শিখন-বিজ্ঞান

ইংরেজি পাতার এই স্বয়ংক্রিয় অনুবাদ, এখনও মাতৃভাষিক বক্তার দ্বারা পর্যালোচনা করা হয়নি।

শিখন-বিজ্ঞান — আন্তঃবিষয়ক গবেষণা-ক্ষেত্র যা অধ্যয়ন করে মানুষ কীভাবে শেখে এবং কীভাবে এমন পরিবেশ নকশা করা যায় যেখানে শিখন ঘটে; এটি জ্ঞান-মনোবিজ্ঞান, শিখন-তত্ত্ব, কম্পিউটার বিজ্ঞান ও ভাষাবিজ্ঞান থেকে উপাদান নেয়, এবং তার নকশাগুলোকে কেবল তত্ত্ব নয়, অভিজ্ঞতাভিত্তিক প্রমাণ দিয়ে বিচার করে। এই জ্ঞানভিত্তিতে এটি শিক্ষায় এআই-এর চারপাশের গবেষণা-ক্ষেত্র, কোনো একটি বিদ্যালয়-বিষয় নয়: এটি সেই কার্যসাধনগুলো যোগায় যা এআই ব্যবস্থা কার্যকর করে (জ্ঞান-উপাদান, দক্ষতা-সীমা, স্থানান্তর), যে নকশা-বস্তুতে সেগুলো বসানো থাকে (পরিকল্পিত কোর্স-ক্রম, টিউটর, প্রতিক্রিয়া ব্যবস্থা) এবং যে মানদণ্ডে সেগুলো বিচার হয় (শিখন-লাভ, মূল্যায়নের বৈধতা, সমতা)। এর সংগঠক প্রশ্নটি নয় যে কোনো সরঞ্জাম ভালো কাজ করে কি না, বরং এই যে কোনো শিক্ষার্থী বদলেছে কি না।

বিবেচনার প্রশ্ন

• একজন শিক্ষার্থী প্রতিটি অনুশীলন-আইটেম পাস করে, তাই দক্ষতা-সীমা সেটটি শেষ করে দেয় — এরপর এমন জায়গায় নিয়মটি ভুল প্রয়োগ করে যেখানে কাজটি আটকে রাখা উচিত ছিল। এটি কার ভুল: শিক্ষার্থীর, মডেলের, নাকি থামার নিয়মের?
• ক্রম-খনন কোনো শ্রেণিকক্ষ না দেখেই ৫৫৪টি কোর্সকে ধরন হিসেবে বর্ণনা করতে পারে। নকশাকৃত উদ্দেশ্য অধ্যয়ন করে প্রকৃত কার্যকলাপের বদলে ক্ষেত্রটি কী লাভ করে, আর কী হারায়?
• এলএলএম-এর প্রতিক্রিয়ায় জনতাত্ত্বিক সংবেদনশীলতা তখন অভিযোজন মনে হয় যখন তা শিক্ষার্থীর ঘোষিত শিক্ষাস্তর অনুসরণ করে, আর পক্ষপাত মনে হয় যখন তা ভাব-অনুভূতি বদলায়। যে ক্ষেত্র এই দুটো আলাদা করতে পারে না, তার কি মূল্যায়নের জন্য খোলা-প্রান্তের মডেল ব্যবহার চালিয়ে যাওয়া উচিত?
• কারণগত নকশার প্রতি শিখন-বিজ্ঞানের আগ্রহ — এলোমেলো নিয়োগ, পাল্টা-তথ্যগত নিরীক্ষা, শিক্ষার্থীর নির্বাহযোগ্য মডেল — শিক্ষায় এআই-এ প্রমাণ হিসেবে কী গণ্য হবে তার পরিধি সংকুচিত করে কি?

ভূমিকা

শিখন-বিজ্ঞান শিখন এবং শিখন-পরিবেশের নকশা অধ্যয়ন করে, এবং তা তার বিষয়ের মতোই তার পদ্ধতি দিয়েও সংজ্ঞায়িত: পরীক্ষা, শ্রেণিকক্ষ-প্রচেষ্টা, শিক্ষার্থী-উপাত্তের পরিমাণগত মডেলিং, নকশা ও প্রসঙ্গের গুণগত বিশ্লেষণ, এবং নকশা-ভিত্তিক গবেষণা যা একটি হস্তক্ষেপ গড়ে তোলে ও ব্যবহারের মধ্যেই তা সংশোধন করে। এই বিস্তারই এই পাতাটিকে সেই প্রতিবেশীদের থেকে আলাদা করে যারা কাঠামো, চর্চা ও যন্ত্র যোগায়; নিচের অনুচ্ছেদ প্রতিটি সীমানা এবং তার ওপারে ক্ষেত্রটি কী প্রতিষ্ঠা করেছে তা তুলে ধরে।

এই পাতা সেই মূলগত জ্ঞান কভার করে যা এই ধরনের পদ্ধতি উৎপাদন করেছে — শিক্ষার্থীরা একটি জেনারেটিভ মডেল নিয়ে কী করে, কোন বিন্যাস ফলাফল বদলায়, এবং কোথায় ক্ষেত্রটির নিজের যন্ত্রগুলো ব্যর্থ হয়। শাস্ত্রে এআইএড বিপরীত দিকটি ধরে, এই মতে যে বিষয়বস্তুই বদলে দেয় সহায়তার কী করা উচিত; শিখন-বিজ্ঞান আড়াআড়ি দৃষ্টিভঙ্গি নেয়, আর যে কার্যসাধনগুলো সে পরীক্ষা করে তা জ্ঞানীয় মনোবিজ্ঞান-এর অধীনে সংগৃহীত।

