আত্ম-প্রতিবেদনমূলক পরিমাপ

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

আত্ম-প্রতিবেদনমূলক পরিমাপ — এমন যন্ত্র, যেখানে যাঁকে নিয়ে গবেষণা হচ্ছে তিনিই তথ্যের উৎস: প্রশ্নপত্র ও সমীক্ষা, সাক্ষাৎকার, দিনলিপি, স্ব-মূল্যায়িত দক্ষতা, স্ব-অনুমিত ব্যবহার, অনুভূত শিখন এবং সন্তুষ্টি। শিক্ষায় এআই গবেষণার এগুলোই মূল কর্মী — এই জ্ঞানভিত্তিতে 139টি নিবন্ধ-পাতায় সমীক্ষা পদ্ধতির ট্যাগ আছে, পরীক্ষা ও বেঞ্চমার্ক ছাড়া অন্য যেকোনো নকশার চেয়ে বেশি — এবং মনোভাব, বিশ্বাস, অভিপ্রায় ও স্ব-কার্যকারিতা পর্যন্ত পৌঁছানোর একমাত্র বাস্তব উপায় এগুলো। এগুলোর সীমা পরিসংখ্যানগত নয়, শ্রেণিগত: একটি আত্ম-প্রতিবেদন আচরণ বা শিখন মাপতে পারে না, মাপে কেবল কেউ আচরণ বা শিখন সম্পর্কে কী বলে তা, এবং এই গবেষণাভাণ্ডারে দুটো এত ঘন ঘন আলাদা হয়ে পড়ে যে তা নিজেই একটি ফলাফল।

বিবেচনার প্রশ্ন

• একটি গবেষণা যদি বলে শিক্ষার্থীরা "উচ্চ সম্পৃক্ততার কথা জানিয়েছে," তাহলে আসলে কী মাপা হলো — এবং তারা সত্যিই সম্পৃক্ত ছিল বলে সিদ্ধান্তে পৌঁছাতে আপনার কী দেখতে দরকার হতো?
• একটি গবেষণায় শিক্ষকের এআই সাক্ষরতার আত্ম-প্রতিবেদিত ও বস্তুনিষ্ঠ পরিমাপ চারটি মাত্রায় কেবল r = 0.07 থেকে r = 0.24 পর্যন্ত সম্পর্কযুক্ত ছিল। একই দক্ষতার একটি পরীক্ষার সঙ্গে আপনার নিজের স্ব-মূল্যায়ন সবচেয়ে সম্ভবত কোথায় আলাদা হবে, এবং কেন?
• সন্তুষ্টি মাপা সহজ এবং বাড়ানোও সহজ — ব্যবহারকারীদের খুশি করার জন্য সুর করা একটি ব্যবস্থা এতে ভালো স্কোর করবে। কেন এতে সন্তুষ্টি শিখনের জন্য একটি দুর্বল ফলাফল-পরিমাপ হয়ে যায়, এবং বদলে আপনি কী মাপতেন?
• "প্রায় সব শিক্ষার্থী কোর্সের কাজে এআই ব্যবহার করে" — এই কথা আসে শিক্ষার্থীদের জিজ্ঞাসা করে। লগ করার বদলে জিজ্ঞাসা করা দুই দিকেই কী ভুল করতে পারে?
• একটি সমীক্ষায় 31% সাড়ার হারে 112টি উত্তর আসে, অথবা 572টি আমন্ত্রণ থেকে 90টি উত্তর আসে। এর শতাংশ মেনে নেওয়ার আগে, কে উত্তর দেয়নি সে সম্পর্কে আপনি কী জানতে চান?
• একটি গবেষণা যখন একই সময়ে মাপা দুটি আত্ম-প্রতিবেদিত চলকের মধ্যে সম্পর্ক দেখায়, সেই সম্পর্কের জন্য আপনি কতগুলো আলাদা ব্যাখ্যা তৈরি করতে পারেন — এবং কোন নকশা সেগুলো বাতিল করবে?
• আপনি যদি কাউকে একটি ছোট মূল্যায়নে পরামর্শ দিতেন, কোন দাবিগুলো সমীক্ষা দিয়ে সমর্থন করতে দিতেন, আর কোনটির জন্য লগ, কর্মদক্ষতা বা পর্যবেক্ষণমূলক প্রমাণ চাইতেন?

ভূমিকা

আত্ম-প্রতিবেদন প্রশ্নপত্রের চেয়ে অনেক বেশি বিস্তৃত। এতে আছে লিকার্ট ও অন্যান্য রেটিং বিন্যাস ব্যবহার করা প্রস্থচ্ছেদ সমীক্ষা, গুণগত গবেষকদের পরিচালিত সাক্ষাৎকার ও ফোকাস গ্রুপ, দিনলিপি ও অভিজ্ঞতা-নমুনায়ন, স্ব-মূল্যায়িত দক্ষতা বা আত্মবিশ্বাস, কোনো সরঞ্জাম কত ঘন ঘন ব্যবহার হয়েছে তার স্মৃতিভিত্তিক অনুমান, এবং ফলাফল হিসেবে ধরা অনুভূত শিখন বা সন্তুষ্টি। এদের একত্র করে উত্তরদাতার জ্ঞানতাত্ত্বিক অবস্থান: তিনি পর্যবেক্ষিত না হয়ে নিজের সম্পর্কে প্রতিবেদন করছেন।

এটি ক্ষমা চাওয়ার মতো কোনো দুর্বলতা নয়। আগ্রহের অনেক গঠন — অনুপ্রেরণা, উদ্বেগ, বিশ্বাস, অনুভূত উপযোগিতা, সম্পৃক্ততার অভিপ্রায় — অন্তর্গত অবস্থা, যা কোনো লগ-ফাইল লিপিবদ্ধ করে না, আর জিজ্ঞাসা করাই সেখানে পৌঁছানোর একমাত্র সমর্থনযোগ্য উপায়। সমস্যা ওঠে যখন একটি আত্ম-প্রতিবেদন এমন দাবি সমর্থন করতে ব্যবহার হয় যা তা বহন করতে পারে না — যা মূলে একটি বৈধতার প্রশ্ন: যন্ত্রটি কি তার নামের গঠনটি মাপে, এবং করা দাবিটি কি এমন ধরনের বিষয় নিয়ে যা আত্ম-প্রতিবেদন দেখতে পায়। সেই উদ্বেগ শিক্ষামূলক পরিমাপ ও মূল্যায়ন-বৈধতা-র সঙ্গে সম্পর্কিত; এই পাতাটি নিয়ে সেই বিশেষ অবস্থা যখন শিক্ষায় এআই গবেষণা আত্ম-প্রতিবেদনের উপর হেলে পড়ে, এবং প্রমাণভাণ্ডার কোথায় তা ভেঙে পড়ছে দেখায়।

