कॉलेज प्रशिक्षक ने AI से लिखे गए असाइनमेंट कम करने के लिए typewriter का सहारा लिया
(sentinelcolorado.com)- मैनुअल typewriter असाइनमेंट शुरू कर छात्रों को स्क्रीन, ऑनलाइन शब्दकोश, spell checker और delete key के बिना लिखने के लिए कहा गया, ताकि वे सीधे यह सामना कर सकें कि क्या वे कंप्यूटर के बिना अपने वाक्य खुद बना सकते हैं
- इसकी प्रेरणा यह रही कि generative AI और online translation platforms की वजह से व्याकरणिक रूप से पूरी तरह सुसंगत असाइनमेंट बढ़ गए थे; इसी कारण डिजिटल-पूर्व लेखन, सोच और classroom अनुभव का एहसास कराने के लिए पुराने मैनुअल typewriter जुटाए गए
- कक्षा में German keyboard और QWERTY keyboard वाले typewriter साथ रखे गए, और कागज़ लगाना, key pressure संभालना तथा carriage return जैसे भौतिक संचालन की ज़रूरत के कारण हर काम की गति धीमी हो गई
- छात्रों ने कम distractions का स्वागत किया; स्क्रीन और notifications के बिना वे सहपाठियों से मदद मांगते हुए अधिक बातचीत करने लगे, और delete key न होने से लिखने से पहले अधिक इरादतन ढंग से सोचने लगे
- टाइपो, अनियमित spacing और धीमी typing जैसी भौतिक सीमाएँ खुद सीखने की प्रक्रिया का हिस्सा मानी गईं, और यह रुझान कक्षा में pen-and-paper exams तथा oral exams की ओर बढ़ते बदलाव से भी जुड़ता है
कक्षा में analog असाइनमेंट की शुरुआत
- Cornell University की German instructor Grit Matthias Phelps हर semester में एक बार छात्रों को मैनुअल typewriter पर writing assignment करने का मौका देती हैं
- यह स्क्रीन, ऑनलाइन शब्दकोश, spell checker और delete key के बिना typing का अनुभव कराने का तरीका है
- syllabus में इसे analog असाइनमेंट के रूप में रखा गया है
- यह असाइनमेंट 2023 के वसंत में शुरू हुआ, जब generative AI और online translation platforms की मदद से छात्र व्याकरणिक रूप से परफेक्ट असाइनमेंट जमा करने लगे, जिससे निराशा पैदा हुई
- इसमें यह कथन शामिल है: “What’s the point of me reading it if it’s already correct anyway, and you didn’t write it yourself? Could you produce it without your computer?”
- डिजिटल-पूर्व लेखन, सोच और classroom अनुभव को समझाने के लिए उन्होंने thrift shops और online marketplaces से दर्जनों पुराने मैनुअल typewriter जुटाए
- उन्होंने कहा कि Cornell के बाहर typewriter की वापसी का दावा करना अभी जल्दबाज़ी होगी, लेकिन यह कक्षा में pen-and-paper exams और oral exams जैसे पुराने मूल्यांकन तरीकों की ओर उस बदलाव से जुड़ता है, जो laptop-based assignments में AI के उपयोग को रोकने के लिए हो रहा है
analog class के दिन कक्षा का दृश्य
- हाल की एक analog class में छात्र डेस्क पर रखे typewriter देखकर कक्षा में आए; कुछ German keyboard वाले थे और कुछ QWERTY keyboard वाले
- 19 वर्षीय freshman Catherine Mong को बिल्कुल नहीं पता था कि क्या होने वाला है; उसने कहा कि उसने typewriter सिर्फ फिल्मों में देखे थे और उन्हें इस्तेमाल करना “a whole science” जैसा है
- smartphone पीढ़ी के लिए मैनुअल typewriter दिखने जितने सहज नहीं थे; Phelps ने दिखाया कि कागज़ हाथ से कैसे लगाना है और keys को इतनी ताकत से कैसे दबाना है कि अक्षर साफ छपें लेकिन स्याही न फैले
- उन्होंने यह भी समझाया कि पंक्ति के अंत में सुनाई देने वाली घंटी एक लाइन के खत्म होने का संकेत है, और अगली लाइन शुरू करने के लिए carriage को हाथ से वापस लाना पड़ता है
- एक छात्र की प्रतिक्रिया भी शामिल थी: “that’s why it’s called ‘return.’”
