Investigating Generative AI for Personalized College Assignments Based on Student Interests
यह शोध पत्र Taklif.AI प्रस्तुत करता है, जो एक सर्वरलेस जेनरेटिव एआई प्लेटफॉर्म है जो छात्रों की अनूठी रुचियों और सांस्कृतिक संदर्भों के आधार पर व्यक्तिगत कॉलेज असाइनमेंट बनाने के लिए Llama 3.3 और स्ट्रक्चर्ड प्रॉम्प्ट इंजीनियरिंग का लाभ उठाता है, जो शिक्षा में जुड़ाव और नैतिक चुनौतियों को संबोधित करते हुए सकारात्मक उपयोगकर्ता प्रतिक्रिया प्रदर्शित 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
दुनिया भर की कक्षाओं में, शिक्षक एक शांत लेकिन निरंतर संघर्ष का सामना कर रहे हैं: यह कैसे किया जाए कि एक ही पाठ उन दर्जनों छात्रों के लिए व्यक्तिगत महसूस हो जो बहुत अलग तरह से सोचते, सीखते और चीजों की परवाह करते हैं। एक छात्र जो खगोल विज्ञान (एस्ट्रोनॉमी) से प्यार करता है, उसे ट्रैफिक लाइटों के बारे में एक मानक गणित की समस्या उबाऊ लग सकती है, जबकि बास्केटबॉल के प्रति जुनूनी एक छात्र को एक सामान्य कोडिंग अभ्यास का उद्देश्य समझने में कठिनाई हो सकती है। दशकों से, शिक्षक जानते हैं कि स्कूल के काम को छात्र के अपने जुनून से जोड़ना प्रेरणा जगा सकता है और समझ को गहरा कर सकता है, लेकिन एक बड़ी कक्षा में हर एक असाइनमेंट के लिए ऐसा करना एक ऐसा कार्य है जो एक शिक्षक का पूरा जीवन खा जाएगा। मानव जैसा टेक्स्ट लिखने में सक्षम शक्तिशाली कंप्यूटर प्रोग्रामों के आगमन ने एक नया दरवाजा खोल दिया है। ये उपकरण, जिन्हें लार्ज लैंग्वेज मॉडल्स (LLMs) के रूप में जाना जाता है, एक मानक असाइनमेंट को पढ़ सकते हैं और इसे एक विशिष्ट रुचि के अनुरूप फिर से लिख सकते हैं, जो सैद्धांतिक रूप से प्रशिक्षक के अतिरिक्त घंटों की आवश्यकता के बिना प्रत्येक छात्र को एक ही पाठ का एक अनूठा संस्करण देने का एक तरीका प्रदान करते हैं।
इस्लामिक यूनिवर्सिटी ऑफ गाजा और इटली के यूनिवर्सिटा डेल सालेन्टो के शोधकर्ताओं की एक टीम ने यह परीक्षण करने के लिए कि क्या यह तकनीक वास्तव में एक वास्तविक कॉलेज सेटिंग में काम कर सकती है, एक प्रयास किया। उन्होंने 'Taklif.AI' नामक एक वेब प्लेटफॉर्म बनाया, जिसे एक मानक असाइनमेंट—जैसे कि प्रोग्रामिंग कार्य या गणित की समस्या—को स्वचालित रूप से छात्र के शौक, जैसे फुटबॉल, वीडियो गेम या संगीत के साथ संरेखित करने के लिए डिज़ाइन किया गया है। यह सिस्टम मूल पाठ या काम की कठिनाई को नहीं बदलता है; इसके बजाय, यह एक अनुवादक के रूप में कार्य करता है, जो मूल आवश्यकताओं को लेता है और उन्हें एक नई कहानी में लपेट देता है जो छात्र की व्यक्तिगत रुचियों से मेल खाती है। यह सुनिश्चित करने के लिए कि कंप्यूटर विषय से न भटके या असुरक्षित सामग्री उत्पन्न न करे, शोधकर्ताओं ने सख्त नियम, या 'गार्डरेल्स' प्रोग्राम किए, जो कुछ भी दिखाया जाने से पहले छात्र के इनपुट और कंप्यूटर के आउटपुट दोनों की जांच करते हैं।
