क्या वह होमवर्क "असाइनमेंट" है या "सीखना" - AI युग में स्कूल की मूल्यांकन प्रणाली का हिलना

सुसंगठित लेख। तार्किक संरचना। आकर्षक सामग्री।

जब बच्चे इस तरह की रिपोर्ट प्रस्तुत करते हैं, तो वयस्क इसे "अच्छी तरह से अध्ययन किया" के रूप में ले सकते हैं। लेकिन, आज के समय में जब जनरेटिव AI लेख और संरचना बना सकता है, उसकी पूर्णता हमेशा व्यक्ति की समझ की गहराई से मेल नहीं खाती।

यह समस्या केवल धोखाधड़ी का पता लगाने की तकनीक से हल नहीं होगी। स्कूल क्या सीखने के परिणाम के रूप में मान्यता देते हैं, और परिवार क्या प्रयास के प्रमाण के रूप में देखते हैं, इस मानदंड को ही चुनौती दी जा रही है।

14 अक्टूबर 2026 के आयरलैंड के समाचार पत्र "The Irish Times" में, कॉनर मर्फी ने "ResearchEd" शिक्षा सम्मेलन में भागीदारी के माध्यम से शिक्षा प्रणाली के प्रति गहरी चिंता व्यक्त की।

लेख केवल AI के बारे में नहीं है। यह स्मृति, पुनरावलोकन, ध्यान और गलती करने योग्य कक्षा के बारे में भी है। इसमें जो सामान्य है वह है,"सीखा हुआ दिखना" और "वास्तव में सीखना" के बीच भ्रम का प्रश्न।

शानदार प्रस्तुतियाँ किसकी शक्ति को दर्शाती हैं?

सम्मेलन में मनोविज्ञान की जानकारी प्रस्तुत करने वाले ब्रैडली बुश ने छात्रों के लेखों में AI के उपयोग को स्थिरता से पहचानने की कठिनाई पर चर्चा की।

मर्फी ने इसे केवल होमवर्क तक सीमित नहीं किया, बल्कि आयरलैंड के समापन प्रमाणपत्र परीक्षा "Leaving Certificate" में विस्तारित असाइनमेंट मूल्यांकन पर सवाल उठाया।

यह परीक्षा विश्वविद्यालय प्रवेश से भी संबंधित है। सुधार के तहत पेश किए जाने वाले "Additional Assessment Components (AACs)" में अनुसंधान और परियोजना-आधारित रिपोर्ट शामिल हैं।

2026 के मार्च में प्रकाशित ASTI के विवरण में कहा गया है कि 2027 की परीक्षा में नौ नए और संशोधित विषयों के लिए AAC अंतिम ग्रेड का कम से कम 40% होगा। साथ ही, शिक्षकों ने प्रस्तुत असाइनमेंट के छात्र के स्वयं के काम होने की पुष्टि करने की कठिनाई की ओर इशारा किया।

लिखित परीक्षा में पकड़ में न आने वाली क्षमताओं का मूल्यांकन करने का महत्व है। हालांकि, जैसे-जैसे ग्रेड पर प्रभाव बढ़ता है, यह सुनिश्चित करने की प्रणाली भी महत्वपूर्ण हो जाती है कि छात्र ने कितना सोचा, खोजा और निर्णय लिया।

यहां अंतर करना महत्वपूर्ण है कि AI का उपयोग अनुसंधान सहायता के रूप में किया जाए और बिना समझे व्यक्ति को परिणाम उत्पन्न करने दिया जाए। दोनों को एक साथ मिलाने से, उचित उपयोग और निष्पक्ष मूल्यांकन कठिन हो जाता है।

"शिक्षक इसे पहचान लेंगे" की उम्मीद की सीमाएं

इस चिंता पर विचार करने के लिए, यूनिवर्सिटी ऑफ रीडिंग का एक अध्ययन है।

2024 में प्रकाशित अध्ययन में, मनोविज्ञान के स्नातक पाठ्यक्रम की परीक्षा में AI द्वारा तैयार किए गए उत्तरों को मिलाया गया और वास्तविक ग्रेडिंग प्रक्रिया में उनका कैसे व्यवहार किया गया, यह देखा गया। परिणामस्वरूप, AI उत्तरों का 94% पहचान में नहीं आया और औसतन वास्तविक छात्रों के उत्तरों से उच्च ग्रेड प्राप्त हुआ।