- Phelps ने कहा, “सब कुछ धीमा हो जाता है,” और उस पुराने एहसास का ज़िक्र किया जब लोग एक समय में सिर्फ एक काम किया करते थे, और उसमें जो आनंद था
- उन्होंने अपने 7 और 9 साल के बच्चों को “tech support” के रूप में साथ लाया ताकि वे सुनिश्चित कर सकें कि छात्र अपने फोन न निकालें
distractions में कमी और interaction में बदलाव
- छात्रों ने कम distractions का स्वागत किया, और असाइनमेंट का सार केवल typewriter चलाना सीखना भर नहीं था
- computer science के sophomore Ratchaphon Lertdamrongwong ने कहा कि typewriter पर typing का फर्क सिर्फ मशीन के साथ interaction तक सीमित नहीं था, बल्कि आसपास की दुनिया के साथ interaction के तरीके में भी था
- उस कक्षा में देखा गया German film review लिखने का असाइनमेंट दिया गया था
- स्क्रीन न होने पर लिखते समय notifications बाधा नहीं डालते, और जब उंगलियों की पहुँच में हर जवाब तुरंत नहीं होता, तो छात्र सहपाठियों से मदद मांगते हैं; Phelps ने इसे सक्रिय रूप से प्रोत्साहित किया
- Lertdamrongwong ने कहा कि essay लिखते समय उसे अधिक बातचीत और अधिक सामाजिक होना पड़ा, जबकि आधुनिक कक्षाओं में लोग लगातार laptop या phone देखते रहते हैं
- delete key न होने और हर गलती तुरंत न सुधार पाने के कारण, लिखने से पहले अधिक इरादतन ढंग से सोचना पड़ा
- इसमें यह कथन शामिल है: “I was forced to actually think about the problem on my own instead of delegating to AI or Google search”
मैनुअल typewriter की भौतिक सीमाएँ और छात्रों की प्रतिक्रिया
- ज़्यादातर छात्रों की छोटी उंगलियों में पर्याप्त ताकत नहीं थी, इसलिए touch typing मुश्किल रही; वे index finger से keyboard दबाते हुए और धीमे टाइप करते रहे
- freshman Catherine Mong ने हाल ही में कलाई टूटने के कारण केवल एक हाथ से काम करने की अतिरिक्त कठिनाई भी झेली
- खुद को perfectionist बताने वाली Mong शुरुआत में इस बात से निराश हुई कि कुछ अक्षरों के बीच अजीब spacing और typos की वजह से पन्ना बिखरा हुआ लग रहा था
- Phelps ने छात्रों से कहा कि वे गलती पर backspace करके उसके ऊपर ‘X’ टाइप कर दें
- Mong ने ऐसा काम जमा किया जिसमें pencil marks भरे थे और जो न साफ़ दिखता था न पूरा, लेकिन उसने गलती करने की प्रक्रिया को ही सीखने का हिस्सा मान लिया
- Mong ने कविता typing असाइनमेंट को “fun and challenging” बताया, और अजीब spacing को स्वीकार करते हुए कवि E.E. Cummings की शैली में indentation और टूटी हुई पंक्तियों के लिए पन्ने की visual boundaries का इस्तेमाल किया
- इसके लिए कई sheets of paper और बहुत सी गलतियाँ लगीं, और उसने यह सब संभालकर रखा
- उसने कहा कि शायद वह इन्हें दीवार पर लगाएगी, वह typewriter से मोहित हो गई, और उसने दोस्तों से कहा कि उसने German exam typewriter पर दिया
1 टिप्पणियां
Hacker News की राय
जब मैं Computer Science की डिग्री कर रहा था, तब ज़्यादातर कोर्स में फाइनल 50%, मिडटर्म 30% वेटेज होता था, और प्रोग्रामिंग परीक्षाएँ भी हाथ से लिखकर TA की निगरानी में क्लासरूम या जिम में होती थीं
असाइनमेंट, लैब और प्रोजेक्ट का वेटेज कम था, लेकिन उन्हें किए बिना सेमेस्टर-अंत की परीक्षा पास करना practically बहुत मुश्किल था
इसलिए लगता है कि हम पहले से ही AI-resistant शिक्षा कर रहे थे
