Teaching About AI or With AI? In-Service Teachers’ Experiences in a Korean AI Convergence Education Program

दक्षिण कोरिया के क्लासरूम में एक शांत परिवर्तन हो रहा है। दशकों से, शिक्षक अपने क्षेत्रों के विशेषज्ञ रहे हैं, जो छात्रों को इतिहास, विज्ञान या साहित्य के माध्यम से मार्गदर्शन करते रहे हैं। लेकिन हाल ही में, एक नया विषय आया है: आर्टिफिशियल इंटेलिजेंस (कृत्रिम बुद्धिमत्ता)। सरकार ने निर्णय लिया कि प्रत्येक छात्र को यह समझने की आवश्यकता है कि ये स्मार्ट मशीनें कैसे काम करती हैं, और तार्किक अगला कदम शिक्षकों को प्रशिक्षित करना था। इसने एक अनूठी स्थिति पैदा कर दी जहाँ अनुभवी शिक्षकों को, जो पहले से ही जानते हैं कि कक्षा कैसे संचालित करनी है, एक पूरी तरह से नई तकनीकी भाषा सीखने के लिए फिर से स्कूल जाना पड़ा। शिक्षाविदों और नीति निर्माताओं के सामने केंद्रीय प्रश्न यह नहीं है कि क्या शिक्षक आर्टिफिशियल इंटेलिजेंस के तथ्यों को सीख सकते हैं, बल्कि यह है कि क्या वे उन तथ्यों को लेकर उन पाठों में बुन सकते हैं जो वे पहले से ही पढ़ा रहे हैं। क्या एक इतिहास का शिक्षक छात्रों को अतीत को समझने में मदद करने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग कर सकता है, या नया ज्ञान एक अलग डिब्बे में बंद रहता है, जो केवल कंप्यूटर विज्ञान की कक्षाओं के लिए उपयोगी है?

यह कहानी दक्षिण कोरिया के एक विशिष्ट कोने से आती है, जहाँ सरकार ने शिक्षकों को पुन: प्रशिक्षित करने के लिए एक विशाल कार्यक्रम शुरू किया। 2020 से, अड़तीस विश्वविद्यालयों ने कामकाजी शिक्षकों के लिए विशेष स्नातक डिग्री की पेशकश की है, जो "एआई कन्वर्जेंस एजुकेशन" (AI convergence education) पर केंद्रित है। विचार यह है कि आर्टिफिशियल इंटेलिजेंस को पारंपरिक विषयों के साथ मिलाया जाए। यह वास्तविक दुनिया में कैसे काम करता है, इसे समझने के लिए, सियोल और हानम विश्वविद्यालयों के दो शोधकर्ताओं ने इस कार्यक्रम के माध्यम से शिक्षकों के एक छोटे समूह और एक प्रशिक्षक का अनुसरण किया। उन्होंने केवल टेस्ट स्कोर या चेकलिस्ट नहीं देखी; वे प्रतिभागियों के साथ बैठे ताकि यह सुन सकें कि इस नई सामग्री को सीखने और इसे अपने स्वयं के स्कूलों में वापस उपयोग करने में उन्हें कैसा महसूस हुआ।