এই পাতা তার প্রতিবেশীদের সঙ্গে কীভাবে সম্পর্কিত। শিক্ষায় এআই-এর গবেষণা পদ্ধতি নকশা এবং তাদের শক্তি ও সীমাবদ্ধতা তালিকাভুক্ত করে, সমীক্ষা ও SEM গবেষণা সহ। পরিমাণগত গবেষণা সংখ্যাভিত্তিক পদ্ধতি-পরিবারটি ঢাকে। শিক্ষামূলক পরিমাপ যন্ত্র-উন্নয়ন, উপকরণ-প্রতিক্রিয়া তত্ত্ব এবং সাইকোমেট্রিক বৈধতা ঢাকে। এই পাতাটি সেই পাতাগুলো যে সংকীর্ণ অংশে ইশারা করে সেটিই: পরিমাপ-যন্ত্র ও তথ্যসূত্র নিজেই — আত্ম-প্রতিবেদন কী প্রতিষ্ঠা করতে পারে ও কী পারে না, মানুষ যা বলে ও যা করে তার মধ্যে বারবার ফিরে আসা ফাঁক, এবং একটি আত্ম-প্রতিবেদন-ভিত্তিক ফলাফল সমালোচনামূলকভাবে কীভাবে পড়বেন।

আত্ম-প্রতিবেদন কী প্রতিষ্ঠা করতে পারে, কী পারে না

আত্ম-প্রতিবেদন মনোভাব, বিশ্বাস, অভিপ্রায়, কোনো সরঞ্জাম সম্পর্কে উপলব্ধি, আবেগীয় অবস্থা এবং স্ব-বিচারিত আত্মবিশ্বাস বা কাঠিন্যের জন্য উপযুক্ত। 394টি GenAI উচ্চশিক্ষা গবেষণার একটি স্কোপিং পর্যালোচনায় দেখা গেছে সমীক্ষা-স্কেলই সবচেয়ে বেশি প্রতিবেদিত মূল্যায়ন পদ্ধতি (269 গবেষণা, 68.3%), এর পরে পরীক্ষা/কুইজ/রুব্রিক (185, 47.0%) ও নির্মাণকর্ম-বিশ্লেষণ (167, 42.4%) (Lin et al. (2026))। এটি আচরণের জন্য অনুপযুক্ত, এবং শিখন একেবারেই মাপতে পারে না: কেউ কিছু শিখেছে বলে তার বিশ্বাস নিজেই একটি উপলব্ধি, আর জ্ঞানভিত্তি অনুভূত শিখনকে শিখন-লাভ থেকে আলাদা রাশি হিসেবে ধরে।

ফলাফল হলো এমন কিছু দাবি, যা ফলাফল-অংশে একরকম দেখায় কিন্তু শক্তিতে আলাদা:

• "শিক্ষার্থীরা টিউটরটিকে উপযোগী মনে করেছে" — একটি উপলব্ধি, জিজ্ঞাসা করে মাপা যথাযথ।
• "শিক্ষার্থীরা নিয়মিত টিউটরটি ব্যবহার করেছে" — একটি আচরণ, জিজ্ঞাসা করে কেবল আনুমানিক।
• "শিক্ষার্থীরা টিউটরের সঙ্গে বেশি শিখেছে" — একটি ফলাফল, জিজ্ঞাসা করে একেবারেই প্রতিষ্ঠা করা যায় না।
• "শিক্ষকরা এআই ব্যবহারে আত্মবিশ্বাসী" — একটি স্ব-বিশ্বাস, সক্ষমতার প্রমাণ নয়।

এই গবেষণা পড়া বা নকশা করা যে কেউ, তার জন্য দুটি অনুবর্তন আসে। প্রথমত, একটি আত্ম-প্রতিবেদন-যন্ত্র আদৌ তার নামের গঠনটি মাপছে কি না তা একটি অভিজ্ঞতাভিত্তিক প্রশ্ন, যার উত্তর মিলে বৈধতা-যাচাই থেকে, উপকরণগুলোর বিশ্বাসযোগ্যতা থেকে নয়। দ্বিতীয়ত, শিক্ষায় এআই-এ প্রলোভনের দিকটি সামঞ্জস্যপূর্ণ: সরঞ্জামগুলো মূল্যায়িত হয় ব্যবহারকারীরা তাদের সম্পর্কে কেমন অনুভব করে তা দিয়ে, আর অনুভবই ঠিক সেই অংশ যা আত্ম-প্রতিবেদন সবচেয়ে সস্তায় ধরে। স্ব-মূল্যায়ন সেই বৃহত্তর পরিবারেরই একটি সদস্য, তার সমার্থক নয়: যেখানে আত্ম-প্রতিবেদন-পরিমাপ মনোভাব, বিশ্বাস ও সন্তুষ্টি পর্যন্ত পৌঁছায়, সেখানে স্ব-মূল্যায়ন শিক্ষার্থীর অনুমানকে নির্দিষ্টভাবে তার নিজের দক্ষতা, আত্মবিশ্বাস বা শিখনের উপর প্রয়োগ করে।

দ্বিতীয় ব্যর্থতার ধরন হলো দুটি আত্ম-প্রতিবেদন-গঠনের মধ্যে বৈষম্যমূলক সংকোচন: স্ব-প্রতিবেদিত এআই সক্ষমতাকে কার্যকারিতা হিসেবে মাপা অনুভূত আচরণগত নিয়ন্ত্রণের পাশে রিগ্রেস করলে তা একটি সাধারণ আত্মবিশ্বাস-উপাদানকেই নিজের সঙ্গে তুলনা করতে পারে, এজন্যই মানদণ্ড আগেই স্থির করা হয় — .85-এর নিচে হেটেরোট্রেইট–মনোট্রেইট অনুপাত এবং সক্ষমতা–নিয়ন্ত্রণ সম্পর্ককে একত্বে সীমিত করা একটি নেস্টেড-মডেল পরীক্ষা (Mnguni (2026))।

একটি বৈধতাপ্রাপ্ত যন্ত্র সেই সীমাটিকে অস্পষ্টের বদলে নিখুঁত করতে পারে। Thianwan ও Srikoon (2025)-এর এআই সাক্ষরতা স্ব-মূল্যায়ন প্রশ্নপত্র (AIL-SAQ) একটি 15-উপকরণের স্কেল, যা দুটি নমুনায় স্থিতিশীল তিন-উপাদান কাঠামোয় নিশ্চিত (n = 335 অন্বেষণমূলক, n = 579 নিশ্চিতকরণমূলক) এবং সামগ্রিক ক্রোনবাখ আলফা .934। এর লেখকেরা স্পষ্ট করেন যে এটি অনুভূত বোঝাপড়া, মনোভাব ও সচেতনতা লিপিবদ্ধ করে, প্রদর্শিত দক্ষতা নয়, এবং স্ব-মূল্যায়নের নির্ভুলতা নির্ভর করে শিশুদের মধ্যে এখনও পরিণত হওয়া অধি-জ্ঞানীয় সক্ষমতার উপর, তাই একটি শিশুর স্ব-অনুমান প্রাপ্তবয়স্কের চেয়ে দুর্বল সংকেত।