শিখন-বিজ্ঞানে এআই কীভাবে হাজির

• আগে কার্যসাধন, পরে মডেল। An, McLaren ও Stamper (২০২৬) Riichi Mahjong-এর বুদ্ধিদীপ্ত টিউটরিং ব্যবস্থা নিয়ে এগারোটি পরীক্ষা (N = 192) চালান এবং দেখান, যেসব শিক্ষার্থী একটি অতিসাধারণ উৎপাদন সংকলন করেছে — কাজটি তার প্রয়োগ-শর্ত ছাড়াই — তারা প্রথম "কাজ-করো-না" আইটেমে ৬১.৫%-১০০% হারে ভুল প্রয়োগ করে, অথচ বায়েসিয়ান জ্ঞান-অনুসরণে প্রত্যাশিত ত্রুটি ১২%। ৯৫% দক্ষতা-সীমায় ব্যবস্থাটি অনুশীলন থামিয়ে দেয় তার আগেই শিক্ষার্থীরা এমন একটি ক্ষেত্রে পৌঁছায় যেখানে কাজটি আটকে রাখা দরকার ছিল, ফলে ত্রুটিটি ধরা পড়ে না। অনুপস্থিত শর্তের নাম উল্লেখ করা প্রতিক্রিয়া-সহ সংক্ষিপ্ত কাজ-করো-না অনুশীলন ভুল প্রয়োগ ০.০%-২৩.১%-এ নামায় (Cohen's h 1.70-2.44), এবং তেরোটি কে-১২ Decimal Point ডেটাসেটের একটি গৌণ বিশ্লেষণ পূর্ণসংখ্যা-পক্ষপাতেও একই গঠন খুঁজে পায় (তুলনা-ত্রুটির ৮৪%-৮৮%)।

• একটি ঐকমত্য মানচিত্র দেখায় জেনএআই কোথায় শিখনে সাহায্য করে আর কোথায় ক্ষতি করে। ৩০ জন শিখন-বিজ্ঞানীর পূর্বনিবন্ধিত একটি ডেলফি ৬৫টি শিখন-প্রক্রিয়া রেটিং করে এবং ৪২টিতে একমত হয়: জেনএআই প্রাথমিক আয়ত্ত ও উচ্চতর-ক্রমের চিন্তা-কে হুমকিতে ফেলে, কিন্তু সংহতকরণ বাড়ায় (Kendeou প্রমুখ, ২০২৬)।

• প্রতিক্রিয়ার ধরন, এজেন্টের প্রকার নয়, স্ব-নিয়ন্ত্রক সম্পৃক্তি বদলেছে। ৫১ জন স্নাতকোত্তর শিক্ষার্থীর ২ × ২ পরীক্ষায় সক্রেটিক প্রতিক্রিয়া শক্তিশালী বোঝাপড়া-পর্যবেক্ষণের সঙ্গে যুক্ত ছিল, অথচ নির্দেশমূলক প্রতিক্রিয়া বেশি জ্ঞানসংক্রান্ত ভার বহন করে; দুই ধরনই একটি নির্দিষ্ট, পাল্টা-ভারসাম্যহীন ক্রমে চলেছে, তাই তুলনাটি শর্ত-সংশ্লিষ্ট, কারণগত নয় (Han প্রমুখ (২০২৬)).

• সর্বোত্তমটি বিষয়বস্তুর উপর নির্ভর করে। Rachatasumrit, Koedinger ও Carvalho (২০২৫) উদাহরণ–সমস্যা অনুপাতকে একটি বিষয়বস্তু–চিকিৎসা মিথস্ক্রিয়া হিসেবে দেখেন: জ্যামিতি-ক্ষেত্রফলের উপকরণে ৯৫ জন অংশগ্রহণকারীর ২×২ পরীক্ষায় কেবল-অনুশীলন প্রশিক্ষণ আক্ষরিক তথ্যে বড় শিখন-লাভ দেয়, অথচ উদাহরণ-সংযোজিত প্রশিক্ষণ সাধারণীকরণযোগ্য দক্ষতায় বড় লাভ দেয় (β = 0.41, p = .038, d = 0.38)। একটি অনুকরণকৃত শিক্ষার্থী (Apprentice Learner) কেবল ACT-R-ধাঁচের স্মৃতি-ও-বিস্মরণ কার্যসাধন পেলেই এই ক্রসওভার পুনরুৎপাদন করে। বেশি অনুশীলন সর্বত্র ভালো নয়: স্মৃতি-কেন্দ্রিক বিষয়বস্তুতে পুনরুদ্ধার দরকার, আর আরোহণ-কেন্দ্রিক দক্ষতায় সংযোজিত উদাহরণ।

• নকশা বিশ্লেষণযোগ্য বস্তু হিসেবে। Divjak, Svetec ও Horvat (২০২৬) লার্নিং অ্যানালিটিক্স-কে লার্নিং ডিজাইন-এর উপরেই প্রয়োগ করেন, একটি বিনামূল্যের কোর্স-নকশা সরঞ্জামে পরিকল্পিত ৫৫৪টি কোর্সের ২৯,০৬৪টি কার্যকলাপ কোডিং করে। আয়ত্ত ছিল সবচেয়ে সাধারণ শিখন-ধরন ও সবচেয়ে সাধারণ প্রবেশবিন্দু; সবচেয়ে শক্তিশালী মার্কভ রূপান্তর ছিল Assessment → Discussion (0.332) এবং সর্বোচ্চ-আস্থার নিয়ম ছিল Acquisition → Assessment → Practice → Practice (0.743, lift 1.45)। শিখন-ধরন অভীষ্ট ফলাফল-স্তর অনুসরণ করে, ব্লুম স্তর ১-এ কার্যকলাপের প্রায় ৫০% থেকে আয়ত্ত নেমে আসে স্তর ৬-এ প্রায় ২০%-এ। লেখকরা জোর দেন যে এগুলো বাস্তবায়ন-পূর্ব নকশা: উল্টানো, অনুসন্ধান-ভিত্তিক বা প্রকল্প-ভিত্তিক ক্রমের সঙ্গে সাদৃশ্য উদ্দেশ্যের প্রমাণ নয়।