कार्यक्रम में शामिल होने वाले शिक्षक इसलिए शामिल नहीं हुए क्योंकि वे अचानक रोबोट या कोड के प्रति आकर्षित हो गए थे। वे मुख्य रूप से व्यावहारिक दबावों के जवाब में शामिल हुए, जैसे कि उनके स्कूलों में एआई के साथ जुड़ने की आवश्यकता, और क्योंकि सरकार ने ट्यूशन सब्सिडी दी थी जिसने इस निर्णय को संभव बनाया। एक शिक्षिका, जो विज्ञान के छात्रों के लिए हाई स्कूल में काम करती है, ने पाया कि उसके छात्र ऐसी कंप्यूटर भाषाओं में प्रोजेक्ट बना रहे थे जिन्हें वह पढ़ भी नहीं सकती थी। उसने खुद को पीछे छूटा हुआ महसूस किया और उसे बराबरी करने की आवश्यकता थी। एक अन्य शिक्षिका, जो एक प्राथमिक विद्यालय की प्रशिक्षु है, ने स्वीकार किया कि उसकी प्रेरणा "अशुद्ध" थी। उसे सरकार द्वारा दी जाने वाली ट्यूशन राशि की आवश्यकता थी, और वह पदोन्नति परीक्षा की तैयारी भी कर रही थी। फिर भी, व्यावहारिक कारणों के नीचे, तत्परता की एक साझा भावना थी। वे जानते थे कि आर्टिफिशियल इंटेलिजेंस उनके स्कूलों में आ रहा है, और वे जानते थे कि उनसे नेतृत्व करने की अपेक्षा की जाएगी। वे एक स्पष्ट मार्ग खोजने की आशा में स्नातक कार्यक्रम में शामिल हुए।

विश्वविद्यालय की कक्षाओं के भीतर, शिक्षकों ने तकनीक के बारे में बहुत कुछ सीखा। उन्होंने अध्ययन किया कि मशीनें कैसे सीखती हैं, डेटा का विश्लेषण कैसे किया जाता है, और पायथन (Python) नामक भाषा में कोड कैसे लिखा जाता है। प्रशिक्षकों ने, जो कंप्यूटर विज्ञान और डेटा के विशेषज्ञ थे, इन तकनीकी कौशलों को सिखाने में अच्छा काम किया। एक शिक्षिका ने कहा कि वह अंततः समझ सकती थी कि उसके छात्र जटिल प्रोजेक्ट बनाते समय क्या कर रहे थे। हालाँकि, एक अंतराल बनने लगा जो उन्होंने विश्वविद्यालय में सीखा और जो उन्हें अपने स्वयं के क्लासरूम में करने की आवश्यकता थी। शिक्षकों ने पाठ्यक्रम को "खंडित" (fragmented) बताया। उन्होंने एक कक्षा में डेटा विश्लेषण के बारे में सीखा और दूसरी में प्रोग्रामिंग के बारे में, लेकिन कार्यक्रम ने उन्हें कभी नहीं दिखाया कि इन टुकड़ों को इतिहास के पाठ या नैतिकता की चर्चा से कैसे जोड़ा जाए। वे आर्टिफिशियल इंटेलिजेंस के बारे में सीख रहे थे, लेकिन वे इसके साथ पढ़ाना नहीं सीख रहे थे।

शिक्षक खुद को एक कठिन स्थिति में फंसा हुआ पाते थे। वे तकनीक को समझते थे, लेकिन वे यह नहीं समझ पा रहे थे कि इसे अपने विशिष्ट विषयों में कैसे फिट किया जाए। एक शिक्षिका ने इस भावना का वर्णन "असहाय" होने के रूप में किया। वह अपने पाठों में आर्टिफिशियल इंटेलिजेंस को जोड़ने (graft) चाहती थी, लेकिन वह नहीं जानती थी कि अपने विषय के फोकस को खोए बिना इसे कैसे किया जाए। एक अन्य शिक्षिका ने एक कहानी को चित्रित करने में मदद करने के लिए एक ड्राइंग ऐप का उपयोग करने की कोशिश की, लेकिन उसे एहसास हुआ कि यह केवल एक उपकरण का उपयोग करना था, न कि वास्तव में तकनीक को पाठ के साथ मिलाना। कार्यक्रम ने उन्हें उपकरण तो दिए थे, लेकिन उन्हें यह नहीं बताया कि उन उपकरणों के साथ कुछ नया कैसे बनाया जाए। संबंध को सुलझाने की जिम्मेदारी पूरी तरह से व्यक्तिगत शिक्षक पर छोड़ दी गई थी, जिसे एक पूर्णकालिक नौकरी का प्रबंधन करते हुए अकेले इस पहेली को हल करना था।

