আমার কোর্সে এআই সাক্ষরতা কীভাবে অন্তর্ভুক্ত করব?

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

আপনার প্রোগ্রাম-পর্যালোচনা বলছে স্নাতকদের এআই সাক্ষরতা দরকার, অথচ আপনি যে মেয়াদে সত্যিই ক্লাস নেন তার জন্য এর অর্থ কী, তা কেউ বলেনি। বা আপনি যে কোর্সটি উত্তরাধিকারসূত্রে পেয়েছেন তাতে “এআই টুল” নামের একটি সেশন আছে যা কেউ রক্ষা করতে পারে না, আর আপনাকে ঠিক করতে হবে এটি রাখবেন কি না। বা আপনি দেখেছেন একজন শিক্ষার্থী একটি প্রম্পট পেস্ট করে, প্রথম উত্তরটাই মেনে নিয়ে জমা দিয়েছে, আর আপনি চান পরের অ্যাসাইনমেন্টটি সেই অভ্যাসে বাধা দিক।

মূল কথা: আপনি ইতিমধ্যে যেসব কাজে নম্বর দেন, তার সঙ্গে একটি ধাপ যোগ করুন, যেখানে শিক্ষার্থীরা প্রথমে নিজের উত্তর দেয়, তারপর টুলের উত্তরের সঙ্গে মিলিয়ে দেখে, এবং যা রেখেছে তার পক্ষে যুক্তি দেয়। যে সাক্ষরতা টিকে থাকে তা শাস্ত্রভিত্তিক, পুনরাবৃত্ত, এবং বিচার হিসেবে মূল্যায়িত হয়, সংজ্ঞা হিসেবে মুখস্থ নয়।

সংক্ষেপে

1. কাজটিকে আপনি ইতিমধ্যে যেসব কাজে নম্বর দেন তার সঙ্গে যুক্ত করুন। দ্বিতীয় সপ্তাহে আলাদা একটি মডিউল এর দুর্বলতম রূপ।

2. টুল উত্তর তৈরির আগেই শিক্ষার্থীদের একটি উত্তর তৈরি করান, আর তুলনাটিকেই অ্যাসাইনমেন্ট বানান।

3. এআই-এর ফল মূল্যায়ন ও মেরামতের নম্বর দিন, তা উৎপাদনের নম্বর নয়। সেই দক্ষতা নিজে থেকে স্থানান্তরিত হয় না।

4. আপনার ক্ষেত্রে এআই যে ভুলগুলো করে তা আপনার ক্ষেত্রের ভাষায় নাম দিন, এবং অনুশীলনটি একবারের বেশি পুনরাবৃত্তি করুন।

5. বিচার মূল্যায়ন করুন একটি কেস দিয়ে, আত্মবিশ্বাস নয় একটি সমীক্ষা দিয়ে।

পাঠ যোগ করবেন না, আপনি ইতিমধ্যে যেসব কাজে নম্বর দেন তার সঙ্গে একটি ধাপ যোগ করুন

প্রাতিষ্ঠানিক ডিফল্ট পদক্ষেপ হলো একটি আলাদা মডিউল, সাধারণত মেয়াদের শুরুতে, বড় ভাষা-মডেল কীভাবে কাজ করে ও প্রম্পট কীভাবে লিখতে হয় তা নিয়ে। এআই সাক্ষরতা সংশ্লেষ ভিন্ন একটি বিন্যাসের পক্ষে যুক্তি দেয়: শিক্ষার্থীরা তখনই বেশি কাজে লাগে এমন সাক্ষরতা গড়ে তোলে, যখন তারা সত্যিকারের কোর্স-কাজের ভেতরে বারবার এআই ব্যবহার করে, প্রশ্ন করে, যাচাই করে, সমালোচনা করে এবং সিদ্ধান্ত নেয়। সমালোচনামূলক মূল্যায়নের দিকে অগ্রগতি সবচেয়ে স্পষ্ট সেখানে, যেখানে এই অভিজ্ঞতাগুলো টিকে থাকে ও অন্তর্ভুক্ত থাকে, একবার দিয়ে দেওয়া হয় না (উচ্চশিক্ষায় এআই সাক্ষরতার ব্যবহারিক পাঁচ-ধাপের ধারাবাহিকতা)।

পরিমাণগত প্রমাণও একই দিকে ইঙ্গিত করে। 59টি এআই-সাক্ষরতা হস্তক্ষেপের মেটা-বিশ্লেষণ সমন্বিত ও প্রতিফলনমূলক শিক্ষাদানে সবচেয়ে বড় প্রভাব পেয়েছে। এটি এই সতর্কতাও দেয় যে জ্ঞানকেন্দ্রিক হস্তক্ষেপগুলো দক্ষতা, মনোভাব বা নৈতিকতা লক্ষ্য করা হস্তক্ষেপগুলোর চেয়ে বড় মাপা প্রভাব দেখায়। কী মাপবেন তা বাছাই করার সময় এটি মনে রাখুন।