हालांकि, यह एक विशिष्ट विश्वविद्यालय, विषय और परीक्षा की स्थिति के लिए परिणाम है। इसका मतलब यह नहीं है कि जापान के सभी स्कूलों में वही अनुपात होगा या यह सभी AI पहचान तकनीकों की क्षमता को दर्शाता है।

फिर भी, "अनुभवी शिक्षक लेख पढ़कर पहचान लेंगे" की उम्मीद पर आधारित प्रणाली की अस्थिरता स्पष्ट है।

मूल्यांकन प्रणाली के रूप में विचार करने योग्य है कि पूर्णता के अलावा, संक्षिप्त मौखिक स्पष्टीकरण, कक्षा में कार्य, और मध्यवर्ती चरणों के रिकॉर्ड को संयोजित किया जाए। किसी एक को सार्वभौमिक प्रमाण नहीं बनाना चाहिए, बल्कि कई परिदृश्यों से व्यक्ति की समझ की पुष्टि करनी चाहिए।

हाइलाइटर से रेखा खींचने पर क्यों "अध्ययन किया हुआ लगता है"

मूल लेख में प्रभावशाली बात यह है कि AI की बात और पुराने अध्ययन विधियों की बात जुड़ी हुई है।

पाठ्यपुस्तक में रेखा खींचना। नोट्स को सुंदर तरीके से संकलित करना। कई पृष्ठों को पढ़ना।

ये क्रियाएं दृश्य होने के कारण, व्यक्ति और उसके आसपास के लोगों को प्रयास का पता चल जाता है। लेकिन, पृष्ठों का रंगीन होना और सामग्री को याद कर पाना अलग बात है।

डनलोस्की और उनके सहयोगियों द्वारा अध्ययन विधियों की तुलना में, अभ्यास परीक्षण और अंतराल वाले अध्ययन को उच्च मूल्यांकन मिला, जबकि रेखा खींचना और पुनःपढ़ना, व्यापक परिस्थितियों में कम उपयोगी पाया गया।

इसका मतलब यह नहीं है कि हाइलाइटर का उपयोग नहीं करना चाहिए। रेखा खींचने के बाद, यह आवश्यक है कि व्यक्ति खुद से महत्वपूर्ण बातों को निकाल सके।

उदाहरण के लिए, पाठ्यपुस्तक को बंद करके तीन मुख्य बिंदु बताएं। बिना उत्तर देखे प्रश्न हल करें। कल सीखी गई बात को संक्षेप में समझाएं। जो भाग नहीं समझे, उसे फिर से देखें और पुनः प्रयास करें।

AI द्वारा तैयार की गई स्पष्ट व्याख्या पढ़ते समय भी, यही प्रश्न पूछना चाहिए। क्या केवल पढ़कर संतुष्ट हो गए, या स्क्रीन बंद करने के बाद भी समझा सकते हैं?

आज जो कर सकते हैं, वह अगले सप्ताह भी कर पाएंगे, यह निश्चित नहीं है

सम्मेलन में, कक्षा के तुरंत बाद के प्रदर्शन और दीर्घकालिक रूप से बनी रहने वाली शिक्षा के बीच अंतर की महत्वपूर्णता पर भी चर्चा की गई।

व्याख्या सुनने के तुरंत बाद उत्तर दे सकते हैं। उदाहरण के नीचे दिए गए समान प्रश्न हल कर सकते हैं। लेकिन, कुछ दिनों बाद, बिना किसी संकेत के प्रयास करने पर हाथ रुक जाते हैं। ऐसे अनुभव असामान्य नहीं हैं।

मूल लेख में वर्णित है कि शिक्षा को फैलाकर, संबंधित सामग्री को मिलाकर और बार-बार जांचने की विधि है। 30 मिनट की छोटी शिक्षा अवधि का भी उदाहरण दिया गया है, लेकिन यह नहीं कहा गया है कि "हर किसी के लिए 30 मिनट ही सबसे अच्छा है"।

घर पर इसे अपनाने के लिए, आज सीखी गई सामग्री पर अगले दिन थोड़ा लौटें और सप्ताहांत में फिर से जांचें। गणित में, एक ही प्रकार के प्रश्नों को हल करने के बजाय, पहले से सीखे गए विभिन्न प्रकार के प्रश्नों को मिलाएं।

महत्वपूर्ण यह है कि केवल सहजता से आगे बढ़ने की भावना को सफलता का मानदंड न बनाएं। हालांकि, इसे कठिन बनाकर परेशान करना भी सही नहीं है। प्रयास करने योग्य असाइनमेंट और गलतियों को सुधारने योग्य व्याख्या आवश्यक है।

