FORGE: A Framework for Orchestrated Role-based Generation in Education
यह शोध पत्र FORGE को प्रस्तुत करता है, जो एक डिज़ाइन साइंस फ्रेमवर्क है जो चार भूमिकाओं और सात आयामों के माध्यम से उच्च शिक्षा में प्रशिक्षक-AI सहयोग को संरचित करता है, और केस स्टडीज के माध्यम से यह प्रदर्शित करता है कि कैसे इसके दिशानिर्देश तात्कालिक प्रॉम्प्टिंग (improvised prompting) को शैक्षिक सामग्री उत्पन्न करने के लिए एक हस्तांतरणीय, भूमिका-आधारित वर्कफ़्लो में परिवर्तित करते हैं।
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
उच्च शिक्षा की कक्षाओं में, एक शांत क्रांति चल रही है, जो बड़े भाषा मॉडल (लार्ज लैंग्वेज मॉडल) के रूप में ज्ञात एक नए प्रकार के कंप्यूटर प्रोग्राम द्वारा संचालित है। ये सिस्टम विशाल मात्रा में टेक्स्ट पढ़ सकते हैं और मानवीय भाषा में लिख सकते हैं, जिससे कई लोग यह सोचने पर मजबूर हैं कि वे शिक्षकों के अपने पाठ्यक्रम तैयार करने के तरीके को कैसे बदल सकते हैं। वर्षों से, अधिकांश शोध इस बात पर केंद्रित रहा है कि छात्र इन उपकरणों का उपयोग कैसे करते हैं, जिसमें अक्सर शैक्षणिक अखंडता या इस बात की पहचान करने की चिंता जताई जाती है कि कब किसी छात्र ने उन पर भरोसा किया है। हालाँकि, पर्दे के पीछे एक समानांतर और समान रूप से महत्वपूर्ण बदलाव हो रहा है: प्रशिक्षक इन समान उपकरणों का उपयोग स्वयं को परीक्षा लिखने, परियोजनाओं को डिजाइन करने और पाठ योजनाएं बनाने में मदद करने के लिए करने लगे हैं। चुनौती यह है कि इस कार्य के लिए एक साझा पद्धति के बिना, प्रत्येक शिक्षक अनिवार्य रूप से कंप्यूटर से मदद मांगने का अपना तरीका खुद बना रहा है। कुछ शायद एक पूरा ड्राफ्ट मांगते हैं, अन्य एक एकल वाक्य, और बहुत कम लोगों के पास यह तय करने के लिए एक स्पष्ट प्रणाली है कि कब मशीन पर भरोसा करना है और कब अपने विशेषज्ञ निर्णय के साथ हस्तक्षेप करना है।
यह अनिश्चितता महत्वपूर्ण है क्योंकि अच्छे शैक्षिक सामग्री बनाना एक जटिल कार्य है। इसके लिए न केवल टेक्स्ट उत्पन्न करने की आवश्यकता है, बल्कि यह सुनिश्चित करने की भी आवश्यकता है कि एक प्रश्न सही अवधारणा का परीक्षण करता है, कठिनाई बिल्कुल सही है, और सामग्री वास्तव में कक्षा में सिखाई गई बातों के अनुरूप है। यदि कोई शिक्षक केवल कंप्यूटर से परीक्षा लिखने के लिए कहता है और पहले परिणाम को स्वीकार कर लेता है, तो सामग्री सूक्ष्म तरीकों से त्रुटिपूर्ण हो सकती है जिसका छात्र फायदा उठा सकता है या जो उस चीज़ को मापने में विफल हो सकती है जिसे शिक्षक जांचना चाहता था। इसलिए, मूल प्रश्न यह नहीं है कि क्या कंप्यूटर ये सामग्रियां लिख सकता है, बल्कि यह है कि मानव और मशीन मिलकर प्रभावी ढंग से कुछ ऐसा कैसे बना सकते हैं जो उच्च गुणवत्ता वाला और विश्वसनीय दोनों हो।
इसका उत्तर देने के लिए, एरिजोना स्टेट यूनिवर्सिटी के शोधकर्ताओं इमैनुएल गोंजालेज और पॉल टी. ग्रोगन ने FORGE नामक काम करने का एक नया तरीका विकसित किया। उन्होंने केवल एक सिद्धांत प्रस्तावित नहीं किया; उन्होंने इसे एक वास्तविक स्नातक इंजीनियरिंग पाठ्यक्रम में परखा। उन्होंने देखा कि कैसे एक प्रशिक्षक ने एक कंप्यूटर प्रोग्राम का उपयोग करके दो बहुत अलग प्रकार के असाइनमेंट बनाए: एक मानक बहुविकल्पीय परीक्षा और एक जटिल, मुक्त-अंत वाली टर्म प्रोजेक्ट। प्रत्येक निर्देश जिसे शिक्षक ने कंप्यूटर को दिया और कंप्यूटर ने कैसे प्रतिक्रिया दी, इसे रिकॉर्ड करके, उन्होंने सहयोग के लिए नियमों का एक स्पष्ट सेट तैयार किया। उनका कार्य बताता है कि शिक्षा में सफल मानव-कंप्यूटर टीम वर्क के लिए कंप्यूटर को विशिष्ट भूमिकाएं सौंपना, यह जानना कि कब विचारों के लिए पूछना है बनाम कब आदेश देना है, और यह समझना आवश्यक है कि मानव को अंतिम निर्णायक बने रहना चाहिए।
