शिक्षा में AI: क्या बदल रहा है, और क्या काम करता है

शिक्षा में AI की एक नहीं, दो समस्याएं हैं

जनरेटिव AI किसी सीखने वाले को कोई कार्य पूरा करने में मदद कर सकता है और उसे अंतर्निहित कौशल हासिल करने में भी मदद कर सकता है। ये नतीजे एक जैसे नहीं हैं। व्यापक सहायता से तैयार किया गया एक चमकदार निबंध आज की प्रस्तुति को बेहतर बना सकता है जबकि स्वतंत्र रूप से लिखने के लिए ज़रूरी अभ्यास को कमज़ोर कर सकता है। इसके उलट, ऐसा ट्यूटर जो सवाल पूछता है, ग़लतफ़हमियों का निदान करता है, और धीरे-धीरे सहायता हटाता है, सीखने को बेहतर बना सकता है। इसलिए शैक्षिक सवाल यह नहीं कि क्या छात्र “AI का इस्तेमाल करते हैं,” बल्कि यह है कि छात्र अब भी कौन-सा संज्ञानात्मक काम ख़ुद करता है।

मौजूदा कक्षा-असर जनरेटिव AI से जुड़े हैं, AGI से नहीं। स्कूल पहले से ही धाराप्रवाह टेक्स्ट-जनरेशन, अनुवाद, प्रतिक्रिया, कोडिंग-सहायता, सिंथेटिक मीडिया, और स्वचालित प्रशासन का सामना कर रहे हैं। यह दावे कि AGI स्कूलों या डिग्रियों को अप्रचलित बना देगी, प्रक्षेपण हैं। कोई मौजूदा सबूत यह स्थापित नहीं कर सकता कि संस्थाएं भरोसेमंद, व्यापक रूप से अति-मानवीय शिक्षण और शोध क्षमताओं वाले किसी सिस्टम के प्रति कैसे प्रतिक्रिया देंगी।

2026 तक जो देखा गया है

कई सहभागी शिक्षा-प्रणालियों में छात्र-इस्तेमाल मुख्यधारा बन गया है। OECD के PISA 2025 नतीजों ने बताया कि OECD देशों में 46% छात्रों ने सीखने में मदद के लिए साप्ताहिक या उससे ज़्यादा बार AI चैटबॉट का इस्तेमाल किया। जिन छात्रों ने सारांश बनाने, ड्राफ़्ट लिखने, और प्रारंभिक शोध जैसे विशेष स्कूली कार्यों के लिए AI का इस्तेमाल किया, उनके विज्ञान-अंक सामाजिक-आर्थिक स्थिति के समायोजन के बाद औसतन कम थे, जबकि सामान्य साप्ताहिक इस्तेमाल करने वालों ने ग़ैर-उपयोगकर्ताओं जैसा ही प्रदर्शन किया। यह एक सहसंबंध है, यह प्रमाण नहीं कि AI ने कम अंकों का कारण बनाया; संघर्ष कर रहे छात्र इसे अलग तरीक़े से या ज़्यादा बार इस्तेमाल कर सकते हैं। नियमित इस्तेमाल और AI-साक्षरता विकसित करने के स्कूली अवसर, दोनों रखने वाले छात्रों ने थोड़ा ज़्यादा अंक पाने की प्रवृत्ति दिखाई, जो शिक्षण और पहुंच की असमानता के महत्व को उजागर करता है (OECD PISA 2025, सितंबर 2026)।

शिक्षक-तैयारी छात्र-अपनाव से पीछे है। Stanford के 2025 AI इंडेक्स ने बताया कि सर्वेक्षित 81% अमेरिकी कंप्यूटर-विज्ञान शिक्षकों ने सोचा कि AI को बुनियादी सीखने में शामिल किया जाना चाहिए, जबकि आधे से भी कम ने ख़ुद को इसे पढ़ाने के लिए सुसज्जित महसूस किया। यह एक अमेरिकी शिक्षक-निष्कर्ष है, कोई वैश्विक माप नहीं, पर यह दिखाता है कि क्यों अकेले नीति-दस्तावेज़ सक्षम कक्षा-अभ्यास पैदा नहीं करते (Stanford HAI, 2025)।