लेकिन Bologna process के नाम पर और अमेरिकी-ब्रिटिश सिस्टम की नकल करने की धारा में continuous assessment और असाइनमेंट-आधारित मूल्यांकन को केंद्र में रखकर यूनिवर्सिटी सुधार लाए गए
उसके नतीजे में, काम के साथ पढ़ने वाले छात्र attendance और session participation के अंकों की वजह से बहुत नुकसान में चले गए, और LLM से पहले भी संभव proxy assignment-टाइप cheating और आसान हो गई
पहले जो काम सिर्फ कुछ लोग पैसे या expert परिवार की मदद से करते थे, वह अब सब ChatGPT से कर सकते हैं, तो अचानक गुस्से का माहौल है; लेकिन असली जवाब बस बकवास detectors या असाइनमेंट की कठिनाई बढ़ाने जैसा है, जिससे ईमानदार छात्र ही और परेशान होते हैं
फैकल्टी ट्रेनिंग में पुराने exam-centered तरीके को पुराना Napoleonic model कहकर खारिज किया गया, लेकिन अगर वह इतने लंबे समय तक चला, तो उसके पीछे कोई वजह भी हो सकती है
अब आकर यह मान न पाना कि सब गलत थे, यही मुझे और बड़ी समस्या लगती है
लेकिन thesis या writing skill सच में बहुत महत्वपूर्ण है, और मुझे लगता है कि बहुत से छात्र उस हिस्से को ठीक से सीखे बिना graduate हो जाते हैं
Netherlands के Computer Science programs में भी writing training कमज़ोर है, इसलिए मैं अक्सर ऐसे छात्रों को देखता था जिनकी English और Dutch लगभग हाई-स्कूल स्तर पर ही रुक जाती थी
मैंने खुद भी सही तरह से लिखना Ph.D. शुरू करने के बाद ही सीखा, जब मेरे advisor ने इस पर कड़ाई से काम कराया
लंबे समय में, मुझे लगता है AI शिक्षा में personalized learning ला सकता है और यह सकारात्मक हो सकता है
oral exams या traditional written exams जैसे ऐसे मूल्यांकन भी हैं जिनमें ज्ञान के बारे में cheating करना मुश्किल है, और शिक्षकों के लिए verification work का automation भी बड़ी मदद है
written part जैसे subnetting का हिस्सा थोड़ा ही था, और ज़्यादातर अंक असली physical network configuration बनाकर test करके बाहर जाने के तरीके से मिलते थे
शिक्षक ने हमारे आने से पहले जानबूझकर network की तीन जगहें खराब कर दी थीं, और हमें लगभग 20 मिनट में कारण खोजकर ठीक करना था
बड़े DIN connector को बस हल्का-सा ढीला छोड़ देने वाला trick खास तौर पर यादगार था, क्योंकि ऊपर से सब ठीक दिखता था
हाई-स्कूल से ही मैं punch cards इस्तेमाल करता था, और compile result आने में 24 घंटे लग जाते थे, इसलिए code पर सच में बहुत गहराई से सोचना पड़ता था
इसी वजह से हजार-पंक्ति वाले program भी हाथ से desk check करने की आदत बन गई, और readability व simplicity बढ़ाकर typo और logic error पकड़ने की ट्रेनिंग स्वाभाविक रूप से हो गई
कभी-कभी मुझे पता होता था कि compile नहीं होगा, फिर भी मैं पहले patched version जमा कर देता था ताकि छिपी हुई दूसरी गलतियाँ सामने आ जाएँ
परीक्षा में सिर्फ 4~6 बार ही कोशिश का मौका होता था, और clean compile तथा correct output दोनों हासिल करने होते थे
अब 40 साल से ज़्यादा बाद भी वैसा तनाव मुझे सिर्फ embedded code में महसूस होता है; लगता है कि पुराने ज़माने की ये skills productivity illusion के बीच काफी हद तक गायब हो गई हैं
यूनिवर्सिटी में सबसे मज़ेदार और संतोषजनक चीज़ हमेशा असाइनमेंट और प्रोजेक्ट ही रहे
बस अफसोस यह है कि अब वे AI cheating के सामने कहीं अधिक असुरक्षित हैं
