Do Academic Credentials Still Predict Professional Competence After Generative AI?

कल्पना कीजिए एक ऐसी दुनिया की जहाँ विश्वविद्यालय की डिग्री इस बात का प्रमाण कम है कि छात्र ने क्या सीखा है, बल्कि इस बात का संकेत अधिक है कि वह एक कठिन प्रक्रिया को सहने में सक्षम है। दशकों से, अर्थशास्त्रियों और शिक्षकों ने शैक्षणिक योग्यताओं को इसी दृष्टिकोण से देखा है: यह विचार कि डिग्री प्राप्त करना यह सिद्ध करता है कि छात्र के पास एक चुनौतीपूर्ण कार्य को पूरा करने का अनुशासन और बुद्धिमत्ता है, भले ही उनके द्वारा प्रस्तुत किया गया विशिष्ट कार्य पूरी तरह से उनका अपना न रहा हो। यह प्रणाली एक सरल धारणा पर टिकी है: कि छात्र जो कार्य जमा करता है वह उसके अपने मस्तिष्क का वास्तविक प्रतिबिंब है। लेकिन 2022 के अंत में, एक नई तकनीक आई जिसने इस धारणा को तोड़ने की धमकी दी। जनरेटिव आर्टिफिशियल इंटेलिजेंस (Generative AI), जो निबंध लिखने, समस्याओं को हल करने और जटिल तर्क तैयार करने में सक्षम है, ने अचानक छात्रों के लिए बहुत कम प्रयास के साथ उच्च गुणवत्ता वाला कार्य करना संभव बना दिया। तत्काल भय यह था कि यह तकनीक डिग्री के मूल्य को खोखला कर देगी। यदि कोई भी काम पैदा कर सकता है, तो यह संकेत अर्थहीन हो जाएगा, और एक डिप्लोमा तथा वास्तविक व्यावसायिक कौशल के बीच का संबंध टूट जाएगा।

यह प्रश्न केवल शैक्षणिक बेईमानी के बारे में नहीं है; यह इस बारे में है कि क्या पेशेवर प्रमाणन की पूरी प्रणाली अभी भी काम करती है। जब लॉ स्कूल का स्नातक बार परीक्षा (bar exam) देता है, या नर्सिंग का स्नातक लाइसेंसिंग टेस्ट देता है, तो वे एक उच्च-दांव वाली, पर्यवेक्षित परीक्षा दे रहे होते हैं जिसे कंप्यूटर को आउटसोर्स नहीं किया जा सकता। ये परीक्षाएँ अंतिम चेकपॉइंट हैं, वह क्षण जहाँ डिग्री के वादे को वास्तविकता के विरुद्ध परखा जाता है। यदि उन परीक्षाओं तक पहुँचने वाली पाठ्यक्रम की प्रक्रिया को आर्टिफिशियल इंटेलिजेंस द्वारा समझौता किया गया था, तो डिग्री अब यह भविष्यवाणी करने में सक्षम नहीं होगी कि कौन वास्तव में काम कर सकता है। चिंता यह है कि इस तकनीक ने सिग्नल (संकेत) उत्पन्न करने की लागत को इतना कम कर दिया है कि यह अब सक्षम को अक्षम से अलग नहीं कर पाता, जिससे नियोक्ताओं और जनता के पास एक ऐसा प्रमाण पत्र रह जाता है जिसका अब वह अर्थ नहीं रह गया जो पहले हुआ करता था।

शोधकर्ताओं की एक टीम ने इस डर का परीक्षण करने के लिए कठोर डेटा के साथ काम किया, यह देखने के लिए कि क्या जनरेटिव आर्टिफिशियल इंटेलिजेंस के आगमन ने वास्तव में शैक्षणिक योग्यताओं और व्यावसायिक सक्षमता के बीच के संबंध को तोड़ दिया है। उन्होंने दो विशिष्ट व्यवसायों पर ध्यान केंद्रित किया: कानून और नर्सिंग। इन क्षेत्रों को इसलिए चुना गया क्योंकि ये इस बात के विपरीत छोर पर स्थित हैं कि उनका दैनिक कार्य भाषा और पाठ (text) पर कितना निर्भर करता है। कानून एक ऐसा क्षेत्र है जो भाषा-आधारित कार्यों के प्रति अत्यधिक संवेदनशील है, जो इसे टेक्स्ट-जनरेटिंग टूल्स द्वारा व्यवधान के लिए सबसे संभावित उम्मीदवार बनाता है। नर्सिंग, हालांकि इसमें आलोचनात्मक सोच की आवश्यकता होती है, इसमें शारीरिक और पारस्परिक कार्य का एक महत्वपूर्ण हिस्सा शामिल है जिसे कंप्यूटर के लिए सिम्युलेट करना बहुत कठिन है। इन दोनों क्षेत्रों की तुलना करके, शोधकर्ता देख सके कि क्या योग्यताओं का क्षरण उस क्षेत्र में अधिक हुआ जहाँ तकनीक का प्रभाव सबसे अधिक था।

