সহকর্মী মূল্যায়ন

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

সহকর্মী মূল্যায়ন — সেই চর্চা যেখানে শিক্ষার্থীরা একে অপরের কাজ মূল্যায়ন করে, গ্রেড দেয় বা প্রতিক্রিয়া দেয় — লিখিত সহকর্মী-পর্যালোচনা, সহকর্মী-গ্রেডিং, সহকর্মী কোড-পর্যালোচনা, বা গোষ্ঠী ও দলীয় মূল্যায়নের মাধ্যমে। লেখন শিক্ষাবিজ্ঞানে এটি দীর্ঘকালীন সর্বোত্তম চর্চা: শিক্ষার্থীরা মানদণ্ড-ভিত্তিক প্রতিক্রিয়া গ্রহণ ও প্রদান — উভয় থেকেই শেখে, এবং যৌথ কাজ নিয়ে সহকর্মীদের আলাপ গভীরতর শিখন, পাঠক-সচেতনতা ও সামাজিক বিকাশের সঙ্গে সম্পর্কিত। এআই-যুগে এটিকে একটি একক কার্যকলাপ নয়, বরং মূল্যায়ন-নকশার পছন্দ হিসেবে পুনর্বিচার করা হচ্ছে — এআই-উৎপাদিত প্রতিক্রিয়ার মানবিক পরিপূরক, প্রতিক্রিয়া-সাক্ষরতার প্রশিক্ষণক্ষেত্র, এবং এমন জায়গা যেখানে একাডেমিক সততা ও শিক্ষার্থী-এজেন্সি নতুন করে নির্ধারিত হয়।

বিবেচনার প্রশ্ন

• ফিরে ভাবুন যখন আপনার কাজ সহকর্মী মূল্যায়ন করেছিল—বা আপনি তাদের কাজ মূল্যায়ন করেছিলেন। কোনটি থেকে বেশি শিখেছিলেন: প্রতিক্রিয়া দেওয়া না গ্রহণ করা, এবং কেন?
• কেন শিক্ষার্থীর প্রতিক্রিয়া এআই-প্রতিক্রিয়ার চেয়ে বেশি প্রসঙ্গ-সচেতন ও আবেগগতভাবে সহায়ক হতে পারে, যদিও এআই-প্রতিক্রিয়া বেশি সুসংগত ও রুব্রিক-চালিত? দুটি কীভাবে একে অপরের পরিপূরক হতে পারে?
• সহকর্মীরা শক্ত কাজকে কম গ্রেড দিতে ঝোঁকে আর এআই দুর্বল কাজকে ফুলিয়ে দেখায়। কোনোটিই যদি পুরো মান-পরিসরে নির্ভরযোগ্যভাবে নির্ভুল না হয়, তবে যেকোনো উৎসের গ্রেড কী কাজে ব্যবহার করা উচিত?
• সহকর্মী মূল্যায়ন অনেকটা স্ক্যাফোল্ডিং ও স্পষ্ট মানদণ্ডের ওপর নির্ভরশীল, এবং বন্ধুত্ব-পক্ষপাত ও সামাজিক দুশ্চিন্তা অপ্রশিক্ষিত সহকর্মী-পর্যালোচনাকে কোনো পর্যালোচনার চেয়েও খারাপ করে তুলতে পারে। আপনার প্রেক্ষাপটে উপযুক্ত প্রশিক্ষণ আসলে কেমন দেখায়?
• এআই যদি সংগঠন ও কাঠামো নিয়ে মন্তব্য খসড়া করতে পারে, তবে তা সহকর্মী মূল্যায়নকে অপ্রয়োজনীয় করে দেয়—নাকি সহকর্মীদের মুক্ত করে সেই নির্দিষ্ট, পাঠক-সচেতন প্রতিক্রিয়া দিতে যা কেবল তারাই দিতে পারে?
• একটি গবেষণায় জেনএআই-সমর্থিত সহকর্মী প্রতিক্রিয়া সাধারণ সহকর্মী প্রতিক্রিয়াকে ছাড়িয়ে যায়, কিন্তু কেবল প্রম্পট-স্ক্যাফোল্ডিং যোগ করলে। সেখানে কী স্ক্যাফোল্ড হচ্ছে—এআই, শিক্ষার্থী, নাকি মূল্যায়ন?
• এআই-উৎপাদিত প্রতিক্রিয়ার সমালোচনামূলক মূল্যায়নকে এআই-সাক্ষরতা ও লেখক-এজেন্সি গড়ে তোলা বলে বর্ণনা করা হয়। যন্ত্র যখন ক্রমশ আপনার কাজ নিয়ে মন্তব্য করছে, তখন নিজের কাজের ওপর এজেন্সি থাকার অর্থ কী?

ভূমিকা

সহকর্মী মূল্যায়ন একটি মূল্যায়ন-নকশার পছন্দ, যেখানে শিক্ষার্থীরা সাধারণত প্রশিক্ষকের জন্য সংরক্ষিত মূল্যায়ন-কাজের একটি অংশ নেয়। এর রূপগুলো ভিন্ন হয় শিক্ষার্থীরা কী উৎপাদন করে ও কী ঝুঁকিতে আছে তার ভিত্তিতে: সহকর্মী প্রতিক্রিয়া (খসড়া নিয়ে মন্তব্য, সাধারণত গঠনমূলক ও কম-ঝুঁকির), সহকর্মী গ্রেডিং (গ্রেডে যোগ হওয়া নম্বর), সহকর্মী কোড-পর্যালোচনা, এবং গোষ্ঠী বা দলীয় মূল্যায়ন (যেখানে সহকর্মীরা যৌথ পণ্য বা একে অপরের অবদান মূল্যায়ন করে)। রূপটিই নির্ধারণ করে শিক্ষার্থীরা কী অনুশীলন করবে — মানদণ্ড-ভিত্তিক মন্তব্য দেওয়া মূল্যায়নমূলক বিচার গড়ে তোলে একভাবে, নম্বর দেওয়া অন্যভাবে, আর নিজের কোড মৌখিকভাবে যুক্তি দিয়ে রক্ষা করা আরও ভিন্ন কিছু গড়ে তোলে। স্ব-মূল্যায়ন, সহোদর চর্চাটি, একই মানদণ্ড-ভিত্তিক নিবিড় পরীক্ষা শিক্ষার্থীর নিজের কাজের দিকে ঘুরিয়ে দেয়, অন্যদিকে সহকর্মী মূল্যায়ন তা নির্দেশ করে সহকর্মীর জমা ও তার সঙ্গে আসা পাঠক-সচেতনতার দিকে।

