Predicting Vocabulary Acquisition in EFL Learners Using Machine Learning Models
यह अध्ययन प्रदर्शित करता है कि जहाँ जनरेटिव एआई पारंपरिक निर्देश की तुलना में ईएफएल (EFL) शिक्षार्थियों में शब्दावली अधिग्रहण को महत्वपूर्ण रूप से बढ़ाता है, वहीं मुख्य रूप से भाषाई संकेतकों पर निर्भर रैखिक प्रतिगमन मॉडल (linear regression models), सीखने के इन लाभों की भविष्यवाणी करने में जटिल मशीन लर्निंग एल्गोरिदम और व्यवहार संबंधी मेट्रिक्स से बेहतर प्रदर्शन करते हैं।
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
एक नई भाषा सीखना संचय की एक यात्रा है, जहाँ जटिल विचारों को व्यक्त करने की क्षमता काफी हद तक व्यक्ति के शब्दकोश के आकार और विविधता पर निर्भर करती है। दशकों से, शिक्षक जानते हैं कि छात्र तब सबसे अच्छा सीखते हैं जब वे नए शब्दों का बार-बार सामना करते हैं और उन्हें अर्थपूर्ण संदर्भों में उपयोग करते हैं, जैसे कि निबंध लिखना या बातचीत करना। हाल के वर्षों में, कक्षा में एक शक्तिशाली नया उपकरण आया है: आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता)। ये प्रणालियाँ छात्रों के साथ चैट कर सकती हैं, तत्काल स्पष्टीकरण दे सकती हैं, और वाक्य को बेहतर तरीके से लिखने के सुझाव दे सकती हैं। लेकिन जबकि स्कूल इन उपकरणों को अपनाने के लिए उत्सुक हैं, एक महत्वपूर्ण प्रश्न अनसुलझा है: क्या केवल एक बुद्धिमान चैटबॉट तक पहुँच होना वास्तव में छात्रों को अधिक शब्द सीखने में मदद करता है, और क्या हम भविष्यवाणी कर सकते हैं कि इससे किसे सबसे अधिक लाभ होगा?
सऊदी अरब के यूनिवर्सिटी ऑफ प्रिंस मुग्रिन के शोधकर्ताओं ने अंग्रेजी सीख रहे विश्वविद्यालय के छात्रों के एक बड़े समूह का अवलोकन करके इसका उत्तर देने का प्रयास किया। वे यह देखना चाहते थे कि क्या लेखन असाइनमेंट में मदद के लिए AI का उपयोग करने से पारंपरिक शिक्षण विधियों की तुलना में शब्दावली वृद्धि बेहतर हुई। इससे भी महत्वपूर्ण बात यह थी कि वे यह जानना चाहते थे कि क्या वे तकनीक के उपयोग के आधार पर छात्र की प्रगति का पूर्वानुमान लगाने के लिए कंप्यूटर मॉडल का उपयोग कर सकते हैं। इस अध्ययन में पंद्रह सप्ताह की अवधि के दौरान 180 स्नातक छात्र शामिल थे। छात्रों को दो समूहों में विभाजित किया गया था। एक समूह को उनके लेखन पर अपने शिक्षक से मानक फीडबैक प्राप्त हुआ, जबकि दूसरे समूह को शब्द अर्थों को समझने, व्याकरण की जाँच करने और अपने मसौदों (ड्रॉफ्ट) को संशोधित करने के लिए उन्नत AI चैटबॉट्स का उपयोग करने की अनुमति दी गई। दोनों समूहों ने एक ही सामग्री का अध्ययन किया और एक ही असाइनमेंट लिखे, जिससे यह सुनिश्चित हुआ कि एकमात्र मुख्य अंतर फीडबैक का स्रोत था।
परिणामों ने दिखाया कि सेमेस्टर के दौरान दोनों समूहों ने अपने शब्दावली ज्ञान में सुधार किया, जो अपेक्षित है जब छात्र सक्रिय रूप से सीखने में लगे होते हैं। हालाँकि, AI उपकरणों का उपयोग करने वाले समूह ने काफी अधिक प्रगति की। औसतन, इन छात्रों ने अपनी शब्दावली परीक्षण स्कोर में सात अंकों से अधिक का सुधार किया, जबकि केवल शिक्षक के फीडबैक पर निर्भर रहने वाले समूह ने केवल तीन अंकों से थोड़ा अधिक सुधार किया। यह अंतर केवल संयोग का मामला नहीं था; AI का उपयोग करने वाले छात्रों ने अधिक शब्द सीखे, और उन्होंने अपने लेखन में विविध प्रकार के शब्दों का उपयोग किया। उनके निबंधों में शब्दावली की अधिक समृद्धि और शैक्षणिक शब्दों का उच्च उपयोग देखा गया, जो यह दर्शाता है कि AI ने न केवल उन्हें परिभाषाएँ याद करने में, बल्कि वास्तव में नए शब्दों को अपने सक्रिय भाषाई कौशल में शामिल करने में मदद की।
