शिक्षा में AI

यह अंग्रेज़ी पृष्ठ का मशीन अनुवाद है और इसकी अभी किसी मूल वक्ता द्वारा समीक्षा नहीं हुई है।

शिक्षा में AI (AIED): वह विस्तृत, अंतरानुशासनिक क्षेत्र जो शिक्षण और अधिगम पर कृत्रिम बुद्धिमत्ता लागू करता है और उसके डिज़ाइन, उपयोग, मूल्यांकन तथा परिणामों का अध्ययन करता है। ज्ञानकोश की अम्ब्रेला अवधारणा के रूप में, शिक्षा में AI में शिक्षा के लिए AI (शिक्षण और मूल्यांकन को बेहतर बनाने के लिए AI का उपयोग) और AI के बारे में शिक्षा (AI साक्षरता और आलोचनात्मक समझ का विकास) दोनों शामिल हैं। यह निर्देशात्मक तकनीक, अधिगम विज्ञान (वह अनुभवजन्य शोध क्षेत्र जो यह पूछता है कि शिक्षार्थी में बदलाव आया या नहीं, न कि केवल यह कि कोई उपकरण काम कर गया या नहीं), कंप्यूटर विज्ञान, शैक्षिक नीति, नैतिकता और समानता के संगम पर स्थित है। यह पृष्ठ इस क्षेत्र का परिचय और ज्ञानकोश द्वारा कवर की गई प्रत्येक अवधारणा का नक्शा है।

विचार करने योग्य प्रश्न

• 'शिक्षा में AI' दो दिशाओं में फैला है: शिक्षा के लिए AI (शिक्षण सुधारने के लिए AI का उपयोग) और AI के बारे में शिक्षा (साक्षरता और आलोचनात्मक समझ का निर्माण)। आप किससे अधिक परिचित हैं, और किस ओर ध्यान देना आप अकसर भूल जाते हैं?
• इस क्षेत्र का इतिहास नियंत्रण और शिक्षार्थी की स्वायत्तता के बीच बार-बार लौटने वाले तनाव के रूप में प्रस्तुत किया जाता है। जब आप AI उपकरणों को अपनाए जाते देखते हैं, तो वही तनाव आज कहाँ दिखाई देता है?
• शिक्षा में AI तकनीक, अधिगम विज्ञान, नीति, नैतिकता और समानता के संगम पर है। किसी AI उपकरण को आँकते समय आप स्वाभाविक रूप से इनमें से कौन-से दृष्टिकोण लागू करते हैं, और किन्हें भूल जाने की संभावना है?
• यह ज्ञानकोश क्षेत्र को धाराओं में व्यवस्थित करता है: शिक्षाशास्त्र, अधिगम सिद्धांत, तकनीकें, विषय-क्षेत्र, मूल्यांकन, प्रतिक्रिया, हितधारक और शासन। यदि आप AI के अपने उपयोग का नक्शा बनाते, तो आप स्वयं को किस धारा में पाते?
• AIED में विद्यार्थियों को AI का आलोचनात्मक उपयोग सिखाना अपने आप में एक लक्ष्य है। आपके संदर्भ में AI को अधिक पढ़ाए जाने वाले विषय के रूप में देखा जाता है या उपयोग किए जाने वाले उपकरण के रूप में, और क्या यह संतुलन शिक्षार्थियों की वास्तविक आवश्यकता दर्शाता है?
• विद्यार्थी AI के बारे में सीखने से ही नहीं, बल्कि AI का आलोचनात्मक उपयोग करके भी AI साक्षरता सीख सकते हैं। व्यवहारिक और आलोचनात्मक उपयोग वह समझ कैसे बना सकता है जो निष्क्रिय निर्देश नहीं बना सकता?

परिचय

शिक्षा में AI वह अम्ब्रेला है जिसे अन्य सभी अवधारणा पृष्ठ मिलकर परिभाषित करते हैं। ज्ञानकोश इस क्षेत्र को नीचे दी गई प्रमुख धाराओं में व्यवस्थित करता है, और प्रत्येक धारा संबंधित अवधारणा पृष्ठों से जुड़ती है।

एक मील का पत्थर ऐतिहासिक दृष्टिकोण में Mishra आदि AIED की यात्रा साइबरनेटिक्स और 1956 के Dartmouth सम्मेलन से लेकर संज्ञानात्मक शिक्षकों और Papert के रचनावाद तक दिखाते हैं और तर्क देते हैं कि आज की GenAI बहसें इस क्षेत्र के मूलभूत नियंत्रण बनाम Learner Agency तनाव को दोहराती हैं।

ज्ञानकोश कैसे संगठित है: अम्ब्रेला पृष्ठ

ज्ञानकोश की अवधारणा-कवरेज कई अम्ब्रेला पृष्ठों पर टिकी है जो संबंधित अवधारणाओं को खोजने योग्य धाराओं में समूहित करते हैं। क्षेत्र को खोजने के लिए ये अच्छे प्रवेश बिंदु हैं:

• शिक्षा में AI: यह पृष्ठ, क्षेत्र का अवलोकन और सभी कवरेज का नक्शा।
• AI साक्षरता: AI को समझने, उपयोग करने और आलोचनात्मक रूप से आँकने का अम्ब्रेला, जिसमें प्रॉम्प्ट इंजीनियरिंग, आलोचनात्मक चिंतन, AI नैतिकता और जिम्मेदार उपयोग शामिल हैं। इसके साथ, मानव–AI सहयोग और एजेंटिक AI यह रूपरेखा देते हैं कि लोग और AI मिलकर कैसे काम करते हैं।
• शिक्षाशास्त्र और शिक्षण रणनीतियाँ: यह अम्ब्रेला है कि शिक्षण कैसे होता है: वे शिक्षण विधियाँ और रणनीतियाँ जिनके भीतर AI काम करता है (सक्रिय, सहयोगी, परियोजना-आधारित, समस्या-आधारित, अनुभवजन्य, खेल-आधारित, सुकराती, Scaffolding और अन्य), जिनमें ऑनलाइन शिक्षण और अधिगम का विशिष्ट संदर्भ भी शामिल है।
• अधिगम सिद्धांत: यह अम्ब्रेला है कि अधिगम कैसे होता है: वे सैद्धांतिक ढाँचे (Behaviorism, संज्ञानवाद, रचनावाद, सामाजिक-सांस्कृतिक, संज्ञानात्मक, अभिप्रेरणात्मक) जो AI के डिज़ाइन और मूल्यांकन को आकार देते हैं।
• तकनीकें: यह तकनीकी परत का अम्ब्रेला है: वे AI प्रणालियाँ (LLM, जनरेटिव AI, Multimodal AI, रोबोटिक्स) और विधियाँ (RAG (Retrieval-Augmented Generation), प्रॉम्प्ट इंजीनियरिंग, प्रबलन अधिगम, मॉडल प्रशिक्षण, एजेंटिक ऑर्केस्ट्रेशन) जो AIED को शक्ति देती हैं। शिक्षार्थी-मॉडलिंग परिवार, ज्ञान अनुरेखण, संज्ञानात्मक निदान, विद्यार्थियों का अनुकरण और उनका उपयोग करने वाली प्रणालियाँ (बुद्धिमान ट्यूटरिंग, अनुकूली अधिगम, वैयक्तिकृत अधिगम) इस तकनीकी धारा के भीतर शिक्षार्थी मॉडलिंग और अनुकूली निर्देशन नामक अम्ब्रेला के अधीन समूहित है।
• विषय-क्षेत्रों में AI: यह अम्ब्रेला है कि AI विभिन्न विषय-क्षेत्रों (गणित, भौतिकी, भाषा अधिगम, कंप्यूटर विज्ञान, लेखन, STEM, इंजीनियरिंग, व्यवसाय, शिक्षक शिक्षा, स्वास्थ्य व्यवसाय और अन्य) में कैसे लागू होता है, और शैक्षिक विषयों के परे उस व्यावसायिक तथा अनुप्रयुक्त धारा में भी जो शुद्धता के बजाय प्रदर्शित अभ्यास को आँकती है (नर्सिंग, सूचना प्रौद्योगिकी, व्यावसायिक शिक्षा और प्रशिक्षण, डिज़ाइन शिक्षा), तथा शैक्षिक स्तरों में भी (K-12, उच्च शिक्षा, वयस्क अधिगम)।
• Assessment (रचनात्मक, योगात्मक, प्रामाणिक और स्वचालित धाराओं के साथ): यह अम्ब्रेला है कि AI शिक्षार्थियों का मूल्यांकन कैसे करता है और मूल्यांकन की वैधता तथा सत्यनिष्ठा को कैसे बदल देता है।
• प्रतिक्रिया: यह अम्ब्रेला है कि प्रतिक्रिया कैसे बनती, पहुँचती और उपयोग होती है: प्रतिक्रिया चक्र, प्रतिक्रिया की गुणवत्ता, प्रतिक्रिया साक्षरता और उसके मूल्यांकन संदर्भ (रचनात्मक, सहकर्मी, स्वचालित)।
• AI शिक्षा में हितधारक: यह अम्ब्रेला है कि अभिकर्ता कौन हैं: शिक्षार्थी, शिक्षक, अधिगम डिज़ाइनर, प्रशासक और नीति-निर्माता।
• AI शिक्षा मूल्यांकन और शोध विधियाँ: ये अम्ब्रेला हैं कि हम कैसे जानते हैं कि AI काम करता है या नहीं: प्रभावशीलता अध्ययन, मानक, यादृच्छिक नियंत्रित परीक्षण, मेटा-विश्लेषण और मुख्य परिणाम-माप के रूप में अधिगम लाभ। पाठकों को इस साक्ष्य की व्यापक सीमाओं को भी तौलना चाहिए।
• AI शासन, शैक्षिक AI नीति और समानता: संस्थागत, नियामक और निष्पक्षता परत के अम्ब्रेला (यह भी देखें: AI Regulation in Education और Privacy)।

