Divergent research orientations of affective and emotion concepts in artificial intelligence education through a bibliometric analysis
2020 से 2025 तक के 401 दस्तावेजों के बिब्लियोमेट्रिक विश्लेषण के माध्यम से, यह अध्ययन प्रकट करता है कि जहाँ एआई-संचालित 'अफेक्टिव' (affective) और 'इमोशन' (emotion) अनुसंधान एक सुसंगत पारिस्थितिकी तंत्र के रूप में परिपक्व हो गया है जिसमें 2023 में एक महत्वपूर्ण विकास उछाल देखा गया है, वहीं ये दोनों अवधारणाएं अलग-अलग दिशाओं का प्रदर्शन करती हैं—जहाँ "अफेक्टिव" अनुसंधान शैक्षिक अभ्यास पर केंद्रित है और "इमोशन" अनुसंधान तकनीकी विकास पर—जिसके लिए अंतर-विषयक सहयोग को निर्देशित करने हेतु एक प्रस्तावित 'डुअल नॉलेज प्रोडक्शन मॉडल' (Dual Knowledge Production Model) की आवश्यकता 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
कल्पना कीजिए कि शिक्षा के क्षेत्र में आर्टिफिशियल इंटेलिजेंस (AI) एक विशाल, हलचल भरे निर्माण स्थल (construction site) की तरह है। वर्षों से, दो अलग-अलग समूहों के निर्माता एक ही प्रोजेक्ट पर काम कर रहे हैं: छात्रों को अच्छा महसूस कराने और उन्हें बेहतर तरीके से सीखने में मदद करने के लिए। एक समूह खुद को "अफेक्टिव" (Affective) टीम कहता है, और दूसरा खुद को "इमोशन" (Emotion) टीम कहता है।
लंबे समय तक, सभी को लगा कि ये दोनों समूह वास्तव में एक ही चीज़ के लिए अलग-अलग शब्दों का उपयोग कर रहे हैं। लेकिन इस नए अध्ययन ने, जिसने 2020 से 2025 तक के सैकड़ों शोध पत्रों (research papers) का विश्लेषण किया, एक आश्चर्यजनक खोज की: वे वास्तव में दो बहुत अलग प्रकार की संरचनाएं बना रहे हैं।
यहाँ इस अध्ययन के निष्कर्षों का सरल उपमाओं (analogies) का उपयोग करके विवरण दिया गया है:
1. दो अलग ब्लूप्रिंट (The Two Different Blueprints)
शोधकर्ताओं ने एक "बिब्लियोमेट्रिक विश्लेषण" (जो एक उच्च-तकनीकी मानचित्र की तरह है जो ट्रैक करता है कि विचार कहाँ जुड़ते हैं) का उपयोग किया यह देखने के लिए कि ये दोनों समूह वास्तव में क्या कर रहे हैं। उन्होंने पाया कि हालांकि वे एक ही पड़ोस में हैं, लेकिन उनके ब्लूप्रिंट अलग हैं:
"इमोशन" टीम (इंजीनियर्स):
- वे क्या करते हैं: वे कैमरा तकनीशियनों की तरह हैं। उनका मुख्य लक्ष्य बेहतर सेंसर और कैमरे बनाना है जो छात्र के चेहरे की तुरंत फोटो खींच सकें या उनकी आवाज़ सुनकर अंदाजा लगा सकें, "क्या वे खुश हैं? क्या वे उदास हैं?"
- वे कहाँ काम करते हैं: वे अक्सर प्रयोगशालाओं (laboratories) में या सामान्य परीक्षण समूहों के साथ काम करते हैं। उन्हें कैमरे की सटीकता (accuracy) की चिंता होती है।
- उनका मिजाज (Vibe): "क्या हमारी मशीन इस भावना को अभी पहचान सकती है?"
"अफेक्टिव" टीम (शिक्षक/Educators):
- वे क्या करते हैं: वे कक्षा के कोचों की तरह हैं। उन्हें कैमरे की उतनी चिंता नहीं है, बल्कि वे संबंध (relationship) पर ध्यान केंद्रित करते हैं। वे जानना चाहते हैं कि एक पूरे सेमेस्टर में एक छात्र कैसा महसूस करता है, वे सीखने को कितना महत्व देते हैं, और एक शिक्षक छात्र के मूड को सहारा देने के लिए AI का उपयोग कैसे कर सकता है।
- वे कहाँ काम करते हैं: वे आमतौर पर वास्तविक कक्षाओं में वास्तविक छात्रों (जैसे कॉलेज या K-12) के साथ होते हैं। उन्हें अनुभव (experience) की चिंता होती है।
- उनका मिजाज (Vibe): "यह टूल छात्र के विकास और समर्थन में कैसे मदद करता है?"
