जिज्ञासु-आधारित शिक्षा

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

जिज्ञासु-आधारित शिक्षा (Inquiry-Based Learning, IBL) — एक शिक्षाशास्त्र और शिक्षण रणनीतियाँ जिसमें छात्र प्रश्न पूछकर, स्वतंत्र रूप से खोज करके, तथा जाँच, चिंतन और संशोधन के चक्र के माध्यम से ज्ञान का निर्माण करते हुए समझ विकसित करते हैं, और इसमें प्रशिक्षक व्याख्यान देने के बजाय मड्गद करता है। कृत्रिम बुद्धिमत्ता के युग में, IBL की प्रश्न-संचालित और खोज-केंद्रित संरचना एक केंद्र बिंदु बन गई है: जेनरेटिव AI और बड़े भाषा मॉडल (LLMs) उपकरण इंटरैक्टिव "सह-जिज्ञासु" के रूप में काम कर सकते हैं जो प्रश्न पूछने और खोज का समर्थन करते हैं — लेकिन केवल तब, जब इन्हें जाँच के संज्ञानात्मक कार्य को संरक्षित रखते हुए डिज़ाइन किया गया हो, उसे दरकिनार न करते हुए।

विचारणीय प्रश्न

• जिज्ञासु-आधारित शिक्षा छात्र-संचालित प्रश्नों और जाँच की प्रक्रिया स्वयं पर केंद्रित है। आपके अपने प्रश्न द्वारा संचालित सीखना, किसी और के प्रश्न द्वारा संचालित सीखने से कैसे भिन्न है?
• यह पृष्ठ यह पूछता है कि AI आपकी खोज का समर्थन करने वाला 'सह-जिज्ञासु' है या संज्ञानात्मक कार्य को दरकिनार करने वाला विकल्प। जब आप किसी प्रश्न की खोज के लिए AI का उपयोग करते हैं, तो जिज्ञासा कौन कर रहा है?
• AI-समर्थित जाँच पर साक्ष्य मिश्रित है: एक अध्ययन में इसने रचनात्मक प्रदर्शन और अभिवृत्तियों में सुधार किया, लेकिन महत्वपूर्ण समस्या समाधान में नहीं, और एक अन्य अध्ययन में इसने संकल्पनात्मक समझ को गहरा किया, बिना AI साक्षरता को बढ़ाए। इससे यह क्या संकेत मिलता है कि AI अकेले क्या विकसित कर सकता है और क्या नहीं?
• यदि AI के आउटपुट को आधिकारिक मानने से अति-निर्भरता और सतही निष्कर्षों का जोखिम है, तो आप छात्रों को यह कैसे सिखाएँगे कि वे जाँच के चक्र के भाग के रूप में AI-जनित उत्तरों का मूल्यांकन करें?
• यह पृष्ठ जाँच को उत्पादक विफलता से जोड़ता है — शिक्षण से पहले सीखने वाले खोज करते हैं, जिससे संघर्ष स्वयं ही सीखने की तैयारी करता है। ऐसा AI जो उत्तरों को रोककर रखता है और कई प्रयासों को उत्पन्न करता है, वह उस संघर्ष का समर्थन कैसे कर सकता है बजाय उसे हटाने के?
• जब AI प्रश्न पूछने की बाधा को कम करता है, तो सुविधाकर्ता की भूमिका क्या है? यदि छात्र तुरंत उत्तर पा सकते हैं, तो प्रशिक्षक को अब क्या स्कैफोल्ड करने की आवश्यकता है जो पहले नहीं थी?

परिचय

जिज्ञासु-आधारित शिक्षा छात्र-संचालित प्रश्नों और जाँच की प्रक्रिया स्वयं पर केंद्रित है, जो आमतौर पर चरणों (अभिमुखीकरण → संकल्पना → जाँच → चर्चा → निष्कर्ष) से होकर आगे बढ़ती है। यह वह व्यापक परिवार है जिसके अंतर्गत समस्या-आधारित सीखना और परियोजना-आधारित सीखना अक्सर समाहित होते हैं: IBL प्रश्न-पूछने और खोज की प्रक्रिया पर बल देता है, PBL असंरचित समस्या पर, और परियोजना-आधारित सीखना मूर्त उत्पाद पर।