ये अम्ब्रेला पृष्ठ नीचे के अनुभागों में जगह-जगह जुड़े हैं; नीचे प्रत्येक धारा अपने अम्ब्रेला और उसकी घटक अवधारणाओं, दोनों का नाम लेती है।

शिक्षा में AI के दो आयाम

शिक्षा में AI का शोध दो परस्पर जुड़ी दिशाओं में फैला है:

• शिक्षा के लिए AI: शिक्षण, अधिगम, मूल्यांकन और प्रशासन को बेहतर बनाने के लिए AI प्रणालियों का उपयोग। इसमें AI ट्यूटरिंग, अनुकूली अधिगम, वैयक्तिकृत अधिगम, स्वचालित निबंध मूल्यांकन, स्वचालित प्रश्न निर्माण, स्वचालित मूल्यांकन, रचनात्मक मूल्यांकन, अधिगम विश्लेषिकी और प्रतिक्रिया चक्र शामिल हैं।
• AI के बारे में शिक्षा: शिक्षार्थियों और शिक्षकों को AI को समझना, उपयोग करना और आलोचनात्मक रूप से आँकना सिखाना। इसका केंद्र AI साक्षरता है, जिसे प्रॉम्प्ट इंजीनियरिंग, आलोचनात्मक चिंतन, AI नैतिकता, शासन शिक्षा, डिजिटल साक्षरता और जिम्मेदार उपयोग सहारा देते हैं।

ये दो आयाम अलग-अलग नहीं हैं: AI का अच्छा उपयोग उसे समझना माँगता है, और AI के बारे में पढ़ाना उसके उपयोग से समृद्ध होता है। यह मानव-AI सहयोग एक केंद्रीय विषय है।

शिक्षा में AI की नींव

क्षेत्र की व्यापक और मूलभूत अवधारणाएँ ज्ञानकोश की कवरेज की आधारशिला हैं और साइडबार में सबसे पहले आती हैं। इनकी शुरुआत एक Essentials समूह से होती है, यानी वे अवधारणाएँ जिनसे हर पाठक को शुरू करना चाहिए: अम्ब्रेला स्वयं, AI के बारे में भ्रांतियाँ, AI साक्षरता, एजेंटिक AI, संज्ञानात्मक ऑफ़लोडिंग, विद्यार्थियों के लिए AI उपयोग को कैसे प्रस्तुत किया जाता है, AI दुरुपयोग कम करना, शैक्षिक सत्यनिष्ठा, शिक्षण, अधिगम डिज़ाइन और शैक्षिक विकास। इसके बाद field धारा क्षेत्र का इतिहास, साक्ष्य आधार की व्यापक सीमाएँ, इसका दर्शन, सिद्धांतों और ढाँचों का नक्शा और सिद्धांत विकास को कवर करती है। व्यापक विषय, यानी मानव–AI सहयोग, शिक्षार्थी स्वायत्तता, शिक्षार्थी पहचान, डिज़ाइन चिंतन, पाठ्यचर्या डिज़ाइन, आलोचनात्मक चिंतन और कम्प्यूटेशनल चिंतन, हर धारा को काटते हैं, क्योंकि AI के बारे में लोगों के गलत मानसिक मॉडल दुरुपयोग और कम अंशांकित विश्वास के मूल में होते हैं।

सीखना और शिक्षण

AI शिक्षण और अधिगम को कैसे सहारा देता है, यही इस क्षेत्र का हृदय है। प्रमुख अवधारणाएँ:

• मुख्य शिक्षाशास्त्र: शिक्षाशास्त्र और शिक्षण रणनीतियाँ, जो ज्ञानकोश की शिक्षण-विधियों की कवरेज का अम्ब्रेला है, के साथ सक्रिय अधिगम, सहयोगी अधिगम, समूह कार्य, परियोजना-आधारित अधिगम, समस्या-आधारित अधिगम, उत्पादक असफलता, जिज्ञासा-आधारित अधिगम, अनुभवजन्य अधिगम, खेल-आधारित अधिगम, पढ़ाकर सीखना, Scaffolding, सुकराती विधि, आलोचनात्मक शिक्षाशास्त्र, शैक्षिक साझेदारियाँ, कहानी कहना, अधिगम डिज़ाइन, ऑनलाइन शिक्षण और अधिगम और शिक्षा में वीडियो।
• अधिगम सिद्धांत और प्रक्रियाएँ: अधिगम सिद्धांत अम्ब्रेला (Behaviorism, संज्ञानवाद, रचनावाद, सामाजिक-सांस्कृतिक, वितरित अनुभूति, स्थितिज अधिगम, देहधारी अधिगम, जिज्ञासा का समुदाय) शिक्षार्थी-केंद्रित प्रक्रियाओं के साथ आता है, जैसे स्व-नियमित अधिगम, आत्म-निर्धारण सिद्धांत, Motivation, Self-Efficacy, स्व-निर्देशित अधिगम, Metacognition, वांछनीय कठिनाइयाँ, अधिगम का स्थानांतरण, पूर्व ज्ञान, ICAP संज्ञानात्मक सहभागिता, खंडन पाठ, पुनःस्मरण, अंतरालन और अंतःस्थापन और गतिविधि सिद्धांत।
• शिक्षार्थी सहभागिता और अनुभव: विद्यार्थी सहभागिता, Help-Seeking, सामाजिक-भावनात्मक अधिगम, Well-Being, Creativity, समस्या समाधान, निपुणता अधिगम और विद्यार्थी–AI अंतःक्रिया यह आकार देते हैं कि शिक्षार्थी वास्तव में AI से कैसे मिलते हैं और उससे कैसे प्रभावित होते हैं।

तकनीकें और विधियाँ

तकनीकें पृष्ठ तकनीकी परत का अम्ब्रेला है:

• मॉडल और विधियाँ: जनरेटिव AI, बड़े भाषा मॉडल, पुनःप्राप्ति-संवर्धित जनरेशन, मल्टीमॉडल मॉडल, शैक्षिक NLP, प्रबलन अधिगम, ज्ञान ग्राफ़, शिक्षा में रोबोट, संवादात्मक AI, Simulation और शैक्षिक LLM का प्रशिक्षण। अंतर्निहित विधियाँ भी महत्वपूर्ण हैं: मशीन लर्निंग वह जगह है जहाँ ये प्रणालियाँ बनती हैं, वाणी और स्वर तकनीकें मौखिक ट्यूटरिंग और भाषा अभ्यास को वहन करती हैं, Visualization शिक्षार्थियों और प्रशिक्षकों के लिए डैशबोर्ड और दृश्य विश्लेषिकी को कवर करता है, और वर्चुअल और संवर्धित वास्तविकता उस अंतर्निमज्जन अभ्यास की मेज़बानी करती है जिसकी दृश्य परत अब मॉडल बना सकता है। नई अंतःक्रिया शैलियाँ भी यहीं आती हैं, सबसे प्रमुख है वाइब कोडिंग, वह प्राकृतिक-भाषा-चालित कार्यप्रवाह जिसमें उपयोगकर्ता किसी LLM को प्रॉम्प्ट देकर कार्यक्रम निर्दिष्ट करता है और स्रोत पढ़ने या संपादित करने के बजाय परिणामी व्यवहार को आँकता है, जो प्रोग्रामिंग को अभिव्यक्ति और सत्यापन का कार्य बनाकर अंतिम उपयोगकर्ताओं के लिए अपने स्वयं के उपकरण बनाने की बाधा घटाता है। SAMR जैसे एकीकरण-गहराई ढाँचे और TAM जैसे अंगीकरण सिद्धांत यह वर्गीकृत करते हैं कि AI कितनी गहराई तक अपनाया जाता है और कार्य को कितना रूपांतरित करता है।
• शिक्षार्थी मॉडलिंग और अनुकूली प्रणालियाँ: शिक्षार्थी का प्रतिनिधित्व करने वाली और उसके अनुसार ढलने वाली तकनीकी प्रणालियाँ शिक्षार्थी मॉडलिंग और अनुकूली निर्देशन अम्ब्रेला के अधीन समूहित हैं: ज्ञान अनुरेखण, संज्ञानात्मक निदान, विद्यार्थियों का अनुकरण, बुद्धिमान ट्यूटरिंग, अनुकूली अधिगम, वैयक्तिकृत अधिगम, सिफ़ारिश प्रणालियाँ और अधिगम पथ, शैक्षिक एजेंट, भावनात्मक ट्यूटरिंग, भावनात्मक कंप्यूटिंग, मानव-इन-द-लूप AI और अधिगम विश्लेषिकी। ये तकनीकी परत में इसलिए आती हैं क्योंकि ये स्वयं AI प्रणालियाँ हैं, और उन शिक्षाशास्त्रों से अलग हैं जिन्हें वे लागू करती हैं।

विषय-क्षेत्रों में AI

AI विषय-क्षेत्रों और शैक्षिक स्तरों में लागू होता है। ज्ञानकोश का विषय-क्षेत्रों में AIEd का अवलोकन विषय-वार कवरेज का नक्शा देता है, साथ ही अधिगम विज्ञान, जो कोई पढ़ाया जाने वाला विषय नहीं बल्कि वह व्यापक शोध क्षेत्र है जो अधिगम का ही अध्ययन करता है और विषय-वस्तु को कई चरों में से एक मानता है:

• विषय-क्षेत्र: गणित, भौतिकी, रसायन विज्ञान, जीव विज्ञान, कंप्यूटर विज्ञान, इंजीनियरिंग, STEM, लेखन, भाषा अधिगम, अंग्रेज़ी शिक्षा (EAP/EFL/ESL), विज्ञान शिक्षा, व्यवसाय, अर्थशास्त्र और प्रबंधन, मानविकी और सामाजिक विज्ञान, कला, डिज़ाइन और मीडिया शिक्षा, चिकित्सा और स्वास्थ्य व्यवसाय, विधि शिक्षा, तथा व्यावसायिक और अनुप्रयुक्त धाराएँ: नर्सिंग, सूचना प्रौद्योगिकी, व्यावसायिक शिक्षा और प्रशिक्षण और डिज़ाइन शिक्षा।

स्तर और संदर्भ

एक ही AI उपकरण बहुत भिन्न परिस्थितियों में पहुँचता है, और ज्ञानकोश शैक्षिक स्तर को शिक्षाशास्त्र से अलग रखता है ताकि निष्कर्ष चुपचाप एक स्तर से दूसरे पर स्थानांतरित न हो जाएँ: K-12 विद्यालय, प्रारंभिक बाल्यावस्था और प्राथमिक शिक्षा, उच्च शिक्षा, वयस्क अधिगम, व्यावसायिक शिक्षा और प्रशिक्षण, विशेष शिक्षा और शिक्षक शिक्षा। स्तरों को काटने वाली क्षेत्र-निकट अवधारणाओं में अधिगम के लिए सार्वभौमिक डिज़ाइन, Neurodiversity, बहुभाषी अधिगम और सामाजिक-भावनात्मक अधिगम शामिल हैं।

मूल्यांकन और मापन

AI यह दोनों बदलता है कि हम शिक्षार्थियों का मूल्यांकन कैसे करते हैं और यह भी कि हम AI प्रणालियों का मूल्यांकन कैसे करते हैं:

• मूल्यांकन और प्रतिक्रिया: Assessment, रचनात्मक मूल्यांकन, योगात्मक मूल्यांकन, प्रामाणिक मूल्यांकन, ई-पोर्टफ़ोलियो, प्रतिक्रिया और प्रतिक्रिया साक्षरता, AI प्रतिक्रिया की गुणवत्ता, सहकर्मी मूल्यांकन, स्वचालित मूल्यांकन, स्वचालित निबंध मूल्यांकन और स्वचालित प्रश्न निर्माण। चूँकि मॉडल अब माँग पर विश्वसनीय रूप से तैयार काम बना सकता है, ज्ञानकोश उस क्षमता को सामने रखता है जो शिक्षार्थी की अपनी ही रहती है: मूल्यांकनात्मक निर्णय, यानी अपने काम, साथियों के काम और AI के आउटपुट की गुणवत्ता को तर्कसंगत मानदंडों के आधार पर आँकने की क्षमता। यह वह संरचना है जिस पर कई प्रतिक्रिया और प्रामाणिक-मूल्यांकन अध्ययन एक साथ आते हैं: बहु-स्थल प्रयोग में हाइब्रिड प्रतिक्रिया शर्त का सीधी AI प्रतिक्रिया से बेहतर प्रदर्शन, AI रचनात्मक प्रतिक्रिया में टिकाऊपन का अंतर, और कला-वस्तु के साथ-साथ विद्यार्थियों के निर्णयों को भी आँकने का व्यावहारिक कदम। यही एक मुख्य कारण है कि AI-युग में पुनर्डिज़ाइन पहचान से उन कार्यों की ओर मुड़ता है जिनकी सत्यनिष्ठा जाँच में टिक जाती है। समूह कार्य का मूल्यांकन भी प्रक्रिया और उत्पाद, दोनों पर होता है, जहाँ दलों को यह तय करना पड़ता है कि किसका और किस प्रकार का AI उपयोग स्वीकार्य माना जाएगा।
• मापन और वैधता: मूल्यांकन वैधता, मनोमितीय रूप से जागरूक AI, शैक्षिक मापन, मद-प्रतिक्रिया सिद्धांत, स्व-रिपोर्ट माप (इस साक्ष्य के बड़े हिस्से के पीछे का उपकरण, और एक बार-बार उभरने वाली सीमा), AI पहचान, दूरस्थ निगरानी और शैक्षिक सत्यनिष्ठा।

शोध विधियाँ और मूल्यांकन

हम कैसे जानते हैं कि AI काम करता है या नहीं, यह अपने आप में एक धारा है, और ज्ञानकोश इसे वैसे ही मानता है:

• शोध विधियाँ: अम्ब्रेला के रूप में AIED में शोध विधियाँ, जिनके साथ गुणात्मक, मात्रात्मक, मिश्रित-विधि, डिज़ाइन-आधारित और उपयोगिता दृष्टिकोण, तथा यादृच्छिक नियंत्रित परीक्षण, मेटा-विश्लेषण और व्यवस्थित समीक्षा और नेटवर्क विश्लेषण शामिल हैं।
• AI प्रणालियों का मूल्यांकन: किसी प्रणाली की क्षमता आँकने के लिए AI शिक्षा मूल्यांकन और मानक, जिनमें परिणाम के रूप में मायने रखने वाला माप अधिगम लाभ है, और सावधानी बरतने वाला पक्ष इस साक्ष्य की व्यापक सीमाएँ तथा एक अकेले अध्ययन को कैसे पढ़ें है।

लोग

शिक्षा में AI प्रत्येक हितधारक की भूमिकाएँ बदल देता है। ज्ञानकोश का AI शिक्षा में हितधारक पृष्ठ उन सबका अम्ब्रेला है:

• शिक्षार्थी: विद्यार्थी अनुभव, करियर विकास और तैयारी और AI चिंता और तनाव यह आकार देते हैं कि विद्यार्थी AI से कैसे मिलते हैं।
• परिवार और समुदाय: माता-पिता और परिवार वे दर्शक हैं जिनसे विद्यालय AI के बारे में सबसे अधिक बात करते हैं और जिनके पीछे सबसे कम शोध है, इसलिए उनकी चिंताएँ हितधारक चित्र के बाहर नहीं, उसके भीतर होनी चाहिए।
• प्रशिक्षक और शिक्षण ढाँचे: शिक्षक AI दक्षता, तकनीकी शैक्षिक सामग्री ज्ञान (TPACK), SAMR और शैक्षिक विकास शिक्षकों की तैयारी और सहायता से जुड़े हैं।
• निर्माता: Educational Technology Developers, यानी वे उत्पाद डिज़ाइनर, सॉफ़्टवेयर विकासकर्ता, अधिगम इंजीनियर और विश्लेषिकी डिज़ाइनर जो किसी मॉडल की क्षमता को ऐसी चीज़ में बदलते हैं जिसे कोई संस्था खरीद सके। वे ऊपर के व्यवसायियों और प्रशासकों से भिन्न दर्शक हैं, और वे उन संस्थाओं के बाहर बैठे हैं जो उनके उपकरण अपनाती हैं, इसीलिए इस ज्ञानकोश में डिफ़ॉल्ट, सह-डिज़ाइन और वित्तपोषण के बाद का रखरखाव व्यावसायिक नहीं बल्कि शैक्षिक प्रश्नों के रूप में आते हैं।

संस्थाएँ और नीति

संस्थागत परत वह जगह है जहाँ AI से जुड़े निर्णय वास्तव में लिए और उचित ठहराए जाते हैं: प्रशासक और संस्थागत नेता, शैक्षिक AI नीति, AI शासन, किसी अंगीकरण को टिकाऊ बनाने का काम यानी परिवर्तन प्रबंधन, AI नियमन, और वे खरीद तथा प्लेटफ़ॉर्म प्रश्न जो तकनीक अंगीकरण, ओपन सोर्स और एडटेक प्लेटफ़ॉर्म से निकलते हैं, साथ ही व्यावसायिक और आजीवन अधिगम तथा व्यावसायिक प्रशिक्षण।

समानता, नैतिकता और जिम्मेदार उपयोग

निष्पक्षता, पहुँच और जिम्मेदारी शिक्षा में AI के केंद्र में हैं:

• समानता और पहुँच: समानता, शिक्षार्थी समूहों में भिन्न प्रभाव (यह प्रश्न कि कोई निष्कर्ष किसके लिए लागू होता है), डिजिटल विभाजन, पूर्वाग्रह शमन, सांस्कृतिक रूप से प्रासंगिक शिक्षाशास्त्र, बहुभाषी अधिगम, समावेशी अधिगम, Accessibility, सहायक तकनीक, Neurodiversity, अधिगम के लिए सार्वभौमिक डिज़ाइन और वैश्विक दक्षिण के अध्ययन।
• नैतिकता और जिम्मेदारी: AI नैतिकता, AI दुरुपयोग और अधिगम को हानि, विधिक मुद्दे और जोखिम, AI उपयोग का खुलासा, Guardrails, Privacy, हैलुसिनेशन जोखिम, AI चापलूसी, Trust, विश्वास अंशांकन, AI दुरुपयोग कम करना, विद्यार्थियों के लिए AI उपयोग को कैसे प्रस्तुत किया जाता है, शैक्षिक सुरक्षा, Sustainability और संज्ञानात्मक ऑफ़लोडिंग।