গবেষণা-ভিত্তি একমত যে সহকর্মী মূল্যায়ন শিখন উৎপাদন করে, এবং দ্বিমত পোষণ করে কতটা নকশার ওপর নির্ভর করে। এটি শিক্ষার্থীদের প্রকৃত পাঠক দেয়, মানদণ্ড-ভিত্তিক সাড়া দেওয়ার মধ্য দিয়ে মূল্যায়নমূলক বিচার গড়ে তোলে, এবং সম্পৃক্ততা ও প্রেরণাকে সমর্থনকারী সামাজিক প্রেক্ষাপট তৈরি করে। এর মান অনেকটা নির্ভর করে স্ক্যাফোল্ডিংয়ের ওপর — কতটা সুগঠিত, এবং শিক্ষার্থীরা স্পষ্ট মানদণ্ড ও প্রশিক্ষণ পায় কি না। সেই নির্ভরতাই এআই-এর প্রবেশস্থল, সহকর্মীদের দেওয়া নির্দিষ্ট, প্রসঙ্গ-সচেতন প্রতিক্রিয়ার সুসংগত, রুব্রিক-চালিত পরিপূরক হিসেবে, এবং ক্রমশ সহকর্মী-মূল্যায়ন প্রক্রিয়ার ভেতরেই নির্মিত স্ক্যাফোল্ড হিসেবে।

Wang ও Guo (2026) দেখেন, যেসব ইএফএল শিক্ষার্থী জেনারেটিভ এআই-এর সঙ্গে খোলা সংলাপের মধ্য দিয়ে সহকর্মীদের লেখা পর্যালোচনা করে, তারা এমন প্রতিক্রিয়া তৈরি করে যা গ্রহীতারা মানে উচ্চতর রেট দেয়, এবং আবেগগত সাড়া ও প্রতিক্রিয়া-সাক্ষরতায় লাভ হয় যা সংলাপের মান অনুযায়ী ভিন্ন।

সহকর্মীদের মূল্যায়ন থেকে শিক্ষার্থীরা কী শেখে

সহকর্মী মূল্যায়নের পক্ষে সবচেয়ে শক্ত যুক্তি হলো, মূল্যায়নকারী শেখে। Fowles প্রমুখ (2026) প্রতিটি সিএস১ জমাকে একজন প্রশিক্ষিত শিক্ষণ-সহায়কের সঙ্গে 15-মিনিটের মৌখিক কোড-পর্যালোচনা সাক্ষাৎকারের অধীন করেন, যা অ্যাসাইনমেন্ট-গ্রেডের 70% ওজন পায়। পেস্ট করা থেকে মোট অক্ষরের অনুপাত 61.0% থেকে 68.1%-এ ওঠে (p < 0.0001), তবু পরীক্ষার স্কোর কমেনি এবং কাজে ব্যয়িত সময় স্থির থেকেছে; 90% শিক্ষার্থী বলেন পর্যালোচনাগুলো তাদের কোড ভালোভাবে বুঝতে অনুপ্রাণিত করেছে এবং 65% বলেন তা এআই-এর ওপর অতিনির্ভরতা এড়াতে সাহায্য করেছে। শিক্ষার্থীদের প্রশিক্ষিত সহকর্মীর কাছে নিজের কাজ ব্যাখ্যা করতে বাধ্য করা সম্ভাব্য অফলোডিংকে আত্ম-নিয়ন্ত্রিত অনুশীলনের সুযোগে রূপান্তরিত করে।

এই কার্যপ্রণালী সাহিত্যে বারবার ফিরে আসে। 203টি স্ক্রিন করা নিবন্ধের মধ্যে 22টি নিবন্ধের PRISMA 2020 পদ্ধতিগত পর্যালোচনায় Martínez-Peláez প্রমুখ (2025) দেখেন, এলএলএম সহযোগিতাকে সমর্থন করে আংশিকভাবে সহকর্মী প্রতিক্রিয়ায় সহায়তা ও রুব্রিক-ভিত্তিক মূল্যায়ন অনুকরণের মাধ্যমে, এবং যে শিক্ষার্থীরা মডেল-আউটপুট যাচাই ও সংশোধন করে তারা সমালোচনামূলক চিন্তা গড়ে তোলে। শেখানোর মধ্য দিয়ে শেখা যন্ত্রের মধ্যেও দেখা যায়: 2.4 মিলিয়নেরও বেশি এআই এজেন্টের মধ্যে সহকর্মী-শিখন-সদৃশ আলাপ মূলত দাবি ছিল, অনুসন্ধান নয় (বিবৃতি-থেকে-প্রশ্ন অনুপাত 11.4:1, 28,683 পোস্টে কোডকৃত শ্রেণিবিন্যাসের মাত্র 7% মেটা-জ্ঞানগত প্রতিফলন), যা Chen প্রমুখ (2026) সতর্কতা হিসেবে নেন যে পৃষ্ঠতল আলাপ প্রমাণ করে না কিছু শেখা হয়েছে।