• যে মডেলগুলো মূল্যায়ন করে তাদের নিরীক্ষা। Rooein, Benedetto ও Hovy (২০২৬) ছয়টি এলএলএম প্রবন্ধ-স্কোরিং, গঠনমূলক প্রতিক্রিয়া ও প্রশ্নোত্তর জুড়ে নিরীক্ষা করেন, কাজের ইনপুট স্থির রেখে কেবল জনতাত্ত্বিক প্রসঙ্গ বদলে (১৯২,৪৮০টি কল)। স্পষ্ট ব্যক্তিসত্তার অধীনে স্কোরিং স্থির ছিল, কিন্তু Llama-70B অন্তর্নিহিত কথোপকথন-ইতিহাসের অধীনে নিজের স্কোর ১.৫৭ পয়েন্ট ফুলিয়ে দেয় (p < 0.001), এবং উচ্চশিক্ষা কম পঠনযোগ্য ও বেশি ইতিবাচক প্রতিক্রিয়া পায় — প্রায় চার মানক বিচ্যুতির ভাব-অনুভূতির ফাঁক। পঠনযোগ্যতার প্রভাব সংকুচিত হয় অথচ দৈর্ঘ্যের প্রভাব বাড়ে, এবং কিছু সহগ শর্তের মধ্যে চিহ্ন বদলায়। লেখকরা এটিকে মোতায়েনের রায় নয়, একটি নিরীক্ষা-যন্ত্র হিসেবে দেন, এবং জনতাত্ত্বিক ও বিষয়গত সংকেতের জড়িয়ে যাওয়াকে বৈধতা ও সমতার হুমকি হিসেবে পড়েন।

• দক্ষতা পরিমাপ, এবং তার সীমা। Verí (২০২৬) সক্ষম উৎপাদক এআই ব্যবহারের যন্ত্রগুলোকে চারটি ক্ষেত্রে সাজান — জ্ঞান ও ব্যবহার, জ্ঞানতাত্ত্বিক তদারকি, নির্ভরতার ক্রমাঙ্কন, এবং সরঞ্জাম-ব্যবহারকারী এজেন্টের নিয়ন্ত্রণ — এবং সেগুলোকে একক দক্ষতা-ধারাবাহিকতায় নামিয়ে আনার প্রস্তাব প্রত্যাখ্যান করেন। স্ব-রেটিং ও প্রদর্শিত এআই সাক্ষরতার মধ্যে তিনটি একক-নমুনা সম্পর্ক একত্রে r = .055-এ দাঁড়ায় (95% CI [-.047, .156], প্রতিবেদিত N = 2,765), যা লেখকের মতে স্ব-রেটিংকে কর্মদক্ষতা-স্কোরের সমতুল্য ধরা প্রত্যাখ্যান করার জন্য যথেষ্ট, তবে একটি কাটঅফ নির্ধারণের জন্য নয়। সরঞ্জাম-ব্যবহারকারী এজেন্ট যে সিদ্ধান্তগুলো তৈরি করে তার পুরো সেট কোনো বৈধ যন্ত্র কভার করেনি; প্রস্তাবিত স্তরভিত্তিক ব্যাটারি একটি নকশা-অনুমান।

• শিক্ষার্থীর নিজের অফলোডিং নিয়ে স্ব-প্রতিবেদন। Alam (২০২৬) সংজ্ঞানাত্মক অফলোডিং সাহিত্যকে PAUSE-এ অনুবাদ করেন, চারটি ক্ষেত্রযুক্ত একটি কেবল-ব্রাউজার স্ব-পরীক্ষা, যেখানে প্রতিটি এলএলএম-যুগীয় আইটেম একটি উৎসে নোঙর করা, কোনো যৌগিক স্কোর নেই, কোনো সংরক্ষণ নেই এবং উৎপাদনে কোনো মডেল নেই; এর ব্যান্ডগুলো বর্ণনামূলক, স্বাভাবিকীকৃত নয়, এবং কোনো পাঠ মূল্যায়ন, ভর্তি বা নিয়োগ-সিদ্ধান্ত ন্যায্যতা দিতে পারবে না। এর ঘোষিত সীমাগুলো গুরুত্বপূর্ণ: অফলোডিংয়ের স্ব-প্রতিবেদন যে মানসিক সামর্থ্য নিয়ে প্রশ্ন, তা নিজেই আত্ম-প্রতিবেদনের দুর্বলতা, যে উত্তরদাতা সচেতনভাবে এআই-কে স্ক্যাফোল্ড হিসেবে ব্যবহার করেন তিনি কয়েকটি আইটেমে অফলোডার হিসেবে পড়েন, এবং এআই-সংশ্লিষ্ট অফলোডিং সাধারণ প্রযুক্তি-নির্ভরতা থেকে আলাদা কি না তা খোলা প্রশ্ন।

