AI होमवर्क मशीन के युग में शिक्षा की चुनौतियाँ

• हाल के समय में AI होमवर्क मशीन के कारण शिक्षा जगत की चुनौतियाँ बढ़ रही हैं
• छात्र ChatGPT जैसी जनरेटिव AI का उपयोग करके असाइनमेंट में चीटिंग तक आसानी से पहुँच रहे हैं
• शिक्षकों ने चिंता जताई है कि AI का उपयोग वास्तविक सीखने और सोचने की प्रक्रिया से विच्छेद तक ले जा सकता है
• स्कूलों में AI उपयोग को सीमित करने या एनालॉग तरीकों (हस्तलिखित काम आदि) को अपनाने के प्रयोग दिखाई दे रहे हैं
• इस समस्या से निपटने के लिए पूरे शैक्षिक वातावरण में बदलाव और सावधानीपूर्ण दृष्टिकोण की आवश्यकता है

---

प्रस्तावना: AI और Butlerian Jihad की उपमा

• लेखक पिछले वर्ष से Dune के Butlerian Jihad सिद्धांत (“मानव मस्तिष्क जैसा मशीन मत बनाओ”) को लागू करने की वकालत करते आए हैं
• यह सिद्धांत AI को लेकर मौजूद विविध चिंताओं को एक विश्वास में समेटता है, और चिकित्सा जैसे सकारात्मक AI उपयोग तथा मनुष्य की नकल करने वाली AI के बीच भेद करने का एक मानदंड प्रस्तुत करता है
• हाल के समय में “AI विरोध” आंदोलन वास्तव में फैल रहा है
  • ‘Destroy AI’ टी-शर्ट का आना, AI scraper रोकने के लिए trap, और anti-AI संदेशों का लोकप्रिय प्रसार
  • साहित्य और प्रकाशन जगत में anti-AI clauses मानक बनते जा रहे हैं
• AI की मदद से पैनल चयन जैसे विवादों में, रचनाकार, कलाकार और लेखक LLM के साथ हर तरह की अंतःक्रिया को भी रचनात्मक एकजुटता के साथ विश्वासघात के रूप में देखने लगे हैं

AI के प्रति भावनात्मक और मानसिक प्रतिरोध

• केवल एक साधारण Luddite आंदोलन से आगे बढ़कर, AI के प्रति मूलभूत अस्वीकारभाव के फैलने का संकेत दिख रहा है
• AI द्वारा इंसानी नकल और उसके अनैतिक उपयोग के प्रति असहजता, ठोस तर्कों से आगे बढ़कर भीतर गहराई तक बैठ चुकी है
• भले ही AI तकनीक के पक्ष में तार्किक जवाब विरोध को कमजोर कर दें, उसके प्रति अस्वीकारभाव आसानी से समाप्त नहीं होता

शिक्षा क्षेत्र में AI की समस्या: होमवर्क मशीन का उदय

• हाल में वास्तविक शैक्षिक माहौल में महसूस होने वाला AI का सबसे बड़ा असर असाइनमेंट चीटिंग है
• कई लेखों में छात्रों की AI पर बढ़ती निर्भरता, शिक्षकों की हताशा और AI उपयोग को लेकर भ्रम सामने आता है
• AI tutor आदर्श लग सकते हैं, लेकिन hallucination/गलत जानकारी पैदा करना, और वास्तविक सीखने के प्रभाव में कमी जैसी सीमाएँ मौजूद हैं

AI उपयोग का सीखने और मूल्यांकन संरचना पर प्रभाव

• AI असाइनमेंट के परिणाम और वास्तविक सोच व अभ्यास की प्रक्रिया को अलग कर देता है, जिससे छात्र की असली समझ को परखना कठिन हो जाता है
• यह “Desirable Difficulty” से बच निकलने का रास्ता देता है और केवल अल्पकालिक सुविधा प्रदान करता है
• केवल सामान्य अध्ययन के विषयों में ही नहीं, बल्कि मुख्य विषयों और रचनात्मक कक्षाओं में भी AI पर निर्भर होने का प्रलोभन बहुत मजबूत है

वास्तविक कक्षा अनुभव और AI चीटिंग पहचानने की समस्या

• लेखक की विश्वविद्यालय स्तरीय लेखन कक्षा में भी जनरेटिव AI का उपयोग तेजी से बढ़ा है
• कुछ मामलों में बुनियादी उपयोगकर्ता गलतियाँ (जैसे लेखक संबंधी जानकारी का छूट जाना, तथ्यगत गलती आदि) से पकड़ हो जाती है, लेकिन समय के साथ पहचानना कठिन होता जा रहा है
• AI उपयोग पहचानने की सीमाओं के कारण शिक्षक मूल्यांकन प्रक्रिया में अविश्वास, थकान और सहयोगी के बजाय शत्रुतापूर्ण मनःस्थिति की ओर झुकने लगते हैं
• छात्र भी अब इसका अधिक कुशलता से सामना करने लगे हैं, और अकादमिक बेईमानी स्वीकार करने की दर धीरे-धीरे घट रही है

