The comparative evaluation of explanations for algorithmic programming problems provided by a Human vs. ChatGPT: an exploratory online user study
37 उच्च माध्यमिक छात्रों के इस अन्वेषणात्मक अध्ययन से पता चलता है कि जहाँ प्रतिभागी मानव और ChatGPT-जनित प्रोग्रामिंग समाधानों के बीच महत्वपूर्ण रूप से अंतर नहीं कर सके, वहीं एक 3D अवतार ट्यूटर के प्रति उनकी स्वीकृति पूर्व प्रोग्रामिंग अनुभव या अवतार की परिचितता से अप्रभावित रही, जो शिक्षा में जनरेटिव एआई को एकीकृत करने के प्रति आशावाद और संदेह दोनों को उजागर करती 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
कक्षा में, एक छात्र और शिक्षक के बीच का संबंध लंबे समय से ज्ञान के आदान-प्रदान द्वारा परिभाषित होता रहा है, जहाँ एक मानव मार्गदर्शक जटिल विचारों को समझने योग्य चरणों में विभाजित करता है। आज, एक नए प्रकार का मार्गदर्शक कमरे में प्रवेश कर चुका है: कृत्रिम बुद्धिमत्ता (आर्टिफिशियल इंटेलिजेंस)। ये प्रणालियाँ मानवीय विशेषज्ञों की गति के बराबर टेक्स्ट जेनरेट कर सकती हैं, गणित की समस्याओं को हल कर सकती हैं और कंप्यूटर कोड लिख सकती हैं। लेकिन शिक्षकों और अभिभावकों के लिए एक महत्वपूर्ण प्रश्न बना हुआ है: जब एक छात्र सीखने की कोशिश कर रहा हो, तो क्या यह मायने रखता है कि समझाने वाला कौन है? क्या किसी व्यक्ति द्वारा तैयार किए गए समाधान और मशीन द्वारा उत्पन्न समाधान के बीच कोई मौलिक अंतर है, और क्या एक शिक्षार्थी इस अंतर को पहचान सकता है? यह जांच हाल ही के एक अध्ययन के केंद्र में है जो यह पता लगाता है कि छात्र कठिन प्रोग्रामिंग कार्यों के लिए स्पष्टीकरणों को कैसे देखते हैं, विशेष रूप से तब जब वे स्पष्टीकरण एक जीवित व्यक्ति के बजाय एक डिजिटल चरित्र द्वारा दिए जाते हैं।
शोधकर्ताओं ने, जो कजाकिस्तान के विश्वविद्यालयों के वैज्ञानिकों की एक टीम थी, पंद्रह से सत्रह वर्ष की आयु के छात्रों के एक समूह के साथ इस उभरती हुई तकनीक की सीमाओं का परीक्षण करने का निर्णय लिया। ये नौसिखिए नहीं थे; प्रतिभागी गणित और विज्ञान प्रतियोगिताओं में छात्रों को प्रशिक्षित करने के लिए जाने जाने वाले एक विशेष स्कूल से थे। वे पहले से ही कोडिंग सीख रहे थे, जिनमें से कई ने प्राथमिक विद्यालय से ही इसकी शुरुआत कर दी थी। लक्ष्य यह देखना था कि क्या ये अनुभवी युवा प्रोग्रामर एक मानव प्रशिक्षक द्वारा लिखे गए समाधान और एक लार्ज लैंग्वेज मॉडल (एक प्रकार का आर्टिफिशियल इंटेलिजेंस जो टेक्स्ट और कोड जेनरेट करने में सक्षम है) द्वारा निर्मित समाधान के बीच अंतर कर सकते हैं। परीक्षण को निष्पक्ष बनाने और किसी व्यक्ति की आवाज़ या उपस्थिति के आधार पर किसी भी पूर्वाग्रह को हटाने के लिए, शोधकर्ताओं ने स्पष्टीकरण देने के लिए एक 3D एनिमेटेड चरित्र, या अवतार का उपयोग किया। इस डिजिटल आकृति ने कंप्यूटर-जनित आवाज़ में बात की, जिससे यह सुनिश्चित हुआ कि छात्र उत्तर के स्रोत का अनुमान लगाने के लिए स्वर या भावना जैसे मानवीय संकेतों पर निर्भर न रह सकें।
प्रयोग को चुनौतियों की एक श्रृंखला की तरह संरचित किया गया था। छात्रों को पांच अलग-अलग प्रोग्रामिंग समस्याएं दिखाई गईं, जिनमें से प्रत्येक के साथ एक समाधान और एक स्पष्टीकरण दिया गया था। ये समस्याएं प्रतिस्पर्धी प्रोग्रामर्स द्वारा उपयोग किए जाने वाले एक लोकप्रिय ऑनलाइन प्लेटफॉर्म से ली गई थीं। प्रत्येक समस्या के लिए, स्पष्टीकरण एक ही 3D अवतार द्वारा दिया गया था, लेकिन कोड का स्रोत भिन्न था। कुछ मामलों में, कोड और स्पष्टीकरण एक मानव विशेषज्ञ से आया था जिसने वेबसाइट पर उस समस्या को हल किया था। अन्य मामलों में, कोड एक आर्टिफिशियल इंटेलिजेंस सिस्टम द्वारा जेनरेट किया गया था। छात्रों ने अवतार को समाधान समझाते हुए देखा, और फिर उनसे प्रश्नों की एक श्रृंखला पूछी गई। उन्हें यह बताना था कि वे सामग्री को कितनी अच्छी तरह समझते हैं, यह अनुमान लगाना था कि कोड एक इंसान द्वारा लिखा गया था या मशीन द्वारा, और अवतार का मूल्यांकन करना था। शोधकर्ताओं ने यह भी जाँच की कि क्या छात्रों के प्रोग्रामिंग के पूर्व अनुभव या डिजिटल अवतारों के साथ उनके पिछले संवाद ने अंतर पहचानने की उनकी क्षमता को प्रभावित किया।