• মানব-দক্ষতা কোথায় বসে। Wang প্রমুখ (২০২৪) শ্রমবিভাজনের সবচেয়ে স্পষ্ট চিত্র দেন: প্রায় ৯০০ নবীন কে-১২ টিউটর ও মোটামুটি ১,৮০০ শিক্ষার্থীর দুই মাসের এলোমেলো নিয়ন্ত্রিত পরীক্ষায়, অভিজ্ঞ টিউটরদের যুক্তি থেকে নেওয়া তাৎক্ষণিক পরামর্শ বিষয়-দক্ষতা ৪ শতাংশ পয়েন্ট বাড়ায় (৬২% থেকে ৬৬%, p < 0.01), এবং নিম্ন-রেটিংপ্রাপ্ত টিউটরদের জন্য ৯ পয়েন্ট, প্রতি টিউটর প্রতি বছর প্রায় \$20 ব্যয়ে, আর টিউটরিংকে পথনির্দেশক প্রশ্নের দিকে সরায়। লাভ নিকটবর্তী ছিল — বর্ষশেষ পরীক্ষায় কোনো পরিবর্তন হয়নি। Reichert প্রমুখ (২০২৬) দেখেন শিক্ষকরা নকশার মাধ্যমেই একই অবস্থানে পৌঁছান: ছয়জন মাধ্যমিক শিক্ষক চ্যাটবট প্রোটোটাইপ করতে গিয়ে একটি সীমিত-পরিধির বিশেষজ্ঞ নির্দিষ্ট করেন, কর্তৃত্বের সীমানা ধরে রাখেন (শিখন ও নিরাপত্তার দায়িত্ব অর্পণযোগ্য নয়) এবং দক্ষতার সীমানা (মডেলের কাছে ব্যক্তিগত শিক্ষার্থীদের সম্পর্কে তাদের জ্ঞান নেই), আর বিষয়বস্তু-উপস্থাপন, অনুশীলন ও সংশোধনমূলক প্রতিক্রিয়া অর্পণ করেন অথচ উদ্দেশ্য-নির্ধারণ ও সমন্বিত মূল্যায়ন নিজেদের জন্য রাখেন।

• ক্ষেত্র-স্তরে সক্ষমতা। Sutedjo, Chowdhury ও Liu (২০২৬) জেনারেটিভ এআই-এর জন্য অভিযোজিত TPACK যন্ত্র দিয়ে ১২৭ জন প্রশিক্ষকের জরিপ করেন: শক্তিশালী বিষয়বস্তু ও শিক্ষাগত-বিষয়বস্তু জ্ঞান (M = 4.70-5.15) পাশে রেখে লক্ষণীয়ভাবে নিম্ন প্রযুক্তি-সংযোজিত জ্ঞান, সামগ্রিক TPACK সর্বনিম্ন ২.৫৫-এ, বিষয়বস্তু-জ্ঞান কোনো প্রযুক্তি-সংযোজিত ক্ষেত্রের সঙ্গে সম্পর্কহীন, এবং তিনটি সংযোজিত ক্ষেত্র এত বেশি সম্পর্কযুক্ত (r = .81-.91) যে তারা একক উপাদান হিসেবে কাজ করতে পারে। Perrotta (২০২৬) শাসন-স্তরটি পড়েন একটি বন্ধ হয়ে যাওয়া যুক্তরাজ্যের সিভিল-সার্ভিস প্রোটোটাইপ দিয়ে, যার কোডবেস ছিল একটি সিস্টেম-প্রম্পট যোগ বাণিজ্যিক মডেলের উপর একটি রিট্রিভাল-পাইপলাইন; তিনি যুক্তি দেন, ফাউন্ডেশন মডেলের সাধারণত্ব একদিকে নীতি সরঞ্জামে দ্রুত পুনর্বিনিয়োগ সক্ষম করে, অন্যদিকে অস্বাভাবিক আউটপুটকে স্থায়ীভাবে কেবল-প্রশমযোগ্য ঝুঁকি বানায় — এমন তদারকি যা লুপের ভেতরে না বসে লুপের উপর ঝুঁকে থাকে।

• একীকরণের ফাঁক, মানচিত্রে: Malik ও Bashir (২০২৬) ৩২টি গবেষণা সংশ্লেষ করে (PRISMA 2020, বিষয়ভিত্তিক বিশ্লেষণ) চারটি থিমে পৌঁছান: ক্ষেত্রের ভেতরে জ্ঞানতাত্ত্বিক বিচ্ছিন্নতা, তত্ত্ব–প্রযুক্তি বৈপরীত্য (গণনামূলক ব্যবস্থা পূর্বাভাস ও পরিমাপযোগ্য আচরণে চলে, অথচ শিক্ষা-তত্ত্ব প্রসঙ্গ ও সামাজিক মিথস্ক্রিয়ায় জোর দেয়), বিশ্লেষণবাদের মাধ্যমে শিখনের উপাত্তায়ন, এবং উদীয়মান দৃষ্টান্ত হিসেবে হাইব্রিড বুদ্ধিমত্তা। তাদের Hybrid Intelligence Framework একটি ধারণাগত সংশ্লেষ, বৈধ যাচাইকৃত মডেল নয় — লেখকরা বলেন এটি অভিজ্ঞতাভিত্তিক পরীক্ষার অপেক্ষায় — তবে চার-থিমের মানচিত্রটি এই ক্ষেত্রের তত্ত্ব-থেকে-গণনায় অনুবাদের সমস্যার জন্য একটি কাজের নিরীক্ষা-লেন্স।

• শিক্ষার্থীরা জেনারেটিভ মডেল কীভাবে ব্যবহার করে তা ব্যবহার করে কি না তার চেয়ে বেশি গুরুত্বপূর্ণ। ৫০টি স্নাতক পালা কোডিং করে দেখা যায় ৬৪% নিষ্ক্রিয় পুনরালোচনা বা লেনদেনমূলক প্রশ্ন, কেবল ৩৬% কৌশলগত সংলাপ, এবং প্রতিফলন-কাঠামোবদ্ধ একটি অ্যাসাইনমেন্ট ভারসাম্য সংলাপের দিকে সরায় (Zahra, ২০২৬)।

• ব্যক্তি-ভেতরের নির্ভরতা অনুভূত এজেন্সি কমার আগে আসে। এআই-সমর্থিত একটি সহযোগিতামূলক লেখালেখি কোর্সে ৮৫টি নির্দিষ্ট দলের ৩৪২ স্নাতকের তিন ঢেউয়ের উপাত্তে, স্বাভাবিকের চেয়ে বেশি জেনএআই-নির্ভরতা পরবর্তী অনুভূত মানব-এজেন্সি কমার পূর্বাভাস দেয়, অথচ উল্টো পথটি দুর্বল ও পরিসংখ্যানগতভাবে অসমর্থিত (Wu ও Lu (২০২৬)).