বিপরীত পছন্দও সমর্থনযোগ্য: PAUSE চার-ক্ষেত্রের একটি অফলোডিং স্ব-পরীক্ষা, যা কোনো নির্ভরযোগ্যতা বা বৈধতার প্রমাণ প্রকাশ করে না, কোনো সমন্বিত স্কোর দেয় না, এবং ঘোষণা করে যে এর পাঠ কোনো পরিণতিসূচক সিদ্ধান্তকে ন্যায্যতা দিতে পারবে না, আর এর উপকরণগুলো ইচ্ছাকৃত স্ক্যাফোল্ডিং ও প্রতিস্থাপনকে একাকার করে — যে উত্তরদাতা স্ক্যাফোল্ডিংয়ের জন্য আগেভাগে এআই আনেন, তিনি অফলোডিং হিসেবে পড়া হন (Alam, 2026)।

উপলব্ধি ও আচরণের ফাঁক

এই জ্ঞানভিত্তির সবচেয়ে শক্তিশালী আত্ম-প্রতিবেদন-সংক্রান্ত ফলাফল এই নয় যে আত্ম-প্রতিবেদনে সাধারণভাবে পক্ষপাত আছে, বরং এই যে প্রতিবেদিত ও পর্যবেক্ষিত আচরণ নির্দিষ্ট, নথিভুক্ত উপায়ে আলাদা হয়ে যায়।

আত্ম-প্রতিবেদন থেকে তৈরি প্রোফাইলও একই আচরণ করে। Najem et al. (2026) LMS মিথস্ক্রিয়া-চিহ্নের বদলে স্ব-প্রতিবেদিত আচরণগত ও মনস্তাত্ত্বিক প্রক্সিতে 14,003টি শিক্ষার্থী-রেকর্ড ক্লাস্টার করেছেন, এবং ফলস্বরূপ ছয়টি প্রোফাইল চূড়ান্ত গ্রেডে তীব্রভাবে আলাদা হয় (η² = 0.770) — যে বিচ্ছেদ লেখকেরা সতর্ক করেন আংশিকভাবে শিক্ষার্থীরা যা প্রতিবেদন করেছে তারই পুনরুক্তি।

আচরণগত চিহ্ন এমন শিক্ষার্থীদের আলাদা করতে পারে যাদের একটি আত্ম-প্রতিবেদন-স্কেল আলাদা করতে পারে না: Poquet et al. (2026) দেখেছেন রচনার লেখকত্বে 80% থেকে 2% পর্যন্ত বিস্তৃত অফলোডিং-প্রোফাইলের মধ্যে স্ব-প্রতিবেদিত জ্ঞানীয় ভার উল্লেখযোগ্যভাবে আলাদা ছিল না, অথচ সবচেয়ে বেশি অফলোড করা শিক্ষার্থীরাই সর্বোচ্চ মানসিক চাহিদার কথা জানিয়েছেন।

শিক্ষকের এআই সাক্ষরতার সমান্তরাল আত্ম-প্রতিবেদন ও বস্তুনিষ্ঠ পরিমাপ গড়া একটি গবেষণা 288 শিক্ষকের নমুনায় আত্ম-প্রতিবেদন ও বস্তুনিষ্ঠ উপাদানের মধ্যে দুর্বল মিল (r = 0.07 থেকে r = 0.24) পেয়েছে, যেখানে নিশ্চিতকরণমূলক উপাদান-বিশ্লেষণ উভয় পরিমাপের গঠন-বৈধতাকে সমর্থন করেছে, কিন্তু একইসঙ্গে আত্ম-প্রতিবেদন ও বস্তুনিষ্ঠ উপাদানের মধ্যে নিম্ন সম্পর্ক দেখিয়েছে। দুটি যন্ত্রই বিশ্বাসযোগ্য ছিল; তারা কেবল আলাদা জিনিস মাপছিল। 288 শিক্ষকের পূর্ণ নমুনায় বস্তুনিষ্ঠ ও স্ব-প্রতিবেদিত উপাদানের মধ্যে সম্পর্ক r = 0.07 থেকে r = 0.24 পর্যন্ত ছিল, এবং সুপ্ত-প্রোফাইল বিশ্লেষণে 43 জন শিক্ষক পাওয়া গেছে যাঁরা নিজেদের উচ্চ রেটিং দিয়েছেন অথচ বস্তুনিষ্ঠ পরিমাপে কম স্কোর করেছেন, বিপরীতে 59 জন বিপরীত ধরন দেখিয়েছেন।

GLAT উল্টো দিক থেকে একই সিদ্ধান্তে পৌঁছায়: এর 20-উপকরণের কর্মদক্ষতাভিত্তিক পরীক্ষা 83 শিক্ষার্থীর একটি অন্তঃ-বিষয়ক গবেষণায় GenAI-সমর্থিত শিখন-কাজে কর্মদক্ষতার পূর্বানুমান করেছে, অথচ স্ব-প্রতিবেদিত ChatGPT সাক্ষরতা করেনি। লেখকদের বাক্যভঙ্গি সরল — এই ক্ষেত্রের যন্ত্রগুলো প্রকটভাবে স্ব-প্রতিবেদিত সমীক্ষার উপর নির্ভর করে, "যা প্রকৃত সক্ষমতার বদলে অনুভূত সক্ষমতা ধরে এবং পক্ষপাত ও অতিরিক্ত-অনুমানের প্রবণ"।

আচরণগত অনুমানেও একই বিভাজন দেখা যায়। একটি বৃহৎ-পরিসরের প্রতিযোগিতামূলক-প্রোগ্রামিং গবেষণা স্ব-প্রতিবেদিত আত্মবিশ্বাস ও প্রকৃত অনুশীলন-আচরণের মধ্যে বিচ্ছিন্নতাপ্রতিবেদন করেছে, যেখানে প্রথমটি দ্বিতীয়টির দুর্বল প্রক্সি। একটি শিক্ষার্থী-মডেলিং গবেষণা স্পষ্ট বলে যে ব্যবহারের কম্পাঙ্ক পর্যবেক্ষণের বদলে "কখনো না" থেকে "প্রতিদিন" পর্যন্ত একটি স্কেলে স্ব-প্রতিবেদিত ছিল, এবং পূর্বানুমানক ও ফলাফল দুটোই স্ব-প্রতিবেদিত হওয়ায় সম্মতি বা চরমতা-পক্ষপাতের মতো সাড়া-শৈলী সম্পর্কগুলো তৈরি করতে পারে।

কখনও জিজ্ঞাসা ও পর্যবেক্ষণকে মুখোমুখি দাঁড় করানো হয়। 33টি গবেষণার 46টি শ্রেণিবিন্যাসের একটি স্কোপিং পর্যালোচনা দেখেছে সাহিত্য প্রায় সমানভাবে আত্ম-প্রতিবেদন ও মিথস্ক্রিয়া-লগ তথ্যে বিভক্ত, এবং সিদ্ধান্তে পৌঁছেছে যে শ্রেণিগুলো "প্রায়ই মিথস্ক্রিয়ার মতোই পরিমাপ-পদ্ধতির প্রতিফলন" — আত্ম-প্রতিবেদন-গবেষণা উপলব্ধি ও অভিপ্রায় ধরে, লগভিত্তিক গবেষণা পর্যবেক্ষণযোগ্য কথোপকথন-আচরণ ধরে, আর দুটো খুব কমই সমন্বিত হয়। GenAI সাক্ষরতার প্রক্রিয়া-তথ্য-সংক্রান্ত কাজ এই বিন্দুর গঠনমূলক সংস্করণটি করে: শিক্ষার্থী পুনরাবৃত্তিমূলক প্রম্পট দেয় কি না, ফলাফল পরিমার্জন করে কি না, এবং ভ্রম-ঝুঁকি সামলায় কি না তা মিথস্ক্রিয়া-লগে পর্যবেক্ষণযোগ্য, প্রশ্নপত্রে নয়।

