विषयों में AIEd

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

विषयों में AIEd — कृत्रिम बुद्धिमत्ता को विशिष्ट शैक्षणिक विषयों के भीतर पढ़ाने और सीखने पर लागू करना, जहाँ प्रत्येक विषय की विशिष्ट शिक्षाशास्त्र, विधियाँ, सिद्धांत और चिंताएँ यह निर्धारित करती हैं कि AI कैसे डिज़ाइन किया जाता है, उपयोग किया जाता है और मूल्यांकित किया जाता है। शिक्षा में AI को एक ही सामान्य घटना के रूप में मानने के बजाय, यह अवलोकन ज्ञान आधार की विषय-विशिष्ट कवरेज को व्यवस्थित करता है और उन अनुभागीय थीम को सामने लाता है जो विषय-क्षेत्रीय AIEd अनुसंधान में चलती हैं।

प्रश्न जिन पर विचार करें

एक गणित ट्यूटर जो सही/गलत फीडबैक में उत्कृष्ट हो सकता है, वह मानविकी में विफल हो सकता है, जहाँ व्याख्या और लेखकत्व सही होने से अधिक महत्वपूर्ण हैं। आपका अपना विषय 'अच्छे फीडबैक' को क्या मानता है?
560 छात्रों के अनुसंधान में पाया गया कि विषय-संबद्धता यह भविष्यवाणी करती है कि छात्र जनरेटिव AI का कितनी बार और कितनी खुलकर उपयोग करते हैं। एक विषय पूरे 'गतिविधि तंत्र' के रूप में क्यों काम कर सकता है जो AI उपयोग को आकार देता है — बजाय इसके कि AI हर जगह एक उदासीन उपकरण हो?
AI पर स्थानांतरित की जा रही 'संज्ञानात्मक क्रिया' विषय-विशिष्ट है: गणित में गणना, CS में कोड, लेखन में रचना। यदि अति-निर्भरता प्रत्येक क्षेत्र में भिन्न दिखती है, तो आप इसे अपने क्षेत्र में कैसे पहचानेंगे?
एक ऐसे विषय के लिए AI का क्या अर्थ है जिसकी विशिष्ट शिक्षाशास्त्र प्रयोगशाला कार्य या व्याख्यात्मक अर्थ-निर्माण है, न कि समस्या समाधान? क्या कोई विषय है जहाँ AI को बहुत कम भूमिका निभानी चाहिए?
कई विषय — विधि, इतिहास, कलाएँ — AI-शिक्षा अनुसंधान में पतले बने हुए हैं। किस विषय का AI उपयोग सबसे अधिक ध्यान पाता है, और उस क्षेत्र में अच्छे AI को क्या सम्मानित करना होगा जो सामान्य उपकरण नहीं करते?

परिचय

विषयों में शिक्षा का AI भिन्न रूप में प्रकट होता है क्योंकि प्रत्येक क्षेत्र की अपनी विशिष्ट शिक्षाशास्त्र होती है — ज्ञान के निर्माण, अभ्यास और पढ़ाने के विशिष्ट तरीके। AI ट्यूटर जो गणित में चमकते हैं, वे मानविकी में विफल हो सकते हैं, जहाँ व्याख्या और लेखकत्व सही उत्तरों से अधिक महत्वपूर्ण हैं। यह पृष्ठ उन विषय-विशिष्ट धाराओं के लिए छाता नक्शा है, जो अब विद्यालयीय विषयों से लेकर व्यावसायिक और अनुप्रयुक्त प्रशिक्षण तक और स्टूडियो अभ्यास तक फैली हैं। इस धारा का एक सदस्य बिल्कुल पढ़ाया जाने वाला विषय नहीं है: अधिगम विज्ञान AI शिक्षा के चारों ओर का अनुसंधान क्षेत्र है, जो उन तंत्रों की आपूर्ति करता है जिन्हें AI प्रणालियाँ संचालित करती हैं और वे मानक जिनसे उनका निर्णय किया जाता है — यह अनुभागीय दृष्टि लेता है, इस पृष्ठ की उस पूर्वधारणा के विरुद्ध कि विषय-सामग्री ही यह बदलती है कि सहायता को क्या करना चाहिए।