প্রশিক্ষণ, ক্রমাঙ্কন ও প্রতিক্রিয়া-সাক্ষরতা

শিক্ষার্থীরা অপ্রশিক্ষিত থাকলে সহকর্মী মূল্যায়ন পূর্বানুমেয়ভাবে ব্যর্থ হয়। Gu, Chen ও Yan (2026) চীনে 118 জন প্রথম বর্ষের স্নাতকের সঙ্গে একটি মিশ্র-পদ্ধতি আধা-পরীক্ষা, উচ্চশিক্ষায় চীনে চালান, যেখানে পূর্ব-প্রশিক্ষিত রুব্রিকের অধীনে ChatGPT-4o-কে তুলনা করা হয় উচ্চ-মানের দৃষ্টান্তসহ কাঠামোবদ্ধ সহকর্মী-পর্যালোচনা ওয়ার্কশিটের সঙ্গে। প্রতিক্রিয়া-সাক্ষরতা জেনএআই দলে সামান্য বেশি বাড়ে (ANCOVA p = 0.049, η²p = 0.03), কিন্তু গুণগত ফলাফল বেশি গুরুত্বপূর্ণ: সহকর্মী-দলের শিক্ষার্থীরা সামাজিক সুবিধা অনুযায়ী প্রতিক্রিয়া-উৎস বেছে নেয় — কাছের সহকর্মী, একই মেজরের সহকর্মী, রুমমেট — খুব কমই নির্দিষ্ট প্রতিক্রিয়া-লক্ষ্য ধরে রাখে, এবং প্রতিক্রিয়া চাওয়া নিয়ে সামাজিক দুশ্চিন্তায় ভোগে। সহকর্মী-মূল্যায়ন বেশি বিকৃত হয় বন্ধুত্ব-পক্ষপাত ও সহকর্মীর অনুভূত দক্ষতায়, এবং সহকর্মী-প্রতিফলন প্রায়ই পরের পরীক্ষা পর্যন্ত বিলম্বিত হয়। লেখকরা বহু-পর্যায়ের নকশা সুপারিশ করেননাম-গোপন সহকর্মী প্রতিক্রিয়াসহ, যেহেতু সহকর্মী-পর্যালোচনা এখনও অনন্যভাবে পাঠক-সচেতনতা ও মূল্যায়নমূলক বিচার গড়ে তোলে প্রতিক্রিয়া দেওয়ার মধ্য দিয়ে।

নকশা-কাঠামোগুলো সেই বাধাগুলোকে লক্ষ্য করে। Irwin ও Muller (2026) ইএফএল/ইএসএল-এ কথ্য ভাষার সহকর্মী প্রতিক্রিয়ায় জেনএআই-এর দুটি ভূমিকা প্রস্তাব করেন, যে ক্ষেত্রটি তারা লেখার চেয়ে কঠিন বলে যুক্তি দেন সময়-চাপ, ক্ষণস্থায়ী মৌখিক কর্ম-সম্পাদন ও তীব্র আবেগের কারণে: একটি ট্রেইনার যা দৃষ্টান্ত-ভিত্তিক ক্রমাঙ্কন ও প্রতিক্রিয়ার-ওপর-প্রতিক্রিয়ার মাধ্যমে প্রতিক্রিয়া-দাতাদের সমর্থন করে, এবং একটি সিন্থেসাইজার যা সহকর্মী-মন্তব্যকে মানদণ্ড-সংযুক্ত গ্রহণ-প্রতিবেদনে একত্র করে, যা ফরম্যাট স্বাভাবিক করে, সংখ্যালঘু মত সংরক্ষণ করে ও বিরোধ চিহ্নিত করে। তাদের নীতিগুলো হলো সতর্ক সময় নির্ধারণ ও ক্রম, সংক্ষিপ্ত পুনরাবৃত্ত ট্রেইনার-একক, দাতাদের স্বর সংরক্ষণ, এবং এমন গার্ডরেল যা শিক্ষককে চক্রে রাখে কোনো স্বয়ংক্রিয় গ্রেডিং ছাড়াই। নিবন্ধটি ধারণগত, নতুন প্রায়োগিক উপাত্ত নেই।

বৈধতা, ন্যায্যতা ও গ্রেডিং-নির্ভুলতা: সহকর্মী বনাম এআই বনাম প্রশিক্ষক

যেখানে সহকর্মী মূল্যায়ন গ্রেড তৈরি করে, প্রশ্ন হলো গ্রেডটি যুক্তিসঙ্গত কি না। Usher ও Faraon (2026) দেখেন, সহকর্মী–প্রশিক্ষক সমতা সবচেয়ে শক্তিশালী ছিল নিম্ন-মানের কাজে (নিম্ন-মান স্তরে r = 0.51) এবং উচ্চ-মানের প্রকল্পে দুর্বল হয়, যেখানে সহকর্মীরা কম গ্রেড দিতে ঝোঁকে — সম্ভবত শক্ত কাজ সমালোচনায় অনিচ্ছার প্রতিফলন। ChatGPT বিপরীত ধরন দেখায়: উচ্চ-মানের কাজে ভালো সমতা, কিন্তু দুর্বল জমায় ফুলিয়ে দেওয়া গ্রেড। শিক্ষার্থীরা সহকর্মীদের গ্রেডকে সহকর্মীদের নিজেদের লিখিত প্রতিক্রিয়ার সঙ্গে বেশি সামঞ্জস্যপূর্ণ বলে মনে করে, এবং সহকর্মীদের সম্পর্ক-সচেতন বিচারকে ChatGPT-এর নিরপেক্ষ সুসংগততার পাশে মূল্য দেয়। সহকর্মীর নির্ভুলতা মান-নির্ভর ও সম্পর্ক-সংবেদী, এবং কোনো একক উৎস পুরো পরিসরে নির্ভরযোগ্য নয়।

এটি সীমাবদ্ধ করে সহকর্মী-গ্রেড কী কাজে ব্যবহার করা উচিত। বণ্টনের মাঝখানে ক্রমাঙ্কিত নম্বর শীর্ষে বা তলায় ক্রমাঙ্কিত হওয়ার প্রয়োজন নেই, তাই সহকর্মী-গ্রেড একটি মডারেটেড সিদ্ধান্তের ইনপুট বা মূল্যায়নকারীর বিচারের প্রমাণ হিসেবে বেশি যুক্তিসঙ্গত, শক্ত কাজের চূড়ান্ত নম্বর হিসেবে নয়। Suen ও Hung (2026) রেখা টানেন কেন প্রতিষ্ঠানগুলো স্কেলযোগ্য বিকল্প খুঁজতেই থাকে: সহকর্মী প্রতিক্রিয়া ও বিশেষজ্ঞ কোচিং সময়সাপেক্ষ, ব্যয়বহুল ও ধারাবাহিকভাবে স্কেল করা কঠিন। তাদের ক্লোজড-লুপ ব্যবস্থা 204 জন প্রাপ্তবয়স্ক শিক্ষার্থীকে উপস্থাপনা-দক্ষতায় স্কোর করে একটি XGBoost মেরুদণ্ডে যা বিশেষজ্ঞ-রেটারের নির্ভরযোগ্যতার কাছাকাছি (ρ = 0.69–0.78) এবং প্রাক–উত্তর লাভ Cohen's d = 0.39–0.90 — এটি একটি প্রাক–উত্তর ক্ষেত্র-গবেষণা, সহকর্মী মূল্যায়নের সঙ্গে তুলনা নয়, এবং সহকর্মী-বিচার বাড়ানোর বদলে যন্ত্র-বিচার প্রতিস্থাপন করে।

