अवधारणाएँ
कार्यकारी कार्य
यह अंग्रेज़ी पेज का ऑटोमैटिक अनुवाद है और इसकी अभी तक किसी मूल भाषी ने समीक्षा नहीं की है।
कार्यकारी कार्य उन सामान्य-उद्देश्य नियंत्रण प्रक्रियाओं को कहा जाता है जो सीखने वाले को जानकारी मन में रखने, आसान उत्तर का प्रतिरोध करने, नियमों के बीच बदलने और लक्ष्य तक पहुँचने का मार्ग नियोजित करने देती हैं। शिक्षा में AI में यह तय करता है कि कोई उपकरण उस क्षमता की जगह ले लेता है जिसे कार्य सीखना चाहता था, या उस क्षमता को ही बढ़ाता है। यह तीन साहित्यों के मिलने के स्थान पर भी बैठता है: निर्भरता पर अनुसंधान, सहायता और अनुकूलन पर विशेष-आवश्यकता अनुसंधान, और इस संरचना के मापन पर अनुसंधान। यह मेटाकॉग्निशन से भिन्न है। यह जानना कि किसी उत्पाद का सत्यापन करना चाहिए एक क्षमता है; सत्यापित करने के लिए समस्या को इतनी देर तक मन में रखना दूसरी क्षमता है।
पर विचार करने योग्य प्रश्न
- ऐसा सीखने वाला जिसके पास सटीक मेटाकॉग्निशन ज्ञान है फिर भी चार-चरण की समस्या को मन में रखने में विफल रहता है। कौन-सी क्षमता गायब है, और क्या अधिक प्रतिपुष्टि उसे ठीक करेगी?
- क्षतिपूर्ति, स्कैफ़ोल्डिंग और विकास एक ऐसे पोस्ट-टेस्ट पर समान दिख सकते हैं जिसमें उपकरण मौजूद हो। उन्हें अलग करने के लिए आप क्या मापेंगे?
- प्रशिक्षण-साक्ष्य एक महीने के अनुसरण पर रुक जाता है। यदि कोई चैटबॉट चार सप्ताह तक कार्य-स्मृति सुधारता है, तो क्या सिद्ध हुआ है और क्या नहीं?
- दो अध्ययन बताते हैं कि ज़्यादा AI-उपयोग कमज़ोर कार्यकारी कार्य से जुड़ा है। इसे कारण कहने से पहले किस डिज़ाइन की आवश्यकता होगी?
- कार्ड-सॉर्टिंग, फ्लैंकर परीक्षण और एक स्व-रिपोर्ट सूची अक्सर एक ही सीखने वाले के बारे में मतभेद करती हैं। कक्षा पर दावे के लिए आप किस पर भरोसा करेंगे, और क्यों?
- यदि कोई मॉडल नियोजन और जाँच की जगह ले लेता है जो कार्यकारी कार्य सामान्यतः करता है, तो क्षमता क्षीण हो रही है या कहीं और व्यायाम हो रहा है?
