ChatGPT के बाद, विश्वविद्यालय में "A ग्रेड" का क्या मतलब है

विश्वविद्यालय के रिपोर्ट कार्ड में दिखाई देने वाला "A" लंबे समय से उत्कृष्टता का प्रमाण था। छात्रों के लिए यह स्नातक स्कूल में प्रवेश या नौकरी के लिए एक हथियार था, विश्वविद्यालय के लिए यह शैक्षिक उपलब्धियों को दर्शाने वाला एक आंकड़ा था, और कंपनियों के लिए यह आवेदकों को छांटने के लिए एक सुविधाजनक संकेतक था।

हालांकि, जब से जनरेटिव AI छात्रों की डेस्क पर स्थायी रूप से मौजूद हो गया है, उस "A" का क्या मतलब है, यह सवाल उठने लगे हैं। क्या उच्च ग्रेड वास्तव में छात्र की समझ और सोचने की क्षमता को दर्शाते हैं? या फिर, क्या शिक्षक केवल AI द्वारा तैयार किए गए निबंध, AI द्वारा लिखे गए कोड, और AI द्वारा परिष्कृत प्रस्तुतियों का मूल्यांकन कर रहे हैं?

जर्मनी के टेक मीडिया Blogspan द्वारा प्रस्तुत UC बर्कले के एक अध्ययन ने इस समस्या को काफी ठोस आंकड़ों के साथ प्रस्तुत किया है। अध्ययन का विषय टेक्सास राज्य के एक बड़े सार्वजनिक अनुसंधान विश्वविद्यालय में आयोजित कक्षाओं के ग्रेड डेटा थे। 2018 से 2025 तक के पतझड़ सेमेस्टर, 319 पाठ्यक्रम, 84 विभाग, और छात्रों के क्रेडिट यूनिट के आधार पर 500,000 से अधिक ग्रेड रिकॉर्ड का विश्लेषण किया गया।

अध्ययन का फोकस यह था कि 2022 नवंबर में ChatGPT के सार्वजनिक रूप से उपलब्ध होने के बाद विश्वविद्यालय के ग्रेड वितरण में क्या परिवर्तन हुए। केवल "हाल के छात्रों के ग्रेड बेहतर हो गए" के बजाय, शोधकर्ताओं ने प्रत्येक कक्षा के असाइनमेंट की सामग्री पर ध्यान केंद्रित किया। उन्होंने उन कक्षाओं को अलग किया जिनमें निबंध लेखन, रिपोर्ट, और प्रोग्रामिंग असाइनमेंट शामिल थे, जिनमें AI को महारत हासिल है, और उन कक्षाओं को जिनमें मौखिक प्रस्तुतियाँ, व्यावहारिक कार्य, और आमने-सामने परीक्षाएँ शामिल थीं, जिनमें AI को प्रतिस्थापित करना मुश्किल है, और ChatGPT के आगमन से पहले और बाद में ग्रेड में परिवर्तन की तुलना की।

परिणामस्वरूप, जिन कक्षाओं में AI का उपयोग करना आसान था, उनमें A ग्रेड का प्रतिशत 13 अंक बढ़ गया। यह 2022 के स्तर की तुलना में लगभग 30% की वृद्धि का प्रतिनिधित्व करता है। औसत GPA भी 0.12 अंक बढ़ गया, और ग्रेड वितरण शीर्ष पर संकुचित हो गया। इसका मतलब यह है कि समग्र रूप से थोड़ा-थोड़ा सुधार होने के बजाय, A माइनस या B प्लस के स्तर के छात्र A में धकेल दिए गए।

यहाँ महत्वपूर्ण बात यह है कि अध्ययन ने यह निष्कर्ष नहीं निकाला कि "AI का उपयोग करने वाले सभी छात्र धोखाधड़ी कर रहे हैं"। जनरेटिव AI, लेखन के ढांचे को व्यवस्थित करने, विचारों का विस्तार करने, कोड की त्रुटियों को खोजने, संदर्भ सामग्री को पढ़ने में मदद करने जैसे कार्यों में एक सहायक उपकरण हो सकता है। समस्या यह है कि सहायता और प्रतिस्थापन के बीच की रेखा धुंधली हो सकती है।

