উচ্চশিক্ষায় এআই সাক্ষরতা হস্তক্ষেপ নিয়ে প্রমাণ কী?

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

প্রভোস্টের দপ্তর চায় আগামী শরতের মধ্যে প্রতিটি স্নাতক কর্মসূচিতে একটি এআই সাক্ষরতার ফলাফল, আর টেবিলে যে পরিকল্পনা আছে তা হলো দুই ঘণ্টার একটি কর্মশালা এবং একটি লাইব্রেরি টিউটোরিয়াল মডিউল। অথবা আপনার প্রতিষ্ঠানে একটি অনুদান ‘এআই সাক্ষরতা’র জন্য অর্থ দিয়েছে, আর প্রথম কমিটি-সভার বিষয় কী কেনা হবে। ঘরের কেউ একজন জিজ্ঞাসা করবেন এরপর শিক্ষার্থীরা কী করতে পারবে, আর যা এটি নিষ্পত্তি করে তা হলো একটি নকশা-যুক্তি।

সেই ঘরের উত্তর, এবং উচ্চশিক্ষায় প্রমাণের বর্তমান অবস্থা এই: সাক্ষরতা বাড়ে যখন শিক্ষার্থীরা একটি সত্যিকারের বিষয়ভিত্তিক কাজের ভেতরে এআই-এর ফলাফলের সমালোচনা করে, বারবার, সহপাঠীদের সঙ্গে, আর সবচেয়ে কম বাড়ে যখন তাদের দেখানো হয় সরঞ্জামটি কী করে। হস্তক্ষেপ-সাহিত্য জুড়ে গড় প্রভাব বড়; সেই গড়ের চারপাশের বিস্তার আরও বেশি, তাই আপনার নকশাই বিষয়ের চেয়ে বেশি সিদ্ধান্ত দেয়। আত্মবিশ্বাস-জরিপ গ্রহণ মাপে। সাক্ষরতার দাবি করতে চাইলে একটি কার্যসম্পাদন পরীক্ষা করুন।

সংক্ষেপে

1. সাক্ষরতাটি এমন কোর্সের ভেতরে রাখুন যা শিক্ষার্থীরা আগেই নেয়, এমন কাজের ওপর যা নিয়ে তাদের আগেই নম্বর দেওয়া হয়।

2. মডেলের উত্তর দেখার আগে তাদের নিজের উত্তরেই প্রতিশ্রুতিবদ্ধ করুন।

3. সমালোচনাকেই নম্বর দিন, যে রুব্রিক আপনি কাজটির জন্য আগেই ব্যবহার করেন তা দিয়েই।

4. টার্ম জুড়ে এটি একবারের বেশি চালান।

5. প্রমাণ হিসেবে একটি কার্যসম্পাদন-কাজ গণ্য করুন, আর আত্মবিশ্বাসের অর্জন আলাদা লাইনে রাখুন।

সমালোচনার চারপাশে ক্রমটি গড়ুন

জ্ঞানভিত্তিতে সবচেয়ে শক্তিশালী শ্রেণিকক্ষের উদাহরণটি আসে স্নাতক মনোবিজ্ঞান থেকে। Richmond ও Nicholls শিক্ষার্থীদের একটি ChatGPT-উৎপন্ন মিডিয়া বিজ্ঞপ্তি নিজেদের কোর্সের রুব্রিক দিয়ে নম্বর দিতে, ভুলগুলো চিহ্নিত করতে এবং তা সংস্কার করতে দেন। শিক্ষার্থীরা সাধারণত দেখেছে গদ্যটি মসৃণ, অথচ বিষয়বস্তু গবেষণার লক্ষ্য, পদ্ধতি ও ফলাফলকে ভুলভাবে উপস্থাপন করেছে। আগের সহপাঠী-মূল্যায়ন দলের তুলনায় এআই-সমালোচনা দল পরের স্ক্রিপ্ট-সংস্কারে সামান্য ভালো করেছে (d = 0.36), চূড়ান্ত ভিডিওতে উল্লেখযোগ্য কোনো সুবিধা ছাড়াই (Using Generative AI to Promote Psychological, Feedback, and Artificial Intelligence Literacies in Undergraduate Psychology)।