भूमिका
कार्यकारी कार्य उन प्रक्रियाओं का एक छोटा समूह है जो सीखने वाले के बाकी सब कुछ व्यवस्थित करता है। कार्य-स्मृति समस्या के टुकड़ों को उनकी जगह पर रोकती रहती है। निषेध उस उत्तर को दबाता है जो आसानी से आता है पर उपयुक्त नहीं है। संज्ञानात्मक लचीलापन सीखने वाले को कार्य बदलने पर एक नियम छोड़कर दूसरा ग्रहण करने देता है। नियोजन और निगरानी इनके ऊपर बैठते हैं, इरादे को चरणों के क्रम में बदलते हैं और यह जाँचते हैं कि क्रम काम कर रहा है या नहीं।
जो अंतर इस साहित्य को व्यवस्थित करता है वह क्षमता और निगरानी के बीच का है। मेटाकॉग्निशन वह है जो सीखने वाला अपनी सोच के बारे में जानता है और उस पर ध्यान देता है: क्या वह समझ रहा है, क्या उसे जाँच करनी चाहिए, क्या वह सही रास्ते पर है। कार्यकारी कार्य वह क्षमता है जो वह ज्ञान भार के बीच उपयोग कर पाती है। एक विद्यार्थी जान सकता है कि AI के उत्तर की जाँच करनी चाहिए और फिर भी जाँच करते हुए तर्क को एक साथ रखने की कार्य-स्मृति से वंचित रह सकता है। जो अध्ययन AI और कार्यकारी कार्य के बारे में मतभेद करते दिखते हैं, वे अक्सर पाए जाते हैं कि उन्होंने इन दोनों में से किसी एक को मापा था, दोनों को नहीं।
संरचना क्या कवर करती है, और क्या नहीं
मनोवैज्ञानिक साहित्य तीन मूल कार्यों का नाम लेता है — निषेध, कार्य-स्मृति और संज्ञानात्मक लचीलापन — और नियोजन, निगरानी तथा संगठन को आंशिक रूप से अलग होने वाले जोड़ मानता है। AI पर अनुसंधान इस शब्द का उपयोग दो अर्थों में करता है। संकरा अर्थ तब उठता है जब कोई अध्ययन NIH Dimensional Card Sorting या Flanker परीक्षण जैसा प्रदर्शन-कार्य देता है। चौड़ा अर्थ तब उठता है जब कोई सर्वेक्षण "global executive functioning" के बारे में पूछता है, जो आमतौर पर एक स्व-रिपोर्ट सूची होती है।
यह अंतर निष्कर्ष के अर्थ को बदल देता है। प्रदर्शन-कार्य मापता है कि नियंत्रित परिस्थितियों में सीखने वाला क्या कर सकता है। स्व-रिपोर्ट सूची मापती है कि सीखने वाला अपने दैनिक कार्य-संचालन के बारे में क्या मानता है, और ये दोनों अलग हो जाते हैं। Ayasrah और सहयोगियों के उपकरण-विकास अध्ययन में यह बात स्पष्ट कही गई है। उनका Executive Function-Based Learning Difficulties Scale अपनी संरचना को स्व-रिपोर्ट की गई असामान्य निर्भरता और प्रयासपूर्वक निगरानी में महसूस हुई कमी के रूप में परिचालित करता है, "स्थिर कार्यकारी कार्य-की कमी के निदान के बजाय" (Ayasrah et al., 2026)।
मेटाकॉग्निशन से अंतर भी उसी तरह चलता है। मेटाकॉग्निशन अपनी सोच का ज्ञान और निगरानी है, जिसमें ज्ञान का अंशांकन और सीखने के निर्णय भी शामिल हैं। कार्यकारी कार्य वह क्षमता है जो कार्य माँग होने पर निगरानी को संभव बनाती है। सीखने वाला सटीक मेटाकॉग्निशन ज्ञान रखते हुए भी बहु-चरण की समस्या को कार्य-स्मृति में रखने में विफल हो सकता है। विशेष शिक्षा साहित्य में यह संयोजन आम है, जहाँ किसी रणनीति को जानने और उसे चलाने में सक्षम होने के बीच की खाई ही रोज़मर्रा की समस्या है।
क्षतिपूर्ति, स्कैफ़ोल्डिंग, विकास