शोधकर्ताओं ने 68 प्रतिभागियों के साथ अपने सिस्टम का परीक्षण किया, जिनमें 65 स्नातक छात्र और तीन शिक्षक शामिल थे। प्रत्येक व्यक्ति ने अपनी पसंद का एक असाइनमेंट व्यक्तिगत बनाने के लिए प्लेटफॉर्म का उपयोग किया। परिणाम उत्साहजनक थे। जब पूछा गया कि क्या व्यक्तिगत संस्करण को मानक संस्करण की तुलना में अधिक आकर्षक महसूस हुआ, तो 84 प्रतिशत प्रतिभागियों ने सहमति व्यक्त की या दृढ़ता से सहमति जताई। अधिकांश लोगों ने यह भी पाया कि सिस्टम उपयोग में आसान था और उन्हें लगा कि मूल शिक्षण लक्ष्यों को सुरक्षित रखा गया है। प्लेटफॉर्म ने सफलतापूर्वक उदाहरण उत्पन्न किए, जैसे कि संख्याओं के जोड़े खोजने के बारे में एक प्रोग्रामिंग चुनौती, जिसे खगोल विज्ञान में रुचि रखने वाले छात्र के लिए तारकीय तीव्रता (starlight intensities) से मेल खाने के लिए टेलीस्कोप लेंसों को संरेखित करने के कार्य के रूप में फिर से लिखा गया था। एक अन्य उदाहरण ने सेट थ्योरी की समस्या को बास्केटबॉल टीमों और उनके साझा खिलाड़ियों का विश्लेषण करने के परिदृश्य में बदल दिया। इन मामलों में, गणितीय तर्क और समस्या के नियम बिल्कुल समान रहे, लेकिन संदर्भ छात्र की दुनिया के अनुरूप बदल गया।
हालांकि, शोधकर्ता सावधानी से यह नोट करते हैं कि उनके अध्ययन ने अभी तक क्या सिद्ध नहीं किया है। हालांकि छात्रों ने बताया कि असाइनमेंट अधिक दिलचस्प महसूस हुए, लेकिन टीम ने यह माप नहीं किया कि क्या इस बढ़ी हुई रुचि से वास्तव में बेहतर टेस्ट स्कोर, गहरी समझ, या शैक्षणिक बेईमानी के मामलों में कमी आई। अध्ययन एक प्रारंभिक जांच थी कि क्या लोग विचार को पसंद करते हैं और टूल को उपयोगी पाते हैं, न कि इस बात का अंतिम निर्णय कि क्या यह सीखने के परिणामों में सुधार करता है। इस सिस्टम की सीमाएं भी हैं; यह छात्रों पर अपनी रुचियों को ईमानदारी से रिपोर्ट करने के लिए निर्भर करता है, और यह अभी तक हर प्रकार के असाइनमेंट या विषय को समान आसानी से नहीं संभाल सकता है। शोधकर्ता स्वीकार करते हैं कि अत्यधिक अमूर्त विषयों को उनके आवश्यक स्वरूप को खोए बिना पुनर्गठित करना कठिन हो सकता है, और वे चेतावनी देते हैं कि बहुत अधिक कहानी सुनाना वास्तविक काम से ध्यान भटका सकता है।
यह परियोजना आर्टिफिशियल इंटेलिजेंस को केवल प्रश्न पूछने वाले उपकरण से बदलकर स्वयं सीखने के अनुभव को डिजाइन करने में मदद करने वाले उपकरण की ओर ले जाने की दिशा में एक महत्वपूर्ण कदम का प्रतिनिधित्व करती है। एक लचीले कंप्यूटर आर्किटेक्चर को सावधानीपूर्वक सुरक्षा जांचों के साथ जोड़कर, टीम ने प्रदर्शित किया कि अद्वितीय, रुचि-आधारित असाइनमेंट उत्पन्न करना संभव है, जो उस पैमाने पर है जो पहले मानव शिक्षकों के प्रबंधन के लिए असंभव था। उनके काम का अगला चरण एक अधिक कठोर तुलना होगा, जिसमें उन छात्रों को मुकाबला कराया जाएगा जिन्हें ये व्यक्तिगत असाइनमेंट प्राप्त होते हैं और उन छात्रों को जिन्हें मानक असाइनमेंट प्राप्त होते हैं, ताकि यह देखा जा सके कि क्या वैयक्तिकरण वास्तव में उनके सीखने के तरीके को बदलता है। फिलहाल, अध्ययन सुझाव देता है कि जब तकनीक का उपयोग छात्र के जीवन और उसके स्कूल के काम के बीच की खाई को पाटने के लिए किया जाता है, तो परिणाम एक ऐसा कक्षा अनुभव होता है जो एक काम के बजाय एक बातचीत जैसा महसूस होता 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।