এই উদাহরণগুলো যে সাহিত্য থেকে এসেছে তা নির্ভর করে সংক্ষিপ্ত হস্তক্ষেপ, স্ব-প্রতিবেদন ও নকশাভিত্তিক কাজের ওপর, আর এই অধ্যয়নটি সেই সীমাগুলোর দুটি বহন করে। তুলনাটি ঐতিহাসিক ছিল, তাই আরও ভালো প্রস্তুতি নেওয়া একটি কোহোর্টও একই ধাঁচ তৈরি করত। সুবিধাটি আরও দেখা গিয়েছিল মধ্যবর্তী আর্টিফ্যাক্টে এবং চূড়ান্তটিতে মিলিয়ে গিয়েছিল, যা-ই আশা করা যায় যদি সমালোচনা সংস্কার শেখায়।

Beck ও Brodersen একই চাল একটি অর্থনীতি কোর্সে বসান: শিক্ষার্থীরা নিজেরা একটি সত্যিকারের সমস্যা সমাধান বা ব্যাখ্যা করে, তারপর ChatGPT-এর উত্তর নেয়, দুটি মেলায়, এআই-এর সমালোচনা করে, প্রতিফলন করে এবং সহপাঠীদের সঙ্গে আলোচনা করে। তাঁদের নকশা এআই সাক্ষরতাকে সক্রিয় শিখন-এর সেই রুটিনগুলোতেই ভাঁজ করে যা কোর্স আগেই চালাত, যেমন Think-Pair-Share। এর অবদান একটি হস্তান্তরযোগ্য শিক্ষাদান-নকশা, যা সমর্থিত পরীক্ষা-নিরীক্ষার বদলে শ্রেণিকক্ষের ব্যবহারে (Fostering Generative AI Literacy in Economics: A Hands-on Approach)।

এমন কোর্সের ভেতরে রাখুন যা শিক্ষার্থীরা আগেই নেয়

Hingle ও Johri-র পদ্ধতিগত পর্যালোচনা এআই সাক্ষরতার কার্যক্রমগুলোকে ICAP কাঠামো দিয়ে সাজায়: নিষ্ক্রিয় সংস্পর্শ, সক্রিয় হস্তক্ষেপ, গঠনমূলক সৃষ্টি এবং আন্তঃক্রিয় সহ-নির্মাণ। হস্তক্ষেপ চারটি ধরনেই দেখা যায়, আর পর্যালোচনাটি এআই সাক্ষরতাকে একমুখী তথ্য-সেশনে নামিয়ে আনার বিরুদ্ধে যুক্তি দেয় (Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)। এটি যে অনুশীলনগুলোকে সমর্থন করে সেগুলোই আপনি একটি অ্যাসাইনমেন্টে বসাতে পারেন: শিক্ষার্থীরা এআই-এর ফলাফল তৈরি করে, সমালোচনা করে, ব্যাখ্যা করে এবং সহপাঠীদের সঙ্গে তর্ক করে।

NC State-এর এআই সাক্ষরতা ধারাবাহিকতা এখনও যুক্ত নয় ও অবিচার-বিবেচনাহীন ব্যবহার থেকে অবহিত ব্যবহার, সমালোচনামূলক মূল্যায়ন ও উন্নতি পর্যন্ত একটি ক্রম বর্ণনা করে, এবং কোর্স ও কর্মশালা জুড়ে 330-এরও বেশি অংশগ্রহণকারী নিয়ে প্রয়োগ করা হয়েছে (Beyond Tool Adoption: A Practical Five-Stage Developmental Continuum for AI Literacy in Higher Education)। এর পর্যবেক্ষণ একটি বিভাজনের ইশারা দেয়: সংক্ষিপ্ত অভিজ্ঞতা শিক্ষার্থীদের অবহিত ব্যবহারের দিকে সরায়, অথচ সমালোচনামূলক মূল্যায়ন ও উন্নতি দেখা যায় মূলত দীর্ঘস্থায়ী, বিষয়-নিহিত কাজে। কোনো যাচাইকৃত পূর্ব ও পরবর্তী মাপ ছিল না, তুলনামূলক দলও ছিল না, তাই এটি অনুশীলনভিত্তিক প্রমাণ।

