A Systematic Review and Taxonomy of GenAI Usage in Programming Education: A Self-Regulation Perspective
अक्टूबर 2025 तक के 58 अध्येशनों का यह व्यवस्थित अवलोकन एक चार-आयामी वर्गीकरण प्रस्तावित करता है ताकि यह प्रदर्शित किया जा सके कि प्रोग्रामिंग शिक्षा में छात्र आत्म-नियमन पर जनरेटिव एआई (Generative AI) का प्रभाव स्वयं तकनीक पर नहीं, बल्कि उन संरचित शैक्षणिक मध्यस्थता रणनीतियों पर निर्भर करता है जो स्वायत्तता को बढ़ावा देती हैं बनाम वे अनियंत्रित संदर्भ जो संज्ञानात्मक निर्भरता को प्रोत्साहित 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
कल्पना कीजिए कि आप साइकिल चलाना सीख रहे हैं। अतीत में, आपको खुद ही डगमगाना, गिरना और संतुलन बनाना सीखना पड़ता था। अब, कल्पना कीजिए कि आपके पास एक जादुई, अदृश्य ट्रेनिंग व्हील (सहायक पहिया) है जो आपसे बात कर सकता है। यह आपको बिल्कुल सटीक रूप से बता सकता है कि पैडल कैसे मारना है, आपको गड्ढों से दूर ले जा सकता है, और यदि आप दुर्घटनाग्रस्त होते हैं तो आपकी साइकिल को ठीक भी कर सकता है। कोडिंग सीखने की दुनिया में जेनरेटिव आर्टिफिशियल इंटेलिजेंस (GenAI) बिल्कुल ऐसा ही महसूस होता है। यह एक सुपर-स्मार्ट कंप्यूटर प्रोग्राम है जो आपके लिए कंप्यूटर निर्देश (कोड) लिख सकता है, जटिल विचारों को समझा सकता है, और तुरंत समस्याओं को हल करने में आपकी मदद कर सकता है।
लेकिन यहाँ एक पेचीदा हिस्सा है: सेल्फ-रेगुलेटेड लर्निंग (स्व-नियमित शिक्षण)। यह एक भारी-भरकम शब्द है जिसका अर्थ है "सीखने के लिए सीखना।" यह अपने स्वयं के लक्ष्य निर्धारित करने, चीजें कठिन होने पर खुद को केंद्रित रखने और अपने काम की जांच करने की क्षमता है कि क्या आप वास्तव में इसे समझते हैं। बड़ा सवाल केवल यह नहीं है कि "क्या यह जादुв उपकरण मेरा होमवर्क पूरा करने में मेरी मदद कर सकता है?" बल्कि यह है कि "क्या इस उपकरण का उपयोग करने से मैं एक बेहतर, अधिक स्वतंत्र शिक्षार्थी बनूँगा, या मैं मशीन पर निर्भर हो जाऊँगा?" यदि यह उपकरण आपके लिए सारा काम कर देता है, तो आप सही उत्तर तो प्राप्त कर लेंगे, लेकिन आप खुद साइकिल चलाना नहीं सीख पाएंगे। यही वह पहेली है जिसे वैज्ञानिक प्रोग्रामिंग शिक्षा (Programming Education) के क्षेत्र में सुलझाने की कोशिश कर रहे हैं।
द ग्रेट कोड-हेल्पर इन्वेस्टिगेशन (महान कोड-सहायक जांच)
शोधकर्ताओं की एक टीम ने एक बड़ा कदम पीछे हटकर पूरी तस्वीर देखने का निर्णय लिया। उन्होंने केवल एक प्रयोग नहीं किया; वे जासूसों की तरह काम करते हुए अक्टूबर 2025 तक प्रकाशित 58 अलग-अलग अध्ययनों की खोज में जुट गए। उन्होंने हजारों शोध पत्रों को खंगाला ताकि यह पता लगाया जा सके कि: शिक्षक और छात्र वास्तव में कोडिंग सीखने के लिए इन AI उपकरणों का उपयोग कैसे कर रहे हैं, और क्या यह उन्हें स्वतंत्र विचारक बनाता है या सिर्फ कोड-कॉपी करने वाले रोबोट?
