संज्ञानात्मक मनोविज्ञान

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

संज्ञानात्मक मनोविज्ञान / संज्ञानात्मकतावाद — वे सिद्धांतों का परिवार जो सीखने को आंतरिक मानसिक प्रक्रियाओं — ध्यान, अनुभूति, स्मृति, तर्क और अधिचेतना — के माध्यम से समझाते हैं, न कि केवल देखे जा सकने वाले व्यवहार से। शिक्षा में AI में, संज्ञानात्मक मान्यताएँ इस क्षेत्र के सबसे विशिष्ट योगदानों को आधार देती हैं: इंटेलिजेंट ट्यूटरिंग प्रणालियाँ जो शिक्षार्थी के ज्ञान का मॉडल बनाती हैं, ज्ञान अनुरेखण और संज्ञानात्मक निदान जो यह ट्रैक करती हैं कि शिक्षार्थी क्या जानता है, त्रुटि निदान पर आधारित प्रतिपुष्टि डिज़ाइन, और पूरा शिक्षार्थी मॉडलिंग और अनुकूली निर्देश परिवार। संज्ञानात्मकतावाद व्यवहारवाद (सीखना व्यावहारिक परिवर्तन के रूप में) और रचनावाद (सीखना सक्रिय अर्थ-निर्माण के रूप में) के बीच का मध्य मार्ग है, और यह मन के उस कंप्यूटर रूपक से सबसे कसकर जुड़ा सैद्धांतिक लेंस है जिसने प्रारंभिक AIED को गति दी।

विचार के लिए प्रश्न

• जब आप 'सीखने' के बारे में सोचते हैं, तो क्या आप किसी व्यक्ति के किए में बदलाव की कल्पना करते हैं, या उसके ज्ञान और पुनर्प्राप्ति करने की क्षमता में बदलाव की? यह अंतर आपको यह न्याय करने में कैसे बदल सकता है कि कोई AI ट्यूटरिंग उपकरण वास्तव में काम कर रहा है या नहीं?
• AI ट्यूटरिंग एक 'कंप्यूटर रूपक' पर आधारित है — मन को एक सूचना-प्रसंस्करण प्रणाली मानना जिसकी स्मृति सीमित होती है। यह रूपक कहाँ शक्तिशाली लगता है, और मनुष्यों के सीखने के तरीके के बारे में यह कहाँ कुछ महत्वपूर्ण चूक सकता है?
• एक AI उपकरण किसी कार्य को सहज बना देता है: यह अगला चरण समझाता है, अवरोध घटाता है, और शिक्षार्थी उसका उपयोग करते हुए उत्कृष्ट प्रदर्शन करता है। क्या इसे सफल शिक्षण माना जा सकता है? आप यह कैसे जानेंगे कि शिक्षार्थी अब उसे उपकरण के बिना कर सकता है?
• संज्ञानात्मक भार सिद्धांत (CLT) आंतरिक, बाह्य और सक्रिय (germane) भार में अंतर करता है। यदि आप कोई AI सहायक डिज़ाइन कर रहे हों, तो आप जानबूझकर किस प्रकार के भार को घटाने का प्रयास करेंगे, और किसे हटाने से सावधान रहेंगे?
• यदि कोई शिक्षार्थी जानता है कि वह स्मृति और तर्क को AI पर सोंप सकता है, तो यह कब एक समझदारी भरी रणनीति है और कब एक छोटा रास्ता जो चुपचाप सीखने को रोकता है? इस अंतर को क्या निर्धारित करता है?
• संज्ञानात्मकतावाद मानता है कि ज्ञान को घटकों में विभाजित किया जा सकता है और समय के साथ ट्रैक किया जा सकता है। जब हम किसी शिक्षार्थी की समझ को ट्रैक करने योग्य ज्ञान घटकों के समुच्चय तक सीमित कर देते हैं, तो क्या खो सकता है?