AI और लेखन: उपकरण के स्वभाव में मूलभूत अंतर

• AI से लिखा गया परिणाम मूल तत्व से खाली होता है, और मानवीय संवाद की अनुपस्थिति के कारण शिक्षक की थकान बढ़ाता है
• AI को “शब्दों के लिए calculator” कहने वाली उपमा भी दी जाती है, लेकिन जैसे केवल calculator से गणित शिक्षा का स्थान नहीं लिया जा सकता, वैसे ही AI भी लेखन क्षमता का स्थान नहीं ले सकता
• वास्तविक सीखने और विकास के लिए AI पर निर्भर न रहने वाली रचनात्मक सोच और अभिव्यक्ति महत्वपूर्ण है

AI उपयोग पर प्रतिबंध और एनालॉग तरीके के प्रयोग

• AI सत्यापन के लिए Google Docs आदि के माध्यम से सबमिशन फॉर्मेट सीमित किए गए, लेकिन व्यवहार में निगरानी और असुविधा बढ़ गई
• स्कूलों में AI उपयोग की स्वीकृत सीमा को विस्तार से बाँटा गया, लेकिन वास्तव में इसका उल्लेख या खुलासा करने वाले छात्र लगभग नहीं हैं
• छात्र स्वयं भी AI को “चीटिंग” के रूप में देखते हैं, इसलिए उसे छिपाने की प्रवृत्ति मजबूत है

छात्रों की AI संबंधी सोच और दुविधाएँ

• छात्र AI स्वयं, और डिजिटल प्लेटफॉर्म पर निर्भरता से भरे जीवन के कारण थकान महसूस कर रहे हैं
• कुछ छात्र भविष्य की परियोजनाओं में AI के दुरुपयोग को लेकर चिंतित हैं, या ‘तकनीक के संयमित उपयोग’ को बेहतर भविष्य के रूप में कल्पना करते हैं
• ऐसी चिंताएँ AI के उपयोग पर आयु-आधारित सीमाएँ या सामाजिक विनियमन की आवश्यकता के पक्ष को मजबूत करती हैं

AI के संज्ञानात्मक नकारात्मक प्रभाव और व्यापक सामाजिक समस्या

• मनुष्य के मस्तिष्क की नकल करने वाली AI तकनीक भावनात्मक भ्रम, लत, और वहम जैसी दुष्प्रभाव ला सकती है
• ये समस्याएँ केवल शिक्षा तक सीमित नहीं, बल्कि व्यवसाय, कानून, विज्ञान और समाज के अन्य क्षेत्रों में भी बेईमानी के रूप में फैल रही हैं
• इससे भरोसे की बुनियाद कमजोर हो सकती है और सत्य को नुकसान पहुँचने जैसी संकट की स्थिति पैदा हो सकती है

समाधान: एनालॉग-केंद्रित कक्षा प्रयोग

• एक बुनियादी बचाव उपाय के रूप में, अगले सेमेस्टर में हस्तलिखित और कागज-आधारित सीखने की पद्धति अपनाने का प्रयोग करने की योजना है
• छात्रों से डिजिटल उपकरणों के बिना सीधे लिखने और समस्या हल करने को कहा जाएगा
• मूल्यांकन में परिणाम के बजाय प्रक्रिया, भागीदारी और कार्य-पूर्ति पर अधिक ध्यान दिया जाएगा

निष्कर्ष: मानवीयता की पुनर्प्राप्ति के लिए शिक्षा प्रतिमान में बदलाव

• AI समर्थक कहते हैं कि “AI सब कुछ बदल देगा”, लेकिन इसका अर्थ यह नहीं कि शिक्षा का वातावरण बेहतर ही होगा
• AI के प्रति प्रतिक्रिया की प्रक्रिया में अंततः अधिक मानवीय, पारस्परिक सम्मान और आत्मचिंतन वाले वातावरण की आवश्यकता पर जोर दिया गया है
• निरंतर परिवर्तन के बीच शिक्षा के मूल तत्व की पुनर्प्राप्ति और नई छलांग की आशा व्यक्त की गई है

अतिरिक्त समाचार

• लेखक को इस सेमेस्टर ASU graduate student government की ओर से उत्कृष्ट अध्यापन पुरस्कार मिला है
• 63वें Glendon and Kathryn Swarthout Awards में graduate fiction category में प्रथम स्थान मिला है
• National Wildlife Federation और American University के ‘Responsible Carbon Removal Institute’ द्वारा आयोजित Carbon Removal Justice Fellowship के लिए चयन हुआ है, जिसके तहत DC और Louisiana में प्रशिक्षण होगा
• Hayden’s Ferry Review ब्लॉग पर एक इंटरव्यू लेख प्रकाशित हुआ है