• জেনএআই ব্যবহারের বণ্টন একটি প্রাতিষ্ঠানিক পছন্দ। Sun, Dohn ও Rehm (২০২৬) ১০২টি উচ্চশিক্ষা-গবেষণাকে শ্রেণিবদ্ধ করেন শিক্ষার্থী ও ব্যবস্থার মধ্যে জ্ঞানতাত্ত্বিক কাজ কীভাবে বণ্টিত ছিল তার ভিত্তিতে, এবং দেখেন Assistant ও Enabler জটিলতা ৪২.১৬% করে প্রাধান্য পায়, আর এই বাঁকাকে প্রযুক্তিগত সক্ষমতা নয়, প্রাতিষ্ঠানিক বৈধতা হিসেবে পড়েন।

• প্রক্রিয়া-প্রমাণ চ্যানেল-শর্তাধীন। ৭৯ স্নাতকের একটি জেনএআই-সহায়িত শিক্ষাদান-নকশা কাজ মিথস্ক্রিয়া-লগ ও সমসাময়িক চিন্তা-উচ্চারণ — দুটোতেই কোডিং করে Li ও Liu (২০২৬) দেখেন, উচ্চ-গভীরতার পর্যবেক্ষণ-প্রমাণ চিন্তা-উচ্চারণে বেশি, অথচ উচ্চ-গভীরতার নিয়ন্ত্রণ-প্রমাণ লগে বেশি, তাই কোনো একক চিহ্নই মেটাকগনিটিভ দাবির মানদণ্ড নয়।

• সিদ্ধান্তের মতোই পদ্ধতিও গুরুত্বপূর্ণ: গোষ্ঠী-এআই মিথস্ক্রিয়ার ক্রম-বিশ্লেষণ। Wang প্রমুখ (২০২৬) ৩৯টি চ্যাটবট-প্রম্পটের আশপাশে ৫৯৫ ও ৭৮৫টি উচ্চারণ কোডিং করেন, সমন্বিত অবশিষ্টাংশ ও Yule's Q দিয়ে lag-1 রূপান্তর পরীক্ষা করেন, তারপর প্রতিটি পর্বকে কেস ধরে প্রক্রিয়া-খনন চালান। এই জোড়া একটি গোষ্ঠী-গঠনের মিথস্ক্রিয়া-নেটওয়ার্কে এআই-কে কেন্দ্রে বসায়, আর অন্যটিতে একক পথে, এমন পার্থক্য যা প্রম্পট-গণনা দেখাতে পারত না। এটি জিজ্ঞাসার একটি ছাঁচ: এআই একটি গোষ্ঠীর মিথস্ক্রিয়া-নেটওয়ার্কে কোথায় বসে, কতবার হাজির হয় তা নয়।

শিখন-বিজ্ঞান প্রতিবেশীদের সঙ্গে কীভাবে সম্পর্কিত

নকশা-ভিত্তিক গবেষণা সেই পদ্ধতি যা এই ক্ষেত্রটি ধার নয়, নিজেই তৈরি করেছে: একটি হস্তক্ষেপ চালু শ্রেণিকক্ষের ভেতরে গড়া ও সংশোধিত হয়, তার তাত্ত্বিক যৌক্তিকতাও সঙ্গে সঙ্গে সংশোধিত হয়, ফলে একটি গবেষণা একইসঙ্গে একটি নিদর্শন ও একটি নকশা-নীতি দেয়। এটিই তাকে পরীক্ষাগার-পরীক্ষা থেকে আলাদা করে, যা প্রসঙ্গ স্থির রেখে কারণকে বিচ্ছিন্ন করে, আর এ কারণেই ক্ষেত্রটির ফলাফল কার্য-আকারের বদলে নকশা-জ্ঞান হিসেবে আসে। শিক্ষায় এআই-এর গবেষণা পদ্ধতি বিপরীত দিকটি নেয়: ওই পাতা পুরো সংগ্রহ — পরীক্ষা, জরিপ, গুণগত কাজ, বেঞ্চমার্ক, পর্যালোচনা, ঐকমত্য-পদ্ধতি — যন্ত্রের মধ্যে পছন্দ হিসেবে সমীক্ষা করে, এবং প্রতিটি যে দাবিকে সমর্থন করতে পারে তার বৈধতার ভিত্তিতে বিচার করে। এই পাতা একই সংগ্রহকে মূলগত দিক থেকে পড়ে, জিজ্ঞাসা করে সংগ্রহটি শিখন সম্পর্কে কী প্রতিষ্ঠা করেছে এবং একটি পদ্ধতিকে বিচার করে তার নকশা-দাবি শিক্ষার্থীদের সংস্পর্শে টিকে থাকে কি না।

