GenEdXR: A Generative AI-Driven Extended Reality Framework for Adaptive Educational Entertainment Ecosystems

एक ऐसी कक्षा की कल्पना कीजिए जहाँ पाठ योजना कभी एक जैसी नहीं रहती। इसके बजाय कि एक शिक्षक एक निश्चित पटकथा को उन छात्रों के सामने पढ़ता रहे जो अलग-अलग गति से सीख रहे हैं, पाठ स्वयं वास्तविक समय में आकार बदल लेता है। यह छात्र के संघर्ष करते ही समस्या की कठिनाई को बदल देता है, भ्रम की स्थिति उत्पन्न होने पर एक नया स्पष्टीकरण प्रस्तुत करता है, और शिक्षार्थी को अभिभूत किए बिना उसे व्यस्त रखने के लिए वातावरण को बदल देता है। यह 'एडेप्टिव लर्निंग' (अनुकूलनशील शिक्षण) का वादा है, एक ऐसा क्षेत्र जिसने लंबे समय से निर्देश को व्यक्तिगत मस्तिष्क के अनुरूप ढालने की कोशिश की है। वर्षों से, शोधकर्ताओं ने ऐसे सिस्टम बनाने का प्रयास किया है जो छात्र की प्रगति को "पढ़" सकें और उसके अनुसार समायोजन कर सकें, लेकिन ये सिस्टम अक्सर फ्लैट स्क्रीनों और पूर्व-लिखित सामग्री तक ही सीमित रहे। वे पृष्ठ पर लिखे शब्दों को तो बदल सकते थे, लेकिन वे छात्र के आसपास की दुनिया को नहीं बदल सकते थे।

इसी समय, एक अन्य तकनीक परिपक्व हुई है: एक्सटेंडेड रियलिटी (XR)। यह वर्चुअल और मिक्स्ड रियलिटी के लिए एक व्यापक शब्द है, जहाँ शिक्षार्थी तीन-आयामी वातावरण के भीतर कदम रख सकते हैं, अपने हाथों से वस्तुओं को नियंत्रित कर सकते हैं, और एक पाठ में शारीरिक रूप से उपस्थित महसूस कर सकते हैं। हालाँकि XR ने यह दिखाया है कि यह सीखने के अनुभव को अधिक इमर्सिव (तल्लीन करने वाला) बना सकता है, फिर भी अधिकांश वर्तमान सिस्टम अभी भी स्थिर, पूर्व-रिकॉर्ड किए गए दृश्यों पर निर्भर करते हैं। वातावरण वास्तविक दिखता है, लेकिन इसे यह नहीं पता होता कि छात्र वहाँ मौजूद है। यह नहीं बता सकता कि छात्र ऊब रहा है, चिंतित है, या किसी कठिन चुनौती के लिए तैयार है। इन दो दुनियाओं—स्मार्ट, एडेप्टिव सॉफ्टवेयर और इमर्सिव, भौतिक वातावरण—के बीच का अंतर एक जिद्दी बाधा रहा है। टिंगटिंग ज़ी, ना गुओ और चाओकन झेंग द्वारा किया गया एक नया अध्ययन इस अंतर को पाटने का प्रयास करता है, जो एक ऐसा सिस्टम बनाने के लिए है जो इन दोनों को एक एकल, जीवंत पारिस्थितिकी तंत्र में एकीकृत करता है।

शोधकर्ताओं ने एक ढांचा पेश किया जिसे वे 'GenEdXR' कहते हैं, जिसे एक ऐसा शैक्षिक अनुभव बनाने के लिए डिज़ाइन किया गया है जो गहरा इमर्सिव और निरंतर विकसित होने वाला हो। यह सिस्टम चार विशिष्ट क्षमताओं को एक क्लोज्ड लूप में जोड़कर काम करता है। सबसे पहले, यह एक परिष्कृत ट्रैकिंग इंजन का उपयोग करता है जो किसी भी क्षण छात्र के ज्ञान का अनुमान लगाता है, उनके पिछले उत्तरों और समस्याओं को हल करने में लगने वाले समय का विश्लेषण करता है। दूसरा, यह एक 'लार्ज लैंग्वेज मॉडल' (एक प्रकार का आर्टिफिशियल इंटेलिजेंस जो टेक्स्ट जनरेट करने में सक्षम है) का उपयोग करता है, ताकि छात्र के ज्ञान की कमियों के आधार पर नए प्रश्न, कहानियाँ और स्पष्टीकरण तुरंत तैयार किए जा सकें। तीसरा, एक निर्णय लेने वाला इंजन (decision-making engine), जिसे उस पद्धति के माध्यम से प्रशिक्षित किया गया है जैसे कोई जानवर पुरस्कारों से सीखता है, यह तय करता है कि आगे क्या सामग्री दिखाई जानी चाहिए और कठिनाई को कैसे समायोजित किया जाना चाहिए। अंत में, इस पूरी प्रक्रिया को एक मल्टी-सेंसरी XR रेंडरिंग लेयर में लपेटा जाता है जो वर्चुअल या मिक्स्ड-रियलिटी स्पेस में पाठ प्रस्तुत करती है।