मुझे याद है कि पहले गणित की क्लास में calculator-allowance debate हुआ करती थी
जब ज़्यादातर स्कूल calculator पर रोक लगाते थे, तब हमारे स्कूल ने उल्टा सबके लिए calculator अनिवार्य कर दिया और homework व exams उसी हिसाब से बदल दिए
सीधे mental math से निकलने वाले integer answers की जगह, ऐसे जटिल सवाल दिए जाते थे जिनमें सही उत्तर का पता सिर्फ solution method के सही होने से चलता था, और परीक्षा में TI-BASIC programs इस्तेमाल करने की भी अनुमति थी
मैं रट्टा मारने के बजाय परीक्षा में आने वाले सवालों के प्रकार के लिए खुद solution programs बनाता था, और calculator को परीक्षा पास करना सिखाने की प्रक्रिया में मैं खुद भी सीख रहा था
वही अनुभव आगे चलकर Computer Science major और software career में बदल गया, और आज भी मैं उन शिक्षकों का आभारी हूँ जिन्होंने नई technology को cheating tool नहीं बल्कि potential amplifier की तरह देखा
इसलिए मुझे लगता है कि स्कूलों को AI को रोकने और पकड़ने पर फोकस करने के बजाय शायद AI-required assignments बनाने चाहिए
छात्र AI वाले संसार में जिएँगे और काम करेंगे, इसलिए उन्हें ऐसे prompts लिखना सीखना चाहिए जो किसी तय जवाब की ओर न ले जाएँ, hallucination को verify करना सीखना चाहिए, और पहले से कहीं ज़्यादा complex outputs बनाना सीखना चाहिए
पिछली पीढ़ियों जैसी ही शिक्षा को ज्यों का त्यों दोहराना आज के छात्रों के लिए उल्टा नुकसानदेह लग सकता है
तुमने calculator के लिए problem-solving program इसलिए लिखा क्योंकि तुम method को इतना समझते थे कि उसे खुद implement कर सको
लेकिन AI को problem-solving सौंप देने पर आम तौर पर कुछ सीखा नहीं जाता, और exam questions वैसे भी इतने व्यवस्थित होते हैं कि prompt skill भी अक्सर खास ज़रूरी नहीं होती
AI से background knowledge मिल सकती है, लेकिन परीक्षा में वह तरीका शैक्षिक प्रभाव नहीं देता
अगर सच में AI का इस्तेमाल सिखाना है, तो सीधा अलग AI class रखी जा सकती है
calculator या used computer एक बार खरीदने की चीज़ थे, लेकिन AI में लगातार खर्च होने की संभावना है
ऐसा हुआ तो अंत में बस अमीर-गरीब खाई और बढ़ेगी, इसलिए मैं इसके खिलाफ हूँ
calculator सिर्फ वही operation करता है जो आप डालते हैं, लेकिन LLM अपनी तरफ से तय किया हुआ output देता है, और user को यह परखने में सक्षम होना चाहिए कि उसका निर्णय सही है या नहीं
आखिरकार यह तभी संभव है जब पहले से पर्याप्त शिक्षा और अनुभव हो
इसलिए LLM कोई substitute नहीं बल्कि experts के लिए amplifier के अधिक करीब है, और पहले non-LLM curriculum ठीक से पूरा करने के बाद ही LLM उपयोग सीखना चाहिए
scientific calculator की internal circuitry और ownership structure साफ़ थे; पैसे देकर खरीदो और वह तुम्हारा हो जाता था, और किताब देखकर उसे program भी किया जा सकता था
लेकिन AI कुछ big tech कंपनियों पर निर्भर है, और user के पास लगभग कोई control नहीं है
अगर पहले आदत लगवाकर बाद में कीमत बढ़ाने वाला bait-and-switch मॉडल आ जाए, तो उसे ठुकराना मुश्किल हो सकता है
इसलिए AI को calculator जैसे शैक्षिक tool की तरह देखना apples and oranges जैसा है, और छात्रों को मुफ्त में AI की आदत डालना अंततः subscription-based big tech dependence बढ़ाना ही है