विषय-विशिष्ट अवधारणाएँ

ज्ञान आधार में कई विषय क्षेत्रों के लिए समर्पित अवधारणा पृष्ठ हैं:

गणित शिक्षा — गणित में AI ट्यूटरिंग, अनुकूली समस्या-समाधान और वैचारिक निदान।
भौतिकी शिक्षा — भौतिकी सीखने में AI सिमुलेशन, चैटबॉट और समस्या-प्रस्तुतीकरण।
रसायन शिक्षा — प्रयोगशाला/प्रयोगात्मक डिज़ाइन में AI, AI-मध्यस्थित गठनात्मक मूल्यांकन, संदर्भ-आधारित और जाँच-आधारित शिक्षण, रसायन कार्यों पर बड़े भाषा मॉडल (LLMs) की तकनीकी सीमाएँ, और प्रयोग की दर्शनशास्त्र।
जैव शिक्षा — प्रयोगशाला शिक्षण में AI, जीवविज्ञान पाठ्यक्रमों में सम्मिलित AI साक्षरता, AI युग में आलोचनात्मक चिंतन, और विशेष उपकरण (प्रजातियों की पहचान, बायोइमेजिंग, भविष्यसूचक मॉडलिंग)।
CS शिक्षा — कोड जनरेशन, डिबगिंग और नौसिखिया प्रोग्रामिंग सहायता के लिए AI।
सूचना प्रौद्योगिकी शिक्षा — संगणना का अनुप्रयुक्त पंख, जो अभ्यासियों को संगठन द्वारा संचालित तैनात प्रणालियों का चयन, सुरक्षा, प्रशासन और शासन करने के लिए तैयार करता है: इसका विश्लेषण इकाई तैनात प्रणाली और उसके विषय में अभ्यासी की समझ है, जहाँ कंप्यूटर विज्ञान शिक्षा कार्यक्रम और एल्गोरिद्म को अपने विषय बनाती है।
लेखन — AI-सहायित रचना, स्वचालित निबंध स्कोरिंग और लेखन फीडबैक।
भाषा अधिगम — AI संवाददाता, उच्चारण फीडबैक और द्वितीय/विदेशी भाषाओं में संवादी अभ्यास।
अंग्रेज़ी शिक्षा (EAP / EFL / ESL) — शैक्षणिक उद्देश्यों के लिए अंग्रेज़ी (EAP) और अंग्रेज़ी भाषा शिक्षण (EFL/ESL/L2): शैक्षणिक-अंग्रेज़ी रजिस्टर, विधा-आधारित लेखन, और अंग्रेज़ी-विशिष्ट फीडबैक तथा मूल्यांकन — सामान्य भाषा सीखने और सामान्य लेखन से भिन्न।
STEM शिक्षा — विज्ञान, प्रौद्योगिकी, अभियांत्रिकी और गणित के लिए अनुविषयीय छाता।
व्यावसायिक विकास — शिक्षकों की तैयारी और व्यावसायिक विकास (पूर्व-सेवा और सेवा-रत), अपने ही अधिकार में एक विषय जिसका AI अनुसंधान शिक्षक AI साक्षरता, बुद्धिमान-टेक्नोलॉजिकल पेडागॉजिकल कंटेंट नॉलेज (TPACK) और AI को एकीकृत करने की तत्परता पर केंद्रित है।
चिकित्सा एवं स्वास्थ्य व्यवसाय शिक्षा — स्वास्थ्य-व्यवसाय शिक्षा में नैदानिक सिमुलेशन, सुदृढ़करण-सीखने वाला प्रशिक्षण, और आधारभूत सीखने के सिद्धांत।
