एडटेक प्लेटफ़ॉर्म

इस पृष्ठ पर

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

एडटेक प्लेटफ़ॉर्म — वे डिजिटल प्रणालियाँ, लर्निंग मैनेजमेंट सिस्टम (LMS), ट्यूशन प्रणालियाँ और ऑनलाइन लर्निंग परिवेश जिनके माध्यम से एआई शिक्षार्थियों और शिक्षकों तक पहुँचाया जाता है। एआई इन एजुकेशन में, प्लेटफ़ॉर्म वह इन्फ्रास्ट्रक्चर परत है जो यह निर्धारित करती है कि कोई एआई क्षमता विद्यार्थियों तक पहुँचती है या नहीं, उसका तैनातीकरण कैसे होता है (खुला बनाम मालिकाना, एकीकृत बनाम स्वतंत्र), तथा कौन उस तक पहुँच सकता है, उसमें बदलाव कर सकता है और उसका मूल्यांकन कर सकता है। इस ज्ञान आधार में शोध प्लेटफ़ॉर्मों को कई कोणों से देखता है: उनका डिज़ाइन, उनकी स्वीकृति और संलग्नता की सीमाएँ, उनका संस्थागत शासन, और उनके समानता-संबंधी निहितार्थ।(Access is Not Enough: Human Support Improves Engagement with AI Tutoring) (OATutor: An Open-source Adaptive Tutoring System and Curated Content Library for Learning Sciences Research)

विचार के लिए प्रश्न

पिछली बार जिस एआई ट्यूशन या फीडबैक टूल से आप मिले, उसके बारे में सोचिए कि वह असल में कहाँ "रहता" था — उस LMS, प्लेटफ़ॉर्म या ऐप में जिसने उसे पैकेज किया था। क्या वह कंटेनर एक उदासीन वितरण साधन लगता है, या उसके डिज़ाइन विकल्पों (खुला बनाम मालिकाना, एकीकृत बनाम स्वतंत्र, क्लाउड बनाम स्थानीय) ने यह बदल दिया होगा कि आप उससे क्या कर सकते थे?
एक अध्ययन में पाया गया कि एक अच्छी तरह से डिज़ाइन किए गए एआई ट्यूशन प्लेटफ़ॉर्म का उपयोग करीब आधे विद्यार्थियों ने कभी नहीं किया, और भारी उपयोगकर्ता उच्च-उपलब्धि वाले विद्यार्थियों की ओर झुके हुए थे। यदि कोई टूल "सिद्धांततः" प्रभावी है लेकिन विद्यार्थी उसका उपयोग नहीं करते, तो असली समस्या क्षमता है या प्लेटफ़ॉर्म? एडटेक के मूल्यांकन के तरीके के लिए इसका क्या अर्थ होगा?
मालिकाना एआई प्लेटफ़ॉर्म शोधकर्ताओं को कुछ बंद प्रणालियों तक सीमित कर सकते हैं, जबकि OATutor जैसे खुले प्लेटफ़ॉर्म किसी को भी फोर्क, प्रयोग और प्रकाशन करने देते हैं। जब एआई शिक्षा बंद, अस्पष्ट प्लेटफ़ॉर्मों के माध्यम से वितरित की जाती है, तो शोध, समानता और संस्थागत स्वायत्तता के लिए क्या खोया जा सकता है?
किसी प्लेटफ़ॉर्म के व्यवसाय मॉडल — कौन भुगतान करता है, डेटा किसका होता है, क्या अनुकूलित किया जाता है — उस पर होने वाले वास्तविक अधिगम को कितना आकार देता है? वह प्रभाव देखने के लिए आप कहाँ देखेंगे?
कुछ नए "एआई-नेटिव" प्लेटफ़ॉर्म "एक वीडियो, कई विद्यार्थी" वाले MOOC मॉडल की जगह प्रत्येक शिक्षार्थी के इर्द-गिर्द बनी मल्टी-एजेंट कक्षा से बदल देते हैं। आगे पढ़ने से पहले, जब शिक्षण शिक्षक के एक-से-कई के बजाय एजेंट के साथ एक-से-एक हो जाता है, तो आप क्या खोने की चिंता करेंगे?