শিক্ষক-প্রশিক্ষণ ভিন্ন কোণ থেকে একই শীর্ষসীমা দেখায়। Le প্রমুখের নকশাভিত্তিক হস্তক্ষেপ 14 জন স্নাতকোত্তর শিক্ষার্থী নিয়ে পাইলট করা হয় এবং 29 জন শিক্ষক-প্রশিক্ষণ শিক্ষার্থী নিয়ে মূল্যায়ন করা হয়। প্রতিবেদিত এআই-সক্ষমতার আত্ম-কার্যকারিতা বেড়েছে এবং শিক্ষার্থীরা জেনারেটিভ এআই নিয়ে আরও সমালোচনামূলক শিক্ষাদানগত বিবেচনার দিকে সরে গেছে, অথচ নৈতিকতার অর্জন পৌঁছেছে কেবল প্রান্তিক তাৎপর্যে। এই ধরনের একটি ছোট নকশাভিত্তিক অধ্যয়ন সক্ষমতা প্রতিষ্ঠা করতে পারে না (Development and evaluation of artificial intelligence literacy training for teacher education students)।

শিক্ষার্থীরা কী করতে পারে তা মাপুন

59টি অধ্যয়নের তিন-স্তরের মেটা-বিশ্লেষণ (172টি প্রভাব-আকার, 7,211 অংশগ্রহণকারী) সবচেয়ে স্পষ্ট পরিমাণগত অনুমান দেয়: একটি বড় সামগ্রিক প্রভাব (g = 0.837, p < .001)। 95% পূর্বাভাস-ব্যবধান চলে -0.292 থেকে 1.966 পর্যন্ত, আর কেউ জিজ্ঞাসা করলে আপনার কর্মসূচিতে হস্তক্ষেপটি কাজ করবে কি না, তখন উদ্ধৃত করার সংখ্যা এটিই। দুটি নিয়ন্ত্রক তাৎপর্যপূর্ণ ছিল। পূর্ব এশিয়া ও ইউরোপের হস্তক্ষেপ উত্তর আমেরিকার চেয়ে ভালো করেছে, আর জ্ঞানকেন্দ্রিক হস্তক্ষেপ দক্ষতা, মনোভাব বা নৈতিকতাকে লক্ষ্য করা হস্তক্ষেপের চেয়ে ভালো করেছে। মিশ্র বা প্রতিফলনমূলক শিক্ষাদান, জেনারেটিভ এআই-সমর্থিত সরঞ্জাম এবং কার্যসম্পাদন-ফলাফলে বড় কিন্তু অ-তাৎপর্যপূর্ণ প্রভাব দেখা গেছে।

লেখকেরা নিজেদের ফলটিকেই জ্ঞান থেকে দক্ষতা, অনুশীলন, নৈতিকতা ও মনোভাবের দিকে সরে যাওয়ার পক্ষে যুক্তি হিসেবে পড়েন, সমন্বিত প্রতিফলনমূলক শিক্ষাদান ও সাংস্কৃতিকভাবে প্রাসঙ্গিক নকশার মধ্য দিয়ে। একটি কমিটির জন্য দুটি অনুমানই কাজটি করে। আপনি যে ফলাফল মাপেন তা-ই আপনি যে প্রভাব পান তা গড়ে দেয়, তাই যে ফলাফল নিয়ে সত্যিই আপনার মাথাব্যথা সেটিই বেছে নিন। এত চওড়া একটি পূর্বাভাস-ব্যবধান স্থানীয় পাইলটের পক্ষে যুক্তি দেয়।

পরিমাপই সেই জায়গা যেখানে বেশিরভাগ কর্মসূচি-দাবি ব্যর্থ হয়। যাচাইকৃত GLAT কার্যসম্পাদন-পরীক্ষা একটি এআই-সহায়তাপ্রাপ্ত উচ্চশিক্ষা-কাজে কর্মক্ষমতার পূর্বাভাস দিয়েছে। একটি স্ব-প্রতিবেদিত ChatGPT-সাক্ষরতা মাপ তা পারেনি (GLAT: The Generative AI Literacy Assessment Test; How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures)। জ্ঞানভিত্তি জুড়ে প্রতিবেদিত ও প্রদর্শিত এআই-সক্ষমতা যথেষ্ট আলাদা, যা শিক্ষামূলক পরিমাপ ও মূল্যায়নের বৈধতা-কে মূল্যায়নে পরে ভাবনার বিষয় নয়, নকশারই অংশ করে তোলে।