2026 সালের একটি কাঠামোবদ্ধ পর্যালোচনা ও অন্বেষণমূলক মেটা-বিশ্লেষণ — সক্ষম জেনারেটিভ এআই ব্যবহারের পরিমাপ নিয়ে — উল্টো দিক থেকে সেই ফাঁকের একটি সমন্বিত সংখ্যা দেয়: সরাসরি প্রতিবেদিত তিনটি সমনমুনা আত্মগত–বস্তুনিষ্ঠ সম্পর্ক একত্র করে (মিলিত প্রতিবেদিত N = 2,765) r = .055 পাওয়া গেছে (Hartung–Knapp 95% CI [−.047, .156]), এবং চতুর্থ একটি গবেষণার আন্তঃ-উপাদান সম্পর্ক যোগ করলেও তা কেবল r = .079-এ পৌঁছায়। তিনটি প্রাথমিক প্রভাবই একটিমাত্র গবেষণা-কর্মসূচি থেকে এসেছে, বৃহত্তম অবদানকারীর প্রতিবেদিত সম্পর্ক ও p-মান মেলানো যায়নি, এবং পর্যালোচনা সিদ্ধান্তে পৌঁছেছে যে আত্ম-প্রতিবেদন বস্তুনিষ্ঠ কর্মদক্ষতা-স্কোরের বিকল্প হতে পারে না — একইসঙ্গে উল্লেখ করে যে কর্মদক্ষতা-যন্ত্রগুলো নিজেরাই সংকীর্ণ, যা কর্মক্ষেত্রে গুরুত্বপূর্ণ তদারকি ও নির্ভরশীলতার আচরণের বদলে ভিত্তি-জ্ঞান ঢাকে (Verí (2026))।

দুই-পর্যায়ের একটি পদ্ধতিগত পর্যালোচনা সিদ্ধান্তের স্তরে সেই বিচ্ছেদের একটি হার দেয়: 47টি প্রতিবেদন থেকে 51টি সমগঠন-জোড়ার মধ্যে 30টি একমত, 11টি ভিন্নমত এবং 10টি মিশ্র। ভিন্নমত দুই দিকেই গেছে: পাঁচটি বিপরীতে একটি শূন্য আত্ম-প্রতিবেদন-ফলাফলের সঙ্গে একটি ইতিবাচক কর্মদক্ষতা-ফলাফল জোড়া ছিল, বিপরীতে দুইটি ঠিক উল্টো (Fan et al. (2026))।

যন্ত্র-সংক্রান্ত সাহিত্য নিজেই ফাঁকের মাপের প্রমাণ হিসেবে পড়া যায়। Zainal, Mohd Matore ও Maat (2026) শিক্ষকের এআই সাক্ষরতার 33টি যন্ত্র মূল্যায়ন করে দেখেছেন যে 31টি (93.9%) অনুভূত আত্মবিশ্বাসের আত্ম-প্রতিবেদন-স্কেল, কেবল দুটি (6.1%) জ্ঞানকে বস্তুনিষ্ঠভাবে পরীক্ষা করে, এবং 2019 থেকে 2025 সালের মধ্যে কোনোটি কর্মদক্ষতাভিত্তিক কাজ ব্যবহার করেনি। তাঁদের সিদ্ধান্ত সেই একই কথা যা এই পাতা বারবার অন্য দিক থেকে বলে আসছে: আত্ম-প্রতিবেদন-স্কোর আত্মবিশ্বাসের সূচক, সক্ষমতার নয়, তাই দল বা কর্মসূচি তুলনা করার সময় তা সক্ষমতার বিকল্প হতে পারে না।

ফলাফল-পরিমাপ একই ফাঁক উত্তরাধিকারী হয়। Pramod ও Patil (2026) এজেন্টিক এআই থেকে অনুপ্রেরণা ও সামাজিক উপস্থিতির মধ্য দিয়ে যা তাঁরা শিখন-কর্মদক্ষতা নাম দেন তা পর্যন্ত পথ মডেল করেন 0.671 সহগে — গবেষণার সবচেয়ে শক্তিশালী সম্পর্ক — এবং তাঁদের নিজেদের সীমাবদ্ধতা-অংশ বলে যে এই নির্ভরশীল চলক শিক্ষার্থীদের উপলব্ধি প্রতিফলিত করে, পরীক্ষার ফল, অ্যাসাইনমেন্ট-কর্মদক্ষতা বা শিখন-বিশ্লেষণ নয়। পথ-মডেলে সাধারণভাবে এটাই সতর্কভাবে পড়ার ধরন: একটি অনুভূত ফলাফলের উপর বড় সহগ এই পরিমাপ করে যে শিক্ষার্থীরা কত সামঞ্জস্যপূর্ণভাবে বিশ্বাস করে কিছু সাহায্য করেছে, এবং তা আদৌ সাহায্য করেছে কি না সে সম্পর্কে এখনও কিছু বলে না।

অভিপ্রায় সেই ফাঁকের সবচেয়ে তীক্ষ্ণ দৃষ্টান্ত, কারণ একটি অভিপ্রায়-স্কোর বিপরীত আচরণ ঢাকতে পারে। 340 শিক্ষার্থীর মধ্যে 68 জনকে উপকরণ পুনরায় প্রয়োগ করে এবং আটজনের সাক্ষাৎকার নিয়ে Xue, Xu, Qi ও Lu (2026) দেখেছেন একই ঘোষিত অভিপ্রায় শিখনমুখী, শর্টকাটমুখী ও মিশ্র ব্যবহার ঢাকে — শর্টকাট-ব্যবহারকারীরা অনাগ্রহের বদলে নিম্ন আত্মবিশ্বাসের কথা বলেন।

• "শিক্ষার্থীরা যা করেছে তা-ই প্রতিবেদন করে।" চিহ্নটি সমীক্ষাকে একটি কাজের দিকে খণ্ডন করেছে। একটি রচনা-গবেষণায় যেখানে 77টির মধ্যে 15টি (19.5%) রচনা কোনো টাইপ করা শব্দ ছাড়াই জমা পড়েছে, অনুভূত লেখকত্ব কেবল সেই সম্পূর্ণ-প্রত্যর্পণকারী দলেই কমেছে, অথচ পরিকল্পনা বা পর্যালোচনার জন্য মডেল ব্যবহারকারী লেখকেরা এমন শিক্ষার্থীদের স্তরে লেখকত্বের কথা জানিয়েছেন যাঁরা মডেলটি কখনও খোলেননি। তাই আত্ম-প্রতিবেদন চরম প্রান্তগুলো আলাদা করেছে এবং মাঝের সবকিছু সমান করে দিয়েছে — যা একটি উপলব্ধি-পরিমাপ করতে পারে, আর যা পারে না। কিস্ট্রোকে মাপা উপলব্ধি-আচরণের ফাঁক।