छात्र को माता-पिता लगभग हर चीज़ जानने वाले expert लगते हैं, लेकिन वे कभी-कभी गढ़ भी सकते हैं और छात्र के पास उसे पहचानने का बुनियादी ज्ञान नहीं हो सकता। LLM भी वैसा ही है
इसलिए जैसे हम essay माता-पिता से नहीं लिखवाते, art assignment उनसे नहीं बनवाते, या परीक्षा के दौरान geography का जवाब उनसे नहीं पूछने देते, वैसे ही AI को भी असीमित रूप से अनुमति देना मुश्किल है
पहले मैं कक्षा के मूल्यांकन को लगभग project 60~80%, online quiz 40~80% के रूप में चलाता था
अब मैं इसे project 50%, in-person quiz 50% में बदल रहा हूँ, और एक note sheet की अनुमति वाले pencil-and-paper exam की ओर जा रहा हूँ
क्लास में पढ़ने और annotate करने के लिए papers print करना जैसी चीज़ों सहित मैं धीरे-धीरे और अधिक paper-based workflow की ओर जा रहा हूँ
विडंबना यह है कि यूनिवर्सिटी की धीमी प्रशासनिक प्रक्रिया और मौजूदा infrastructure इस बदलाव में उल्टा मददगार साबित हो रहे हैं
लगता है कि आगे चलकर यूनिवर्सिटी degree सिर्फ AI prompt skill नहीं बल्कि वास्तविक क्षमता का signal बन सकती है
खासकर जब सामान्य assignments supervised न हों, तब मैंने कई बार देखा है कि अगर individual assessment को cheat-proof माहौल में किया जाए तो team assignment quality कहीं बेहतर हो जाती है
मीडिया में चलने वाली ये तमाम नाटकीय खबरें मुझे ज़्यादातर आलसी संस्थानों की समस्या लगती हैं
मेरी परीक्षाएँ, प्रोजेक्ट सहित, लगभग पूरी तरह in person होती हैं, और जब छात्र submission लेकर आता है तो मैं code की हर line पर बात करते हुए उससे सीधा explanation लेता हूँ
हमारा स्कूल अभी परीक्षा-प्रणाली को बड़े पैमाने पर नहीं बदल पाया है, लेकिन मेरी classes छोटी हैं इसलिए इस तरह की face-to-face verification संभव है
जिज्ञासा है कि क्या आपने परीक्षा इतनी कठिन बनाई कि जिसने वास्तव में कुछ नहीं सीखा, वह उसमें 20~40% से कम ही ला सके
अगर वह four-choice multiple choice है, तो सिर्फ guess करके भी 25% expected value मिल जाती है
मैं जो एक क्लास ले रहा हूँ, वह ठीक उल्टा है: undergraduate होने के बावजूद वह Ph.D.-level work की मांग करती है और AI उपयोग की अपेक्षा भी रखती है
दूसरी क्लास कहती है कि अगर आपने AI इस्तेमाल किया है तो बस बता दें, और कुछ क्लासें AI को सीधे cheating मानती हैं
नियमों में इतना फर्क है कि “अंतर” कहना भी कम होगा; माहौल ऐसा है मानो किसी को सही जवाब पता ही नहीं
व्यक्तिगत रूप से, अभी तक मुझे AI की मदद से अपने स्तर से ऊपर की चीज़ें करने की कोशिश में सबसे ज़्यादा सीखने को मिला है, और यह एक पूरे semester तक कड़ी पढ़ाई करने से भी ज़्यादा सीख जैसा लगा
मैं जापान की दो यूनिवर्सिटियों में पढ़ाता हूँ और दूसरी जगहों पर भी AI पर talks देता हूँ; माहौल ऐसा है कि professors और students दोनों सिर्फ इस बात पर सहमत हैं कि कोई सहमति नहीं है
writing, code, business plan, music जैसे complex outputs बनवाने वाले तरीके मूल रूप से learning और memory के लिए प्रभावी थे और graduation के बाद वास्तविक जीवन से भी जुड़े हुए थे
लेकिन AI ने उन outputs के निर्माण-प्रक्रिया को shortcut बना दिया है, जिससे छात्र लगभग बिना सीखे भी परिणाम दे सकता है
साथ ही यह भी अनिश्चित हो गया है कि writing, programming, planning जैसी skills का भविष्य में कितना सीधा मूल्य रहेगा