এআই-সমৃদ্ধ সহকর্মী মূল্যায়ন: PAIRR এবং ট্রেইনার/সিন্থেসাইজার বিভাজন

প্রধান নকশা-ধরনটি সহকর্মীকে কেন্দ্রে রাখে এবং তার চারপাশে এআই যোগ করে। পিয়ার অ্যান্ড এআই রিভিউ + রিফ্লেকশন মডেলটি সর্বাধিক নথিভুক্ত দৃষ্টান্ত। Sperber প্রমুখ (2025) 10টি লেখন-কোর্স ও তিনটি লেখন-নিবিড় স্টেম কোর্সে PAIRR প্রয়োগ করেন, 654 শিক্ষার্থী নিয়ে (37% প্রথম-প্রজন্ম, 13% আন্তর্জাতিক, 68% বহুভাষিক)। শিক্ষার্থীরা খসড়া তৈরি করে, সহকর্মী-পর্যালোচনা বিনিময় করে, একই খসড়ায় রুব্রিক-চালিত প্রতিক্রিয়ার জন্য ChatGPT-কে প্রম্পট করে, দুটোই সমালোচনামূলকভাবে মূল্যায়ন করে, সংশোধন পরিকল্পনা করে এবং প্রতিফলন করে। 58% সম্মিলিত প্রতিক্রিয়া পছন্দ করে, 36% কেবল সহকর্মী প্রতিক্রিয়া, এবং মাত্র 6% কেবল এআই প্রতিক্রিয়া। দুটি উৎস প্রায়ই একই রকম ছিল (75% মিলের কথা জানায়, যা পরস্পরকে নিশ্চিত ও শক্তিশালী বলে বর্ণিত) এবং ভিন্ন হলে পরিপূরক: এআই প্রতিক্রিয়াকে প্রায়ই অতিরঞ্জিতভাবে সাধারণ বলা হয় (31%) কিন্তু সংগঠন ও কাঠামোয় কার্যকর সংশোধন-কৌশল দেয়, অন্যদিকে সহকর্মী প্রতিক্রিয়া বেশি নির্দিষ্ট ও বিস্তারিত (28%) এবং অ্যাসাইনমেন্টের প্রাসঙ্গিক জ্ঞান থেকে আসে। এআই-আউটপুট সমালোচনামূলকভাবে মূল্যায়ন এআই-সাক্ষরতা গড়ে তোলে, এবং মাত্র 5.3% শিক্ষার্থী তাতে অতিরিক্ত আত্মবিশ্বাস দেখায়।

ধরনটি পেশাগত লেখনে সাধারণীকৃত হয়। MacArthur প্রমুখ (2025) PAIRR প্রয়োগ করেন একটি উচ্চ-বিভাগীয় ব্যবসায়-লেখন কোর্সে, যেখানে পাঁচটি প্রধান অ্যাসাইনমেন্টের প্রতিটিতে খসড়া, মেটা-বিশ্লেষণ, 2–3 সহকর্মীর পর্যালোচনা ও সংশোধন প্রয়োজন ছিল (46 জন ভর্তির মধ্যে 34 জন অংশগ্রহণ করে; 69% বহুভাষিক)। শিক্ষার্থীরা এআই প্রতিক্রিয়াকে মূল্য দেয় কিন্তু কখনও তা অতিরঞ্জিতভাবে সাধারণ মনে করে, এবং সহকর্মীদের প্রাসঙ্গিক জ্ঞানকে মূল্য দেয় — "আমার সহকর্মীরা নিয়োগকর্তার দৃষ্টিকোণ থেকে দেখেছে… ChatGPT তেমনটা কম করেছে।" বৃহত্তর PAIRR গবেষণায় কোডকৃত প্রতিফলনের এক চতুর্থাংশ এআই-প্রতিক্রিয়া নিয়ে সংশয় প্রকাশ করে বা অ-নির্ভুলতা উল্লেখ করে, যা লেখকরা এআই-সাক্ষরতার বিকাশ হিসেবে পড়েন। গবেষণাটি বর্ণনামূলক ও কোর্স-নির্দিষ্ট।

সহকর্মী প্রতিক্রিয়া ও দলীয় মূল্যায়নের ভেতরে স্ক্যাফোল্ড হিসেবে জেনএআই

নকশা কতটা গুরুত্বপূর্ণ তার সবচেয়ে কঠোর পরীক্ষা একটি বহুস্থানীয় ক্লাস্টার-র‍্যান্ডমাইজড পরীক্ষা। Ateş (2026) 4টি বিশ্ববিদ্যালয়ের 48টি শাখাকে র‍্যান্ডমাইজ করেন — জীববিজ্ঞান, রসায়ন ও পদার্থবিজ্ঞানে 1,176 জন প্রথম বর্ষের স্নাতক — বৈজ্ঞানিক যুক্তিদানের জন্য চারটি শর্তে: কেবল সহকর্মী প্রতিক্রিয়া, সরাসরি জেনএআই প্রতিক্রিয়া, প্রতিফলনশীল জেনএআই প্রতিক্রিয়া (স্ব-মূল্যায়ন তারপর এআই সমালোচনা), এবং স্ব-মূল্যায়ন → সহকর্মী প্রতিক্রিয়া → জেনএআই সমালোচনার সংকর। সরাসরি জেনএআই তাৎক্ষণিক যুক্তি-মানে সহকর্মী প্রতিক্রিয়াকে হারায় কিন্তু দুর্বলতর স্থানান্তর দেখায়; প্রতিফলনশীল ও সংকর নকশা শক্তিশালী প্রতিক্রিয়া-গ্রহণ ও আত্ম-নিয়ন্ত্রিত শিখন তৈরি করে; সংকর ধারণগত শিখনে সবচেয়ে স্পষ্ট সুবিধা দেখায়; এবং দুটোই বিলম্বিত এআই-মুক্ত স্থানান্তরে সরাসরি জেনএআই-কে ছাড়িয়ে যায়। লেখকরা সিদ্ধান্তে আসেন, জেনএআই-এর মূল্য প্রবেশাধিকারের ওপর কম নির্ভর করে, বেশি নির্ভর করে পরিবেশটি সংশোধনের সময় শিক্ষার্থীর এজেন্সি ও মালিকানা সংরক্ষণ করে কি না তার ওপর।