यह जटिल मशीन वास्तव में कैसे काम करती है, इसकी जांच करने के लिए टीम ने वास्तविक कक्षा में जाने के बजाय, तीन अलग-अलग सार्वजनिक शैक्षिक डेटासेट्स के डेटा का उपयोग करके एक विशाल सिमुलेशन चलाया, जिसमें मिडिल स्कूल मैथ से लेकर यूनिवर्सिटी स्तर के कोर्स तक सब कुछ शामिल था। उन्होंने 33,510 विभिन्न शिक्षार्थियों के डिजिटल पदचिह्नों को अपने सिस्टम के माध्यम से पुन: प्रस्तुत किया। इस सिमुलेशन में, शोधकर्ताओं ने चार अलग-अलग संस्करण बनाए ताकि यह देखा जा सके कि सबसे महत्वपूर्ण क्या है। एक संस्करण में पूर्ण, एडेप्टिव AI सिस्टम को एक इमर्सिव XR वातावरण के भीतर उपयोग किया गया। दूसरे में उसी स्मार्ट AI का उपयोग किया गया, लेकिन इसे एक मानक टू-डायमेंशनल कंप्यूटर स्क्रीन पर प्रस्तुत किया गया। तीसरे संस्करण में इमर्सिव XR वातावरण को बरकरार रखा गया लेकिन AI को हटा दिया गया, जिससे छात्र को स्थिर, पूर्व-लिखित सामग्री दी गई। अंतिम संस्करण एक बुनियादी, गैर-एडेप्टिव डिजिटल प्लेटफॉर्म था जिसमें न तो AI था और न ही इमर्शन।

इस सिमुलेशन के परिणाम चौंकाने वाले थे। पूर्ण सिस्टम, जिसने जेनेरेटिव AI को इमर्सिव XR वातावरण के साथ जोड़ा था, अन्य सभी संस्करणों से बेहतर प्रदर्शन कर रहा था। इसने उच्चतम 'लर्निंग गेन्स' (सीखने की वृद्धि) उत्पन्न की, जिसका अर्थ है कि सिम्युलेटेड छात्रों ने अधिक सामग्री में महारत हासिल की। इसने छात्रों को अधिक व्यस्त भी रखा और उन्हें "फ्लो स्टेट" (प्रवाह की स्थिति) में रहने में मदद की, जो एक मनोवैज्ञानिक क्षेत्र है जहाँ कार्य की चुनौती उनके कौशल स्तर के साथ पूरी तरह मेल खाती है, जिससे बोरियत और हताशा दोनों से बचाव होता है। महत्वपूर्ण रूप से, सिस्टम ने यह सुनिश्चित करते हुए किया कि छात्रों द्वारा आवश्यक मानसिक प्रयास अन्य संस्करणों की तुलना में कम रहे। शोधकर्ताओं ने पाया कि केवल इमर्सिव वातावरण ही इन परिणामों को लाने के लिए पर्याप्त नहीं था, और न ही केवल एडेप्टिव AI। जब उन्होंने फ्लैट स्क्रीन पर AI का परीक्षण किया या स्थिर सामग्री के साथ इमर्सिव वातावरण का परीक्षण किया, तो सीखने की वृद्धि काफी कम थी और सांख्यिकीय रूप से समान थी। यह केवल तभी हुआ जब दोनों को मिलाया गया, तब सिस्टम ने अपनी पूरी क्षमता प्राप्त की, जिससे यह संकेत मिलता कि लाभ भौतिक-महसूस होने वाली दुनिया के भीतर स्मार्ट, परिवर्तनशील सामग्री के तालमेल से आता है।

