Scaffolded and Unscaffolded Generative AI Use in Mathematics Teacher Education: Effects on Pre-Service Teachers’ Instructional Design Competence
यह मिश्रित-विधियों वाला अध्ययन प्रदर्शित करता है कि जनरेटिव एआई (generative AI) के उपयोग के लिए शैक्षणिक स्कैफोल्डिंग (pedagogical scaffolding) प्रदान करना, बिना स्कैफोल्डिंग वाले एआई उपयोग की तुलना में, भावी गणित शिक्षकों की निर्देशात्मक डिजाइन क्षमता, एआई तत्परता, स्व-नियमित शिक्षण और आलोचनात्मक सोच को महत्वपूर्ण रूप से बढ़ाता 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 कक्षा की कल्पना करें जहाँ शिक्षक केवल एक व्यक्ति नहीं, बल्कि एक शक्तिशाली कंप्यूटर प्रोग्राम है जो सेकंडों में पाठ योजनाएँ लिखने, गणित की समस्याएँ बनाने और जटिल विचारों को समझाने में सक्षम है। यह जनरेटिव आर्टिफिशियल इंटेलिजेंस (AI) का वादा है, एक ऐसी तकनीक जो तेजी से स्कूलों और विश्वविद्यालयों में प्रवेश कर चुकी है। लेकिन इसमें एक पेंच है। यदि कोई छात्र केवल कंप्यूटर से उत्तर मांगता है और बिना किसी प्रश्न के उसे स्वीकार कर लेता है, तो वे अपनी सोचने, योजना बनाने और समस्याओं को हल करने की क्षमता विकसित करने के बजाय मशीन पर निर्भर होना सीख सकते हैं। यह आज शिक्षक शिक्षा के सामने केंद्रीय तनाव है: भविष्य के शिक्षकों को सीखने में मदद करने के लिए इन स्मार्ट उपकरणों का उपयोग कैसे किया जाए, बिना यह सुनिश्चित किए कि ये उपकरण उनके लिए सोचने का काम न कर दें। इस पहेली को सुलझाने की कुंजी 'स्कैफोल्डिंग' (scaffolding) नामक अवधारणा में निहित है। शिक्षा में, स्कैफोल्डिंग उन अस्थायी सहायक बीमों की तरह है जिनका उपयोग घर बनाने के लिए किया जाता है; वे संरचना को तब तक थामे रखते हैं जब तक कि निर्माता अपना कौशल सीख नहीं लेते, और एक बार जब इमारत अपने दम पर खड़ी होने के लिए पर्याप्त मजबूत हो जाती है, तो उन्हें हटा दिया जाता है। शोधकर्ताओं ने यह सवाल पूछा कि क्या भविष्य के गणित शिक्षकों को आर्टिफिशियल इंटेलिजेंस का उपयोग करते समय इस प्रकार का संरचित मार्गदर्शन देने से वे उन लोगों की तुलना में बेहतर शिक्षक बनेंगे जो इसे खुद से समझने के लिए छोड़ दिए जाते।
घाना के शोधकर्ताओं की एक टीम ने सतह से सत्तर छह भविष्य के गणित शिक्षकों के साथ काम करके इस प्रश्न का उत्तर देने का प्रयास किया। ये छात्र एक ऐसे पाठ्यक्रम में नामांकित थे जो गणित के पाठों को डिजाइन करने सीखने के लिए समर्पित था, जो किसी भी शिक्षक के लिए एक महत्वपूर्ण कौशल है। शोधकर्ताओं ने कक्षा को दो समूहों में विभाजित किया। एक समूह ने बिना किसी विशेष निर्देश के आर्टिफिशियल इंटेलिजेंस टूल का उपयोग किया; उन्हें तकनीक का उपयोग करके अपनी पाठ योजना बनाने के लिए कहा गया था, लेकिन उन्हें यह समझना था कि सही प्रश्न कैसे पूछे जाएं और अपने उत्तरों की जांच स्वयं कैसे की जाए। दूसरे समूह ने उसी तकनीक का उपयोग किया, लेकिन उन्हें विशिष्ट सहायता (supports) दी गई थी। इन सहायताओं में कंप्यूटर के लिए अच्छे प्रश्न कैसे लिखे जाएं इसके उदाहरण, कंप्यूटर के काम को सत्यापित करने के लिए चेकलिस्ट, और निर्देशित प्रश्न शामिल थे जो उन्हें यह सोचने के लिए मजबूर करते थे कि क्या पाठ योजना उनके छात्रों के लिए तर्कसंगत है। लक्ष्य यह देखना था कि क्या इस अतिरिक्त मार्गदर्शन ने छात्रों की पाठ डिजाइन करने की क्षमता, तकनीक का उपयोग करने की उनकी तत्परता, अपने स्वयं के सीखने को प्रबंधित करने की उनकी दक्षता, और कंप्यूटर द्वारा दी गई जानकारी का मूल्यांकन करने की उनकी आलोचनात्मक क्षमता को बदल दिया।