সহকর্মী আলোচনার আগে এআই প্রতিক্রিয়া সাজানো, পেছনে নয়, ফলাফলও বাড়ায়: কেবল সহকর্মী প্রতিক্রিয়ার বিপরীতে, এআই-প্লাস-সহকর্মী সমন্বিত প্রতিক্রিয়া পাওয়া 122 জন চীনা ইএফএল শিক্ষার্থী উচ্চতর আবেগগত, আচরণগত ও জ্ঞানীয় সম্পৃক্ততা জানায় (আংশিক η² = 0.29, 0.28, 0.32) এবং চারটি আইইএলটিএস লেখন-মাত্রায়ই এগিয়ে থাকে, সবচেয়ে বেশি কাজ-সম্পাদনে (d = 1.41) (Liu (2026)).

সেই ধরন — প্রাথমিক সুবিধা যা টেকে না — বারবার ফিরে আসে যখন তুলনা কেবল জেনএআই নয়, বরং প্রশিক্ষক-প্রতিক্রিয়া বনাম এআই-সমর্থিত সহকর্মী প্রতিক্রিয়া। Tang, Li ও Luo (2026) 61 জন চীনা দ্বিতীয়-ভাষা লেখকের (244টি গ্রেডকৃত লেখা) সঙ্গে আট সপ্তাহের আধা-পরীক্ষা চালান, একটি পাঁচ-মাত্রার চেকলিস্ট থেকে কাজ করে, যেখানে একটি শ্রেণি শিক্ষকের লিখিত প্রতিক্রিয়া পায় ও অন্য শ্রেণি এআই-সমর্থিত সহকর্মী প্রতিক্রিয়া। শিক্ষক-প্রতিক্রিয়া অনেক বেশি মন্তব্য তৈরি করে — প্রথম কাজে 185-এর বিপরীতে 316টি উপাদান, শব্দভান্ডার ও কারিগরি বিবরণে কেন্দ্রীভূত — এবং সামান্য বড় তাৎক্ষণিক লাভ, কিন্তু দ্বিতীয় কাজের মধ্যে তার উন্নতি তীব্রভাবে নামে, অন্যদিকে এআই-সমর্থিত সহকর্মী শ্রেণি স্থির থাকে ও উচ্চতর সংশোধন-স্কোর নিয়ে শেষ করে। এআই-সমর্থিত সহকর্মী-মন্তব্য কম ছিল কিন্তু বিষয়বস্তু ও কাঠামোয় নোঙর করা ছিল, এবং তাদের প্রাথমিক শব্দ-বৈচিত্র্যের প্রান্ত টেকেনি; কোনোটিই বাক্য-জটিলতা নাড়ায়নি। লেখকরা দুটিকে পরিপূরক স্ক্যাফোল্ড হিসেবে পড়েন এবং একটি এআই–সহকর্মী–শিক্ষক সংকর প্রস্তাব করেন, যেখানে এআই খসড়ার সময় পৃষ্ঠতল-ত্রুটি চিহ্নিত করে, সহকর্মীরা সংশোধনে বিষয়বস্তু নিয়ে দর কষাকষি করে, এবং শিক্ষক সেই দিকে লক্ষ্য রাখেন যা কোনোটিই ছোঁয়নি।

জেনএআই যোগ করলে সহকর্মী প্রতিক্রিয়ার মানও বাড়তে পারে, কিন্তু আপাতদৃষ্টিতে কেবল প্রম্পট-সমর্থনে। Chang প্রমুখ (2026) 12টি দলে 45 জন শিক্ষার্থী-শিক্ষকের মধ্যে চারটি রাউন্ড সহযোগিতামূলক যুক্তিদানে তিনটি শর্ত তুলনা করেন: সাধারণ সহকর্মী প্রতিক্রিয়া, জেনএআই-সহ সহকর্মী প্রতিক্রিয়া, এবং প্রম্পট-স্ক্যাফোল্ডিংয়ের অধীনে জেনএআই-সহ সহকর্মী প্রতিক্রিয়া। জেনএআই-সমর্থিত দলগুলো যুক্তিদান-কর্মসম্পাদনে সাধারণ সহকর্মী প্রতিক্রিয়াকে ছাড়িয়ে যায়, এবং প্রম্পট-স্ক্যাফোল্ডকৃত দল "খণ্ডন-উপাত্ত ও ওয়ারেন্ট" এবং "বিপক্ষ মতকে সম্বোধন" এর মতো উন্নত উপাদানে সেরা করে। জেনএআই-সমর্থিত দল বেশি ব্যাখ্যা, প্রস্তাব ও নিরপেক্ষ বা ঋণাত্মক প্রতিক্রিয়া তৈরি করে, এবং স্ক্যাফোল্ডকৃত দল ঋণাত্মক আবেগকে উচ্চক্রম প্রতিক্রিয়া-বিষয়বস্তুর সঙ্গে জোড়া দেয় — নিষ্ক্রিয় গ্রহণের বদলে সমালোচনামূলক মূল্যায়ন। এটি একটি ছোট একক পরীক্ষা, কিন্তু সক্রিয় উপাদান হিসেবে প্রম্পট-স্ক্যাফোল্ডিংকে পৃথক করে।