বিদ্যমান কাজের ওপর গড়ার আরেকটি কারণ কাজের চাপ। জেনারেটিভ এআই নিয়ে কম্পিউটিং শিক্ষায় 72টি প্রায়োগিক গবেষণার 2026 সালের একটি সংশ্লেষ বলে, এই কর্পাসে সবচেয়ে শক্তিশালী ও সবচেয়ে বেশি পুনরাবৃত্ত ফলাফল হলো এআই নির্ভরযোগ্যভাবে স্বল্পমেয়াদি সমাপ্তি বাড়ায় এবং কাজে লাগানো সময় কমায়, 36টি গবেষণা জুড়ে। 21টি গবেষণা অনুযায়ী সেই লাভ “স্বতন্ত্র কর্মক্ষমতায় স্থানান্তরিত হয় না”। শিক্ষার্থীরা বেশি সম্পন্ন করে কম বোঝে, যদি না ফলের সঙ্গে সমালোচনামূলক সম্পৃক্ততা কাঠামোগতভাবে বাধ্যতামূলক হয় (কম্পিউটিং শিক্ষায় জেনারেটিভ এআই: একটি পদ্ধতিগত পর্যালোচনা ও দায়িত্বশীল অন্তর্ভুক্তির কাঠামো)।

লাভ নির্ভর করে পূর্ব-জ্ঞানের ওপরও। ভালোভাবে প্রস্তুত শিক্ষার্থীরা এআই-সহায়তাকে টেকসই দক্ষতায় রূপান্তর করে। কম প্রস্তুত শিক্ষার্থীরা এটিকে এমন ক্রাচ হিসেবে ব্যবহারের ঝুঁকিতে থাকে যা উৎপাদনশীল ব্যর্থতা দূর করে দেয়। পর্যালোচনার ডিফল্ট সুপারিশ হলো ক্রমবর্ধমান প্রবেশাধিকার: আগে এআই-মুক্ত ভিত্তি, তারপর বাধ্যতামূলক ব্যাখ্যা-কাজসহ নির্দেশিত ব্যবহার, তারপর প্রতিফলনমূলক সমালোচনা। এই ক্রমটি নতুন একটি ইউনিটের চেয়ে বিদ্যমান কোর্সে অনেক সহজে বসে। ধাপগুলো কীভাবে সাজাবেন তা ভাবতে হবে লার্নিং ডিজাইন-এ, আর Curriculum Design একই সমস্যার প্রোগ্রাম-স্তরের রূপ।

টুল উত্তর দেওয়ার আগেই তাদের প্রতিশ্রুতিবদ্ধ করান

আগে চিন্তা, পরে এআই। শিক্ষার্থীদের কিছু দেখার আগেই একটি প্রাথমিক ব্যাখ্যা, সমাধান, যুক্তি, পূর্বানুমান বা খসড়া তৈরি করতে বলুন। এরপর তারা নিজেদের চিন্তা ফলের সঙ্গে মেলায়, মিল ও অমিলের নাম দেয়, দাবিগুলো যাচাই করে, এবং কী গ্রহণ করবে তা ঠিক করে। এটি টুলকে সেই জ্ঞানীয় কাজের বদল হয়ে ওঠা থেকে আটকায় যা গড়ে তুলতে অ্যাসাইনমেন্টটি আছে, আর ঠিক এই উদ্বেগই সংজ্ঞানাত্মক অফলোডিং ও AI Misuse and Learning Harm-এর পেছনে আছে: তাৎক্ষণিক কর্মক্ষমতা বাড়তে পারে, অথচ স্বতন্ত্র শিখন ক্ষতিগ্রস্ত হয়।

এই কাঠামো ছাড়া কী ঘটে, তা ভালোভাবেই নথিভুক্ত। 38 জন স্নাতকের ওপর ইয়ান প্রমুখের প্রিসেজ-প্রসেস-প্রোডাক্ট গবেষণা দেখে 76.32% একটি এক-পাল্টা ধাঁচে চলে, জিজ্ঞাসা করা, উত্তর পাওয়া, থামা; আর 78.94% জেনারেটিভ এআই ব্যবহার করেছে কেবল শুরু করার আগে বা খসড়ার পরে। নিপুণতা-কেন্দ্রিক শিক্ষার্থীরাও পৃষ্ঠতল প্রক্রিয়াতেই থেমে গেছে। লেখকেরা ফলাফলটিকে দক্ষতার একটি বিরোধাভাস বলেন, যেখানে গতি পাওয়া যায় সেই জ্ঞানীয় কাজের খরচে যা স্কিমা গড়ে তোলে, এবং একজন শিক্ষার্থীর কথা উদ্ধৃত করেন: “যে গতিতে ভুলে যান, সেটাও খুব দ্রুত।” তাঁরা কারণটি খুঁজে পান একটি প্রাতিষ্ঠানিক শূন্যতায়, যেখানে প্রশিক্ষকরা নকল নিষিদ্ধ করেন কিন্তু উৎপাদনশীল ব্যবহার শেখান কমই (সংজ্ঞানাত্মক আউটসোর্সিং থেকে পুনর্বণ্টনে)।