उदाहरण के लिए, यदि छात्र अपने विचारों को AI से व्यवस्थित कराते हैं और फिर उस पर पुनर्विचार करते हैं, तो AI को सीखने में सहायक माना जा सकता है। दूसरी ओर, यदि वे असाइनमेंट को पेस्ट करते हैं और उत्पन्न पाठ को लगभग उसी रूप में प्रस्तुत करते हैं, तो मूल्यांकन छात्र की समझ का नहीं बल्कि AI के आउटपुट की गुणवत्ता का होता है। इस अध्ययन ने इस दूसरे संभावना पर ध्यान केंद्रित किया।

इसका संकेतक होमवर्क और टेक-होम असाइनमेंट का अनुपात था। यदि ग्रेड में सुधार वास्तव में छात्रों की समझ में सुधार के कारण होता, तो होमवर्क-केंद्रित कक्षाओं के अलावा, परीक्षाओं और आमने-सामने के मूल्यांकन में भी ग्रेड में सुधार होता। लेकिन वास्तव में, ग्रेड में सुधार होमवर्क और टेक-होम असाइनमेंट के उच्च अनुपात वाली कक्षाओं में अधिक केंद्रित था। यह सुझाव देता है कि AI छात्रों की ओर से उन स्थानों पर काम कर रहा है जहाँ शिक्षक छात्रों के कार्य प्रक्रिया को प्रत्यक्ष रूप से नहीं देख सकते।

इसके अलावा, मौखिक प्रस्तुतियों के अनुपात का उपयोग करके किए गए परीक्षण में, जहाँ AI का उपयोग कम होता है, समान ग्रेड सुधार नहीं देखा गया। यह भी केवल समय के परिवर्तन या छात्रों की समग्र उत्कृष्टता के साथ समझाना मुश्किल है। शोधकर्ताओं ने सुझाव दिया है कि जनरेटिव AI "ग्रेड को बढ़ाता है, लेकिन जरूरी नहीं कि क्षमता को बढ़ाता हो" एक नए प्रकार की ग्रेड मुद्रास्फीति पैदा कर रहा है।

बेशक, विश्वविद्यालय में ग्रेड मुद्रास्फीति स्वयं कोई नई बात नहीं है। अमेरिका के प्रतिष्ठित विश्वविद्यालयों में, A ग्रेड का प्रतिशत पहले से ही बढ़ता जा रहा है। छात्र संतुष्टि, कक्षा मूल्यांकन, विश्वविद्यालयों के बीच प्रतिस्पर्धा, और नौकरी बाजार के प्रति ध्यान जैसे कारणों से, शिक्षकों और विश्वविद्यालयों के लिए ग्रेड को सख्ती से देने की संरचना पहले से मौजूद थी।

हालांकि, AI द्वारा ग्रेड मुद्रास्फीति की प्रकृति पारंपरिक समस्याओं से भिन्न है। पारंपरिक ग्रेड मुद्रास्फीति मुख्य रूप से शिक्षकों के मूल्यांकन मानकों या विश्वविद्यालय की नीतियों के कारण होती थी। लेकिन जनरेटिव AI मूल्यांकन से पहले ही प्रस्तुतियों को बदल देता है। भले ही शिक्षक मानकों को न बदलें, छात्रों द्वारा प्रस्तुत रिपोर्ट या कोड की पूर्णता को बढ़ा दिया जाता है। दिखने में यह प्रभावशाली होता है, और मूल्यांकन बढ़ जाता है। लेकिन इसके पीछे की सोच या प्रयास छात्र का है या नहीं, यह स्पष्ट नहीं होता।

इस बिंदु पर, सोशल मीडिया और विशेषज्ञ समुदायों में तीव्र प्रतिक्रिया हुई है। LinkedIn पर, शिक्षाविदों और व्यापारिक लोगों के बीच "यह कोई आश्चर्य नहीं है" जैसी प्रतिक्रियाएँ प्रमुख हैं। जब जनरेटिव AI का व्यापक उपयोग संभव हो जाता है, तो रिपोर्ट और प्रोग्रामिंग असाइनमेंट की पूर्णता का बढ़ना स्वाभाविक है। दूसरी ओर, समस्या यह है कि विश्वविद्यालय अब क्या मूल्यांकन कर रहे हैं, यह स्पष्ट नहीं है, इस पर भी बहुत से लोग चिंतित हैं।

