सक्रिय अधिगम (Active Learning)

यह अंग्रेज़ी पेज का ऑटोमैटिक अनुवाद है और इसकी अभी तक किसी मूल भाषी ने समीक्षा नहीं की है।

सक्रिय अधिगम — शिक्षण उपागम जो छात्रों को कुछ "करने" और अपने किए हुए पर सोचने में संलग्न करते हैं, न कि केवल निष्क्रिय रूप से जानकारी प्राप्त करने में। AI शिक्षा में, सक्रिय अधिगम अनुसंधान यह भी जाँचता है कि AI उपकरण सक्रिय अधिगम शिक्षाशास्त्रों का समर्थन कैसे कर सकते हैं और सक्रिय अधिगम का अध्ययन — निष्क्रिय उपभोग के बजाय — सीखने के परिणामों को कैसे प्रभावित करता है।

विचार करने योग्य प्रश्न

• आपने संभवतः 'सक्रिय अधिगम' की प्रशंसा सुनी होगी। लेकिन जो छात्र किसी डैशबोर्ड पर क्लिक करता है या किसी उत्पन्न उत्तर को स्वीकार करता है, क्या वह वास्तव में सक्रिय रूप से सीख रहा है? किस बात से वह गतिविधि सार्थक अर्थ में 'सक्रिय' होगी?
• ICAP ढांचा सक्रिय, रचनात्मक और संवादात्मक संलग्नता में अंतर करता है — केवल गहरे स्तर ही स्थायी ज्ञान बनाते हैं। जब आपने पिछली बार कुछ सीखने के लिए किसी AI उपकरण का उपयोग किया, तो उसने आपको वास्तव में किस स्तर की संलग्नता की ओर धकेला?
• AI पैमाने पर सक्रिय अधिगम को सक्षम कर सकता है, लेकिन खराब रूप से डिज़ाइन किया गया AI छात्र के लिए संज्ञानात्मक कार्य भी कर सकता है। आपने कहाँ AI को किसी शिक्षार्थी को अधिक निष्क्रिय बनाते देखा है, न कि अधिक संलग्न?
• एक EEG अध्ययन ने पाया कि संवादात्मक छात्र–AI सहयोग ने सर्वाधिक संज्ञानात्मक संलग्नता उत्पन्न की, जबकि पूर्ण स्वचालन ने इसे घटाया। AI के साथ 'करना' AI को काम करते देखने से बेहतर क्यों हो सकता है?
• टीच-बैक — किसी शिक्षार्थी से यह समझाने के लिए कहना कि वह क्या समझा है — निष्क्रिय पुनर्पठन की तुलना में अंतरालों को अधिक प्रभावी ढंग से उजागर करता है। किसी शिक्षार्थी को किसी AI के सामने समझाने के लिए प्रेरित करना, AI को उनके लिए उत्तर देने देने से बेहतर सीखने का कदम कब हो सकता है?
• सक्रिय अधिगम अंशांकित स्कैफोल्डिंग पर निर्भर करता है जो दक्षता बढ़ने के साथ धुंधली होती जाती है। किसी AI ट्यूटर के लिए यह जानना कितना कठिन है कि कब पीछे हटना है — और यदि वह कभी न हटे तो जोखिम क्या है?

भूमिका

सक्रिय अधिगम शिक्षा अनुसंधान का एक आधारभूत सिद्धांत है, जो कंस्ट्रक्टिविज़्म सिद्धांतों पर आधारित है जो शिक्षार्थियों को ज्ञान के सक्रिय निर्माताओं के रूप में रखते हैं। AI शिक्षा के संदर्भ में, इस अवधारणा की दोहरी महत्वता है: AI उपकरण पैमाने पर सक्रिय अधिगम को सक्षम कर सकते हैं (इंटरैक्टिव ट्यूटरिंग, सिमुलेशन और अनुकूली फीडबैक के माध्यम से), लेकिन खराब रूप से डिज़ाइन किए गए AI उपकरण छात्रों के लिए संज्ञानात्मक कार्य करके इसे कमजोर भी कर सकते हैं। AI सहायता और सक्रिय संज्ञानात्मक संलग्नता के बीच तनाव — जिसका पता Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems जैसे लेखों में समय से पहले संकेतों के उपयोग और The efficiency-gain illusion: People underestimate the rate of AI use and overestimate its benefits on simple tasks में अति-निर्भरता पर खोजा गया — एक केंद्रीय चिंता का विषय है।

