A Sovereignty Centred Model of AI Literacy for African Higher Education
यह शोध पत्र अफ्रीकी उच्च शिक्षा में प्रचलित एआई साक्षरता ढांचों की संदर्भ-अंध प्रकृति की आलोचना करता है और 'एआई लिटरेसी फॉर सोवरेन लर्निंग' (AIL-SL) मॉडल का प्रस्ताव करता है, जो केवल तकनीकी निर्भरता के बजाय ज्ञान संबंधी संप्रभुता को बढ़ावा देने के लिए संज्ञानात्मक-तकनीकी, आलोचनात्मक-ज्ञानमीमांसीय, नैतिक-मानकीय और सामाजिक-सांस्कृतिक क्षमताओं 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
आधुनिक विश्वविद्यालय में, एक शांत क्रांति ज्ञान के निर्माण, साझाकरण और मूल्यांकन के तरीकों को नया रूप दे रही है। सदियों तक, शिक्षा मानव लेखकों और भौतिक ग्रंथों पर निर्भर थी, जहाँ एक छात्र किसी विचार को उसके स्रोत तक खोज सकता था और समझ सकता था कि वह किस संदर्भ में जन्मा था। आज, आर्टिफिशियल इंटेलिजेंस (AI) सिस्टम टेक्स्ट जनरेट करते हैं, शोध का सारांश प्रस्तुत करते हैं और यह तय करते हैं कि कौन सी जानकारी सबसे विश्वसनीय दिखाई देगी। ये प्रणालियाँ शक्तिशाली मध्यस्थों के रूप में कार्य करती हैं, जो शिक्षार्थी और विचारों की दुनिया के बीच खड़ी हैं। जबकि स्कूल छात्रों को इन उपकरणों का उपयोग करना सिखाने की जल्दी में हैं, एक महत्वपूर्ण प्रश्न अनसुलझा रह गया है: क्या मशीन को संचालित करना जानना वास्तव में उस ज्ञान को समझने के समान है जो वह उत्पन्न करती है? यह एक नए दृष्टिकोण के उदय का केंद्र है जो अफ्रीकी उच्च शिक्षा से उभर रहा है, जहाँ विद्वान यह सवाल पूछ रहे हैं कि क्या आयातित तकनीक को उसके छिपे हुए अनुमानों को समझे बिना उपयोग करना सीखना, छात्रों को अधिक स्वतंत्र बनाने के बजाय वास्तव में अधिक निर्भर बना सकता है।
इस दृष्टिकोण के पीछे के शोधकर्ता, डेमोक्रेटिक रिपब्लिक ऑफ द कांगो और उससे आगे के विद्वानों की एक टीम, तर्क देते हैं कि "AI साक्षरता" को सिखाने का वर्तमान तरीका उनके संदर्भ के लिए मौलिक रूप से त्रुटिपूर्ण है। अधिकांश मौजूदा कार्यक्रम AI कौशल को कार्यों की एक चेकलिस्ट की तरह देखते हैं: प्रॉम्प्ट लिखना सीखें, त्रुटियों को पहचानना सीखें, सॉफ्टवेयर का उपयोग करना सीखें। वे यह मान लेते हैं कि यदि कोई छात्र इन कार्यों में बेहतर हो जाता है, तो वे अधिक स्वतंत्र विचारक बन जाते हैं। लेखक सुझाव देते हैं कि यह एक खतरनाक गलती है। वे प्रस्ताव देते हैं कि उन स्थानों पर जहाँ तकनीक कहीं और बनाई गई है, अन्य संस्कृतियों के डेटा पर प्रशिक्षित है, और दूरस्थ निगमों द्वारा शासित है, केवल उपकरण का उपयोग करने में बेहतर होना छात्र की उस पर निर्भरता को गहरा कर सकता है। एक छात्र मशीन से उत्तर माँगने में कुशल हो सकता है, फिर भी इस बात पर सवाल उठाने की क्षमता खो सकता है कि क्या वे उत्तर सत्य या उनकी अपनी वास्तविकता के लिए प्रासंगिक हैं।