अध्ययन ने यह भी खुलासा किया कि इस तकनीक से सबसे अधिक किसे लाभ होता है। एडेप्टिव सिस्टम ने उन छात्रों को सबसे बड़ा बढ़ावा दिया जिन्होंने सबसे कम ज्ञान के साथ शुरुआत की थी। इन शिक्षार्थियों के लिए, सिस्टम की कठिनाई को लगातार समायोजित करने और तत्काल, अनुकूलित सहायता प्रदान करने की क्षमता ने एक नाटकीय अंतर पैदा किया। उन छात्रों के लिए, जो पहले से ही सामग्री को अच्छी तरह से जानते थे, लाभ बहुत कम था, जो इस विचार के अनुरूप है कि एडेप्टिव सिस्टम तब सबसे मूल्यवान होते हैं जब उनकी आवश्यकता विशिष्ट कमियों को भरने के लिए होती है। सिस्टम वास्तविक समय में चलने के लिए भी पर्याप्त तेज़ था; शोधकर्ताओं ने पुष्टि की कि छात्र की क्रिया का विश्लेषण करने से लेकर नई सामग्री उत्पन्न करने और उसे वर्चुअल दुनिया में रेंडर करने तक की पूरी प्रक्रिया में एक चौथाई सेकंड से भी कम समय लगा। यह गति महत्वपूर्ण है, क्योंकि कोई भी देरी इमर्सिव वातावरण में उपस्थिति के भ्रम को तोड़ सकती है।

हालाँकि, शोधकर्ता सावधानी बरतते हुए उल्लेख करते हैं कि ये निष्कर्ष एक सिमुलेशन से आए हैं। सिस्टम का परीक्षण मौजूदा डेटा को पुन: प्रस्तुत करके किया गया था, न कि वास्तविक छात्रों को हेडसेट पहने हुए लाइव क्लासरूम में देखकर। हालाँकि डेटा सुझाव देता है कि सिस्टम काम करता है, लेकिन वास्तविक दुनिया के परीक्षणों के बिना वास्तविक दुनिया में वर्चुअल दुनिया के भीतर होने के संवेदी और भावनात्मक प्रभाव को पूरी तरह से नहीं मापा जा सकता है। इसके अलावा, सिस्टम सामग्री उत्पन्न करने के लिए एक AI पर निर्भर है, और हालांकि शोधकर्ताओं ने पाया कि उत्पन्न सामग्री प्रासंगिक और आकर्षक थी, लेकिन यह पूर्ण नहीं थी, जिसमें तथ्यात्मक सटीकता में त्रुटि की एक छोटी सी संभावना थी। इसका अर्थ है कि वास्तविक दुनिया के परिवेश में, यह सुनिश्चित करने के लिए कि सामग्री विश्वसनीय बनी रहे, मानवीय निगरानी की आवश्यकता होगी।

इन सीमाओं के बावजूद, यह कार्य शैक्षिक प्रौद्योगिकी के भविष्य के लिए एक ठोस ब्लूप्रिंट प्रदान करता है। यह प्रदर्शित करता है कि एक ऐसा सिस्टम बनाना संभव है जो न केवल सामग्री वितरित करता है, बल्कि सक्रिय रूप से एक ऐसा सीखने का वातावरण बनाता है जो शिक्षार्थी के मन और शरीर के प्रति प्रतिक्रिया देता है। यह सिद्ध करके कि जेनेरेटिव AI और इमर्सिव रियलिटी का संयोजन उनके हिस्सों के योग से कहीं अधिक प्रभावी है, यह अध्ययन शिक्षा के उपकरणों की एक नई पीढ़ी की ओर संकेत करता है। ये उपकरण एक दिन छात्र को एक वर्चुअल प्रयोगशाला में कदम रखने की अनुमति दे सकते हैं जहाँ प्रयोग उनकी समझ के आधार पर बदलते हैं, या एक इतिहास के पाठ में जहाँ कथा उनकी जिज्ञासा के अनुरूप बदलती है, जबकि सिस्टम चुपचाप यह सुनिश्चित करता है कि वे कभी खो न जाएं, कभी ऊबें नहीं, और हमेशा सीखने के लिए तैयार रहें।