क्षेत्र के नैतिकता-साहित्य की एक व्यवस्थित समीक्षा (Agarwal आदि 2026, 25 लेख) AIED नैतिकता को छह मुख्य नैतिक मूल्यों में संघनित करती है: गैर-भेदभाव, डेटा संरक्षण, मानव निरीक्षण, सद्भावना, व्याख्येयता और शैक्षिक उपयुक्तता, और नैतिक मानदंडों को हितधारक-बनाम-मूल्य मैट्रिक्स पर नक्शेबद्ध करती है। इसमें पाया जाता है कि नैतिकता-साहित्य में अंतिम उपयोगकर्ता काफ़ी हद तक निष्क्रिय हैं (विद्यार्थियों की आवाज़ लगभग अनुपस्थित है), और यह AIED डिज़ाइन में नैतिकता को एकीकृत करने तथा AIED नैतिकता के शैक्षिक (शैक्षणिक) आयाम पर अधिक ध्यान देने का आह्वान करती है।

उभरते और व्यापक विषय

कई विषय पूरे क्षेत्र को काटते हैं:

• विश्वास और आलोचनात्मक उपयोग: Trust, विश्वास अंशांकन, AI चापलूसी, आलोचनात्मक चिंतन, संज्ञानात्मक ऑफ़लोडिंग, आलोचनात्मक शिक्षाशास्त्र और AI दुरुपयोग कम करना (यह भी देखें: विद्यार्थियों के लिए AI उपयोग को कैसे प्रस्तुत किया जाता है)। शिक्षार्थी और शिक्षक AI को अपनाने तथा उस पर निर्भर रहने का निर्णय कैसे करते हैं, इसे तकनीक स्वीकृति शोध मॉडल करता है, जबकि वैश्विक दक्षिण के अध्ययन अंगीकरण में समानता और सांस्कृतिक संदर्भ को सामने रखते हैं। अनुभवजन्य रूप से, AI स्वयं को कैसे समझाता है, यह इस विश्वास को आकार देता है: Feldman-Maggor आदि (2025) ने दिखाया कि व्याख्येय AI समझने-योग्यता के माध्यम से AI सिफ़ारिशों पर शिक्षकों का विश्वास बनाता है, और क्षेत्र-चालित (पाठ्यचर्या-भाषा) व्याख्याओं पर डेटा-चालित विशेषता-महत्व आउटपुट की तुलना में अधिक भरोसा और स्वीकृति मिलती है।
• क्षेत्र का विकास: ज्ञानकोश शिक्षा में AI की यात्रा शुरुआती बुद्धिमान ट्यूटरिंग प्रणालियों और ज्ञान अनुरेखण से लेकर LLM-चालित ट्यूटरिंग, एजेंट और एजेंटिक AI तक देखता है, यानी उपकरण-केंद्रित अध्ययनों से सामाजिक-तकनीकी ढाँचों (डिज़ाइन चिंतन, पाठ्यचर्या डिज़ाइन, संस्थागत परिवर्तन) की ओर और हस्त-लेखित प्रणालियों से उपयोगकर्ता-चालित कार्यप्रवाहों की ओर तेज़ बदलाव, जिनमें कोई शिक्षार्थी या गैर-प्रोग्रामर प्राकृतिक भाषा में व्यवहार निर्दिष्ट करता है (वाइब कोडिंग)। Rismanchian और Doroudi इस प्रक्षेपवक्र को अपने AI×Ed ढाँचे से औपचारिक रूप देते हैं और चार दशकों की कार्यवाहियों के लेखों को अनुरेखित करके दिखाते हैं कि क्षेत्र एक विविध मिश्रण (जिसमें AI को मानव बुद्धि और अधिगम की उपमा मानने वाला पर्याप्त शोध भी शामिल था) से लगभग अनन्य रूप से अनुप्रयुक्त, डेटा-चालित, शोधकर्ता-केंद्रित उपयोगों की ओर बढ़ा, और LLM के उदय के साथ यह मोड़ अब अंशतः उलटता दिखता है (AIED 2024 में "AI-के-रूप-में-उपमा" वाले चार में से तीन लेख LLM-आधारित थे)।
• भावना, चिंता और करियर का भविष्य: AI भावनात्मक प्रतिक्रियाएँ उत्पन्न और आकार देता है: AI चिंता और तनाव, जिसमें निगरानी, सत्यनिष्ठा की आशंकाएँ और करियर विस्थापन शामिल हैं, वहीं करियर विकास और तैयारी यह देखता है कि शिक्षा शिक्षार्थियों को AI से बदलते श्रम बाज़ार के लिए कैसे तैयार करती है (यह भी देखें: Well-Being)।

क्षेत्र की परिपक्वता

ज्ञानकोश एक तेज़ी से विकसित होते क्षेत्र को दर्शाता है: शुरुआती बुद्धिमान ट्यूटरिंग प्रणालियों से LLM-चालित ट्यूटरिंग और एजेंटिक AI तक; पहचान-केंद्रित शैक्षिक-सत्यनिष्ठा उपकरणों से मूल्यांकन पुनर्डिज़ाइन तक; और उपकरण-केंद्रित अध्ययनों से सामाजिक-तकनीकी तथा समानता-केंद्रित ढाँचों तक। साक्ष्य आधार कठोर शोध विधियों, मूल्यांकन, प्रायोगिक डिज़ाइनों और दीर्घकालिक परिणामों पर बढ़ता ज़ोर देता है।