Art Tour: Turbulent Mountain Waterfall

• हाल ही में Phoenix Art Museum की यात्रा के दौरान Pat Steir की “Turbulent Mountain Waterfall”(1991) कृति देखी गई
• यह छवि आने वाली Arizona की गर्मी के बीच मन को ठंडक देने वाली स्मृति के रूप में रहेगी

[GN⁺]

Hacker News की राय

• शायद तरीका बदलना भी असरदार हो सकता है। अगर AI का इस्तेमाल घर पर पढ़ाई के लिए किया जाए, और स्कूल में निगरानी में "होमवर्क" कराया जाए, तो कैसा रहेगा—ऐसा सोचता हूँ

  • Flipped classroom नाम की एक अवधारणा है, और यही मेरे मास्टर थीसिस का विषय था। दरअसल यह काफ़ी पुराना विचार है

• मैं 30,000 छात्रों वाले एक विश्वविद्यालय में गणित पढ़ाता हूँ, और हाल में फिर से निगरानी में 'कागज़ और पेन' से परीक्षा कराने वाले पारंपरिक तरीके की ओर लौट रहा हूँ। छात्रों को इस बदलाव से कोई ख़ास शिकायत नहीं दिखती, लेकिन विश्वविद्यालय का प्रशासनिक विभाग इस रुझान से खुश नहीं है। बहुत दबाव है कि सारे assessment remote-learning friendly हों। नीति यह है कि in-person class और online enrolled students—दोनों के लिए एक ही assessment method होना चाहिए। क्योंकि online enrollment बड़ा revenue source है, इसलिए उसे बढ़ाना बहुत महत्वपूर्ण माना जाता है। अगर Calculus I की 7 sections में से 1 online हो, तो बाकी 6 in-person sections में भी in-person assessment पर रोक लग जाती है। इसे "fairness" के नाम पर पेश किया जाता है। सच में यह स्थिति बहुत निराशाजनक है

  • मैं भी उस दबाव को महसूस करता हूँ। सच कहूँ तो, मुझे लगता है कि हम जिन AI समस्याओं का सामना कर रहे हैं, उनमें से बड़ी संख्या इसलिए दिख रही है क्योंकि AI हमारे समाज की दूसरी समस्याओं को उजागर कर रहा है। उदाहरण के लिए, faculty ही course content को सबसे अच्छी तरह जानते हैं और वही पढ़ाते भी हैं, लेकिन असली निर्णय administration के पास होता है। और विश्वविद्यालयों का पैसा कमाने को लक्ष्य बना लेना भी एक समस्या है। AI इन समस्याओं को और बदतर बना रहा है, लेकिन ये दरअसल AI से पहले की संरचनात्मक समस्याएँ हैं। उम्मीद है कि हालात बहुत ज़्यादा बिगड़ने के बाद ही सही, बुनियादी ढाँचे को ठीक किया जाएगा। अगर किस्मत अच्छी रही, तो हम उन समस्याओं को इस मौके पर सुधार पाएँगे जिन्हें हम लंबे समय से नज़रअंदाज़ करते आए हैं। नहीं तो बस हालात सुधरने का मौका भी पाए बिना और बिगड़ते जाएँगे
  • मेरे पास Harvard Extension की Software Engineering degree है, और मुझे सचमुच कई बार physically proctored माहौल में परीक्षा देनी पड़ी थी। Madrid और London में परीक्षा देना भी बिना ज़्यादा मुश्किल के संभव हो गया था। विश्वविद्यालय या छात्र—किसी के लिए भी यह इतना कठिन काम नहीं है। अभी मैं Georgia Tech में online master’s program कर रहा हूँ, और online assessment व proctoring भी ठीक-ठाक चल रही है। जिन courses में गणितीय सामग्री ज़्यादा है (जैसे Simulation), वे भी online काफ़ी अच्छे से संभव थे। हाँ, कुछ subjects (जैसे Graduate Algorithms) में online assessment को लेकर मुश्किलें दिखती हैं। प्रोफेसर अगर in-person assessment को प्राथमिकता दें तो मैं समझ सकता हूँ, लेकिन मेरी तरफ़ से, अगर पर्याप्त proctoring options मिलें या subject choice में variety हो, तो मुझे कोई बड़ी शिकायत नहीं है
  • ऑस्ट्रेलिया में remote-learning universities भी बड़े शहरों में कई proctored exam centers चलाती हैं। पढ़ाई remote होती है, लेकिन final exam आधिकारिक proctored center में ही देना पड़ता है। कभी-कभी exam कुल grade का 50% से ज़्यादा भी होता है। सोचता हूँ कि क्या अमेरिका में भी ऐसा मॉडल अपनाया जा सकता है
  • जिन छात्रों से मैं मिला हूँ, वे इस तरह के 'पुराने तरीके' दिए जाने पर लगभग हमेशा सदमे और निराशा जताते हैं। वे इस बात से हताश हैं कि जिस degree के लिए वे मेहनत कर रहे हैं, उसकी उपयोगिता कम होती जा रही है, लेकिन फिर भी वे exams की वापसी नहीं चाहते। खासकर neurodivergent छात्र exam environment में ज़्यादा असुरक्षित होते हैं, जबकि open-ended assignments में वे कहीं बेहतर दिखते हैं (मानता हूँ कि मेरा sample biased है)। वे कहते हैं कि उन्हें कोई समाधान नहीं दिखता। सबसे ज़्यादा नुकसान झेलने वाले छात्रों के नज़रिए से देखें, तो पूरी स्थिति और वे "solutions" जो वास्तव में मदद नहीं करते—दोनों ही बेहद निराशाजनक हैं
  • जिस विश्वविद्यालय में मैं पढ़ा, वहाँ तकनीकी classes में प्रोफेसर लगभग हमेशा केवल पेंसिल और कागज़ पर ही ज़ोर देते थे। essay लिखते समय सिर्फ़ कुछ subjects में laptop की अनुमति थी, और तब भी प्रोफेसर पूरी परीक्षा के दौरान कक्षा में घूम-घूमकर खुद निगरानी करते थे। पहले मुझे समझ नहीं आता था कि नई तकनीक क्यों नहीं अपनाई जाती, लेकिन अब मैं उन प्रोफेसरों का आभारी हूँ। हाथ से गणित लिखते हुए सीखने पर theory की समझ बहुत मज़बूत बनती है। आज के छात्रों को देखकर सचमुच दुख होता है। प्रोफेसरों, कभी-कभी "NO" भी कहिए। छात्र बाद में आपका शुक्रिया अदा करेंगे