দলীয় মূল্যায়ন সমস্যাটি বদলে দেয়, কারণ শিক্ষার্থীদের দর কষাকষি করতে হয় কার এআই-ব্যবহার গ্রহণযোগ্য। Chen ও Zou (2026) 52 জন প্রাক-সেবা শিক্ষকের 15টি ফোকাস গ্রুপের সাক্ষাৎকার নেন এমন এক কোর্সে যেখানে চূড়ান্ত গ্রেডের 30% মূল্যের একটি দলীয় উপস্থাপনায় সংহতি ও সামঞ্জস্য প্রয়োজন ছিল। তিনটি ধরন ওঠে আসে: পাঁচটি দলে সহযোগিতা-অভিমুখী এজেন্সি, যারা কাজ একসঙ্গে ধরে রাখতে ও যৌথ গ্রেড রক্ষা করতে জেনএআই-ব্যবহার তীব্র করে; সাতটি দলে নিয়ন্ত্রক এজেন্সি, যারা প্রামাণিকতা ও ন্যায্যতা রক্ষায় ব্যবহার সংযত করে — একজন শিক্ষার্থী যুক্তি দেন যে এআই-তে একটি অংশ তৈরি করা "অন্য দলের সদস্যদের প্রতি ন্যায্য হবে না"; এবং তিনটি দলে অ-সম্পাদিত এজেন্সি, যাদের চর্চা ব্যক্তিগত কাজ থেকে কখনও বদলায়নি। লেখকরা যুক্তি দেন, ব্যক্তিগত সক্ষমতা নিজে থেকেই সমষ্টিগত এজেন্সিতে পরিণত হয় না, এবং গ্রহণযোগ্য এআই-ব্যবহারের দর কষাকষি নিজেই একটি মূল্যায়নযোগ্য ফলাফল হওয়া উচিত, যেখানে সহকর্মী-পর্যালোচনা কাজ চূড়ান্ত পণ্যে অবদান রাখে।

প্রতিক্রিয়া-স্থাপত্য, প্রকাশ ও সহকর্মী মূল্যায়নের সামাজিক শর্ত

সহকর্মী মূল্যায়ন নির্ভর করে শিক্ষার্থীরা একে অপরের কতটা দেখতে পায় এবং কী স্বীকার করবে তার ওপরও। Hao ও Cukurova (2026) একটি এআই-উৎপাদিত সারাংশ শিখন-নকশা তিনটি পুনরাবৃত্তিতে 128 শিক্ষার্থীর সঙ্গে আট সপ্তাহ ধরে পরীক্ষা করেন। এআই-সমর্থিত পুনরাবৃত্তির শিক্ষার্থীরা ভিত্তিরেখার চেয়ে উল্লেখযোগ্যভাবে উচ্চতর প্রমিত বহির্গাম-কেন্দ্রিকতা দেখায় (β = 0.547 ও β = 0.438, দুটোই p < 0.001): তারা বেশি সহকর্মী দেখেছে বা তাদের সঙ্গে মিথস্ক্রিয়া করেছে। সাক্ষাৎকারে সারাংশকে নেভিগেশন-মানচিত্র বলা হয় যা খারাপ-নামের থ্রেডে চাপা পড়া অবদান খুঁজে পাওয়ার পরিশ্রম কমায়, এবং শিক্ষার্থীরা বন্ধুত্বের বদলে বিপরীত মতের জন্য বেছে নেওয়া সক্রিয় অবদানকারীদের দিকে মনোযোগ দেয়। নকশাটি বর্ধমান কাজের চাপে হ্রাসমান দেখার কার্যকলাপ ঠেকাতে পারেনি, তাই প্রযুক্তিগত সুবিধা একা সম্পৃক্ততা টিকিয়ে রাখে না।

সহকর্মী-নিয়মগুলো সততাও গড়ে তোলে, যা গুরুত্বপূর্ণ যেখানে সহকর্মীরা এআই-প্রভাবিত কাজ মূল্যায়ন করে। Qu ও Wang (2026) 409 সিঙ্গাপুরি স্নাতকের সমীক্ষা করেন কেন শিক্ষার্থীরা প্রকাশ-বাধ্যবাধকতা সত্ত্বেও জেনএআই-ব্যবহার গোপন করে, এবং দেখেন সম্পর্কভিত্তিক চলকগুলো প্রাধান্য পায়: অনুভূত সহকর্মী-প্রকাশ ও প্রশিক্ষকদের সঙ্গে স্বাচ্ছন্দ্য প্রকাশের সবচেয়ে শক্তিশালী পূর্বাভাসক, অন্যদিকে নৈতিক বিচ্ছিন্নতা দুর্বলতর। অ-প্রকাশ ছিল অনুভূত সহকর্মী-নিয়ম ও নিম্ন ব্যাখ্যামূলক আস্থার প্রতি কৌশলগত অভিযোজন, নৈতিক অবহেলা নয়। তাই সহকর্মী-নিয়ম সততাকে সমর্থন করতে পারে, যেমন দলীয় মূল্যায়নের শিক্ষার্থীরা দলের সদস্যদের প্রতি দায়বদ্ধতা থেকে এআই-ব্যবহার সংযত করে, বা তা দমন করতে পারে, যেমন সমষ্টিগত গ্রহণ অপব্যবহারের অনুভূত ঝুঁকি কমায়। লেখকরা যুক্তি দেন, স্বচ্ছতা সম্মতির চেয়ে কম নির্ভর করে আস্থা ও ইতিবাচক নিয়মতান্ত্রিক আবহের ওপর — একটি সম্পর্কগত শর্ত যা সহকর্মী-মূল্যায়ন নকশা হয় তৈরি করে, নয় ধ্বংস করে।

নকশা-অন্তর্নিহিতি ও খোলা প্রশ্ন

এর থেকে কয়েকটি নকশা-পদক্ষেপ আসে। মূল্যায়নকারীদের মূল্যায়নের আগে প্রশিক্ষণ, দৃষ্টান্ত ও মানদণ্ড দিন, কারণ অপ্রশিক্ষিত সহকর্মী মূল্যায়ন বন্ধুত্ব-পক্ষপাত, সুবিধা-ভিত্তিক উৎস-নির্বাচন ও সামাজিক দুশ্চিন্তার শিকার। কাজটি এমনভাবে সাজান যাতে স্ব-মূল্যায়ন সহকর্মী প্রতিক্রিয়া ও এআই সমালোচনার আগে আসে, যেহেতু সংকর শর্ত সবচেয়ে শক্তিশালী ধারণগত শিখন ও সেরা বিলম্বিত স্থানান্তর তৈরি করেছে। যেখানে জেনএআই প্রবেশ করে, শিক্ষার্থীরা কীভাবে তা প্রম্পট করবে তা স্ক্যাফোল্ড করুন। যা-ই গ্রেডে পরিণত হয় তাতে শিক্ষককে চক্রে রাখুন, সহকর্মী-গ্রেডকে সর্বসম নম্বর নয় বরং মান-নির্ভর প্রমাণ হিসেবে গণ্য করুন, এবং এআই-ব্যবহারকে নিজেই এমন কিছু করুন যা দলগুলো দর কষাকষি করে ও নথিভুক্ত করে।