প্রক্রিয়া-আর্টিফ্যাক্ট বাধ্যতামূলক করা সস্তা সমাধান। সংলাপ-ইতিহাস, একটি প্রতিফলন-টীকা, একটি সংশোধন-লগ: এর যেকোনোটি কর্মপ্রবাহকে দৃশ্যমান করে, Metacognition-কে আঁকড়ে ধরার কিছু দেয়, এবং স্ব-নিয়ন্ত্রণকে নম্বরযোগ্য করে তোলে। এটি সেই প্রমাণও দেয় যা অসদাচরণ নিয়ে কথাবার্তায় অন্যথায় থাকত না।

সমালোচনার ওপর নম্বর দিন

শিক্ষার্থীরা একটি এআই-উত্তরে তথ্যগত ভুল, অসমর্থিত দাবি, পক্ষপাত, অনুপস্থিত দৃষ্টিভঙ্গি, অনুপযুক্ত আত্মবিশ্বাস বা দুর্বল শাস্ত্রীয় যুক্তি চিহ্নিত করতে পারে। তারা সেটি পাঠ্য, প্রায়োগিক প্রমাণ, পেশাগত মান বা কোর্সের রুব্রিকের বিপরীতে যাচাই করতে পারে।

যে ধাঁচের চারপাশে একটি কাজ গড়া যায় তা হলো বিশ্বাসযোগ্য কিন্তু অসম্পূর্ণ ফল, আর সমালোচক বা সম্পাদকের চেয়ারে বসা একজন শিক্ষার্থী। ভুলগুলো খুঁজে পাওয়া ক্রমাঙ্কন ও উচ্চতর-ক্রমের চিন্তার তুলনামূলকভাবে নির্ভরযোগ্য একটি পথ।

এটিকে এমন একটি দক্ষতা হিসেবে দেখুন যা আপনাকে শেখাতে হবে, কারণ এটি বিষয়-জ্ঞানের সঙ্গে এমনিতেই আসে না। কম্পিউটিং-শিক্ষার সংশ্লেষে শিক্ষার্থীরা এআই-উৎপন্ন কোড সংশোধনে প্রচলিত প্রোগ্রামিং পরীক্ষার কাজের চেয়ে উল্লেখযোগ্যভাবে খারাপ করেছে। এটি সরাসরি প্রমাণ যে ফল মূল্যায়ন ও মেরামত করা সাধারণ শাস্ত্রীয় দক্ষতা থেকে স্বয়ংক্রিয়ভাবে স্থানান্তরিত হয় না, এবং নির্দেশনা ছাড়া শিক্ষার্থীরা ভুল কাজ খেয়াল না করেই আবার জমা দেবে। পর্যালোচনাটি এটিকে নিজের VIE কাঠামোয় (Verification, Implementation, Equity) ঢুকিয়ে যুক্তি দেয় যে সমালোচনামূলক সম্পৃক্ততা শিক্ষার্থীর কাজের একটি নম্বরযোগ্য, পর্যবেক্ষণযোগ্য উপাদান হওয়া উচিত, এবং এটিকে বলে “কর্পাসের প্রতিটি কার্যকর হস্তক্ষেপকে যুক্ত করা সাধারণ প্রক্রিয়া”।

ব্যবহারিক রূপ: যে ভুলটি ধরার আশা করছেন তার জন্য রুব্রিকে একটি লাইন, মেরামতের জন্য একটি, যুক্তির জন্য একটি। সমালোচনার পেছনে নম্বর না থাকলে দরজা দিয়ে বেরোনোর সময় তাতে তিনটি বাক্য লেখা হয়।

এটি আপনার ক্ষেত্রের জন্য নির্দিষ্ট করুন, আর পুনরাবৃত্তি করুন

“এআই-এ হ্যালুসিনেশন আছে কি না দেখুন” ধরনের সাধারণ নিয়ম দুর্বল, শিক্ষার্থীদের দেখানোর তুলনায় যে আপনার শাস্ত্রে অবিশ্বস্ত ফল দেখতে কেমন। ইতিহাসে বানানো উদ্ধৃতি। অর্থনীতিতে অকার্যকর অনুমান। জীববিজ্ঞানে পরীক্ষামূলক প্রমাণের বিভ্রান্তিকর ব্যাখ্যা। প্রকৌশলে দুর্বলভাবে যুক্তিসঙ্গত নকশা-সিদ্ধান্ত। মনোবিজ্ঞানে পৃষ্ঠতলে সাবলীল কিন্তু পদ্ধতিগতভাবে দুর্বল লেখা।