• मुझे हमेशा लगता रहा है कि शिक्षा प्रणाली बहुत पहले से टूटी हुई है और लगभग बेकार है। शिक्षकों ने शायद ही कभी यह एहसास दिया कि वे सच में कुछ “सिखा” रहे हैं। उल्टा, अगर आप सोचने की क्षमता दिखाएँ, तो curriculum से मेल न खाने के कारण आपको दबा दिया जाता है। मुझे लगता है कि यह तथ्य कि AI आसानी से होमवर्क कर सकता है, यही दिखाता है कि होमवर्क की वैल्यू ही कम है। असली teaching और learning के लिए collaboration चाहिए

  • सिर्फ़ इस आधार पर कि AI होमवर्क कर सकता है, यह मान लेना कि होमवर्क अर्थहीन है, बहुत सतही नज़रिया है। बहुत सा होमवर्क तो calculator, Wikipedia, या textbook देखकर भी आसानी से किया जा सकता है। इसका मतलब यह नहीं कि वह होमवर्क अनावश्यक था। असल में होमवर्क के ज़रिए दिमाग़ की सोचने की संरचना बनती है और कई skills साथ-साथ सीखी जाती हैं। हाँ, समय बदलने के साथ assessment का अर्थ पहले जैसा नहीं रहा—यह भी सच है
  • होमवर्क का उद्देश्य असल में अभ्यास करना, ज़रूरी हिस्सों की पहचान करना, और प्रगति को ट्रैक करना है। AI होमवर्क कर सकता है, इससे होमवर्क बेकार नहीं हो जाता। बुरा अनुभव रहा हो या अच्छे शिक्षक न मिले हों—यह वाकई दुखद है, लेकिन जो system ज़्यादातर लोगों के लिए काम करता है उसे पूरी तरह ख़ारिज कर देना तर्कसंगत नहीं है। स्वतंत्र critical thinking की उम्मीद करने से पहले, बहुत से छात्रों को पढ़ना और बुनियादी गणित भी ठीक से नहीं आता। स्कूल में गणित के सवालों के ज़रिए ‘नतीजों पर तार्किक अनुमान’ लगाना सीखना भी एक अहम बात है। सच में, यह परखने की क्षमता कि 43,000 km लंबा पुल तर्कसंगत है या नहीं, महत्वपूर्ण है
  • आज का AI Harvard-स्तर के विश्वविद्यालयों का गणित और programming होमवर्क भी कर सकता है, लेकिन GPT से पहले के दौर में भी मैंने होमवर्क से बहुत कुछ सीखा था, और होमवर्क करना मुझे पसंद भी था। AI के होने से सारी अर्थवत्ता खत्म हो जाती है—यह एक तर्कहीन छलाँग है
  • होमवर्क का असली उद्देश्य सिर्फ़ होमवर्क पूरा करना नहीं, बल्कि सीखने की क्षमता और सीखी हुई चीज़ों को साबित करना है। चाहे किसी और से करवा लें या AI से, अगर कौशल विकसित नहीं हुआ तो degree का अर्थ नहीं बचता। विश्वविद्यालयों को degree की विश्वसनीयता बचाने के लिए assessment methods सुधारने चाहिए। अगर AI उपयोग क्षमता का मूल्यांकन करना है, तो उसके लिए अलग से assessment और degree होनी चाहिए। यानी सामान्य Computer Science degree और AI Assisted Computer Science degree में स्पष्ट अंतर होना चाहिए