इसे संबोधित करने के लिए, टीम ने 'AI लिटरेसी फॉर सोवरेन लर्निंग' (AI Literacy for Sovereign Learning) नामक एक नया ढांचा विकसित किया है। साक्षरता को अलग-अलग कौशलों के ढेर के रूप में देखने के बजाय, वे इसे चार अलग-अलग क्षमताओं के बीच एक जटिल संबंध के रूप में देखते हैं। पहला सिस्टम संचालित करने का तकनीकी कौशल है। दूसरा यह सवाल उठाने की आलोचनात्मक क्षमता है कि सिस्टम क्या जानता है और उसका ज्ञान कहाँ से आता है। तीसरा न्याय और निष्पक्षता पर सिस्टम के प्रभाव का आकलन करने की नैतिक समझ है। चौथा स्थानीय सोच और सामुदायिक आवश्यकताओं के साथ सिस्टम कैसे फिट बैठता है—या विफल होता है—यह समझने की सांस्कृतिक क्षमता है। लेखक तर्क देते हैं कि वास्तविक स्वतंत्रता, या "एपिस्टेमिक सॉवरेन्टी" (ज्ञान संबंधी संप्रभुता), तभी होती है जब ये चारों क्षमताएं एक साथ विकसित होती हैं। यदि कोई छात्र तकनीक का उपयोग करने में अत्यधिक कुशल हो जाता है लेकिन उसमें इसे चुनौती देने के लिए आलोचनात्मक या सांस्कृतिक कौशल की कमी होती है, तो वे स्वायत्त नहीं बनते; वे मशीन के अधिक कुशल सेवक बन जाते हैं।
यह शोध पत्र इस विचार को चुनौती देता है कि आप केवल एक मानक कंप्यूटर क्लास में "नैतिकता" या "संप्रभुता" पर एक पाठ जोड़ सकते हैं और अच्छे परिणाम की उम्मीद कर सकते हैं। शोधकर्ताओं का सुझाव है कि छात्र किस क्रम में सीखते हैं, यह बहुत मायने रखता है। यदि पाठ्यक्रम छात्रों को सिस्टम के पूर्वाग्रहों का आलोचनात्मक विश्लेषण करना सीखने से पहले उपकरण का उपयोग करना सिखाता है, तो छात्र आत्मविश्वास की झूठी भावना विकसित कर सकते हैं। वे मशीन के आउटपुट पर भरोसा कर सकते हैं क्योंकि वे जानते हैं कि इसे अच्छी तरह से कैसे चलाना है। लेखक चेतावनी देते हैं कि यह एक विशिष्ट प्रकार की निर्भरता पैदा करता है जहाँ शिक्षार्थी तकनीक के साथ इतना सहज हो जाता है कि वह उसकी सीमाओं को नोटिस करना ही बंद कर देता है। उनका तर्क है कि अफ्रीका के छात्रों के लिए, और वास्तव में कहीं भी जहाँ तकनीक स्थानीय रूप से स्वामित्व वाली नहीं है, आलोचनात्मक सोच वह आधार होनी चाहिए जिस पर तकनीकी कौशल बनाया जाए, न कि कोई गौण विचार।
यह परिप्रेक्ष्य सफलता को मापने के तरीके में एक अंतर को भी उजागर करता है। लेखक बताते हैं कि AI साक्षरता को मापने के लिए सोलह अलग-अलग परीक्षण डिज़ाइन किए गए हैं, लेकिन उनमें से किसी का भी ठीक से परीक्षण नहीं किया गया है कि क्या वे विभिन्न संस्कृतियों में काम करते हैं। एक भाग में डिज़ाइन किया गया परीक्षण यह मान सकता है कि "आलोचनात्मक सोच" एक निश्चित तरीके से दिखती है, जिससे वह विशिष्ट तरीका छूट सकता है जिससे एक अलग संस्कृति का छात्र पूर्वाग्रह या त्रुटि की पहचान करता है। शोधकर्ताओं का सुझाव है कि इसे ठीक किए बिना, विश्वविद्यालय ऐसे उपकरण आयात करने का जोखिम उठाते हैं जो गलत चीजों को मापते हैं, जिससे उन संस्थानों को सुरक्षा की झूठी भावना मिलती है जो वास्तव में विदेशी प्रणालियों पर अधिक निर्भर होते जा रहे हैं।