শিখন তত্ত্ব সম্ভাব্য কাঠামোগুলো — আচরণবাদ, জ্ঞানবাদ, গঠনবাদ, সামাজিক-সাংস্কৃতিক বিবরণ, প্রেরণা ও স্ব-নিয়ন্ত্রণ — এআই পড়ার লেন্স হিসেবে সংগ্রহ করে। শিখন-বিজ্ঞান সেই শব্দভান্ডার ভাগ করে, কিন্তু সেই ভঙ্গি নয়: এখানে তত্ত্ব হলো কার্যসাধন সম্পর্কে একটি দাবি যা কোনো নকশাকে হয় বাস্তবায়িত করতে হবে, নয় খণ্ডন করতে হবে, আর ক্ষেত্রটির প্রতিষ্ঠা কাঠামোর সুসংগততার বদলে অভিজ্ঞতাভিত্তিক ও নকশা-কাজের উপর দাঁড়ায়। কোনো কাঠামো কী দাবি করে তা জানতে তত্ত্ব-পাতা খুলুন; কোনো কাঠামো কী প্রমাণ জমিয়েছে তা জানতে এই পাতা।

ক্ষেত্রটি কেবল ধার করা কাঠামো পরীক্ষা করে না, তত্ত্বও গড়ে: শিক্ষায় এআইয়ে তত্ত্ব-উন্নয়ন সেই ধারণাগত কাজ কভার করে যা ব্যাখ্যা করে শিক্ষার্থী, শিক্ষক ও এআই ব্যবস্থা কীভাবে মিথস্ক্রিয়া করে, এবং সেখানেই ক্ষেত্রটির নিজের গঠনগুলো মাপার আগে তর্ক করা হয়। এর নকশাগুলোকে সাধারণত যা উৎপাদন করতে বলা হয় তা হলো স্থানান্তর — এমন জ্ঞান ও দক্ষতা যা যে টিউটর, বিষয় বা কাজে শেখা হয়েছে তার বাইরেও টেকে — এ কারণেই কোনো সরঞ্জামের ভেতরে মাপা লাভ তার বাইরে মাপা লাভের চেয়ে দুর্বল দাবি। আর যেহেতু নকশাকৃত পরিবেশ একটি যৌগিক হস্তক্ষেপ, একটি ফলাফলকে একক উপাদানে আরোপ করা ক্ষেত্রটির স্থায়ী পরিমাপ-সমস্যা: শিক্ষামূলক পরিমাপ সেই সাইকোমেট্রিক যন্ত্রপাতি যোগায় যা আরোপণকে অন্তত তর্কযোগ্য করে তোলে, এ কারণেই পরিমাপ-প্রশ্ন এখানে পরে নয়, আগেই আসে।

জ্ঞানীয় মনোবিজ্ঞান হলো কার্যসাধন-স্তরের শাস্ত্র যা এই ক্ষেত্র সবচেয়ে বেশি টানে, যোগায় সীমিত কার্যকরী স্মৃতি, সংকেতায়ন ও পুনরুদ্ধার, বিভাজনযোগ্য জ্ঞান-উপাদান এবং শিক্ষার্থী-মডেলিংয়ের নির্ণায়ক ভাষা। শিখন-বিজ্ঞান সেই কার্যসাধনগুলো ব্যবহার করে কিন্তু তাতে হ্রাস পায় না: তাদের বিশ্লেষণ-একক হলো একটি নকশাকৃত পরিবেশ যা সামাজিক, প্রেরণামূলক ও প্রাসঙ্গিক চলক বহন করে, যা স্মৃতির পরীক্ষাগার-বিবরণ বহন করে না, আর তাদের পরীক্ষা সম্পূর্ণ হস্তক্ষেপের উপর চলে, বিচ্ছিন্ন জ্ঞানসংক্রান্ত প্রভাবের উপর নয়।

শিক্ষাবিজ্ঞান ও শিক্ষাদান-কৌশল ও লার্নিং ডিজাইন চর্চা কভার করে — কোন শিক্ষাদান-কৌশল ব্যবহার করবেন, এবং উদ্দেশ্য, কার্যকলাপ ও মূল্যায়নকে কীভাবে একটি কোর্সে সাজাবেন। দুটোই শিখন-বিজ্ঞান বাইরে থেকে অধ্যয়ন করে, বর্ণনা ও মূল্যায়নের বস্তু হিসেবে; ক্ষেত্রটি শিক্ষককে বলেন না পরের পদক্ষেপে কোন কৌশল নেবেন, সে জানায় কৌশলগুলো কী করতে দেখানো হয়েছে। শিখন-নকশা নিকটতর আত্মীয়, কারণ দুটোই এমন কিছু উৎপাদন করে যা বাস্তবায়ন ও পরীক্ষা করা যায়, তবে নকশাকারীর আউটপুট একটি শিক্ষণযোগ্য কোর্স আর ক্ষেত্রটির আউটপুট সাধারণভাবে নকশা সম্পর্কে জ্ঞান।

ফলাফলগুলোর অর্থ হয় কেবল যখন তা শিক্ষাদানে পৌঁছায়, আর সেই যাত্রা তিনটি পাতার মধ্য দিয়ে চলে। শিক্ষামূলক উন্নয়ন হলো সেই প্রাতিষ্ঠানিক চর্চা যা সেগুলো বহন করে — প্রশিক্ষক-উন্নয়ন, মান, নীতি ও পরিচয়-কাজ ঠিক করে একটি বৈধ যাচাইকৃত নকশা আদৌ কোনো শ্রেণিকক্ষে পৌঁছায় কি না, এ কারণেই ক্ষেত্রটির প্রমাণ নিয়মিতভাবে প্রতিষ্ঠান যা বাস্তবায়ন করেছে তার চেয়ে এগিয়ে থাকে। শিক্ষক শিক্ষা হলো যেখানে জ্ঞানকে অবতরণ করতে হয় শিক্ষক ঘরে ঢোকার আগে, আর শিক্ষাদান হলো যেখানে তা পরে অবতরণ করে, কখন হস্তক্ষেপ করবেন, কোন যন্ত্র ব্যবহার করবেন এবং কখন শিক্ষার্থীকে একা ছাড়বেন — এই মুহূর্ত-প্রতি-মুহূর্ত বিচারে। তিনটির কোনোটিই শিখন-বিজ্ঞানের ফলাফল উৎপাদন করে না; তিনটিই ঠিক করে সেই ফলাফল চর্চা বদলায় কি না।