Vasileiou और सहयोगियों एक फ्रेम देते हैं जो बनाए रखने लायक है। AI उपकरण क्षतिपूर्ति कर सकता है, किसी माँग को बाहर करके सीखने वाले को भाग लेने देता है। यह स्कैफ़ोल्ड कर सकता है, स्वतंत्र क्षमता से थोड़ा आगे के प्रदर्शन का समर्थन करता है। यह विकसित कर सकता है, क्षमता को स्वयं बनाता है। एक ही उपकरण कार्य के डिज़ाइन के अनुसार इनमें से कोई भी काम कर सकता है, और उपकरण हटने पर बस विकास के होने की अपेक्षा की जाती है।
क्षतिपूर्ति उपकरण सहित हर उस माप में सफलता जैसी दिखती है जिसमें उपकरण शामिल हो। जो विद्यार्थी व्याकरण-जाँचक से बेहतर निबंध लिखता है, या चरण-दर-चरण चैटबॉट से ज़्यादा समस्याएँ हल करता है, वह बेहतर प्रदर्शन कर रहा है। क्षमता बढ़ी या नहीं, यह एक अलग सवाल है जिसके लिए उपकरण के बिना लिया गया माप चाहिए। सहायित प्रदर्शन के अध्ययन दूसरी दिशा से वही बात कहते हैं: उपकरण मौजूद रहने पर दर्ज की गई उन्नति स्वतः सहायता-रहित प्रदर्शन तक नहीं पहुँचती। इसीलिए उपकरण हाथ में लेकर लिया गया पूर्व-और पोस्ट-टेस्ट तीनों कार्यों को अलग नहीं कर सकता, और इस अंतर का सबसे ज़्यादा महत्व उन सीखने वालों के लिए है जो हमेशा उपकरण के साथ नहीं रहेंगे।
प्रशिक्षण-अध्ययन क्या दिखाते हैं
Pergantis, Bamicha, Skianis और Drigas ने कार्यकारी कार्य और संबंधित कठिनाइयों पर लक्षित चैटबॉट हस्तक्षेपों की समीक्षा की। उनकी खोज ने Scopus, Web of Science, PubMed और पूरक स्रोतों में 115 रिकॉर्ड को स्क्रीन किया, 2021 से 2024 तक का कवरेज किया, और 6 से 75 वर्ष और उससे अधिक आयु के 1,606 प्रतिभागियों वाले 10 अध्ययन चुने।
समीक्षा का अपने साक्ष्य के बारे में वर्णन ही वह हिस्सा है जो आगे ले जाना चाहिए। डिज़ाइन रैंडमाइज़्ड परीक्षणों से लेकर एकल-केस कार्य तक फैले थे। सबसे बड़ा नमूना 744 किशोर था, सबसे छोटा 11 से 13 वर्ष के तीन विद्यार्थी। किसी औपचारिक पूर्वाग्रह-जोखिम के उपकरण को लागू नहीं किया गया, और 10 अध्ययनों में से केवल दो ने कोई अनुसरण दर्ज किया, जिसमें सबसे लंबा एक महीना था। लेखक निष्कर्षों को स्थापित होने के बजाय आशाजनक बताते हैं। जो सारांश इस समीक्षा को यह साक्ष्य मानते हैं कि चैटबॉट कार्यकारी कार्य सुधारते हैं, वे उन सीमाओं से आगे पढ़ रहे हैं।
निर्भरता क्या विस्थापित करती है
यह मामला कि AI सहायता मुफ़्त नहीं है, निर्भरता-साहित्य से आता है। Klarin, Hoff और Daukantaitė किशोरों में GenAI निर्भरता को अपने स्वयं के प्रयास या शिक्षक सहायता के हिसाब से उपकरण को प्राथमिकता देने के साथ-साथ उसके बिना स्कूल-कार्य शुरू करने में कठिनाई के रूप में परिभाषित करते हैं। यह परिभाषा उस विस्थापित क्षमता का नाम लेती है। निरंतर प्रयास और कार्य की शुरुआत कार्यकारी माँगें हैं, और उन्हें रवैया-समस्या मानना यह गलत पढ़ना है कि उपकरण किसकी जगह ले रहा है।
Sharma, Manani और Thakwani के भारतीय विश्वविद्यालय-विद्यार्थियों के सर्वेक्षण में एक मध्यस्थक जुड़ता है। समस्याग्रस्त ChatGPT-उपयोग का कमज़ोर global कार्यकारी कार्य से संबंध था, पर शैक्षणिक तनाव मॉडल में आने पर सीधा पथ β = 0.069, P = 0.328 पर गिर गया, जबकि तनाव से विकार तक का पथ β = 0.706 पर चला। उनके विवरण में क्षति उस तनाव के माध्यम से होती है जो भारी निर्भरता पैदा करती है, न कि उपकरण के सीधे क्षमता पर असर से। डिज़ाइन cross-sectional है, इसलिए वे जो चक्र बताते हैं वह अभी एक परिकल्पना है।