उन्होंने पाया कि इसका उत्तर केवल "हाँ" या "ना" में नहीं है। यह एक रेसिपी (विधि) की तरह है। जादुई उपकरण (GenAI) केवल एक सामग्री है; महत्वपूर्ण यह है कि आप इसे कैसे पकाते हैं।
रेसिपी के चार घटक
लोग AI का उपयोग करने के विभिन्न तरीकों को समझने के लिए, शोधकर्ताओं ने एक विशेष मानचित्र बनाया जिसे टैक्सोनॉमी (Taxonomy) कहा जाता है। इसे एक रेस्टोरेंट के मेनू की तरह समझें जो आपको सही भोजन ऑर्डर करने में मदद करता है। उन्होंने अध्ययनों को चार मुख्य श्रेणियों में व्यवस्थित किया:
- हम क्या पका रहे हैं? (लक्ष्य पाठ्यक्रम/Target Syllabus): क्या हम AI का उपयोग शुरू से नया कोड लिखने के लिए कर रहे हैं, टूटे हुए कोड को ठीक करने (डीबगिंग) के लिए, या केवल यह समझाने के लिए कि चीजें कैसे काम करती हैं? अधिकांश अध्ययन कोड लिखने पर केंद्रित थे, जो स्वाभाविक है क्योंकि ChatGPT जैसे उपकरण इसमें सबसे अच्छे हैं।
- शेफ कौन है? (मध्यस्थता रणनीति/Mediation Strategy): यह सबसे महत्वपूर्ण हिस्सा है। क्या AI बस आपके कुछ भी पूछने का इंतज़ार कर रहा है (मुक्त उपयोग/Free Use), या शिक्षक आपको मार्गदर्शन दे रहा है कि ठीक कब और कैसे इसका उपयोग करना है (निर्देशित उपयोग/Guided Use)?
- "मुक्त उपयोग" का जाल: जब छात्रों को AI के साथ अकेला छोड़ दिया जाता है, तो वे अक्सर इसे एक शॉर्टकट के रूप में देखते हैं। वे उत्तर मांगते हैं, उसे प्राप्त करते हैं, और आगे बढ़ जाते हैं। शोधकर्ताओं ने पाया कि इससे "क्षमता का भ्रम" (illusion of competence) पैदा होता है—आपको लगता है कि आप साइकिल चलाना जानते हैं क्योंकि अदृश्य पहिए ने आपको थामे रखा था, लेकिन वास्तव में आप नहीं जानते।
- "निर्देशित" जादू: जब शिक्षक नियम निर्धारित करते हैं—जैसे कि "AI का उपयोग त्रुटि समझाने के लिए करें, लेकिन इसे सुधार लिखने न दें"—तो छात्र वास्तव में अधिक सीखते हैं। यह एक कोच की तरह है जो आपके लिए साइकिल को धक्का नहीं देगा, लेकिन आपको बताएगा कि आपको किस ओर झुकना है।
- हम कैसा महसूस करते हैं? (संज्ञानात्मक प्रभाव/Cognitive Impact): क्या छात्र अधिक प्रेरित महसूस कर रहे थे? क्या उनकी समझ बेहतर हुई? या वे उपकरण पर निर्भर हो गए? परिणाम मिले-जुले थे। कुछ छात्रों ने कम तनाव और अधिक आत्मविश्वास महसूस किया, जबकि अन्य को लगा कि वे अपनी आलोचनात्मक रूप से सोचने की क्षमता खो रहे हैं।
- यह किस प्रकार का उपकरण है? (तकनीकी दृष्टिकोण/Technical Approach): क्या यह एक साधारण चैटबॉट है जिससे आप बात करते हैं, एक स्मार्ट ट्यूटर जो आपके कोडिंग सॉफ्टवेयर में बना हुआ है, या एक विशेष रोबोट है? अध्ययन में पाया गया कि साधारण चैटबॉट सबसे आम हैं, लेकिन गहरे सीखने के लिए शिक्षकों द्वारा डिज़ाइन किए गए विशेष उपकरण अक्सर बेहतर काम करते हैं।