संबंध

शिक्षा में AI ज्ञानकोश की प्रत्येक अवधारणा से जुड़ता है: यह वह क्षेत्र है जिसे अन्य सभी अवधारणा पृष्ठ मिलकर परिभाषित करते हैं। पूरे ज्ञानकोश में भ्रमण के लिए इस पृष्ठ को प्रारंभिक बिंदु बनाइए।

संबंधित अवधारणाएँ

• AI Literacy – अम्ब्रेला: AI को समझना, उपयोग करना और आँकना
• Human AI Collaboration – अम्ब्रेला: लोग और AI मिलकर कैसे काम करते हैं
• Pedagogies and Teaching Strategies – अम्ब्रेला: शिक्षण विधियाँ और रणनीतियाँ
• Learning Theories – अम्ब्रेला: अधिगम कैसे होता है
• Technologies – अम्ब्रेला: मॉडल, विधियाँ और प्रणालियाँ
• AIEd in the Disciplines – अम्ब्रेला: विषय-क्षेत्रों और स्तरों में AI
• Assessment – अम्ब्रेला: AI शिक्षार्थियों का मूल्यांकन कैसे करता है और वैधता को कैसे बदलता है
• Feedback – अम्ब्रेला: प्रतिक्रिया कैसे बनती, पहुँचती और उपयोग होती है
• Stakeholders – अम्ब्रेला: अभिकर्ता कौन हैं
• Learners – अम्ब्रेला: शिक्षार्थी-पक्ष की अवधारणाएँ (अनुभव, पहचान, स्वायत्तता, अंतःक्रिया, शिक्षार्थी मॉडल)
• AI Ed Evaluation – अम्ब्रेला: हम कैसे जानते हैं कि AI काम करता है
• Research Methods in AIED – अम्ब्रेला: प्रभावशीलता शोध विधियाँ
• AI Governance – अम्ब्रेला: संस्थागत और नियामक परत
• Educational AI Policy – अम्ब्रेला: नीति, मार्गदर्शन और क्रियान्वयन
• Equity – अम्ब्रेला: निष्पक्षता, पहुँच और समावेश
• Learning Sciences – AIED के पीछे का अनुभवजन्य क्षेत्र
• Ethics – शिक्षा में AI के नैतिक आयाम
• Misconceptions about AI – AI के बारे में लोगों के मानसिक मॉडल
• Interpreting and Applying AIEd Research – किसी अध्ययन को पढ़ना और निष्कर्ष को व्यवहार में लाना
• Limitations in AIEd Research – साक्ष्य आधार की व्यापक सीमाएँ
• Meta-Analysis and Systematic Review – समीक्षाएँ और मेटा-विश्लेषण क्या स्थापित करते हैं
• History of AI in Education – क्षेत्र का विकास कैसे हुआ
• Philosophy of AI in Education – दार्शनिक आधार
• Theories and Frameworks – सिद्धांत और ढाँचा नोड्स का नक्शा
• Theory Development in AI in Education – सिद्धांत का निर्माण और संशोधन

संबंधित लेख

शिक्षा में AI की क्षेत्र-व्यापी समीक्षाएँ, यानी वे अध्ययन जो किसी एक विषय के बजाय पूरे क्षेत्र या पूरे शैक्षिक स्तर का सर्वेक्षण करते हैं:

• Typology of Generative AI Tools for Education – Typology of Generative AI Tools for Education
• Review of Artificial Intelligence in Education from 2020 to 2025 – Review of Artificial Intelligence in Education from 2020 to 2025
• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework – The evolution of AI-and-education research across four decades (AIxEd framework)
• Control vs. Agency: Exploring the History of AI in Education – Control vs. agency: a history of AI in education
• A systematic review of generative AI in education: Empirical insights from a human–AI interaction perspective – Generative AI in education: systematic review of 56 empirical studies
• Generative AI in Higher Education: A Systematic Review of Opportunities, Challenges, and Pedagogical Innovations (2022–2025) – Generative AI in higher education: systematic review of 125 studies
• The Evidence Base on AI in K-12: A 2026 Review – The evidence base on AI in K-12: a review of 818 papers
• Preparing Learners and Teachers for an AI-Driven Future: Emerging Trends, Pedagogical Challenges, and Critical Perspectives in Pre-University AI Education: A Systematic Literature Review – Pre-university AI education: systematic literature review of 42 studies
• Generative AI technologies and educational outcomes: a comprehensive meta-analysis comparing traditional and AI-driven approaches – Generative AI and educational outcomes: comprehensive meta-analysis
• Building AI Companions that Prioritize Learning over Performance – a research agenda for AI companions built around learning rather than performance