সমস্যা-ভিত্তিক শিখন

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

সমস্যা-ভিত্তিক শিখন (PBL) — একটি শিক্ষার্থী-কেন্দ্রিক শিক্ষাবিজ্ঞান যেখানে শিক্ষার্থীরা একটি বাস্তবসম্মত, প্রায়শই দুর্বিন্যস্ত সমস্যা বুঝতে ও সমাধান করতে কাজ করে জ্ঞান ও দক্ষতা অর্জন করে, আর একজন সুবিধাদাতা নির্দেশ দেওয়ার বদলে অনুসন্ধানকে পথ দেখান। এআই-যুগে PBL-এর গঠনগত বৈশিষ্ট্যগুলো — সমস্যা-চালিত অনুসন্ধান, সহযোগিতামূলক জ্ঞান-নির্মাণ, নির্দেশনার বদলে সুবিধাদান, এবং মেটাকগনিটিভ প্রতিফলন — ঠিক সেই শর্তগুলো হিসেবে উঠে এসেছে যার অধীনে জেনারেটিভ এআই-এর সংযোজন শিক্ষাগতভাবে উৎপাদনশীল হয়, প্রতিস্থাপনমূলক নয়।

বিবেচনার প্রশ্ন

• সমস্যা-ভিত্তিক শিখনে সমস্যাটিই পাঠ্যক্রমের চালক — অন্যত্র শেখানো বিষয়বস্তুর দৃষ্টান্ত নয়। আপনি কি এমন কোনো সময় মনে করতে পারেন যখন প্রথমে একটি বাস্তব সমস্যা সমাধান করার কারণে গভীরভাবে কিছু শিখেছিলেন?
• পাতা যুক্তি দেয় PBL-এর বৈশিষ্ট্য (সমস্যা-চালিত অনুসন্ধান, সহযোগিতা, সুবিধাদান, প্রতিফলন) ঠিক সেই শর্ত যার অধীনে এআই শর্টকাটের বদলে উৎপাদনশীল অংশীদার হয়। তা কেন হতে পারে?
• এআই জমা দেওয়া একটি নিদর্শন ও তা তৈরি করা পরিশ্রমের মধ্যে সংযোগ কেটে দেয় — 'নিদর্শন-প্রতিনিধি' সমস্যা। কেবল পণ্যের বদলে প্রক্রিয়া মূল্যায়ন করলে কীভাবে সাহায্য হয়, আর কী প্রক্রিয়াকে মূল্যায়নের কঠিন করে তোলে?
• PBL-এর উৎপত্তি চিকিৎসা শিক্ষায়, আংশিকভাবে কারণ পেশাগত যোগ্যতার দরকার অভিযোজিত বিচার, রুটিন সম্পাদন নয়। এই দুটির মধ্যে পার্থক্য কী, আর এআই কোনটির জন্য আমরা প্রশিক্ষণ দিই তা কীভাবে বদলায়?
• যদি একটি এআই এখন আরও বেশি শিক্ষার্থীর কাছে 'দুর্দান্ত সমস্যা' ও জটিল বাস্তব-জগতের কেস সহজলভ্য করতে পারে, তবে চ্যালেঞ্জটি সহজে পৌঁছানোযোগ্য হলে কী হারিয়ে যেতে পারে?
• PBL প্রেক্ষাপটে একটি এআই-কে সমস্যা দেওয়া, ইঙ্গিত দেওয়া, নাকি উত্তর দেওয়ার মধ্যে রেখা কোথায় টানতে হবে? কোন মুহূর্তে কোনটি সঠিক পদক্ষেপ তা কী নির্ধারণ করে?

