ধারণা
সহানুভূতি
ইংরেজি পাতার এই স্বয়ংক্রিয় অনুবাদ, এখনও মাতৃভাষিক বক্তার দ্বারা পর্যালোচনা করা হয়নি।
সংশ্লেষণ: সহানুভূতি শিক্ষায় একসঙ্গে তিন দিক থেকে প্রবেশ করে: এমন একটি ফলাফল হিসেবে যা শিক্ষাবিদরা শেখানোর চেষ্টা করেন, এমন একটি গঠন হিসেবে যা তারা মাপার চেষ্টা করেন, এবং এমন কিছু হিসেবে যা AI সিস্টেমগুলো ক্রমশ প্রদর্শন করে বলে দাবি করা হয়। তিনটিতেই প্রমাণ অসম। সহানুভূতি শেখানো কাজ করে — ভূমিকা-অভিনয়, VR ও LLM সংলাপ সবই মাপযোগ্য পূর্ব-পরবর্তী লাভ তৈরি করে — কিন্তু অভিজ্ঞতা যত কম দেহাবিষ্ট হয়, প্রভাব তত সংকুচিত হয়, আর তুলনামূলক গবেষণাগুলো মাধ্যমের সঙ্গে কাজে ব্যয়িত সময়কে মিশিয়ে ফেলে। সহানুভূতি মাপা শেখানোর চেয়ে কঠিন: পর্যবেক্ষকের রেটিং সুসংগত থাকে, অথচ কম্পিউটার-ভিশন প্রক্সিগুলো শারীরিক স্পর্শে একমত হয়, চোখের সংযোগে দ্বিমত পোষণ করে, এবং হাসিতে উল্টে যায়। AI বড় মাপে সহানুভূতিশীল আলাপচারিতা অনুশীলন করতে পারে, কিন্তু সবচেয়ে নিয়ন্ত্রিত গবেষণাটি দেখায় আত্ম-মূল্যায়িত দক্ষতা বাড়ছে, অথচ পর্যবেক্ষিত কর্মক্ষমতার কোনো যাচাই নেই। আর সবচেয়ে নতুন উদ্বেগ উল্টো দিকে চলে: AI সহানুভূতি জোগান দিতে পারে বলে বিশ্বাস করলে মানুষ নিজে তা জোগাতে কম ইচ্ছুক হয় (Shastry & Gray, 2026)।
বিবেচনার প্রশ্ন
- ভূমিকা-অভিনয়, VR ও একটি চ্যাটবট—সবই যদি সহানুভূতির স্কোর বাড়ায়, তবে পার্থক্যটি শিখন, নাকি কাজে ব্যয়িত সময়?
- একজন নার্সিং শিক্ষার্থী ব্যথায় থাকা রোগীর দিকে হাসেন: পর্যবেক্ষকেরা এতে অসংগতি পড়েন, স্মাইল ডিটেক্টর পড়ে উষ্ণতা। একটি মূল্যায়ন কোনটিকে বিশ্বাস করবে?
- AI-সহায়ক সহানুভূতি প্রশিক্ষণের বেশিরভাগ গবেষণা পর্যবেক্ষিত আচরণের বদলে আত্মবিশ্বাস মাপে। আত্মবিশ্বাস বাড়লে কিন্তু আচরণ না বাড়লে, প্রশিক্ষণটি ব্যর্থ হয়েছে, নাকি কেবল পরীক্ষিত হয়নি?
- একটি চ্যাটবট উষ্ণভাবে সাড়া দিলে শিক্ষার্থীরা জানায় তারা বোঝা অনুভব করেছে। এটি কি সহানুভূতি, সহানুভূতির অভিনয়, নাকি এমন কিছু যা যেটাই হোক তা-তে কিছু আসে যায় না?
- মানুষ যদি একবার বিশ্বাস করে যে AI এটি করতে পারে, আর তখনই সহানুভূতির দায়িত্ব অফলোড করে, তবে যে পাঠ্যক্রম আংশিকভাবে AI অনুশীলনের মাধ্যমে সহানুভূতি শেখায় তার জন্য এর অর্থ কী?