ফলাফল হিসেবে সন্তুষ্টি ও অনুভূত শিখন

সন্তুষ্টি এই ভাণ্ডারে সবচেয়ে বেশি স্ব-প্রতিবেদিত ফলাফল, যা 63টি নিবন্ধ-পাতায় দেখা যায়। শিখনের প্রক্সি হিসেবে এটিই সবচেয়ে দুর্বল, এবং জ্ঞানভিত্তিতে সেই মর্মে স্পষ্ট যুক্তি আছে।

• ক্রমবদ্ধ এআই-ফিডব্যাক নিয়ে কাজ নকশা-নীতিটি সরাসরি বলে: ব্যবহারকারী-সন্তুষ্টি ও আচরণগত সম্পৃক্ততা শিখন-লাভের নির্ভরযোগ্য প্রক্সি নয়, তাই শিখন সরাসরি মাপতে হবে।
• শিক্ষাবৈজ্ঞানিক স্টিয়ারিং নিয়ে উল্লেখ করে যে বর্তমান ভাষা-মডেলগুলো ব্যবহারকারী-সন্তুষ্টি সর্বাধিক করার জন্য সহায়ক সহকারী হিসেবে নির্দেশনা-টিউন করা, অথচ টিউটরের লক্ষ্য শিখন সর্বাধিক করা — দুটি উদ্দেশ্য সংঘাতে পড়তে পারে, যা সন্তুষ্টিকে কেবল দুর্বল নয়, সম্ভাব্য বিভ্রান্তিকর লক্ষ্য করে তোলে।
• একটি স্ক্যাফোল্ডিং গবেষণা যুক্তি দেয় যে অনুভূত উপযোগিতা, ব্যবহারের সহজতা ও তাৎক্ষণিক সন্তুষ্টিকে স্ক্যাফোল্ডিংয়ের কার্যকারিতার যথেষ্ট সূচক ধরা উচিত নয়।
• ব্যক্তিত্ব-সামঞ্জস্যপূর্ণ শিক্ষার্থী-মডেলিং নিয়ে লক্ষ করে যে ব্যবহারকারী-সন্তুষ্টির জন্য অনুকূলন শিখন-ফলাফলের জন্য অনুকূলন নয়, এবং দুটো আলাদা হয়ে যেতে পারে।

সঙ্গে নিয়ে যাওয়ার মতো ধরনটি: শিখন যখন লক্ষ্য, তখন সন্তুষ্টি ভুল জিনিসে সাড়া দেয়। যে ব্যবস্থা দ্রুত উত্তর দেয়, সহজে একমত হয় এবং পরিশ্রম কমায়, তাকে উচ্চ রেটিং দেওয়া হবে, আর সেই একই বৈশিষ্ট্যগুলোকেই জ্ঞানভিত্তি কম উৎপাদনশীল সংগ্রাম ও এআই-সহায়ক কাজে ফোলানো কর্মদক্ষতার সঙ্গে যুক্ত করে। প্রতিবেদিত সন্তুষ্টি ও মাপা শিখন পরস্পরের শত্রু নয়; তারা কেবল বিকল্প নয়, এবং প্রথমটিকে দ্বিতীয়টির প্রমাণ ধরা এই পাতায় নথিভুক্ত সবচেয়ে সাধারণ খসে পড়া।

জেনারেটিভ-এআই অনুসন্ধান-সাহিত্যে উপলব্ধি-পরিমাপ দক্ষতা-পরিমাপের চেয়ে বেশি। 66-গবেষণার একটি পর্যালোচনায় Yahya et al. (2026) দেখেছেন ব্যবহারকারী-উপলব্ধিই সবচেয়ে বেশি প্রতিবেদিত ফলাফল-ক্ষেত্র (32 গবেষণা, 48.5%), এর পরে আবেগীয় ফলাফল 25-এ, অথচ কেবল 8টি গবেষণা (12.1%) অনুসন্ধান-দক্ষতা মেপেছে এবং তাদের মধ্যে 4টিতে তুলনা-শর্ত ছিল। লেখকেরা কোনো প্রমাণ-নিশ্চয়তা রেট করেননি, তাই উপলব্ধির সংখ্যাগুলো কী অর্জিত হলো তার বদলে কী জিজ্ঞাসা করা হলো তা বর্ণনা করে।

কী একটি আত্ম-প্রতিবেদন যন্ত্রকে বিশ্বাসযোগ্য করে

চারটি বৈশিষ্ট্য এমন একটি সমীক্ষাকে আলাদা করে যা একটি দাবি সমর্থন করতে পারে, তার থেকে যা পারে না।

• গঠন-বৈধতা। উপকরণগুলো নামের গঠনটিই মাপে তা দেখাতে হবে, আদর্শভাবে উপাদান-বিশ্লেষণ দিয়ে। উপরের সমান্তরাল-পরিমাপ গবেষণা তার দুটি যন্ত্রকেই বৈধতা দিয়েছিল এবং তবুও দেখেছিল তারা আলাদা হয়ে গেছে — একটি যন্ত্রের বৈধতা এটি সম্পর্কে কিছু বলে না যে তা আচরণ ধরে কি না।
• নির্ভরযোগ্যতা ও কাঠামো। উপাদান-বৈধতাপ্রাপ্ত যন্ত্র এই ভাণ্ডারে বারবার আসে, স্ব-নির্ধারণ তত্ত্বে প্রোথিত শিক্ষক এআই সাক্ষরতা পরিমাপ থেকে শুরু করে TAM ও SEM দিয়ে মডেল করা গ্রহণযোগ্যতা-স্কেল পর্যন্ত, এআই-সহায়ক ভাষা-সরঞ্জামের গবেষণায়।
• অপরিবর্তনশীলতা, যখন দল তুলনা করা হয়। যে স্কেল জনগোষ্ঠীভেদে ভিন্ন আচরণ করে, তা তুলনা সমর্থন করতে পারে না। বহু-গোষ্ঠী SEM কাজ তার পরোক্ষ প্রভাবের পাশাপাশি পরিমাপ-অপরিবর্তনশীলতার পরীক্ষা (কনফিগারাল, মেট্রিক, স্কেলার) প্রতিবেদন করে, এবং একটি সুইজারল্যান্ড–চীন তুলনা দেখেছে কেবল অন্তর্গত মূল্য মেট্রিক অপরিবর্তনশীলতায় পৌঁছায়, স্কেলার অপরিবর্তনশীলতায় নয় — একটি সীমাবদ্ধতা যা লুকানো নয়, ঘোষণা করা, এবং যা তার আন্তঃদেশীয় পার্থক্যগুলো কী অর্থ বহন করতে পারে তা সীমিত করে।
• সক্ষমতা যখন গঠন, তখন একটি কর্মদক্ষতা-বিকল্প। GLAT-এর 20টি বহুনির্বাচনী উপকরণ আছে ঠিক এজন্য যে আত্ম-প্রতিবেদন সক্ষমতার দাবি বহন করতে পারে না।