इसके निहितार्थ शिक्षकों के लिए महत्वपूर्ण हैं। शोध पत्र का तर्क है कि इस नए प्रकार के सीखने में सबसे बड़ी बाधा स्वयं शिक्षक हैं। जबकि एक छात्र मैनुअल पढ़कर प्रॉम्प्ट टाइप करना सीख सकता है, सिस्टम के विश्वदृष्टि (worldview) पर आलोचनात्मक रूप से सवाल करना सीखने के लिए एक ऐसे शिक्षक की आवश्यकता होती है जो उस व्यवहार का मॉडल पेश कर सके। यदि एक शिक्षक ने स्वयं AI के प्रति अपनी आलोचनात्मक और सांस्कृतिक समझ विकसित नहीं की है, तो वे छात्रों को वैसा करने के लिए मार्गदर्शन नहीं कर सकते। लेखकों का सुझाव है कि शिक्षकों के व्यावसायिक विकास का ध्यान केवल सॉफ्टवेयर सिखाने से हटकर शिक्षकों को ज्ञान, शक्ति और संस्कृति से जुड़े गहरे प्रश्नों को समझने में मदद करने की ओर स्थानांतरित होना चाहिए।
अंत में, शोधकर्ता इस बात पर जोर देते हैं कि व्यक्तिगत शिक्षण अकेले इस समस्या को हल नहीं कर सकता। भले ही एक विश्वविद्यालय प्रतिभाशाली, आलोचनात्मक विचारक पैदा करे, वे छात्र व्यवस्था को तब तक नहीं बदल सकते जब तक कि विश्वविद्यालय का यह निर्णय लेने में कोई हस्तक्षेप न हो कि वह किन तकनीकों को खरीदता है या उनका उपयोग कैसे किया जाता है। पत्र संस्थानों से ऐसे चैनल बनाने का आह्वान करता है जहाँ छात्र और कर्मचारी AI अपनाने के निर्णयों को प्रभावित कर सकें। इन चैनलों के बिना, आलोचनात्मक मस्तिष्क विकसित करने की कठिन मेहनत व्यर्थ जा सकती है, क्योंकि संस्थान उन प्रणालियों को खरीदना और उपयोग करना जारी रखेगा जो उन्हीं निर्भरताओं को सुदृढ़ करती हैं जिनका छात्र प्रतिरोध करना सीख रहे हैं।
लेखक सावधानी से नोट करते हैं कि उनका कार्य एक वैचारिक प्रस्ताव है, समस्या के बारे में सोचने का एक मानचित्र, न कि पूर्ण प्रयोगों की रिपोर्ट। उन्होंने अभी तक अपने विशिष्ट भविष्यवाणियों का नए डेटा के साथ परीक्षण नहीं किया है, लेकिन उन्होंने मौजूदा शोध की सावधानीपूर्वक समीक्षा और अफ्रीकी विद्वानों के जीवंत अनुभव पर अपना तर्क बनाया है। वे स्पष्ट दावों का एक सेट पेश करते हैं जिन्हें भविष्य में परखा जा सकता है, और अन्य शोधकर्ताओं को यह जांचने के लिए आमंत्रित करते हैं कि क्या उनका मॉडल सही साबित होता है। सरल तकनीकी दक्षता से हटकर गहरी, सांस्कृतिक रूप से स्थापित स्वतंत्रता पर ध्यान केंद्रित करके, यह कार्य शिक्षा में एक महत्वपूर्ण नया दिशा प्रदान करता है। यह सुझाव देता है कि शिक्षा का लक्ष्य केवल छात्रों को भविष्य के उपकरणों का उपयोग करना सिखाना नहीं होना चाहिए, बल्कि यह सुनिश्चित करना होना चाहिए कि वे ऐसा करते हुए भी अपने दिमाग के स्वामी बने रहें।
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।