विशेष रूप से प्रभावशाली प्रतिक्रिया यह है कि "AI की प्रवाहिता महत्वपूर्ण है, लेकिन सीखना भी महत्वपूर्ण है। दोनों को भ्रमित नहीं करना चाहिए।" यह AI युग में शिक्षा पर विचार करते समय एक अत्यंत महत्वपूर्ण दृष्टिकोण है। AI का उपयोग करने की क्षमता भविष्य में समाज में निश्चित रूप से आवश्यक होगी। लेकिन AI का उपयोग करके परिणामों को सुधारने की क्षमता और विषय को गहराई से समझने, अपने शब्दों में समझाने, और अज्ञात समस्याओं का समाधान करने की क्षमता एक जैसी नहीं हैं।

सोशल मीडिया पर, यह विचार भी प्रमुख है कि विश्वविद्यालयों के लिए AI को केवल प्रतिबंधित करना पर्याप्त नहीं है। AI का पता लगाने वाले उपकरणों से छात्रों की निगरानी करना, सभी रिपोर्टों को हाथ से लिखवाना, सभी परीक्षाओं को निगरानी के तहत कराना जैसे उपाय स्पष्ट लग सकते हैं। लेकिन वास्तव में AI के उपयोग को पूरी तरह से समाप्त करना मुश्किल है। इसके अलावा, AI के बिना शिक्षा देना यह सुनिश्चित नहीं करता कि यह समाज में प्रवेश करने के बाद व्यावहारिक कौशल को विकसित करेगा।

इसलिए, यह विचार उभर रहा है कि मूल्यांकन डिजाइन को ही बदलना चाहिए। उदाहरण के लिए, केवल प्रस्तुतियों का मूल्यांकन करने के बजाय कार्य प्रक्रिया का मूल्यांकन करना। छात्रों से यह बताने के लिए कहना कि उन्होंने किस चरण में AI का उपयोग किया, AI के सुझावों का कैसे मूल्यांकन किया, कहाँ अपनाया और कहाँ संशोधित किया। रिपोर्ट प्रस्तुत करने के बाद एक संक्षिप्त मौखिक परीक्षा आयोजित करना और छात्रों को उनके विचारों को उसी समय समझाने देना। कोड असाइनमेंट के लिए, केवल तैयार प्रोग्राम ही नहीं, बल्कि डिज़ाइन निर्णय और त्रुटि प्रबंधन के इतिहास को भी पूछना। इस तरह के तरीके से, यह देखना आसान हो जाएगा कि छात्र वास्तव में उस परिणाम को समझते हैं या नहीं, बजाय इसके कि उन्होंने AI का उपयोग किया या नहीं।

शैक्षिक क्षेत्र में सबसे अधिक बचने योग्य बात यह है कि "AI का उपयोग करने पर धोखाधड़ी" और "उपयोग न करने पर सही" जैसी सरल द्विभाजन में फंसना। क्योंकि छात्र पहले से ही AI का उपयोग कर रहे हैं। उपयोग की वास्तविकता को ध्यान में रखते हुए, यह स्पष्ट करना आवश्यक है कि कहाँ तक स्वीकार्य है और कहाँ से यह प्रतिस्थापन कार्य है, अन्यथा छात्र और शिक्षक दोनों निर्णय नहीं कर पाएंगे।

उदाहरण के लिए, वर्तनी और व्याकरण की जाँच की अनुमति देना, लेकिन तर्क की पीढ़ी की अनुमति न देना। विचार उत्पन्न करने के लिए AI का उपयोग करने की अनुमति देना, लेकिन अंतिम तर्क और संरचना को स्वयं बनाना। प्रोग्रामिंग में डिबगिंग सहायता की अनुमति देना, लेकिन प्रमुख एल्गोरिदम डिज़ाइन को पूरी तरह से AI पर छोड़ना नहीं। इस तरह के नियम प्रत्येक कक्षा के लिए अलग-अलग हो सकते हैं, और इसलिए पाठ्यक्रम और असाइनमेंट विवरण में इन्हें स्पष्ट करना आवश्यक है।