AI-सक्षम सक्रिय अधिगम इस ज्ञान आधार में कई रूपों में प्रकट होता है: इंटेलिजेंट ट्यूटरिंग प्रणालियाँ जो छात्रों को उत्तर देने के बजाय समस्या-समाधान में संलग्न करती हैं, Generative AI (GenAI) as a mindtool that supports generative learning (GL) उपागम जहाँ छात्र AI का उपयोग किसी विकल्प के बजाय सोचने के उपकरण के रूप में करते हैं, Test-Driven, AI-Assisted Learning: Replacing Lectures with Weekly Closed-Book Tests जहाँ छात्र AI अनुभव को अनुसरण करने के बजाय चलाते हैं, और Curiosity as Linguistic Intervention: Using LLM Tutoring Dialogues to Influence Exploratory Learning Behavior खोजपूर्ण सीखने के परिवेश। मड्गद अवधारणा इससे घनिष्ठ रूप से जुड़ी है — प्रभावी सक्रिय अधिगम के लिए ऐसा अंशांकित समर्थन आवश्यक है जो दक्षता बढ़ने के साथ धुंधला होता जाए, जो AI ट्यूटर को प्रदान करना सीखना होगा।

ज्ञान आधार के अनुसंधान में सक्रिय अधिगम कैसे प्रकट होता है

• इंटरैक्शन मोड संज्ञानात्मक संलग्नता निर्धारित करता है। हाई स्कूल के छात्रों का एक EEG अध्ययन ने Auto (AI स्वतंत्र रूप से हल करता है), Interactive (स्कैफोल्डिंग के साथ छात्र–AI सहयोग) और Manual (कोई AI नहीं) मोड की तुलना की: इंटरैक्टिव ने सर्वाधिक संज्ञानात्मक संलग्नता और कार्य सटीकता उत्पन्न की, जबकि Auto ने संलग्नता घटाई और अति-निर्भरता का जोखिम किया। यह इस तर्क को एक न्यूरोफिज़ियोलॉजिकल आयाम देता है कि AI को छात्रों को देखने के बजाय करते रखना चाहिए।

• AI-समर्थित जाँच स्वतः ही उच्च-क्रम की नहीं है। 120 कक्षा 8 के छात्रों के साथ एक अर्ध-प्रयोग ने पाया कि AI-समर्थित जाँच-आधारित अधिगम ने गणित में सृजनात्मक प्रदर्शन और गणित के प्रति दृष्टिकोण बढ़ाया, लेकिन महत्वपूर्ण समस्या समाधान में कोई उल्लेखनीय वृद्धि नहीं दिखाई — यह सृजनात्मकता और भावनात्मक लाभों को गहरे तर्क के प्रमाण के रूप में पढ़ने के विरुद्ध एक चेतावनी है (मुजिब एट अल., 2026)।

• खोजपूर्ण और सिमुलेशन-आधारित सक्रिय अधिगम। सप्लाईनेट सप्लाई-चेन शिक्षा में दृश्य खोजपूर्ण सीखने का समर्थन करने के लिए एक संदर्भगत बहु-एजेंट LLM सिमुलेशन का उपयोग करता है, जो एक इंटरैक्टिव नेटवर्क दृश्य को एक शाखित "क्या-अगर" समयरेखा के साथ जोड़ता है ताकि शिक्षार्थी कारणात्मक गतिशीलता को ट्रैस करें न कि अमूर्त सामग्री का उपभोग करें। क्यूरियोबॉट और भौतिकी में समस्या-रचना इसी प्रकार शिक्षार्थी-संचालित खोज को प्रमुखता देते हैं।

• सक्रिय समीक्षा के लिए संरचित संवादात्मक कार्यप्रवाह। नोलूप व्याख्यान-पश्चात समीक्षा को तीन चरणों में संरचित करता है — Recognize (स्थानीय भ्रम चिह्नित करना), Resolve (स्पष्टीकरण) और Consolidate (टीच-बैक) — यह दिखाते हुए कि टीच-बैक शिक्षार्थियों को संकल्पना व्यक्त करने और अवधारणात्मक अंतराल उजागर करने के लिए प्रेरित करता है, और संदर्भ-आधारित AI लक्षित समर्थन के लिए सामान्य-उद्देश्य AI से बेहतर प्रदर्शन करता है। टीच-बैक पढ़ाकर सीखना को साकार करता है।

• परियोजना-आधारित, सामुदायिक ढाँचे के रूप में सक्रिय अधिगम। AI का शैक्षणिक संघ प्रतिस्पर्धी टीमों, अध्ययन समूहों और AI-के-लिए-सामाजिक-प्रभाव परियोजनाओं के इर्द-गिर्द पाठ्येक्रम-बाहरी AI शिक्षा का आयोजन करता है, जो शीर्ष-से-नीचे पाठ्यक्रम के बजाय लोकतांत्रिक छात्र शासन के माध्यम से सक्रिय और परियोजना-आधारित अधिगम को साकार करता है।

