समूह कार्य

इस पृष्ठ पर

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

समूह कार्य — सहयोग, संवाद, और साझा उत्तरदायित्व विकसित करने के लिए उपयोग किया जाने वाला, किसी व्यक्ति के बजाय एक टीम द्वारा तैयार किया गया सीखने और अंकित कार्य, जो एक परिणाम और प्रायः प्रत्येक सदस्य के लिए एक ग्रेड भी उत्पन्न करता है। यह वहाँ स्थित है जहाँ मूल्यांकन डिज़ाइन और सहयोगी सीखने मिलते हैं, और यह दोनों के तनावों को विरासत में पाता है: मुफ़्त खींचना और सामाजिक ढीलापन, असमान योगदान, संघर्ष से बचना, और सामूहिक उत्पाद को व्यक्तिगत सीखने से जोड़ने की कठिनाई। जेनरेटिव AI इन्हें और तीव्र करता है क्योंकि टीमों को अब बातचीत करनी पड़ती है कि किसकी और किस प्रकार की AI भागीदारी स्वीकार्य मानी जाए — एक बातचीत जिसे शिक्षार्थी सक्रियता अनुसंधान एक ही समूह के भीतर विपरीत दिशाओं में हल होते हुए दिखाता है, और जिसे समूह में शामिल होने वाले AI एजेंट स्वयं बदल सकते हैं।

विचार करने योग्य प्रश्न

कोई समूहिक कार्य असल में क्या उत्पन्न करता है — समूह का उत्पादन, प्रत्येक सदस्य की सीख, या सहयोग करने की उनकी क्षमता? यदि ये तीनों अलग हो सकते हैं, तो आपका ग्रेडिंग किसकी पुष्टि करने का दावा करता है?
किसी समूहिक प्रोजेक्ट के बारे में सोचें जिसका आप हिस्सा रहे हों। काम किसने किया, यह तय किसने किया कि क्या अच्छा काम है, और कौन चुप रहा? उसमें से कितना कार्य के डिज़ाइन का था, लोगों का नहीं?
समूह कार्य पर शोध बताता है कि छात्र संबंधों की रक्षा के लिए मुफ़्त खींचने वालों को जवाबदेह ठहराने से अक्सर कतराते हैं। जब किसी समूह सदस्य अपना भाग बनाने के लिए GenAI का उपयोग करता है, तो क्या वह मुफ़्त खींचना है — या यह निर्णय इस शब्द से अधिक जटिल है?
कोई समूह एक साझा इंटरफ़ेस के माध्यम से या प्रत्येक सदस्य के निजी प्रॉम्प्ट के माध्यम से AI तक पहुँच सकता है। कौन अधिक ईमानदार सहयोग उत्पन्न करता है, और प्रत्येक क्या छिपाता है?
यदि कोई AI एजेंट आपके समूह में साथी के रूप में शामिल हो — प्रशंसा करते हुए, प्रश्न उठाते हुए, या उत्तेजित करते हुए — तो क्या वह सहयोग को गहरा करेगा या यह बदल देगा कि इसे कौन चलाता है, बिना किसी को पता चले? आप अंतर कैसे बताएँगे?
जो सहयोगी AI कार्य की दक्षता को अधिकतम करता है, वह सीखने वालों की स्व-नियामक भागीदारी को न्यूनतम करता है। यदि आपको परिणाम और संघर्ष के बीच चुनना हो, तो आप किसकी रक्षा करेंगे?
किसी मध्यस्थ AI पर भरोसा तभी किया जाता है जब तक वह तटस्थ रहता है। जब वह सारांश बनाने से सलाह देने या चुनौती देने की ओर बढ़ता है, तो भरोसा घटता है। किसी समूह की AI वास्तव में कितनी तटस्थ होनी चाहिए?