इसके बाद शोधकर्ताओं ने भविष्यवाणी के प्रश्न पर ध्यान केंद्रित किया। उन्होंने पूछा कि क्या वे छात्र के व्यवहार को देख सकते हैं—जैसे कि उन्होंने AI के साथ कितना समय बिताया, उन्होंने अपने काम को कितनी बार संशोधित किया, या वे कितने संलग्न दिखे—और उस जानकारी का उपयोग यह अनुमान लगाने के लिए कर सकते हैं कि उनकी शब्दावली में कितनी वृद्धि होगी। उन्होंने इसे कई अलग-अलग कंप्यूटर मॉडलों का उपयोग करके परखा, जिनमें सरल सांख्यिकीय विधियों से लेकर जटिल एल्गोरिदम तक शामिल थे जिन्हें छिपे हुए पैटर्न खोजने के लिए डिज़ाइन किया गया था। आश्चर्यजनक रूप से, सबसे परिष्कृत कंप्यूटर मॉडल सरल मॉडलों से बेहतर प्रदर्शन नहीं कर सके। वास्तव में, छात्र की शब्दावली वृद्धि की भविष्यवाणी करने का सबसे सटीक तरीका उनके प्रारंभिक परीक्षण स्कोर और यह देखना था कि वे AI समूह में थे या केवल शिक्षक वाले समूह में।
शायद सबसे महत्वपूर्ण निष्कर्ष यह था कि AI उपयोगकर्ताओं से एकत्र किए गए व्यवहार संबंधी डेटा ने सीखने के परिणामों की भविष्यवाणी करने में मदद नहीं की। एक छात्र ने चैटबॉट के साथ कितने मिनट बिताए या सुझाव प्राप्त करने के लिए कितनी बार बटन क्लिक किया, यह जानने से शोधकर्ताओं को यह बताने में बहुत कम जानकारी मिली कि उस छात्र ने वास्तव में कितना सीखा। बातचीत की मात्रा, गुणवत्ता का विश्वसनीय संकेतक नहीं थी। एक छात्र उपकरण के साथ लंबा समय बिता सकता है लेकिन बिना सोचे-समझे केवल पहले सुझाव को स्वीकार कर सकता है, जबकि दूसरा इसे संक्षिप्त रूप में उपयोग कर सकता है लेकिन विकल्पों का गहराई से विश्लेषण कर सकता है। अध्ययन यह सुझाव देता है कि AI का मूल्य उस सहायता की प्रकृति से आया जो उसने प्रदान की—तत्काल, व्यक्तिगत फीडबैक जिसने छात्रों को वास्तविक समय में भाषा के साथ प्रयोग करने की अनुमति दी—न कि उस समय की मात्रा से जो उन्होंने इसके उपयोग में बिताया।
अंततः, यह अध्ययन प्रदर्शित करता है कि आर्टिफिशियल इंटेलिजेंस भाषा सीखने में एक शक्तिशाली साथी हो सकता है, लेकिन केवल तभी जब इसे एक संरचित पाठ्यक्रम में सावधानीपूर्वक एकीकृत किया जाए। इस तकनीक ने शिक्षक का स्थान नहीं लिया; इसके बजाय, इसने शिक्षक की पहुँच का विस्तार किया, छात्रों को जब भी आवश्यकता हो अपने लेखन का अभ्यास और सुधार करने का एक तरीका प्रदान किया। शोधकर्ताओं ने पाया कि शब्दावली वृद्धि को समझने और भविष्यवाणी करने का सबसे अच्छा तरीका यह नहीं था कि छात्र मशीन के साथ कितना व्यस्त था, बल्कि यह था कि उनके लेखन और उनके परीक्षण स्कोर में वास्तविक परिवर्तन क्या थे। यह दृष्टिकोण शिक्षकों के लिए एक स्पष्ट मार्ग प्रदान करता है: केवल यह गिनने के बजाय कि छात्र ऑनलाइन कितने मिनट बिताते हैं, सीखने की बातचीत की गुणवत्ता और भाषा के उपयोग में होने वाले मूर्त सुधारों पर ध्यान केंद्रित करें।
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।