• माइंडटूल और जननात्मक संलग्नता। माइंडटूल के रूप में GenAI AI को किसी ऐसी विधि के रूप में स्थापित करता है जिसके साथ छात्र सोचते हैं, न कि उत्तरों का स्रोत, जो सक्रिय अधिगम को जननात्मक-अधिगम सिद्धांतों के साथ संरेखित करता है जहाँ शिक्षार्थी नए विचारों को मौजूदा ज्ञान में एकीकृत करते हैं।

• सक्रिय-अधिगम कार्य के रूप में ट्यूटर बनाना। Zangari et al. (2026) ने सामान्य AI-ट्यूटर व्यवस्था को उलट दिया: एक ट्यूटर का उपयोग करने के बजाय, एक 700-छात्र सॉफ़्टवेयर पाठ्यक्रम में 345 छात्रों ने प्रत्येक एक संवादात्मक एजेंट डिज़ाइन किया जो किसी सहकर्मी को तीन डिज़ाइन पैटर्न सिखाए, इसलिए सक्रिय-अधिगम कार्य एजेंट का निर्माण था — उपयोगकर्ता आवश्यकताओं का पूर्वानुमान लगाना, अमूर्त अवधारणाओं को सिखाने योग्य टुकड़ों में अनुवादित करना। छात्रों ने खुले-अंत वाली डिज़ाइन स्वतंत्रता को महत्व दिया (22.3% शीर्ष सकारात्मक विषय) लेकिन शीर्ष शिकायत अस्पष्ट निर्देश थे (23.7%), और लेखक चेताते हैं कि बिना-नियंत्रण-समूह, स्वयंसेवक-नमूना डिज़ाइन केवल जुड़ाव दावों का समर्थन करता है।

• मॉडल की गलतियों के इर्द-गिर्द डिज़ाइन करें। एक पाँच-चरणीय अनुक्रम (स्वतंत्र विश्लेषण, एक मानकीकृत ChatGPT प्रॉम्प्ट, आउटपुट का महत्वपूर्ण मूल्यांकन, परिष्कार और कक्षा चर्चा) काम करता है क्योंकि AI पूर्वानुमेय रूप से गलत होता है: ChatGPT किसी गीत के बोल में अनौंतुशील माँग को "पूर्णतः लोचदार" के रूप में गलत लेबल करता है, और यह विसंगति छात्रों को आउटपुट को मान्य करना सिखाती है (बेक और ब्रोडरसन, 2025)।

• एक शैक्षणिक रूप से डिज़ाइन किया गया AI ट्यूटर स्वयं सक्रिय-अधिगम कक्षा से बेहतर प्रदर्शन कर सकता है। एक क्रॉसओवर यादृच्छिक नियंत्रित परीक्षण (RCT) ने हार्वर्ड के परिचयात्मक भौतिकी पाठ्यक्रम में एक कस्टम AI ट्यूटर को पाठ्यक्रम के अपने इन-कक्षा सक्रिय-अधिगम पाठों के विरुद्ध रखा — वही अनुसंधान-आधारित शिक्षाशास्त्र, कोई नया नहीं — और कम समय में महत्वपूर्ण रूप से अधिक सीखना पाया: पश्च-परीक्षा का माध्यिका 4.5 बनाम 3.5, रैखिक प्रतिगमन द्वारा प्रभाव आकार 0.63, कार्य पर माध्यिका 49 मिनट बनाम कक्षा में 60 (केस्टिन एट अल., 2025)। लेखक डिज़ाइन को श्रेय देते हैं, माध्यम को नहीं, क्योंकि ट्यूटर को कक्षा के समान सात अनुसंधान-आधारित प्रथाओं को धारण करने के लिए अभिकल्पित किया गया था और इसमें केवल माँग पर वैयक्तिकृत फीडबैक और स्व-गति जोड़ी गई थी।