परिचय

संज्ञानात्मक मनोविज्ञान वह सीखने के सिद्धांत की परंपरा है जो सीखने को आंतरिक मानसिक प्रतिनिधियों — अवधारणाओं, स्कीमाओं और प्रक्रियाओं, जो स्मृति में संचित रहती हैं — में परिवर्तन मानती है, न कि देखे जा सकने वाले व्यवहार में। इसकी सूचना-प्रसंस्करण शब्दावली (ध्यान, एन्कोडिंग, पुनर्प्राप्ति, सीमित कार्यशील स्मृति) ने सीखने की कठिनाई के निदान की भाषा और इंटेलिजेंट ट्यूटरिंग तथा ज्ञान अनुरेखण की संरचना — वे प्रणालियाँ जो शिक्षार्थी की आंतरिक अवस्था का अनुमान लगाकर उसके अनुसार अनुकूलित होती हैं — दोनों को प्रदान किया। यह इस ज्ञान आधार में मेटाकॉग्निशन, वांछनीय कठिनाइयाँ और स्व-नियंत्रित अधिगम के लिए संदर्भ ढाँचा बना हुआ है।

मूल विचार

• सीखना आंतरिक मानसिक प्रतिनिधियों में बदलाव है। संज्ञानात्मकतावाद मानता है कि सीखने में स्मृति में ज्ञान का अर्जन, संचय और पुनर्गठन शामिल है — अवधारणाएँ, स्कीमाएँ और प्रक्रियाएँ — न कि केवल देखे जा सकने वाली अनुक्रिया में बदलाव। यह महत्वपूर्ण है कि शिक्षार्थी क्या जानता है और पुनर्प्राप्त कर सकता है, केवल यह नहीं कि वह क्या करता है।
• सूचना-प्रसंस्करण (कंप्यूटर) रूपक। मन को एक सूचना-प्रसंस्करण प्रणाली माना जाता है जिसकी क्षमताएँ और अवरोध-बिंदु होते हैं — मापन की गुप्त योग्यता, कार्यशील स्मृति की सीमाएँ, एन्कोडिंग और पुनर्प्राप्ति — और यह ठीक वही मॉडल है जिसने AI ट्यूटरिंग (एक कंप्यूटर प्रोग्राम जो शिक्षार्थी के संज्ञान का मॉडल बनाकर उसके अनुकूल होता है) को एक स्वाभाविक विकल्प बना दिया।
• ध्यान और स्मृति सीमित हैं। कार्यशील स्मृति की क्षमता सीमित है; स्थायी सीखने के लिए दीर्घकालिक स्मृति में एन्कोडिंग आवश्यक है, जो दोहराव, विस्तार और पुनर्प्राप्ति अभ्यास के माध्यम से होती है। यह संज्ञानात्मकतावाद को research और संज्ञानात्मक ऑफलोडिंग (स्मृति/प्रसंस्करण को बाह्य उपकरणों पर सौंपना) से जोड़ता है, और उस "प्रदर्शन–सीखने की खाई" से भी जो तब उत्पन्न होती है जब AI पुनर्प्राप्ति और अभ्यास को दरकिनार कर देता है।
• अधिचेतना संज्ञान को नियंत्रित करती है। मेटाकॉग्निशन — अपने ही विचारों की निगरानी और नियंत्रण — एक विशिष्ट रूप से संज्ञानात्मक संकल्पना है, और यह समझाती है कि शिक्षार्थी का यह आकलन कि वह AI पर कब भरोसा करे, सीखने के लिए क्यों महत्वपूर्ण है (देखें संज्ञानात्मक ऑफलोडिंग और स्व-नियंत्रित अधिगम)।
• ज्ञान विघटनीय और ट्रैक करने योग्य है। संज्ञानात्मक AIED मानता है कि शिक्षार्थी का ज्ञान को घटकों के रूप में प्रदर्शित किया जा सकता है और समय के साथ ट्रैक किया जा सकता है — यही ज्ञान अनुरेखण, संज्ञानात्मक निदान और आइटम रिस्पॉन्स थ्योरी (IRT) का आधार है।

