Generative AI Feedback in Junior High School Artistic Creation Evaluation
यह शोध पत्र जूनियर हाई स्कूल कला शिक्षा के लिए एक कंप्यूटर-सहायता प्राप्त बहुविध फीडबैक मूल्यांकन मॉडल प्रस्तुत करता है जो मूल्यांकन विश्वसनीयता में महत्वपूर्ण सुधार करने और त्रुटि दरों को कम करने के लिए साक्ष्य ट्रैकिंग और शिक्षक समीक्षा के साथ दृश्य और पाठ्य विश्लेषण को एकीकृत 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
एक ऐसी दुनिया की कल्पना करें जहाँ कला को ग्रेड देने का मतलब सिर्फ अंतिम पेंटिंग को देखकर यह कहना न हो कि, "रंग अच्छे हैं!" या "इसमें और नीला रंग चाहिए।" एक ऐसी प्रणाली की कल्पना करें जो कलाकार की डायरी भी पढ़ सके, यह देख सके कि उन्होंने अपनी रेखाओं को कैसे मिटाया और फिर से बनाया, और हर ब्रशस्ट्रोक के पीछे की कहानी को समझ सके। यह शिक्षा में जेनरेटिव एआई (Generative AI) का अग्रिम मोर्चा है। एआई को एक जादुई रोबोट कलाकार के रूप में नहीं, बल्कि एक सुपर-फास्ट लाइब्रेरियन के रूप में सोचें जो लाखों किताबों को तुरंत पढ़ सकता है और लाखों चित्रों को देखकर पैटर्न ढूंढ सकता है। लेकिन यहाँ पेचीदा बात यह है: एआई पैटर्न पहचानने में तो माहिर है, लेकिन यह कभी-कभी इस बात को लेकर भ्रमित हो सकता है कि छात्र ने एक विशिष्ट विकल्प क्यों चुना। इसे लग सकता है कि एक बिखरी हुई, अराजक शैली एक गलती है, जबकि छात्र वास्तव में उसे जंगली और स्वतंत्र बनाना चाहता था। यह शोध पत्र एक बहुत ही मानवीय समस्या पर काम करता है: हम इस सुपर-फास्ट एआई लाइब्रेरियन का उपयोग मिडिल स्कूल के कला छात्रों के काम को बेहतर बनाने के लिए कैसे कर सकते हैं, बिना अनजाने में उन्हें अपनी अनूठी शैली को मिटाने के लिए कहे? शोधकर्ता एक पुल बनाने की कोशिश कर रहे थे—कंप्यूटर कोड के ठंडे, कठोर डेटा और एक किशोर की कला कक्षा की गर्म, बिखरी हुई रचनात्मकता के बीच।
शीआन, चीन के स्कूलों के शोधकर्ताओं ने एक विशेष डिजिटल "फीडबैक मशीन" बनाई जो विशेष रूप से जूनियर हाई स्कूल की कला कक्षाओं के लिए डिज़ाइन की गई है। उन्होंने केवल एआई को कला को ग्रेड देने के लिए नहीं छोड़ा; उन्होंने एक सुरक्षा जाल बनाया जहाँ एक मानव शिक्षक एक द्वारपाल (gatekeeper) के रूप में कार्य करता है। यहाँ बताया गया है कि उनका सिस्टम चरण-दर-चरण कैसे काम करता है:
सबसे पहले, सिस्टम छात्र से तीन चीजें लेता है: उनके द्वारा बनाई गई तस्वीर, एक छोटा पैराग्राफ जिसमें वे समझाते हैं कि वे क्या करने की कोशिश कर रहे थे (300 वर्णों तक), और उनके ड्राइंग में समय के साथ किए गए बदलावों का एक रिकॉर्ड। कंप्यूटर फिर एक अनुवादक की तरह कार्य करता है। यह तस्वीर को संख्याओं की एक सूची ("विजुअल फीचर वेक्टर") में बदल देता है और पैरागॉग्राफ को संख्याओं की एक अन्य सूची ("टेक्स्टुअल फीचर वेक्टर") में। यह जाँचता है कि क्या चित्र और कहानी मेल खाते हैं, ठीक वैसे ही जैसे यह देखना कि क्या कोई कैप्शन फोटो के अनुकूल है। लेकिन यहाँ चतुराई भरी बात यह है: कंप्यूटर केवल उस मिलान के आधार पर "अच्छा काम किया" या "बुरा काम किया" नहीं कहता। इसके बजाय, यह छात्र के काम की एक विशिष्ट छह-आयामी रूब्रिक (six-dimensional rubric) के विरुद्ध जाँच करता है। इस रूब्रिक को ग्रेडिंग के लिए एक छह-लेन हाईवे की तरह समझें: थीम के लिए एक लेन, मौलिकता के लिए एक, चित्र के संगठन के लिए एक, रंगों के लिए एक, उपयोग की गई सामग्रियों के लिए एक, और छात्र द्वारा अपने काम को संशोधित करने में कितनी गहराई तक जाने के लिए एक।