• मैं computer engineering/programming पढ़ाता हूँ, और AI को लेकर सबसे अच्छी policy ढूँढना आसान नहीं है। एक तरफ़ मैं खुद भी AI का बहुत इस्तेमाल करता हूँ और सीखने में उससे काफ़ी मदद मिलती है। लेकिन AI काम जल्दी ख़त्म करा देता है, बदले में output की quality गिर जाती है। छात्र अनिवार्य assignments को बस 'पार करनी वाली बाधा' समझते हैं, और उसे सबसे आसान तरीके से पार करने पर ध्यान देते हैं। ऐसे में AI learning assistant से ज़्यादा एक homework machine बन जाता है। computer usage पर रोक या किसी अजीब भाषा का उपयोग (जैसे मेरे बनाए compiler का इस्तेमाल) लागू नहीं किया जा सकता। अभी मेरी पद्धति project assignments और oral exams पर केंद्रित है। projects में collaboration ज़रूरी होता है, इसलिए LLM से सीधे उत्तर निकालना आसान नहीं होता, और oral exams में skill व depth तुरंत सामने आ जाते हैं। लेकिन हर साल कुछ छात्र ऐसे होते हैं जो 3 semesters या इतना समय गँवाने के बाद भी बुनियादी concepts को बिल्कुल जोड़ नहीं पाते, और तब एक शिक्षक के रूप में मुझे उन्हें कहना पड़ता है कि 'यह समय व्यर्थ गया'। Linux basics साधारण terminal practice है, इसलिए अभी तक LLM के पास terminal API access न होने के कारण यह क्षेत्र कम प्रभावित है। online IDE देकर copy-paste process को monitor करने पर भी विचार है, लेकिन मुझे यह अच्छा नहीं लगता कि छात्र अपने कंप्यूटर पर खुद software चलाना ही न सीखें

  • मैं भी इतना पुरानी पीढ़ी का नहीं हूँ, लेकिन विश्वविद्यालय में CS assessments group projects और in-person written exams पर आधारित थे। exam hall में programming functions या बड़ी memory वाले calculators ही नहीं, laptops भी पूरी तरह प्रतिबंधित थे। इसमें कोई बड़ी असुविधा नहीं थी। अभी इस पर बहुत बहस है, लेकिन मुझे नहीं लगता कि यह पीढ़ीगत टकराव या छात्र-अधिकार से ज़्यादा बड़ा मुद्दा है। दरअसल मुझे लगता है कि लंबी analytical writing माँगने वाले subjects कहीं ज़्यादा संकट में हैं। oral exams या Blue book essays जैसी चीज़ें पहले काफ़ी अच्छी तरह काम करती थीं
  • छात्रों का अनिवार्य assignments को 'बस किसी तरह पार करने वाली दीवार' मानना online communities (जैसे Hacker News) में काफ़ी फैला हुआ लगता है। LLM से पहले भी 'विश्वविद्यालय बेकार है', 'degree सिर्फ़ कागज़ का टुकड़ा है', 'lectures की कोई value नहीं'—और अंत में 'तो cheating करना भी जायज़ है'—जैसी दलीलें आम थीं। लेकिन जब सचमुच नौकरी या व्यावहारिक क्षमता का मूल्यांकन किया जाता है, तो ठीक से पढ़े छात्र और बस खेल की तरह निकल जाने की कोशिश करने वाले छात्र में अंतर करना बहुत आसान होता है
  • मैं भी मानता हूँ कि oral exams में छात्र की क्षमता साफ़ दिखती है। अगर computer lab उपलब्ध हो, तो हर class में नियमित रूप से real-time programming exercises देना भी अच्छा तरीका हो सकता है। online IDE देना या copy-paste monitor करना—इसका नुकसान यह हो सकता है कि सक्षम छात्र अपने पसंदीदा editor का इस्तेमाल न कर पाएँ। मैं खुद भी web page में code टाइप करना पसंद नहीं करता
  • हर साल कुछ छात्रों को बिना किसी बुनियादी समझ के exam hall तक पहुँचते देखना थोड़ा चौंकाने वाला होता है
  • अगर ऐसा कोई course हो जिसमें छात्र खुद programming language design और implement करते हों, तो एक तरीका यह भी हो सकता है कि पिछले साल के सबसे अच्छे छात्र-निर्मित language का इस्तेमाल कराया जाए। इससे LLM आसानी से उत्तर generate नहीं कर पाएगा। मैं खुद गणित/कंप्यूटर से बिल्कुल अलग क्षेत्र में हूँ, लेकिन यह विचार दिलचस्प लगता है