এই ক্ষেত্রের বেশিরভাগ যন্ত্র নির্ভরযোগ্যতা প্রতিবেদন করে, বৈধতা প্রায় কেউই নয়। Kharbach et al. (2026) Su ও অন্যান্যদের 36টি এআই সাক্ষরতা গবেষণার পর্যালোচনা উদ্ধৃত করেন, যা দেখেছে 63.8% যন্ত্র নির্ভরযোগ্যতার প্রমাণ দেয় এবং 20%-এরও কম বৈধতার প্রমাণ দেয়। একই পর্যালোচনা 50টি কে-১২ কাঠামোর মধ্যে কেবল একটি জেনারেটিভ-এআই-নির্দিষ্ট যন্ত্র পেয়েছে, 27-উপকরণের GAIAS। একটি স্কেল অভ্যন্তরীণভাবে সামঞ্জস্যপূর্ণ হওয়া তার শিরোনামে নামক গঠনটি মাপে কি না সে সম্পর্কে কিছুই বলে না।

নমুনায়ন, সাড়া ও অসাড়া

সমীক্ষা পরিচালনা করা সস্তা বলে সাধারণত নমুনায়নের সমস্যাগুলোই সেই জায়গা যেখানে সাধারণীকরণের দাবি ব্যর্থ হয়। এই ভাণ্ডার সেগুলো স্পষ্টভাবে ও শিক্ষণীয়ভাবে প্রতিবেদন করে:

• শিক্ষার্থীদের GenAI ব্যবহার নিয়ে একটি যুক্তরাজ্যের সমীক্ষা 7টি প্রতিষ্ঠানের একটি সুবিধাজনক নমুনা, তীব্রভাবে ভিন্ন প্রাতিষ্ঠানিক সাড়ার হার এবং অসাড়া-পক্ষপাতের কথা জানায় যা তীব্র মতামতধারী শিক্ষার্থীদের দিকে ঝুঁকতে পারে — এবং উল্লেখ করে যে প্রায় 32% উত্তরদাতা এমন আচরণের কথা বলেছেন যা যুক্তিযুক্তভাবে নীতি ভেঙেছে, এমন বিন্যাসে যেখানে সামাজিক কাম্যতা ও প্রাসঙ্গিক চাপ কম-প্রতিবেদনকে সম্ভাব্য ভুলের দিক করে।
• এআই-সহায়ক গ্রেডিং-ফিডব্যাক নিয়ে একটি গবেষণা 112টি উত্তর ও 31% সাড়ার হারের উপর দাঁড়িয়ে।
• একটি প্রশিক্ষক-গবেষণা 572 আমন্ত্রিত পুরস্কারপ্রাপ্তদের মধ্যে 90 জন STEM প্রশিক্ষকের উপর ভিত্তি করে — 16%।
• একটি সমাজবিজ্ঞান সমীক্ষা 844 আমন্ত্রিতের মধ্যে 504 উত্তরদাতা পেয়েছে, এবং লেখকেরা উল্লেখ করেন সাড়ার হার প্রশ্নভেদে ভিন্ন ছিল।
• একটি ডেলফি গবেষণা 17 উত্তরদাতা নিয়ে তার প্রথম রাউন্ড শেষ করেছে, যা একটি সীমাবদ্ধতা এবং স্পষ্টভাবে ঘোষিত।

স্ব-নির্বাচন এটি আরও জটিল করে। একটি ইনোকুলেশন গবেষণা 782 অংশগ্রহণকারী সংগ্রহ করেছে এবং স্ব-প্রতিবেদিত ChatGPT ব্যবহারকারীদের সুবিধাজনক নমুনা থেকে 100টি বৈধ কেস ধরে রেখেছে; একটি পদার্থবিজ্ঞান গবেষণা শিক্ষার্থীদের বাড়তি-ক্রেডিট কাজে স্ব-নির্বাচন করতে দিয়েছে, যা সম্ভবত মতামতকে সম্মতিপ্রবণদের দিকে ঝুঁকিয়ে দিয়েছে ও সংশয়ীদের বাদ দিয়েছে।

আরও দুটি আত্ম-প্রতিবেদন-নির্দিষ্ট ত্রুটি বারবার ফিরে আসে। অন্তর্দর্শনের সীমা ও সামাজিক কাম্যতা-পক্ষপাত আত্ম-প্রতিবেদনের অন্তর্গত হিসেবে নামকরণ করা হয়েছে সম্পৃক্ততা-মূল্যায়নের কাজে এবং সেইসব গবেষণায় যাদের গুণগত তথ্য আত্ম-প্রতিবেদনের উপর নির্ভর করে। সাধারণ-পদ্ধতি ভেদ ওঠে যখন পূর্বানুমানক ও ফলাফল একই উত্তরদাতাদের কাছ থেকে একই সময়ে আসে: এআই ব্যবহার ও সমালোচনামূলক চিন্তার একটি নিয়ন্ত্রিত-মধ্যস্থতা গবেষণা ব্যবহার, জ্ঞানীয় ভার ও স্ব-নিয়ন্ত্রিত শিখনকে একই সময়বিন্দুতে প্রমিত আত্ম-প্রতিবেদন-যন্ত্রের মাধ্যমে পরিচালনামূলক রূপ দিয়েছে, এবং ফলস্বরূপ সাধারণ-পদ্ধতি-পক্ষপাতের কথা তোলে; অনুপ্রেরণা ও সম্পৃক্ততার একটি PLS-SEM গবেষণাও সম্পূর্ণভাবে আত্ম-প্রতিবেদনের উপর দাঁড়িয়ে এবং তার মধ্যস্থতাকারীদের মধ্যে কালানুক্রমিক ক্রম প্রতিষ্ঠা করতে পারে না।

পরিচালনার ধরন ভাণ্ডার এখনও যে দ্বিতীয় হুমকি গোনেনি। Tamme, Schilling ও Hantel (2026) লিখিত কোর্স-সমীক্ষার বদলে এআই-পরিচালিত টেলিফোন-সাক্ষাৎকার প্রস্তাব করেন, এবং ধরন-প্রভাবের এমন প্রমাণ জড়ো করেন যা দুই দিকেই কাটে: কণ্ঠস্বরের উত্তর দীর্ঘ হয় ও বেশি বিষয় ঢাকে, অথচ 634 উত্তরদাতার একটি এলোমেলো তুলনায় পাঠ্য-উত্তর বেশি বিভেদযুক্ত ও বেশি অকপট পাওয়া গেছে।

প্রতিকার: আত্ম-প্রতিবেদনের বাইরের প্রমাণ যোগ করা

জ্ঞানভিত্তির গঠনমূলক উত্তরগুলো সামঞ্জস্যপূর্ণ, এবং এর কোনোটিই সমীক্ষা ছাড়তে বলে না।