2. चार पड़ोस (चार क्लस्टर)
अध्ययन ने पूरे क्षेत्र का मानचित्र तैयार किया और पाया कि यह चार विशिष्ट "पड़ोसों" या क्लस्टरों में बस गया है:
- टेक लैब (हरा): जहाँ लोग चेहरों और आवाजों को पढ़ने के लिए एल्गोरिदम कोड कर रहे हैं।
- कक्षा (लाल): जहाँ शिक्षक यह पता लगा रहे हैं कि वास्तव में पाठों और पाठ्यक्रम में इन उपकरणों का उपयोग कैसे किया जाए।
- मनोविज्ञान लैब (गहरा नीला): जहाँ शोधकर्ता यह देखने के लिए सख्त प्रयोग कर रहे हैं कि AI छात्र की चिंता या आत्मविश्वास को कैसे प्रभावित करता है।
- विशेष देखभाल इकाई (पीला): जहाँ AI का परीक्षण विशिष्ट समूहों की मदद के लिए किया जा रहा है, जैसे ऑटिज्म वाले बच्चे या विशिष्ट डर रखने वाले बच्चे।
3. "जेन-एआई" (GenAI) विस्फोट
अध्ययन ने गौर किया कि 2023 से शोध में एक बड़ा उछाल आया है।
- 2023 से पहले: AI मुख्य रूप से एक निष्क्रिय पर्यवेक्षक (passive observer) था। यह एक सुरक्षा गार्ड की तरह था जो खिड़की से एक छात्र को देख रहा था, और उसके चेहरे के भावों के आधार पर उसके मूड का अनुमान लगा रहा था।
- 2023 के बाद (GenAI का बदलाव): ChatGPT जैसे टूल्स के उदय के साथ, AI एक सक्रिय भागीदार (active partner) बन गया। यह अब केवल देख नहीं रहा है; यह बात कर रहा है। शोध "हम इस भावना को कैसे पहचानें?" से बदलकर "हम ऐसी बातचीत कैसे कर सकते हैं जो छात्र को बेहतर महसूस कराने में मदद करे?" पर आ गया है। यह ऐसा है जैसे सुरक्षा गार्ड अचानक छात्र के साथ एक सहायक बातचीत करने लगा हो।
4. "दोहरा ज्ञान" खोज (The "Dual Knowledge" Discovery)
सबसे महत्वपूर्ण खोज यह है कि "अफेक्टिव" और "इमोशन" शब्दों के बीच का भ्रम केवल एक गलती नहीं है; यह दो अलग-अलग संस्कृतियों का संकेत है।
- यदि आप किसी पेपर में "इमोशन" शब्द देखते हैं, तो इसका आमतौर पर मतलब है कि शोधकर्ता तकनीकी विकास (मशीन को स्मार्ट बनाने) पर केंद्रित हैं।
- यदि आप "अफेक्टिव" शब्द देखते हैं, तो इसका आमतौर पर मतलब है कि शोधकर्ता शैक्षिक अभ्यास (कक्षा को बेहतर बनाने) पर केंद्रित हैं।
शोधकर्ता इसे "दोहरा ज्ञान उत्पादन मॉडल" (Dual Knowledge Production Model) कहते हैं। यह समझने जैसा है कि एक समूह कार का इंजन बना रहा है (इमोशन), जबकि दूसरा यात्री के ड्राइविंग अनुभव को डिजाइन कर रहा है (अफेक्टिव)। दोनों आवश्यक हैं, लेकिन वे अलग-अलग काम कर रहे हैं।
सारांश
यह पेपर यह नहीं कहता कि AI शिक्षकों की जगह लेने के लिए तैयार है या हमें कल ही इन उपकरणों का हर कक्षा में उपयोग करना चाहिए। इसके बजाय, यह केवल परिदृश्य का मानचित्र प्रस्तुत करता है। यह बताता है कि यह क्षेत्र चार विशिष्ट क्षेत्रों के साथ एक जटिल पारिस्थितिकी तंत्र (ecosystem) में विकसित हो गया है, और "इमोशन" शोधकर्ता और "अफेक्टिव" शोधकर्ता वास्तव में दो अलग-अलग जनजातियाँ हैं जिनके लक्ष्य अलग हैं, भले ही वे एक ही बड़े प्रोजेक्ट पर काम कर रहे हों।
अध्ययन सुझाव देता है कि क्षेत्र को आगे बढ़ने के लिए, इन दोनों जनजातियों को यह सोचना बंद करना होगा कि वे एक ही हैं और सहयोग करना शुरू करना होगा—इंजीनियरों को बेहतर इंजन बनाने दें जबकि शिक्षक बेहतर ड्राइविंग अनुभव डिजाइन करें।
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।