মেয়াদ শুরুর আগে নিজের নম্বর দেওয়ার অভিজ্ঞতা থেকে তালিকাটি নিজেই লিখুন। আপনার ক্ষেত্রের পাঁচটি উদাহরণ সাধারণ চেকলিস্টের চেয়ে বেশি কাজ করবে, আর সেগুলোই উপরের সমালোচনা-কাজের ভুল-ভাণ্ডার হিসেবে কাজ করবে।

পুনরাবৃত্তি এর অন্য অর্ধেক। তৃতীয় সপ্তাহে একটি অনুশীলন এমন একজন শিক্ষার্থী তৈরি করে যে অনুশীলনটি করেছে। ভিন্ন উপকরণে তিনটি অ্যাসাইনমেন্টে একই অনুশীলন একটি অভ্যাস তৈরি করে, আর এই কর্পাসে শাস্ত্র-নির্দিষ্ট সমন্বয় দেখানো কেসগুলোতেই চর্চাটি একটি সেশনে বসে না থেকে কোর্স জুড়ে ফিরে আসে।

আপনার ক্ষেত্রে ইতিমধ্যে থাকা মডেলগুলো ধার করুন

নকশাটি আপনাকে উদ্ভাবন করতে হবে না। কয়েকটি নথিভুক্ত আছে, আর প্রতিটিই নকল করার মতো ছোট।

অর্থনীতির শিক্ষার্থীরা আগে একটি সমস্যা সমাধান করে, তারপর একটি GenAI উত্তর নেয়, তা নিজেদের যুক্তির সঙ্গে মেলায়, এআই-এর সমালোচনা করে, প্রতিফলন করে, এবং এরপর সহপাঠীদের সঙ্গে আলোচনা করে (অর্থনীতিতে জেনারেটিভ এআই সাক্ষরতা গড়ে তোলা)।

মনোবিজ্ঞানের শিক্ষার্থীরা ChatGPT-উৎপন্ন একটি মিডিয়া রিলিজ কোর্স-রুব্রিকের বিপরীতে মূল্যায়ন করে, দুর্বলতাগুলো চিহ্নিত করে এবং তা সংশোধন করে, যা একই কাজে শাস্ত্রীয় ও প্রতিক্রিয়া-সাক্ষরতা দুই-ই গড়ে তোলে (মনোবৈজ্ঞানিক, প্রতিক্রিয়া ও এআই সাক্ষরতা বাড়াতে জেনারেটিভ এআই ব্যবহার)।

জীববিজ্ঞান কার্যক্রমগুলোকে শাস্ত্রীয় শিখনের সঙ্গে যুক্ত করে, আলাদা একটি প্রযুক্তিগত বিষয় শেখায় না (জীববিজ্ঞান শ্রেণিতে এআই সাক্ষরতা শিক্ষা অন্তর্ভুক্ত করা)। ডেটাবেস ও ডিজাইন কোর্স-কাজ ব্যর্থতা-বিশ্লেষণকে শিখন-কার্যক্রম হিসেবে ব্যবহার করে, যেখানে শিক্ষার্থীরা এআই-উৎপন্ন ভুল বিশ্লেষণ করে এবং প্রম্পট ও সমাধানে পুনরাবৃত্তি করে (এআই ভুলের শিক্ষাবিজ্ঞান)। LearnAI মডেল একটি সাধারণ মডিউল চালানোর বদলে শাস্ত্র জুড়ে সময়োপযোগী এআই সহ-সৃজন অন্তর্ভুক্ত করে (LearnAI: শাস্ত্র জুড়ে সময়োপযোগী এআই সহ-সৃজন)।

একটি সতর্কতা একটি সংখ্যা নিয়ে আসে। নতুন করে নকশা করা একটি প্রারম্ভিক কণা-পদার্থবিজ্ঞান কোর্স গবেষণা-আকৃতির সমস্যায় জেনারেটিভ এআইকে স্পষ্ট অংশীদার হিসেবে অনুমতি দিয়েছিল, আর একটি সহায়তাহীন লিখিত পরীক্ষায় গড় এসেছে 80-এর মধ্যে 20.6, যেখানে কেবল দুই শিক্ষার্থী 40-এ পৌঁছেছে (কণা-পদার্থবিজ্ঞান শিক্ষায় এআই)। সহায়তাপ্রাপ্ত কর্মক্ষমতা আর স্বাধীনভাবে ফিরিয়ে আনা জ্ঞান দুটি আলাদা অর্জন। লেখকেরা যুক্তি দেন, যাচাই ও এআইকে নকলকারী নয় বরং শিক্ষক হিসেবে দেখা সহ এআই সাক্ষরতা শুরুতে শেখানো উচিত, সঙ্গে নিবেদিত সহায়তাহীন অনুশীলন। পূর্ণ কেসটি আছে পদার্থবিজ্ঞান শিক্ষায়।