- সহানুভূতি নম্বরযোগ্য ফলাফল কি না, তা কে সিদ্ধান্ত নেবে — আর যে শিক্ষার্থীরা নির্ভুল কিন্তু উষ্ণ নয়, তাদের কী হবে?
ভূমিকা
সহানুভূতিকে সাধারণত অন্তত দুটি উপাদানে ভাগ করা হয়: একটি সংজ্ঞানাত্মক উপাদান, দৃষ্টিভঙ্গি গ্রহণ, এবং একটি আবেগীয় উপাদান, অন্যের অনুভূতি ভাগ করে নেওয়া; কিছু ব্যাখ্যায় যুক্ত হয় একটি প্রেরণামূলক উপাদান, সাহায্যের তাড়না। ব্যক্তিগত দুর্দশা — অন্যের কষ্টে বিরূপ প্রতিক্রিয়া — প্রায়ই পাশাপাশি মাপা হয় এবং বাকিগুলোর চেয়ে ভিন্নভাবে আচরণ করে। শিক্ষার জন্য এটি গুরুত্বপূর্ণ, কারণ উপাদানগুলো ভিন্নভাবে শেখানো যায় এবং ভিন্ন মাত্রার সাফল্যে মাপা যায়।
AI তিনটি পৃথক বিন্দুতে প্রবেশ করে, আর এগুলোকে গুলিয়ে ফেলাই সাহিত্যের বিভ্রান্তির প্রধান উৎস।
- মানব সহানুভূতির জন্য শিক্ষণ-পদ্ধতি হিসেবে AI। সিমুলেশন, VR দেহায়ন, LLM-নির্মিত চরিত্রের সঙ্গে ভূমিকা-অভিনয়, এবং অন্যের অভিজ্ঞতাকে জীবন্ত করতে ব্যবহৃত জেনারেটিভ চিত্র।
- পরিমাপের যন্ত্র হিসেবে AI। রেকর্ড করা সিমুলেশনে কম্পিউটার ভিশন দিয়ে শরীরী ভাষার স্কোরিং, অথবা এমন স্কেল যা সহানুভূতিকে AI মিথস্ক্রিয়ায় প্রকাশিত একটি প্রবণতা হিসেবে গণ্য করে।
- সহানুভূতিশীল অভিনেতা হিসেবে AI। যে চ্যাটবটগুলো রোগী, কোচ বা সঙ্গী সাজে এবং বোঝে বলে মনে হওয়ার জন্য নকশা করা হয়, যা প্রশ্ন তোলে সহানুভূতিটি বাস্তব, অভিনীত, নাকি মানব সংস্পর্শের বিকল্প।
প্রথম দুটি শিক্ষার্থী নিয়ে; তৃতীয়টি সিস্টেম নিয়ে। যে পাতা এগুলো মিশিয়ে দেয়, সেখানে "AI সহানুভূতি বাড়ায়"-জাতীয় দাবি তৈরি হবে যা তিনটি ভিন্ন অর্থ বহন করে।
সহানুভূতি কি শেখানো যায়?