ভূমিকা

PBL-এর উৎপত্তি চিকিৎসা শিক্ষায় (McMaster University, 1960-এর দশক) এবং তারপর তা স্বাস্থ্য পেশা, প্রকৌশল ও K-12-এ ছড়িয়ে পড়েছে। শিক্ষার্থী শিখন-প্রয়োজন নির্ণয়, সম্পদ শনাক্তকরণ ও সমাধান নির্মাণের দায়িত্ব নেয়, আর সুবিধাদাতা প্রক্রিয়াটিকে স্ক্যাফোল্ড করে। PBL-এর স্বাতন্ত্র্যপূর্ণ দাবি হলো সমস্যাটিই পাঠ্যক্রমের চালক — অন্যত্র শেখানো বিষয়বস্তুর দৃষ্টান্ত নয়, বরং যে প্রেক্ষাপটে বিষয়বস্তু শেখা হয়।

Ng'ambi ও van der Merwe (2026) একটি সরাসরি তুলনা দেন: দশটি সমস্যা-ভিত্তিক চ্যাট সংলাপ ধরে রাখে ও গভীরতর ব্যাখ্যায় পৌঁছায়, যেখানে ত্রিশটি কাঠামোবদ্ধ পদ্ধতিগত চ্যাট জিজ্ঞাসা-উত্তর-ধন্যবাদে ধসে পড়ে শেষ হয়ে যায়।

এআই-যুগে PBL

জ্ঞানভাণ্ডারের গবেষণা দেখায় PBL উৎপাদনশীল এআই-সংযোজন নিয়ে ভাবার একটি কেন্দ্রবিন্দু হয়ে উঠেছে।

• PBL-এর গঠনগত শর্ত এআই-সংযোজনকে উৎপাদনশীল করে। Rowe (2026) যুক্তি দেন PBL-এর মূল বৈশিষ্ট্যগুলো — সমস্যা-চালিত অনুসন্ধান, সহযোগিতামূলক নির্মাণ, সুবিধাদান, মেটাকগনিটিভ প্রতিফলন — ঠিক সেই শর্ত যার অধীনে এআই পেশাগত উন্নয়নে অংশীদার হিসেবে কাজ করে, তার চারপাশে শর্টকাট হিসেবে নয়। এই মিলটি গঠনগত, পশ্চাৎদৃষ্টিমূলক নয়: এআই-এর অস্তিত্বের আগেই PBL এই শর্তগুলোর চারপাশে নকশা করা হয়েছিল, এই স্বীকৃতি থেকে উদ্ভূত যে পেশাগত যোগ্যতার দরকার অভিযোজিত বিচার, রুটিন সম্পাদন নয়।
• এআই সমস্যার জটিলতার ঊর্ধ্বসীমা বাড়ায়। একই যুক্তি ধরে যে এআই প্রসারিত করে PBL কোন শ্রেণির সমস্যায় লিপ্ত হতে পারে, ফলে "দুর্দান্ত সমস্যা" ও জটিল বাস্তব-জগতের কেস এমন শিক্ষার্থীদের কাছে সহজলভ্য হয় যারা আগে পৌঁছাতে পারত না।
• নিদর্শন-প্রতিনিধি সমস্যা। এআই জমা দেওয়া একটি নিদর্শন ও তা তৈরি করা সম্পৃক্ততার মধ্যে সংযোগ কেটে দেয় — এমন একটি সমস্যা যা সমাধানে PBL ভালো অবস্থানে, কারণ এটি কেবল পণ্য নয়, প্রক্রিয়া ও প্রদর্শিত বোধগম্যতা মূল্যায়ন করে। এটি PBL-কে প্রামাণিক ও প্রক্রিয়াভিত্তিক মূল্যায়নের সঙ্গে এবং জ্ঞানভাণ্ডারের অতিরিক্ত নির্ভরতা-সাহিত্যের সঙ্গে যুক্ত করে।

তিন-স্তরের মেটা-বিশ্লেষণ যা জেনএআই-সমর্থিত PBL-কে প্রকল্প-ভিত্তিক শিখনের সঙ্গে পুল করে, পণ্য ও সমাধান-কর্মদক্ষতাকে আলাদা মডেলে রাখে ঠিক কারণ এটি মানব-এআই সহযোগিতামূলক আউটপুট মাপে, আভ্যন্তরীণ শিখন নয়, আর সেই অনুমানই পর্যালোচকদের রিপোর্ট করা বৃহত্তম (g = 1.958), যদিও তা দাঁড়িয়ে আছে কেবল ছয়টি গবেষণায় এবং বহন করে প্রায় 95% পূর্বানুমান-ব্যবধান [−0.740, 4.656] যা শূন্য অতিক্রম করে — উপরের নিদর্শন-প্রতিনিধি সতর্কতার পরিমাণগত রূপ (Chen et al. 2026)।