शोधकर्ताओं ने पाया कि कठिनाई केवल कौशल की कमी नहीं थी, बल्कि विषयों की प्रकृति के बारे में थी। एक विज्ञान शिक्षक के लिए, डेटा हर जगह है, इसलिए आर्टिफिशियल इंटेलिजेंस के लिए जगह ढूंढना अपेक्षाकृत आसान है। लेकिन भाषा या साहित्य के शिक्षक के लिए, संबंध खोजना बहुत कठिन है। कार्यक्रम में एक प्रशिक्षक, जो सामाजिक अध्ययन पढ़ाता है, ने स्वीकार किया कि वह गणित या विज्ञान के शिक्षक की मदद कर सकता है, लेकिन जब एक भाषा शिक्षक ने मदद मांगी तो वह खुद को खोया हुआ महसूस करता था। वह उन्हें टेक्स्ट का विश्लेषण करना दिखा सकता था, लेकिन वह साहित्य के लिए सार्थक तरीके से आर्टिफिशियल इंटेलिजेंस के गहरे एल्गोरिदम का उपयोग करने की दिशा नहीं खोज सका। यह सुझाव देता है कि चुनौती यह नहीं है कि शिक्षक सीखने में विफल हो रहे हैं, बल्कि यह है कि आर्टिफिशियल इंटेलिजेंस और कुछ विषयों के बीच का लिंक स्पष्ट नहीं है, और कार्यक्रम ने उस पुल को बनाने के लिए पर्याप्त सहायता प्रदान नहीं की।

एक अन्य बड़ी बाधा स्वयं स्कूलों की संरचना थी। भले ही किसी शिक्षक ने आर्टिफिशियल इंटेलिजेंस को अपने विषय के साथ मिलाने वाली एक बेहतरीन पाठ योजना बनाई हो, स्कूल प्रणाली अक्सर इसे लागू करने में असंभव बना देती है। प्राथमिक विद्यालयों में, शिक्षकों को हर साल प्रिंसिपल द्वारा अलग-अलग ग्रेड और विषयों में स्थानांतरित कर दिया जाता है। एक शिक्षिका जिसने आर्टिफिशियल इंटेलिजेंस के बारे में दो साल तक सीखा, उसे अगले वर्ष दूसरे ग्रेड में नियुक्त किया जा सकता है, जिससे उसके पास जो सीखा है उसे लागू करने के लिए समय नहीं बचता। हाई स्कूलों में, क्रेडिट सिस्टम विभिन्न विषयों के शिक्षकों के लिए एक ही प्रोजेक्ट पर मिलकर काम करना कठिन बना देता है। नीति ने माना कि यदि आप कुछ विशेषज्ञों को प्रशिक्षित करते हैं, तो वे ज्ञान को बाकी सभी तक फैला देंगे। लेकिन दैनिक स्कूली जीवन की वास्तविकता का अर्थ था कि यह ज्ञान अक्सर व्यक्तिगत स्तर पर ही रह गया, व्यापक स्कूल समुदाय में जड़ें जमाने में असमर्थ रहा।