Burriss প্রমুখ কী গণ্য হবে তা ধারালো করেন। এআই নৈতিকতা নিয়ে ভিডিও পাবলিক সার্ভিস ঘোষণা তৈরি করা 22 জন একাদশ শ্রেণির শিক্ষার্থীর তাদের অধ্যয়ন যুক্তি দেয়, বিদ্যমান সাক্ষরতা-মাপকাঠি ও সক্ষমতা-কাঠামো ধরে নেয় ব্যক্তিগতভাবে মাপা যায় এমন কর্মক্ষমতা, যা সহযোগিতামূলক ও সৃজনশীল প্রকাশকে বাদ দেয়। তাঁরা প্রচলিত মাপের পরিপূরক হিসেবে প্রস্তাব করেন শিক্ষার্থী-প্রতিফলন, বহুরূপী আর্টিফ্যাক্ট ও নাগরিক আলোচনা। তাঁদের শিক্ষার্থীরা সহযোগিতামূলক সমালোচনামূলক শিক্ষাদান-এর মধ্য দিয়ে এআই-নৈতিকতার সমালোচনামূলক বোঝাপড়া গড়ে তুলেছে, আর তা সাক্ষরতার দক্ষতা-তালিকা ধারণাকে চ্যালেঞ্জ করে, সঙ্গে সেই ধারণার ওপর দাঁড়ানো সরঞ্জামগুলোকেও। এককশেষ 18টি উত্তরের মধ্যে 15টি নতুন শিখনকে সমর্থন করেছে, আর লেখকেরা উল্লেখ করেন প্রকল্পটি প্রচলিত সমন্বিত মূল্যায়ন-কে প্রতিরোধ করে ("Young Scholar[s] on the Beat": Multimodal Composition as a Form of Critical AI Literacy Pedagogy)।

গ্রহণের মাপ আলাদা একটি ফাঁদ। Wang, Chuang ও Wu প্রায় 30 মিনিটের একটি বয়স-স্তরভিত্তিক এআই সাক্ষরতা-নির্দেশিকার পর 831 জন তাইওয়ানি K-12 শিক্ষার্থী ও শিক্ষকের জরিপ করেন এবং একটি স্থিতিশীল চার-উপাদানের গ্রহণ-কাঠামো পান। অনুভূত ক্রীড়নশীলতা ছিল আচরণগত অভিপ্রায়ের সবচেয়ে শক্তিশালী সম্পর্কযুক্ত। অধ্যয়নটি মেপেছে স্বল্পমেয়াদি গ্রহণ, শিখন-লাভ, নৈতিক সক্ষমতা বা প্রকৃত ব্যবহার নয়, আর লেখকেরা বলেন গ্রহণ-সংক্রান্ত গঠনগুলোকে ‘শিখনের কার্যকারিতা বা প্রয়োগের সাফল্য অনুমান করতে ব্যবহার করা যাবে না’ (Measuring Acceptance of Age-Tiered AI Literacy Guidebooks: A Developmentally Informed Study of K-12 Students and Teachers)।

শিক্ষাদান যা সারাবে না সেই ভুলগুলোর জন্য পরিকল্পনা করুন

শিক্ষার্থীদের আরও ভালো প্রম্পট করতে বা এআই ব্যবহার করতে প্রশিক্ষণ দেওয়া তাদের নির্ভরযোগ্যভাবে সমালোচনামূলক ব্যবহারকারী করে না। প্রসঙ্গগত তোষামোদ-পরীক্ষায় এআই সাক্ষরতা ও প্রম্পটিং প্রশিক্ষণ কমিয়েছে মডেল কতবার অংশগ্রহণকারীদের যুক্তির ভুল প্রতিফলিত করেছে, অথচ ভুলের পরবর্তী প্রবাহ প্রশিক্ষণ সত্ত্বেও টিকে গেছে (The Hidden Cost of Contextual Sycophancy: an AI Literacy Intervention in Human-AI Collaboration)।