• मुझे लगता है कि AI भविष्य के छात्रों के लिए learning को विस्फोटक रूप से तेज़ कर सकता है। Montessori education की तरह, LLM उन छात्रों की मदद कर सकता है जो अलग-अलग दिशाओं में अपने रास्ते तलाश रहे हों। मेरे मामले में, हाई स्कूल में शिक्षक अक्सर सवाल टाल देते थे और चर्चा को गहराई तक नहीं ले जाते थे, इसलिए मेरी जिज्ञासा अक्सर अधूरी रह जाती थी (खासकर biology या chemistry में)। बेशक, अभी का शिक्षा माहौल homework-centric है, इसलिए LLM का फ़ायदा वही छात्र उठाते हैं जिनमें सचमुच जिज्ञासा है। अगर teaching के नए तरीके आएँ, तो उम्मीद है कि वे हर छात्र के भीतर की जिज्ञासा को बेहतर ढंग से बाहर ला पाएँगे। अगर किसी को ऐसा AI tool पता हो जो trigonometry जैसी मुख्य अवधारणाओं की बड़ी रूपरेखा बनाए रखते हुए topic-wise exploration की सुविधा दे, तो बताइए

  • मुझे लगता है कि अभी की असली समस्या 'homework-centric' संरचना है। सच में जिज्ञासु छात्र को चाहिए होता है 'खाली समय'। लगातार assignments और लगातार LLM उपयोग की बजाय, शायद पहले की तरह अपेक्षाकृत हल्का coursework होना बेहतर था ताकि खुद से खोजबीन करने का समय बचे। मेरे मामले में, जब मैंने music और electronics खुद सीखे, तो exam की जगह मैंने अपनी प्रगति किसी और मानक से मापी—जैसे सर्किट सचमुच काम कर रहा है या नहीं। बाहरी मानक के बिना सिर्फ़ LLM इस्तेमाल करके गहरी समझ हासिल हो जाएगी—इस पर मुझे संदेह है
  • मैं एक AI tutor product बना रहा हूँ, जिसे Socratic-style बातचीत के लिए डिज़ाइन किया गया है ताकि विषयों की शाखाएँ स्वाभाविक रूप से खुल सकें। रुचि हो तो आपको waitlist में जोड़ सकता हूँ। कुछ हफ़्तों में MVP जारी करने का लक्ष्य है
  • जटिल समस्याओं की पड़ताल करते समय, ऐसे AI से बात करना जो झूठ बोल सकता है या नकली उद्धरण बना सकता है, उल्टा बाधा बन जाता है
  • मैंने अभी तक खुद ऐसा कोई ठोस उदाहरण नहीं देखा जिसमें AI ने सचमुच learning में विस्फोटक मदद की हो। online reviews या self-reports पर मुझे भरोसा नहीं होता
  • पहले जब किसी खास अवधारणा पर अटकता था, तो शिक्षक अक्सर आधे-अधूरे जवाब देते थे या गहराई से समझाते नहीं थे, जिससे अधूरापन बना रहता था। हाल में मुझे एहसास हुआ कि AI के ज़रिए ज़्यादा fluid और exploratory learning संभव है। मैं भी ChatGPT को त्रुटिहीन नहीं मानता, लेकिन अवधारणाओं की तुलना करने या तार्किक counterarguments के ज़रिए यह मेरी सोच को फैलाने में काफ़ी उपयोगी है। व्यवहार में मैं AI के जवाब को अंतिम सत्य नहीं मानता, बल्कि अपनी सोच को इधर-उधर उछालकर नई खोज की दिशा ढूँढने के लिए इसका इस्तेमाल करता हूँ

• मैं एक छोटे कॉलेज में पढ़ाता हूँ। हम यह तरीका अपनाते हैं

  • सभी midterms और finals हाथ से लिखे जाते हैं
  • छात्रों से यह समझाने को कहा जाता है कि उन्होंने programming assignments को कैसे design और code किया (15-20 छात्रों की संख्या में यह संभव है, ज़्यादा संख्या होने पर कठिन)
  • जटिल विषयों पर student presentations और Q&A
  • एक-पन्ने के handwritten summaries, diagrams, mind maps जमा कराना
  • programming lab exercises में भी उसी दिन requirements को रचनात्मक ढंग से बदलकर मौके पर हल कराना (जैसे यह scenario कि 'client' ने requirements बदल दी हैं) असल समस्या यह है कि इस तरीके में शिक्षक से कहीं ज़्यादा मेहनत चाहिए, और बॉक्स के बाहर सोचने को तैयार लोग भी बहुत कम हैं
  • 'handwritten' से आपका मतलब सचमुच पेन और कागज़ है?