चौदह सप्ताह तक पाठ योजनाओं पर काम करने के बाद, परिणाम स्पष्ट थे। जिन छात्रों को संरचित मार्गदर्शन प्राप्त हुआ था, उन्होंने बिना सहायता वाले समूह की तुलना में काफी बेहतर प्रदर्शन किया। जब शोधकर्ताओं ने छात्रों द्वारा बनाई गई अंतिम पाठ योजनाओं को देखा, तो सहायता प्राप्त समूह ने अधिक प्रभावी और विचारशील पाठ डिजाइन किए थे। वे सामग्री को व्यवस्थित करने, सही गतिविधियों को चुनने और यह परीक्षण करने के तरीके बनाने में बेहतर थे कि क्या छात्र गणित को समझ रहे हैं। बिना सहायता वाले समूह द्वारा तैयार की गई योजनाएं अक्सर जल्दबाजी में बनाई गई थीं या उन्हें भारी संपादन की आवश्यकता थी क्योंकि उन्होंने कंप्यूटर के आउटपुट को बहुत जल्दी स्वीकार कर लिया था। सहायता प्राप्त समूह ने भविष्य में तकनीक का उपयोग करने की अपनी तत्परता के मापदंडों पर भी उच्च अंक प्राप्त किए। वे कंप्यूटर से बात करने, उसकी सीमाओं को समझने और इसका जिम्मेदारी से उपयोग करने की अपनी क्षमता में अधिक आत्मविश्वासी महसूस कर रहे थे। वे सॉफ्टवेयर द्वारा उत्पन्न त्रुटियों या पक्षपाती जानकारी से आसानी से धोखा खाने की संभावना कम रखते थे।
अध्ययन से यह भी पता चला कि निर्देशित छात्रों ने बेहतर तरीके से सीखना सीखा। उन्होंने अपनी सीखने की प्रक्रिया को नियंत्रित करने की क्षमता में बहुत अधिक मजबूती दिखाई। केवल एक अनुरोध टाइप करने और परिणाम का इंतजार करने के बजाय, वे अपने दृष्टिकोण की योजना बनाने के लिए रुकते थे, आने वाले कंप्यूटर आउटपुट की निगरानी करते थे, और मूल्यांकन करते थे कि क्या सुझाव उनके लक्ष्यों से मेल खाते हैं। उन्होंने कंप्यूटर को एक ऐसे भागीदार के रूप में माना जिसे सवाल किया जाना चाहिए, न कि एक ऐसी मशीन के रूप में जिसे आज्ञा दी जानी चाहिए। यह आलोचनात्मक सोच दोनों समूहों के बीच सबसे स्पष्ट अंतर था। सहायता प्राप्त छात्र लगातार खुद से पूछते थे कि क्या पाठ के विचार सटीक और वास्तविक बच्चों के लिए उपयुक्त हैं। उन्होंने गणित की जांच की, अपने पाठ्यपुस्तकों से सुझावों की तुलना की, और जब कंप्यूटर ने गलती की तो योजनाओं में संशोधन किया। बिना सहायता वाले छात्र अक्सर पहले उत्तर को ही स्वीकार कर लेते थे, भले ही वह त्रुटिपूर्ण हो, क्योंकि उनके पास इसकी पुष्टि करने के उपकरण नहीं थे।
जब शोधकर्ताओं ने छात्रों के एक छोटे समूह का साक्षात्कार लिया ताकि उनके अनुभवों को समझा जा सके, तो यह पैटर्न और भी स्पष्ट हो गया। सहायता प्राप्त छात्रों ने गहन सोच की प्रक्रिया का वर्णन किया। उन्होंने समझाया कि चेकलिस्ट और निर्देशित प्रश्नों ने उन्हें धीमा होने और अपनी पाठ योजना में प्रत्येक गतिविधि के पीछे के "क्यों" पर विचार करने के लिए मजबूर किया। उन्होंने महसूस किया कि पाठ की गुणवत्ता उनके अपने निर्णयों पर निर्भर करती है, न कि केवल कंप्यूटर के आउटपुट पर। इसके विपरीत, बिना सहायता वाले छात्रों ने स्वीकार किया कि जब कंप्यूटर कोई अजीब उत्तर देता था तो वे अक्सर खोया हुआ या अनिश्चित महसूस करते थे। वे अपने मूल प्रश्न को ठीक करने के बजाय एक नया चैट शुरू करने की ओर झुकते थे, और उन्होंने अक्सर सटीकता के बजाय गति को प्राथमिकता दी। उन्हें लगा कि कंप्यूटर उनके लिए काम कर रहा है, जिससे वे अकेले पढ़ाने के लिए कम तैयार महसूस कर रहे थे।
निष्कर्ष बताते हैं कि भविष्य के शिक्षकों को केवल एक शक्तिशाली आर्टिफिशियल इंटेलिजेंस टूल सौंप देना उन्हें बेहतर शिक्षक बनाने के लिए पर्याप्त नहीं है। टूल केवल उतना ही अच्छा है जितना कि उसके आसपास का मार्गदर्शन। जब शोधकर्ताओं ने एक ऐसा ढांचा प्रदान किया जिसने योजना बनाने, जांच करने और चिंतन करने को प्रोत्साहित किया, तो छात्रों ने अपनी व्यावसायिक दक्षता को तेज करने के लिए तकनीक का उपयोग किया। उन्होंने बेहतर पाठ डिजाइन करना सीखा, प्राप्त जानकारी के बारे में अधिक आलोचनात्मक रूप से सोचना सीखा, और अपने स्वयं के सीखने पर नियंत्रण प्राप्त किया। उस ढांचे के बिना, तकनीक एक बैसाखी बनने का जोखिम उठाती थी जो उन्हें उस स्वतंत्र निर्णय को विकसित करने से रोक सकती थी जिसकी उन्हें वास्तविक कक्षा में आवश्यकता होगी। अध्ययन निष्कर्ष निकालता है कि आर्टिफिशियल इंटेलिजेंस वास्तव में शिक्षकों की अगली पीढ़ी को प्रशिक्षित करने में वास्तव में मदद करने के लिए, इसका उपयोग इरादापूर्ण समर्थन के साथ किया जाना चाहिए जो छात्रों को केवल पूछना ही नहीं, बल्कि सोचना भी सिखाता 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।