Generative AI and Cognitive Mediation in Higher Education: A Computational Literature Review
1,435 प्रकाशनों के एक कम्प्यूटेशनल साहित्य समीक्षा के माध्यम से, यह अध्ययन उच्च शिक्षा में जनरेटिव एआई के खंडित संज्ञानात्मक परिदृश्य को मैप करता है ताकि "संज्ञानात्मक मध्यस्थता" (कॉग्निटिव मीडिएशन) को एक एकीकृत ढांचे के रूप में प्रस्तावित किया जा सके, जिससे यह समझा जा सके कि शिक्षार्थी-एआई अंतःक्रियाओं में संज्ञानात्मक उत्तरदायित्व कैसे वितरित, विनियमित और संभावित रूप से संवेदनशील होता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक ऐसी कक्षा की कल्पना करें जहाँ एक छात्र प्रश्न पूछता है, और एक कृत्रिम बुद्धिमत्ता (AI) तुरंत एक सुसंस्कृत, तर्कसंगत उत्तर प्रदान करती है। यह अब विज्ञान कथा नहीं है; यह आज उच्च शिक्षा में जनरेटिव आर्टिफिशियल इंटेलिजेंस की वास्तविकता है। ये प्रणालियाँ निबंध लिख सकती हैं, जटिल समस्याओं को हल कर सकती हैं, और सूचनाओं के विशाल भंडार का संश्लेषण कर सकती हैं, प्रभावी रूप से उन कार्यों को कर सकती हैं जिनके लिए कभी गहन मानवीय चिंतन की आवश्यकता होती थी। यह बदलाव शिक्षकों और शिक्षार्थियों दोनों के लिए एक मौलिक प्रश्न खड़ा करता है: जब एक मशीन सोचने का भारी काम कर देती है, तो छात्र के अपने मस्तिष्क का क्या होता है? क्या यह तकनीक एक सहायक ट्यूटर के रूप में कार्य करती है जो मानवीय बुद्धिमत्ता को बढ़ाती है, या यह एक बैसाखी बन जाती है जो मस्तिष्क को पंगु बना देती है? इसका उत्तर देने के लिए, शोधकर्ताओं को केवल उपयोग के आंकड़ों से परे देखना होगा और यह जांचना होगा कि मानव और मशीन मिलकर संज्ञानात्मक कार्यभार (cognitive workload) साझा करते समय सीखने की प्रकृति कैसे बदल रही है।
शोधकर्ताओं की एक टीम ने अकादमिक पत्रिकाओं में चल रही वैश्विक चर्चा का विश्लेषण करके इस तेजी से विकसित होते परिदृश्य का मानचित्र बनाने का प्रयास किया। उन्होंने 2023 और 2026 के बीच प्रकाशित 1,435 विद्वानों के लेख एकत्र किए जो विशेष रूप से आर्टिफिशियल इंटेलिजेंस, उच्च शिक्षा और सोचने की प्रक्रियाओं के बारे में चर्चा करते थे। उनका लक्ष्य छात्रों का सीधे परीक्षण करना नहीं था, बल्कि यह समझना था कि विशेषज्ञ इस समस्या को कैसे रूपरेखा दे रहे हैं। उन्होंने विशिष्ट अवधारणाओं की तलाश की जो यह बताती हैं कि हम कैसे सोचते हैं: जानकारी का आलोचनात्मक मूल्यांकन करने की क्षमता, अपनी स्वयं की सीखने की प्रक्रिया की निगरानी करने का कौशल, किसी कार्य को करने के लिए आवश्यक मानसिक प्रयास, और मशीन पर बहुत अधिक निर्भर रहने के जोखिम। टेक्स्ट के हजारों पृष्ठों को स्कैन करने के लिए कंप्यूटर उपकरणों का उपयोग करके, वे देख सके कि कौन से विचार सबसे अधिक बार दिखाई दे रहे हैं, ये विचार एक-दूसरे से कैसे जुड़े हुए हैं, और समय के साथ शोध का केंद्र कैसे बदल रहा है।
विश्लेषण से पता चला कि इस चर्चा का आयतन विस्फोट के साथ बढ़ा है, जो 2023 में कुछ ही शोध पत्रों से बढ़कर 2025 तक सैकड़ों तक पहुँच गया। लेखन के इस विशाल संग्रह के भीतर, एक अवधारणा सबसे प्रमुख बनकर उभरी: आलोचनात्मक सोच (critical thinking)। यह जानकारी का मूल्यांकन करने, त्रुटियों को पहचानने और स्वतंत्र निर्णय लेने की क्षमता है, न कि केवल प्रस्तुत की गई बातों को स्वीकार करना। यह अध्ययन किए गए लगभग आधे लेखों में दिखाई दी। दूसरा सबसे सामान्य विषय मेटाकॉग्निशन (metacognition) था, जो अनिवार्य रूप से अपनी स्वयं की सोच के बारे में सोचना है—यह जानना कि आप कब कुछ समझ रहे हैं और कब आपको मदद की आवश्यकता है। हालांकि ये दोनों विचार अन्य किसी भी जोड़े की तुलना में अधिक बार एक साथ उल्लेखित किए गए थे, शोधकर्ताओं ने पाया कि उनके बीच संबंध के संदर्भ में एक आश्चर्यजनक मोड़ है। जब डेटा को प्रत्येक विषय की व्यापकता के आधार पर समायोजित किया गया, तो आलोचनात्मक सोच और मेटाकॉग्निशन के बीच का संबंध वास्तव में कमजोर हो गया, जो यह सुझाव देता है कि विद्वान उन्हें थोड़े अलग संदर्भों में चर्चा कर रहे हैं।