नक़ल असली है पर मापना मुश्किल है। सर्वेक्षण स्व-रिपोर्ट पर निर्भर करते हैं और परिभाषाएं अलग-अलग हैं: वर्जित घोस्टराइटिंग, अनुमत विचार-मंथन, व्याकरण-सुधार, और सुगम्यता-सहायता — सबको “AI इस्तेमाल” के रूप में गिना जा सकता है। AI-टेक्स्ट डिटेक्टर एक और समस्या जोड़ते हैं। इनकी त्रुटि-दर मॉडल, भाषा, संपादन, और छात्र-आबादी के हिसाब से बदलती है; किसी संभाव्यता-आधारित डिटेक्टर को कभी भी सज़ा का अकेला आधार नहीं होना चाहिए। संस्थाओं को सूचना, प्रतिक्रिया का अवसर, और फ़ॉल्स-पॉज़िटिव पर ध्यान देने वाली सबूत-आधारित अकादमिक-ईमानदारी प्रक्रियाएं चाहिए।

शुरुआती हस्तक्षेप का सबूत क्या बताता है

सबसे मज़बूत निष्कर्ष सशर्त है: AI-सहायता तब बेहतर काम करती है जब यह ठोस शिक्षणशास्त्र में समाहित हो। OECD का 2026 डिजिटल शिक्षा आउटलुक निष्कर्ष निकालता है कि जनरेटिव सिस्टम व्यक्तिगत प्रतिक्रिया और ट्यूशन दे सकते हैं, पर AI-सहायता प्राप्त प्रदर्शन को टिकाऊ कौशल-विकास से अलग करता है और शिक्षणशास्त्रीय रूप से आधारित इस्तेमाल की मांग करता है (OECD, 2026)। किसी टूल के विक्रेता का जुड़ाव और अल्पकालिक फ़ायदे रिपोर्ट करने में हित होता है, इसलिए स्वतंत्र यादृच्छिक अध्ययन, विलंबित परीक्षण, और नई समस्याओं में स्थानांतरण, गवाहियों से ज़्यादा वज़न के हक़दार हैं।

उपयोगी ट्यूटरिंग-व्यवहार में शामिल है: सीखने वाले से पहले समस्या का प्रयास करवाना, उत्तर के बजाय संकेत देना, स्पष्टीकरण की मांग करना, स्रोतों की जांच करना, त्रुटियों पर दोबारा जाना, और सहायता को धीरे-धीरे हटाना। नुक़सानदेह पैटर्न में शामिल है: पूरा कार्य तुरंत पूरा कर देना, उद्धरण गढ़ना, ग़लत तर्क की तारीफ़ करना, या किसी सीखने वाले की प्राथमिकताओं के हिसाब से इतना पूरी तरह ढल जाना कि उत्पादक कठिनाई ग़ायब हो जाए।

मानव शिक्षक उन लक्ष्यों के लिए ज़रूरी बने रहते हैं जिन्हें मॉडल भरोसेमंद ढंग से अपने ऊपर नहीं ले सकता: पाठ्यक्रम चुनना, पारिवारिक और सांस्कृतिक संदर्भ समझना, कक्षा प्रबंधित करना, बच्चों की रक्षा करना, निरंतर प्रयास को प्रेरित करना, संकट पहचानना, और पेशेवर जवाबदेही स्वीकार करना। AI इन ज़िम्मेदारियों को ग़ायब किए बिना प्रतिक्रिया-क्षमता का विस्तार कर सकता है।

मूल्यांकन को इच्छित क्षमता मापनी चाहिए

पारंपरिक घर-ले-जाने वाले निबंध वही सबूती वज़न नहीं रख सकते जब उच्च-गुणवत्ता की सहायता सर्वव्यापी हो। जवाब निगरानी या केवल-याददाश्त वाली परीक्षाओं की वापसी नहीं होना चाहिए। कार्यक्रम इन्हें जोड़ सकते हैं:

• बुनियादी ज्ञान के निगरानी में, बिना-AI प्रदर्शन;
• खुले-AI असाइनमेंट जिनमें लॉग, स्रोत-जांच, और आलोचना ज़रूरी हो;
• मौखिक बचाव या लाइव स्पष्टीकरण;
• ड्राफ़्ट और प्रक्रिया की कलाकृतियां (artifacts);
• स्थानीय डेटा या प्रत्यक्ष अवलोकन से जुड़ी परियोजनाएं;
• स्पष्ट व्यक्तिगत जवाबदेही के साथ सहयोगात्मक काम।

हर तरीक़ा अलग सवाल का जवाब देता है। कोई बिना-टूल कार्य बिना-सहायता प्रवाह को परखता है। कोई खुले-टूल कार्य निर्णय और समन्वय को परखता है। कोई मौखिक बचाव यह परखता है कि क्या छात्र जमा किए गए काम को समझता है। सुगम्यता-अनुकूलन उपलब्ध रहने चाहिए, और मूल्यांकन-परिवर्तनों को सहायक तकनीक के इस्तेमाल के लिए छात्रों को दंडित नहीं करना चाहिए।

सटीकता, स्रोत, और बौद्धिक निर्भरता

चैटबॉट सही स्पष्टीकरण और गढ़े गए दावे दोनों को एक जैसे आत्मविश्वास-भरे लहज़े में पैदा कर सकते हैं। छात्रों को पार्श्व पठन (lateral reading) सीखना चाहिए: जनरेट किए गए उत्तर को छोड़ना, प्राथमिक स्रोतों की जांच करना, लेखक और तारीख़ की पहचान करना, आंकड़ों को उनके तरीक़े तक वापस ले जाना, और विरोधाभासी सबूत खोजना। किसी चैटबॉट को उद्धृत करना अंतर्निहित स्रोत को उद्धृत करने का विकल्प नहीं है।

AI-साक्षरता में अनिश्चितता, डेटा-निजता, मॉडल-पूर्वाग्रह, सिंथेटिक मीडिया, और व्यावसायिक प्रोत्साहनों को पहचानना भी शामिल है। किसी स्कूली खाते की प्रतिधारण-शर्तें किसी उपभोक्ता-खाते से अलग हो सकती हैं। छात्रों को किसी अनुमोदित सिस्टम और स्पष्ट नीति के बिना पहचान योग्य साथी-जानकारी, संरक्षित शैक्षिक रिकॉर्ड, अप्रकाशित शोध, या अंतरंग खुलासे दाख़िल नहीं करने चाहिए।

बौद्धिक निर्भरता का एक गहरा जोखिम है। अगर कोई सीखने वाला विषय-चयन, खोज, संश्लेषण, ड्राफ़्टिंग, और संशोधन सौंप देता है, तो अंतिम उत्पाद सीखने वाले की क्षमता से आगे निकल सकता है जबकि पीछे बहुत कम ज्ञान छोड़ता है। शिक्षक यह निर्दिष्ट करके इसका मुक़ाबला कर सकते हैं कि किन चरणों में सहायता ली जा सकती है और यह मांग करके कि छात्र इस पर चिंतन करे कि मॉडल कहां ग़लत या अनुपयोगी था।

समता दोनों दिशाओं में कटती है

AI अनुवाद, टेक्स्ट-सरलीकरण, वाणी-सहायता, और व्यक्तिगत अभ्यास दे सकता है। ये फ़ायदे विकलांगता वाले या सीमित ट्यूशन-पहुंच वाले छात्रों के लिए ख़ासतौर पर महत्वपूर्ण हो सकते हैं। फिर भी भुगतान वाले मॉडल, तेज़ डिवाइस, कनेक्टिविटी, और शिक्षक-विशेषज्ञता असमान रूप से बंटे हैं। OECD ने पाया कि AI-साक्षरता के अवसर सामाजिक-आर्थिक रूप से लाभप्रद छात्रों में ज़्यादा आम थे। एक नाममात्र सार्वभौमिक तकनीक अंतर बढ़ा सकती है अगर संपन्न छात्रों को मार्गदर्शित, उच्च-गुणवत्ता का इस्तेमाल मिले जबकि दूसरों को अप्रतिबंधित उत्तर-जनरेशन या कोई पहुंच न मिले।