• अगर अभी का रुझान जारी रहा, तो आगे चलकर ज़्यादातर विश्वविद्यालय degrees पूरी तरह बेकार हो जाएँगी। अगर AI की मदद से cheating करके assignments निपटाने वाले छात्र degrees ले लेते हैं, तो वे degrees learning achievement के प्रमाण के रूप में कोई मूल्य नहीं रखतीं। ऐसी degree देने वाली संस्थाएँ अतीत की बेईमान degree mills से अलग नहीं होंगी। कभी-कभी लगता है कि अच्छा हुआ मेरी degree 2011 की है

  • जिन सबसे अच्छे प्रोफेसरों से मैं मिला, वे homework scores को लगभग कोई वज़न नहीं देते थे, या बस submission check कर लेते थे। attendance भी बिल्कुल शामिल नहीं होती थी। वे classes और assignments को केवल learning tools की तरह देते थे, और असली assessment classroom में या विश्वविद्यालय के आधिकारिक exam center में proctored exams के ज़रिए होता था। वयस्क विश्वविद्यालय छात्रों को homework scores या attendance से नियंत्रित करना कुछ बचकाना और overprotective लगता है। उन्हें self-directed learning पर छोड़ना, और फिर ऐसे माहौल में जाँचना जहाँ cheating संभव न हो, ज़्यादा उचित है। homework cheating पर ही कड़ी कार्रवाई करना असली शैक्षिक नवाचार नहीं, बल्कि अपनी सीमा पर पहुँच चुकी पुरानी व्यवस्था को अस्थायी रूप से पैबंद लगाने जैसा लगता है
  • स्कूलों और विश्वविद्यालयों को homework को 'क्षमता के प्रमाण' की तरह मानना बंद करना चाहिए। homework scores का अर्थ ही क्या है—इस पर सवाल है। AI era अब वापस नहीं जाएगा, इसलिए universities को वास्तविकता स्वीकार कर बदलाव की तैयारी करनी चाहिए
  • मैं उल्टा सोचता हूँ। verified university degrees और मूल्यवान होंगी। शीर्ष विश्वविद्यालय remote assignments की बजाय in-person exams पर ज़ोर देंगे ताकि वास्तविक learning की पुष्टि हो सके। cheating तो पहले से ही व्यापक रही है, और अच्छे विश्वविद्यालयों में ऐसा ढाँचा होता है कि graduation तक cheating बनाए रखना मुश्किल हो। मेरे आसपास के state universities में छात्रों के बीच यह अच्छी तरह जाना जाता है कि किस professor और किस section को चुनने पर cheating के ज़्यादा मौके मिलते हैं और आसानी से graduation हो सकता है। cheating पर सख़्त professors को कभी-कभी student ratings में भी निशाना बनाया जाता है
  • इसका AI से संबंध नहीं, लेकिन online exams में cheating पर एक घटना याद है। महामारी के कारण मेरे भतीजे की classes online हो गईं, और तभी से class average अचानक उछल गया। उसने शुरुआत में cheating से इनकार किया, लेकिन अंततः बाकी सबकी तरह उसने भी cheating शुरू कर दी। उसने monitor के आसपास की दीवार पर ढेर सारे Post-it notes चिपकाकर परीक्षा दी, और उसके पिता अंदर आकर उसे डाँटने लगे कि दीवार खराब हो रही है
  • मुझे नहीं लगता यह समस्या नई है। अतीत में मेरे प्रोफेसर भी कहते थे कि Java IDE का autocomplete learning में बाधा है, इसलिए वे हमें सीधे Vim और C के साथ SSH के ज़रिए lab कराते थे