शोधकर्ताओं ने पाया कि एक शिक्षक कंप्यूटर के साथ कैसे बातचीत करता है, यह इस बात पर बहुत अधिक निर्भर करता है कि वे क्या बनाने की कोशिश कर रहे हैं। जब लक्ष्य एक अभिसारी (कन्वर्जेंट) सामग्री है, जैसे कि एक परीक्षा जहाँ उत्तर निश्चित होते हैं और प्रारूप पहले से ज्ञात होता है, तो प्रक्रिया एक विस्तृत परिशोधन की तरह दिखती है। अध्ययन में, प्रशिक्षक ने अपना लगभग सारा समय—लगते बवे प्रतिशत सक्रिय कार्य—कंप्यूटर के ड्राफ्ट की जाँच करने और उन्हें ठीक करने में बिताया, बजाय इसके कि नया कंटेंट माँगा जाए। कंप्यूटर एक प्रश्न उत्पन्न करेगा, और शिक्षक एक सूक्ष्म त्रुटि पकड़ेगा, जैसे कि एक कोड स्निपेट जो गलती से उत्तर ही बता देता है, और कंप्यूटर को फिर से प्रयास करने के लिए कहेगा। पीढ़ी और सुधार का यह चक्र तब तक चलता रहा जब तक कि सामग्री पूर्ण नहीं हो गई। कंप्यूटर एक तेज़ लेखक के रूप में कार्य करता था, लेकिन मानव एक सख्त संपादक के रूप में कार्य करता था, यह सुनिश्चित करते हुए कि प्रत्येक विवरण पाठ्यक्रम के विशिष्ट मानकों को पूरा करता है।
इसके विपरीत, जब शिक्षक एक अपसारी (डाइवर्जेंट) सामग्री पर काम कर रहा था, जैसे कि टर्म प्रोजेक्ट स्पेसिफिकेशन जहाँ अंतिम रूप अभी तक ज्ञात नहीं था, तो प्रक्रिया अलग थी। यहाँ, कंप्यूटर और शिक्षक इस बात पर अधिक समय बिताते हैं कि परियोजना वास्तव में क्या होनी चाहिए। शिक्षक ने विकल्पों और विचारों के लिए कंप्यूटर से पूछा, यह तय करने के लिए कि किन विषयों को शामिल किया जाए और असाइनमेंट को कैसे संरचित किया जाए, एक आगे-पीछे की बातचीत में संलग्न हुआ। इस परिदृश्य में, कंप्यूटर एक मंथन साथी (ब्रेनस्टॉर्मिंग पार्टनर) की तरह अधिक कार्य करता था, जो सुझाव देता था जिन्हें शिक्षक स्वीकार, अस्वीकार या संशोधित कर सकता था। शिक्षक ने अपने प्रॉम्ट्स का लगभग छब्बीस प्रतिशत हिस्सा, खुले प्रश्न पूछने में बिताया ताकि संभावनाओं का पता लगाया जा सके, न कि केवल त्रुटियों को सुधारने में। इसने दिखाया कि सामग्री का प्रकार काम की लय को निर्धारित करता है: कुछ कार्यों के लिए ज्ञात आकार को पॉलिश करने के लिए एक स्थिर हाथ की आवश्यकता होती है, जबकि अन्य के लिए एक नए आकार की खोज करने के लिए एक लचीले मन की आवश्यकता होती है।
अध्ययन का एक प्रमुख निष्कर्ष यह है कि कंप्यूटर पर यह निर्णय लेने के लिए भरोसा नहीं किया जा सकता कि क्या शैक्षणिक रूप से सुदृढ़ है। शोधकर्ताओं ने सहयोग में निभाई जा सकने वाली चार विशिष्ट भूमिकाओं की पहचान की: एक पाठक (Reader) जो जानकारी एकत्र करता है, एक लेखक (Writer) जो सामग्री बनाता है, एक आलोचक (Critic) जो त्रुटियों की जाँच करता है, और एक ऑर्केस्ट्रेटर (Orchestrator) जो अंतिम निर्णय लेता है। दोनों मामलों में, मानव प्रशिक्षक ने ऑर्केस्ट्रेटर की भूमिका निभाई। उन्होंने पाया कि जबकि कंप्यूटर टेक्स्ट को फॉर्मेट करने या वर्तनी की गलतियों की जाँच करने जैसे कार्यों को संभाल सकता था, वह लगातार गहरे मुद्दों को समझने में विफल रहा। उदाहरण के लिए, एक मामले में, कंप्यूटर ने एक कंप्यूटर प्रोग्राम के बारे में प्रश्न लिखा, लेकिन इसमें शामिल कोड के सामने ही छात्र की आँखों के सामने उत्तर मौजूद था। कंप्यूटर इस दोष को नहीं देख सका क्योंकि उसके पास उस संदर्भ की कमी थी कि प्रश्न को वास्तव में क्या परीक्षण करना था। केवल मानव प्रशिक्षक ही, जो सीखने के लक्ष्यों को जानता था, समस्या को देख सका और कंप्यूटर को उसे ठीक करने का निर्देश दे सका।
