Towards an AI-Enabled Inclusive Educational Leadership (AIIEL) Framework: Integrating Responsible AI Governance, Disability Inclusion, and Gender Equality in Higher Education

विश्वविद्यालय वर्तमान में एक शांत क्रांति के दौर से गुजर रहे हैं। दशकों से, ये संस्थान यह तय करने के लिए मानवीय निर्णय पर निर्भर रहे हैं कि किसे प्रवेश मिले, शिक्षकों को कैसे पदोन्नति दी जाए और छात्रों को कैसे सहायता प्रदान की जाए। अब, आर्टिफिशियल इंटेलिजेंस (AI) उन भूमिकाओं में कदम रख रहा है, जो आवेदनों को छाँटने, शोध पत्रों को ग्रेड देने और समय सारणी प्रबंधित करने की पेशकश कर रहा है। लेकिन जैसे-जैसे ये डिजिटल उपकरण उच्च शिक्षा के दैनिक ताने-बाने का हिस्सा बनते जा रहे हैं, एक परेशान करने वाला प्रश्न उभर कर सामने आया है: क्या वे प्रणाली को अधिक निष्पक्ष बना रहे हैं, या वे चुपचाप पुराने असमानताओं को सुदृढ़ कर रहे हैं? मुख्य मुद्दा यह है कि जबकि तकनीक तेजी से आगे बढ़ रही है, प्रभारी लोग अक्सर इसे निर्देशित करने के लिए खुद को अपर्याप्त महसूस करते हैं। उन्हें डर है कि सावधानीपूर्वक निगरानी के बिना, ये स्मार्ट सिस्टम अनजाने में महिलाओं, विकलांग व्यक्तियों या अन्य हाशिए पर रहने वाले समूहों के साथ अन्याय कर सकते हैं, केवल इसलिए क्योंकि वे डेटा जिनसे वे सीखते हैं, पिछले पूर्वाग्रहों को दर्शाते हैं। चुनौती केवल तकनीक का उपयोग करना नहीं है, बल्कि यह सुनिश्चित करना है कि यह सभी की समान रूप से सेवा करे।

दो शोधकर्ताओं, वफा मुहम्मद अलाजी और ऑबी फिरी ने इस अंतर को भरने के लिए कदम आगे बढ़ाया है। उनका तर्क है कि विश्वविद्यालय केवल नया सॉफ्टवेयर खरीदकर और सबसे अच्छी उम्मीद करके काम नहीं चला सकते; उन्हें सोचने के एक नए तरीके की आवश्यकता है। अपने हालिया कार्य में, वे 'एआई-सक्षम समावेशी शैक्षिक नेतृत्व' (AI-Enabled Inclusive Educational-Leadership) नामक एक व्यापक योजना प्रस्तावित करते हैं। यह कोई सॉफ्टवेयर का टुकड़ा या कोडिंग के नियमों का समूह नहीं है। इसके बजाय, यह विश्वविद्यालयों चलाने वाले लोगों के लिए एक मार्गदर्शिका है, जिसे उन्हें नवाचार को अपनाते हुए निष्पक्षता की रक्षा करने वाले निर्णय लेने में मदद करने के लिए डिज़ाइन किया गया है। लेखकों का सुझाव है कि स्कूलों में आर्टिफिशियल इंटेलिजेंस के प्रबंधन का वर्तमान दृष्टिकोण बहुत खंडित है। मौजूदा मार्गदर्शिकाएँ अक्सर विविधता और समावेशन को शासन के मुख्य कार्य से अलग, एक लंबी चेकलिस्ट के एक छोटे से आइटम के रूप में देखती हैं। अलाजी और फिरी का मानना है कि यह एक गलती है। उनका तर्क है कि समावेशन को हर एक निर्णय में बुना जाना चाहिए, उस क्षण से जब एक नए उपकरण की कल्पना की जाती है, उस दिन तक जब उसका उपयोग कक्षा में किया जाता है।