Ayasrah और सहयोगी 18 विशेषज्ञों, शिक्षकों और विद्यार्थियों के साक्षात्कारों से बने और 616 माध्यमिक विद्यार्थियों पर सत्यापित एक माप-उपकरण देते हैं। इसके छह आयाम — सोचने के लिए AI पर अति-निर्भरता, सतही समझ, घटा हुआ सत्यापन, सीखी गई सामग्री की कमज़ोर स्मृति, घटा हुआ संज्ञानात्मक प्रयास और घटा हुआ महत्वपूर्ण मूल्यांकन — विस्थापित कार्यकारी गुंजाइश को सीखने वाले की तरफ से बयान करते हैं।
मापना: कार्य, दृष्टि और स्व-रिपोर्ट
Wilder और Stratchan का 46 ADHD वाले कॉलेज विद्यार्थियों का अध्ययन इस साहित्य में किसी प्रदर्शन-कार्य को व्यवहार से जोड़ने का सबसे स्पष्ट प्रयास है। प्रतिभागियों ने एक संरचित साक्षात्कार-अभिनय पूरा किया, जबकि Tobii ट्रैकर ने दृष्टि दर्ज की। NIH Dimensional Card Sorting कार्य, जो संज्ञानात्मक लचीलापन का माप है, साक्षात्कार-स्तर का एकमात्र संज्ञानात्मक भविष्यवक्ता था (β = -0.065, SE = 0.024, Wald = 7.487, p = 0.006)। Flanker परीक्षण से मापा गया निषेध स्तर की भविष्यवाणी नहीं कर सका (p = 0.710), और MSLQ उप-श्रेणी का स्व-नियंत्रण भी नहीं (p = 0.312)।
परिणाम इस बात की चेतावनी देता है कि कार्यकारी कार्य को एक ही चीज़ न माना जाए। कार्य-स्विच ने माँगले बार सामाजिक स्थिति में प्रदर्शन की भविष्यवाणी की। निषेध और स्व-रिपोर्ट की गई नियंत्रण-क्षमता नहीं कर सकीं। नमूना छोटा था और स्तर-विश्लेषण ने तीन स्तरों को मिला दिया, इसलिए यह एक संकेत है, न कि स्थापित प्रभाव।
सहायता, अनुकूलन और नैतिक फ्रेम
Deep, Ghosh और Natoli की 28 अध्ययनों की समीक्षा, जो ADHD वाले कॉलेज विद्यार्थियों के लिए AI पर है, तकनीक को नैदानिक समस्या के बजाय सहायता-खाई मानती है। उपकरण explainable वर्गीकरणों से लेकर अनुकूली योजनाकारों और संवादी एजेंटों तक फैले हैं। समीक्षा आशा और एक सीमा दोनों बताती है: एक pupillometric मॉडल AUROC 0.856 तक पहुँचा, जबकि एक SVM वर्गीकरण 66.1 से 68.8 प्रतिशत सटीकता पर रुका, जो नैदानिक उपयोग के लिए आवश्यक स्तर से नीचे है।
उनकी नैतिक चर्चा ADHD से परे जाती है। अनुकूलन, गोपनीयता, सहमति और अति-निर्भरता एक ही सवाल के हिस्से हैं। एक उपकरण जो अच्छी क्षतिपूर्ति करता है, वह अभ्यास को हटा सकता है जो क्षमता बनाता, और जो सीखने वाला इस सौदे का न्याय करने में सबसे कम सक्षम है वह अक्सर वही होता है जिसे क्षतिपूर्ति सबसे ज़्यादा चाहिए। यह सहायता के साथ समय-समय पर सहायता-रहित कार्य जोड़ने का तर्क है, सहायता रोकने का नहीं।
संरचना कहाँ बढ़ रही है
Sidorkin का फ्रेमवर्क-पेपर संरचना को बाहर की ओर धकेलता है। यह "Extended Executive Cognition" को उच्च शिक्षा के सीखने-परिणाम के रूप में प्रस्तावित करता है: संज्ञानात्मक प्रयास आवंटित करना, कार्य को मनुष्य या मशीन के निष्पादन के लिए विखंडित करना, यह कि AI क्या कर सकता है और क्या नहीं इसका सटीक मॉडल रखना, और उत्पाद को बचाए जा सकने वाले उत्पाद में एकीकृत करना। पेपर कोई डेटा नहीं देता। इसका एकमात्र मात्रात्मक दावा, कि कार्यकारी अधिकारी AI से पहले की तुलना में परिदृश्य-नियोजन और नैतिक पर्यवेक्षण पर 60% अधिक समय बिताते हैं, द्वितीय-हस्त से उद्धृत एक सर्वेक्षण पर टिका है।