अध्ययन ने यह भी खुलासा किया कि एक शिक्षक कंप्यूटर से किस तरह बात करता है, यह उतना ही मायने रखता है जितना कि वह क्या पूछता है। शोधकर्ताओं ने दो प्रकार की अंतःक्रियाओं के बीच अंतर किया: संवादात्मक (कन्वर्सेशनल) और निर्देशात्मक (डायरेक्टिव)। जब शिक्षक अभी भी यह तय कर रहा था कि असाइनमेंट कैसा दिखेगा, तो उसने संवादात्मक शैली का उपयोग किया, कंप्यूटर से विकल्पों और व्यापार-बंद (ट्रेड-ऑफ) के बारे में पूछा। एक बार योजना बन जाने के बाद, वह निर्देशात्मक शैली में बदल गया, विशिष्ट समस्याओं को ठीक करने के लिए स्पष्ट आदेश दिए। अध्ययन में सबसे प्रभावी शिक्षकों को पता था कि इन मोड के बीच कब स्विच करना है। वे बातचीत के एक ही तरीके पर नहीं टिके रहे; उन्होंने नए विचारों की खोज करने या मौजूदा ड्राफ्ट को परिष्कृत करने के आधार पर अपने दृष्टिकोण को अनुकूलित किया। इस लचीलेपन ने काम को रुकने या गलत रास्ते पर जाने से बचाया।
शायद इस कार्य का सबसे महत्वपूर्ण सबक यह है कि मानव को सिस्टम का इंटीग्रेटर (एकीकरणकर्ता) बने रहना चाहिए। कंप्यूटर अविश्वसनीय गति से सामग्री उत्पन्न कर सकता है, लेकिन वह पाठ्यक्रम के व्यापक उद्देश्य या छात्रों की विशिष्ट आवश्यकताओं को नहीं समझ सकता। शोधकर्ताओं ने देखा कि जब शिक्षक पीछे हट गया और कंप्यूटर को पूरी प्रक्रिया चलाने दिया, तो परिणाम अक्सर त्रुटिपूर्ण थे। लेकिन जब शिक्षक प्रक्रिया के भीतर रहा, लगातार काम की जाँच करता रहा और विशिष्ट निर्देशों के साथ कंप्यूटर का मार्गदर्शन करता रहा, तो अंतिम सामग्रियां उच्च गुणवत्ता वाली थीं। अध्ययन बताता है कि इन उपकरणों का सबसे अच्छा उपयोग शिक्षकों को बदलने के लिए नहीं है, बल्कि एक शक्तिशाली सहायक के रूप में कार्य करने के लिए है जो ड्राफ्टिंग के भारी काम को संभालता है, जिससे शिक्षक निर्णय और विशेषज्ञता पर ध्यान केंद्रित करने के लिए स्वतंत्र हो जाता है जो केवल एक मानव ही प्रदान कर सकता है।
शोधकर्ताओं ने इन विचारों का परीक्षण एक ही पाठ्यक्रम में दो विशिष्ट असाइनमेंटों पर किया, इसलिए निष्कर्ष डेटा के एक सीमित सेट पर आधारित हैं। वे यह दावा नहीं करते हैं कि यह विधि प्रत्येक शिक्षक या प्रत्येक विषय के लिए काम करती है, लेकिन वे यह दिखाते हैं कि एक संरचित दृष्टिकोण संभव है। स्पष्ट भूमिकाओं को परिभाषित करके और यह जानकर कि कब प्रश्न पूछने हैं बनाम कब आदेश देने हैं, शिक्षक कृत्रिम बुद्धिमत्ता के उपयोग को एक विश्वसनीय वर्कफ़्लो में बदल सकते हैं। अध्ययन का निष्कर्ष है कि सही ढांचे के साथ, प्रशिक्षक यह वर्णन कर सकते हैं कि वे इन उपकरणों के साथ कैसे काम करते हैं, जो काम करता है उसे रखते हैं, और उन पाठों को अगले असाइनमेंट तक ले जाते हैं। यह शिक्षा में कृत्रिम बुद्धिमत्ता के उपयोग को भाग्यशाली अनुमानों की श्रृंखला से बदलकर एक अभ्यास योग्य, दोहराने योग्य कौशल में ले जाता है जो सभी के लिए सीखने की सामग्री की गुणवत्ता में सुधार कर सकता 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।