क्या AI "अध्ययन की लागत-प्रभावशीलता" को बढ़ा सकता है? "यदि अंक समान हैं, तो कम बोझ के साथ" - AI अनुमत कक्षा में देखी गई सीखने की दक्षता

अमेरिका के मैसाचुसेट्स विश्वविद्यालय एमहर्स्ट (UMass Amherst) ने एक सेमेस्टर-लंबी प्रयोग की घोषणा की है, जिसमें "AI उपयोग की अनुमति वाली कक्षा" और "AI निषेधित कक्षा" की तुलना की गई है, जिसमें समान पाठ्यक्रम और समान परीक्षा का उपयोग किया गया। निष्कर्ष उत्तेजक है—परीक्षा अंक और अंतिम ग्रेड में कोई महत्वपूर्ण अंतर नहीं पाया गया। हालांकि, साथ ही, कक्षा में भागीदारी, आत्म-प्रभावकारिता, संतुष्टि, और सीखने की दक्षता AI अनुमति वाली कक्षा में लगातार बढ़ी हुई थी। यह अध्ययन एक प्रीप्रिंट (SSRN) के रूप में प्रकाशित किया गया है, और विश्वविद्यालय की रिलीज़ और Phys.org द्वारा रिपोर्ट किया गया है।SSRNumass.edu

अध्ययन के मुख्य बिंदु: क्या तुलना की गई और कैसे

• विषय उन्नत एंटीट्रस्ट अर्थशास्त्र का था, लगातार 2 सत्र (दोपहर शामिल)। व्याख्यान, असाइनमेंट, और ग्रेडिंग समान थे, एक (n=29) को संरचित तरीके से AI के उपयोग की अनुमति दी गई (उपयोग के दिशानिर्देश और प्रकटीकरण आवश्यकताओं को स्पष्ट किया गया), दूसरे (n=28) को AI निषेधित किया गया। परीक्षा कागज और पेंसिल से थी, नोट्स या AI की अनुमति नहीं थी। एक रूढ़िवादी डिजाइन के रूप में, ऐतिहासिक रूप से थोड़ा कम प्रदर्शन करने वाले दोपहर के स्लॉट को AI अनुमति दी गई।Phys.org

• परिणाम: प्रॉक्टर परीक्षा के अंक और अंतिम ग्रेड में कोई पता लगाने योग्य अंतर नहीं। दूसरी ओर, कक्षा में भागीदारी, सीखने में आत्मविश्वास और दक्षता, संतुष्टि AI अनुमति वाली कक्षा में अधिक थी। इसके अलावा, AI से संबंधित करियर की ओर रुझान में वृद्धि और AI आउटपुट को संपादित करना, त्रुटियों का पता लगाना, और अपने उत्तर को प्राथमिकता देना जैसी मेटाकॉग्निटिव गतिविधियों में वृद्धि भी देखी गई।SSRN

• शिक्षकों के लिए संकेत, **"यदि अनुमति दी जाए तो 'स्कैफोल्डिंग' और प्रकटीकरण नियमों के साथ"** का संदेश जोर दिया जाता है।umass.edu

• सीमाएँ:नमूना छोटा है और इसमें आत्म-रिपोर्टिंग संकेतक भी शामिल हैं, इस पर शोधकर्ताओं ने स्वयं ध्यान आकर्षित किया है।Phys.org
  
  

"अंक नहीं बढ़ते लेकिन संतुष्टि बढ़ती है" का क्या मतलब है

AI 'सीखने की मात्रा' नहीं बल्कि 'सीखने का अनुभव' बदलता है—यह निष्कर्ष इस प्रकार पढ़ा जा सकता है। छात्रों ने 15-30 मिनट के केंद्रित सत्रों में AI का उपयोग किया और आउटपुट के सत्यापन और संपादन के माध्यम से अपने उत्तर को प्राथमिकता दी। यह तब होता है जब AI 'उत्तर निर्माण मशीन' के बजाय **विचार का सहायक (कोपाइलट)** के रूप में कार्य करता है।SSRN

मूल्यांकन का कागजी परीक्षण केंद्रित होना भी महत्वपूर्ण था।मूल्यांकन को मानव-आधारित और आमने-सामने केंद्रित करने के साथ-साथ, सीखने की प्रक्रिया में AI के उपयोग की अनुमति देना का डिजाइन सिद्धांत इंजीनियरिंग समुदायों में भी व्यापक समर्थन प्राप्त करता है।Hacker News

अन्य अनुसंधान और हाल के उदाहरणों के साथ संगति

• ग्रेडिंग क्षेत्र में, GPT-4 ने वर्णनात्मक उत्तरों की सापेक्ष रैंकिंग में मानव ग्रेडर्स के समान प्रदर्शन दिखाया है। AI 'मूल्यांकन के सहायक' के रूप में लागू होने की संभावना बढ़ रही है।Phys.org