• অভিযোজিত স্ক্যাফোল্ডিং হিসেবে ChatGPT। La Sunra et al. (2026) দেখান ChatGPT একটি এআই-সমৃদ্ধ PBL কাঠামোর ভেতরে অভিযোজিত স্ক্যাফোল্ডিং হিসেবে সংযুক্ত হয়ে K-12-এ (120 জন অষ্টম শ্রেণির শিক্ষার্থী) সমালোচনামূলক চিন্তা ও ব্যক্তিগতকৃত শিখন উন্নত করে। এটি এআই-কে PBL-এর ভেতরের সহায়ক হিসেবে দেখে, উত্তর-যন্ত্র হিসেবে নয়।

• বিতর্ক-প্রবেশকারী এজেন্ট দলগত চিন্তার একরূপতা প্রতিরোধ করতে পারে। একটি আন্তঃপেশাগত PBL সেশনে তিনটি নির্ধারিত বিন্দুতে কণ্ঠ দেওয়া একটি জেনএআই এজেন্ট বিতর্কিত দৃষ্টিভঙ্গি ঢোকায়, আর শিক্ষার্থীরা জানায় এর খণ্ডন তাদের সামাজিকভাবে অনুমোদিত উপায় দিয়েছে কথা বলার, এবং মতানৈক্য প্রতিফলনকে উদ্দীপিত করেছে এমনকি যখন তারা এজেন্টের প্রতিক্রিয়া প্রত্যাখ্যান করেছে (Wiss et al. (2025))।

• পূর্ব-সেবা শিক্ষক-প্রস্তুতি থেকে আধা-পরীক্ষামূলক প্রমাণ। Chen ও Osman (2026) 130 জন তৃতীয় বর্ষের পূর্ব-সেবা পদার্থবিজ্ঞান শিক্ষকের (শর্তপ্রতি 65 জন) জন্য একটি আট-সপ্তাহের এআই-সমর্থিত CTD-PBL মডিউলকে প্রচলিত নির্দেশনার সঙ্গে তুলনা করেন, যেখানে DeepSeek ব্যবহার করা হয় কাজ-নির্দিষ্ট প্রম্পট টেমপ্লেটের মাধ্যমে একটি সীমাবদ্ধ স্ক্যাফোল্ড হিসেবে — পাঠ-ধারণা তৈরি, সম্পদ সংগঠন, ব্যাখ্যা-তুলনা, সহপাঠ-প্রতিক্রিয়ার প্রম্পট ও সংশোধন-পরিকল্পনা — এবং প্রতিটি এআই-আউটপুটকে বিষয়বস্তুর নির্ভুলতা, শিক্ষাবিজ্ঞানগত উপযুক্ততা, সম্ভাব্যতা ও নীতিশাস্ত্রের বিপরীতে যাচাই পাস করতে হতো শিক্ষণ-নিদর্শনে প্রবেশের আগে। মডিউল-দলটি উচ্চতর পরীক্ষা-পরবর্তী TPACK জানায় (M = 4.04 বনাম 3.40, d = 1.02) এবং উচ্চতর অনুভূত সহযোগিতামূলক সমস্যা-সমাধান (M = 3.62 বনাম 3.05, d = 0.88), আর বৃহত্তম মিথস্ক্রিয়া-প্রভাব পড়ে ভাগ করা জ্ঞান-নির্মাণ ও সামাজিক নিয়ন্ত্রণের উপর — ঠিক সেই সহযোগিতামূলক প্রক্রিয়া-মাত্রাগুলো যেগুলো উপরের গঠনগত যুক্তি পূর্বানুমান করে এআই শক্তিশালী করবে, শর্টকাট করবে না। লেখকেরা স্পষ্ট করেন এআই-কে স্বাধীন চলক হিসেবে বিচ্ছিন্ন করা হয়নি: পৃথক পার্থক্যটি যুক্ত থাকে সমস্যা-ভিত্তিক কাজ, কাঠামোবদ্ধ সহযোগিতা, প্রশিক্ষক-স্ক্যাফোল্ডিং, সহপাঠ-প্রতিক্রিয়া ও প্রতিফলনমূলক সংশোধনের সমগ্র শর্তের সঙ্গে, এবং উভয় ফলাফলই ছিল স্ব-প্রতিবেদিত ধারণা, পর্যবেক্ষিত অনুশীলন নয়।