नर्सिंग शिक्षा — नैदानिक धारा में सबसे घना अनुभवजन्य रिकॉर्ड: आभासी रोगियों के साथ सिमुलेशन, LLM तर्क सहायता, और अनुकूली मंच, जो दक्षता के बराबर ही व्यावसायिक-पहचान के निर्माण के इर्द-गिर्द ढाला गया है, और स्वास्थ्य व्यवसायों को एक मामले के रूप में मानने के बजाय उस सीमा का नाम देने के लिए पर्याप्त संकीर्ण है जहाँ AI के दर्ज लाभ समाप्त हो जाते हैं (जटिल मनःसहचरित कौशल और भावनात्मक रूप से भरी बातचीत)।
व्यावसायिक शिक्षा और प्रशिक्षण — नामित व्यापारों और तकनीकी पेशों की प्रारंभिक तैयारी, योग्यता ढांचों द्वारा संगठित और इस बात पर मूल्यांकित कि शिक्षार्थी उपकरणों के साथ क्या कर सकते हैं: यह उस व्यावसायिक प्रशिक्षण और कार्यस्थल उन्नयन से आगे बढ़ता है जिसे कार्यस्थल पर सीख बिना नौकरी वाले लोगों तक कवर करता है, और इसका आवर्ती डिज़ाइन प्रश्न यह है कि अभ्यास के किन महँगे-स्टाफिंग वाले हिस्सों को AI अवशोषित कर सकता है, बिना उस पुनरावृत्ति को हटाए जो दक्षता पैदा करती है।
डिज़ाइन शिक्षा — उत्पाद, सेवा, अंतरक्रिया, आंतरिक और स्थापत्य डिज़ाइन में स्टूडियो-आधारित व्यावसायिक गठन, जहाँ दृश्यमान प्रक्रिया ही मूल्यांकित विषय है और जहाँ जनरेटिव उपकरण परिष्कृत कलाकृति को सस्ता बना देते हैं: यह उन स्टूडियो विषयों को संकीर्ण करता है जिन्हें कला, डिज़ाइन और मीडिया शिक्षा व्यावसायिक डिज़ाइन पाइपलाइन तक कवर करता है, ताकि समालोचना, पोर्टफोलियो और विनियमन ही तर्क को ढोते हैं, न कि सामग्री और प्रदर्शनमूलक अभ्यास।
इंजीनियरिंग शिक्षा — अभियांत्रिकी में व्यावसायिक गठन, डिज़ाइन और प्रयोगात्मक सीखना, AI का नैतिक उपयोग, देहगत मूल्यांकन, और कार्यबल तैयारी।
व्यवसायिक शिक्षा — व्यवसाय, अर्थशास्त्र और प्रबंधन शिक्षा में AI: छात्र-सूचित GenAI ढांचे, रचनात्मक संरेखण के माध्यम से पाठ्यक्रम एकीकरण, और AI-एकीकृत व्यावसायिक अभ्यास के लिए तैयारी।
मानविकी और सामाजिक विज्ञान शिक्षा — मानविकी और सामाजिक विज्ञानों में व्याख्यात्मक संज्ञान, लेखकत्व और अर्थ-निर्माण।
K-12 और उच्च शिक्षा — प्रत्येक स्तर पर AI के बारे में और AI के साथ शिक्षा।