यह समस्या केवल विश्वविद्यालयों तक सीमित नहीं है। यह कंपनियों की भर्ती को भी प्रभावित करती है। यदि GPA और ग्रेड रिपोर्ट छात्रों की क्षमता के बजाय AI द्वारा तैयार किए गए परिणामों का मूल्यांकन करने लगते हैं, तो कंपनियों के लिए ग्रेड पर विश्वास करना कठिन हो जाएगा। इसके परिणामस्वरूप, साक्षात्कार, व्यावहारिक परीक्षाएँ, पोर्टफोलियो, और इंटर्नशिप में प्रदर्शन जैसे अन्य मूल्यांकन साधनों को अधिक महत्व दिया जाएगा।

छात्रों के लिए भी, यह केवल "आसान तरीके से उच्च अंक प्राप्त करने" की बात नहीं है। यदि वे AI के लिए सोचने के आदी हो जाते हैं, तो वे स्वयं संघर्ष करने, असफल होने, और सुधार करने के अनुभव से वंचित हो सकते हैं। सीखने के लिए कुछ हद तक संघर्ष आवश्यक है। कठिन पाठ को समझना, न चलने वाले कोड से जूझना, और अस्पष्ट विचारों को शब्दों में व्यक्त करना। यही प्रक्रिया ज्ञान को अपना बनाती है।

जनरेटिव AI इस संघर्ष को कम कर सकता है। कम कर सकने की क्षमता स्वयं में बुरी नहीं है। लेकिन यदि सभी संघर्ष को समाप्त कर दिया जाए, तो केवल ग्रेड ही बचेंगे, और क्षमता विकसित नहीं होगी। इस अध्ययन ने जिस खतरे को उजागर किया है, वह यही है। विश्वविद्यालय के ग्रेड कार्ड सुंदर हो रहे हैं। लेकिन यह सुंदरता जरूरी नहीं कि सीखने की गहराई को दर्शाती हो।

जापान के विश्वविद्यालयों, व्यावसायिक स्कूलों, और उच्च विद्यालयों के लिए भी यह चर्चा अप्रासंगिक नहीं है। रिपोर्ट असाइनमेंट, निबंध, प्रोग्रामिंग अभ्यास, खोजपूर्ण अध्ययन, और प्रस्तुति सामग्री निर्माण जैसे क्षेत्रों में पहले से ही जनरेटिव AI का हस्तक्षेप संभव है। जापानी भाषा में आउटपुट की गुणवत्ता भी तेजी से बढ़ रही है, और भविष्य में "छात्र द्वारा लिखी गई लगने वाली सामग्री" और "AI द्वारा तैयार की गई सामग्री" के बीच अंतर करना और भी कठिन हो जाएगा।

इसलिए, शैक्षिक संस्थानों को मूल्यांकन के दृष्टिकोण को जल्द से जल्द बदलने की आवश्यकता है। केवल तैयार उत्पाद का मूल्यांकन करने के बजाय, प्रक्रिया, व्याख्या की क्षमता, अनुप्रयोग की क्षमता, और संवाद के दौरान समझ को मूल्यांकन करना। AI के उपयोग को छिपाने के बजाय, उपयोग के तरीकों को दर्ज करना। AI द्वारा दिए गए उत्तरों पर संदेह करना, उन्हें जांचना, और आवश्यक होने पर उन्हें अस्वीकार करने की क्षमता विकसित करना। ये सभी AI युग की नई शैक्षिक क्षमताएँ भी हैं।

आखिरकार, सवाल केवल यह नहीं है कि "क्या छात्र ने AI का उपयोग किया"। बल्कि यह है कि "विश्वविद्यालय क्या शैक्षिक क्षमता कहता है", "ग्रेड क्या प्रमाणित करता है", और "समाज किस क्षमता पर विश्वास करता है" जैसे अधिक बुनियादी प्रश्न हैं।