प्रस्तावना

प्लेटफ़ॉर्म एक एआई मॉडल या क्षमता और शिक्षार्थी के बीच स्थित होता है। यह वह कंटेनर है जो ट्यूशन, मूल्यांकन, फीडबैक और प्रशासन को किसी उपयोगी रूप में पैकेज करता है — और, महत्वपूर्ण बात, यह अपने डिज़ाइन विकल्पों, अपनी सुगमता और अपने अंतर्निहित व्यवसाय मॉडल के माध्यम से अधिगम परिणामों को आकार भी देता है। यह अवधारणा Moodle जैसे लर्निंग मैनेजमेंट सिस्टम, MOOC जैसे बड़े पैमाने के ऑनलाइन प्लेटफ़ॉर्म, समर्पित इंटेलिजेंट ट्यूशन प्रणालियों और उभरते एजेंटिक या एआई-नेटिव कोर्स प्लेटफ़ॉर्मों तक फैली हुई है। कंटेनर का नाम बताना उसके लेखकों का नाम बताने के समान नहीं है: प्लेटफ़ॉर्म तैनात प्रणाली है, जबकि वह हितधारक जो तय करता है कि वह क्या करेगा, शैक्षणिक प्रौद्योगिकी डेवलपर्स है — जो यहाँ इसलिए महत्वपूर्ण है क्योंकि नीचे दी गई स्वीकृति, समानता-झुकाव और खरीद संबंधी खोजें प्रायः उन डिज़ाइन विकल्पों के परिणाम हैं जो किसी प्लेटफ़ॉर्म के कक्षा तक पहुँचने से पहले ही किए जा चुके थे।

एआई इन एजुकेशन में प्लेटफ़ॉर्म क्या करता है

एआई इन एजुकेशन में प्लेटफ़ॉर्म कई अलग-अलग कार्य करते हैं:

शिक्षण और ट्यूशन वितरित करना — एआई ट्यूशन और इंटेलिजेंट ट्यूटरिंग प्रणालियों का कंटेनर, LMS में अंतर्निहित ट्यूटर से लेकर स्वतंत्र अनुकूली ट्यूशन प्लेटफ़ॉर्मों तक।
अधिगम परिवेश का प्रबंधन — पारंपरिक LMS प्लेटफ़ॉर्म जो प्रदान करते हैं, वे कोर्स संगठन, नामांकन, प्रगति ट्रैकिंग और प्रशासन।
मूल्यांकन और फीडबैक की मेजबानी — जहाँ स्वचालित मूल्यांकन, निर्माणकारक मूल्यांकन, और फीडबैक लूप चलते हैं।
अधिगम डेटा एकत्र और विश्लेषण करना — लर्निंग एनालिटिक्स और शिक्षार्थी मॉडलिंग और अनुकूली शिक्षण का आधार।
पहुँच और तैनाती पर शासन — ओपन सोर्स बनाम मालिकाना, स्थानीय बनाम क्लाउड, और कौन-सी संस्थाएँ तथा शिक्षार्थी इसका उपयोग कर सकते हैं, इनके बारे में निर्णय।

ज्ञान आधार के लेखों से प्रमुख निष्कर्ष

बाधा प्रायः स्वीकृति है, क्षमता नहीं

कोई प्लेटफ़ॉर्म सिद्धांततः प्रभावी हो सकता है फिर भी व्यवहार में असफल हो सकता है यदि शिक्षार्थी उसका उपयोग न करें। एक एआई साक्षरता (पठन) ट्यूशन प्लेटफ़ॉर्म के दो RCT में पाया गया कि नियंत्रण समूह के करीब आधे विद्यार्थियों ने प्लेटफ़ॉर्म का उपयोग कभी नहीं किया और उपयोगकर्ताओं का औसत केवल 2–5 मिनट प्रति सप्ताह था — जो पठन लाभ के लिए आवश्यक मात्रा से बहुत कम था। एक व्यक्तिगत संलग्नता ट्यूटर ने उपयोग और संलग्नता को काफ़ी बढ़ाया, फिर भी उपलब्धि लाभ नहीं मिले, और प्लेटफ़ॉर्म उपयोगकर्ता उच्च-उपलब्धि विद्यार्थियों की ओर झुके हुए थे, जिससे समानता संबंधी चिंताएँ उत्पन्न हुईं।(Access is Not Enough: Human Support Improves Engagement with AI Tutoring)