• আত্ম-প্রতিবেদনের সঙ্গে চিহ্ন বা লগ-তথ্য জোড়া দিন। অভিযোজিত শিখন-প্রযুক্তির একটি 194-শিক্ষার্থী, আট-সপ্তাহের গবেষণা আত্ম-প্রতিবেদনের সঙ্গে চিহ্ন-তথ্য মিলিয়েছে শ্রেণিবিন্যাসমূলক রৈখিক মডেলিংয়ে, যার ফলে এটি স্ব-নিয়ন্ত্রিত শিখনের পর্যায়গুলোকে স্মরণ অনুসারে নয়, ঘটতে থাকা অবস্থায় অনুসরণ করতে পেরেছে।
• দাবিটি যখন অনুশীলন নিয়ে, তখন অনুশীলন সরাসরি পর্যবেক্ষণ করুন। স্ক্রিন-রেকর্ডকৃত মূল্যায়ন-কাজ এবং ভিডিও-উদ্দীপিত সাক্ষাৎকার স্ব-প্রতিবেদিত এআই ব্যবহার ও পর্যবেক্ষিত অনুশীলনের মধ্যে ফাঁক সেতু করেছে, এবং অধি-জ্ঞানীয় সচেতনতা ধরেছে যা সমীক্ষা ধরতে পারেনি।
• জিজ্ঞাসা করার বদলে রুব্রিকের বিপরীতে আচরণের স্কোর দিন। ধারণ-সংক্রান্ত কাজ অনুশীলন-পরিশ্রমকে মিথস্ক্রিয়া-লগ থেকে উদ্ভূত আচরণগত সূচক হিসেবে ধরে, স্পষ্টভাবে অন্তর্গত অনুপ্রেরণামূলক অবস্থার পরিমাপ হিসেবে নয়।
• ত্রিভুজীকরণ করুন। মিশ্র-পদ্ধতি নকশা ও সাধারণভাবে মিশ্র-পদ্ধতি গবেষণা নমুনার আকারের বদলে একটি তথ্যসূত্রকে অন্যটির বিপরীতে যাচাই করার ক্ষমতা কেনে; বৃত্তিমূলক শিক্ষার একটি পদ্ধতিগত পর্যালোচনা এই ভারসাম্যহীনতার জন্য শিক্ষণীয়, উল্লেখ করে যে তার পরীক্ষিত পরিমাণগত গবেষণাগুলোর মধ্যে 2টি সম্পূর্ণভাবে আত্ম-প্রতিবেদনের উপর নির্ভর করেছিল অথচ 5টি কেবল বস্তুনিষ্ঠ পরিমাপ ব্যবহার করেছিল।
• যে ফলাফল আপনার কাছে গুরুত্বপূর্ণ তা মাপুন। দাবিটি যদি শিখন নিয়ে হয়, শিখন-লাভ মাপতেই হবে, সন্তুষ্টি থেকে অনুমান করা চলবে না।

আত্ম-প্রতিবেদনের দাবি কীভাবে পড়বেন

• জিজ্ঞাসা করুন এটি কোন ধরনের দাবি। উপলব্ধি ন্যায্য; আচরণ কেবল আনুমানিক; শিখন ও সক্ষমতা এভাবে পৌঁছানোর বাইরে।
• দেখুন কে উত্তর দিয়েছে আর কে দেয়নি। সাড়ার হার, নমুনা-কাঠামো ও স্ব-নির্বাচন ঠিক করে শতাংশগুলো কী বর্ণনা করে — এক প্রতিষ্ঠানের শিক্ষার্থীদের একটি গবেষণা সেই পরিবেশ বর্ণনা করে, সাধারণভাবে শিক্ষার্থীদের নয়।
• যন্ত্রটি দেখুন। এটি কি এই গঠন ও জনগোষ্ঠীর জন্য বৈধতাপ্রাপ্ত ছিল, এবং দল তুলনা করা হলে অপরিবর্তনশীলতা পরীক্ষা করা হয়েছিল কি?
• একক-উৎস নকশা সম্পর্কে সতর্ক থাকুন। পূর্বানুমানক ও ফলাফল দুটোই যদি একই সময়ে একই প্রশ্নপত্র থেকে আসে, তবে সম্পর্কগুলো প্রস্তাবিত তত্ত্বের মতোই সাধারণ-পদ্ধতি ভেদের সঙ্গেও সঙ্গতিপূর্ণ।
• সন্তুষ্টিকে নকশার সংকেত ধরুন, শিখন-ফলাফল নয়। উচ্চ সন্তুষ্টি যোগে অপরীক্ষিত শিখন এআই-সরঞ্জাম মূল্যায়নের নিয়মিত বিন্যাস, এবং এই ভাণ্ডার দেখায় দুটো আলাদা হয়ে যায়।
• সেইসব গবেষণাকে প্রাধান্য দিন যারা নিজেদের কাজ দেখায়: ঘোষিত সাড়ার হার, ঘোষিত সীমাবদ্ধতা, এবং অন্তত একটি প্রমাণ-উৎস যা জিজ্ঞাসা থেকে আসে না।

সাধারণ ভুল ধারণা

• "সমীক্ষার প্রমাণ দুর্বল কিন্তু মোটামুটি পক্ষপাতহীন।" পক্ষপাতের আগেই সাড়া-কাঠামো অনুমানকে সীমাবদ্ধ করে: একটি সমীক্ষায় 31% সাড়ার হারে 112টি উত্তর আসে, অথবা 572টি আমন্ত্রণ থেকে 90টি উত্তর। উত্তরদাতার পুল একটি স্ব-নির্বাচিত উপসেট, তাই সংখ্যাটি সেই উপসেটই বর্ণনা করে।
• "সমীক্ষা এই ক্ষেত্রে একটি সংখ্যালঘু পদ্ধতি।" 394টি GenAI উচ্চশিক্ষা গবেষণার একটি স্কোপিং পর্যালোচনায় দেখা গেছে সমীক্ষা-স্কেলই সবচেয়ে বেশি প্রতিবেদিত মূল্যায়ন পদ্ধতি (269 গবেষণা, 68.3%), পরীক্ষা ও কুইজের চেয়ে এগিয়ে। ক্ষেত্রের প্রভাবশালী প্রমাণ আত্ম-প্রতিবেদন।
• "আত্ম-প্রতিবেদন ও মাপা গঠন একমত।" রচনার লেখকত্বে 80% থেকে 2% পর্যন্ত বিস্তৃত অফলোডিং-প্রোফাইলের মধ্যে স্ব-প্রতিবেদিত জ্ঞানীয় ভার উল্লেখযোগ্যভাবে আলাদা ছিল না, অথচ সবচেয়ে বেশি অফলোড করা শিক্ষার্থীরা পরিমাপযোগ্যভাবে আলাদা ছিলেন। যে জায়গায় আচরণ চল্লিশ গুণ ভিন্ন, সেখানে আত্মগত পরিমাপ সমান।

সংযুক্ত ধারণা

• AIEd গবেষণা ব্যাখ্যা ও প্রয়োগ
• শিক্ষামূলক পরিমাপ
• স্ব-মূল্যায়ন
• শিক্ষায় এআই-এর গবেষণা পদ্ধতি
• পরিমাণগত গবেষণা
• গুণগত গবেষণা
• মিশ্র-পদ্ধতি গবেষণা
• মূল্যায়নের বৈধতা
• আইটেম রেসপন্স তত্ত্ব
• এআই সাক্ষরতা
• বিশ্বাস ক্রমাঙ্কন
• শিখন-লাভ
• শিক্ষার্থীর সম্পৃক্ততা
• স্ব-কার্যকারিতা
• লার্নিং অ্যানালিটিক্স

সংযুক্ত নিবন্ধ

• Modeling high school students' acceptance of GenAI for physics learning via an extended technology acceptance model: Disciplinary beliefs as a distal antecedent — এক অভিপ্রায়-স্কোর, দুই বিপরীত ব্যবহার