बड़ी खोज: सब कुछ नियमों के बारे में है
इस पेपर की सबसे रोमांचक खोज यह है कि तकनीक स्वयं नायक या खलनायक नहीं है। AI उपकरण तटस्थ है। यह पेडागोगिकल मीडिएशन (शिक्षण संबंधी मध्यस्थता) है—जिस तरह से शिक्षक और छात्र इसका उपयोग करते हैं—जो परिणाम तय करता है।
- जब यह गलत होता है: यदि आप छात्रों को बिना किसी नियम के AI का उपयोग करने देते हैं, तो वे "संज्ञानात्मक निर्भर" (cognitive dependents) बनने लगते हैं। वे खुद समस्या हल करने की कोशिश करना छोड़ देते हैं क्योंकि उपकरण का उपयोग करना बहुत आसान है। उनके ग्रेड अच्छे हो सकते हैं, लेकिन वे वास्तव में सीख नहीं रहे होते हैं।
- जब यह सही होता है: जब AI का उपयोग एक स्कैफोल्ड (सांचा/Scaffold) के रूप में किया जाता है (जैसे कि ट्रेनिंग व्हील्स जिन्हें आप धीरे-धीरे हटाते हैं), तो यह अद्भुत है। जो शिक्षक ऐसी रणनीतियों का उपयोग करते हैं जैसे "AI से संकेत (hint) मांगें, उत्तर नहीं" या "कोड लिखने से पहले अपने तर्क की जांच करने के लिए AI का उपयोग करें," वे देखते हैं कि छात्र अधिक प्रेरित, अधिक व्यस्त और स्वतंत्र रूप से समस्या समाधान में बेहतर होते हैं।
क्या गायब है?
शोधकर्ताओं ने वर्तमान ज्ञान में कुछ कमियों की ओर भी इशारा किया। उनके द्वारा देखे गए अधिकांश अध्ययन अल्पकालिक (कुछ सप्ताह या एक एकल क्लास सत्र) थे और उनमें छात्रों के छोटे समूह शामिल थे। हमें अभी तक वास्तव में यह नहीं पता है कि पूरे सेमेस्टर के लिए AI का उपयोग करने से छात्र लंबे समय में बेहतर कोडर बनते हैं, या यह उन्हें केवल कॉपी करने में तेज़ बनाता है। इसके अलावा, अधिकांश अध्ययन उन छात्रों पर केंद्रित थे जो पहले से ही कोडिंग में काफी अच्छे थे; हमें यह नहीं पता कि यह शुरुआती लोगों या विभिन्न सीखने की जरूरतों वाले छात्रों को कैसे प्रभावित करता है।
निष्कर्ष
यह पेपर हमें बताता है कि जेनरेटिव AI कक्षा में एक शक्तिशाली नया उपकरण है, लेकिन यह कोई जादुई छड़ी नहीं है जो अपने आप सब कुछ ठीक कर देती है। यदि आप केवल एक छात्र को जादुई छड़ी थमा देते हैं और कहते हैं "अपना होमवर्क करो," तो उन्हें उत्तर मिल सकता है, लेकिन वे जादू नहीं सीख पाएंगे। हालाँकि, यदि एक शिक्षक उस छड़ी का उपयोग एक संरचित पाठ के हिस्से के रूप में करता है—छात्रों को यह सिखाते हुए कि सही प्रश्न कैसे पूछें और कब छड़ी को नीचे रखना है—तो यह उन्हें स्वतंत्र, आत्मविश्वासी और रचनात्मक समस्या समाधानकर्ता बनने में मदद कर सकता है।
कोडिंग शिक्षा का भविष्य AI को प्रतिबंधित करने या इसे बेकाबू छोड़ने के बारे में नहीं है; यह उस आदर्श संतुलन को खोजने के बारे में है जहाँ AI छात्र के मस्तिष्क का समर्थन करता है, उसे प्रतिस्थापित नहीं करता।
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।