ऊपर के अध्ययनों के साथ पढ़ा जाए तो फ्रेमवर्क परिकल्पना है कि संरचना आगे कहाँ जाएगी। यदि सोचना बढ़ते हुए मशीन-उत्पाद का निर्देशन और जाँच हो रहा है, तो निषेध और निगरानी नई जगह पर व्यायाम हो रहे हैं। क्या वे ज़्यादा या कम व्यायाम हो रहे हैं, यह एक अनुभवजन्य सवाल है जिसका अभी किसी ने उत्तर नहीं दिया।
अभ्यास के लिए निहितार्थ
शिक्षक बिना-सहायता प्रयास को कार्य का हिस्सा बना सकते हैं, न कि सम्मान-प्रणाली के अनुरोध के रूप में। मॉडल खुलने से पहले एक छोटा नियोजन-चरण, पहला ड्राफ़्ट या अनुमान सीखने वाले को तुलना के लिए कुछ देता है, और उसमें क्षमता के उपयोग का रिकॉर्ड बन जाता है। जब कोई पाठ्यक्रम नियोजन या संगठन के लिए AI सहायता पर निर्भर हो, तो प्रति सत्र एक कार्य-खंड को उसके बिना कराने की समय-सारणी दिखाती है कि क्षमता अभी भी मौजूद है या नहीं।
सहायता-कर्मी और सीखने-विशेषज्ञ यह नाम ले सकते हैं कि उपकरण कौन-सा कार्य पूरा कर रहा है। एक योजनाकार जो क्रम को बाहर करता है वह क्षतिपूर्ति करता है। एक प्रॉम्प्ट जो मॉडल आगे बढ़ने से पहले विद्यार्थी से अगले चरण की व्याख्या करने को कहता है वह स्कैफ़ोल्ड करता है। केवल वह कार्य जिसमें विद्यार्थी से बिना सहायता नियोजन करने को कहा जाए, साथ में योजना पर प्रतिपुष्टि हो, वही क्षमता को संभावित रूप से विकसित कर सकता है, और साहित्य में इस डिज़ाइन के उदाहरण मिलते मुश्किल हैं।
मूल्यांकन-डिज़ाइनकर्ता दावे के अनुरूप माप चुन सकते हैं। स्व-रिपोर्ट स्केल प्रयास के अनुभव के सवालों के उत्तर देता है। प्रदर्शन-कार्य नियंत्रित परिस्थितियों में क्षमता के सवालों के उत्तर देता है। पहले से दूसरे का दावा करना इस क्षेत्र की सबसे आम गलती है, और वह डिज़ाइन-चरण पर ही सुनिव्रजित की जा सकती है।
प्रशासक अनुकूलन-अनुरोधों को इस सवाल के रूप में पढ़ सकते हैं कि कौन-सी क्षमता समर्थित हो रही है और सहायता हटने पर क्या होगा। एक उपकरण जो माँग को पूरी तरह हटा देता है, वह एक विद्यार्थी के लिए सही अनुकूलन और दूसरे के लिए गलत हो सकता है, और यह अंतर उपयोग-डेटा में शायद ही दिखता है।
साक्ष्य कहाँ पतला है
चार सीमाएँ अध्ययनों में बार-बार उठती हैं। अधिकांश एक बार मापते हैं, इसलिए वे यह नहीं दिखा सकते कि क्षमता बदली या प्रदर्शन भिन्न हुआ। स्व-रिपोर्ट उपकरण प्रबल हैं, और स्व-रिपोर्ट तथा कार्य-माप अक्सर मतभेद करते हैं। प्रशिक्षण-साहित्य में एक महीने से आगे का अनुसरण लगभग नहीं है। क्षतिपूर्ति को विकास से प्रयोगात्मक रूप से अलग करने वाला अध्ययन लगभग कुछ नहीं है, जो वह अंतर है जिसे इस क्षेत्र को सबसे ज़्यादा परखने की आवश्यकता है।