इस नए दृष्टिकोण के निर्माण के लिए, शोधकर्ताओं ने छह अलग-अलग अध्ययन क्षेत्रों को देखा जो पहले अलग रखे गए थे। उन्होंने परीक्षण किया कि कैसे नेता समावेशी संस्कृतियों का निर्माण करते हैं, कैसे स्कूलों में आर्टिफिशियल इंटेलिजेंस का उपयोग किया जाता है, विकलांगता समावेशन कैसे काम करता है, लैंगिक समानता कैसे बनाए रखी जाती है, तकनीक को जिम्मेदारी से कैसे शासित किया जाता है, और विश्वविद्यालय डिजिटल रूप से कैसे परिवर्तित होते हैं। इन अलग-अलग धागों को एक साथ लाकर, उन्होंने एक चार-स्तरीय मॉडल बनाया है जो निर्णय लेने के चक्र के रूप में कार्य करता है। पहला स्तर लोगों और दृष्टि (विज़न) पर केंद्रित है। यह नेताओं से पूछता है कि जब एक नई प्रणाली चुनी जाती है तो मेज पर कौन बैठा है। क्या विकलांग छात्रों और महिला संकाय सदस्यों से उपकरण खरीदने से पहले उनकी राय ली जा रही है, या उन्हें केवल नुकसान होने के बाद ही परामर्श दिया जाता है? यह स्तर इस बात पर जोर देता है कि नेतृत्व विश्वास बनाने और यह सुनिश्चित करने के बारे में है कि हर किसी को लगे कि उनकी आवाज सुनी जा रही है।

दूसa स्तर स्वयं उपकरणों के डिजाइन से संबंधित है। यहाँ, ढांचा एक सरल लेकिन गहरा प्रश्न पूछता है: क्या यह प्रणाली वास्तव में एक विकलांग छात्र को सफल होने में मदद करती है, या यह केवल उन्हें प्रवेश देने का ढोंग करती है? शोधकर्ता "क्षमता" (capability) के विचार का उपयोग करते हैं, जिसका अर्थ है औपचारिक पहुंच से परे देखना कि क्या किसी व्यक्ति के पास अपने लक्ष्यों को प्राप्त करने के लिए संसाधन का उपयोग करने की वास्तविक स्वतंत्रता है। उदाहरण के लिए, एक स्वचालित ग्रेडिंग प्रणाली तकनीकी रूप से दृष्टिबाधित छात्र का निबंध स्वीकार कर सकती है, लेकिन यदि सिस्टम उस विशेष प्रारूप को नहीं पढ़ सकता जो छात्र उपयोग करता है, तो वह उपकरण विफल हो गया है। यह स्तर आग्रह करता है कि नेताओं को तकनीक का मूल्यांकन इस आधार पर करना चाहिए कि क्या यह सभी के लिए वास्तविक अवसर बढ़ाता है, न कि केवल इस आधार पर कि क्या यह न्यूनतम कानूनी आवश्यकता को पूरा करता है।

तीसरा स्तर इस बात पर केंद्रित है कि तकनीक का शासन और नियंत्रण कैसे किया जाता है। यह पूछता है कि क्या इंसान अभी भी चालक की सीट पर है। ढांचा सुझाव देता है कि उच्च-दांव वाले निर्णयों के लिए, जैसे कि प्रोफेसर की नियुक्ति करना या डिग्री से वंचित करना, एक स्पष्ट रेखा होनी चाहिए जहाँ एक मानव हस्तक्षेप कर सके और मशीन को ओवरराइड कर सके। यह इस बात को भी देखता है कि तकनीक कैसे बनाई गई थी, और नेताओं से आग्रह करता है कि वे सुनिश्चित करें कि जिन लोगों से सिस्टम प्रभावित होगा, उन्होंने इसे बनाने में मदद की है। यह उस स्थिति को रोकता है जहाँ एक उपकरण इंजीनियरों के एक छोटे समूह द्वारा लैब में बनाया जाता है और फिर बिना किसी निष्पक्षता परीक्षण के एक विविध विश्वविद्यालय आबादी पर डाल दिया जाता है। अंतिम स्तर परिणामों को देखता है। यह नेताओं से पूछता है कि क्या वे डेटा को ट्रैक करते हैं, लेकिन केवल सामान्य आंकड़ों के रूप में नहीं। उन्हें बारीकी से देखना चाहिए कि सिस्टम विभिन्न समूहों के लोगों को एक साथ कैसे प्रभावित करता है, जैसे कि विकलांग महिलाएं, ताकि यह देखा जा सके कि क्या उपकरण नई बाधाएं पैदा कर रहा है या पुरानी समस्याओं का समाधान कर रहा है।

