश्य स्थितियों में, त्रुटियाँ सहयोग के लिए 'ट्रिगर इवेंट' बन गईं। समूह रुक जाता था, विसंगति पर चर्चा करता था, और सही जानकारी खोजने के लिए मिलकर काम करता था। त्रुटियों का पता लगाने और उन्हें ठीक करने की यह प्रक्रिया उच्च-गुणवत्ता वाले अंतिम उत्पादों और बेहतर व्यक्तिगत सीखने के परिणामों से जुड़ी थी। जिन छात्रों ने दृश्य स्थितियों में काम किया, उन्होंने न केवल बेहतर काम किया, बल्कि बाद में नए कार्यों को लागू करने की भी मजबूत क्षमता प्रदर्शित की।
अध्ययन बताता है कि समूह कार्य में AI का मूल्य इस बात पर कम निर्भर करता है कि सभी की तकनीक तक कितनी पहुँच है, और इस बात पर अधिक निर्भर करता है कि समूह काम का निरीक्षण कर सकता है या नहीं। जब ज्ञान उत्पादन का मार्ग अदृश्य होता है, तो जिम्मेदारी धुंधली हो जाती है, और समूह अपनी सीखने की क्षमता को विनियमित करने की अपनी शक्ति खो सकता है। जब वह पथ दृश्य होता है, तो समूह अपनी एजेंसी (agency) बनाए रख सकता है, यह सुनिश्चित करते हुए कि AI जांच के एक उपकरण के रूप में कार्य करे, न कि बिना जांचे गए अधिकार के स्रोत के रूप में। शोध संकेत देता है कि सीखने में एक सच्चे साथी के रूप में AI होने के लिए, सामाजिक स्थितियों को ऐसा होना चाहिए कि समूह मशीन के योगदान को देख, प्रश्न कर और सुधार सके। उस दृश्यता के बिना, समूह अनजाने में अपनी सोच को बाहरी स्रोत को सौंपने (outsourcing) का जोखिम उठाता है। इसके साथ, समूह AI की शक्ति का लाभ उठा सकता है और ज्ञान की जिम्मेदारी को मजबूती से मानव हाथों में रख सकता 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।