ऑफ़लोडिंग को कार्यकारी कार्य से जोड़ने वाली एकमात्र समीक्षा Papasideri, Chatziioannou और Palaiologos (2026) है, एक कथा-संश्लेषण जिसमें कोई समेकित डेटा नहीं है। यह बताती है कि भारी ऑफ़लोडिंग कम स्व-रिपोर्ट की गई आलोचनात्मक सोच और कमज़ोर स्व-नियंत्रित सीख से जुड़ा है, और उस EEG अध्ययन में LLM सहायता के तहत कम कनेक्टिविटी से भी, जिसे यह सारांशित करती है। वे संबंध अलग-अलग अध्ययनों से बने हैं, मध्यस्थ-मॉडल नहीं, और लेखक यह स्वयं कहते हैं। प्रशिक्षण-साक्ष्य के बगल में पढ़ा जाए तो समीक्षा केंद्रीय अंतर को तेज़ करती है: एक उपकरण सीखने वाले के सामने बने कार्य पर प्रदर्शन बढ़ा सकता है और उसके पीछे क्षमता बनाने वाला प्रयास कम कर सकता है।
सामान्य भ्रांतियाँ
- "कार्यकारी कार्य मेटाकॉग्निशन के समान है।" मेटाकॉग्निशन अपनी सोच के बारे में ज्ञान है। कार्यकारी कार्य मन में रखने, रोकने और बदलने की क्षमता है। जहाँ स्व-रिपोर्ट नियंत्रण-स्केल कुछ की भविष्यवाणी नहीं करता और कार्य-माप प्रदर्शन की भविष्यवाणी करता है, वहाँ दोनों को अलग-अलग मापा जा रहा है।
- "जो उपकरण प्रदर्शन सुधारता है वह क्षमता विकसित करता है।" क्षतिपूर्ति, स्कैफ़ोल्डिंग और विकास अलग-अलग कार्य हैं। उपकरण के बिना बस विकास के बने रहने की अपेक्षा की जाती है।
- "ज़्यादा AI-उपयोग का अर्थ कमज़ोर कार्यकारी कार्य।" Sharma और सहयोगियों ने पाया कि संबंध शैक्षणिक तनाव के माध्यम से चला, और cross-sectional डिज़ाइन दिशा स्थापित नहीं कर सकता। निर्भरता और क्षमता-हानि सहसंबद्ध हैं, सिद्ध कारण नहीं।
- "कार्यकारी कार्य एक मापने योग्य चीज़ है।" कार्ड-सॉर्टिंग, फ्लैंकर परीक्षण और स्व-रिपोर्ट सूचियाँ अलग-अलग प्रक्रियाओं को मापती हैं और अक्सर मतभेद करती हैं।
- "स्व-रिपोर्ट स्केल कमी का निदान करते हैं।" EFB-LDS-AI स्व-रिपोर्ट की गई निर्भरता और महसूस की गई प्रयास-कमी को मापता है, जिसे उसके लेखक स्पष्ट रूप से नैदानिक कमी से अलग करते हैं।
संबंधित अवधारणाएँ
संबंधित लेख
- Individual Differences in Reliance on Generative AI in Schoolwork: The Role of Executive Functioning Difficulties, Perceived Usefulness, and Habitual Use
- Artificial Intelligence as Cognitive Scaffolding for Executive Functioning in Students with Special Educational Needs
- AI Chatbots and Cognitive Control: Enhancing Executive Functions Through Chatbot Interactions: A Systematic Review
- Extended Executive Cognition: A Learning Outcome for the AI Age
- AI-Enhanced Interview Success: Eye-Tracking and Cognitive Flexibility in College Students with ADHD
- Measuring AI-Mediated Executive Function Learning Difficulties: The EFB-LDS-AI Scale
- Artificial Intelligence for Supporting College Students with Attention-Deficit/Hyperactivity Disorder: Cognitive, Emotional, and Ethical Perspectives
- Academic Stress Mediates the Link Between ChatGPT Dependency and Executive Dysfunction
- Lower engagement of cognitive control in children on ChatGPT
- Cognitive Offloading in the Age of Generative AI: Effects on Memory, Learning, and Executive Function - A Narrative Literature Review
- Effects of LLM use and note-taking on reading comprehension and memory: A randomised experiment in secondary schools