Exhibition-Based Learning as a Promotion Model for Junior High School Art Club Curriculum Development

कला शिक्षा की दुनिया में, जिस क्षण एक छात्र अपनी पेंटिंग या मूर्तिकला को पूरा करता है, वास्तविक काम अक्सर वहीं से शुरू होता है: यह समझना कि इसका अर्थ क्या है और इसे कितनी अच्छी तरह से बनाया गया है। पारंपरिक रूप से, यह एक गहराई से मानवीय प्रक्रिया रही है, जो एक शिक्षक की दृष्टि और छात्र की अपने विकल्पों को समझाने की क्षमता पर निर्भर करती है। लेकिन जैसे-जैसे स्कूल रचनात्मक क्लबों में अधिक संरचना लाने का प्रयास कर रहे हैं, वे एक कठिन समस्या का सामना कर रहे हैं। आप कलात्मक अभिव्यक्ति जैसी व्यक्तिपरक चीज़ को निष्पक्ष, सुसंगत और भविष्य के पाठों को बेहतर बनाने के लिए उपयोगी तरीके से कैसे माप सकते हैं? यह प्रश्न कला और तकनीक के मिलन बिंदु पर स्थित है, जहाँ शोधकर्ता यह पता लगाने की कोशिश कर रहे हैं कि क्या कंप्यूटर न केवल किसी कृति की दृश्य सुंदरता को, बल्कि उसके पीछे की कहानी, सहपाठियों की प्रतिक्रिया और प्रदर्शनी के संदर्भ को भी समझने के लिए सीख सकता है। लक्ष्य शिक्षक को बदलना नहीं है, बल्कि एक ऐसी प्रणाली बनाना है जो स्कूलों को सफल शिक्षण विधियों को साझा करने में मदद करे और यह सुनिश्चित करे कि प्रत्येक छात्र की रचनात्मक यात्रा को प्रभावी ढंग से पहचाना और निर्देशित किया जाए।

शीआन, चीन के शिक्षकों और शोधकर्ताओं की एक टीम ने एक नए तरीके से कला क्लब चलाने के इस चुनौती को हल करने का निर्णय लिया, जो सार्वजनिक प्रदर्शनियों के इर्द-गिर्द घूमता है। उन्होंने चौदह सप्ताह की अवधि के दौरान चार अलग-अलग जूनियर हाई स्कूलों के 120 छात्रों के साथ काम किया। केवल कला बनाकर उसे फोल्डर में रखने के बजाय, इन छात्रों ने "कैंपस मेमोरीज़ एंड अर्बन लाइफ" (कैंपस की यादें और शहरी जीवन) के विषय पर 240 कलाकृतियाँ बनाईं। इस प्रक्रिया को एक पूर्ण चक्र के रूप में डिज़ाइन किया गया था: छात्रों ने विचारों की खोज की, कला बनाई, विवरण लिखे, एक-दूसरे के काम की समीक्षा की और अंत में अपने कार्यों को दर्शकों के सामने प्रस्तुत किया। शोधकर्ताओं ने सब कुछ एकत्र किया: कला की तस्वीरें, लिखित विवरण, अन्य छात्रों की टिप्पणियाँ, जनता की प्रतिक्रिया और शिक्षकों के नोट्स। फिर उन्होंने इस समृद्ध जानकारी के मिश्रण को एक कंप्यूटर सिस्टम में डाला जिसे काम का मूल्यांकन करने के लिए सीखने हेतु डिज़ाइन किया गया था।