সরাসরি তুলনাটি নকশায় অস্বাভাবিকভাবে পরিচ্ছন্ন আর বাস্তবায়নে অস্বাভাবিকভাবে দ্বন্দ্বযুক্ত। Zwoliński প্রমুখ (2026) একটি অ্যাক্সেসিবিলিটি কোর্সের 64 জন স্নাতকোত্তর শিক্ষার্থীকে এলোমেলোভাবে তিনটির একটিতে নিয়োগ দেন: হুইলচেয়ার, বার্ধক্য-স্যুট ও গর্ভাবস্থা-সিমুলেটর নিয়ে বাস্তব জগতের ভূমিকা-অভিনয়; VR ল্যাবে একই সরঞ্জাম; অথবা ChatGPT-4.0-এর সঙ্গে ব্যক্তিত্ব-নির্মাণমূলক সংলাপ। তিনটি দলই Davis Interpersonal Reactivity Index-এ উল্লেখযোগ্যভাবে উন্নতি করে। ভূমিকা-অভিনয়ে 13.2%, VR-এ 11.6%, আর AI শর্তে 8.8% লাভ। কেবল ব্যক্তিগত দুর্দশাই দলগুলোর মধ্যে উল্লেখযোগ্যভাবে ভিন্ন ছিল।
ক্রমটি স্বজ্ঞাত, ব্যাখ্যাটি নয়। তিনটি শর্ত প্রায় 125, 87 ও 42 মিনিট চলেছিল, তাই গবেষণাটি মাধ্যম ও মাত্রা একসঙ্গে তুলনা করে। এটা বলা ন্যায্য যে 42 মিনিটের LLM সংলাপ দুই ঘণ্টার দেহাবিষ্ট অনুশীলনের চেয়ে ছোট লাভ দিয়েছে; এটা বলা ন্যায্য নয় যে প্রতি মিনিটে দেহায়নের মূল্য তিন গুণ। লেখকেরা দ্বন্দ্বটি স্পষ্টভাবে স্বীকার করেন, আর তাদের শিক্ষার্থীদের নিজেদের সুপারিশ — VR-এর পুনরাবৃত্তিযোগ্যতা, বাস্তব জগতের ইন্দ্রিয়-সমৃদ্ধি ও LLM-এর অভিযোজনশীলতা একত্র করা — প্রমাণের একটি যুক্তিসঙ্গত পাঠ।
স্বাস্থ্য-পেশা সাহিত্য মাপযোগ বাড়ায়, কিন্তু কার্যকারণ-স্বচ্ছতা বেশি নয়। Ismail ও Zafira (2026) আবেগীয়-ক্ষেত্রের বিকাশে AI-এর 17টি গবেষণা পর্যালোচনা করেন এবং দেখেন হস্তক্ষেপগুলো যোগাযোগ প্রশিক্ষণ, ভার্চুয়াল রোগী, প্রতিফলনমূলক ফিডব্যাক, দুঃসংবাদ-প্রদানের সিমুলেশন ও OSCE-ধাঁচের মূল্যায়নে কেন্দ্রীভূত। বেশিরভাগই আত্মবিশ্বাস, স্ব-দক্ষতা, প্রতিফলনমূলক সম্পৃক্ততা বা অনুভূত যোগাযোগ-দক্ষতায় লাভ জানায়। সহানুভূতি নিজে, আবেগীয় সাড়াপ্রদান, সম্পর্কগত প্রামাণিকতা ও অ-মৌখিক যোগাযোগের প্রমাণ সীমিতই ছিল। এটিই কেন্দ্রীয় ফল: যে ক্ষেত্র সহানুভূতি শেখাতে চায়, সে বেশিরভাগেই আরাম মাপছে।
চতুর্থ একটি ধারা অস্পষ্টতাটি স্পষ্ট করে: পরিধানযোগ্য উত্তেজনা-সেন্সর ও AI-নির্মিত চিত্র অন্যের পরিস্থিতি জীবন্ত করতে পারে, কিন্তু ত্বক-পরিবাহিতার বৃদ্ধি উত্তেজনার প্রমাণ, সহানুভূতির নয়, আর এই ধারার গবেষণাগুলো প্রায়ই সেখানেই থেমে যায় (Lim প্রমুখ, 2024)।
সহানুভূতি কি মাপা যায়?