इस तरह मौजूदा pedagogy की बुनियादी धारणाएँ टूट रही हैं, लेकिन educator, student और administration अभी भी पुराने ढाँचे से बँधे हुए हैं
AI इतना नया है और इतनी तेज़ी से विकसित हो रहा है कि दिशा के बारे में आत्मविश्वास से बोलना मुश्किल है, लेकिन मेरी राय में शिक्षा को मूलभूत रूप से बदलना होगा, और यह प्रक्रिया बिलकुल आसान नहीं होगी
basic arithmetic सीखते समय calculator learning path को छोटा कर देता है, इसलिए वह cheating है; लेकिन calculus में वह उल्टा ज़रूरी है
AI भी वैसा ही है: कुछ classes में वह learning को नुकसान पहुँचा सकता है, और कुछ में उसे बढ़ावा दे सकता है, इसलिए context-specific policy पूरी तरह उचित लगती है
संभव है कि उस स्तर के काम के लिए ज़रूरी बुनियादी ज्ञान अभी उसके पास न हो, और वह यह भी खुद तय न कर पाए कि जो सीख रहा है उसमें क्या सही है
स्कूल के बच्चों को तो अलग-अलग शिक्षकों से परस्पर विरोधी संदेश मिलेंगे, और वे कहीं ज़्यादा भ्रमित होंगे
मुझे यह बात रोचक लगती है कि अगर लोग papers लिखते समय Google Docs इस्तेमाल करते हैं, तो दस्तावेज़ की जीवन-यात्रा का रिकॉर्ड काफी आसानी से विश्लेषित किया जा सकता है
क्या-क्या और कैसे type किया गया, कितनी speed से किया गया, क्या paste किया और क्या हटाया—यह सब सिर्फ document नहीं बल्कि लगभग event log की तरह बचा रहता है, ऐसा मेरी समझ है
इसलिए सिद्धांततः दस्तावेज़ के बनने की प्रक्रिया को replay करके writing pattern देखा जा सकता है
लेकिन AI युग में, typewriter पर लिखने पर भी अंत में यह ज़्यादा efficient हो सकता है कि पहले AI से draft बनवाया जाए और फिर इंसान उसे बैठकर टाइप कर दे; ऐसे में इस पूरी कोशिश का मकसद ही टूट सकता है
पहले एक perfect draft मिल जाने के बाद बस typing करना बहुत स्वाभाविक प्रवाह जैसा लगता है
पहले IBM Selectric को printer की तरह जोड़ने वाले अजीब interfaces भी हुआ करते थे, इसलिए Typing as a Service जैसा मज़ाक भी पूरी तरह बेतुका नहीं लगता
किसी एक छात्र को बस एक दिन लगेगा यह समझने में कि LLM से screen control करवाकर दस्तावेज़ खुद type करवाया जाए और नकली editing traces भी बनवा लिए जाएँ
वह tip जल्दी फैल जाएगी, और फिर ऐसे metrics के आधार पर निर्णय लेना लगातार मुश्किल होता जाएगा
मैंने पहले एक ऐसा मामला सुना था जहाँ किसी छात्र ने पहले के छात्र का लेख लेकर paste किया, थोड़ा-बहुत बदलकर उसे नया document दिखाने की कोशिश की, लेकिन जमा की गई .docx file के revision history को हटाना भूल गया और वहीं पकड़ा गया
लेकिन अब लग रहा है कि क्यों न उन्हें restore करके इस्तेमाल किया जाए
अगर ऐसा LLM आ जाए जो किसी की व्यक्तिगत typo rate तक की नकल करते हुए USB keyboard की तरह काम करे और keylogger से सीखे, तो मुझे बिल्कुल हैरानी नहीं होगी
मुझे समझ नहीं आता कि लोग क्यों कहते हैं कि आजकल परीक्षाएँ अब in-person और handwritten नहीं होतीं
मैंने अपेक्षाकृत हाल में graduation किया है, और पूरे curriculum में take-home exam सिर्फ एक बार हुआ था; बाकी सब in-person proctored written exams थे
वह एक take-home भी सामान्य परीक्षा से कहीं कठिन था, इसलिए मुझे वह आसान नहीं लगा
