Facilitator-Mediated Versus AI-Mediated Problem-Based Learning in Pharmacology Education: A Quasi-Experimental Study Among Second Year Medical Students

उन कक्षाओं में जहाँ भविष्य के डॉक्टर अपने कौशल को सीखते हैं, शिक्षण की पद्धति लंबे समय से सावधानीपूर्वक बहस का विषय रही है। दशकों से, चिकित्सा शिक्षक तथ्यों के सरल रटने से हटकर 'समस्या-आधारित शिक्षण' (प्रॉब्लम-बेस्ड लर्निंग) नामक एक शैली की ओर बढ़े हैं। इस दृष्टिकोण में, छात्र केवल एक व्याख्याता के बोलने के दौरान निष्क्रिय रूप से नहीं बैठते; इसके बजाय, वे जटिल, वास्तविक दुनिया के नैदानिक परिदृश्यों से निपटने के लिए छोटे समूहों में एकत्र होते हैं। उन्हें यह पहचानने के लिए मिलकर काम करना होता है कि वे क्या नहीं जानते, उत्तर खोजने होते हैं, और उस नए ज्ञान को समस्या को हल करने के लिए लागू करना होता है। यह प्रक्रिया आलोचनात्मक सोच और टीम वर्क विकसित करने के लिए डिज़ाइन की गई है, जो कि दवाओं या बीमारियों के नाम जानने जितने ही महत्वपूर्ण कौशल हैं। पारंपरिक रूप से, ये सत्र एक मानव शिक्षक द्वारा निर्देशित होते हैं, जिसे 'सुविधा प्रदाता' (फैसिलिटेटर) कहा जाता है, जो प्रश्न पूछता है, समूह को सही दिशा में रखता है, और यह सुनिश्चित करता है कि प्रत्येक छात्र भाग ले। हालाँकि, आर्टिफिशियल इंटेलिजेंस के तीव्र उदय ने इस समीकरण में एक नया चर (वेरिएबल) पेश कर दिया है। अब छात्रों के पास शक्तिशाली डिजिटल उपकरण उपलब्ध हैं जो तुरंत जानकारी का सारांश दे सकते हैं, विचार उत्पन्न कर सकते हैं और प्रश्नों के उत्तर दे सकते हैं। आधुनिक चिकित्सा शिक्षा के सामने प्रश्न यह है कि क्या ये डिजिटल सहायक मानव मार्गदर्शक का स्थान ले सकते हैं, या वे पूरी तरह से एक अलग उद्देश्य की पूर्ति करते हैं।

भारत के दो मेडिकल कॉलेजों में किए गए एक हालिया अध्ययन ने इन दोनों पथों की सीधे तुलना करने का प्रयास किया। शोधकर्ताओं ने 150 द्वितीय वर्ष के मेडिकल छात्रों के साथ काम किया जो फार्माकोलॉजी (यह विज्ञान कि दवाएं शरीर में कैसे कार्य करती हैं) के बारे में सीख रहे थे। छात्रों को चार सप्ताह की अवधि के दौरान समान सेट के नैदानिक समस्याओं को हल करने के लिए दो समूहों में विभाजित किया गया था। एक समूह पारंपरिक पथ पर चला, जिसने चर्चा को निर्देशित करने के लिए एक मानव सुविधा प्रदाता की उपस्थिति में अपने केस स्टडीज पर काम किया। दूसरे समूह ने उन्हीं नैदानिक समस्याओं पर काम किया लेकिन जानकारी खोजने और अपने विचारों को व्यवस्थित करने के लिए आर्टिफिशियल इंटेलिजेंस उपकरणों का उपयोग किया, जिसमें सत्र का नेतृत्व करने के लिए कोई मानव शिक्षक मौजूद नहीं था। लक्ष्य यह देखना था कि कौन सी विधि परीक्षण स्कोर, आलोचनात्मक रूप से सोचने की क्षमता और टीम के रूप में काम करने की दक्षता के मामले में बेहतर परिणाम देती है।