शिक्षा में संज्ञानात्मकतावाद और AI

AIED की संज्ञानात्मक वंशावली

यह कहा जा सकता है कि संज्ञानात्मकतावाद ही वह सिद्धांत है जो शिक्षा में AI के अस्तित्व को सबसे अधिक उत्तरदायी है। प्रारंभिक संज्ञानात्मक ट्यूटर (जैसे, एंडरसन के ACT-R-आधारित ट्यूटर) ने उस मान्यता को व्यक्त किया कि सीखना उत्पादन नियमों (production rules) के रूप में मॉडल किया जा सकता है और एक प्रणाली यह ट्रैक कर सकती है कि शिक्षार्थी ने कौन-से नियम सीख लिए हैं। इससे वह मौलिक संरचना उत्पन्न हुई जो आज भी इस क्षेत्र को परिभाषित करती है: एक डोमेन मॉडल, एक शिक्षार्थी मॉडल जो शिक्षार्थी के ज्ञान की अवस्था को ट्रैक करता है, और एक शिक्षाशास्त्रीय मॉडल जो निर्देश को अनुकूलित करता है — सब संज्ञानात्मक मूल का। आधुनिक ज्ञान अनुरेखण (बेज़ियन, डीप-लर्निंग और IRT-आधारित) और संज्ञानात्मक निदान इसी परंपरा को जारी रखते हैं। यही मान्यता इंटेलिजेंट ट्यूटरिंग, अनुकूली अधिगम और व्यक्तिगत शिक्षा को भी आधार देती है, जिन्हें इस ज्ञान आधार में शिक्षार्थी मॉडलिंग और अनुकूली निर्देश छत्र के अंतर्गत रखा गया है।

संज्ञानात्मक भार और निर्देश का डिज़ाइन

संज्ञानात्मक भार सिद्धांत (CLT) शिक्षणात्मक डिज़ाइन में सबसे व्यापक रूप से लागू संज्ञानात्मक ढाँचा है: यह आंतरिक भार (कार्य की जटिलता), बाह्य भार (प्रस्तुति का अवरोध) और सक्रिय (germane) भार (स्कीमा-निर्माण का प्रयास) में अंतर करता है। अच्छी तरह डिज़ाइन किया गया AI बाह्य भार को घटाता है और सक्रिय प्रसंस्करण को संरक्षित रखता है; खराब एकीकृत AI तीनों को घटा देता है, जिससे पूरे किए गए कार्य के साथ सीखने की खालीपन रह जाती है। CLT का कार्यशील-स्मृति ढाँचा संज्ञानात्मक ऑफलोडिंग के बहसों में भी केंद्रीय है — क्या AI हानिकारक बाह्य भार को घटाता है, या उस सक्रिय प्रसंस्करण को भंग करता है जो सीखने का उत्पादक है।

मेयर का मल्टीमीडिया सीखने का संज्ञानात्मक सिद्धांत (CTML) इन्हीं कार्यशील-स्मृति मान्यताओं को सामग्री पर लागू करता है, और इसके निर्देश असाधारण रूप से ठोस हैं: शिक्षार्थी शब्दों और चित्रों को एक साथ पढ़ने से केवल शब्दों से बेहतर सीखते हैं, जब अप्रासंगिक सामग्री हटा दी जाए, जब पाठ को खंडों में विभाजित कर शिक्षार्थी की गति से पढ़ाया जाए न कि एक निरंतर इकाई के रूप में प्रस्तुत किया जाए, जब संबंधित शब्द और चित्र एक-दूसरे के पास और एक ही समय पर दिखाई दें, और जब कथन संवादात्मक और मित्रवत मानव स्वर में हो न कि औपचारिक या मशीन-जनित।