समता-नीति को इसलिए सुलभ अनुमोदित टूल, शिक्षक-विकास, बाहर निकलने वाले छात्रों के लिए विकल्प, और भाषा व विकलांगता समूहों में मूल्यांकन प्रदान करना चाहिए। इसे बिना-AI रास्ते भी बचाए रखने चाहिए ताकि शिक्षा किसी निजी प्रदाता के साथ छात्र-डेटा साझा करने पर निर्भर न हो।

क्रेडेंशियल और श्रम-बाज़ार

नियोक्ता मुख्य रूप से घर-ले-जाने वाले उत्पादन पर आधारित क्रेडेंशियल को कम महत्व दे सकते हैं जिसकी AI नक़ल कर सकता है। इसका मतलब यह नहीं कि डिग्रियां बेकार हो जाती हैं। क्रेडेंशियल निरंतर प्रयास, निगरानी में अभ्यास, प्रयोगशाला या क्लिनिकल दक्षता, साथी-सहयोग, और संस्थागत सत्यापन का भी संकेत देते हैं। इनका मूल्य इस पर निर्भर करेगा कि क्या स्कूल यह दिखा सकते हैं कि स्नातक स्वतंत्र रूप से और टूल के साथ क्या कर सकते हैं।

पाठ्यक्रमों को बुनियादी ज्ञान बचाए रखना चाहिए क्योंकि निर्णय-क्षमता को आंकने के लिए कुछ चाहिए। साथ ही, छात्रों को समस्याओं को तोड़ने, आउटपुट का मूल्यांकन करने, विषयों में काम करने, लोगों से संवाद करने, और नतीजों की ज़िम्मेदारी लेने का अभ्यास चाहिए। अकेले “प्रॉम्प्ट इंजीनियरिंग” किसी शैक्षिक दर्शन के लिए बहुत टूल-विशिष्ट है।

परिवारों और स्कूलों के लिए एक व्यावहारिक नीति

वयस्कों को पूछना चाहिए: यह असाइनमेंट किस सीखने के लक्ष्य को परख रहा है? कौन-सी सहायता अनुमत है? क्या AI-इस्तेमाल को प्रकट करना ज़रूरी है? कौन-सा डेटा संस्था से बाहर जाता है? कोई छात्र किसी आरोप को कैसे चुनौती दे सकता है? जब टूल उपलब्ध न हो तो क्या होता है?

परिवार बच्चों से अपनी प्रक्रिया दिखाने, अपने शब्दों में उत्तर समझाने, साथ मिलकर एक महत्वपूर्ण दावे की पुष्टि करने, और नियमित बिना-सहायता पठन, लेखन, गणित, और बातचीत बनाए रखने के लिए कह सकते हैं। पूर्ण प्रतिबंध इस्तेमाल को छुपा सकता है; पूर्ण अनुमति अभ्यास को महज़ प्रदर्शन से बदल सकती है।

सितंबर 2026 में सबसे बेहतर समर्थित रुख़ निरंतर मूल्यांकन के साथ संरचित एकीकरण है। मौजूदा सबूत यह दावा करने को उचित नहीं ठहराते कि जनरेटिव AI सार्वभौमिक रूप से सीखने को सुधारता या बिगाड़ता है। यह दिखाता है कि असर कार्य, शिक्षणशास्त्र, तीव्रता, पूर्व-कौशल, और पहुंच पर निर्भर करते हैं। AGI शिक्षा के अर्थशास्त्र और पहुंच को नाटकीय रूप से बदल सकती है, पर यह आज भी परिदृश्य-विश्लेषण बना हुआ है, कोई ऐसा नतीजा नहीं जिसे स्कूल आज देख सकें।