परिचय

समूह कार्य उच्च शिक्षा और व्यावसायिक प्रशिक्षण में एक विशिष्ट स्थान रखता है: इसे सहयोग, संवाद, और साझा उत्तरदायित्व के निर्माण के लिए महत्व दिया जाता है, और यह शिक्षक शिक्षा जैसे व्यावसायिक रूप से उन्मुख कार्यक्रमों में शैक्षणिक रूप से केंद्रीय है। इसका वादा, हालाँकि, स्वतः ही पूरा नहीं होता। प्रभावी सहयोग में बाधाओं की रिपोर्ट शिक्षक और छात्र दोनों करते हैं, और एक अंकित समूहिक उत्पाद एक साथ दो अलग दावे रखता है — इस बारे में कि समूह ने क्या पूरा किया, और इस बारे में कि प्रत्येक व्यक्ति ने क्या सीखा। AI, और विशेष रूप से जेनरेटिव AI, दोनों पर दबाव डालता है: यह बदलता है कि काम कैसे विभाजित किया जा सकता है, योगदान कितनी आसानी से जोड़े जा सकते हैं, और प्रत्येक सदस्य की सोच को किसी उपकरण के उत्पाद से कैसे अलग किया जा सकता है। ज्ञान आधार के सहयोगी सीखने वाले शोध का एक बड़ा हिस्सा समूह कार्य पर लागू होता है, और यह पृष्ठ किसी एक अध्ययन के बजाय उसके कई धाराओं पर आधारित है।

समूह कार्य डिज़ाइन से कठिन क्यों है

मुफ़्त खींचना और सामाजिक ढीलापन। कुछ सदस्य अपना योगदान घटाते हैं और कार्यभार अधिक संलग्न साथियों पर पुनर्वितरित हो जाता है। कार्य का दायरा, समूह का आकार, और रचना संभावना बढ़ाते हैं; जवाबदेही तंत्र और समूहिक प्रभावकारिता इसे घटाते हैं।
जवाबदेही संबंधगत भी है, संरचनात्मक ही नहीं। हांगकांग में — जहाँ ज्ञान आधार के समूह-मूल्यांकन अध्ययनों में से एक किया गया था — स्नातक छात्रों ने अक्सर व्यक्तिगत संबंधों की रक्षा के लिए मुफ़्त खींचने की रिपोर्ट नहीं करना चुना, समस्या का सामना करने के बजाय खुद काम पूरा कर लिया। छात्रों की शिक्षार्थी सक्रियता इसलिए संघर्ष से बचते हुए ग्रेड पाने का रूप ले सकती है।
सहयोग को डिज़ाइन करना होगा, अनुमान नहीं लगाना। जहाँ किसी कार्य को स्वतंत्र उप-कार्यों में बाँटा जा सकता है, वहाँ छात्र यही रास्ता चुनते हैं और समूह साझा बौद्धिक प्रयास के बजाय एक जमा प्रारूप बन जाता है। चेन और ज़ोउ (2026) ने अपने पंद्रह समूहों में से तीन को ठीक ऐसा ही करते हुए पाया — काम को बाँटना, "व्यक्तिगत मंचों" पर काम करना, और सुसंगति स्पष्ट मूल्यांकन मानक होने पर भी अपनी व्यक्तिगत GenAI क्षमताओं को कभी एकत्र न करना।
प्रक्रिया बनाम उत्पाद। समूह कार्य तब सबसे मज़बूत होता है जब उत्पाद के साथ-साथ प्रक्रिया का भी मूल्यांकन किया जाए, जिसके लिए एक ही अंतिम कृति के बजाय साथी मूल्यांकन या अन्य दृश्यमान मध्यवर्ती चरण चाहिए।
समता और समावेशन। योगदान के मानदंड, भाषा, और आत्मविश्वास समूहों के भीतर असमान रूप से वितरित होते हैं। न्यूरोडिवर्जेंट छात्र बताते हैं कि उन्हें संरचित असाइनमेंट, छोटी और संगत टीमें, और स्पष्ट रूप से परिभाषित भूमिकाएँ चाहिए — ऐसी आवश्यकताएँ जिन्हें अक्सर "औसत" सीखने वाले के लिए बनाए गए AI सहयोग उपकरण नियमित रूप से पूरा करने में असफल रहते हैं।

AI समूह कार्य को कैसे बदलता है

AI पर शोध समूह कार्य में दो अलग चीज़ों को संबोधित करता है: AI किसी समूह के कार्य में क्या जोड़ता है, और AI समूह की प्रक्रिया के साथ क्या करता है। दोनों महत्वपूर्ण हैं, और ज्ञान आधार की खोजें इन्हें फैलाती हैं।

