Epistemic Agency in AI-Mediated Education: A PRISMA 2020 Systematic Review and Philosophical Synthesis of Autonomy, Understanding, and Educational Authority
यह PRISMA 2020 व्यवस्थित समीक्षा (systematic review) एआई-मध्यस्थ शिक्षा (AI-mediated education) पर दार्शनिक विद्वत्ता का संश्लेषण करती है ताकि यह तर्क दिया जा सके कि वैध शिक्षण के लिए "मानवीय ज्ञानमीमांसीय प्रबंधन" (Human Epistemic Stewardship) ढांचे के माध्यम से मानवीय ज्ञानमीमांसीय एजेंसी (epistemic agency) को संरक्षित करना आवश्यक है, जो केवल प्रदर्शन अनुकूलन (performance optimization) के बजाय ज्ञान पर प्रश्न उठाने और उसे न्यायसंगत ठहराने के लिए शिक्षार्थियों की जिम्मेदारी को प्राथमिकता देता 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 ऐसे कक्षा की कल्पना करें जहाँ शिक्षक अब केवल तथ्य नहीं बांटते, बल्कि जहाँ एक मशीन निबंध लिख सकती है, जटिल समस्याओं को हल कर सकती है और कठिन विचारों को सेकंडों में समझा सकती है। यह जनरेटिव आर्टिफिशियल इंटेलिजेंस (AI) द्वारा लाई गई वास्तविकता है, एक ऐसी तकनीक जो एक साधारण उपकरण से बदलकर सीखने में एक साथी बन गई है। सदियों से, शिक्षा एक विशिष्ट प्रकार के कार्य पर टिकी रही है: वह संघर्ष जिसका सामना एक छात्र तब करता है जब वह एक नई अवधारणा को समझने की कोशिश करता है, तर्क बनाने का प्रयास, और यह तय करने की जिम्मेदारी कि क्या सत्य है। यह प्रक्रिया केवल सही उत्तर प्राप्त करने के बारे में नहीं है; यह उस मानसिक यात्रा के बारे में है जो उस उत्तर को अपना बनाने के लिए आवश्यक है। जब एक मशीन सोचने का भारी काम कर सकती है, तो यह शिक्षकों और दार्शनिकों के लिए एक गहरा प्रश्न खड़ा करती है: यदि मशीन काम करती है, तो क्या छात्र वास्तव में सीखता है? शैक्षिक दर्शन का क्षेत्र अब इस मुद्दे से जूझ रहा है, यह सवाल करते हुए कि क्या सीखना तब संभव है जब संज्ञानात्मक श्रम (cognitive labor) को एक ऐसी प्रणाली को सौंप दिया जाता है जो बिना वास्तव में समझे ज्ञान का उत्पादन करती है।
एक स्वतंत्र शोधकर्ता कॉनर निचल्स द्वारा किया गया एक हालिया व्यवस्थित समीक्षा (systematic review) इस विषय पर सबसे गंभीर दार्शनिक चर्चाओं को एकत्रित और विश्लेषण करके इस प्रश्न का समाधान करती है। लेखक ने अगस्त 2026 के बीच प्रकाशित बीस सहकर्मी-समीक्षित (peer-reviewed) लेखों का परीक्षण किया, जो इस बात पर केंद्रित थे कि कैसे आर्टिफिशियल इंटेलिजेंस सीखने, अधिकार और जिम्मेदारी की प्रकृति को बदल देता है। इस समीक्षा ने टेस्ट स्कोर या सॉफ्टवेयर दक्षता को नहीं देखा; इसके बजाय, इसने शिक्षा की गहरी संरचना को देखा। केंद्रीय निष्कर्ष यह है कि आर्टिफिशियल इंटेलिजेंस का खतरा यह नहीं है कि यह गलत उत्तर दे सकता है, बल्कि यह है कि यह छात्रों को उस सोचने की प्रक्रिया को दरकिनार करने की अनुमति दे सकता है जो उनकी निर्णय लेने और समझने की क्षमता का निर्माण करती है। अध्ययन सुझाव देता है कि शिक्षा को सार्थक बनाए रखने के लिए, छात्रों को उन विचारों पर सवाल उठाने, समझाने और उन्हें अपनाने की जिम्मेदारी बनाए रखनी चाहिए, भले ही वे शक्तिशाली उपकरणों का उपयोग कर रहे हों।