এমন একটি সংস্করণও আছে যেখানে শিক্ষার্থীরা সত্যিকারের পাঠকের জন্য কিছু তৈরি করে। বারিস প্রমুখ 22 জন একাদশ-শ্রেণির শিক্ষার্থীকে দিয়ে ভিডিও পাবলিক সার্ভিস অ্যানাউন্সমেন্ট বানিয়েছেন এমন এআই নৈতিক প্রশ্ন নিয়ে যা তারা নিজেরা ভোগ করেছে: স্কুলে নজরদারি, ইলেকট্রনিক “হল পাস”, এবং অ্যালগরিদমিক নকল অভিযোগ। ইউনিটটি ক্রিটিক্যাল পোস্টহিউম্যানিস্ট লিটারেসি ও বহুমাধ্যম রচনা থেকে নিয়েছে। শিক্ষার্থীরা ক্ষতিকে একজন খলনায়ক টুলের বদলে মানব-যন্ত্রের জট পাকানো দায়িত্ব থেকে জন্মানো হিসেবে দেখিয়েছে, নকলের আখ্যানটিকে ঘুরিয়ে দিয়েছে প্রাপ্তবয়স্কদের ত্রুটিপূর্ণ এআই-এর ওপর অতিরিক্ত নির্ভরতার দিকে, এবং শেষ করেছে কর্তৃত্বে (“সমাধান আমাদের নাগালেই”)। লেখকেরা গল্পকথন ও সহযোগী উৎপাদনকে সমালোচনামূলক এআই-সাক্ষরতা শিক্ষাবিজ্ঞানের কেন্দ্রে রাখেন, এবং যুক্তি দেন যে সত্যিকারের পাঠকের জন্য এআই নিয়ে রচনা করা এমন সমালোচনামূলক দক্ষতা গড়ে তোলে যা দক্ষতা-স্কেল দেখতে পায় না (“Young Scholar[s] on the Beat”)। দাবিটি 22 জন শিক্ষার্থীর একটি ইউনিট থেকে আসা একটি যুক্তি, তাই এটি প্রভাব-আকার নয়, নকশা-ধারণা হিসেবে পড়ুন।

যেখানে সস্তা, সেখানে এটি সামাজিক রাখুন

সহযোগিতা হলো এআই-কাজের জ্ঞানীয় চাহিদা বাড়ানোর সবচেয়ে কম খরচের উপায়। ICAP কাঠামো শিক্ষার্থীদের নিষ্ক্রিয় এক্সপোজার থেকে সক্রিয়, গঠনমূলক ও মিথস্ক্রিয়ামূলক সম্পৃক্তির দিকে নেয়। বাস্তবে: জোড়ায় জোড়ায় প্রম্পট মেলানো, দলে দলে বিতর্ক করা একটি উত্তর বিশ্বাসযোগ্য কি না, দলগতভাবে একটি ফল সংশোধন করা, বা একজন শিক্ষার্থী আরেকজনকে ব্যাখ্যা করা কেন একটি পরামর্শ বাতিল হলো।

প্রমাণ জ্ঞানীয়ভাবে সক্রিয় ও সহযোগী নকশাকে সমর্থন করে (এআই সাক্ষরতা বাড়ানোর সহযোগী শিখন-কার্যক্রমের পদ্ধতিগত পর্যালোচনা)। খরচটি একটি আলোচনা-কাঠামো, নতুন কোনো মূল্যায়ন নয়।

একটি কাজ দিয়ে বিচার মূল্যায়ন করুন

শিক্ষার্থীরা ভাবেন তারা যতটা ভালো এআই মূল্যায়ন করতে পারে তার চেয়ে বেশি; আর স্ব-প্রতিবেদিত আত্মবিশ্বাসের একটি আইটেম ভুলটিকে প্রকাশ করার বদলে নিশ্চিত করবে। জ্ঞানভাণ্ডার স্ব-প্রতিবেদিত ও কর্মক্ষমতা-ভিত্তিক এআই সাক্ষরতার মধ্যে একটি উল্লেখযোগ্য অসঙ্গতি নথিভুক্ত করে, এবং কর্মক্ষমতা-মূল্যায়নের সুপারিশ করে (এআই সাক্ষরতা মূল্যায়ন: স্ব-প্রতিবেদিত বনাম কর্মক্ষমতা-অসঙ্গতি; GLAT)।

আত্মবিশ্বাসের আইটেমের বদলে তাদের করার মতো কিছু দিন: একটি ভুল ধরা, একটি উৎস যাচাই করা, একটি ফল উন্নত করা, একটি সীমাবদ্ধতা ব্যাখ্যা করা, কেন একটি নির্দিষ্ট কাজের জন্য এআইয়ের একটি নির্দিষ্ট ব্যবহার উপযুক্ত তার যুক্তি দেওয়া।