सोशल मीडिया पर "प्रॉक्सी लेखन की चिंता" और "एकल प्रयास की शंका" का टकराव

इस समस्या पर ऑनलाइन चर्चा, सरल AI समर्थन या विरोध में विभाजित नहीं है।

नीचे दिए गए विचार The Irish Times के इस लेख के सीधे प्रतिक्रियाएं नहीं हैं, बल्कि आयरलैंड की शिक्षा सुधार और AI पर Reddit पर संबंधित चर्चाओं में देखे गए विचार हैं। ये गुमनाम पोस्ट हैं और पूरे जनमत का प्रतिनिधित्व नहीं करते।

2024 के दिसंबर में, अनुसंधान असाइनमेंट में AI के उपयोग पर चर्चा करने वाले थ्रेड में, उच्च अंक होने के कारण, नियमों के बावजूद AI से असाइनमेंट बनवाने वाले छात्र होंगे की चिंता व्यक्त की गई थी।

उसी पोस्ट में, मौखिक परीक्षा या संगीत के व्यावहारिक प्रदर्शन जैसे लिखित परीक्षा के अलावा अन्य मूल्यांकन को पूरी तरह से अस्वीकार नहीं किया गया था। समस्या यह है कि असाइनमेंट के प्रकार के अनुसार, व्यक्ति की क्षमता की पुष्टि कैसे की जाए।

एक अन्य संबंधित थ्रेड में, पारिवारिक पृष्ठभूमि के समर्थन में अंतर और असाइनमेंट के बोझ की चिंता देखी गई। वहीं, एकल बड़े परीक्षा में ग्रेड केंद्रित होने की शंका और छोटे मूल्यांकन से छात्रों के दबाव को कम करने का विचार भी था।

इस चर्चा से यह स्पष्ट होता है कि "परीक्षा या असाइनमेंट" की दोहरी पसंद से समस्या का समाधान नहीं होता।

असाइनमेंट मूल्यांकन में, समय लेकर की गई खोज को मान्यता देने का मूल्य है। हालांकि, अगर घर में मिलने वाली सहायता अलग-अलग है और व्यक्ति की समझ की पुष्टि करना कठिन है, तो यह एक अलग असमानता पैदा कर सकता है। दोनों तरीकों में, संरक्षित लाभ और पूरक करने योग्य कमजोरियां हैं।

जापान के स्कूलों में भी, "क्या मूल्यांकन करना है" पहले तय करना चाहिए

यह प्रश्न जापान के पुस्तक समीक्षा, अनुसंधान अध्ययन, खोज गतिविधियों और विश्वविद्यालय के रिपोर्टों पर भी लागू होता है।

उदाहरण के लिए, "स्थानीय मुद्दों को संकलित करने" का एक ही होमवर्क भी, उद्देश्य एक नहीं होता। क्या आप सूचना संग्रह की क्षमता विकसित करना चाहते हैं? या सामग्री की तुलना करने की क्षमता? या लेखन की क्षमता? इसके अनुसार, AI को सौंपे जाने वाले कार्य बदलते हैं।

लेखन अभ्यास के लिए असाइनमेंट में पूरे लेख को जनरेट कराना, अभ्यास के केंद्र को खो देता है। दूसरी ओर, अगर यह सामग्री की तुलना करने का असाइनमेंट है, तो AI की व्याख्या और सार्वजनिक सामग्री के बीच अंतर की जांच करने की गतिविधि भी हो सकती है।

मंत्रालय द्वारा 2024 के दिसंबर में संशोधित गाइडलाइन के दूसरे संस्करण में भी, मानव-केंद्रित उपयोग और AI की उपस्थिति को ध्यान में रखते हुए सूचना उपयोग क्षमता के विकास को मूलभूत रूप में रखा गया है। छात्रों के उपयोग में, विकास स्तर, क्षमता के विकास की स्थिति और जोखिम के उपायों को ध्यान में रखा गया है।

इस दिशा को कक्षा में लागू करने के लिए, केवल "AI उपयोग की अनुमति" कहना पर्याप्त नहीं है। विचार की सहायता, अभिव्यक्ति का सुधार, लेख का निर्माण आदि, किस उपयोग की अनुमति है, इसे असाइनमेंट के अनुसार स्पष्ट करना आवश्यक है।

पूर्णता के साथ-साथ "विचार की प्रक्रिया" को दिखाने वाले मूल्यांकन की ओर

तो, कौन सा असाइनमेंट व्यक्ति की सीख को आसानी से सत्यापित कर सकता है? यहां से, मूल लेख और संबंधित सामग्री के आधार पर प्रस्ताव हैं।

