India’s Vocational Education Policy Response to Artificial Intelligence: Layering or Conversion?
स्ट्रीक और थेलेन के क्रमिक संस्थागत परिवर्तन के सिद्धांत का उपयोग करते हुए, यह अध्ययन छह आयामों में भारत की एआई-कौशल (AI-skilling) पहलों का विश्लेषण करता है और यह निष्कर्ष निकालता है कि देश की व्यावसायिक शिक्षा नीति की प्रतिक्रिया मुख्य रूप से संस्थागत रूपांतरण (institutional conversion) के मौलिक संरचनात्मक परिवर्तन के बजाय क्रमिक संस्थागत लेयरिंग (incremental institutional layering) द्वारा अभिलक्षित 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 विशाल, हलचल भरे निर्माण स्थल को देख रहे हैं। दशकों से, यह साइट एक विशिष्ट प्रकार का घर बना रही है: एक मजबूत, विश्वसनीय व्यावसायिक स्कूल जहाँ छात्र प्लंबिंग, इलेक्ट्रिकल कार्य और वेल्डिंग जैसे ट्रेड सीखते हैं। अब, इस साइट पर एक नई, अदृश्य शक्ति आई है: आर्टिफिशियल इंटेलिजेंस (AI)। यह केवल एक नया उपकरण नहीं है; यह घर बनाने के तरीके, उपयोग की जाने वाली सामग्रियों और यहाँ तक कि ब्लूप्रिंट को भी बदल रहा है। बड़ा सवाल उन लोगों के लिए है जो इस साइट को चला रहे हैं: क्या वे केवल पुराने ब्लूप्रिंट पर कुछ चमकदार, हाई-टेक गैजेट्स लगा रहे हैं, या वे नए तरीके से घर बनाने के लिए पुराने प्लानों को पूरी तरह से ध्वस्त करके नए सिरे से बना रहे हैं?
इस उत्तर को समझने के लिए, हमें दो सरल विचारों की आवश्यकता है। पहले, "लेयरिंग" (परत बनाना) को एक पुराने घर में एक नया कमरा जोड़ने के रूप में सोचें। आप एक शानदार, आधुनिक विस्तार बनाते हैं, लेकिन मूल रसोई और लिविंग रूम बिल्कुल वैसे ही रहते हैं, उन्हीं पुराने नियमों के साथ। घर बड़ा हो जाता है, लेकिन उसका मूल ढांचा नहीं बदलता। दूसरा, "कन्वर्जन" (रूपांतरण) को पूरे घर के नवीनीकरण (रेमॉडलिंग) के रूप में सोचें। आप वही नींव रखते हैं, लेकिन आप दीवारें गिरा देते हैं, प्लंबिंग के रास्ते बदल देते हैं, और हर कमरे के उद्देश्य को बदल देते हैं ताकि पूरा भवन अलग तरह से कार्य कर सके। यह शोध पत्र एक महत्वपूर्ण प्रश्न पूछता है: जब भारत ने अपने लाखों व्यावसायिक छात्रों को AI सिखाने की कोशिश की, तो क्या उन्होंने केवल एक नया कमरा जोड़ा (लेयरिंग), या उन्होंने पूरे घर का पुनर्गठन किया (कन्वर्जन)?