পরিস্থিতি-বর্ণনা উপকরণ হিসেবে ভালো কাজ করে, আর লেখাও সহজ। Reed প্রমুখ (2026) স্নাতকদের সামনে ভিনিয়েট রাখেন: নিজের খসড়ায় ব্যাকরণ ঠিক করতে এআই ব্যবহার, পাঠ নিজে পড়ার আগে সার্চ-শব্দ তৈরি করতে এআই, ব্যক্তিগত অবদান ছাড়াই এআই-উৎপন্ন প্রতিফলন-জার্নাল জমা দেওয়া, উৎপন্ন অ্যাসাইনমেন্টে সামান্য সম্পাদনা করা। শিক্ষার্থীরা স্পষ্ট কেসগুলোতে একমত হয়েছে, আর সবচেয়ে বেশি ভিন্নমত দেখিয়েছে সেখানে যেখানে টুল বৌদ্ধিক কাজের একটি অংশ করেছে। সেই ভিন্নমতই ঠিক সেই সীমা যা আপনার নীতিমালা চুপচাপ ধরে আছে, তাই ভিনিয়েটগুলো চালালে বোঝা যায় আপনার কোর্সে কোথায় স্পষ্ট কিছু বলতে হবে। এটি বিমূর্তভাবে দক্ষতা নয়, একটি কেস নিয়ে বিচার মাপে।

কোর্স যা সারাতে পারবে না তা সিদ্ধান্ত করুন

কয়েকটি সীমা নিজেই বলে রাখা ভালো, অন্য কেউ তোলার আগে।

প্রম্পট ইঞ্জিনিয়ারিং এআই সাক্ষরতা নয়। শিক্ষার্থীরা প্রযুক্তিগতভাবে দক্ষ হয়ে উঠতে পারে, অথচ ফলের দুর্বল বিচারক থেকে যায়, আর এআই সাক্ষরতার কিছু দক্ষতা-কেন্দ্রিক মাত্রা প্রতিবেদিত এআই-নির্ভরতার সঙ্গে ধনাত্মকভাবে সম্পর্কিত। স্ব-নিয়ন্ত্রণ, প্রাতিষ্ঠানিক আত্মবিশ্বাস ও মেটাকগনিটিভ সহায়তা ছাড়া পরিচালনামূলক প্রশিক্ষণ নির্ভরতা কমানোর বদলে বাড়াতে পারে।

মিথস্ক্রিয়া এমন একটি দক্ষতা যা টুল দেয় না। Brunnström ও Palmqvist-এর আট-রাউন্ডের প্রদর্শনীতে একজন “সাদাসিধা শিক্ষার্থী” বাড়িতে নেওয়া পরীক্ষায় একটি চ্যাটবট ব্যবহার করে, ডিফল্ট ফল পাওয়া যায় “মসৃণ কিন্তু শিক্ষাগতভাবে পাতলা”, আর ব্যবহারযোগ্য একটি শিখন-চক্রে পৌঁছাতে লেগেছে আট রাউন্ড শিক্ষার্থী-হস্তক্ষেপ (“সরল করো”, “এটা খুব বেশি, সংক্ষেপ করতে পারো?”)। তাঁরা এই সামর্থ্যের নাম দেন এআই-মিথস্ক্রিয়া সাক্ষরতা, অর্থাৎ পুনরাবৃত্তিমূলক মিথস্ক্রিয়াকে পরিচালনা, মূল্যায়ন ও তা থেকে শেখার ক্ষমতা। তাঁদের ন্যায্যতা-সিদ্ধান্তটি তীক্ষ্ণ: যেহেতু নির্দেশনাহীন ব্যবহার এমন একটি দক্ষতা চাপিয়ে দেয় যা অসমভাবে বিতরণ করা, জেনারেটিভ এআই “ইতিমধ্যে সুবিধাপ্রাপ্ত শিক্ষার্থীদের জন্যই সবচেয়ে উপকারী হতে পারে” (এআই-মিথস্ক্রিয়া সাক্ষরতা; এআই শিক্ষার্থীদের কীভাবে প্রভাবিত করছে?)। মিথস্ক্রিয়া শেখানো শিক্ষাগত পদক্ষেপের মতোই একটি ন্যায্যতা-পদক্ষেপ।

ভালো প্রম্পটিং মডেলটিকে সারায় না। প্রসঙ্গগত সাইকোফ্যান্সি নিয়ে গবেষণায় এআই-সাক্ষরতা ও প্রম্পটিং-নির্দেশনা ব্যবহারকারীর ভুলের সরাসরি অনুকরণ কমিয়েছে, কিন্তু সেই ভুলগুলো পরবর্তী পরামর্শে ছড়িয়ে পড়া সম্পূর্ণ ঠেকাতে পারেনি (প্রসঙ্গগত সাইকোফ্যান্সির লুকানো খরচ; এআই সাইকোফ্যান্সি)। শিক্ষার্থীদের জানা দরকার, নির্দেশনা বদলায় তারা কী পায়, সিস্টেমটি কী তা নয়।