शोधकर्ताओं ने पाया कि मुख्य मुद्दा क्या है जिसे वे "एपिस्टेमिक एजेंसी" (epistemic agency) कहते हैं, जिसका सरल अर्थ है एक व्यक्ति की जानने की प्रक्रिया में एक सक्रिय, जिम्मेदार भागीदार होने की क्षमता। एक स्वस्थ शिक्षण वातावरण में, एक छात्र केवल जानकारी प्राप्त नहीं करता है; वे प्रश्न चुनते हैं, साक्ष्य खोजते हैं, और अपने स्वयं के विश्वासों का परीक्षण करते हैं। समीक्षा का तर्क है कि जनरेटिव आर्टिफिशियल इंटेलिजेंस इस एजेंसी को खतरे में डालता है क्योंकि यह शिक्षार्थियों को सोचने के कठिन काम को आउटसोर्स करने की अनुमति देता है। जब एक छात्र किसी निबंध या स्पष्टीकरण को उत्पन्न करने के लिए मशीन का उपयोग करता है बिना उसे स्वयं निर्मित करने के मानसिक कार्य के, तो वे एक आदर्श दिखने वाला परिणाम तो प्राप्त कर सकते हैं, लेकिन उस समझ विकसित करने में विफल हो सकते हैं जो उसे बचाव करने के लिए आवश्यक है। अध्ययन "प्रदर्शन" (performance), जो एक सही आउटपुट उत्पन्न करने की क्षमता है, और "समझ" (understanding), जो यह समझाने की क्षमता है कि वह आउटपुट क्यों सही है और यह अन्य विचारों से कैसे जुड़ता है, के बीच अंतर करता है। लेखक चेतावनी देते हैं कि आर्टिफिशियल इंटेलिजेंस बिना समझ के प्रदर्शन हासिल करना आसान बना देता है, जिससे ऐसी स्थिति पैदा होती है जहाँ एक छात्र सामग्री को वास्तव में सीखे बिना भी परीक्षा पास कर सकता है।
समीक्षा का एक अन्य प्रमुख विषय शिक्षक की बदलती भूमिका और अधिकार की प्रकृति है। अतीत में, शिक्षक मार्गदर्शन के प्राथमिक स्रोत थे, लेकिन अब छात्र एक ऐसे आर्टिफिशियल इंटेलिजेंस की ओर मुड़ सकते हैं जो आत्मविश्वास और प्रवाह के साथ बोलता है। शोधकर्ता तर्क देते हैं कि यह एक नए प्रकार की निर्भरता को जन्म देता है। यदि एक छात्र बिना प्रश्न किए मशीन के उत्तर पर भरोसा करता है, तो वह सीख नहीं रहा है; वह आज्ञा मानना सीख रहा है। समीक्षा इस बात पर जोर देती है कि शिक्षा केवल सूचना वितरण के बारे में नहीं है; यह एक मानवीय संबंध है जहाँ एक शिक्षक छात्र को अपने स्वयं के निर्णय बनाने की कठिन प्रक्रिया के माध्यम से मार्गदर्शन करता है। एक मशीन एक अवधारणा को समझा सकती है, लेकिन वह छात्र के विकास की जिम्मेदारी नहीं ले सकती या उस नैतिक मार्गदर्शन की पेशकश नहीं कर सकती जो मानवीय संबंध से आता है। अध्ययन बताता है कि यदि स्कूल इन प्रणालियों पर बहुत अधिक निर्भर होते हैं, तो वे एक ऐसा तंत्र बनाने का जोखिम उठाते हैं जहाँ ज्ञान एल्गोरिदम द्वारा उत्पादित होता है, लेकिन उस ज्ञान की जिम्मेदारी खो जाती है।