इस मुख्य ढांचे के साथ, लेखक विश्वविद्यालयों को अपने विचारों को क्रियान्वित करने में मदद करने के लिए दो व्यावहारिक उपकरण प्रस्तावित करते हैं। पहला, उन कौशलों की सूची है जिन्हें विश्वविद्यालय के नेताओं को सीखने की आवश्यकता है। ये केवल तकनीकी कौशल नहीं हैं कि कंप्यूटर कैसे काम करते हैं, बल्कि मानवीय कौशल हैं कि पूर्वाग्रहों को कैसे पहचाना जाए, हाशिए की आवाजों को कैसे सुना जाए, और डेटा की व्याख्या इस तरह से कैसे की जाए जो छिपी हुई असमानताओं को प्रकट करे। दूसरा उपकरण एक 'परिपक्वता मॉडल' (maturity model) है, जो एक संस्थान की यात्रा के लिए मानचित्र की तरह कार्य करता है। यह पांच चरणों का वर्णन करता है, जो एक ऐसी जगह से शुरू होता है जहाँ विश्वविद्यालय जोखिमों से अनभिज्ञ है और उसके पास कोई योजना नहीं है, चरणों के माध्यम से आगे बढ़ता है जहाँ वे समस्याओं के होने पर प्रतिक्रिया देते हैं, और अंततः "समावेशी उत्कृष्टता" के चरण तक पहुँचता है। इस उच्चतम स्तर पर, विश्वविद्यालय केवल नुकसान से बच नहीं रहा है; यह सक्रिय रूप से आर्टिफिशियल इंटेलिजेंस का उपयोग संस्थान को सभी के लिए बेहतर बनाने के लिए कर रहा है, और वह इसे डेटा के साथ सिद्ध कर सकता है।

शोधकर्ता सावधानीपूर्वक यह कहते हैं कि उनका कार्य एक प्रस्ताव है, न कि कोई पूर्ण उत्पाद जिसे वास्तविक दुनिया में परखा गया हो। वे स्वीकार करते हैं कि उनके विचार मौजूदा सिद्धांतों पर आधारित हैं और वे अभी तक यह नहीं देख पाए हैं कि क्या ये विशिष्ट मॉडल विभिन्न प्रकार के विश्वविद्यालयों में व्यवहार में काम करते हैं। वे नोट करते हैं कि वर्तमान शोध का अधिकांश हिस्सा समृद्ध देशों से आता है, और वे अभी तक नहीं जानते कि क्या उनका ढांचा कम संसाधनों वाले या अलग सांस्कृतिक मानदंडों वाले स्थानों में काम करेगा। हालाँकि, उनका तर्क है कि वर्तमान स्थिति इतनी जोखिम भरी है कि पूर्ण प्रमाण का इंतजार नहीं किया जा सकता। जिस गति से विश्वविद्यालय आर्टिफिशियल इंटेलिजेंस को अपना रहे हैं, वह नेतृत्व कौशल के विकास से कहीं अधिक तेज है, और बिना एक स्पष्ट मार्गदर्शिका के, यह क्षेत्र विशेषाधिकार प्राप्त और कमजोर लोगों के बीच की खाई को चौड़ा करने का जोखिम उठा रहा है।

अंततः, यह पत्र विश्वविद्यालयों चलाने वाले लोगों के लिए कार्रवाई का आह्वान है। यह सुझाव देता है कि उच्च शिक्षा का भविष्य एल्गोरिदम की जटिलता से कम और उन नेताओं की बुद्धिमत्ता पर अधिक निर्भर करता है जो उन्हें चुनते हैं। समावेशन को एक विचार के बजाय नेतृत्व के एक केंद्रीय हिस्से के रूप में मानकर, विश्वविद्यालय यह सुनिश्चित कर सकते हैं कि आर्टिफिशियल इंटेलिजेंस का उदय सभी को ऊपर उठाने के लिए है, न कि कुछ को पीछे छोड़ने के लिए। लेखक इस यात्रा के लिए एक रोडमैप पेश करते हैं, जो एक ऐसी यात्रा है जो बढ़ते हुए स्वचालित विश्व में मानवीय गरिमा और निष्पक्षता को प्राथमिकता देती है। हालांकि आगे का रास्ता अधिक अनुसंधान और परीक्षण की मांग करता है, दिशा स्पष्ट है: समावेशी नेतृत्व ही एकमात्र तरीका है जिससे यह सुनिश्चित किया जा सकता है कि आर्टिफिशियल इंटेलिजेंस का वादा सभी के लिए निभाया जाए।