क्रमबद्धता क्षमता जितनी ही महत्वपूर्ण है: 2020–2025 के 100+ एआई-इन-एजुकेशन अध्ययनों की एक समीक्षा अखिल्डैंडिक प्लेटफ़ॉर्मों को अपनाने की सीढ़ी के शीर्ष पर रखती है और तर्क देती है कि संस्थाओं को उन प्लेटफ़ॉर्मों को खरीदने से पहले जो उन्हें बड़े पैमाने पर लागू करते हैं, रूपनीय मूल्यांकन, नेतृत्व क्षमता और साझा मानदंडों को स्थिर करना चाहिए (Raza & Farooq (2025)).

यह अंतर संदेश-स्तर का है, लॉगिन का नहीं: एक दो-वर्षीय क्लस्टर RCT में, 96% विद्यार्थियों ने Khanmigo आज़माया लेकिन मध्यमान विद्यार्थी ने केवल 17% सत्रों में संदेश भेजे जहाँ उसने कोई गलती की थी, और लगभग 14.5% संदेशों में कोई असली गणितीय प्रश्न या तर्क चरण था — प्रति विद्यार्थी प्रति वर्ष $15 की लागत पर (Oreopoulos and Low, 2026)।

बाधा यह है कि एआई प्लेटफ़ॉर्म के भीतर कहाँ बैठा है: 6,000 विद्यार्थियों के एक मिडिल-स्कूल परीक्षण में, मापा गया प्रभाव अभ्यास परिवेश के भीतर संरचित स्पर्श-बिंदुओं से आया — प्रति निपुणता प्राप्त विद्यार्थी 2.0 "मुझे शुरू करने में मदद करें" उपयोग, 2.3 गलती-पश्चात व्याख्यान और 3.2 चरण स्पष्टीकरण — जबकि केवल एआई पहुँच ने बहुत कम योगदान दिया (Oreopoulos et al. (2026))।

शिक्षक किन उपकरणों का उपयोग बताते हैं, और क्या पहुँच को नियंत्रित करता है

एक दुर्लभ गणना जो 211 शिक्षकों और नौ देशों से बने 2026 के एक वर्गीकरण से मिलती है, उसके अनुसार कक्षाओं तक पहुँचने वाले उपकरण अनुपातहीन रूप से वे हैं जिनमें मुफ़्त स्तर है, क्योंकि सार्वजनिक रूप से उपलब्ध मुफ़्त संस्करण एक समावेश मानदंड था, और सर्वाधिक नामांकित प्रविष्टियाँ सामान्य-उद्देश्य सहायक और मीडिया जनरेटर हैं, विशेष-निर्मित प्लेटफ़ॉर्म नहीं। सूचीबद्ध पचास उपकरणों में से लगभग आधे चित्र, ऑडियो, वीडियो या स्लाइड डेक बनाते हैं, जबकि दस्तावेज़-आधारित सहायक (NotebookLM, Elicit, SciSpace, Humata, Research Rabbit) शोध श्रेणी में सर्वाधिक सुसंगत समूह बनाते हैं। समर्पित ट्यूशन प्रणालियाँ उपयोग की सूचना के केंद्र के बजाय एक छोटे, विषय-विशिष्ट समूह के रूप में दिखती हैं — जो ऊपर की स्वीकृति समस्या को एक व्यापक संदर्भ में रखता है, जहाँ एक प्लेटफ़ॉर्म उन सामान्य-उद्देश्य उपकरणों के साथ ध्यान के लिए प्रतिस्पर्धा करता है जो विद्यार्थी और शिक्षकों के पास पहले से खुले हैं।(Typology of Generative AI Tools for Education)