পর্যবেক্ষকের রেটিংই রেফারেন্স মানদণ্ডের সবচেয়ে কাছাকাছি, এবং সেগুলো যুক্তিসঙ্গতভাবে আচরণ করে। Nissan প্রমুখ (2026)-এ দুইজন শিক্ষক একটি রেকর্ড করা সিমুলেশনে 37 জন নার্সিং শিক্ষার্থীকে 12-আইটেমের একটি ইনভেন্টরি (α = 0.91) ও ছয়-অঙ্গুলিহারের একটি স্কেল (α = 0.93) দিয়ে রেট করেন, আর অঙ্গুলিহারের রেটিং ইনভেন্টরির সঙ্গে 0.41 থেকে 0.63 পর্যন্ত সম্পর্কযুক্ত ছিল।
অ্যালগরিদমগুলো আরও আকর্ষণীয় একটি গল্প বলেছিল। শারীরিক-স্পর্শ শনাক্তকরণ চারটি পর্যবেক্ষক-মাপের সঙ্গে 0.46 থেকে 0.54 পর্যন্ত একমত হয়। চোখের সংযোগ ও হিটম্যাপ শনাক্তকরণ পর্যবেক্ষকদের রায়ের সঙ্গে কোনো উল্লেখযোগ্য সম্পর্ক দেখায়নি। আর স্মাইল ডিটেক্টর তিনটি পর্যবেক্ষক-মাপের সঙ্গে ঋণাত্মকভাবে সম্পর্কযুক্ত ছিল, এবং মোট সহানুভূতির সঙ্গে r = −0.322, কারণ পর্যবেক্ষকেরা দেখছিলেন একজন শিক্ষার্থী ব্যথায় থাকা রোগীর দিকে হাসছেন এবং তা স্নায়ুচাপ বা অসংগতি হিসেবে পড়ছিলেন। সংকেতটি বাস্তব ছিল; ব্যাখ্যাটি উল্টো। এটিই সেন্সর ও দৃষ্টি-বিশ্লেষণ-এ নথিভুক্ত একই অনুমানগত ফাঁক, এমন একটি প্রসঙ্গে যেখানে ঝুঁকি একটি ক্লিনিক্যাল গ্রেড।
স্ব-প্রতিবেদন স্কেল অন্য প্রান্তটি দখল করে। The AI Empathy Scale for Generative AI Interaction সহানুভূতিকে AI ব্যবহারের সময় প্রকাশিত মানবিক প্রবণতা হিসেবে গণ্য করে এবং উত্তরদাতাদের নিজেদের সংজ্ঞানাত্মক, আবেগীয় ও প্রেরণামূলক প্রতিক্রিয়া সম্পর্কে জিজ্ঞাসা করে; এর প্রাথমিক ফ্যাক্টর-কাঠামো অভীষ্ট ছয়টি মাত্রা পুনরুৎপাদন করেনি (Kang প্রমুখ, 2026)। একটি প্রবণতা-প্রশ্নমালা আর একটি আচরণগত পর্যবেক্ষণ বিনিময়যোগ্য নয়, আর কোনোটিই এই রোগী-রেটিংয়ের বিকল্প নয় যে সাক্ষাৎটি যত্নশীল মনে হয়েছিল কি না।
AI কি সহানুভূতি অনুশীলন করতে পারে?