ন্যায্যতা এর সবটুকু জুড়ে চলে। শিক্ষার্থীরা পেইড টুলে ভিন্ন প্রবেশাধিকার, ভিন্ন প্রম্পটিং-অভিজ্ঞতা, ভিন্ন ভাষা-পটভূমি এবং ভিন্ন ডিজিটাল আত্মবিশ্বাস নিয়ে আসে। ন্যায্য প্রবেশাধিকার ও ভিত্তিগত সহায়তা ছাড়া পরিশীলিত ব্যবহার বাধ্যতামূলক করা আগের এক্সপোজারকে একাডেমিক সুবিধায় পরিণত করে, আর প্রবেশাধিকার, দক্ষতা ও ফলাফল ডিজিটাল বিভাজনের আলাদা আলাদা মাত্রা। পেইড টুল দরকার এমন কাজ নকশা করার আগে দেখুন কক্ষে কার সত্যিই তা আছে।

প্রশিক্ষকরা এ নিয়ে যা ভুল বোঝেন

এআই সাক্ষরতা মানে প্রম্পটিং শেখানো। প্রম্পটিং দৃশ্যমান অংশ। শিক্ষার্থীরা এই টুলগুলোয় প্রযুক্তিগতভাবে দক্ষ হয়ে উঠতে পারে, অথচ এগুলো থেকে যা বেরিয়ে আসে তার দুর্বল বিচারক থেকে যায়, আর উপরের নির্ভরতার ফলাফলও একই দিকে ইঙ্গিত করে।

একটি সেশনেই হয়ে যায়। একটি সেশন শব্দভাণ্ডার পরিচয় করাতে পারে। সত্যিকারের কোর্স-উপকরণে বারবার অনুশীলনের প্রমাণ বেশি শক্তিশালী, আর 59টি হস্তক্ষেপের মেটা-বিশ্লেষণ সবচেয়ে বড় প্রভাব পেয়েছে যেখানে কাজটি সমন্বিত ও প্রতিফলনমূলক ছিল।

যেসব শিক্ষার্থী প্রতিদিন এই টুল ব্যবহার করে তারা এমনিতেই ফল মূল্যায়ন করতে পারে। ইয়ান প্রমুখ 38 জন স্নাতকের 76.32%কে এক-পাল্টা ধাঁচে পেয়েছেন, আর কম্পিউটিং সংশ্লেষে শিক্ষার্থীরা এআই-উৎপন্ন কোড সংশোধনে সাধারণ প্রোগ্রামিং পরীক্ষার কাজের চেয়ে উল্লেখযোগ্যভাবে খারাপ করেছে। ইন্টারফেসের সঙ্গে পরিচিতি ক্রমাঙ্কন নয়।

কার্যক্রমটিকে টুল নিয়েই হতে হবে। শক্তিশালী নকশাগুলো শাস্ত্র নিয়ে, তার ভেতরে টুল রেখে। অর্থনীতির শিক্ষার্থীরা একটি এআই সমাধানের সমালোচনা করছে, মনোবিজ্ঞানের শিক্ষার্থীরা একটি উৎপন্ন মিডিয়া রিলিজ সংশোধন করছে: অধ্যয়নের বিষয় থাকে বিষয়বস্তুই।

সমালোচনামূলক মূল্যায়ন বিষয়-জ্ঞান থেকে স্থানান্তরিত হয়। হয় না, এজন্যই কম্পিউটিংয়ের ফলাফল গুরুত্বপূর্ণ। যে শিক্ষার্থী সঠিক কোড লিখতে পারে সে এমনিতেই অন্য কারও লেখা ভুল কোড নির্ণয় করতে পারে না, আর একই ফাঁক গদ্যেও দেখা যায়।

আত্মবিশ্বাস একটি ব্যবহারযোগ্য প্রতিনিধি। এই সাহিত্যে স্ব-প্রতিবেদন ও কর্মক্ষমতা আলাদা হয়ে যায়, আর পার্থক্যটি এতটাই পদ্ধতিগত যে জ্ঞানভাণ্ডার কর্মক্ষমতা-পরিমাপের সুপারিশ করে। একটি প্রদর্শন চান।

যা আপনার দিকে ফিরে আসবে

“কনটেন্টে ভারী সিলেবাসে জায়গা নেই।” তাহলে কনটেন্ট যোগ করবেন না। বিদ্যমান একটি অ্যাসাইনমেন্টে একটি সমালোচনা-ধাপ যুক্ত করুন এবং একবারই গুনুন। উপরের অর্থনীতি ও মনোবিজ্ঞানের নকশা শিক্ষার্থীদের আগের অ্যাসাইনমেন্টটাই রাখে, কেবল এআই-ফল নিয়ে তারা কী করে তা বদলায়।

“আমার শিক্ষার্থীরা ইতিমধ্যে ChatGPT কীভাবে ব্যবহার করতে হয় জানে।” তারা ইন্টারফেস জানে। 76.32% এক-পাল্টা সংখ্যাটিই দেখায় নির্দেশনা ছাড়া সাবলীলতা দেখতে কেমন, আর আপনার কোর্সের কাজ সেই ধাঁচে বাধা দেওয়া।