এটিকে একটি সীমা হিসেবে পড়ুন, একটি কোর্স কী প্রতিশ্রুতি দিতে পারে তার। সাক্ষরতা-শিক্ষা গোটা নিরাপত্তা-ভার বহন করতে পারে না, আর যে কর্মসূচি তা করবে বলে দাবি করে সে ঝুঁকি সরায়নি, কেবল সরিয়েছে। সরঞ্জামের নকশা ও ব্যবস্থা-স্তরের সুরক্ষা পরিকল্পনাতেই থাকে।

শিক্ষার্থীরা যেখানে আগেই আছে সেখান থেকেই শুরু করুন

Şan ও Orhan Karsak 436 জন তুর্কি স্নাতকের সঙ্গে একটি মনোভাষাগত শব্দ-সংযোগ পরীক্ষা ব্যবহার করেন (1,376টি কোডকৃত উত্তর, রেটারদের মধ্যে κ = 0.87) শিক্ষার্থীরা এআই-কে কীভাবে উপস্থাপন করে তা ম্যাপ করতে। সংযোগগুলো জমা হয়েছিল উপকরণগত উপযোগের চারপাশে, যেখানে সুবিধাজনকতা (f = 145) ও গতি (f = 110) প্রধান। অ্যালগরিদমিক স্বচ্ছতা, গোপনীয়তা ও শাসন-ধারণা বিরল ছিল, এবং কাঠামোগতভাবে সেই উপযোগ-গুচ্ছ থেকে বিচ্ছিন্ন (Kendall-এর τ = -0.819)। তাঁদের যুক্তি এর পরেই: যে নৈতিকতা-মডিউল এমন সংজ্ঞানাত্মক কাঠামোয় পাঠানো হয় যেখানে তা গ্রহণ করার কোনো স্কিমা নেই, তা সম্ভবত ব্যর্থ হবে। পাঠ্যক্রমের দরকার দৈনন্দিন সরঞ্জাম-জ্ঞান থেকে নৈতিক ও শাসন-কাঠামোতে স্পষ্ট সেতু, আর মাইক্রো-ক্রেডেনশিয়ালের উচিত বিষয়বস্তু এমনভাবে সাজানো যা সেই ফাঁক বন্ধ করে, শিক্ষার্থীরা যা জানে তা পুনরাবৃত্তি করার বদলে (Knowing Its Name, Not Its Nature: Word Association Mapping of Student AI Cognition and Evidence-Based Micro-Credential Design in Turkish Higher Education)।

একটি পরিস্থিতিভিত্তিক বিবরণ আসে Dai ও Chan-এর সাতটি ফোকাস-গ্রুপ থেকে, 28 জন স্নাতকোত্তর গবেষক নিয়ে, যাঁরা গবেষণা-প্রবাহ জুড়ে এআই অসমভাবে ব্যবহার করেছেন। বিন্যাস, অনুবাদ ও ব্যাখ্যার মতো নিম্ন-ঝুঁকির পদ্ধতিগত কাজে ব্যবহার বেশি ছিল, আর পাণ্ডিত্যপূর্ণ অবদান যখন দাঁড়িপাল্লায় তখন লক্ষণীয়ভাবে বেশি সতর্ক। অংশগ্রহণকারীরা নিজেরাই সীমা টেনেছেন তাঁদের যুক্তিকে সহায়তা করা ও প্রতিস্থাপন করার মধ্যে। লেখকেরা এআই সাক্ষরতা-কে স্থির সক্ষমতা-তালিকার বদলে একটি পরিস্থিতিভিত্তিক সামর্থ্য হিসেবে গণ্য করেন, এবং বাইনারি নিয়ম বলবৎ করার বদলে প্রতিটি মাত্রাকে সত্যিকারের কাজে স্ক্যাফোল্ড করার সুপারিশ করেন (Shaping Responsible GenAI Use in Research Through AI Literacy-Oriented Guidelines: Insights From Postgraduate Students)।