হ্যাঁ, অন্তত অনুশীলনের অংশটির জন্য। Müller প্রমুখ (2026) 162 জন চিকিৎসা শিক্ষার্থীকে চারটি পরিস্থিতির একটিতে ভূমিকা-প্রম্পটপ্রাপ্ত GPT-4o-এর সঙ্গে একটি করে আলাপ দেন — যৌথ সিদ্ধান্ত গ্রহণ, প্রেরণামূলক সাক্ষাৎকার, একটি STI পরামর্শ, দুঃসংবাদ প্রদান — এবং গড়ে 13টি বিনিময়ের পর আত্ম-মূল্যায়িত যোগাযোগ-দক্ষতা 0–10 স্কেলে 5.89 থেকে 6.83-এ ওঠে (d = 0.58)। শিক্ষার্থীরা AI ফিডব্যাকের উপযোগিতা 10-এ 7.92 রেট দেয়, কিন্তু ফিডব্যাকের যথার্থতা লাভের পূর্বাভাস দেয়নি (r = 0.08)। কোনো নিয়ন্ত্রণ দল ছিল না।
ধারাটি পুনরাবৃত্ত হয়: একটি সংক্ষিপ্ত, কম-ঝুঁকির অনুশীলন বড় স্ব-দক্ষতা-লাভ তৈরি করে, আর প্রক্রিয়াটি মডেলের সমালোচনার চেয়ে অনুশীলনই হওয়ার সম্ভাবনা বেশি। এটি সরঞ্জামটি বাদ দেওয়ার কারণ নয়। স্ট্যান্ডার্ডাইজড রোগী ব্যয়বহুল, দুষ্প্রাপ্য ও সময়সূচিবদ্ধ; চ্যাটবট এগুলোর কোনোটিই নয়, আর যে শিক্ষার্থী একবার দুঃসংবাদ-প্রদানের আলাপ শেষ করেছে, সে একটি স্ট্যান্ডার্ডাইজড-রোগী সেশন ভিন্নভাবে ব্যবহার করবে। এটি লাভটিকে দক্ষতার প্রমাণ বলা বন্ধ করার কারণ।
যেখানে সহানুভূতি দক্ষতার বদলে একটি আলাপচারিতার গুণ, সেখানে প্রমাণটি উপলব্ধি নিয়ে। Wang প্রমুখ (2026) মডেল, প্ল্যাটফর্ম ও তাপমাত্রা স্থির রেখে কেবল প্রম্পটের ভূমিকা ও আলাপচারিতার চালগুলো বদলান, ফলে অনুভূত সহানুভূতিতে বড় পার্থক্য তৈরি হয় (21.27 বনাম 18.24, r = 0.53)। শিক্ষার্থীরা যে অর্থে সহানুভূতি অনুভব করে, সেটি স্ক্রিপ্ট করা যায়। স্ক্রিপ্ট করা শিক্ষাগতভাবে ভালো কি না, তা পৃথক প্রশ্ন।
প্রতিস্থাপনের সমস্যা
সবচেয়ে নতুন গবেষণাধারা জিজ্ঞাসা করে AI-সহানুভূতি মানব সহানুভূতির সঙ্গে কী করে। 249, 494, 743 ও 737 অংশগ্রহণকারীর চারটি গবেষণা জুড়ে Shastry ও Gray (2026) দেখেন, মানুষ AI-কে আবেগীয় সহায়তা দিতে যত বেশি সক্ষম মনে করে, নিজে তা দিতে তত কম ইচ্ছুক হয় — সহানুভূতি অফলোডিং — প্রবণতা-সহানুভূতি ও পূর্ববর্তী AI ব্যবহার নিয়ন্ত্রণ করে। যখন সহায়তা-প্রাপকের সহায়তার উৎসের নাম বলা হয়, অংশগ্রহণকারীরা বলেন তারা বন্ধু বা থেরাপিস্টের চেয়ে AI-কে কম অফলোড করবেন, কারণ তারা AI-এর সহানুভূতিশীল ক্ষমতা নিচু রেট দেন। একটি আচরণগত মাপে, যেসব অংশগ্রহণকারী বলেছিলেন তারা অফলোড করবেন না, তারাই কম সহানুভূতিসূচক ও বেশি উদাসীনতাসূচক শব্দ বেছে নেন।
শিক্ষার জন্য এটি দুই দিকে কাটে। যে পাঠ্যক্রম সহানুভূতি অনুশীলনে AI ব্যবহার করে, তা দক্ষতাটি গড়ছে; যে ক্যাম্পাস-সংস্কৃতি আবেগীয় সহায়তা চ্যাটবটের দিকে পাঠায়, তা এটি ব্যবহারের প্রেরণা ক্ষয় করছে। দুটি প্রভাবই সামঞ্জস্যপূর্ণ, আর বর্তমান সাহিত্যে কিছুই সেগুলোকে একসঙ্গে মাপে না।