संज्ञानात्मकतावाद बनाम व्यवहारवाद और रचनावाद

• व्यवहारवाद के विरुद्ध: व्यवहारवाद सीखने को प्रबलन और अभ्यास के माध्यम से देखे जा सकने वाले व्यावहारिक परिवर्तन के रूप में समझाता है; संज्ञानात्मकतावाद आंतरिक प्रतिनिधियों और मानसिक अवस्थाओं के निदान पर अड़ा रहता है। AI अभ्यास में अक्सर "नाम पर रचनावाद, अभ्यास में व्यवहारवाद" की खाई दिखती है, लेकिन संज्ञानात्मक डिज़ाइन (शिक्षार्थी मॉडलिंग, ज्ञान ट्रैकिंग) शुद्ध व्यवहारवादी अभ्यास-और-प्रतिपुष्टि से भिन्न हैं, क्योंकि वे शिक्षार्थी के अनुमानित ज्ञान का प्रतिनिधित्व करते हैं और उसके अनुकूल होते हैं, न कि केवल अनुक्रियाओं को प्रबलित करते हैं।
• रचनावाद के विरुद्ध: रचनावाद मानता है कि शिक्षार्थी अनुभव के माध्यम से सक्रिय रूप से अर्थ का निर्माण करते हैं; संज्ञानात्मकतावाद (प्रायः पूर्व-संरचित) ज्ञान और कौशल के सटीक एन्कोडिंग पर ज़ोर देता है। AIED की संज्ञानात्मक वंशावली (संरचित डोमेन, स्पष्ट ज्ञान घटक) पर कभी-कभी रचनावादियों द्वारा यह आलोचना की जाती है कि यह व्यवहारवादी या हस्तांतरण-उन्मुख है, जबकि संज्ञानात्मकतावाद का जवाब है कि ज्ञान का प्रतिनिधित्व और ट्रैकिंग ही वह कारक है जो सच्ची अनुकूली शिक्षा को संभव बनाता है।
• शिक्षा विज्ञान के विरुद्ध: संज्ञानात्मकतावाद उन तंत्रों को आधार देता है जिनसे वह क्षेत्र डिज़ाइन करता है — कार्यशील स्मृति, एन्कोडिंग, पुनर्प्राप्ति, विघटनीय ज्ञान घटक — लेकिन यह स्वयं डिज़ाइन-उन्मुख नहीं है। यह समझाता है कि सीखना कैसे होता है; शिक्षा विज्ञान पूछता है कि उन परिवेशों को कैसे बनाया जाए जिनमें यह होता है, और उन डिज़ाइनों को अनुभवजन्य परीक्षण में ठहराया जाए।

AI-युग का तनाव: संज्ञानात्मकतावाद की सीमा दबाव में है

जनरेटिव AI संज्ञानात्मकतावाद का एक ही साथ विस्तार और चुनौती दोनों है। यह इसे विस्तार देता है क्योंकि यह ज्ञान प्रतिनिधियों को अधिक शक्तिशाली बनाता है (LLM को ज्ञान इंजन के रूप में, जिन्हें ज्ञान अनुरेखण के माध्यम से ट्रैक किया जा सकता है और शिक्षार्थी मॉडलिंग और अनुकूली शिक्षण के माध्यम से अनुकूलित किया जा सकता है)। यह इसे चुनौती देता है क्योंकि यह इस बात को जटिल बनाता है कि संज्ञान "कहाँ" है: जब AI तर्क, स्मृति और यहाँ तक कि अधिचेतना जैसी क्रियाएँ करता है, तो वह संज्ञानात्मक मान्यता कि सीखना व्यक्ति के मन में आंतरिक प्रसंस्करण है, अस्थिर हो जाती है — जैसा कि वितरित संज्ञान, सह-नियमन, और मानव-पश्च संदर्भ तर्क देते हैं कि संज्ञान मानवीय और कृत्रिम प्रणालियों में वितरित हो सकता है। फिर भी संज्ञानात्मक प्रश्न इस क्षेत्र का केंद्रीय प्रश्न बना हुआ है: क्या शिक्षार्थी ज्ञान का आंतरिकीकरण करता है, या उसे उपकरण रखता है? यह संज्ञानात्मक बाह्यीकरण और प्रदर्शन–सीखने की खाई का प्रश्न अपने शुद्धतम रूप में है।

