Tailored to Thrive: How Customized Generative Artificial Intelligence Appropriation Shapes Academic Achievement in Higher Education
सामाजिक संज्ञानात्मक सिद्धांत और 420 चीनी विश्वविद्यालय छात्रों के डेटा का उपयोग करते हुए, यह अध्ययन प्रकट करता है कि अनुकूलित जनरेटिव एआई विनियोजन (customized generative AI appropriation) शैक्षणिक आत्म-प्रभावकारिता को बढ़ाकर शैक्षणिक उपलब्धि को बढ़ाता है, एक ऐसा प्रभाव जो छात्रों के शैक्षणिक लचीलेपन द्वारा और अधिक सुदृढ़ 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
आधुनिक शिक्षा के परिदृश्य में, एक नया उपकरण एक ज्वार-भाटे की तरह आया है: जनरेटिव आर्टिफिशियल इंटेलिजेंस (AI)। ये प्रणालियाँ सेकंडों में निबंध लिख सकती हैं, समीकरण हल कर सकती हैं और जटिल विचारों की व्याख्या कर सकती हैं, जिससे कई लोग यह सोचने लगे हैं कि क्या ये सफलता का अंतिम शॉर्टकट बन जाएँगी या एक ऐसी बैसाखी जो मस्तिष्क को कमजोर कर देगी। शिक्षकों और छात्रों के लिए केंद्रीय प्रश्न केवल यह नहीं है कि इन उपकरणों का उपयोग किया जाता है या नहीं, बल्कि यह है कि उनका उपयोग कैसे किया जाता है। यदि कोई छात्र किसी मशीन से सीधा उत्तर मांगता है, तो परिणाम अक्सर बहुत कम सीखने के साथ एक तैयार उत्पाद होता है। लेकिन यदि कोई छात्र मशीन को एक साथी के रूप में मानता है, अपने प्रश्नों को आकार देता है और अपनी आवश्यकताओं के अनुरूप उत्तरों को परिष्कृत करता है, तो अनुभव पूरी तरह से बदल जाता है। निष्क्रिय उपभोग से सक्रिय आकार देने की ओर यह बदलाव हाल ही के एक शोध का केंद्र है, जो इस बात पर आधारित है कि विश्वविद्यालय के छात्र आर्टिफिशियल इंटेलिजेंस के साथ कैसे बातचीत करते हैं और उनके ग्रेड और आत्मविश्वास के लिए इसका क्या अर्थ है।
तीन चीनी विश्वविद्यालयों के शोधकर्ताओं ने एक अवधारणा को देखते हुए इस गतिशीलता को समझने का प्रयास किया जिसे वे "कस्टमाइज्ड एप्रोप्रिएशन" (अनुकूलित विनियोजन) कहते हैं। सरल शब्दों में, यह इस बात का वर्णन करता है कि एक छात्र किस हद तक एक सामान्य तकनीक को लेकर उसे अपने विशिष्ट उद्देश्यों के लिए मोड़ता है। यह एक सर्च इंजन से परिभाषा पूछने और उस छात्र के बीच का अंतर है जो अपने प्रॉम्प्ट्स (निर्देशों) को संशोधित करता है, विभिन्न कार्यों के लिए विशिष्ट AI मॉडल चुनता है, और अपने अद्वितीय शिक्षण लक्ष्यों से मेल खाने के लिए आउटपुट को आलोचनात्मक रूप से संपादित करता है। टीम जानना चाहती थी कि क्या यह सक्रिय, अनुकूलित दृष्टिकोण बेहतर शैक्षणिक परिणाम देता है। उन्होंने दो आंतरिक कारकों की भूमिका का भी पता लगाया: सफल होने की अपनी क्षमता में छात्र का विश्वास, जिसे 'एकेडेमिक सेल्फ-एफिकेसी' (शैक्षणिक आत्म-प्रभावकारिता) कहा जाता है, और असफलताओं से उबरने की उनकी क्षमता, जिसे 'एकेडेमिक रेजिलिएंस' (शैक्षणिक लचीलापन/लचीलापन) कहा जाता है। अध्ययन बताता है कि छात्र के तकनीक के साथ जुड़ने का तरीका उसके उपयोग की आवृत्ति से अधिक महत्वपूर्ण है।