সাধারণ ভুল ধারণা

• "উচ্চ দক্ষতা-সীমা নিশ্চিত করে শিক্ষার্থী পার্থক্য করতে পারে।" An, McLaren ও Stamper (২০২৬) বুদ্ধিদীপ্ত টিউটরিং ব্যবস্থা নিয়ে এগারোটি পরীক্ষা (N = 192) চালান এবং দেখেন, ৯৫% দক্ষতা-সীমায় ব্যবস্থা অনুশীলন থামিয়ে দেয় তার আগেই শিক্ষার্থীরা এমন ক্ষেত্রে পৌঁছায় যেখানে কাজটি আটকে রাখা দরকার, ফলে ত্রুটিটি ধরা পড়ে না। কাজের দক্ষতায় "কখন প্রয়োগ করবেন না" জানা ছিল না, আর সীমাটি ভুল গঠনকে সনদ দিয়েছে।
• "বেশি উদাহরণ নিরাপদ।" Rachatasumrit, Koedinger ও Carvalho (২০২৫) উদাহরণ-সমস্যা অনুপাতকে একটি বিষয়বস্তু–চিকিৎসা মিথস্ক্রিয়া হিসেবে দেখেন, এবং ২×২ পরীক্ষায় সর্বোত্তমটি বিষয়বস্তুর উপর নির্ভরশীল ছিল। বিশ্বজনীনভাবে সঠিক কোনো অনুপাত নেই, তাই স্থির শিক্ষাদান-ছাঁচ একটি মিথস্ক্রিয়ার বিরুদ্ধে বাজি।
• "ভুল ধারণা সারানো মানে শিক্ষার্থীকে সঠিক উত্তর বলে দেওয়া।" অনুপস্থিত শর্তের নাম উল্লেখ করা প্রতিক্রিয়া-সহ সংক্ষিপ্ত কাজ-করো-না অনুশীলন ভুল প্রয়োগ ০.০%-২৩.১% (Cohen's h 1.70-2.44)-এ নামায়, এবং তেরোটি কে-১২ Decimal Point ডেটাসেটের গৌণ বিশ্লেষণ একই কাঠামোগত ধরন খুঁজে পায়। কার্যকর হস্তক্ষেপ ছিল লক্ষ্যভিত্তিক প্রতিক্রিয়াসহ পার্থক্যকারী অনুশীলন, দাবি করে সংশোধন নয় — যা খণ্ডন-কাজ সাধারণভাবে প্রতিষ্ঠা করে।
• "উচ্চ ব্লুম স্তর মানে বেশি সক্রিয় শিখন।" শিখন-ধরন অভীষ্ট ফলাফল-স্তর অনুসরণ করে, যেখানে ব্লুম স্তর ১-এ কার্যকলাপের প্রায় ৫০% থেকে স্তর ৬-এ প্রায় ২০%-এ আয়ত্ত নেমে আসে। জ্ঞানসংক্রান্ত চাহিদা ও কার্যকলাপের ধরন একসঙ্গে চলে, কিন্তু একই অক্ষ নয়, তাই ব্লুম স্তরে কাজ ট্যাগ করলে বোঝা যায় না শিক্ষার্থীরা তার সঙ্গে কী করবে।

অনুশীলনের জন্য এর অর্থ কী

প্রশিক্ষকদের জন্য

• নেতিবাচক কেসটি স্পষ্টভাবে শেখান। ৯৫%-সীমার ব্যর্থতাই কারণ: এমন শর্ত বানান যেখানে সঠিক পদক্ষেপ হলো কাজটি আটকে রাখা, নাহলে শিক্ষার্থী তা সর্বত্র প্রয়োগ করবে।
• পুরো কোর্স জুড়ে উদাহরণ-সমস্যা অনুপাত স্থির করবেন না। বিষয়বস্তু–চিকিৎসা মিথস্ক্রিয়া মানে কার্যপ্রণালীর জন্য সঠিক অনুপাত ধারণার জন্যও সঠিক নয়।
• নিয়ম পুনরাবৃত্তি করার বদলে অনুপস্থিত শর্তের নাম বলা প্রতিক্রিয়াসহ পার্থক্যকারী অনুশীলন ব্যবহার করুন। এখানে মাপা কার্য-আকার আছে এমন হস্তক্ষেপ সেটিই।
• আপনার দক্ষতা-মানদণ্ড সত্যিই কী সনদ দেয় তা যাচাই করুন, তার উপর আস্থা রাখার আগে।

উন্নয়নকারীদের জন্য

• কেবল সঠিকতার ভিত্তিতে অনুশীলন থামাবেন না। আটকে রাখার শর্তকে আলাদা দক্ষতা হিসেবে মডেল করুন, নাহলে ব্যবস্থা অতিসাধারণীকরণে সনদ দেবে।
• অনুপাতকে ধ্রুবকের বদলে প্যারামিটার হতে দিন, কারণ প্রমাণ বলছে সর্বোত্তমটি বিষয়বস্তু-নির্ভর।
• আপনার মানদণ্ড কোন গঠন মাপে এবং আপনার বৈধকরণ কোন গঠন মাপে — দুটো আলাদা করে জানান।