डिज़ाइन और अनुसंधान के लिए निहितार्थ

1. आंतरिकीकरण के लिए डिज़ाइन करें, केवल प्रदर्शन के लिए नहीं। संज्ञानात्मक AIED का मूल्यांकन इस बात पर होना चाहिए कि शिक्षार्थी ज्ञान को उपकरण के बिना पुनर्प्राप्त और लागू कर सकता है या नहीं — सहायता-प्राप्त प्रदर्शन पर नहीं। यही प्रदर्शन–सीखने की खाई है और सहायता-रहित हस्तांतरण को मापने का औचित्य।
2. शिक्षार्थी का प्रतिनिधित्व करें, केवल अनुक्रिया न दें। AI संवाद से संरचित शिक्षार्थी मॉडलिंग और अनुकूली शिक्षण और ज्ञान अनुरेखण जोड़ें ताकि प्रणाली अनुमानित ज्ञान के अनुकूल हो, न कि दक्षता से परंतु अंधाधुंध अनुक्रिया दे। (EduClaw-Bench: A Long-Horizon Benchmark for Pedagogical LLM Agents with Simulated Learners)
3. कार्यशील स्मृति की सीमाओं का सम्मान करें। AI UX पर संज्ञानात्मक भार सिद्धांत लागू करें: बाह्य भार घटाएँ (अवरोध, अधिभारित इंटरफ़ेस) और सक्रिय प्रसंस्करण को संरक्षित रखें (उत्पादक संघर्ष, पुनर्प्राप्ति अभ्यास), न कि सभी संज्ञानात्मक माँग को कम करें।
4. अधिचेतना को अंशांकित करें। चूँकि मेटाकॉग्निशन यह नियंत्रित करता है कि शिक्षार्थी कब बाह्यीकरण चुनते हैं, अंशांकन का शिक्षण (यह जानना कि कोई बिना सहायता वास्तव में क्या कर सकता है) अति-निर्भरता का एक संज्ञानात्मक उत्तर है (देखें संज्ञानात्मक ऑफलोडिंग)।

संबंधित अवधारणाएँ

• व्यवहारवाद
• कंस्ट्रक्टिविज़्म
• सीखने के सिद्धांत
• मेटाकॉग्निशन
• संज्ञानात्मक ऑफलोडिंग
• ज्ञान अनुरेखण
• संज्ञानात्मक निदान
• शिक्षार्थी मॉडलिंग और अनुकूली शिक्षण
• इंटेलिजेंट ट्यूटरिंग
• अनुकूली अधिगम
• व्यक्तिगत शिक्षा
• आइटम रिस्पॉन्स थ्योरी (IRT)
• वितरित संज्ञान
• ICAP फ्रेमवर्क
• सीखने का अंतरण
• स्व-नियंत्रित अधिगम
• शिक्षा में AI
• अधिगम विज्ञान
• पुनर्प्राप्ति, अंतराल और प्रक्षेपण — जिन पुनरावृत्ति निष्कर्षों पर यह अभ्यास-परिवार टिका है

संबंधित लेख

• Evidence of a Cognitive Shift in AI Education: How Students Are Rethinking Human Intelligence? — शिक्षा में AI से संज्ञानात्मक बदलाव
• CogTax: A Four-Level Cognitive Taxonomy for Command-Line Computing Education — AI उपयोग के लिए एक संज्ञानात्मक वर्गीकरण
• EduClaw-Bench: A Long-Horizon Benchmark for Pedagogical LLM Agents with Simulated Learners — ज्ञान ट्रैकिंग में आधारित शिक्षाशास्त्रीय LLM एजेंट
• PersonaVLM: Long-Term Personalized Multimodal LLMs — LLM शिक्षार्थी मॉडलिंग और स्मृति
• Artificial intelligence as a cognitive partner: a developmental framework for human-AI co-regulation in learning — सह-नियमित सीखने में संज्ञानात्मक भागीदार के रूप में AI
• Towards a philosophy of ensemble cognition: Reconceptualising agency and mind in AI-mediated educational environments — समुच्चय संज्ञान: विचार को मानव–AI अंतःक्रिया के रूप में