सामूहिक समन्वय के बुनियादी ढाँचे के रूप में AI

GenAI और समूह मूल्यांकन पर सबसे सीधी खोज चेन और ज़ोउ (2026) का पंद्रह पूर्व-सेवा शिक्षक समूहों का तीन-पैटर्न अध्ययन है। एक ही उत्साह-से-परिहार स्पेक्ट्रम के बजाय, एक साथ तीन दिशाओं में चला।

पैटर्न	समूह	अभ्यास	औचित्य
सहयोग-उन्मुख कार्यप्रणाली	5	तीव्रतम GenAI उपयोग	सुसंगति, प्रदर्शन, अनुभूत जोखिम को कम करने वाले साझा मानदंड
मानदंडात्मक कार्यप्रणाली	7	जानबूझकर संयमित उपयोग	प्रामाणिकता, निष्पक्षता, मौलिकता, दृष्टिकोणों की विविधता
अकार्यरत कार्यप्रणाली	3	व्यक्तिगत काम से अपरिवर्तित	कार्य विभाजित; सामूहिक अन्योन्यक्रिया को लागतपूर्ण माना गया

समन्वय के बुनियादी ढाँचे के रूप में GenAI। छात्रों ने एक परिचित सहयोग समस्या हल करने के लिए उपयोग तीव्र किया — यह न जानना कि साथियों के भागों में क्या था। उन भागों को एक चैटबॉट में डालकर उन्हें समझने और संरेखित करने से वितरित ज्ञान पारस्परिक रूप से समझने योग्य बना, और एक समूह ने अपने कार्यप्रवाह को "चर्चा → GenAI में बाह्यीकरण → सामूहिक समीक्षा → पुनः-चर्चा" के रूप में फिर से बनाया। लेखक इसे संज्ञानात्मक बोझ हटाने से परे मानते हैं, क्योंकि निर्णय छात्रों के पास रहा जबकि उपकरण ने समन्वय का काम सहा, हालाँकि चेतावनी देते हैं कि अधिक सहज कार्यप्रवाह उस असहमति को दरकिनार कर सकता है जिससे सुसंगति बनती है।
समूह मानदंड जवाबदेही को उलट सकते हैं। एक उदार सामूहिक माहौल ने अनुभूत दुरुपयोग का जोखिम कम किया ("यह अधिक सहज है क्योंकि मेरे अलावा, मेरे समूह में हर कोई GenAI का उपयोग कर रहा है"), जिससे साझा मानदंड सीखने के प्रति प्रतिबद्धता के बजाय साझा जोखिम प्रबंधन बन गए — जो समूहिक जवाबदेही के अर्थ के ठीक विपरीत है।
संयम भी कार्यप्रणाली है। सात समूहों ने कार्य के स्थित ज्ञान की रक्षा के लिए अपना GenAI उपयोग कम किया ("AI केवल उस क्षण को जानता है जब आप टाइप करते हैं"), साथियों पर मुफ़्त खींचने से बचने के लिए, समूहों को एक-दूसरे से अलग करने वाली मौलिकता बनाए रखने के लिए, और समूह में पहले से मौजूद दृष्टिकोणों की विविधता बनाए रखने के लिए — केवल अनुपालन के बजाय मानदंडात्मक स्व-नियमन, और बाहर से लगावहीनता से अलग करना कठिन।
छात्र साझा इंटरफ़ेस और निजी प्रॉम्प्ट से GenAI तक पहुँच सकते हैं। यह एक डिज़ाइन निर्णय है: साझा एक्सेस साझा संज्ञानात्मक मॉडल बनाए रखता है, निजी प्रॉम्प्ट पारदर्शिता और साझा समझ को टुकड़ों में बाँट देते हैं।

समूह का AI तक पहुँचने का तरीका सहयोग को आकार देता है

ज़ू आदि (2026) दिखाते हैं कि कोई टीम GenAI तक कैसे पहुँचती है, वह स्वयं एक डिज़ाइन निर्णय है। तुल्यकालिक काम में एक साझा इंटरफ़ेस के साथ, टीमें "सामूहिक प्रॉम्प्ट" का सह-निर्माण करती हैं, एक सतह–मूल्यांकन–अंतर्निवेश चक्र चलाती हैं, और चैट को साझा स्मृति मानती हैं; अतुल्यकालिक काम में, निजी प्रॉम्प्टिंग और उत्पाद "डी-लेबलिंग" पारदर्शिता को टुकड़ों में बाँटते हैं और साझा संज्ञानात्मक मॉडल बनाए रखने की लागत बढ़ाते हैं। पहुँच का विन्यास इसलिए सीधे अन्योन्यक्रियात्मक भागीदारी की गुणवत्ता से जुड़ता है — यह कि समूह वास्तव में सह-निर्माण कर रहा है या केवल सह-स्वीकृति दे रहा है।