आयोजक लेंस के रूप में ICAP ढांचा

सक्रिय अधिगम को सटीक रूप से ICAP ढांचा (इंटरैक्टिव–रचनात्मक–सक्रिय–निष्क्रिय) द्वारा संचालित किया जाता है, जो शिक्षार्थी व्यवहार को संज्ञानात्मक संलग्नता और ज्ञान परिवर्तन के मोड द्वारा वर्गीकृत करता है। ICAP के तहत, जिसे अनौपचारिक रूप से "सक्रिय अधिगम" कहा जाता है, वह वास्तव में संलग्नता के तीन भिन्न, क्रमबद्ध स्तरों में फैला हुआ है: सक्रिय (सामग्री पर कार्य करना, जैसे टिप्पणियाँ लेना या किसी प्रॉम्प्ट का उत्तर देना), रचनात्मक (दिए गए से आगे नया आउटपुट उत्पन्न करना, जैसे स्व-व्याख्या या चित्रण) और इंटरैक्टिव (संवाद के माध्यम से सह-अर्थ निर्माण)। यह AI शिक्षा के लिए महत्वपूर्ण है क्योंकि एक AI उपकरण "सक्रिय" का भेष धारण कर सकता है जबकि शिक्षार्थियों को सबसे उथले मोड में रखता है: किसी डैशबोर्ड पर क्लिक करना या किसी उत्पन्न उत्तर को स्वीकार करना अधिक से अधिक सक्रिय है, रचनात्मक या इंटरैक्टिव नहीं। ICAP इस प्रकार सक्रिय अधिगम के केंद्रीय डिज़ाइन लक्ष्य को तीखा करता है — शिक्षार्थियों को सक्रिय से रचनात्मक और इंटरैक्टिव संलग्नता की ओर धकेलें — और उन AI प्रणालियों के विरुद्ध चेताता है जो शिक्षार्थी के लिए उत्तर देती हैं, जो उन्हें निष्क्रिय रखती हैं।(Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents)(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy) यह सक्रिय अधिगम को सीधे ICAP फ्रेमवर्क, छात्र सहभागिता और सहयोगी शिक्षा से जोड़ता है, जिनका सर्वोच्च ICAP मोड इंटरैक्टिव संवाद है।

व्यावहारिक मार्गदर्शन

• शिक्षार्थी को पास में रखें। AI इंटरैक्शन को इस तरह डिज़ाइन करें कि छात्र आउटपुट पर और उसके साथ कार्य करें (इंटरैक्टिव, स्कैफोल्डेड मोड) न कि तैयार उत्तर प्राप्त करें; पूर्ण स्वचालन संज्ञानात्मक संलग्नता को मापने योग्य रूप से घटाता है।
• AI समर्थन को शिक्षार्थियों की स्वयं की गतिविधि में लगाएँ। भ्रम बिंदु, शिक्षार्थी-संचालित प्रश्न और समस्या-रचना समीक्षा और खोज के लिए वैयक्तिकृत प्रवेश बिंदु देते हैं।
• टीच-बैक और व्याख्या का उपयोग करें। शिक्षार्थियों से यह संक्षिप्त करने के लिए कहें कि वे क्या समझते हैं; व्याख्या के माध्यम से अंतराल उजागर करना निष्क्रिय पुनर्पठन से अधिक सक्रिय है।
• सक्रिय संलग्नता को अंशांकित स्कैफोल्डिंग के साथ जोड़ें। समर्थन दक्षता बढ़ने के साथ धुंधला होना चाहिए — मड्गद जो कभी पीछे न हटे वह स्वयं निष्क्रिय निर्भरता बन सकता है।
• ऐसे उपकरणों को प्राथमिकता दें जो सोच को दृश्यमान बनाएँ। खोजपूर्ण सिमुलेशन, माइंडटूल और इंटरैक्टिव समस्या-स्थान सक्रिय अधिगम के केंद्र में कारणात्मक अनुरेखण और तुलनात्मक तर्क का समर्थन करते हैं।

अन्य अवधारणाओं से संबंध

सक्रिय अधिगम सहयोगी शिक्षा (अधिकांश सक्रिय अधिगम सामाजिक है), पढ़ाकर सीखना (दूसरों को समझाना अधिकतम सक्रिय है), परियोजना-आधारित अधिगम और अनुभवजन्य शिक्षा (प्रामाणिक संदर्भों में करके सीखना), अधिष्ठित शिक्षा (भौतिक संलग्नता), खेल-आधारित अधिगम (Game-Based Learning) और सिमुलेशन से गहराई से जुड़ा हुआ है। यह मड्गद और समयबद्ध प्रतिपुष्टि पर निर्भर करता है, और जब AI प्रयास का विकल्प बनता है तो अति-निर्भरता से खतरे में रहता है। कंस्ट्रक्टिविज़्म और सीखने के सिद्धांत में आधारित, यह उच्च शिक्षा, K-12 और STEM शिक्षा में फैला हुआ है।