অনুশীলনের জন্য এর অর্থ
- তিনটি প্রশ্ন আলাদা করুন। কেউ যখন দাবি করে AI সহানুভূতি বাড়ায়, জিজ্ঞাসা করুন তারা মানুষকে শেখানো, মানুষকে মাপা, নাকি সহানুভূতি সিমুলেট করা বোঝাচ্ছে। প্রতিটির প্রমাণ ভিন্ন।
- স্ব-দক্ষতাকে সহানুভূতির ফলাফল হিসেবে গ্রহণ করবেন না। আত্মবিশ্বাস সস্তা এবং প্রায় যেকোনো অনুশীলনের পরেই বাড়ে; পর্যবেক্ষণ, স্ট্যান্ডার্ডাইজড রোগী বা রোগী-রেটিংই সেই মাপ যা গুরুত্বপূর্ণ।
- ভিশন-স্কোরকে দ্বিতীয় পাঠক হিসেবে গণ্য করুন। শারীরিক-স্পর্শ শনাক্তকরণ গঠনমূলক ফিডব্যাকের জন্য ব্যবহারযোগ্য; স্মাইল ও চোখের-সংযোগ শনাক্তকরণ নয়, কারণ মডেলের কাছে যে দৃশ্যপট-প্রসঙ্গ নেই।
- সময় বরাদ্দ করুন, কেবল মাধ্যম নয়। তুলনামূলক গবেষণাগুলো দুটিকে মিশিয়ে ফেলে, আর যে সস্তা পদ্ধতি এক-চতুর্থাংশ সময় নেয়, তা এখনও ভালো পছন্দ হতে পারে — কেবল সমতুল্য নয়।
- অফলোডিং লক্ষ্য করুন। AI যদি আবেগীয় সহায়তার ডিফল্ট চ্যানেল হয়ে ওঠে, তবে আপনি যে সহানুভূতি শেখাতে চাইছেন, তা নিঃশব্দে আউটসোর্স হয়ে যেতে পারে।
সাধারণ ভুল ধারণা
- "AI সহানুভূতি শেখাতে পারে।" AI অনুশীলন ও প্রতিফলন সমর্থন করতে পারে; সবচেয়ে শক্তিশালী পর্যালোচনা ফলাফল হিসেবে সহানুভূতির সীমিত প্রমাণ পায়, আর সবচেয়ে নিয়ন্ত্রিত প্রশিক্ষণ-গবেষণাটি আত্ম-মূল্যায়ন মাপে।
- "সহানুভূতি মানে উষ্ণ ভাষা।" কেবল প্রম্পট-নকশা দিয়েই অনুভূত সহানুভূতি তৈরি করা যায়, যা উপলব্ধির প্রমাণ, বোঝাপড়ার নয়।
- "হাসি মানে উষ্ণতা।" একটি কষ্টদায়ক ক্লিনিক্যাল সাক্ষাতে পর্যবেক্ষকেরা হাসিকে অসংগতি হিসেবে পড়েন, আর ফেসিয়াল-অ্যাকশন ডিটেক্টর তা ইতিবাচক আবেগ হিসেবে পড়ে। প্রসঙ্গই অনুপস্থিত চলক।
- "স্ব-প্রতিবেদন স্কেল সহানুভূতি মাপে।" তারা একটি প্রবণতা বা আত্ম-ধারণা মাপে; কোনো সাক্ষাতে আচরণ মাপে না।
- "বেশি নিমজ্জনশীল সবসময় ভালো।" নিমজ্জনশীল পদ্ধতি বড় লাভ দেখায়, কিন্তু কয়েকগুণ ব্যয় ও সময়ে, আর তুলনাগুলো প্রদর্শনের মাত্রা সমান করে না।
সংযুক্ত ধারণা
- আবেগীয় টিউটরিং
- আবেগীয় কম্পিউটিং
- সামাজিক-আবেগিক শিখন
- কর্মক্ষেত্র শিখন
- সিমুলেশন
- চিকিৎসা ও স্বাস্থ্য-পেশা শিক্ষা
- নার্সিং শিক্ষা
- সেন্সর ও দৃষ্টি-বিশ্লেষণ
- মূল্যায়নের বৈধতা
- আত্ম-প্রতিবেদনমূলক পরিমাপ
- মানব-এআই সহযোগিতা
- এআই সাইকোফ্যান্সি
- শিক্ষাতাত্ত্বিক নিরাপত্তা
- সুস্থতা ও কল্যাণ
- শিল্প, নকশা ও মিডিয়া শিক্ষা
সংযুক্ত নিবন্ধ