• दूसरी ओरAI ग्रेडिंग के संचालन जोखिम भी वास्तविक हैं।मैसाचुसेट्स राज्य के राज्य मानक परीक्षण (MCAS) में लगभग 1,400 निबंध AI ग्रेडिंग की तकनीकी खराबी के कारण गलत ग्रेडेड हो गए, और बाद में पुनः स्कोरिंग की गई।मानव निगरानी और डिजाइन की परिपक्वता आवश्यक है।Boston.com

• विश्वविद्यालय में AI धोखाधड़ी प्रतिक्रिया को लेकर अविश्वास और गलत पहचान की समस्या पिछले साल से अंग्रेजी समाचार पत्रों और समुदायों में एक बड़ा मुद्दा बन गई है।डिटेक्टर की अनिश्चितता, गलत पहचान के कारण छात्रों को नुकसान, मूल्यांकन विधियों की पुनः समीक्षा की आवश्यकता पर बहस जारी है।गार्जियन
  
  

सोशल मीडिया की प्रतिक्रिया (प्रारंभिक अवलोकन)

प्रकाशन के बाद से समय कम होने के कारण व्यक्तिगत पोस्ट की मात्रा सीमित है, लेकिन संबंधित समाचार और मौजूदा चर्चा थ्रेड्स में निम्नलिखित मुद्दे फिर से उभर रहे हैं।

• "सीखने के लिए उपयोग की अनुमति, मूल्यांकन आमने-सामने केंद्रित"—इस डिजाइन में 'व्यावहारिक समाधान' देखने वाली आवाजें। कक्षा डिजाइन का केंद्र बिंदु परीक्षा या मौखिक परीक्षण के स्थल पर होना चाहिए, इस दावे के साथ संगत।Hacker News

• "AI ग्रेडिंग सुविधाजनक लेकिन जोखिम भरा"—MCAS के गलत ग्रेडिंग उदाहरण का हवाला देते हुए, AI का कार्यान्वयन 'मानव की द्विगुणन' पर आधारित होना चाहिए के साथ सतर्क दृष्टिकोण।Boston.com

• "छात्र अनुभव का सुधार नजरअंदाज नहीं किया जा सकता"—बोस्टन की स्थानीय रिपोर्टिंग ने **"समान अंक के साथ, कक्षा का अनुभव बेहतर होता है" बिंदु पर जोर दिया। "समान परिणाम कम प्रयास के साथ (the same for less)"** का निष्कर्ष वाक्यांश फैल रहा है।CBS न्यूज़

• "AI धोखाधड़ी और गलत पहचान की चिंता"—AI डिटेक्टर की विश्वसनीयता पर संदेह, "निर्दोषता का प्रमाण" देने के लिए मजबूर छात्रों की आवाज़। मूल्यांकन डिजाइन की पुनः समीक्षा की मांग।गार्जियन

※इस लेख का सोशल मीडिया अवलोकनथीम से संबंधित सार्वजनिक पोस्ट और मौजूदा बड़े थ्रेड्स पर आधारित "प्रारंभिक प्रवृत्तियों" का सारांश है, और यह अध्ययन के लिए व्यक्तिगत उद्धरण रिप्लाई की व्यापकता को मुख्य उद्देश्य नहीं बनाता है।

व्यावहारिक संकेत:"यदि अनुमति दी जाती है तो डिजाइन करें"

UMass के शोधकर्ता, "अनुमति + स्कैफोल्डिंग + प्रकटीकरण" के तीन बिंदु सेट की सिफारिश करते हैं। कक्षा में AI की भूमिका, आवेदन की सीमा, प्रक्रिया, और प्रकटीकरण प्रारूप को स्पष्ट करें, कागजी परीक्षा, मौखिक परीक्षण, प्रदर्शन जैसे AI के प्रभाव से कम प्रभावित मूल्यांकन के माध्यम से सीखने की उपलब्धि को मापें। **"AI के साथ सीखें, AI के बिना प्रमाणित करें"** का दो-स्तरीय डिजाइन महत्वपूर्ण है।umass.edu

विशिष्ट उपाय (चेकलिस्ट)

1. पाठ्यक्रम में AI नीति को स्पष्ट करें (अनुमति प्राप्त कार्य / निषिद्ध कार्य / प्रकटीकरण टेम्पलेट)।

2. प्रॉम्प्ट की प्रस्तुति और कारण का संलग्न करना (AI को क्या, क्यों, कैसे निर्देशित किया गया)।

3. संपादन लॉग / आत्म-मूल्यांकन का प्रस्तुतिकरण (आउटपुट का सत्यापन, संशोधन, समीक्षा के निशान)।

4. मूल्यांकन कक्षा केंद्रित हो (कागजी परीक्षा, मौखिक प्रश्नोत्तर, व्हाइटबोर्ड कोडिंग, मिनी प्रस्तुति)। यह समुदाय में भी व्यापक समर्थन प्राप्त करता है।Hacker News

5. यदि ग्रेडिंग में AI का उपयोग किया जाता है तो "दोहरी मूल्यांकन" (AI + मानव)। MCAS मामले के सबक को प्रतिबिंबित करें।##HTML_TAG_426