समीक्षा "टेस्टिमोनियल डिपेंडेंस" (testimonial dependence) की समस्या को भी उजागर करती है। मनुष्य स्वाभाविक रूप से जानकारी के लिए दूसरों पर निर्भर रहते हैं, लेकिन शिक्षा हमें सिखाती है कि किसे विश्वास करना है और कब प्रमाण मांगना है। आर्टिफिशियल इंटेलिजेंस इसे जटिल बनाता है क्योंकि यह अक्सर अपने उत्तरों को बिना यह दिखाए प्रस्तुत करता है कि वे कहाँ से आए हैं। शोधकर्ताओं ने पाया कि सीखने को वैध बनाए रखने के लिए, छात्रों को मशीन को चुनौती देने, उसके स्रोतों की जांच करने और उसकी सीमाओं को समझने में सक्षम होना चाहिए। वे "ह्यूमन एपिस्टेमिक स्टीवर्डशिप" (Human Epistemic Stewardship) नामक एक ढांचा प्रस्तावित करते हैं, जो आर्टिफिशियल इंटेलिजेंस का इस तरह से उपयोग करने के लिए पांच शर्तें निर्धारित करता है जो सीखने की रक्षा करती है। इन शर्तों में मशीन के आउटपुट को चुनौती देने का अधिकार, यह आवश्यकता कि छात्र को अपने स्वयं के कार्य को समझाने और उसका बचाव करने में सक्षम होना चाहिए, और "उत्पादक घर्षण" (productive friction) की आवश्यकता शामिल है। यह अंतिम बिंदु महत्वपूर्ण है: अध्ययन का तर्क है कि सीखने में कुछ कठिनाई आवश्यक है। जिस प्रकार वजन उठाना मांसपेशियों का निर्माण करता है, उसी प्रकार समझने का संघर्ष मन का निर्माण करता है। आर्टिफिशियल इंटेलिजेंस को सभी कठिनाइयों को हटाना नहीं चाहिए; इसे केवल अप्रासंगिक बाधाओं को हटाना चाहिए जबकि उस मानसिक कार्य को छोड़ देना चाहिए जो वास्तविक समझ की ओर ले जाता है।
लेखक निष्कर्ष निकालते हैं कि बहस इस बारे में नहीं है कि स्कूलों में आर्टिफिशियल इंटेलिजेंस का उपयोग किया जाना चाहिए या नहीं, बल्कि इस बारे में है कि इसका उपयोग कैसे किया जाना चाहिए। वही उपकरण हानिकारक हो सकता है यदि यह छात्र की सोच को प्रतिस्थापित करता है, या यह सहायक हो सकता है यदि यह छात्र के अपने प्रयासों का समर्थन करता है। समीक्षा का सुझाव है कि स्कूलों को अपने मूल्यांकन और शिक्षण विधियों को फिर से डिजाइन करने की आवश्यकता है ताकि यह सुनिश्चित किया जा सके कि छात्र अभी भी सोचने का कार्य कर रहे हैं। इसका अर्थ छात्रों से व्यक्तिगत रूप से अपने तर्क समझाने के लिए कहना, विभिन्न स्रोतों की तुलना करने के लिए कहना, या यह दिखाने के लिए कहना कि उन्होंने निष्कर्ष तक पहुँचने के लिए उपकरण का उपयोग कैसे किया, हो सकता है। अंतिम लक्ष्य मशीनों के साथ प्रतिस्पर्धा करना नहीं है, बल्कि ऐसे मानव बनाना है जो मशीनों को निर्देशित, मूल्यांकन और कभी-कभी उनकी मदद को अस्वीकार कर सकें। अध्ययन पाता है कि आर्टिफिशियल इंटेलिजेंस के युग में शिक्षा का मूल्य उत्तरों के उत्पादन में नहीं, बल्कि उन लोगों को विकसित करने में है जो जानते हैं कि एक उत्तर की कीमत क्या है, उस पर विश्वास क्यों किया जाना चाहिए, और कब स्वयं के लिए सोचना उनकी जिम्मेदारी 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।