प्लेटफ़ॉर्म मॉडल मायने रखता है: खुला बनाम मालिकाना

मालिकाना प्लेटफ़ॉर्म शोध के लिए बाधाएँ बनाते हैं: जो शोधकर्ता अनुकूली अधिगम प्रयोगों को दोहराना या विस्तारित करना चाहते हैं, वे प्रायः कुछ बंद प्लेटफ़ॉर्मों तक सीमित रह जाते हैं।
खुले प्लेटफ़ॉर्म इस बाधा को कम करते हैं। OATutor ITS सिद्धांतों पर बनी पहली ओपन-सोर्स अनुकूली ट्यूशन प्रणाली है — MIT-लाइसेंस प्राप्त कोडबेस, क्रिएटिव कॉमन्स बीजगणित सामग्री पुस्तकालय, ज्ञान अनुरेखण निपुणता आकलन, और अंतर्निहित A/B परीक्षण — जो शोधकर्ताओं को पूरे अखिल्डैंडिक सिस्टम को फोर्क, प्रयोग और प्रकाशित करने देता है।(OATutor: An Open-source Adaptive Tutoring System and Curated Content Library for Learning Sciences Research)
पारदर्शिता आरंभ में ही सीमित होती है। 48 प्लेटफ़ॉर्म नीतियों के उसी ऑडिट में, डेटा संग्रह और तृतीय-पक्ष साझाकरण तुलनात्मक रूप से अच्छी तरह प्रकट किए गए जबकि एआई-विशिष्ट प्रकटीकरण और जवाबदेही पीछे रह गई, और 48 में से 16 प्लेटफ़ॉर्मों (33%) ने दिखती-दिखती एआई सुविधाओं के बावजूद कोई सार्थक एआई प्रकटीकरण नहीं किया (Nair & Greenstadt, 2026)।
LMS API यह सीमित करता है कि कोई गेम-एकीकृत प्लेटफ़ॉर्म क्या आँक सकता है। एक हाइपरगैमिफ़िकेशन प्रायोगिक प्रयास जिसने Blackboard सामग्री से एक खेलने योग्य विश्व बनाया, वह बहुविकल्पीय या खुले-अंत प्रश्न प्रस्तुत नहीं कर सका, क्योंकि छात्र-सीमित टोकन से कोई प्रश्न सामग्री नहीं मिली और रनटाइम उत्तर भेजने के लिए कोई एंडपॉइंट मौजूद नहीं था (Yusubov et al., 2026)।
अलगाव और लागत प्लेटफ़ॉर्म डिज़ाइन के चर हैं। VISMATIC रूटलेस कंटेनरों — जो, JupyterHub के विपरीत, पार्श्व गति और होस्ट समझौता रोकते हैं — को API-स्तरीय प्रक्रिया टेलीमेट्री के साथ जोड़ता है, और एक ही Raspberry Pi 5 नोड पर 10 से 20 के लिए रेट किए गए नोड पर 19 विद्यार्थी और 1,880 लॉग की गई घटनाएँ चलाता है (Arroyo et al. (2026))।