उत्तर खोजने के लिए, शोधकर्ताओं ने 420 विश्वविद्यालय के छात्रों का एक अवधि के दौरान अनुसरण किया, जिनका दो सप्ताह के अंतराल पर तीन अलग-अलग चरणों में सर्वेक्षण किया गया। इस पद्धति ने उन्हें यह देखने की अनुमति दी कि एक कारक दूसरे को समय के साथ कैसे प्रभावित करता है, न कि केवल एक एकल स्नैपशॉट लेने की। पहले चरण में, उन्होंने मापा कि छात्रों ने अपने AI उपयोग को कितना अनुकूलित किया और शैक्षणिक दबाव का सामना करते समय वे कितने लचीले थे। दो सप्ताह बाद, उन्होंने कठिन कार्यों को संभालने की अपनी क्षमता में छात्रों के आत्मविश्वास के बारे में पूछा। अंत में, उन्होंने छात्रों की शैक्षणिक उपलब्धि का आकलन किया, जिसमें उनके ग्रेड के साथ उनके स्व-रिपोर्ट किए गए संतोष और उनके वास्तविक ग्रेड पॉइंट एवरेज (GPA) दोनों को देखा गया। डेटा ने एक स्पष्ट मार्ग दिखाया: जिन छात्रों ने अपने AI इंटरैक्शन को सक्रिय रूप से अनुकूलित किया, उन्होंने अपनी शैक्षणिक क्षमताओं में उच्च स्तर के आत्मविश्वास की रिपोर्ट की, और यह आत्मविश्वास, बदले में, बेहतर शैक्षणिक प्रदर्शन से जुड़ा था।
अध्ययन में पाया गया कि AI को अनुकूलित करने और आत्मविश्वास महसूस करने के बीच का संबंध सभी के लिए एक समान नहीं था। यह काफी हद तक छात्र के लचीलेपन (रेजिलिएंस) पर निर्भर था। उन छात्रों के लिए जो स्वाभाविक रूप से चुनौतियों के माध्यम से बने रहने और चीजें गलत होने पर अपनी रणनीतियों को बदलने में बेहतर थे, AI को अनुकूलित करने के कार्य का उनके आत्मविश्वास पर अधिक सकारात्मक प्रभाव पड़ा। ये छात्र AI के साथ काम करने के दौरान होने वाली अपरिहार्य बाधाओं को संभालने के लिए बेहतर सुसज्जित लग रहे थे, जैसे कि अधूरे उत्तरों से निपटना या प्रॉम्प्ट्स को कई बार फिर से लिखने की आवश्यकता। उन्होंने इन बाधाओं को सीखने की प्रक्रिया के हिस्से के रूप में देखा न कि विफलता के रूप में। इसके विपरीत, कम लचीलेपन वाले छात्रों को समान स्तर के अनुकूलन से उतना आत्मविश्वास प्राप्त नहीं हुआ, जो यह सुझाव देता है कि प्रयास जारी रखने की मनोवैज्ञानिक शक्ति, AI को सीखने के उपकरण में बदलने के लिए एक प्रमुख घटक है।
शोधकर्ताओं ने निष्कर्ष निकाला कि शिक्षा में आर्टिफिशियल इंटेलिजेंस का मूल्य सॉफ्टवेयर में निहित नहीं है, बल्कि इसके साथ मानवीय संपर्क से उत्पन्न होता है। जब छात्र नियंत्रण लेते हैं, अपनी विशिष्ट आवश्यकताओं के अनुसार तकनीक को अनुकूलित करते हैं, तो वे अपनी क्षमताओं में एक मजबूत विश्वास विकसित करते हैं। यह विश्वास उन्हें अपने अध्ययन में अधिक गहराई से जुड़ने और बेहतर परिणाम प्राप्त करने के लिए प्रेरित करता है। हालांकि, अध्ययन ने यह भी नोट किया कि यह प्रक्रिया स्वचालित नहीं है; इसमें अनुकूलित करने वाले उपकरण के परीक्षण और त्रुटि (ट्रायल एंड एरर) के माध्यम से आगे बढ़ने के लिए एक निश्चित स्तर की मानसिक दृढ़ता की आवश्यकता होती है। निष्कर्ष बताते हैं कि विश्वविद्यालयों को केवल इस बारे में सरल नियमों को नहीं देखना चाहिए कि AI की अनुमति है या नहीं, बल्कि छात्रों को इन उपकरणों के साथ अपनी बातचीत को सक्रिय रूप से आकार देने का तरीका सिखाने पर ध्यान केंद्रित करना चाहिए। छात्रों को प्रॉम्प्ट्स को अनुकूलित करने, जानकारी को सत्यापित करने और कठिनाइयों के माध्यम से डटे रहने के लिए मार्गदर्शन करके, शिक्षक इस शक्तिशाली तकनीक को सीखने में एक वास्तविक साथी बनाने में मदद कर सकते हैं।
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।