अध्ययन के परिणामों ने इस तकनीक के साथ छात्रों के संवाद के बारे में एक आश्चर्यजनक अंतर्दृष्टि प्रदान की। जब कोड के स्रोत की पहचान करने के लिए कहा गया, तो डेटा ने एक सूक्ष्म पैटर्न दिखाया: प्रतिभागियों ने उन कार्यों के लिए "ChatGPT द्वारा प्रदान किया गया" अधिक बार और दृढ़ता से चुना जो वास्तव में ChatGPT द्वारा प्रदान किए गए थे। हालाँकि, मानव द्वारा प्रदान किए गए कार्यों के लिए, वे अधिक हिचकिचा रहे थे और उन्होंने मानव और AI के बीच समान रूप से स्रोत का चयन किया। यह सुझाव देता है कि जबकि छात्र एक निश्चित विश्वास के साथ AI-जनित सामग्री की पहचान कर सकते थे, मानव समाधानों को पहचानना अधिक चुनौतीपूर्ण था, जिससे स्पष्ट और सुसंगत अंतर बताने की क्षमता के बजाय सही और गलत अनुमानों का मिश्रण मिला। छात्रों ने समाधानों के प्रति अपनी समझ को समान रूप से रेट किया, चाहे कोड किसी व्यक्ति से आया हो या मशीन से। इसके अलावा, अध्ययन में पाया गया कि छात्र की पृष्ठभूमि ने परिणाम को नहीं बदला। चाहे छात्र ने प्राथमिक विद्यालय में कोडिंग शुरू की हो या हाई स्कूल में, या डिजिटल सहायकों के साथ उनका पहले से कोई संवाद रहा हो, इससे स्रोत को पहचानने या उनकी सहभागिता के स्तर पर कोई महत्वपूर्ण प्रभाव नहीं पड़ा।
हालाँकि छात्र दोनों स्रोतों के बीच आसानी से अंतर नहीं कर सके, लेकिन वितरण पद्धति पर उनकी प्रतिक्रिया अधिक आलोचनात्मक थी। 3D अवतार, जो दोनों मानव और मशीन समाधानों के लिए कथावाचक के रूप में कार्य कर रहा था, को मिश्रित समीक्षाएं मिलीं। कई छात्रों ने उल्लेख किया कि चरित्र की आवाज़ एकरस थी और इसमें मानवीय भाषण की प्राकृतिक लय की कमी थी। उन्होंने बताया कि अवतार की गतिविधियाँ कभी-कभी दोहराव वाली थीं और हमेशा बोले जा रहे शब्दों से मेल नहीं खाती थीं, जिससे कोड के जटिल तर्क पर ध्यान केंद्रित करना कठिन हो गया। कुछ छात्रों को लगा कि चरित्र की रोबोटिक प्रकृति ने सीखने के अनुभव को कम व्यक्तिगत और अधिक कठिन बना दिया। इन आलोचनाओं के बावजूद, समग्र भावना आशावादी थी। अधिकांश छात्रों का मानना था कि ऐसी तकनीक भविष्य में उपयोगी हो सकती है, विशेष रूप से तब जब शिक्षक उपलब्ध न हो। उन्होंने स्वीकार किया कि यद्यपि अवतार का वर्तमान संस्करण दोषपूर्ण है, लेकिन आवाज़ और एनीमेशन में सुधार इसे शिक्षा में एक मूल्यवान जोड़ बना सकता है।
अध्ययन निष्कर्ष निकालता है कि जबकि आर्टिफिशियल इंटेलिजेंस तेजी से स्पष्टीकरण उत्पन्न करने में सक्षम हो रहा है जो स्पष्टता और सटीकता के मामले में मानव के समान हैं, वितरण का माध्यम अभी भी मायने रखता है। छात्र इस तकनीक को एक शिक्षण सहायता के रूप में स्वीकार करने के लिए तैयार थे, लेकिन वे वर्तमान डिजिटल अवतारों की सीमाओं को पहचानने में भी त्वरित थे। शोध सुझाव देता है कि जैसे-जैसे ये उपकरण विकसित होंगे, ध्यान केवल उनके द्वारा जेनरेट किए गए कोड की गुणवत्ता पर ही नहीं, बल्कि उनके द्वारा प्रदान किए जाने वाले इंटरैक्शन की गुणवत्ता पर भी केंद्रित होना चाहिए। शिक्षकों के लिए, निष्कर्षों का तात्पर्य यह है कि छात्र जल्द ही मशीन-जनित सामग्री से प्रभावी ढंग से सीख सकेंगे, लेकिन एक शिक्षक का मानवीय स्पर्श जुड़ने, अनुकूल होने और संलग्न होने की अपनी अनूठी क्षमता में अद्वितीय बना रहता है जिसे एक स्थिर, एकरस अवतार अभी तक दोहरा नहीं सकता है। शिक्षा का भविष्य संभवतः मानव शिक्षकों और बुद्धिमान मशीनों के बीच एक साझेदारी में शामिल होगा, लेकिन उस साझेदारी का मार्ग डिजिटल उपकरणों को उन लोगों की तरह आकर्षक बनाने की आवश्यकता है जिनकी वे सहायता करने के लिए बने 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।