अध्ययन ने इस बात पर भी प्रकाश डाला कि लक्ष्य वास्तव में क्या था, इसे लेकर भ्रम और व्यावहारिक सहायता की कमी थी। कार्यक्रम का नाम "एआई कन्वर्जेंस एजुकेशन" था, जिसका अर्थ तकनीक और विषय वस्तु का गहरा मिश्रण है। हालाँकि, शिक्षकों ने पाया कि कार्यक्रम ने उन्हें मुख्य रूप से आर्टिफिशियल इंटेलिजेंस टूल्स का उपयोग करना या बुनियादी सिद्धांतों को समझना सिखाया। उन्हें शायद ही कभी यह दिखाया गया कि अपने विशिष्ट विषयों की समस्याओं को हल करने के लिए तकनीक का उपयोग कैसे किया जाए। एक शिक्षिका ने उल्लेख किया कि प्रशिक्षक लक्ष्य पर असहमत लग रहे थे: कुछ ने कहा कि आपको पहले तकनीक को समझना चाहिए, जबकि अन्य ने कहा कि ध्यान विषय पर होना चाहिए। स्पष्ट, एकीकृत दृष्टिकोण की इस कमी ने शिक्षकों को ऐसा महसूस कराया जैसे वे टूटे हुए हिस्सों के साथ एक पहेली को जोड़ने की कोशिश कर रहे हैं। इसके अलावा, प्रतिभागियों ने रिपोर्ट किया कि एआई नैतिकता (AI ethics) पर व्यावहारिक मार्गदर्शन अपर्याप्त था। विस्तृत सहायता के बजाय, नीतिगत सामग्री अक्सर शिक्षकों की ओर केवल "फेंक" दी जाती थी, जिसमें निर्देश होते थे कि सामग्री पढ़ाएं, उपयुक्त साइटें खोजें और प्रदान किए गए फंड का उपयोग करें, जिससे यह पहल बिना आवश्यक मार्गदर्शन के एक नए काम में बदल गई। वे तकनीक के बारे में सीख रहे थे, लेकिन वे यह नहीं सीख रहे थे कि इसे अपने छात्रों के लिए सार्थक कैसे बनाया जाए।

शोधकर्ताओं ने निष्कर्ष निकाला कि इस पूरी प्रक्रिया में जो गायब हिस्सा है, वह है जिसे वे "पेडागोगिकल ट्रांसलेशन" (pedagogical translation) कहते हैं। यह तकनीकी ज्ञान को लेकर उसे एक ऐसे पाठ में बदलने का कठिन कार्य है जो एक विशिष्ट विषय के अनुकूल हो। यह केवल यह जानने के बारे में नहीं है कि एक मशीन कैसे काम करती है; यह यह जानने के बारे

है कि उस मशीन का उपयोग किसी छात्र को कविता, ऐतिहासिक घटना या वैज्ञानिक अवधारणा को समझने में मदद करने के लिए कैसे किया जाए। वर्तमान कार्यक्रम पहले भाग को सिखाने में अच्छे हैं, लेकिन वे दूसरे भाग को सिखाने में अच्छे नहीं हैं। शिक्षक विफल नहीं हो रहे हैं; सिस्टम बस उनसे वह काम करने के लिए कह रहा है जो किसी ने उन्हें करना नहीं सिखाया है।

यह अध्ययन बताता है कि शिक्षकों को केवल अधिक तकनीकी प्रशिक्षण देना पर्याप्त नहीं है। आर्टिफिशियल इंटेलिजेंस शिक्षा को सफल बनाने के लिए, प्रशिक्षण को बदलने की आवश्यकता है। इसे तकनीक को अलग थलग देखने के बजाय, इस बात पर अधिक ध्यान केंद्रित करने की आवश्यकता है कि वह तकनीक इतिहास, भाषा या विज्ञान कक्षाओं के विशिष्ट लक्ष्यों की सेवा कैसे कर सकती है। इसे यह भी पहचानने की आवश्यकता है कि शिक्षक यह काम अकेले नहीं कर सकते। उन्हें अपने स्कूलों से और उन कार्यक्रमों से समर्थन की आवश्यकता है जो उन्हें प्रशिक्षित करते हैं, जिसमें इन दुनियाओं को मिलाने के स्पष्ट उदाहरण हों। जब तक आर्टिफिशियल इंटेलिजेंस के बारे में सीखने और इसके साथ पढ़ाना सीखने के बीच के अंतर को नहीं भरा जाता, तब तक इस नए शिक्षा का वादा कई क्लासरूम के लिए पहुंच से बाहर रहेगा। शिक्षक सीखने के लिए तैयार हैं, लेकिन उन्हें एक ऐसे मानचित्र की आवश्यकता है जो उन्हें विश्वविद्यालय के व्याख्यान कक्ष और अपने स्वयं के स्कूल डेस्क के बीच की दूरी तय करने का रास्ता दिखाए।