• Voice-Based AI Feedback in Higher Education: A Field Study on Quality and Actionability — আত্ম-প্রতিবেদন-যন্ত্র যে পরিচালনা-ধরন ব্যবহার করে তা বদলে দেয় এটি কী মাপে

• A Capability–Decision Model of teacher readiness for AI integration in teaching — স্ব-প্রতিবেদিত এআই সক্ষমতাকে কার্যকারিতা-বিশ্বাস থেকে আলাদা করার বৈষম্যমূলক-বৈধতার মানদণ্ড

• Agentic AI in educational environments and its association with social and motivational pathways to learning performance — এজেন্টিক এআই পথ-মডেলে সম্পৃক্ততা মাপা কর্মদক্ষতার বদলে অনুভূত কর্মদক্ষতার পূর্বানুমান করে (Pramod & Patil 2026)

• How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures — শিক্ষক এআই সাক্ষরতার সমান্তরাল আত্ম-প্রতিবেদন ও বস্তুনিষ্ঠ পরিমাপ

• GLAT: The Generative AI Literacy Assessment Test — GLAT: আত্ম-প্রতিবেদনের একটি কর্মদক্ষতাভিত্তিক বিকল্প

• "It is a temptation to get it to do the work…" Student Experiences of Navigating the Generative AI Landscape in UK Higher Education: A Cross-Institutional Survey with International Comparison — যুক্তরাজ্যের প্রতিষ্ঠানজুড়ে শিক্ষার্থীদের GenAI ব্যবহারের সমীক্ষা

• Toward Convergence in Student-LLM Interactions: A Rapid Scoping Review and Taxonomy for Learning-Oriented Use — তথ্য আত্ম-প্রতিবেদন থেকে এসেছে কি লগ থেকে, তা দিয়ে গড়া শ্রেণিবিন্যাস

• Tracing GenAI Literacy: Student-AI Interaction Patterns in Academic Writing — GenAI সাক্ষরতা চিহ্নিত করার প্রক্রিয়া-তথ্য

• Engagement Intensity as a Learner-Modeling Signal for Adaptive AI Ethics Instruction — শিক্ষার্থী-মডেলিং সংকেত হিসেবে স্ব-প্রতিবেদিত ব্যবহার

• Predicting Student Attrition in Competitive Programming: A Large-Scale Study Integrating Survey Insights and Global Behavioral Logs — স্ব-প্রতিবেদিত আত্মবিশ্বাস বনাম অনুশীলন-আচরণ

• From AI Use to Critical Thinking Among Medical Students: A Moderated Mediation Perspective on Cognitive Load and Self-Regulated Learning — একক-উৎস মধ্যস্থতা মডেলে সাধারণ-পদ্ধতি পক্ষপাত

• Examining the Impact of Generative AI on Student Motivation and Engagement: The Mediating Role of Autonomy-Support and Autonomous Motivation in Education — অনুপ্রেরণা ও সম্পৃক্ততার কেবল-আত্ম-প্রতিবেদনভিত্তিক PLS-SEM

• Trust-utility gap in introductory physics education: Students' adoption, domain-specific skepticism, and preferences for AI integration — এআই ব্যবহার ও বিশ্বাস নিয়ে 81 পদার্থবিজ্ঞান স্নাতকের সমীক্ষা

• Summarize, elaborate, try again: exploring the effect of feedback literacy on AI-enhanced essay writing — আত্ম-প্রতিবেদনের প্রতিকার হিসেবে স্ক্রিন-রেকর্ডিং ও উদ্দীপিত স্মরণ

• Fostering self-regulated learning through adaptive learning technology: A differentiated perspective on the role of feedback — স্ব-নিয়ন্ত্রিত শিখনে আত্ম-প্রতিবেদন যোগে চিহ্ন-তথ্য

• Do Gains from Generative AI-Enabled Adaptive Pretesting Persist? Evidence from a Retention Study — লগ থেকে উদ্ভূত আচরণগত পরিশ্রম-সূচক

• Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness — আত্ম-প্রতিবেদন/বস্তুনিষ্ঠ-পরিমাপ ভারসাম্যহীনতা প্রতিবেদনকারী পর্যালোচনা

• লেখার জন্য GenAI-এর শিক্ষার্থী-ব্যবহার ও মতামত — এক সমাজবিজ্ঞান বিভাগে সমীক্ষা যোগে সাক্ষাৎকার

• Beyond AI Literacy: A Structured Review and Exploratory Meta-Analysis of Measures for Competent Generative-AI Use — এআই সাক্ষরতার বাইরে: সক্ষম জেনারেটিভ-এআই ব্যবহারের পরিমাপ নিয়ে একটি কাঠামোবদ্ধ পর্যালোচনা ও অন্বেষণমূলক মেটা-বিশ্লেষণ

• PAUSE: A Privacy-Preserving Self-Reflection Tool for AI-Associated Cognitive Offloading — PAUSE: এআই-সংযুক্ত জ্ঞানীয় অফলোডিংয়ের জন্য একটি গোপনীয়তা-রক্ষাকারী স্ব-প্রতিফলন সরঞ্জাম

• Development of an AI literacy self-assessment questionnaire in upper primary school students — উচ্চ-প্রাথমিক শিক্ষার্থীদের জন্য একটি 15-উপকরণের স্ব-মূল্যায়ন যন্ত্র, যা স্পষ্ট করে অনুভূত সক্ষমতা কী প্রতিষ্ঠা করতে পারে

• Assessing teachers' AI literacy: a systematic review of measurement tools — পর্যালোচনা দেখায় 33টি শিক্ষক-এআই-সাক্ষরতা যন্ত্রের 31টি আত্ম-প্রতিবেদন এবং কোনোটি কর্মদক্ষতাভিত্তিক নয়

• Behavioral clustering for adaptive learning object recommendation in higher education using learning analytics for personalized student success — আত্ম-প্রতিবেদন থেকে গড়া প্রোফাইলও একই আচরণ করে

• Same construct, same conclusion? A construct-observability perspective on self-report and non-self-report indicators in AI education research: a two-phase systematic review — সমগঠনে আত্ম-প্রতিবেদন বনাম কর্মদক্ষতার অমিলের একটি হার দেওয়া দুই-পর্যায়ের পর্যালোচনা (Fan et al. 2026)

• An Empirical Study to Understand How Students Use ChatGPT for Writing Essays — অনুভূত লেখকত্ব পুরো-রচনা প্রত্যর্পণকে বাকি সবকিছু থেকে আলাদা করেছে, অথচ চিহ্ন আরও অনেক বেশি আলাদা করেছে (Jelson et al. 2026)

• How Does Generative AI Support Inquiry-Based Learning? A Systematic Review - 66টি গবেষণার 32টিতে উপলব্ধি প্রতিবেদিত, বিপরীতে 8টি অনুসন্ধান-দক্ষতা মেপেছে

• K-12 AI literacy frameworks after generative AI: A scoping review - এআই সাক্ষরতা যন্ত্রের 63.8% নির্ভরযোগ্যতার প্রমাণ দেয় এবং 20%-এরও কম বৈধতার প্রমাণ দেয়