সনদ দেওয়ার আগে ক্রেডেনশিয়াল যাচাই করুন

সার্টিফিকেট ও মাইক্রো-ক্রেডেনশিয়ালই সেই জায়গা যেখানে এআই সাক্ষরতা বড় মাপে পৌঁছে দেওয়া হয়, আর যেখানে মূল্যায়ন সবচেয়ে পাতলা। Wu ও Li এআই সার্টিফিকেট কর্মসূচির জন্য একটি বিশেষজ্ঞ-ভারযুক্ত সূচক ব্যবস্থা তৈরি করেন (AHP ও Fuzzy-AHP, Monte Carlo যাচাইসহ, 18 জন বিশেষজ্ঞ)। শিক্ষকমণ্ডলীর পেশাগত সক্ষমতা সবচেয়ে বড় গুরুত্ব-সন্তুষ্টি ফাঁক দেখিয়েছে, যেখানে অনুভূত গুরুত্ব উচ্চ (0.1976) অথচ বর্তমান সন্তুষ্টি নিম্ন। তাঁদের উপাত্ত শিক্ষাদানগত পরিবর্তনের প্রাথমিক সীমাবদ্ধতা হিসেবে শিক্ষকমণ্ডলীর সক্ষমতাকে প্রযুক্তিগত অবকাঠামোর চেয়ে এগিয়ে রাখে। আন্তঃসাংস্কৃতিক অভিযোজনযোগ্যতা সবচেয়ে কম কৌশলগত ওজন পায় (0.0735), যা তাঁরা প্রাথমিক ক্রেডেনশিয়ালিংয়ে প্রযুক্তি-প্রথম পক্ষপাত হিসেবে পড়েন (Evaluation Indicator System for AI Certificate Programs)।

এর পরের প্রশ্নটিই আপনার নিজের কর্মসূচিকে করা উচিত: ক্রেডেনশিয়ালটি কি টেকসই সাক্ষরতার সনদ দেয়, নাকি উপস্থিতির রেকর্ড রাখে? আর যাঁরা এটি শেখান, তাঁরা বিচার করার যোগ্যতা রাখেন কি?

এই পাঠকগোষ্ঠী যা ভুল বোঝে

একটি কর্মশালাই একটি পাঠ্যক্রম। ধারাবাহিকতার পর্যবেক্ষণে সমালোচনামূলক মূল্যায়ন ও উন্নতি থাকে দীর্ঘস্থায়ী, বিষয়-নিহিত কাজে, আর Le প্রমুখ আত্ম-কার্যকারিতা সরিয়েছেন সক্ষমতা প্রতিষ্ঠা না করেই।

আত্মবিশ্বাসই সাক্ষরতার প্রক্সি। GLAT-এর ফল সরাসরি: একটি কার্যসম্পাদন-পরীক্ষা কাজের কর্মক্ষমতার পূর্বাভাস দিয়েছে, একটি স্ব-প্রতিবেদন-মাপ দেয়নি।

বড় গড় প্রভাব মানে এই কর্মসূচি এখানেও কাজ করবে। -0.292 থেকে 1.966 পর্যন্ত পূর্বাভাস-ব্যবধানে গড়টি ক্ষেত্রটিকে বর্ণনা করে; আপনার কোহোর্ট সেই পরিসরের কোথাও বসে আছে।

সাক্ষরতা-প্রশিক্ষণ শিক্ষার্থীদের নিরাপদ ব্যবহারকারী করে। তোষামোদ-পরীক্ষায় প্রশিক্ষণ প্রতিফলন কমিয়েছে, অথচ ভুলের প্রবাহ অক্ষত রেখেছে।

সাক্ষরতা একক দক্ষতা যা সরঞ্জাম থেকে সরঞ্জামে হস্তান্তর হয়। Dai ও Chan দেখেন গবেষকেরা একই কাজ-প্রবাহের ভিন্ন ভিন্ন অংশে ভিন্ন ভিন্ন সীমা টানছেন।