“এআই ব্যবহার শেখালে ব্যবহারই কেবল বাড়বে।” বাড়তে পারে, আর সেই ঝুঁকির সৎ সংস্করণ সাহিত্যেই আছে: মেটাকগনিটিভ সহায়তা ছাড়া দক্ষতা-কেন্দ্রিক প্রশিক্ষণ বেশি প্রতিবেদিত নির্ভরতার সঙ্গে সম্পর্কিত। এটি প্রশিক্ষণের সঙ্গে প্রতিফলন ও সহায়তাহীন অনুশীলন জোড়া দেওয়ার পক্ষের যুক্তি, আর ক্রমবর্ধমান প্রবেশাধিকার ঠিক এই কাজটিই করে।

“প্রতিফলন ও সমালোচনা নম্বর দেওয়ার জন্য অতিরিক্ত ব্যক্তিনির্ভর।” রুব্রিকে “গভীর চিন্তাশীল” লেখা থাকলে সেগুলো ব্যক্তিনির্ভরই থাকে। যেবার আপনি যে ভুলটি ধরতে হবে, মেরামত এবং যুক্তি আলাদা করে নাম দেন, সেবার তা নম্বরযোগ্য হয়ে ওঠে, যা অন্য যেকোনো রুব্রিক-লাইনের মতোই একই চাল।

“আমাদের শিক্ষার্থীরা কম প্রস্তুত, তাই এআই ফাঁকটাই বাড়াবে।” প্রমাণ উদ্বেগটিকেই সমর্থন করে। পূর্ব-জ্ঞান ঠিক করে এআই-সহায়তা দক্ষতায় পরিণত হয় কি না, আর মিথস্ক্রিয়া-গবেষণার সিদ্ধান্ত হলো টুলগুলো ইতিমধ্যে সুবিধাপ্রাপ্ত শিক্ষার্থীদের পক্ষে থাকতে পারে। ক্রমবর্ধমান প্রবেশাধিকার, এআই-মুক্ত ভিত্তি ও শেখানো মিথস্ক্রিয়া, এই তিনটিই কর্পাসের দেওয়া উত্তর, আর প্রত্যেকটিই এই মেয়াদেই সাজানো সম্ভব।

“এটি লাইব্রেরির কাজ, বা রাইটিং সেন্টারের।” ওই সেবাগুলো সাধারণ মূল্যায়ন শেখাতে পারে। আপনার শাস্ত্রে দুর্বল যুক্তি দেখতে কেমন, তা কেবল আপনার কোর্সই শেখাতে পারে, আর শিক্ষার্থীরা সেই সংস্করণই আপনার অ্যাসাইনমেন্টে বহন করে আনে।

এই সপ্তাহে কী করবেন

1. আপনি ইতিমধ্যে যেসব অ্যাসাইনমেন্ট পড়ান তার একটি বেছে নিন এবং আগে-প্রতিশ্রুতির একটি ধাপ যোগ করুন: কোনো টুল খোলার আগে রূপরেখা, পূর্বানুমান বা খসড়া।

2. আপনার ক্ষেত্রে এআই সবচেয়ে বেশি যে তিনটি ভুল করে তা লিখে ফেলুন, নিজের নম্বর দেওয়ার অভিজ্ঞতা থেকে উদাহরণ নিয়ে।

3. তার একটি থেকে তিনটি রুব্রিক-লাইনসহ একটি সমালোচনা-কাজ বানান: ধরা, মেরামত করা, মেরামতের যুক্তি দেওয়া।

4. পরের সমীক্ষা বা এক্সিট-টিকিটে একটি আত্মবিশ্বাস-প্রশ্নের বদলে দুই-বাক্যের একটি পরিস্থিতি দিন এবং জিজ্ঞাসা করুন শিক্ষার্থী কী করবে।

5. আপনার কোর্সের প্রবেশাধিকার-নিয়ম স্থির করুন ও ঘোষণা করুন, কোন টুল অনুমোদিত এবং কোনটির জন্য পেইড অ্যাকাউন্ট দরকার তা সহ।

এরপর কোথায় যাবেন

উচ্চশিক্ষায় এআই-সাক্ষরতা হস্তক্ষেপ নিয়ে প্রমাণ কী বলে? হলো এই ভিত্তি কতটা শক্তিশালী এবং কোথায় পাতলা হয়ে যায় তার সৎ মূল্যায়ন। এআই শিক্ষার্থীদের ওপর কী প্রভাব ফেলছে? শিক্ষার্থীর দিকটি ধরে, শিক্ষার্থীদের কীভাবে এআই-এর আউটপুট যাচাই করতে শেখাব? শিক্ষার্থীদের যে যাচাই-অভ্যাস দরকার তা ধরে, আর আপনি পাঠ নয়, পরিমাপ তৈরি করলে How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures হলো যাওয়ার জায়গা। সংজ্ঞানাত্মক অফলোডিং আগে-প্রতিশ্রুতির নিয়মের নিচের প্রক্রিয়াটি ব্যাখ্যা করে।