• দায়িত্বশীল-ব্যবহার কাঠামো। Uden ও Hwang (2026) PBL-এর ভেতরে জেনারেটিভ এআই-ব্যবহারকে নৈতিকভাবে ভিত্তি দিতে নিউরোসায়েন্স-অনুপ্রাণিত LEARN কাঠামো (আজীবন শিখন, সম্পৃক্ততা, সক্রিয় প্রক্রিয়াকরণ, প্রতিফলন, নিউরো-ভিত্তিক নকশা) অগ্রসর করেন, যা সংজ্ঞানাত্মক অফলোডিং ও অখণ্ডতার ক্ষয় প্রতিরোধ করে।

• ক্ষেত্র-প্রয়োগ। বায়োমেডিক্যাল প্রকৌশলে PBL কাঠামো জেনএআই ব্যবহার করে সারসংক্ষেপণ ও কোডিং সহায়তায়, প্রতিলিপি-প্যাকেজসহ (Nnamdi et al. 2026); এআই-সমর্থিত PBL কম্পিউটেশনাল চিন্তাকে রোবোটিক্সে বাড়ায় (কম্পিউটেশনাল চিন্তার জন্য এআই-সমর্থিত PBL); আর জেনএআই-সক্ষম ভার্চুয়াল রোগী চিকিৎসা-ইতিহাস গ্রহণের টিউটোরিয়াল সমর্থন করে (Mool et al. 2026)।

• প্রমাণ-সংশ্লেষণ। Amdan et al. (2026) পদ্ধতিগতভাবে পর্যালোচনা করেন PBL-এ শিক্ষকদের এআই-সম্পৃক্ততা নিয়ে 50টি গবেষণা (2015-2024), একটি মানব-কম্পিউটার মিথস্ক্রিয়া কাঠামোর ভেতরে।

• দৃশ্যপট-ভিত্তিক PBL-এ জেনএআই। Neto ও সহকর্মীরা (2026) স্বাস্থ্যসেবা শিক্ষায় জেনএআই-এর পদ্ধতিগত পর্যালোচনায় সমস্যা-ভিত্তিক শিখনকে দৃশ্যপট-ভিত্তিক পদ্ধতির মধ্যে রাখেন এবং দেখেন প্রম্পট নকশা শিক্ষণ-বিশেষজ্ঞায়নের কাজ করে, আর সংকর মানব-এআই সহযোগিতা সম্পূর্ণ স্বয়ংক্রিয় পদ্ধতির চেয়ে ভালো ফল দেয়। পর্যালোচনাটি উৎপন্ন বিষয়বস্তুকে শিক্ষণ-কাঠামোর সঙ্গে দৃঢ়তর মেলানো এবং PBL প্রেক্ষাপটে অধিক পুনরুৎপাদনযোগ্য প্রম্পটিং অনুশীলনের প্রয়োজন তুলে ধরে।