জেনএআই-মধ্যস্থ পর্যালোচনা হাতিয়ারের ভাষাগত নিয়মও উত্তরাধিকারে পায়: ওয়ার্ল্ড ইংলিশেস আলাপে অবদানকারীরা যুক্তি দেন, জেনএআই ব্যবহারকারী পর্যালোচকরা মডেলের মতোই প্রভাবশালী ইংরেজি বৈচিত্র্যের প্রতি একই পক্ষপাতের সংস্পর্শে আসেন, এবং উৎপাদিত পাঠ সম্পাদনা বা পুনর্লিখনের পরামর্শ দেন যাতে লেখকের নিজের ভাষাগত পরিচয় প্রতিফলিত হয় (Ugwuanyi প্রমুখ (2026)).

খোলা প্রশ্নগুলো প্রমাণের শক্তি নিয়ে, কেবল নকশা নিয়ে নয়। সহকর্মী-ও-এআই প্রমাণের অনেকটাই ছোট ও প্রেক্ষাপট-আবদ্ধ: একটি কোর্সে 45 শিক্ষার্থী-শিক্ষক, একটি ব্যবসায়-লেখন কোর্সে 34 শিক্ষার্থী, 15টি ফোকাস গ্রুপে 52 প্রাক-সেবা শিক্ষক। PAIRR সমীক্ষা এখানে বৃহত্তম উপাত্তসমূহ এবং তা শিক্ষার্থীদের ধারণা মাপে, শিক্ষার্থীরা যে এআই-আউটপুট বিচার করেছে তার মান নয়। কেবল বহুস্থানীয় পরীক্ষার 1,176 স্নাতক কার্যকারণ-তুলনামূলক মাপের কাছাকাছি, এবং তা সহকর্মী মূল্যায়ন হিসেবে নয়, বৈজ্ঞানিক যুক্তিদানের জন্য প্রতিক্রিয়া-নকশা পরীক্ষা করে। এদিকে O'Neill (2026) 14টি পিয়ার-পর্যালোচিত মেটা-বিশ্লেষণ নিরীক্ষা করেন যা দাবি করে এআই শিক্ষা উন্নত করে, এবং দেখেন কোনোটিই তার দাবির বৈধ ভিত্তি দেয়নি — দুটি ছাড়া সবই হস্তক্ষেপকে হাতিয়ার হিসেবে সংজ্ঞায়িত করেছে, শিক্ষাগত হস্তক্ষেপ হিসেবে নয়, I² রিপোর্ট করা প্রতিটি মেটা-বিশ্লেষণে বিষমতা উচ্চ ছিল (77.2% থেকে 94.4%), এবং 59টি প্রাথমিক গবেষণার নিরীক্ষায় 61% ক্ষেত্রে বৈধতা-সংক্রান্ত উদ্বেগ পাওয়া যায়, বেশিরভাগ ক্ষেত্রে মাপা ফলাফল ও করা দাবির মধ্যে অসঙ্গতি। সহকর্মী মূল্যায়নে এআই কী করে সে-দাবিগুলোকে একটি নকশাকৃত কার্যকলাপ নিয়ে দাবি হিসেবে গণ্য করা উচিত, সেই কার্যকলাপের শর্তে পরীক্ষিত।

সাধারণ ভুল ধারণা

• "মৌখিক পক্ষসমর্থন এআই-সহায়ক কাজ বন্ধ করে।" প্রতিটি সিএস১ জমা গ্রেডের 70% মূল্যের 15-মিনিটের মৌখিক কোড-পর্যালোচনার অধীন হওয়ার পর পেস্ট-থেকে-মোট অক্ষর 61.0% থেকে 68.1%-এ ওঠে (p < 0.0001)। যে আচরণকে লক্ষ্য করা হয়েছিল তা বেড়েছে — এবং পরীক্ষার স্কোর কমেনি ও কাজে ব্যয়িত সময় স্থির থেকেছে, অথচ 90% শিক্ষার্থী বলেছে পর্যালোচনাগুলো তাদের অনুপ্রাণিত করেছে। হস্তক্ষেপটি কাজ করেছে বোঝাপড়ার ওপর, পেস্ট করার ওপর নয়।
• "প্রতারণা শনাক্তকরণই মৌখিক মূল্যায়নের উদ্দেশ্য।" মাপা ফলাফল ছিল বোঝাপড়া ও প্রেরণা, পেস্ট করা পাঠ হ্রাস নয়। নকশাটিকে তার শনাক্তকরণ-হার দিয়ে বিচার করা তা কী অর্জন করেছে তা ভুল পড়ে।
• "সহকর্মী-পর্যালোচনা প্রশিক্ষক-প্রতিক্রিয়ার সস্তা বিকল্প।" শেখানোর মধ্য দিয়ে শেখাই কার্যপ্রণালী, এবং তা যন্ত্রের মধ্যেও দেখা যায়: 2.4 মিলিয়নেরও বেশি এআই এজেন্টের মধ্যে সহকর্মী-শিখন-সদৃশ আলাপ মূলত ছিল অনুসন্ধান নয়, দাবি। সমালোচনা উৎপাদন করা গ্রহণ করার চেয়ে ভিন্ন কাজ।

সংযুক্ত ধারণা

• পেডাগগিক্যাল প্যাটার্ন — PAIRR ও সম্মিলিত সহকর্মী-প্লাস-এআই প্রতিক্রিয়া: ক্রমগুলো ও তাদের তুলনামূলক প্রমাণ
• লেখালেখি
• গঠনমূলক মূল্যায়ন
• স্ব-মূল্যায়ন
• এআই প্রতিক্রিয়ার গুণমান
• এআই সাক্ষরতা
• স্ব-নিয়ন্ত্রিত শিখন
• মেটাকগনিশন
• শিক্ষার্থী-অভিজ্ঞতা
• সহযোগিতামূলক শিখন
• একাডেমিক সততা
• প্রতিক্রিয়া-সাক্ষরতা
• প্রতিক্রিয়া
• দলগত কাজ
• মূল্যায়ন
• স্ক্যাফোল্ডিং