যা আপনার দিকে ফিরে আসবে

“পাঠ্যক্রমে জায়গা নেই।” সমালোচনাটি এমন একটি অ্যাসাইনমেন্টে যোগ করুন যেটিতে আপনি আগেই নম্বর দেন, যেভাবে Beck ও Brodersen এটি বিদ্যমান সক্রিয়-শিখন রুটিনে ভাঁজ করেছিলেন। আলাদা কোর্সে খরচ বেশি, ফল একই।

“আমাদের শিক্ষার্থীরা এই প্রযুক্তি নিয়েই বড় হয়েছে।” সরঞ্জামের সঙ্গে পরিচয়ই Şan ও Orhan Karsak মেপেছেন: সুবিধাজনকতা ও গতি, সঙ্গে গোপনীয়তা ও শাসন কাঠামোগতভাবে বিচ্ছিন্ন। কোনো কিছু ব্যবহারে সাবলীলতা মানে তা বোঝা নয়।

“শুধু প্রভাব-আকারটা দিন।” g = 0.837, p < .001, 59টি অধ্যয়ন থেকে, 95% পূর্বাভাস-ব্যবধান -0.292 থেকে 1.966। আপনার সিদ্ধান্ত নিয়ন্ত্রণ করে দ্বিতীয় সংখ্যাটি।

“আমরা টার্মের শেষে শিক্ষার্থীদের জরিপ করব।” তাহলে আপনি গ্রহণ মাপবেন। Wang প্রমুখ স্পষ্ট বলেন এটি কী সমর্থন করতে পারে না, 831 জনের নমুনায়।

“ক্রেডেনশিয়ালটিই জবাবদিহির ব্যবস্থা।” Wu ও Li দেখেন শিক্ষকমণ্ডলীর সক্ষমতাই বাঁধা সীমাবদ্ধতা, আর আন্তঃসাংস্কৃতিক অভিযোজনযোগ্যতার ওজন সবচেয়ে কম। একটি সার্টিফিকেট নথিভুক্ত করে কেউ কিছু সম্পন্ন করেছে।

“আমাদের শিক্ষকমণ্ডলী এটি শেখানোর জন্য প্রস্তুত নন।” প্রমাণ একমত। Wu ও Li-র উপাত্তে শিক্ষকমণ্ডলীর সক্ষমতাই ছিল সবচেয়ে বড় ফাঁক, আর এই পাতার কোনো অধ্যয়ন তা কীভাবে বন্ধ করা যায় তা পরীক্ষা করে না।

এই সপ্তাহে কী করবেন

1. একটি নম্বরযুক্ত অ্যাসাইনমেন্ট বেছে নিন এবং এমন একটি ধাপ যোগ করুন যেখানে শিক্ষার্থীরা এআই-এর সঙ্গে পরামর্শের আগে নিজের উত্তর তৈরি করে।

2. সমালোচনার প্রম্পটটি আপনার বিদ্যমান রুব্রিক অনুযায়ী লিখুন, যাতে শিক্ষার্থীরা যে মানদণ্ড আপনি আগেই ব্যবহার করেন তা দিয়েই ফলাফলকে নম্বর দেয়।

3. একই কোর্সে, টার্মের পরে একই কাজের দ্বিতীয় রাউন্ড নির্ধারণ করুন।

4. টার্মশেষের একটি আত্মবিশ্বাস-প্রশ্নের বদলে একটি সংক্ষিপ্ত কার্যসম্পাদন-আইটেম রাখুন, এবং তা নম্বর দিন।

5. আপনার মাইক্রো-ক্রেডেনশিয়ালের মালিককে জিজ্ঞাসা করুন এটি সক্ষমতার কোন প্রমাণ গ্রহণ করবে, এবং উত্তরটি লিখিতভাবে নিন।

এরপর কোথায় যাবেন

আমি কীভাবে আমার কোর্সে এআই সাক্ষরতা অন্তর্ভুক্ত করব? নকশার প্রশ্নটিকে কোর্স-পরিকল্পনায় নিয়ে যায়। এআই সাক্ষরতা ধারণাটি ও তার পরিমাপ-বিতর্ক ধরে রাখে, আর গবেষণা-ফাঁক পাতাটি দেখায় এই সাহিত্য কোথায় এখনও পাতলা।