अनुविषयीय थीम

कई धाराएँ सभी विषयों में काटती हैं, हालाँकि प्रत्येक में वे भिन्न रूप लेती हैं:

विषय के रूप में गतिविधि तंत्र। Jiang et al. (2026) पाँच शैक्षणिक क्षेत्रों की 560 स्नातक छात्रों में दिखाते हैं कि विषय-संबद्धता छात्रों के GenAI उपयोग आवृत्ति और प्रकटीकरण प्रथाओं से महत्वपूर्ण रूप से संबद्ध है — विषय गतिविधि तंत्र के रूप में कार्य करते हैं जिनके मानदंड, नीतियाँ और भूमिका-अपेक्षाएँ यह आकार देती हैं कि छात्र GenAI के साथ कैसे जुड़ते हैं और उसे कैसे प्रकट करते हैं। यह ज्ञान आधार की उस पूर्वधारणा के लिए प्रत्यक्ष प्रमाण है कि शिक्षा में AI विषय-उदासीन नहीं है।
'अनुविषयीय' का अपना आकार भी विषय-निर्धारित है। Xia et al. (2026) की PRISMA 59 अध्ययनों की समीक्षा, जिनमें AI उपस्थित है, अनुविषयीय शिक्षा के छह रूपों की सूची बनाती है: STEM एकीकरण (n = 26), अनुविषयीय छात्र पृष्ठभूमि वाले समूह (n = 14), गैर-STEM क्षेत्र (n = 10), अनुविषयीय शिक्षण सामग्री (n = 10), अंतर-STEM एकीकरण (n = 8), और STEAM (n = 2)। यह वितरण विषय-स्तरीय निष्कर्ष है, उपकरण-स्तरीय नहीं: AI-समर्थित अनुविषयीयता अत्यधिक STEM में आधारित है, और अनुविषयीय पृष्ठभूमि वाले समूहों का अध्ययन उन गैर-STEM क्षेत्रों से अधिक बार किया गया है जिन्हें वे समूह जोड़ने बैठे हैं। समीक्षा आगे दिखाती है कि इन सेटिंग्स में वही AI कार्य आवर्ती हैं — सहायक (n = 43), मूल्यांकक (n = 22), एजेंट (n = 14), निगरानीकर्ता (n = 9) — जबकि उनके संज्ञानात्मक, व्यावहारिक और भावुक प्रभाव विषय और हितधारक के अनुसार भिन्न होते हैं, जिसमें छात्र सबसे अधिक अध्ययनित हैं (n = 57), शिक्षक इसके बाद (n = 26) और प्रशासनिक स्टाफ लगभग बिल्कुल नहीं (n = 4)।
ट्यूटरिंग और फीडबैक। AI ट्यूटरिंग प्रणालियाँ (AI ट्यूटरिंग, इंटेलिजेंट ट्यूटरिंग, प्रतिपुष्टि, एआई फीडबैक की गुणवत्ता) लगभग प्रत्येक विषय में दिखती हैं, गणित और भौतिकी ट्यूटर से लेखन और भाषा फीडबैक तक। विषय यह निर्धारित करता है कि अच्छा फीडबैक क्या गिना जाता है — गणित में सही/गलत, लेखन में तर्क की गुणवत्ता, भाषा में प्रवाहशीलता।
मूल्यांकन और परख। स्वचालित मूल्यांकन, स्वचालित ग्रेडिंग, स्वचालित निबंध स्कोरिंग, और निर्माणकारक मूल्यांकन विषयों में AI द्वारा पुनर्कल्पित होते हैं, लेकिन स्कोरिंग संकल्पनाएँ भिन्न होती हैं (प्रक्रियात्मक सटीकता बनाम व्याख्यात्मक गहराई बनाम संप्रेषणीय दक्षता)।
संज्ञानात्मक बोझ हटाना और अति-निर्भरता। संज्ञानात्मक ऑफलोडिंग और अति-निर्भरता का जोखिम गणित, CS, और लेखन में दिखता है, हालाँकि स्थानांतरित की जा रही 'संज्ञानात्मक क्रिया' विषय-विशिष्ट है — गणना बनाम कोड बनाम रचना।
AI साक्षरता और आलोचनात्मक उपयोग। AI साक्षरता, आलोचनात्मक सोच, और आलोचनात्मक शिक्षाशास्त्र प्रत्येक विषय में जिम्मेदार उपयोग का आधार हैं।
विषयीय आधार AI-समर्थित मेटानुभूति को सीमित करता है। एक पाठ-भाषाविज्ञान सेमिनार में, नौसिखियों ने LLMs के साथ मुख्य रूप से वहीं मेटानुभूतिपूर्ण रूप से चिंतन किया जहाँ विषय-ज्ञान पहले से सुदृढ़ था, और अधिकांशों ने खराब आउटपुट को अपने ही संकेत के बजाय मॉडल को दिया — यह प्रमाण कि संकेत डिज़ाइन को एक विषय के भीतर स्पष्ट रूप से पढ़ाया जाना चाहिए (Brocca & Garassino (2026))।
समानता और पहुँच। समानता, डिजिटल विभाजन, और सांस्कृतिक रूप से प्रासंगिक शिक्षाशास्त्र सभी विषयों को प्रभावित करते हैं।

विषय के अनुसार विशिष्ट शिक्षाशास्त्र, विधियाँ और सिद्धांत

प्रत्येक विषय अपनी विशिष्ट शैक्षिक परंपराएँ लाता है जिनसे AI अनुसंधान जुड़ता है:

भौतिकी — मॉडल-आधारित तर्क, प्रयोग और सिमुलेशन। AI अनुसंधान आभासी प्रयोगशालाओं (Ben-Zion), चैटबॉट (ChatGPT typology), और समस्या-प्रस्तुतीकरण (GenAI problem-posing) का उपयोग करता है।
रसायनशास्त्र — अमूर्त सूक्ष्म-अणु स्तरीय संकल्पनाएँ, विशिष्ट संकेतन और प्रयोगशाला अभ्यास। AI अनुसंधान AI-समर्थित प्रयोगात्मक डिज़ाइन (AI-डिज़ाइन किए प्रयोगशाला नियमावली), AI ट्यूटरिंग के साथ संदर्भ-आधारित 7E शिक्षण (संदर्भ-आधारित + AI), AI-मध्यस्थित गठनात्मक मूल्यांकन (प्रशिक्षक–AI भूमिकाएँ), और प्रयोग की दर्शनशास्त्र (प्रयोग की दर्शनशास्त्र) तक फैला है।
जीवविज्ञान — विशिष्ट शब्दावली, प्रणाली/दृश्य-अवकाशीय चिंतन, और प्रयोगशाला तथा क्षेत्र कार्य। AI अनुसंधान आभासी प्रयोगशाला शिक्षण सहायकों (VTA के रूप में ChatGPT), जीवविज्ञान पाठ्यक्रमों में सम्मिलित AI साक्षरता (जीवविज्ञान कक्षा में AI साक्षरता), चुनौती-आधारित सीखने में ChatGPT (CBL में ChatGPT), AI युग में आलोचनात्मक चिंतन (जीव विज्ञान में आलोचनात्मक चिंतन), और AI-उपकरण परिदृश्य (AI उपकरण समीक्षा) तक फैला है।
लेखन — प्रक्रिया-उन्मुख, पुनरावृत्ति प्रारूप और संशोधन। AI अनुसंधान AI को लेखन कोच के रूप में, स्वचालित स्कोरिंग, और चरण-आधारित स्वामित्व (स्वामित्व चरण) तक फैला है।
अंग्रेज़ी शिक्षा (EAP/EFL/ESL) — अंग्रेज़ी को लक्ष्य भाषा और शैक्षणिक रजिस्टर के रूप में। AI अनुसंधान नैतिक EAP एकीकरण (Alharbi et al.), GenAI EAP लेखन संशोधन (फीडबैक-साक्षरता स्क्रिप्ट), EAP पठन-सामग्री अनुकूलन (भेदभावपूर्ण EAP सामग्री), ESL ट्यूटरिंग (TACT), और अंग्रेज़ी-विशिष्ट मूल्यांकन (स्व-संदर्भित L2 लेखन मूल्यांकन, EFL मूल्यांकन) तक फैला है।
शिक्षक शिक्षा — एक विषय जिसका AI अनुसंधान शिक्षकों को AI एकीकृत करने की तैयारी पर केंद्रित है: बुद्धिमान-TPACK ढांचे (i-TPACK PD), शिक्षक AI साक्षरता (विज्ञान शिक्षक), पूर्व-सेवा तत्परता (बुद्धिमान-TPACK तत्परता), और सेवा-रत विश्वास तथा नीतिशास्त्र (विश्वास और नीतिशास्त्र)।
मानविकी और सामाजिक विज्ञान — व्याख्या, लेखकत्व और आलोचनात्मक अर्थ-निर्माण। AI अनुसंधान व्याख्यात्मक संज्ञान (Voicu) और AI की दर्शनशास्त्र को सही होने के लिए ट्यूटरिंग के बजाय सामने रखता है।