• এআই টিউটরের জ্ঞান-বিতরণ বহন করতে পারে, কিন্তু দলগত শিখনের সামাজিক নিয়ন্ত্রণ নয়। একটি চার-সপ্তাহের ফার্মাকোলজি আধা-পরীক্ষায় Shetty ও Rao (2026) দেখেন এআই-মধ্যস্থ PBL সুবিধাদাতা-নেতৃত্বাধীন একাডেমিক লাভের সমান (দল-মধ্যে p = 0.474), যেখানে সুবিধাদাতা-নেতৃত্বাধীন দল ধরে রাখে দলগত গতিশীলতা (26.51 বনাম 24.74, p = 0.035) ও সমালোচনামূলক চিন্তায় (14.75 বনাম 13.09, p < 0.001) সুবিধা।

PBL বনাম সম্পর্কিত শিক্ষাবিজ্ঞান

PBL প্রকল্প-ভিত্তিক শিখনের সঙ্গে ঘনিষ্ঠভাবে সম্পর্কিত — দুটোই শিক্ষার্থী-কেন্দ্রিক ও সমস্যা/প্রেক্ষাপট-চালিত — কিন্তু PBL কেন্দ্রে রাখে একটি দুর্বিন্যস্ত সমস্যা যার সমাধানে অনুসন্ধান ও জ্ঞান-নির্মাণ দরকার, যেখানে প্রকল্প-ভিত্তিক শিখন কেন্দ্রে রাখে একটি স্পর্শযোগ্য নিদর্শন বা প্রকল্প তৈরি। PBL কেস-ভিত্তিক ও অনুসন্ধান-ভিত্তিক শিখনেরও আত্মীয়, যারা সমস্যা-চালিত, সুবিধাদান-নেতৃত্বাধীন গঠন ভাগ করে। জ্ঞানভাণ্ডারের মানচিত্রায়ণে, উৎপাদনশীল এআই-সংযোজনের গঠনগত যুক্তি এই বৈশিষ্ট্যগুলো ভাগ করা যেকোনো শিক্ষাবিজ্ঞানে প্রযোজ্য, কেবল PBL-এ নয়।

এআই সংযোজনের জন্য PBL কেন গুরুত্বপূর্ণ

যেহেতু PBL নিদর্শন-উৎপাদনের উপর প্রক্রিয়া, সহযোগিতা ও প্রদর্শিত বোধগম্যতাকে সামনে আনে, এটি দায়িত্বশীল এআই-ব্যবহারের স্বাভাবিক ঠিকানা: শিক্ষার্থীরা এআই-এর সঙ্গে অংশীদার হিসেবে শেখে, এআই থেকে প্রতিস্থাপক হিসেবে নয়। সুবিধাদাতার ভূমিকা ও সমস্যার নকশা হয়ে দাঁড়ায় সেই লিভার যা নির্ধারণ করে এআই শিখনকে সমর্থন করবে নাকি স্থানচ্যুত করবে — জ্ঞানভাণ্ডার জুড়ে যেসব মানব তদারকি ও মূল্যায়ন-নকশার উদ্বেগ বারবার ফিরে আসে সেই একই উদ্বেগ।

উৎপাদনশীল ব্যর্থতা ও PBL

উৎপাদনশীল ব্যর্থতা (PF) PBL-এর গঠনবাদ মূল ভাগ করে — শিক্ষার্থী নির্দেশনার আগেই সমস্যায় লিপ্ত হয় — কিন্তু গঠনে ভিন্ন: PF সচেতনভাবে নির্দেশনা ও স্ক্যাফোল্ড আটকে রাখে যতক্ষণ না শিক্ষার্থীরা সমাধান তৈরিতে সংগ্রাম করার পরে, যেখানে PBL সারা পথে সুবিধাদান গেঁথে রাখে। এআই-যুগের PF-সাহিত্য সরাসরি জানায় সমস্যা-ভিত্তিক প্রেক্ষাপটে এআই-এর কীভাবে আচরণ করা উচিত: Kim et al. (2026) দেখান এআই-এর উচিত PF পর্যায়জুড়ে অ-নির্দেশমূলক সহায়তায় উৎপাদনশীল সংগ্রাম রক্ষা করা; Puech et al. (2025) প্রদর্শন করেন বৃহৎ ভাষা মডেল (এলএলএম) টিউটরদের চালনা করা যায় যাতে তারা উত্তর আটকে রাখে ও একাধিক সমাধান-প্রচেষ্টা বের করে আনে; আর ProductiveMath এআই ব্যবহার করে উচ্চমানের PF/PBL-ধাঁচের সমস্যা নকশায় সাহায্য করে। নকশা-প্রশ্নটি — এআই কখন সমস্যা, ইঙ্গিত, নাকি উত্তর দেবে — উভয় শিক্ষাবিজ্ঞানে সাধারণ।