- Teaching Empathy: A Comparative Analysis of Real, Virtual, and AI-Driven Methods — IRI-তে ভূমিকা-অভিনয় 13.2%, VR 11.6%, AI সংলাপ 8.8%, প্রদর্শন-সময় মিশ্রিত (Zwoliński প্রমুখ, 2026)
- Detecting Nursing Students' Empathy in Video-Recorded Simulation Using Computer Vision — শারীরিক-স্পর্শ শনাক্তকরণ পর্যবেক্ষকদের সঙ্গে একমত হয়েছিল; স্মাইল শনাক্তকরণ ঋণাত্মক গিয়েছিল (Nissan প্রমুখ, 2026)
- Training Empathetic Communication Skills in Medical Students With a Role-Prompted GPT-4o Chatbot — 13টি বিনিময়ের পর আত্ম-মূল্যায়িত দক্ষতা d = 0.58 বাড়ে, কোনো নিয়ন্ত্রণ দল ছাড়া (Müller প্রমুখ, 2026)
- Artificial Intelligence for Affective-Domain Development in Healthcare Professions Education: A Systematic Review — 17টি গবেষণা; আত্মবিশ্বাস-লাভ সাধারণ, সহানুভূতির প্রমাণ সীমিত (Ismail ও Zafira, 2026)
- Exploring the Potential of AI in Nurturing Learner Empathy, Pro-Social Values and Environmental Stewardship — EDA ও জেনারেটিভ চিত্র উত্তেজনা-পাইপলাইন হিসেবে, সহানুভূতি দাবি করা হয়েছে মাপা হয়নি (Lim প্রমুখ, 2024)
- People offload empathy when they think AI can give it instead — AI-এর সহানুভূতিশীল ক্ষমতায় বিশ্বাস কম সহায়তা-প্রদানের ইচ্ছার পূর্বাভাস দেয় (Shastry ও Gray, 2026)
- AI Empathy as a Human Disposition in Generative AI Interaction: Development and Preliminary Psychometric Evaluation of a Cognitive–Affective–Motivational Scale — 42-আইটেমের একটি প্রবণতা-স্কেল, যার ফ্যাক্টর-কাঠামো তার নকশার সঙ্গে মেলেনি (Kang প্রমুখ, 2026)
- Invisible Impact of Empathy on Behavioral Change: Isolating the Effect of Empathy in Long-term Physical Activity Coaching Chatbot Interactions — সহানুভূতিশীল ভাষা অনুভূত বোঝাপড়া বাড়ায়, যা আচরণ-পরিবর্তনের বদলে সম্পৃক্ততার পূর্বাভাস দেয় (Siyan প্রমুখ, 2026)
- Comparing teacher-centered and student-centered agents based on prompt engineering: Effects on learning performance, cognitive load, flow experience, and empathy perception in physics learning — প্রম্পটে নির্দিষ্ট ভূমিকা ও চাল অনুভূত সহানুভূতিতে বড় পার্থক্য তৈরি করে (Wang প্রমুখ, 2026)
- Nursing Students' and Faculty Experiences with Artificial Intelligence in Education: A Qualitative Study Using the Technology Acceptance Model — নার্সিং শিক্ষার্থীরা ক্লিনিক্যাল চাপে AI-কে আবেগীয় সহায়তা হিসেবে বর্ণনা করেন (Akbaba প্রমুখ, 2026)