समूह का एक सदस्य के रूप में AI समूह को नया रूप देता है

दूसरी शोध-धारा AI को किसी उपकरण के बजाय एक प्रतिभागी मानती है, और उसकी खोजें इस धारणा को जटिल बनाती हैं कि "AI साथी" का अर्थ "बेहतर टीमवर्क" है।

सामाजिक स्थिरकारी के रूप में एजेंट — और प्रश्नों का केंद्र। तीन बड़े भाषा मॉडल (LLMs) प्रतिभागियों के साथ नैतिकता पर विचार कर रहे तीन STEM छात्रों के पंद्रह समूहों में (सिओ आदि, 2026)), एजेंटों ने समूहों को विषय पर बनाए रखा जब मानव सदस्य भटक गए ("भले ही दो अन्य प्रतिभागी भटक गए, मुझे इसका सामना नहीं करना पड़ा") और वे स्पष्टीकरण मांगे जिनसे मनुष्य संबंधगत कारणों से बचते रहे। लेकिन समूह गतिशीलता ने अन्योन्यक्रिया को मनुष्यों से दूर कर दिया — प्रश्नों में से 79.7% एजेंटों के प्रति निर्देशित थे (p = .017) — और प्रतिभागियों ने बोली-क्रम प्रारूप में चौड़ाई–गहराई की समझौते को नोट किया, जहाँ प्रत्येक वक्ता बारी-बारी से बोला और "अन्य प्रतिभागी हस्तक्षेप नहीं कर सके," जिससे कई विचारों को कवर करना आसान लेकिन किसी एक को गहराई से समझना कठिन हुआ।
AI व्यक्तित्व उभरती शिक्षार्थी सक्रियता को नया रूप देते हैं। जिन आदि (2026) ने एक प्रयोग में — जहाँ AI एक अप्रकट साथी के रूप में काम करता था — पाया कि सहायक और विरोधी व्यक्तित्वों ने तब भी समूह को बदला: विरोधी AI ने वार्तालाप को चुनौती और प्रतिबिंब की ओर खींचा (उत्पादक घर्षण), जबकि सहायक AI ने सहमति को स्थिर किया और विचारों को नए सिरे से जगाया। महत्वपूर्ण रूप से, घर्षण की एक भावनात्मक लागत थी — विरोधी AI ने रचनात्मक लाभ दिए बिना ही टीमवर्क संतुष्टि और मनोवैज्ञानिक सुरक्षा कम की — इसलिए "उत्पादक" वार्तालाप संरचनाओं को उनके भावनात्मक परिणामों के सापेक्ष तौला जाना चाहिए। क्योंकि व्यक्तित्व बिना प्रकटीकरण के भी काम करते थे, वे व्यक्तित्व डिज़ाइन को समूह सहयोग पर एक अदृश्य AI शासन के रूप में रखते हैं।
विवाद समूहवाद का प्रतिकार कर सकता है। विस आदि (2025) ने जानबूझकर विपरीत रुख अपनाया: एक AI एजेंट (CALIE) जिसे बारह पेशेवर-अंतर विषयक PBL टीमों में विवादपूर्ण दृष्टिकोण डालने के लिए प्रेरित किया गया था, ने आलोचनात्मक सोच और सकारात्मक समूह गतिशीलता को प्रोत्साहित किया, जो अनुपालन के दबाव का प्रतिकार करता है जो समूह कार्य अन्यथा उत्पन्न कर सकता है। जिन आदि से इसका विरोधाभास शिक्षाप्रद है — चुनौती तब मदद करती है जब वह इच्छित डिज़ाइन हो, और नुकसान करती है जब वह किसी अप्रकट सह-प्रभाव हो।
तटस्थ मध्यस्थ की सीमा। स्प्रिट्ज़ — एक AI जो अंतर-विषयक टीमों में निहित मान्यताओं को सामने लाकर विषयगत सीमाओं का मध्यस्थता करती है — को संज्ञानात्मक सहायता और संबंधगत बफ़र दोनों के रूप में महत्व दिया गया — लेकिन छात्रों का भरोसा बोझ-वहन करता था और उसी क्षण घट गया जब AI ने तटस्थ मध्यस्थ से सलाहकार या चुनौती देने वाले की ओर कदम बढ़ाया। भूमिका बदलाव इसलिए स्पष्ट और विन्यास योग्य होने चाहिए, चुपचाप नहीं।
सहयोग स्वयं शिक्षण का विषय हो सकता है। प्रोपैक्ट युग्म — व्यक्ति को नहीं — का विश्लेषण की इकाई के रूप में व्यवहार करता है, साझा ध्यान और प्रयास को मॉडल करता है ताकि 30 सेकंड पहले तक सहयोगी टूटन की भविष्यवाणी की जा सके। सक्रिय प्रतिक्रिया पाने वाले युग्मों ने उच्च डिबगिंग सफलता प्राप्त की और बाद में सहयोगी शिक्षा में AI विनियमन में निरंतर लाभ दिखाया: AI सहयोग को सिखा सकता है, किसी कार्य को केवल सहारा देना ही नहीं।