সংযুক্ত নিবন্ধ

• AI-peer integrated feedback in second language writing classes: exploring students' engagement and writing performance — সমন্বিত এআই-প্লাস-সহকর্মী প্রতিক্রিয়া তিনটি সম্পৃক্ততা-মাত্রা ও চারটি আইইএলটিএস লেখন-মাত্রাই বাড়ায়

• Who grades best? Comparing ChatGPT, peer, and instructor evaluations across varying levels of student project quality — প্রকল্প-মান স্তরে ChatGPT, সহকর্মী ও প্রশিক্ষকের গ্রেডিং তুলনা (Usher ও Faraon 2026)

• Peer and AI Review + Reflection (PAIRR): A Human-Centered Approach to Formative Assessment — পিয়ার অ্যান্ড এআই রিভিউ + রিফ্লেকশন (PAIRR)

• AICoFe: Implementation and Deployment of an AI-Based Collaborative Feedback System for Higher Education — এআই সহকর্মী প্রতিক্রিয়া ব্যবস্থা

• Unravelling undergraduates' development of evaluative judgments through AI-supported internal feedback — স্নাতকদের মূল্যায়নমূলক বিচারের বিকাশ উন্মোচন

• Enhancing learner-centered feedback with AI: teachers'' practices and perceptions — এআই দিয়ে শিক্ষার্থী-কেন্দ্রিক প্রতিক্রিয়া বাড়ানো

• Generative AI and linguistic diversity in academic writing and publishing: Perspectives from World Englishes — একাডেমিক লেখায় জেনারেটিভ এআই ও ভাষাগত বৈচিত্র্য

• GIFT-AI: Teaching the Game and Leveling the Field: Peer and AI Review + Reflection in a Business Writing Course — ব্যবসায়-লেখন কোর্সে PAIRR: সহকর্মী-পর্যালোচনা, চ্যাটবট-প্রতিক্রিয়া, প্রতিফলন (MacArthur প্রমুখ 2025)

• Fostering feedback literacy by scaffolding self-regulated feedback: a comparative study of GenAI and human peers — আত্ম-নিয়ন্ত্রিত প্রতিক্রিয়া ও প্রতিক্রিয়া-সাক্ষরতা স্ক্যাফোল্ডিংয়ে জেনএআই বনাম মানব সহকর্মী (Gu প্রমুখ 2026)

• Positioning Generative AI in EFL Peer Feedback: Training Feedback Literacy and Enabling Uptake in Speaking Classes — কথ্য ভাষার ইএফএল সহকর্মী প্রতিক্রিয়ায় ট্রেইনার ও সিন্থেসাইজার হিসেবে জেনএআই (Irwin ও Muller 2026)

• Human-centered GenAI feedback design in higher education: a multisite experiment on direct, reflective, and hybrid approaches to scientific argumentation — কেবল-সহকর্মী, সরাসরি, প্রতিফলনশীল ও সংকর জেনএআই প্রতিক্রিয়া তুলনাকারী বহুস্থানীয় পরীক্ষা (Ateş 2026)

• Leveraging generative AI to facilitate peer feedback in collaborative argumentation learning — সহযোগিতামূলক যুক্তিদানে প্রম্পট-স্ক্যাফোল্ডকৃত জেনএআই সহকর্মী প্রতিক্রিয়া (Chang প্রমুখ 2026)

• Students' Agency in GenAI-Mediated Group Assessment: An Ecological-Emergent Perspective — জেনএআই-মধ্যস্থ দলীয় মূল্যায়নে এজেন্সি: সহযোগিতা, সংযম, অ-সম্পাদন (Chen ও Zou 2026)

• Combating Harms of Generative AI in CS1 with Code Review Interviews and a Flipped Classroom — সিএস১-এ জেনএআই-এর ক্ষতি হ্রাস হিসেবে মৌখিক কোড-পর্যালোচনা সাক্ষাৎকার (Fowles প্রমুখ 2026)

• An Interpretable Closed-Loop Intelligent Tutoring System for Multimodal Affective Feedback in Asynchronous Presentation Training — সহকর্মী প্রতিক্রিয়ার স্কেলযোগ্য বিকল্প হিসেবে স্বয়ংক্রিয় বহুমাধ্যম উপস্থাপনা-কোচিং (Suen ও Hung 2026)

• Enhancing Peer Exposure and Creating Opportunities for Bridging Social Capital Through an AI-Generated Summary-Driven Learning Design in Online Discussion Forums — এআই-উৎপাদিত আলোচনা-সারাংশ অনলাইন ফোরামে সহকর্মী-প্রকাশ প্রসারিত করে (Hao ও Cukurova 2026)

• To disclose or not to disclose: Peer influence and psychological factors in students' use of generative artificial intelligence — শিক্ষার্থীদের জেনএআই প্রকাশে সহকর্মী-প্রভাব ও সম্পর্কগত আস্থা (Qu ও Wang 2026)

• Can Large Language Models Foster Critical Thinking, Teamwork, and Problem-Solving Skills in Higher Education?: A Literature Review — সমালোচনামূলক চিন্তা, দলগত কাজ ও সমস্যা-সমাধানে এলএলএম-এর পদ্ধতিগত পর্যালোচনা (Martínez-Peláez প্রমুখ 2025)

• When AI Agents Teach Each Other: Discourse Patterns Resembling Peer Learning in the Moltbook Community — 2.4 মিলিয়ন এআই এজেন্টের মধ্যে সহকর্মী-শিখন-সদৃশ আলাপ (Chen প্রমুখ 2026)

• Presumed Effective: The Manufacturing of an Evidence Base for AI-in-Education Through Flawed Meta-Analysis — 14টি এআইইডি মেটা-বিশ্লেষণ ও 59টি প্রাথমিক গবেষণার নিরীক্ষা (O'Neill 2026)

• Teacher feedback vs. AI-assisted peer feedback in L2 writing: A quasi-experimental study in a Chinese university — দ্বিতীয়-ভাষা লেখনে প্রশিক্ষক-প্রতিক্রিয়া বনাম এআই-সমর্থিত সহকর্মী প্রতিক্রিয়া: পরিমাণ, কেন্দ্রবিন্দু ও দুটি কাজে উন্নতির গতিপথ (Tang, Li ও Luo 2026)