সংযুক্ত ধারণা

• শিখন তত্ত্ব
• জ্ঞানীয় মনোবিজ্ঞান
• শিক্ষাবিজ্ঞান ও শিক্ষাদান-কৌশল
• লার্নিং ডিজাইন
• শিক্ষায় এআই-এর গবেষণা পদ্ধতি
• শিক্ষায় এআইয়ে তত্ত্ব-উন্নয়ন
• নকশা-ভিত্তিক গবেষণা
• শিক্ষক শিক্ষা
• শিক্ষামূলক উন্নয়ন
• শাস্ত্রে এআইএড
• বুদ্ধিদীপ্ত টিউটরিং
• লার্নিং অ্যানালিটিক্স
• মূল্যায়নের বৈধতা
• শিক্ষামূলক পরিমাপ
• সংজ্ঞানাত্মক অফলোডিং
• শিখন-লাভ
• শিখনের স্থানান্তর
• শিক্ষাদান
• ন্যায়বিচার
• শিক্ষাগত এআই নীতি

সংযুক্ত নিবন্ধ

• Beyond AI Literacy: A Structured Review and Exploratory Meta-Analysis of Measures for Competent Generative-AI Use — সক্ষম জেনারেটিভ-এআই ব্যবহারের পরিমাপ নিয়ে পর্যালোচনা ও অন্বেষণমূলক মেটা-বিশ্লেষণ (Verí ২০২৬)

• Deceptive Overgeneralization: When Adaptive Learning Enables Systematic Misapplication — সঠিকতা যা অসম্পূর্ণ নিয়ম ঢাকে: অভিযোজিত শিখনে দক্ষতা-থামার নিয়ম (An, McLaren ও Stamper ২০২৬)

• The Role of Implicit and Explicit Demographic Signals in Large Language Model-based Student Assessment — এলএলএম শিক্ষার্থী-মূল্যায়নে জনতাত্ত্বিক সংকেতের পাল্টা-তথ্যগত নিরীক্ষা (Rooein, Benedetto ও Hovy ২০২৬)

• Learning paths and patterns in learning design: Insights from 500+ courses — ৫৫৪টি কোর্সের ২৯,০৬৪টি কার্যকলাপে মার্কভ শৃঙ্খল ও ধরন-খনন (Divjak, Svetec ও Horvat ২০২৬)

• PAUSE: A Privacy-Preserving Self-Reflection Tool for AI-Associated Cognitive Offloading — এআই-সংশ্লিষ্ট অফলোডিংয়ের জন্য গোপনীয়তা-রক্ষাকারী, অ-নির্ণায়ক স্ব-পরীক্ষা (Alam ২০২৬)

• Zero-shot governance — জিরো-শট শাসন: নীতিতে সাধারণ-উদ্দেশ্যের এআই, Redbox কোডবেস দিয়ে পড়া (Perrotta ২০২৬)

• Evidence and Theory for why the Best Example-Problem Ratio To Optimize Learning Gain Depends on Knowledge Content — কেন সেরা উদাহরণ–সমস্যা অনুপাত বিষয়বস্তুর উপর নির্ভর করে (Rachatasumrit, Koedinger ও Carvalho ২০২৫)

• Human-Centered Design of LLM-Powered Educational Chatbots: A Study with Secondary Teachers — শিক্ষকরা সীমিত-পরিধির বিশেষজ্ঞ চ্যাটবট নকশা করেন, শিক্ষাদানের বাছাই করা অর্পণসহ (Reichert প্রমুখ ২০২৬)

• Assessing faculty self-perceived knowledge in using generative AI to teach 21st-century skills — প্রশিক্ষকদের জেনএআই TPACK: শক্তিশালী বিষয়বস্তু-জ্ঞান, দুর্বল প্রযুক্তি-সংযোজিত জ্ঞান (Sutedjo, Chowdhury ও Liu ২০২৬)

• Tutor CoPilot: A Human-AI Approach for Scaling Real-Time Expertise — Tutor CoPilot: স্কেলে মানব–এআই সরাসরি টিউটরিংয়ের একটি এলোমেলো পরীক্ষা (Wang প্রমুখ ২০২৪)

• Ways Generative AI Can Support and Threaten Learning in K–20 US Education — কোন শিখন-প্রক্রিয়া জেনএআই বাড়ায় আর কোনটিকে হুমকিতে ফেলে, তা নিয়ে ৩০-বিশেষজ্ঞের পূর্বনিবন্ধিত ডেলফি

• Three Pathways of Student-AI Interaction: Constraint-First Design for Higher-Order Thinking — শিক্ষার্থী-এআই মিথস্ক্রিয়ার একটি শ্রেণিবিন্যাস: ৬৪% নিষ্ক্রিয় বা লেনদেনমূলক, ৩৬% কৌশলগত সংলাপ

• The Effects of Agent Type and Feedback Style on Self-Directed Learning: A Mixed-Methods Study — প্রতিক্রিয়ার ধরন, এজেন্টের প্রকার নয়, স্ব-নিয়ন্ত্রক সম্পৃক্তি বদলেছে

• Mapping the Distribution and Depth of Metacognitive Processes in Generative AI-Assisted Learning: Evidence from Interaction Logs and Concurrent Think-Aloud Protocols — প্রক্রিয়া-প্রমাণ চ্যানেল-শর্তাধীন

• Literacy demands placed on students in student–GenAI entanglements in higher education — জেনএআই ব্যবহারের বণ্টন একটি প্রাতিষ্ঠানিক পছন্দ

• A helping hand or a dominant partner? Individual perceptions of GenAI reliance and human agency in collaborative learning — ব্যক্তি-ভেতরের নির্ভরতা অনুভূত এজেন্সি কমার আগে আসে

• GenAI-based metacognitive prompting in collaborative inquiry: A comparison across diverse preconception groups — lag ক্রমিক বিশ্লেষণ ও প্রক্রিয়া-খনন পূর্বধারণার গঠন অনুযায়ী এআই-কে গোষ্ঠী-মিথস্ক্রিয়ার কেন্দ্রে বা রৈখিক পথে বসায় (Wang প্রমুখ ২০২৬)