परिणामों ने इस बात की एक सूक्ष्म तस्वीर पेश की कि सीखना कैसे होता है। जब छात्रों ने चार सप्ताह के पहले और बाद में परीक्षण दिए, तो दोनों समूहों में महत्वपूर्ण सुधार देखा गया। जिन छात्रों ने मानव शिक्षक के साथ काम किया उनके स्कोर में सुधार हुआ, और जिन छात्रों ने आर्टिफिशियल इंटेलिजेंस के साथ काम किया उनके स्कोर में भी लगभग समान मात्रा में सुधार हुआ। कच्चे ज्ञान (रॉ नॉलेज) के मामले में, दोनों विधियाँ समान रूप से प्रभावी थीं। हालाँकि, कहानी तब बदल गई जब शोधकर्ताओं ने गहराई से देखा कि छात्रों ने इस प्रक्रिया के दौरान कैसा व्यवहार किया और कैसे सोचा। मानव शिक्षकों के नेतृत्व वाले समूह टीम वर्क और आलोचनात्मक सोच के विशिष्ट क्षेत्रों में काफी बेहतर प्रदर्शन करते थे। वे सहयोग करने, फीडबैक पर प्रतिक्रिया देने और एक संरचित तरीके से समस्याओं को हल करने में अधिक प्रभावी थे। आर्टिफिशियल इंटेलिजेंस का उपयोग करने वाले छात्र, जानकारी जुटाने में सफल होने के बावजूद, इन सहयोगात्मक और विश्लेषणात्मक कौशलों में कम स्कोर दिखाते थे। मानव-निर्देशित समूहों ने अपने तर्क को समझाने और एकत्र की गई जानकारी का विश्लेषण करने की बेहतर क्षमता प्रदर्शित की, जिससे पता चलता है कि शिक्षक की उपस्थिति छात्रों को अपने विचारों को परिष्कृत करने में मदद करती है, जो कि केवल एक डिजिटल उपकरण अकेले नहीं कर पाता।

छात्रों के प्रदर्शन में अंतर के बावजूद, उनके अनुभव के प्रति संतुष्टि उच्च थी। आर्टिफिशियल इंटेलिजेंस का उपयोग करने वाले छात्रों ने बताया कि उनके पास सीखने की सामग्री तक बेहतर पहुँच थी और उन्होंने सूचनाओं के विस्तार के मामले में चर्चाओं को अधिक उत्पादक पाया। उन्होंने तकनीक द्वारा प्रदान किए गए संसाधनों की गति और व्यापकता की सराहना की। फिर भी, मानव-निर्देशित समूहों ने महसूस किया कि शिक्षक की उपस्थिति उनके सीखने के लिए अत्यंत महत्वपूर्ण थी। यह तनाव उन संकाय सदस्यों के विचारों में भी दिखाई दिया जिन्होंने अध्ययन का अवलोकन किया। जबकि कई शिक्षकों ने मान्यता प्राप्त की कि छात्र उत्तर उत्पन्न करने और प्रेजेंटेशन बनाने के लिए इन उपकरणों का उपयोग कर रहे हैं, उन्होंने इससे जुड़े जोखिमों के बारे में गहरी चिंता व्यक्त की। प्राथमिक चिंता यह थी कि छात्र तकनीक पर बहुत अधिक निर्भर हो सकते हैं, जिससे वे अपने स्वयं के सोचने के कठिन परिश्रम को दरकिनार कर सकते हैं, और इन उपकरणों के उपयोग से शैक्षणिक ईमानदारी के मुद्दे भी उत्पन्न हो सकते हैं। संकाय ने उल्लेख किया कि जबकि तकनीक चर्चा की गुणवत्ता को बढ़ा सकती है, यह समस्या-आधारित शिक्षण के मूल लक्ष्य को कमजोर करने का जोखिम भी उठाती है, जो कि किसी समस्या के माध्यम से छात्र की अपनी तर्क करने की क्षमता विकसित करना है।

अध्ययन यह निष्कर्ष निकालता है कि न तो कोई एक विधि दूसरी का पूर्ण प्रतिस्थापन है। आर्टिफिशियल इंटेलिजेंस एक शक्तिशाली संसाधन है जो सीखने को अधिक सुलभ और कुशल बना सकता है, जिससे छात्र तेजी से सूचनाओं का विशाल भंडार एकत्र कर सकते हैं। हालाँकि, यह अभी तक आलोचनात्मक सोच और प्रभावी टीम वर्क को बढ़ावा देने में मानव मार्गदर्शन के लाभों की पूरी तरह से नकल नहीं कर पाता है। सबसे आशाजनक मार्ग एक 'हाइब्रिड मॉडल' प्रतीत होता है। इस दृष्टिकोण में, आर्टिफिशियल इंटेलिजेंस की दक्षता और संसाधनशीलता को एक मानव शिक्षक के परामर्श और मार्गदर्शन के साथ जोड़ा जाता है। यह मिश्रण छात्रों को सूचना एकत्र करने के भारी कार्य को संभालने के लिए तकनीक का उपयोग करने और यह सुनिश्चित करने के लिए एक सुविधा प्रदाता पर भरोसा करने की अनुमति देगा कि वे आलोचनात्मक रूप से सोच रहे हैं, अच्छी तरह से सहयोग कर रहे हैं, और वास्तव में सामग्री को समझ रहे हैं। ऐसी रणनीति दोनों तरफ का सर्वश्रेष्ठ प्रदान कर सकती है, जो मेडिकल छात्रों को एक ऐसे भविष्य के लिए तैयार करेगी जहाँ तकनीक सर्वव्यापी है, साथ ही यह भी सुनिश्चित करेगी कि वे रोगियों की देखभाल के लिए आवश्यक मानवीय कौशल बनाए रखें।