एआई-नेटिव प्लेटफ़ॉर्म ऑनलाइन शिक्षा को नया रूप दे रहे हैं

प्लेटफ़ॉर्म प्रतिमान स्वयं विकसित हो रहा है। MAIC (Massive AI-empowered Course) MOOC के "एक वीडियो, N विद्यार्थी" मॉडल की जगह एक LLM-संचालित मल्टी-एजेंट कक्षा से बदल देता है — "1 विद्यार्थी के लिए N एजेंट" — जो व्यक्तिगत, अनुकूली अधिगम को बड़े पैमाने पर वितरित करने के लिए विशिष्ट शिक्षक, सहायक, साथी और विश्लेषक एजेंटों का उपयोग करता है, और कोर्स निर्माण को लगभग $25K/60 घंटे से $2/30 मिनट से कम तक कम कर देता है।(From MOOC to MAIC: Reshaping Online Teaching and Learning through LLM-driven Agents) इसी तरह, एआई-एकीकृत LMS डिज़ाइन केवल-वर्कफ़्लो वाले प्लेटफ़ॉर्मों से आगे बढ़कर नीति-सीमित (सीमाबद्ध) एआई, रूपनीय संकेत, अंतरालित पुनरावृत्ति और शिक्षक डैशबोर्ड के साथ वास्तविक-समय शिक्षण सहायता की ओर प्रस्ताव करते हैं।(AI-Integrated Learning Management System for Middle School: A Longitudinal Study of Learning Outcomes Through High) तैनाती स्पेक्ट्रम के दूसरे छोर पर, कक्षा-अंतर्निहित एआई को सजीव भौतिक परिवेशों में व्यवहार्यता साबित करनी होगी। कम्युनिटी बिल्डर (CoBi) — एक कक्षा-व्यापी प्लेटफ़ॉर्म जो छोटे समूहों के सहयोगी संवाद को दृश्यमान बनाने के लिए वाक् पहचान और भाषा समझ का उपयोग करता है — को शोरयुक्त मिडिल-स्कूल कक्षाओं में साधारण माइक्रोफ़ोन और एक विस्तारयोग्य क्लाउड पाइपलाइन का उपयोग करके सफलतापूर्वक तैनात किया गया, जिससे दिखता है कि वास्तविक-समय वाक्-एआई इन्फ्रास्ट्रक्चर प्रामाणिक K-12 परिस्थितियों में भी काम कर सकती है, जबकि इंटरफ़ेस असंगतियों (शिक्षक बनाम विद्यार्थी के इस बारे में दृष्टिकोण कि फीडबैक समूह-स्तर का था या कक्षा-स्तर का) ने तैनाती में घर्षण पैदा किया।

रुचि-आधारित और संदर्भ-जागरूक प्लेटफ़ॉर्म सुविधाएँ

प्लेटफ़ॉर्म प्रदर्शन डेटा से आगे व्यक्तिगतकरण कर सकते हैं। Taklif.AI एक LLM-संचालित प्लेटफ़ॉर्म है जो विद्यार्थियों के पाठ्येतर रुचियों और सांस्कृतिक संदर्भों के आधार पर महाविद्यालय असाइनमेंट बनाता है, जो सांस्कृतिक रूप से प्रासंगिक शिक्षाशास्त्र के साथ जुड़ता है और एक-आकार-सभी-के-लिए असाइनमेंट से रुचि-संचालित संलग्नता की ओर बढ़ता है।(Taklif.AI: LLM-Powered Platform for Interest-Based Personalized College Assignments)