ChatGPT के बाद के विश्वविद्यालयों में, A ग्रेड की संख्या बढ़ने का मतलब यह नहीं है कि शिक्षा सफल हो रही है। बल्कि, जितना अधिक A बढ़ता है, उतना ही यह पूछने की आवश्यकता होती है कि वह A क्या माप रहा है। AI का उपयोग करने की क्षमता महत्वपूर्ण है। लेकिन AI द्वारा तैयार किए गए परिणामों को छात्र की समझ के रूप में भ्रमित नहीं किया जाना चाहिए।

विश्वविद्यालय का मूल्यांकन अब एक बड़े मोड़ पर खड़ा है। क्या वे AI को प्रतिबंधित करके अतीत में लौटने का प्रयास करेंगे? क्या वे AI को अनियंत्रित छोड़कर ग्रेड के अर्थ को खोखला कर देंगे? या फिर, AI को ध्यान में रखते हुए, छात्रों की सोच को दिखाने वाले मूल्यांकन की ओर बढ़ेंगे?

"A" वास्तव में उत्कृष्टता का प्रतीक बना रहे, इसके लिए ग्रेडिंग के तरीके को AI युग के अनुरूप पुनः डिज़ाइन करना आवश्यक है।

स्रोत URL

Blogspan "Seit ChatGPT regnet es Einsen: Was eine Studie über die Noten-Inflation an der Uni herausfand"
लेख का प्रारंभिक बिंदु। UC बर्कले के अध्ययन के आधार पर, ChatGPT के बाद के विश्वविद्यालय ग्रेड मुद्रास्फीति का परिचय दिया गया है।
https://www.blogspan.net/ki-noten-inflation-studie-uni-chatgpt/

UC Berkeley Center for Studies in Higher Education "Artificial Intelligence and Grade Inflation"
अध्ययन का आधिकारिक परिचय पृष्ठ। लेखक, प्रकाशन तिथि, अध्ययन का सारांश, A ग्रेड में 13 अंक की वृद्धि जैसे मुख्य बिंदुओं की पुष्टि की गई।
https://cshe.berkeley.edu/publications/artificial-intelligence-and-grade-inflation-cshe-higher-education-working-paper-series

Igor Chirikov "Artificial Intelligence and Grade Inflation" PDF
मूल कार्यकारी पेपर। विश्लेषण विषय, अनुसंधान विधि, ग्रेड वितरण, होमवर्क अनुपात के साथ संबंध, मौखिक प्रस्तुति का उपयोग करके परीक्षण जैसे विवरण की पुष्टि की गई।
https://escholarship.org/content/qt80x8d3qd/qt80x8d3qd.pdf

The Decoder "AI is inflating student grades, and the effect points to outsourced work, not better learning"
अध्ययन के परिणामों का अंग्रेजी भाषी क्षेत्र में व्याख्या लेख। AI ने सीखने में सुधार नहीं किया, बल्कि असाइनमेंट कार्य को प्रतिस्थापित किया, इस पर ध्यान केंद्रित किया गया।
https://the-decoder.com/ai-is-inflating-student-grades-and-the-effect-points-to-outsourced-work-not-better-learning/

Axios "ChatGPT fuels boom of A grades in schools"
शोधकर्ता की टिप्पणियाँ, होमवर्क अनुपात, AI एकीकृत असाइनमेंट और उपयोग रिकॉर्ड की आवश्यकता पर रिपोर्ट की पुष्टि की गई।
https://www.axios.com/local/colorado-springs/2026/06/18/ai-grade-inflation-college

LinkedIn पोस्ट: Igor Chirikov
Wall Street Journal द्वारा अनुसंधान रिपोर्ट पर लेखक की प्रतिक्रिया। ग्रेड कैसे भर्ती और मूल्यांकन संकेतक के रूप में बदलते हैं, इस पर ध्यान केंद्रित किया गया।
https://www.linkedin.com/posts/igor-chirikov_a-grades-are-suddenly-everywhere-since-activity-7460733177150754816-IpAz

LinkedIn पोस्ट: Emma Cummings / William Garrity
सोशल मीडिया पर प्रतिक्रिया उदाहरण। AI उपयोग क्षमता और सीखने को भ्रमित नहीं करना चाहिए, मूल्यांकन विधियों पर पुनर्विचार करना चाहिए, इस पर चर्चा की गई।##HTML_TAG_