उनके द्वारा बनाया गया सिस्टम एक सतर्क पर्यवेक्षक की तरह कार्य करता है जो एक साथ कई विभिन्न संकेतों को देखता है। यह केवल चित्र को नहीं देखता; यह छात्र के विवरण को पढ़ता है ताकि यह देख सके कि क्या कला विषय के अनुरूप है, यह सहकर्मी समीक्षाओं की जाँच करता है ताकि यह देखा जा सके कि छात्र ने अपने विचारों को कितनी अच्छी तरह समझाया है, और यह दर्शकों की प्रतिक्रिया पर भी विचार करता है। कंप्यूटर इन विभिन्न सूचनाओं को तौलने के लिए एक विशेष पद्धति का उपयोग करता है, यह सीखते हुए कि किसी विशेष छात्र के प्रोजेक्ट के लिए कौन से संकेत सबसे अधिक महत्वपूर्ण हैं। उदाहरण के लिए, यदि किसी छात्र की कला दृश्य रूप से मजबूत है लेकिन उसका विवरण भ्रमित करने वाला है, तो सिस्टम उस अंतर को पहचान लेता है। यदि दर्शक भ्रमित हैं, तो सिस्टम इसे फ्लैग (चिह्नित) कर देता है। इन विभिन्न प्रकार की प्रतिक्रियाओं को जोड़कर, कंप्यूटर एक ऐसा स्कोर तैयार करता है जो केवल अंतिम छवि के बजाय कला बनाने और साझा करने के पूरे अनुभव को दर्शाता है।

जब शोधकर्ताओं ने इस नई प्रणाली का परीक्षण किया, तो उन्होंने पाया कि यह अन्य मौजूदा तरीकों की तुलना में बेहतर काम करती है जो मुख्य रूप से केवल चित्र देखने या केवल टेक्स्ट पढ़ने पर निर्भर करते हैं। कंप्यूटर के स्कोर मानव कला शिक्षकों द्वारा दिए गए स्कोर के बहुत करीब थे, जिसकी सटीकता ने यह सुझाव दिया कि यह छात्र के काम की ताकत और कमजोरी को विश्वसनीय रूप से पहचान सकता है। इससे भी महत्वपूर्ण बात यह है कि इस प्रणाली ने शिक्षकों का समय बचाने में मदद की। प्रारंभिक ग्रेडिंग को संभालने और केवल सबसे कठिन मामलों को मानवीय समीक्षा के लिए फ्लैग करने के माध्यम से, प्रत्येक कृति पर शिक्षकों द्वारा खर्च किए गए समय में काफी कमी आई। यह प्रणाली विभिन्न स्कूलों के अनुकूल होने में भी सक्षम सिद्ध हुई। जब शोधकर्ताओं ने इसे एक ऐसे स्कूल पर परीक्षण किया जिसे उन्होंने पहले नहीं देखा था, तो उन्होंने सामग्री और स्थान के अंतर को ध्यान में रखते हुए सेटिंग्स को समायोजित किया, और सिस्टम फिर भी छात्रों के काम को पाठ्यक्रम के लक्ष्यों के साथ प्रभावी ढंग से जोड़ने में सफल रहा।

अध्ययन ने दिखाया कि यह दृष्टिकोण स्कूलों को उनके सर्वोत्तम अभ्यासों को साझा करने में मदद कर सकता है। मूल्यांकन और विषयों की सिफारिश करने के एक सामान्य तरीके का उपयोग करके, कम संसाधनों वाले स्कूल भी एक सफल कला क्लब चला सकते हैं, यदि वे उस पथ का अनुसरण करें जिसे अन्य स्थानों पर परखा गया है। शोधकर्ताओं ने पाया कि जब उन्होंने विशिष्ट स्कूल की स्थिति के आधार पर कार्यों की कठिनाई और दिए जाने वाले समर्थन के प्रकार को समायोजित किया, तो छात्र अपने प्रोजेक्ट्स को पूरा करने और विषय के साथ जुड़े रहने के लिए अधिक प्रेरित हुए। हालाँकि, टीम ने सावधानीपूर्वक यह नोट किया कि यह छात्रों और स्कूलों की एक सीमित संख्या के साथ एक विशिष्ट परीक्षण था। जबकि परिणाम उत्साहजनक थे और यह प्रणाली शहरी जूनियर हाई परिवेश में अच्छी तरह से काम करती थी, उन्होंने यह दावा नहीं किया कि यह दुनिया के हर स्कूल के लिए एक आदर्श समाधान है। यह कार्य सुझाव देता है कि विभिन्न प्रकार के स्कूलों और क्षेत्रों में अधिक परीक्षण के साथ, प्रदर्शनियों और स्मार्ट फीडबैक का उपयोग करने वाला यह मॉडल कला शिक्षा को सभी के लिए अधिक सुसंगत और सहायक बनाने के लिए एक शक्तिशाली उपकरण बन सकता है।