शोधकर्ताओं ने संयुक्त राज्य अमेरिका में हजारों लॉ स्कूलों और नर्सिंग कार्यक्रमों को ट्रैक करने वाला एक विशाल डेटासेट बनाया। उन्होंने इन कार्यक्रमों में प्रवेश करते समय छात्रों के शैक्षणिक रिकॉर्ड को देखा—विशेष रूप से उनके मानकीकृत परीक्षण स्कोर और कॉलेज ग्रेड—और फिर तीन साल बाद उन्हीं समूहों के पेशेवर लाइसेंसिंग परीक्षाओं में प्रदर्शन को ट्रैक किया। इसने एक स्पष्ट समयरेखा बनाई: शोधकर्ता देख सकते थे कि क्या मजबूत शैक्षणिक रिकॉर्ड के साथ प्रवेश करने वाले छात्र शिक्षा के बाद मजबूत पेशेवर बने, और क्या आर्टिफिशियल इंटेलिज mieux उपलब्ध होने के बाद यह संबंध बदला। उन्होंने 2014 से 2025 तक का डेटा जाँचा, जिसमें तकनीक के आने से पहले के नौ वर्ष और उसके बाद के तीन वर्ष शामिल थे।

परिणाम आश्चर्यजनक रूप से स्पष्ट और प्रचलित चिंता के विपरीत थे। शोधकर्ताओं ने पाया कि प्रवेश करने वाली शैक्षणिक क्षमता और पेशेवर लाइसेंसिंग सफलता के बीच का संबंध जनरेटिव आर्टिफिशियल इंटेलिजेंस के आगमन के बाद कमजोर नहीं हुआ। वास्तव में, तकनीक के रिलीज होने के बाद के वर्षों में यह संबंध उतना ही मजबूत बना रहा, और कुछ सांख्यिकीय मापों में, थोड़ा और भी मजबूत हो गया। डेटा ने दिखाया कि जो छात्र उच्च परीक्षण स्कोर के साथ लॉ स्कूल में प्रवेश करते थे, वे बार परीक्षा में उच्च दर से उत्तीर्ण होते रहे, चाहे उनके पास अपने अध्ययन के दौरान आर्टिफिशियल इंटेलिजेंस तक पहुँच हो या न हो। यही पैटर्न नर्सिंग कार्यक्रमों में भी देखा गया। शोधकर्ताओं ने गणना की कि यदि आर्टिफिशियल इंटेलिजेंस ने इन डिग्रियों की भविष्य कहने वाली शक्ति (predictive power) में महत्वपूर्ण गिरावट पैदा की होती, तो यह डेटा में आसानी से दिखाई देती। इसके बजाय, साक्ष्य ने लगभग बीस प्रतिशत से अधिक की किसी भी गिरावट को खारिज कर दिया, और सबसे संभावित परिदृश्य यह है कि गिरावट बहुत कम या नगण्य थी।

सबसे उल्लेखनीय निष्कर्षों में से एक यह था कि डेटा में बड़ा बदलाव तब नहीं आया जब आर्टिफिशियल इंटेलिजेंस आया। शोधकर्ताओं ने 2022 के आसपास डेटा में एक बदलाव देखा, लेकिन यह बदलाव उन छात्रों के समूह में हुआ जिन्होंने तकनीक के सार्वजनिक रूप से जारी होने से पहले ही अपना अधिकांश पाठ्यक्रम पूरा कर लिया था। यह सुझाव देता है कि व्यवधान महामारी और रिमोट लर्निंग की ओर अराजक बदलाव के कारण हुआ था, न कि आर्टिफिशियल इंटेलिजेंस के कारण। जिन छात्रों ने वास्तव में अपनी पढ़ाई के दौरान इस तकनीक का उपयोग किया, उनमें अपनी अंतिम, पर्यवेक्षित परीक्षाओं को पास करने की क्षमता में कोई गिरावट नहीं देखी गई। डेटा इंगित करता है कि हालांकि तकनीक ने छात्रों द्वारा अपना दैनिक होमवर्क पूरा करने के तरीके को बदल दिया होगा, लेकिन इसने वास्तविक दुनिया में सफल होने के लिए आवश्यक अंतर्निहित क्षमता को नष्ट नहीं किया।