एक बार जब कंप्यूटर इन छह लेन में से किसी एक पर संभावित समस्या को पहचान लेता है, तो वह सीधे छात्र को सलाह नहीं चिल्लाता। इसके बजाय, वह सुझाव को पहले एक मानव शिक्षक के पास भेजता है। शिक्षक यहाँ एक "क्वालिटी कंट्रोल इंस्पेक्टर" की भूमिका निभाता है। वे दो मुख्य चीजों की जाँच करते हैं: क्या एआई उस शैली के बारे में बहुत अधिक सख्त हो रहा है जिसे छात्र वास्तव में इरादा रखता था? (स्टाइल-बायस/शैली-पक्षपात) और क्या एआई छात्र को उनके कला के मूल उद्देश्य को बदलने का सुझाव दे रहा है? (असाइनमेंट सब्स्टीट्यूशन/कार्य प्रतिस्थापन)। यदि शिक्षक 'ग्रीन लाइट' देता है, तो छात्र को सुधारने के लिए एक विशिष्ट, छोटा सुझाव (60 वर्णों से अधिक लंबा नहीं) मिलता है। यदि शिक्षक को लगता है कि एआई गलत है, तो सुझाव को रोक दिया जाता है। यह सुनिश्चित करता है कि छात्र को मदद मिले, लेकिन उनकी अनूठी आवाज़ को रोबोट की गलतफहमी से दबाया न जाए।
सिस्टम सब कुछ का एक अत्यंत सुरक्षित डायरी भी रखता है। जब भी कोई छात्र अपनी कला का नया संस्करण (V0, V1, V2) सहेजता है, सिस्टम उस संस्करण को एक डिजिटल फिंगरप्रिंट (SHA-256) के साथ लॉक कर देता है ताकि कोई अतीत को चुपके से बदल न सके। इसका मतलब है कि शोधकर्ता पीछे मुड़कर देख सकते हैं कि किस सलाह ने किस सुधार की ओर ले जाने में मदद की।
तो, उन्हें क्या मिला? उन्होंने आठ हफ्तों तक लगभग 240 छात्रों के साथ इस प्रणाली का परीक्षण किया। परिणाम उत्साहजनक थे। शिक्षकों द्वारा एआई के काम की जाँच करने से पहले, कंप्यूटर की ग्रेडिंग ठीक थी, लेकिन पूर्ण नहीं थी। हालाँकि, शिक्षकों द्वारा सुझावों की समीक्षा करने के बाद, कंप्यूटर और मानव विशेषज्ञों के बीच सहमति काफी बढ़ गई। "कंसिस्टेंसी स्कोर" (एक माप कि कंप्यूटर और शिक्षक के बीच कितनी सहमति थी) 0.812 से बढ़कर 0.924 हो गया। साथ ही, स्कोरिंग में औसत त्रुटि 6.84 अंकों से घटकर 3.27 अंक रह गई।
जिन छात्रों ने इस प्रणाली का उपयोग किया, उनमें सामान्य शिक्षक टिप्पणियों वाले छात्रों की तुलना में बहुत अधिक सुधार हुआ। "विजुअल ओरिजिनैलिटी" (दृश्य मौलिकता) और "संशोधन में गहराई" जैसे क्षेत्रों में, प्रायोगिक समूह ने नियंत्रण समूह की तुलना में क्रमशः 4.9 और 4.6 अंक अधिक सुधार किया। एआई फीडबैक, एक बार मानव द्वारा जांचे जाने के बाद, विशिष्ट समस्याओं को पहचानने, छात्र के मूल विचारों की रक्षा करने और ऐसा सुझाव देने में बेहतर था जिसका पालन करना वास्तव में संभव था।
यह शोध पत्र निष्कर्ष निकालता है कि यह "ह्यूमन-इन-द-लूप" (मानव-केंद्रित) दृष्टिकोण काम करता है। यह सुझाव देता है कि एआई कला शिक्षा के लिए एक शक्तिशाली उपकरण है, लेकिन केवल तभी जब इसे मानव शिक्षकों द्वारा निर्देशित किया जाए ताकि यह सुनिश्चित हो सके कि यह छात्र के रचनात्मक इरादे का सम्मान करता है। शोधकर्ता सावधानीपूर्वक नोट करते हैं कि यह एक विशिष्ट समूह के छात्रों और एक विशिष्ट प्रकार के कला कार्य के साथ एक विशिष्ट परीक्षण था। वे सुझाव देते हैं कि हालांकि यह प्रणाली इस सेटिंग में स्थिर और प्रभावी है, इसे विभिन्न आयु समूहों, विभिन्न कला शैलियों और उच्च-रिज़ॉल्यूशन वाली छवियों के साथ और अधिक परीक्षण की आवश्यकता है ताकि यह देखा जा सके कि यह हर जगह कितनी सफल रहती है। लेकिन फिलहाल, यह साबित करता है कि जब एक रोबोट और एक शिक्षक मिलकर काम करते हैं, तो वे युवा कलाकारों को उनकी चमक खोए बिना बढ़ने में मदद कर सकते हैं।
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।