ज्ञान आधार में प्रतिनिधि विषय

ज्ञान आधार की सबसे मज़बूत विषय-विशिष्ट कवरेज व्यापक रूप से STEM में है — विशेष रूप से गणित शिक्षा, भौतिकी शिक्षा, रसायन शिक्षा, जैव शिक्षा, और CS शिक्षा — उसके बाद लेखन, भाषा अधिगम (EAP/EFL/ESL के लिए एक विशिष्ट अंग्रेज़ी शिक्षा (EAP / EFL / ESL) धारा के साथ), और तुलनात्मक रूप से हाल में इंजीनियरिंग शिक्षा, व्यावसायिक विकास (पूर्व-सेवा और सेवा-रत AI-प्रशिक्षण अनुसंधान के एक पर्याप्त समूह के साथ), चिकित्सा एवं स्वास्थ्य व्यवसाय शिक्षा, और मानविकी और सामाजिक विज्ञान शिक्षा। अभियांत्रिकी और डिज़ाइन में भी लेखों का एक बढ़ता समूह है। यह संकेंद्रण व्यापक साहित्य को दर्शाता है: Xia et al. (2026) की समीक्षा ने STEM को AI-समर्थित उच्च शिक्षा में सबसे आम अनुविषयीय रूप पाया (n = 26), गैर-STEM क्षेत्रों (n = 10) और STEAM (n = 2) से कहीं आगे — एक विषय-स्तरीय चेतावनी कि AI-शिक्षा प्रमाण सबसे तेज़ वहाँ जमा होता है जहाँ संगणकीय उपकरण को सबसे आसानी से सम्मिलित किया जा सकता है, जरूरी नहीं कि वहीं जहाँ AI की शैक्षणिक कीमत सबसे अधिक हो। सबसे हालिया जोड़ विषयों से आगे व्यावसायिक और अनुप्रयुक्त शिक्षा में धारा को विस्तारित करते हैं — नर्सिंग, सूचना प्रौद्योगिकी, और व्यावसायिक शिक्षा और प्रशिक्षण — जहाँ शिक्षार्थियों का मूल्यांकन सही होने के बजाय प्रदर्शित अभ्यास पर किया जाता है, और जहाँ नियोक्ता और लाइसेंसिंग निकाय, केवल अकादमी ही नहीं, यह निर्धारित करते हैं कि दक्षता क्या गिनी जाती है।

उस प्रमाण में व्यावसायिक धारा सबसे पतली है: व्यावसायिक शिक्षा और प्रशिक्षण की 26 अध्ययनों की एक व्यवस्थित समीक्षा में VET के कार्य-आधारित स्वभाव के बावजूद कोई भी अध्ययन कार्यस्थल सेटिंग्स में नहीं किया गया था, केवल पाँच यादृच्छिक प्रयोग, और केवल तीन डिज़ाइन जिनमों शिक्षार्थियों को सक्रिय भूमिका मिली (Deutscher et al. (2026))।

कम प्रतिनिधित्व वाले विषय

कई विषय ज्ञान आधार में पतले बने हुए हैं और भविष्य में ingestion के अच्छे उम्मीदवार हैं:

विधि और विधिक शिक्षा — न्यूनतम कवरेज: LLMs और इतालवी विधिक परीक्षाएँ।
मनोविज्ञान और परामर्श — कुछ ही AI-शिक्षा लेख: AI फीडबैक साक्षरता, आलोचनात्मक GenAI उपयोग, आभासी रोगी मनोचिकित्सा प्रशिक्षण।
इतिहास — केवल अलग-थलग लेख: LLMs और ऐतिहासिक तर्क।
कलाएँ (दृश्य कला, डिज़ाइन, संगीत) — उभरता कवरेज: अंतरिक डिज़ाइन शिक्षा में AI, स्थापत्य डिज़ाइन स्टूडियो में GenAI, AI स्वर शिक्षाशास्त्र, संगीत शिक्षा में AI, पाठ-से-छवि दक्षता विरोधाभास। इस सूची के डिज़ाइन-पक्षीय अध्ययनों का अब अपना घर है: डिज़ाइन शिक्षा स्थापत्य, अंतरिक-डिज़ाइन और पाठ-से-छवि स्टूडियो कार्य को व्यावसायिक डिज़ाइन गठन के एक पृष्ठ में खींच लेता है, जिससे दृश्य कला, संगीत और प्रदर्शन पतले बचे हुए हिस्से के रूप में रह जाते हैं।

इन कम प्रतिनिधित्व वाले विषयों को समर्पित अवधारणा पृष्ठों और ज्ञान आधार के बढ़ने पर अतिरिक्त लेख ingestion से लाभ मिलेगा।

मेटाडेटा

विषय क्षेत्र	Stem Education, Math Education, Physics Education, Cs Education, Language Learning, Writing Education, Medical Education, Humanities Education, Business Education, Design Education, Information Technology, Vocational Education, Nursing Education, Learning Sciences
शिक्षा में AI की नींव	शिक्षा में AI

Source History Edit Chat