इसके विपरीत, अवधारणाओं के एक अलग जोड़े ने बहुत गहरा बंधन दिखाया। "ऑटोमेशन बायस" (automation bias)—मशीन के आउटपुट पर बहुत आसानी से भरोसा करने की प्रवृत्ति—का डर और "संज्ञानात्मक निर्भरता" (cognitive dependency)—किसी प्रणाली पर कार्य करने के लिए निर्भर हो जाने की स्थिति—एक साथ इतनी मजबूती से दिखाई दिए कि उनकी व्यक्तिगत आवृत्तियों ने इसकी भविष्यवाणी नहीं की थी। यह सुझाव देता है कि जैसे-जैसे शोधकर्ता अत्यधिक निर्भरता के खतरों के बारे में बात करते हैं, वे मशीन पर विश्वास करने की तात्कालिक त्रुटि को स्वयं के लिए सोचने की क्षमता खोने के दीर्घकालिक जोखिम के साथ तेजी से जोड़ रहे हैं। अन्य चिंताएं, जैसे इन उपकरणों का उपयोग करने के लिए आवश्यक मानसिक प्रयास, समय के साथ कौशल के कम होने की संभावना, और "संज्ञानात्मक ऋण" (cognitive debt) का संचय जहाँ सीखने को स्थगित कर दिया जाता है, मौजूद थीं लेकिन चर्चा के हाशिए पर रहीं। ये दीर्घकालिक चिंताएं उपकरणों का प्रभावी ढंग से उपयोग करने के तात्कालिक प्रश्नों की तुलना में बहुत कम चर्चा का विषय हैं।
शोधकर्ताओं ने यह देखने के लिए साहित्य को आठ विशिष्ट विषयों में वर्गीकृत किया कि ध्यान कहाँ केंद्रित था। सबसे आम विषय केवल इन उपकरणों का विश्वविद्यालय प्रणालियों में एकीकरण था। हालाँकि, वर्षों के दौरान एक महत्वपूर्ण रुझान सामने आया: शोध केवल यह पूछने से हटकर कि तकनीक का उपयोग कैसे किया जाए, सीखने की संरचना को यह बदलने वाले गहरे प्रश्नों की ओर बढ़ रहा है। एआई (AI) के साथ संज्ञानात्मक कार्य कैसे संचालित होता है, इसके सैद्धांतिक मॉडलों के प्रति समर्पित शोध पत्रों का अनुपात लगातार बढ़ा है। यह एक परिपक्व होता क्षेत्र इंगित करता है जो आर्टिफिशियल इंटेलिजेंस को केवल एक नए उपकरण के रूप में नहीं, बल्कि मानसिक कार्य के वितरण में एक भागीदार के रूप में देखने लगा है। केंद्रीय मुद्दा अब यह नहीं है कि तकनीक अच्छी है या बुरी, बल्कि यह है कि सोचने की जिम्मेदारी कैसे साझा की जाती है।
अंततः, अध्ययन यह सुझाव देता है कि उच्च शिक्षा के लिए चुनौती इन प्रणालियों पर प्रतिबंध लगाना या उन्हें आँख मूंदकर स्वीकार करना नहीं है, बल्कि ऐसे शिक्षण वातावरण डिजाइन करना है जहाँ संज्ञानात्मक कार्य का वितरण जानबूझकर किया गया हो। निष्कर्ष संकेत देते हैं कि भविष्य में सबसे महत्वपूर्ण कौशल यह होगा कि मशीन द्वारा दिए गए उत्तरों के साथ क्या किया जाए। इसके लिए छात्रों को आउटपुट के निर्णायक बने रहने, तर्क की पुष्टि करने और यह सुनिश्चित करने की आवश्यकता है कि मशीन उनके सीखने में सहायता करे, न कि उस संघर्ष को प्रतिस्थापित करे जो समझ की ओर ले जाता है। शोध यह दावा नहीं करता कि उसने इस समस्या को हल कर लिया है, बल्कि यह परिदृश्य का एक स्पष्ट मानचित्र प्रदान करता है, जो यह दिखाता है कि चर्चा सरल अपनाने से बदलकर इस जटिल वार्ता में बदल गई है कि कौन सोचता है, और परिणाम के लिए कौन जिम्मेदार रहता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।