डिज़ाइन और शोध के लिए निहितार्थ

केवल क्षमता के लिए नहीं, स्वीकृति के लिए डिज़ाइन करें। किसी प्लेटफ़ॉर्म की प्रभावशीलता इस बात पर निर्भर करती है कि शिक्षार्थी वास्तव में उसके साथ संलग्न होते हैं या नहीं; सहायता संरचनाएँ, ऑनबोर्डिंग और समय-निर्धारण एआई के बराबर महत्वपूर्ण हैं।(Access is Not Enough: Human Support Improves Engagement with AI Tutoring)
प्लेटफ़ॉर्म संरचना को एक समानता उपकरण के रूप में देखें। किसी प्लेटफ़ॉर्म से लाभ कौन उठाता है, यह पहुँच, इन्फ्रास्ट्रक्चर और संलग्नता सीमाओं पर निर्भर करता है — प्लेटफ़ॉर्म डिज़ाइन की जाँच समानता लेंस से होनी चाहिए।(Access is Not Enough: Human Support Improves Engagement with AI Tutoring)
शोध के लिए खुले, दोहराने योग्य प्लेटफ़ॉर्मों को वरीयता दें। OATutor जैसे ओपन-सोर्स प्लेटफ़ॉर्म प्रतिलिपि-योग्य अनुकूली-अधिगम शोध और एक साझा प्रमाण आधार सक्षम करते हैं।(OATutor: An Open-source Adaptive Tutoring System and Curated Content Library for Learning Sciences Research)
एआई-नेटिव प्लेटफ़ॉर्मों को शासन और सीमाओं के साथ डिज़ाइन करें। जैसे-जैसे प्लेटफ़ॉर्म एआई-एकीकृत होते जाते हैं, गोपनीयता-प्रथम वास्तुकला, डेटा न्यूनतमकरण, ऑडिट-योग्य लॉग और भूमिका-आधारित पहुँच महत्वपूर्ण होते जाते हैं — जो निजता और AI शासन चिंताओं से जुड़ता है।(AI-Integrated Learning Management System for Middle School: A Longitudinal Study of Learning Outcomes Through High) निजता को नीति के बजाय पाइपलाइन में ही बनाया जा सकता है: एक कक्षा-घटना पहचानकर्ता जो गुमनाम पोज़ ट्रैजेक्टरी पर प्रशिक्षित है, उस प्रणाली में नाबालिगों के चेहरे और रूप संबंधी संकेतों को बाहर रखता है, हालाँकि वास्तविक कक्षाओं में शून्य-शॉट स्थानांतरण में हर विधि ने सटीकता खोई, जहाँ प्रस्तावित मॉडल की सर्वोत्तम सटीकता 63.41% थी (Parmar et al. (2026))।
अनुशंसाओं को शिक्षक के डोमेन भाषा में समझाएँ। किसी प्लेटफ़ॉर्म की एआई सुविधाएँ तब विश्वास और स्वीकृति अर्जित करती हैं जब उनकी व्याख्याएँ समझने योग्य और शैक्षणिक रूप से सार्थक हों: एक एआई समूहबद्ध-अनुशंसा उपकरण (GrouPer) के साथ किए गए एक भीतरी-विषय प्रयोग में, Feldman-Maggor et al. (2025) ने पाया कि पाठ्यक्रम भाषा में गढ़े गए डोमेन-संचालित स्पष्टीकरण ने कच्चे फ़ीचर-महत्व स्पष्टीकरणों की तुलना में शिक्षकों की समझने की क्षमता, विश्वास और स्वीकृति को काफ़ी अधिक बढ़ाया — और पूर्ण स्वीकृति के लिए वास्तविक कक्षा उपयोग अब भी महत्वपूर्ण रहा।(The Impact of Explainable AI on Teachers' Trust and Acceptance of AI EdTech Recommendations: The Power of Domain-specific Explanations)
जिस प्रणाली प्रमाण उत्पन्न करती है उसे उससे अलग करें जो उसे ग्रेड करती है। जब एजेंट किसी शिक्षार्थी की ओर से पूरा कोर्स पूरा कर सकते हैं, तो Srivastava (2026) का तर्क है कि किसी प्लेटफ़ॉर्म को शिक्षार्थी के तर्क के समकालीन, निरीक्षण-योग्य प्रमाण का उत्सर्जन करना चाहिए और वह अपना एकमात्र ग्रेडर नहीं होना चाहिए — परिवेश, जारीकर्ता और सत्यापनकर्ता स्वतंत्र होने चाहिए।(Credentials That Carry Their Evidence: Credential design, dynamic tiering, and approved use when AI agents can do the work)
प्रतिनिधिमंडल रनटाइम पर नहीं, डिज़ाइन समय पर बनाएँ। Neshaei et al. (2026) का तर्क है कि रनटाइम अनुकूलन को बड़े पैमाने पर सत्यापित नहीं किया जा सकता, और वे सामग्री को मोडैलिटी-अनिर्विशेषित अर्थ कार्ड के रूप में एन्कोड करने का प्रस्ताव देते हैं, जिनसे संवादात्मक, ऑडियो, सरलीकृत-पाठ और कम-बैंडविड्थ प्रकार उत्पन्न और प्रकाशन से पहले शिक्षक-अनुमोदित किए जाते हैं — जिससे प्रति-शिक्षार्थी अनुमान लागत समाप्त होती है, हालाँकि कोई प्रोटोटाइप रिपोर्ट नहीं है।

मेटाडेटा

स्तर	K 12, Higher Ed
अधिगम और शिक्षण	ऑनलाइन शिक्षण और अधिगम
प्रौद्योगिकियाँ और तकनीकें	अनुकूली अधिगम, जनरेटिव-AI, बड़े भाषा मॉडल (LLMs), व्यक्तिगत शिक्षा, एडटेक प्लेटफ़ॉर्म
समानता, नैतिकता और जिम्मेदार उपयोग	समानता
शिक्षा में AI की नींव	शिक्षा में AI

Source History Edit Chat