दक्षता–नियमन का समझौता

हाओ आदि ने जटिल समस्याओं पर AI के साथ तीन सहयोगी प्रकारों की पहचान की — प्रत्यायोजित तर्क, संयुक्त व्याख्या, और प्रत्यायोजित विस्तार। सबसे कुशल प्रकार (प्रत्यायोजित तर्क) सर्वोत्तम कार्य प्रदर्शन देता है लेकिन सबसे कम स्व-नियामक भागीदारी; सर्वाधिक स्व-नियमन वाला प्रकार (संयुक्त व्याख्या) कार्य पर कम प्रदर्शन करता है। यह AI-मध्यस्थ समूह कार्य के लिए केंद्रीय डिज़ाइन तनाव है: वितरित मानव–AI प्रणाली की दक्षता और सीखने वालों की नियामक भागीदारी की गहराई के बीच संतुलन।

चिकने उत्पाद का ज्ञानमीमांसात्मक जोखिम

किमरले उस घटी हुई ज्ञानमीमांसात्मक प्रयास के जोखिम की अवधारणा प्रस्तुत करता है जब सीखने वाले AI का उपयोग चिकने ज्ञान कृतियों का उत्पादन करने के लिए करते हैं — सामाजिक-संज्ञानात्मक पक्ष पर स्वचालन पक्षपात और दूसरी ओर तैयार कृति द्वारा प्रेरित ज्ञानमीमांसात्मक समापन। उपाय यह है कि AI को एक तर्कपूर्ण साथी या चुनौती देने वाले के रूप में संरचित किया जाए जो संघर्ष को बनाए रखता है। प्रतिपक्ष ऑपेनहाइमर आदि से आता है, जिन्होंने पाया कि जब LLM आलोचना साथी के रूप में काम करते हैं और छात्र उनके दावों का सक्रिय रूप से प्रत्युत्तर देते हैं, तो सीखने वाले आलोचनात्मक उपभोक्ताओं की तरह व्यवहार करते हैं जो आलोचना के संज्ञानात्मक संघर्ष को छोड़ने के बजाय संरक्षित करते हैं। उत्तर देने वाले साथी और चुनौती देने वाले साथी के बीच यही अंतर तय करता है कि AI के साथ समूह कार्य सोच को बनाता है या उसे दरकिनार करता है।

कक्षा-स्तरीय, गैर-मूल्यांकनात्मक सहायता

कोबी "उत्साहवर्धक" छोटे-समूह वार्तालाप (सम्मान, समता, समुदाय, सोच को आगे बढ़ाना) का पता लगाता है और गैर-मूल्यांकनात्मक, कक्षा-स्तरीय दृश्यीकरण लौटाता है — निजता और भरोसा की रक्षा के लिए जानबूझकर छात्र- या समूह-स्तरीय प्रतिक्रिया रोककर। छात्रों ने गुणात्मक दृश्यीकरण (एक जैविक पेड़) को मात्रात्मक (एक रडार चार्ट) पर वरीयता दी। समूह कार्य के संबंधगत आयाम के लिए, कक्षा-स्तरीय समेकित प्रतिक्रिया सामुदायिक निर्माण का सहारा देती है जहाँ व्यक्तिगत स्कोरिंग निगरानी जैसी लगेगी।