• MBA assignments के लिए मेरा तरीका यह था

  • पहले अपनी राय तय कर लो
  • फिर उस राय को support करने वाले papers बहुत खोजो, लेकिन उन्हें ध्यान से पढ़ने के बजाय सिर्फ़ abstracts देखो
  • essay लिखते समय references में से अपने दावे से सबसे मेल खाने वाले हिस्से निकाल लो इसमें learning बिल्कुल शामिल नहीं होती। उल्टा सिर्फ़ journal-searching skill बेहतर होती है। जिस viewpoint को support करना हो, उसके लिए papers हमेशा बहुत मिल जाते हैं; बस थोड़ी चतुराई से ढूँढना होता है। मुझे लगता है कि यह पूरी प्रक्रिया LLM को सौंप देने से भी असली शिक्षा पर कोई असर नहीं पड़ेगा
  • यह स्थिति वाकई अफ़सोसजनक है। जिज्ञासा है कि आप papers में सचमुच डूबकर सीख क्यों नहीं पाए
  • सच तो यह है कि समस्या खुद व्यक्ति में है। अगर आप scientific method पर आधारित paper लिखें, तो सचमुच किसी भी विषय पर अच्छा लेखन किया जा सकता है। लेकिन MBA जैसी degrees को असल में नौकरी में प्रमोशन, career switch वगैरह के stepping stone की तरह देखा जाता है। 'सच्चा विज्ञान' करने पर कोई विशेष बेहतर reward structure नहीं मिलता। मैंने भी कई subjects में, कई बार, यही तरीका दोहराकर सिर्फ़ grades बटोरे। अगर सामग्री ऊपर-ऊपर से ठीक लगे, तो काफ़ी था। और जब मैं समाज/कंपनी की दुनिया में गया, तो वहाँ भी कुछ ऐसा ही लगा। बस अपनी राय को साबित करने वाली सामग्री चुनकर पेश करो; अगर वैसी न मिले, तो मिलती-जुलती चीज़ खींच लाओ और अपनी बात को support करने का आभास दे दो। अगर मेरी राय या assumptions गलत हों, तो भी boss या client से यह कहना कि वे गलत हैं—उसका कोई reward नहीं मिलता
  • मैंने एक दोस्त का psychology assignment बिना किसी background knowledge के उसके लिए लिख दिया था, और उसे सबसे ऊँचा grade मिला। मैंने बिल्कुल वही तरीका अपनाया जो अभी ऊपर बताया गया। मेरी माँ ने तो foreign students के लिए lecture recordings के आधार पर papers ghostwrite करने की service भी दी थी
  • फिर भी, भले ही बहुत लोग papers का सिर्फ़ सारांश ही देखें, यह याद रखना चाहिए कि किसी को तो वे papers सचमुच लिखने होते हैं, और स्वतंत्र सोच के ज़रिए ज्ञान-उत्पादन होना ही होता है

• हमें पूरी मानवता के स्तर पर यह सोचने की ज़रूरत है कि शिक्षा का उद्देश्य क्या है, और आगे क्या होना चाहिए। व्यावहारिक रूप से देखें तो कोई भी व्यक्ति university tuition देकर अपनी ही क्षमता और समझ को जानबूझकर कमज़ोर नहीं करना चाहेगा। 90% छात्रों का लक्ष्य साफ़ है: degree नौकरी का टिकट है। बाकी 10% अगर अपने बारे में असुविधाजनक सच्चाइयाँ भी स्वीकार नहीं करना चाहते, तो फिर employers उन्हें भरोसेमंद न मानें, इसमें अचरज नहीं। सच तो यह है कि हर कोई जानता है कि exam scores या academic achievement कोई पूर्णतः objective measure नहीं हैं। शिक्षा के standards और curriculums स्कूल-दर-स्कूल बहुत अलग होते हैं। मैं खुद हाई स्कूल में 3.2 GPA पर जैसे-तैसे टिका रहा, लेकिन कॉलेज पहुँचा तो 'math placement test' middle school स्तर का निकला और मैं उसे आसानी से कर गया, जबकि 4.0 GPA वाले छात्र भी अक्सर foundational courses से फिर शुरू करते दिखे। फिर भी standardized tests के प्रति प्रतिरोध हमेशा बहुत तीखा रहता है—यहाँ तक कि SAT जैसी परीक्षाओं में दोबारा देने का मौका भी होता है

  • क्या इसका मतलब यह है कि जो 10% छात्र सचमुच सीखना चाहते हैं, उन्हें भी degree-mill game से समझौता कर लेना चाहिए? मैं खुद थोड़ा निंदक हूँ, लेकिन यह भी मुझे कुछ ज़्यादा ही लगता है

• मेरा अनुभव उल्टा रहा है। अगर AI न होता, तो शायद मैं पिछले साल स्कूल के बाहर Rust को अंत तक पढ़ने का धैर्य नहीं जुटा पाता। जब एक personal tutor जैसा कुछ हर समय उपलब्ध हो, तो नहाते समय आया सवाल भी तुरंत पूछ पाना बहुत बड़ी बात है। साथ ही, अगर मैं फिर से स्कूल लौटूँ, तो शायद exams या assignments में पीछे न रह जाने के लिए मैं AI का ज़रूर इस्तेमाल करूँगा। अगर assessment bell curve fitting पर आधारित हो, तो यह game theory वाली ऐसी स्थिति बन जाती है जहाँ हर किसी पर AI इस्तेमाल करने का दबाव आ जाता है

  • मेरा अनुभव भी कुछ ऐसा ही है। AI एक learning tool के रूप में बेहद शक्तिशाली है, लेकिन education system के लिए बड़ी चुनौती भी है