अध्ययन ने यह भी देखा कि क्या तकनीक ने कमजोर छात्रों को बराबरी करने में मदद की, जिससे प्रभावी रूप से सभी को एक समान स्तर पर ("pooling") ला दिया गया, जिससे उच्च और निम्न प्रदर्शन करने वालों के बीच का अंतर समाप्त हो गया। यह एक विशिष्ट डर था: कि आर्टिफिशियल इंटेलिजेंस कमजोर छात्रों को ऐसा काम करने की अनुमति देगा जो शीर्ष छात्रों के काम जैसा ही दिखेगा, जिससे प्रदर्शन का वक्र (curve) सपाट हो जाएगा। शोधकर्ताओं को ऐसा कोई प्रमाण नहीं मिला। स्कोर का वितरण उस तरह से संकुचित नहीं हुआ जैसा कि सिद्धांत ने भविष्यवाणी की थी। शीर्ष प्रदर्शन करने वाले निचले प्रदर्शन करने वालों से अलग बने रहे, और उनके बीच का अंतर समाप्त नहीं हुआ। तकनीक एक महान समानता लाने वाले उपकरण के रूप में कार्य नहीं कर सकी जिसने छात्र की क्षमता के अंतर को मिटा दिया हो; उनकी अंततः व्यावसायिक सक्षमता के आधार पर छात्रों की रैंकिंग बरकरार रही।

आर्टिफिशियल इंटेलिजेंस के युग में डिग्री के मूल्य का क्या अर्थ है? निष्कर्ष बताते हैं कि पेशेवर प्रमाणन की प्रणाली उतनी मजबूत है जितनी कि कई लोगों को डर था। अंतिम, पर्यवेक्षित परीक्षाएँ जो यह निर्धारित करती हैं कि कौन कानून या चिकित्सा का अभ्यास कर सकता है, एक विश्वसनीय फिल्टर के रूप में कार्य करती हैं, जो किसी भी संभावित क्षमता की कमी को पकड़ लेती हैं जो शुरुआती, अनियंत्रित पाठ्यक्रम के दौरान हुई हो सकती है। डिग्री अभी भी यह संकेत देती है कि व्यक्ति के पास उस परीक्षा को पास करने की क्षमता है जो सबसे महत्वपूर्ण है। हालाँकि, इसका मतलब यह नहीं है कि प्रणाली पूर्ण है या दैनिक होमवर्क की अखंडता सुरक्षित है। शोधकर्ता बताते हैं कि जोखिम अब ऊपर की ओर (upstream) स्थानांतरित हो गया है। खतरा अब यह नहीं है कि अंतिम परीक्षा से समझौता किया जाएगा, बल्कि यह है कि सीखने की प्रक्रिया—दैनिक असाइनमेंट और कौशल का विकास—उन तरीकों से बदली जा सकती है जिन्हें अंतिम परीक्षा नहीं देख पाती। डिग्री अभी भी परीक्षा में सफलता की भविष्यवाणी करती है, लेकिन यह अब गारंटी नहीं दे सकती कि छात्र ने रास्ते में जो कुछ भी सीखने के लिए कहा गया था, वह सब वास्तव में सीखा है।

अध्ययन निष्कर्ष निकालता है कि जनरेटिव आर्टिफिशियल इंटेलिजेंस के आगमन ने शैक्षणिक योग्यताओं के संकेत को अभी तक नष्ट नहीं किया है। छात्र के पास शुरू में जो ज्ञान होता है और उसके समाप्त होने पर वह क्या कर सकता है, इसके बीच का संबंध मजबूत बना हुआ है। तकनीक ने डिग्री को अर्थहीन नहीं बनाया है, न ही इसने सक्षम और अक्षम के बीच की रेखा को धुंधला किया है। इसके बजाय, प्रणाली ने इस झटके को झेल लिया है, और अंतिम, उच्च-दांव वाली परीक्षाएँ पेशेवर तत्परता के विश्वसनीय माप के रूप में कार्य करना जारी रखती हैं। शिक्षकों और संस्थानों के लिए वास्तविक चुनौती अंतिम परीक्षा की रक्षा करना नहीं है, जो लचीली साबित हुई है, बल्कि यह सुनिश्चित करना है कि उस परीक्षा से पहले के वर्षों में होने वाली सीख वास्तविक और प्रभावी बनी रहे। डिग्री अभी भी काम करती है, लेकिन वह यात्रा जिसे यह प्रमाणित करती है, शायद उन तरीकों से बदल गई है जिन्हें हम अभी समझना शुरू कर रहे हैं।