সাধারণ ভুল ধারণা

• "PBL-এর ফলাফল প্রকল্প-ভিত্তিক শিখনের ফলাফলের সঙ্গে একসঙ্গে পুল করা উচিত।" তিন-স্তরের মেটা-বিশ্লেষণ পণ্য ও সমাধান-কর্মদক্ষতাকে আলাদা মডেলে রাখে ঠিক কারণ এটি মানব-এআই সহযোগিতা মাপে, শিক্ষার্থীর নিজের যুক্তি নয়। এগুলো মিলিয়ে দিলে একটি যৌথভাবে উৎপন্ন নিদর্শনকে শিক্ষার্থীর নামে আরোপ করা হবে।
• "সহযোগিতামূলক লাভ এআই ব্যবহারের পার্শ্ব-প্রভাব।" একটি গবেষণায় পাওয়া যায় উচ্চতর অনুভূত সহযোগিতামূলক সমস্যা-সমাধান (M = 3.62 বনাম 3.05, d = 0.88) ও ভাগ করা সমস্যা-সমাধান (3.40, d = 1.02), এবং সর্বাধিক মিথস্ক্রিয়া-প্রভাব ভাগ করা জ্ঞান-নির্মাণ ও সামাজিক নিয়ন্ত্রণে — নকশা যা পূর্বানুমান করে সেই সহযোগিতামূলক প্রক্রিয়া-মাত্রা। প্রক্রিয়াটি কাঠামোবদ্ধ সহযোগিতা, সরঞ্জাম নয়।
• "এআই-সহ PBL মূলত সুবিধাদাতার সময় বাঁচায়।" পরিমাপযোগ্য লাভ নিহিত প্রক্রিয়ার গুণমানে, এমন মাত্রায় যা কেবল তখনই বিদ্যমান যখন দলের গঠন সেগুলোর জন্য নকশা করা হয়। যে PBL প্রয়োগ ভাগ করা জ্ঞান-নির্মাণ কাঠামোবদ্ধ না করে এআই যোগ করে, তার একই প্রভাব প্রত্যাশা করা উচিত নয়।

সংযুক্ত ধারণা

• প্রকল্প-ভিত্তিক শেখা
• সক্রিয় শিখন
• সহযোগিতামূলক শিখন
• স্ক্যাফোল্ডিং
• সমালোচনামূলক চিন্তা
• মেটাকগনিশন
• সংজ্ঞানাত্মক অফলোডিং
• প্রামাণিক মূল্যায়ন
• উৎপাদক এআই
• এআই সাক্ষরতা
• চিকিৎসা ও স্বাস্থ্য-পেশা শিক্ষা
• প্রকৌশল শিক্ষা
• উচ্চশিক্ষা
• উৎপাদনশীল ব্যর্থতা — উৎপাদনশীল ব্যর্থতা

সংযুক্ত নিবন্ধ

• Problem-based and project-based learning as promising frameworks for generative AI-supported education: Emerging evidence from a systematic review and three-level meta-analysis — জেনারেটিভ এআই-সমর্থিত শিক্ষার প্রতিশ্রুতিশীল কাঠামো হিসেবে সমস্যা-ভিত্তিক ও প্রকল্প-ভিত্তিক শিখন: পদ্ধতিগত পর্যালোচনা ও তিন-স্তরের মেটা-বিশ্লেষণ থেকে উদীয়মান প্রমাণ

• Problem-Based Learning and the Structural Conditions for Productive AI Integration — PBL ও উৎপাদনশীল এআই-সংযোজনের গঠনগত শর্ত (Rowe 2026)