एक तरीका है, प्रस्तुत करने की प्रक्रिया को धीरे-धीरे साझा करना। प्रारंभिक प्रश्न, संदर्भित सामग्री, बीच में बदला गया विचार, अंतिम निष्कर्ष। इन सभी को बड़े पैमाने पर रिकॉर्ड करने की आवश्यकता नहीं है। केवल महत्वपूर्ण विभाजन बिंदुओं को ही, पूर्णता से अदृश्य निर्णयों को पकड़ सकते हैं।

दूसरा तरीका है, प्रस्तुत करने के बाद का संक्षिप्त स्पष्टीकरण।

"इस सामग्री को चुनने का कारण क्या था?"
"प्रारंभिक विचार और बदले हुए बिंदु क्या हैं?"
"क्या अन्य परिस्थितियों में भी वही निष्कर्ष होगा?"

ऐसे प्रश्न केवल AI उपयोग को रोकने के लिए नहीं, बल्कि समझ को गहरा करने के अवसर भी बन सकते हैं।

हालांकि, केवल त्वरित उत्तर देने की गति या सार्वजनिक रूप से बोलने की क्षमता के आधार पर मूल्यांकन नहीं करना चाहिए। सोचने का समय देना, संक्षिप्त लेख या चित्र के माध्यम से समझाने की अनुमति देना आदि, सीखने के लक्ष्यों के अनुसार विधि की आवश्यकता होती है।

इसके अलावा, यदि सत्यापन कार्य को पूरी तरह से शिक्षक के अतिरिक्त बोझ में डाल दिया जाए, तो यह लंबे समय तक नहीं टिकेगा। असाइनमेंट की संख्या या मात्रा की समीक्षा करना और कक्षा में प्रक्रिया की पुष्टि करने के लिए समय सुनिश्चित करना भी मूल्यांकन सुधार का हिस्सा है।

गलती न कर सकने वाली कक्षा में, विचार की प्रक्रिया भी अदृश्य हो जाती है

मूल लेख के अंत में, सुरक्षित वातावरण में गलती करने की क्षमता का महत्व उठाया गया है।

यह AI युग की शिक्षा से भी गहराई से संबंधित है। केवल पूर्ण सही उत्तरों का मूल्यांकन किया जाता है, और बीच की उलझनें या गलतियाँ शर्मिंदगी बन जाती हैं, तो छात्रों के पास अपने अधूरे विचारों को दिखाने का कोई कारण नहीं होता।

इसके विपरीत, यदि गलतियों से क्या सुधारा गया है, उसे मान्यता दी जाती है, तो विचार की प्रक्रिया को दिखाने का अर्थ बनता है।

"यहां तक ​​कि मैं समझ गया"
"इस हिस्से को AI की व्याख्या पढ़ने के बाद भी नहीं समझ सका"
"प्रारंभ में उपयोग की गई सामग्री में समस्या थी"

ऐसी बातें सीखने के प्रारंभिक बिंदु के रूप में मानी जा सकती हैं, तो शिक्षक भी समर्थन करने के लिए आवश्यक स्थानों को आसानी से समझ सकते हैं।

मूल लेख में वर्णित शिक्षकों की प्रथाएं भी छात्रों का ध्यान आकर्षित करने और गहराई से सोचने के समय को जोड़ने का प्रयास करती थीं। विधियां और पीढ़ियां भले ही अलग हों, छात्रों में सीखने की संभावना है, इस पर विश्वास साझा किया गया था।

"कितने पृष्ठ किए?" के बाद क्या पूछना चाहिए

कुछ चीजें घर पर बदली जा सकती हैं।

"कितने पृष्ठ किए?" के अलावा, "आज क्या समझा?" पूछें। "सब कुछ समाप्त हो गया?" के बजाय, "अभी भी कौन से हिस्से समझ नहीं आए?" पूछें।

हर बार मौखिक परीक्षा की आवश्यकता नहीं है। जब बच्चा स्पष्टीकरण में अटक जाए, तो इसे दोष के रूप में उपयोग करने के बजाय, इसे एक साथ जांचने का अवसर बनाएं।

जनरेटिव AI आकर्षक परिणामों को कम समय में बना सकता है। लेकिन, उस परिणाम का तैयार होना और सीखने वाले के अंदर ज्ञान या निर्णय की क्षमता का रहना एक ही बात नहीं है।

आने वाली शिक्षा में, केवल प्रस्तुत पृष्ठों