उसके बाद professor या तो cheating को बस नज़रअंदाज़ करते रहे, या फिर उन्हें हर बार बिल्कुल नए problem types बनाते रहना पड़ा; और AI आने के बाद वह विकल्प भी लगभग खत्म-सा हो गया है
बहुत से स्कूल और कॉलेज online systems पर चले गए, और campus लौटने के बाद भी उन्होंने उस समय बनाई गई प्रणालियाँ छोड़ी नहीं
मैं 2020 में graduate हुआ, इसलिए सब कुछ खुद नहीं देखा, लेकिन teacher दोस्तों और कुछ साल बाद graduate हुए अपने sibling के ज़रिए जो बदलाव देखा, वह सच में बहुत बड़ा है
उनमें पहले से पढ़ाई की जा सकती थी, और classroom exam वाली अत्यधिक दबावभरी व संकुचित तैयारी नहीं होती थी; भले वे लंबे और कठिन हों, लेकिन समय देकर छूटे हुए concepts को समझा जा सकता था, इसलिए मुझे लगा कि मैंने उनसे उल्टा ज़्यादा सीखा
अफसोस यह है कि इंसान हमेशा की तरह, जो चीज़ हमारे लिए फायदेमंद होती है, उसे भी गलत optimization के जरिए खुद बिगाड़ देता है
मुझे typewriter बहुत extreme लगता है
स्कूल में मेरी handwriting बहुत खराब थी, इसलिए मैं AlphaSmart इस्तेमाल करता था, और मुझे लगता है कि बिना इंटरनेट वाला laptop भी पर्याप्त होगा
ये comments पढ़कर तो मुझे अमेरिकी यूनिवर्सिटियाँ कुछ हास्यास्पद तक लगने लगती हैं
मैंने अपनी सारी परीक्षाएँ in person दीं, और grades भी 100% exams से तय होते थे
ऐसे graduate हुए लोग लाखों हैं और सब ठीक-ठाक जीवन जी रहे हैं, इसलिए मुझे नहीं लगता कि छात्रों को इससे कोई खास नुकसान हुआ
replies में आने वाला “लैब नहीं है?” जैसा reaction मुझे उल्टा अजीब लगता है
लैब और assignments वैसे ही जारी रह सकते हैं; बस उन्हें final grade में सीधे जोड़ने के बजाय exam देने की eligibility तय करने वाली threshold condition बना देना काफी है
यह बात अमेरिकी तरीके के महान होने की नहीं, बल्कि बस इस बात की है कि बेहतर किया जा सकता है और सीखने के लिए उदाहरण मौजूद हैं
सिर्फ ऐसे संकरे skill-set के साथ लोगों को economy में भेजना थोड़ा खटकता है
online degree mills को छोड़ दें, तो ऐसी यूनिवर्सिटी मैंने लगभग नहीं देखी जहाँ यह सब बिल्कुल न हो
लाखों लोग वहाँ apply करते हैं, और बहुत बड़ी संख्या में foreign students भी अमेरिकी यूनिवर्सिटियों में पढ़ते हैं
typewriter पर मैं word processor की तरह सोचते हुए लिख नहीं पाता
शायद मुझे पहले हाथ से draft लिखना पड़े, लेकिन अगर typing सिर्फ उसकी नकल बन जाए, तो वह AI-लिखित दस्तावेज़ की नकल से अलग नहीं रहेगा
अगर लिखना वैसे भी classroom में होना है और उपकरण भी स्कूल देगा, तो मेरी राय में locked-down Chromebook सस्ता भी होगा और writing के लिए बेहतर भी
अगर वह संस्कृति खत्म हो गई है, तो उसका वापस आना मुझे अच्छा लगेगा
जब मैं यूनिवर्सिटी में था, grades पूरी तरह professor के साथ oral exam/discussion से तय होते थे
बाकी सब बस परीक्षा में बैठने की eligibility पाने के लिए entry ticket जैसा था
ऐसी संरचना में कोई cheating करने की कोशिश करेगा, यह कल्पना करना भी मेरे लिए मुश्किल है; cramming करने वाले छात्रों के लिए यह बहुत stressful था, लेकिन बातचीत खुद आम तौर पर बेहतरीन होती थी
लेकिन undergraduate के शुरुआती वर्षों की classes लगभग हमेशा सैकड़ों छात्रों की होती हैं, इसलिए इसे व्यवहार में चलाना मुश्किल होगा
हाँ, यूनिवर्सिटी के बाद के वर्षों की classes में यह सच में काम कर सकता था, और मुझे भी लगता है कि काश ऐसा कुछ होता