डिज़ाइन निहितार्थ

AI-उपयोग बातचीत को एक मूल्यांकन योग्य परिणाम बनाएँ। चेन और ज़ोउ (2026) तर्क देते हैं कि टीमों को यह औचित्य देनी और दर्ज करनी चाहिए कि GenAI का उपयोग कैसे और कैसे नहीं किया जाएगा, जिससे एक निहित साथी मानदंड स्पष्ट, ग्रेड-योग्य तर्क बन जाए, बजाय अनुभूत जोखिम पर छोड़ने के।
केवल उत्पाद नहीं, प्रक्रिया का मूल्यांकन करें। साथी मूल्यांकन, मध्यवर्ती डिलिवरेबल, और प्रतिबिंबात्मक योगदान वे अन्योन्यक्रियाएँ बनाते हैं जिनके माध्यम से मानदंड और साझा समझ वास्तव में निर्मित होती हैं।
केवल सुसंगति मानक पर भरोसा न करें। एकीकरण की माँग करने वाली रूब्रिक पंक्ति तब सहयोग उत्पन्न नहीं करती जब कार्य संरचना अभी भी बाँट-और-जीतने की अनुमति देती है; कार्यप्रवाह को साझा काम की आवश्यकता होनी चाहिए।
पहुँच को जानबूझकर डिज़ाइन करें। चाहे समूह एक AI इंटरफ़ेस साझा करे या प्रत्येक सदस्य निजी प्रॉम्प्ट करे, यह सहयोग की पारदर्शिता और साझा संज्ञानात्मक मॉडल बनाए रखने की लागत बदलता है।
दृश्यमान रूप से तय करें कि AI की भूमिका क्या है। एक तटस्थ मध्यस्थ पर भरोसा किया जाता है; एक सलाहकार या चुनौती देने वाले पर नहीं, जब तक वह भूमिका स्पष्ट और इच्छित न हो। एक विरोधी व्यक्तित्व समूहवाद का प्रतिकार कर सकता है, लेकिन केवल डिज़ाइन की गई विशेषता के रूप में, जिसकी मनोवैज्ञानिक-सुरक्षा लागत स्वीकृत हो।
दक्षता और स्व-नियमन के बीच संतुलन रखें। जो सहयोगी AI कार्य की दक्षता को अधिकतम करता है वह सीखने वालों की नियामक भागीदारी को कम कर सकता है; डिज़ाइन को संयुक्त व्याख्या के लिए जानबूझकर जगह संरक्षित रखनी चाहिए।
उत्तर देने वाले के बजाय तर्कपूर्ण साथी को वरीयता दें। AI को इस प्रकार संरचित करें कि वह असहमति को सामने लाए, न कि उसे चिकना करे, ताकि समूह कार्य उस संज्ञानात्मक संघर्ष को संरक्षित रखे जो समझ बनाता है।
न्यूरोडिवर्जेंट सीखने वालों को समावेशित करें। संरचित असाइनमेंट, छोटी संगत टीमें, और स्पष्ट भूमिका परिभाषाएँ ऐसी आवश्यकताएँ हैं जिन्हें AI सहयोग उपकरणों को सहारा देना चाहिए।
संयम को सावधानी से पढ़ें। जो छात्र समूहों में AI से बचते हैं, वे मानदंडात्मक स्व-नियमन का प्रयोग कर रहे होंगे — या जोखिम और अपरिचितता से सावधान रह रहे होंगे। दोनों के लिए अलग शिक्षक प्रतिक्रियाएँ चाहिए।

मेटाडेटा

स्तर	Higher Ed
इच्छित पाठक	Instructors, Learners
अधिगम और शिक्षण	सहयोगी शिक्षा
प्रौद्योगिकियाँ और तकनीकें	जनरेटिव-AI
मूल्यांकन और मापन	मूल्यांकन, प्रामाणिक मूल्यांकन, सहकर्मी मूल्यांकन
शिक्षा में AI की नींव	शैक्षणिक इमानदारी, शिक्षार्थी सक्रियता

Source History Edit Chat