• A Systematic Review of Educators' Engagement with AI in Problem-Based Learning — PBL-এ শিক্ষকদের এআই-সম্পৃক্ততার পদ্ধতিগত পর্যালোচনা (Amdan et al. 2026)

• Using Generative AI to Simulate Patient History-Taking in a Problem-Based Learning Tutorial: A Mixed-Methods Study — চিকিৎসা PBL টিউটোরিয়ালের জন্য জেনএআই ভার্চুয়াল রোগী (Mool et al. 2026)

• The LEARN Framework for Responsible Use of Generative AI in Education: A Neuroscience-Informed Model for Problem-Based Learning — PBL-এ দায়িত্বশীল জেনএআই-এর LEARN কাঠামো (Uden ও Hwang 2026)

• AI-Enhanced Problem-Based Learning Framework: Integrating ChatGPT as Adaptive Scaffolding to Improve Critical Thinking and Personalized Learning — এআই-সমৃদ্ধ PBL-এ অভিযোজিত স্ক্যাফোল্ডিং হিসেবে ChatGPT (La Sunra et al. 2026)

• Advancing Problem-Based Learning in Biomedical Engineering in the Era of Generative AI — জেনএআই-যুগে বায়োমেডিক্যাল প্রকৌশলে PBL (Nnamdi et al. 2026)

• AI-Supported Problem-Based Learning for Enhancing Computational Thinking — কম্পিউটেশনাল চিন্তার জন্য এআই-সমর্থিত PBL

• Utilizing Generative AI to Counter Learner Groupthink by Introducing Controversy in Collaborative Problem Based Learning Settings — আন্তঃপেশাগত PBL-এ জেনএআই এজেন্ট দলগত একরূপতার প্রতিরোধ করে

• Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science — প্রাথমিক বিজ্ঞানে জেনএআই চ্যাটবট ও সমস্যা-উত্থাপন

• The AI-Powered Co-inquirer: A Systematic Review of ChatGPT for Inquiry-Based Learning in STEAM Education — STEAM-এ অনুসন্ধান-ভিত্তিক শিখনের জন্য ChatGPT

• Designing AI systems to support a productive-failure-based learning: insights from adult learners on AI applications — উৎপাদনশীল-ব্যর্থতা-ভিত্তিক শিখন সমর্থনে এআই ব্যবস্থার নকশা

• Towards the Pedagogical Steering of Large Language Models for Tutoring: A Case Study with Modeling Productive Failure — উৎপাদনশীল ব্যর্থতার জন্য এলএলএম-এর শিক্ষাবিজ্ঞানগত চালনা

• ProductiveMath: A Generative-AI-Powered App to Support Productive Failure Teaching — ProductiveMath: PF সমস্যা-নকশায় সহায়তায় এআই

• Generative AI in Scenario-Based Healthcare Education: A Systematic Review of Applications, Validation Practices, and Pedagogical Integration — দৃশ্যপট-ভিত্তিক স্বাস্থ্যসেবা শিক্ষায় জেনএআই-এর পদ্ধতিগত পর্যালোচনা (Neto et al. 2026)

• Changes in pre-service physics teachers' TPACK and collaborative problem solving associated with an AI-supported CTD-PBL module: A quasi-experimental study — 130 জন পূর্ব-সেবা পদার্থবিজ্ঞান শিক্ষক নিয়ে এআই-সমর্থিত CTD-PBL মডিউল: TPACK ও সহযোগিতামূলক সমস্যা-সমাধান (Chen ও Osman 2026)

• Facilitator-Mediated Versus AI-Mediated Problem-Based Learning in Pharmacology Education: A Quasi-Experimental Study Among Second Year Medical Students — ফার্মাকোলজি শিক্ষায় সুবিধাদাতা-মধ্যস্থ বনাম এআই-মধ্যস্থ সমস্যা-ভিত্তিক শিখন: দ্বিতীয় বর্ষের চিকিৎসা শিক্ষার্থীদের মধ্যে একটি আধা-পরীক্ষামূলক গবেষণা