सक्रिय अधिगम AI युग में सीखने के लाभ पर सबसे मज़बूत उत्तोलकों में से एक है। क्योंकि सक्रिय रणनीतियाँ प्रयासपूर्ण करने के माध्यम से समझ बनाती हैं, वे AI द्वारा शॉर्ट-सर्किट होने के प्रति सबसे अधिक मज़बूत हैं — और ज्ञान आधार के प्रमाण दिखाते हैं कि वह प्रयास बनाए रखना स्थायी सीखने की रक्षा करता है जबकि AI को इसे अवशोषित करने देना इसे क्षयित करता है (घटी हुई अध्ययन समय, सीखने का दंड, संकेत का दुरुपयोग)। जो प्रशिक्षक सक्रिय-अधिगम डिज़ाइनों को बिना सहायता वाले परिणामों पर मापे गए लाभ के साथ जोड़ते हैं, वे इसका सबसे स्पष्ट चित्र प्राप्त करते हैं कि AI-सहायित गतिविधि ने वास्तव में सीखने में सुधार किया या नहीं।

संबंधित अवधारणाएँ

• अधिगम लाभ
• समस्या-आधारित अधिगम
• पढ़ाकर सीखना
• मड्गद
• कंस्ट्रक्टिविज़्म
• सीखने का डिज़ाइन
• इंटेलिजेंट ट्यूटरिंग
• छात्र अनुभव
• उच्च शिक्षा
• K-12
• STEM शिक्षा
• जनरेटिव-AI
• प्रतिपुष्टि
• संज्ञानात्मक ऑफलोडिंग
• सहयोगी शिक्षा
• सीखने के सिद्धांत
• ICAP फ्रेमवर्क
• छात्र सहभागिता
• परियोजना-आधारित अधिगम
• अनुभवजन्य शिक्षा
• अधिष्ठित शिक्षा
• सिमुलेशन
• खेल-आधारित अधिगम (Game-Based Learning)
• सहायता खोजना
• शिक्षाशास्त्र और शिक्षण रणनीतियाँ — छत्र: AI शिक्षा में शिक्षाशास्त्र और शिक्षण रणनीतियाँ

संबंधित लेख

• AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting — AI ट्यूटरिंग इन-कक्षा सक्रिय अधिगम से बेहतर प्रदर्शन करती है: एक प्रामाणिक शैक्षणिक सेटिंग में नया अनुसंधान-आधारित डिज़ाइन पेश करने वाला एक RCT (केस्टिन एट अल. 2025)
• AI-Supported Problem-Based Learning for Enhancing Computational Thinking
• Fostering Generative AI Literacy in Economics: A Hands-on Approach — अर्थशास्त्र के लिए सक्रिय-अधिगम GenAI ढांचा (बेक और ब्रोडरसन 2025)
• Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems
• The efficiency-gain illusion: People underestimate the rate of AI use and overestimate its benefits on simple tasks
• I can't read your mind": A Study of Neurodivergent Computing Students' Experiences with Collaborative Active Learning
• Generative AI (GenAI) as a mindtool that supports generative learning (GL)
• Test-Driven, AI-Assisted Learning: Replacing Lectures with Weekly Closed-Book Tests
• Curiosity as Linguistic Intervention: Using LLM Tutoring Dialogues to Influence Exploratory Learning Behavior
• Exploring Students' Perceptions of Using Generative AI-Assisted Problem Posing
• An exploratory behavioral and electroencephalographic study of artificial intelligence-assisted learning modes in high school students — AI इंटरैक्शन मोड का EEG अध्ययन (इंटरैक्टिव > ऑटो)
• SupplyNet: Supporting Visual Exploratory Learning in Supply Chain via Contextual Multi-Agent Simulation — सप्लाईनेट: बहु-एजेंट सिमुलेशन के माध्यम से दृश्य खोजपूर्ण सीखना
• From Confusion to Consolidation: A Staged Conversational Workflow for Post-Lecture Review — नोलूप: चरणबद्ध संवादात्मक व्याख्यान-पश्चात समीक्षा
• Academic League of Artificial Intelligence: An Integrative Perspective of Teaching, Research, and Extension — AI का शैक्षणिक संघ: परियोजना-आधारित सक्रिय अधिगम
• Evaluating the Impact of AI-Supported Inquiry-Based Learning on Students' Creative Mathematical Performance, Critical Problem-Solving Skills, and Attitudes Toward Mathematics — AI-समर्थित IBL और सृजनात्मक गणितीय प्रदर्शन
• Interaction Effects Between Learner Characteristics and Dialogue Format in TTS Dialogue-Based Lessons — शिक्षार्थी विशेषताएँ × TTS संवाद-प्रारूप इंटरैक्शन