शोध पत्र की कहानी: भारत का AI अपग्रेड
गौहर राशिद गनी द्वारा लिखित यह शोध लेख, भारत के अपने व्यावसायिक शिक्षा प्रणाली को आर्टिफिशियल इंटेलिजेंस सिखाने के विशाल प्रयास की गहराई में उतरता है। भारत इस क्षेत्र में एक दिग्गज है, जिसके पास "विकसित भारत 2047" नामक एक योजना है जो एक अत्यधिक कुशल कार्यबल होने पर बहुत अधिक निर्भर करती है। 2023 से, सरकार ने कई नए कार्यक्रम शुरू किए हैं, जिनमें "स्किल इंडिया प्रोग्राम," "SOAR," "स्किलसक्षम," और "इंडिया-AI मिशन" शामिल हैं। इन पहलों ने हजारों छात्रों को प्रशिक्षित किया है और सैकड़ों नई AI लैब स्थापित की हैं।
लेकिन लेखक केवल इस बात की गिनती नहीं कर रहे हैं कि कितने छात्रों को प्रशिक्षित किया गया। इसके बजाय, वे एक जासूस की तरह खेल के नियमों को देख रहे हैं। उन्होंने संस्थानों (जैसे स्कूलों और सरकारी निकायों) के समय के साथ बदलने के तरीके पर आधारित एक विशेष लेंस का उपयोग किया। उन्होंने यह देखने के लिए कि AI का दबाव केवल एक चमकदार जुड़ाव था या एक गहरा परिवर्तन, व्यावसायिक प्रणाली के छह अलग-अलग हिस्सों का विश्लेषण किया।
फैसला: मुख्य रूप से जोड़ना, बदलना नहीं
सरकारी रिपोर्टों, नीति दस्तावेजों और अंतर्राष्ट्रीय तुलनाओं का विश्लेषण करने के बाद, यह शोध पत्र एक स्पष्ट, कुछ हद तक आश्चर्यजनक निष्कर्ष देता है: भारत की प्रतिक्रिया मुख्य रूप से "लेयरिंग" (परत बनाना) है।
यहाँ बताया गया है कि अध्ययन द्वारा जांचे गए छह क्षेत्रों में यह कैसा दिखता है:
पाठ्यक्रम (पाठ योजनाएं): नए AI पाठ्यक्रम स्कूल के बाद आयोजित होने वाली एक अलग, वैकल्पिक क्लब मीटिंग की तरह हैं। उन्हें पुराने ट्रेड क्लास (जैसे इलेक्ट्रीशियन या फिटर) के साथ जोड़ा गया है, लेकिन उन ट्रेडों के लिए मुख्य पाठों को AI को शामिल करने के लिए फिर से नहीं लिखा गया है। उदाहरण के लिए, एक इलेक्ट्रीशियन अभी भी पुराने तरीके से सीख रहा है, भले ही उसका भविष्य का काम संभवतः AI डायग्नोस्टिक्स से जुड़ा होगा। शोध पत्र का सुझाव है कि यह "लेयरिंग" है क्योंकि मुख्य ब्लूप्रिंट अछूता रहता है।
शिक्षक क्षमता (प्रशिक्षक): शिक्षकों को "AI क्या है?" जैसे एक एकल कार्यशाला के माध्यम से एक बार का प्रशिक्षण दिया जा रहा है। शोध पत्र नोट करता है कि शिक्षकों के लिए उनके मुख्य कार्य के हिस्से के रूप में AI को सिखाने के लिए सीखने की कोई स्थायी, निरंतर आवश्यकता नहीं है। यह एक त्वरित जुड़ाव है, न कि शिक्षकों को प्रशिक्षित करने के तरीके में एक मौलिक परिवर्तन।
शासन (बॉस/प्रबंधन): इन AI कार्यक्रमों की जिम्मेदारी चार अलग-अलग सरकारी निकायों में बिखरी हुई है। एक समूह पाठ्यक्रम संभालता है, दूसरा धन (फंड) संभालता है, और तीसरा तकनीकी लैब संभालता है। शोध पत्र का तर्क है कि क्योंकि कोई भी एक बॉस पूरी तस्वीर का प्रभारी नहीं है, वे बड़े, अव्यवस्थित समन्वय की समस्या को ठीक करने के बजाय बस अपने छोटे विभागों में नए कार्यक्रम जोड़ते रहते हैं। यह क्लासिक "लेयरिंग" है।
आकलन और प्रमाणन (डिप्लोमा): यह एकमात्र क्षेत्र है जो "लेयरिंग" की दीवार में एक छोटी सी दरार दिखा रहा है। सरकार ने नए, क्रेडिट-लिंक्ड AI पाठ्यक्रम बनाना शुरू कर दिया है जो आधिकारिक योग्यता प्रणाली में फिट होते हैं। हालांकि, शोध पत्र बताता है कि ये अभी भी अलग AI डिप्लोमा हैं। उन्होंने अभी तक 100+ पारंपरिक ट्रेडों के आधिकारिक जॉब डिस्क्रिप्शन को AI कौशल शामिल करने के लिए नहीं बदला है। इसलिए, जबकि परिवर्तन का एक संकेत है, यह अभी भी पुराने बॉक्सों को फिर से लिखने के बजाय नए बॉक्स जोड़ने जैसा है।
आजीवन सीखना (दूसरे अवसर): नए कार्यक्रम मुख्य रूप से नए छात्रों या अभी शुरुआत करने वाले लोगों के लिए हैं। शोध पत्र पाता है कि काम पर पहले से मौजूद लाखों श्रमिकों को प्रासंगिक बने रहने के लिए AI कौशल सीखने में मदद करने की लगभग कोई योजना नहीं है। सिस्टम नए धावक के लिए एक नया ट्रैक बना रहा है लेकिन दौड़ में पहले से मौजूद धावकों को अनदेखा कर रहा है।
समता और अनौपचारिक अर्थव्यवस्था (पहुंच): यह सबसे बड़ी कमी है। भारत में एक विशाल "अनौपचारिक अर्थव्यवस्था" है जहाँ लोग स्कूल जाने के बजाय काम पर सीखते हैं। शोध पत्र नोट करता है कि 95% युवा औपचारिक व्यावसायिक योग्यता नहीं रखते हैं। फिर भी, सभी नए AI कार्यक्रम औपचारिक स्कूलों और प्रशिक्षण केंद्रों के भीतर बंद हैं। नए AI "कमरे" बनाए जा रहे हैं, लेकिन दरवाजा उन अधिकांश श्रमिकों के लिए बंद है जिन्हें उनकी सबसे अधिक आवश्यकता है।
यह क्यों हुआ?
शोध पत्र सुझाव देता है कि भारत ने "कन्वर्जन" के बजाय "लेयरिंग" क्यों चुनी:
- यह आसान है: जब चार अलग-अलग बॉस हों, तो पूरे सिस्टम के पुनर्गठन के समन्वय के बजाय अपने विभाग में एक नया मॉड्यूल जोड़ना बहुत तेज़ होता है।
- यह जल्दी अच्छा दिखता है: सरकारें उन नंबरों को पसंद करती हैं जिन्हें वे जल्दी से दिखा सकें, जैसे "1.74 लाख छात्र नामांकित।" पूरे पाठ्यक्रम को फिर से डिजाइन करने में वर्षों लगते हैं, लेकिन आप एक महीने में एक नई AI लैब लॉन्च कर सकते हैं।
- स्केल करने का दबाव: भारत की एक विशाल जनसंख्या है और एक विकसित राष्ट्र बनने के लिए एक सख्त समय सीमा है। लोगों को अभी प्रशिक्षित करने का दबाव "त्वरित जुड़ाव" वाले विकल्प को बहुत लुभावना बनाता है।
- दूसरों की नकल करना: कई देश भी ऐसा ही कर रहे हैं—पूरे सिस्टम को बदले बिना AI मॉड्यूल जोड़ रहे हैं। भारत वैश्विक रुझान का अनुसरण कर रहा है, जिसे शोध पत्र "आइसोमोर्फिक मिमिक्री" (Isomorphic Mimicry) कहता है (बिना गहरे ढांचे को बदले सुधार जैसा दिखना)।
निष्कर्ष
शोध पत्र निष्कर्ष निकालता है कि हालांकि भारत ने अपने AI कार्यक्रमों का विस्तार करने में बहुत अच्छा काम किया है, लेकिन उसने अभी तक अपनी व्यावसायिक प्रणाली को परिवर्तित नहीं किया है। "घर" में एक नया, चमकदार विस्तार है, लेकिन रसोई और लिविंग रूम अभी भी पुराने नियमों पर चल रहे हैं। लेखक चेतावनी देते हैं कि यदि भारत को 2047 तक वास्तव में सफल होना है, तो उसे केवल नए कार्यक्रम जोड़ने से आगे बढ़कर वास्तव में उन मूल नियमों को फिर से डिजाइन करने की आवश्यकता है कि ट्रेड कैसे सिखाए जाते हैं, शिक्षकों को कैसे प्रशिक्षित किया जाता है, और श्रमिकों तक कैसे पहुँचा जाता है। तब तक, सिस्टम उन युवाओं को उन नौकरियों के लिए प्रशिक्षित करने का जोखिम उठाता है जो पहले से ही बदल रही हैं, जबकि शेष कार्यबल को पीछे छोड़ देता 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।