ज्ञान-संग्रह में जिज्ञासु-आधारित शिक्षा का रूप

AI सह-जिज्ञासु के रूप में। STEAM में जिज्ञासु-आधारित शिक्षा के लिए ChatGPT के एक व्यवस्थित समीक्षा (The AI-Powered Co-inquirer: A Systematic Review of ChatGPT for Inquiry-Based Learning in STEAM Education, 24 अध्ययन) ने पाया कि ChatGPT का उपयोग मुख्य रूप से संकल्पना, जाँच और चर्चा के चरणों में हुआ — सीखने के उपकरण, शिक्षक, सहकर्मी शिक्षार्थी, विषय विशेषज्ञ और शिक्षण सहायक के रूप में — जिससे प्रदर्शन, महत्वपूर्ण सोच, भागीदारी और प्रेरणा में सुधार हुआ, साथ ही यह जोखिम भी रहे कि आउटपुट को आधिकारिक मानने पर अति-निर्भरता, मतिभ्रम (hallucination) और सतही निष्कर्ष पैदा हो सकते हैं।

समस्या प्रस्तुत करना प्रारंभिक बिंदु के रूप में। 97 तृतीय-कक्षा छात्रों के साथ किए गए एक अर्ध-प्रयोगात्मक अध्ययन (Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science) ने दिखाया कि GenAI चैटबॉट ने विज्ञान में समस्या प्रस्तुत करने के लिए खोज इंजनों को उल्लेखनीय रूप से पछाड़ दिया, प्रश्नों की गुणवत्ता में सुधार किया और अधिक एकीकृत संज्ञानात्मक नेटवर्क उत्पन्न किए, जबकि संज्ञानात्मक भार को कम किया।

LLM-संचालित IBL में संज्ञानात्मक स्तरीय पैटर्न। 117 साक्षात्कार प्रतिलेखों और इंटरैक्शन रिकॉर्ड का एक अन्वेषणात्मक अध्ययन (Luo et al.) ने ब्लूम के संज्ञानात्मक स्तरों में 14 इंटरैक्शन पैटर्न की पहचान की, जिससे यह दिखाया गया कि छात्रों का पूर्व ज्ञान LLM के उपयोग को कैसे आकार देता है, और उच्चतर-क्रम सोच के चरणों को लक्षित करने तथा अति-निर्भरता को कम करने वाली स्कैफोल्डिंग की आवश्यकता पर प्रकाश डाला गया।

परिणामों के साक्ष्य मिश्रित हैं। गणित में एक AI-समर्थित IBL प्रयोग (Mujib et al.) ने रचनात्मक गणितीय प्रदर्शन और अभिवृत्तियों में सुधार किया, लेकिन महत्वपूर्ण समस्या-समाधान कौशल में नहीं — यह संकेत देता है कि AI-IBL मुख्य रूप से रचनात्मकता और भावनात्मक विकास का समर्थन करता है। 29 प्रयोगों के एक मेटा-विश्लेषण (Zhao et al.) ने पाया कि GenAI का उच्चतर-क्रम सोच पर मध्यम सकारात्मक प्रभाव है, जो समस्या-समाधान के लिए सबसे प्रबल है, और 8–16 सप्ताह के हस्तक्षेपों में तथा उच्च स्व-नियंत्रित अधिगम सीखने वालों को सर्वाधिक लाभ मिलता है। तुर्की में 48 पूर्व-सेवा विज्ञान शिक्षकों के साथ किए गए एक अर्ध-प्रयोगात्मक अध्ययन (Aydın) ने 8-सप्ताह के AI-समर्थित निर्देशित जाँच कार्यक्रम (जो समस्या- और डिज़ाइन-आधारित सीखना को एकीकृत करता है) का उपयोग करते हुए प्रकाश-संश्लेषण और कोशिकीय श्वसन की संकल्पनात्मक समझ में समूह-द्वारा-समय के आधार पर उल्लेखनीय लाभ पाए, लेकिन AI साक्षरता या स्व-अनुभूत कम्प्यूटेशनल सोच पर कोई उल्लेखनीय प्रभाव नहीं — यह साक्ष्य है कि AI-IBL विषय-गहरी समझ को गहरा कर सकता है, जबकि AI/CT क्षमताओं के विकास के लिए अधिक स्पष्ट, लक्षित डिज़ाइन की आवश्यकता होती है।

Gousopoulos (2026) ने एक त्रि-समूहीय जलवायु अध्ययन में AI के योगदान को जाँच से अलग किया: AI-सहायित जाँच ने निर्णय-निर्माण में केवल-जाँच के साथियों (d = 0.69) को पछाड़ दिया, जिसमें निगरानी और अनुकूली प्रबंधन में सबसे बड़े लाभ (d = 1.37) रहे, जबकि बुनियादी डेटा संग्रह सभी स्थितियों में समान रूप से सुधरा।

समानता और संदर्भ। एक संकल्पनात्मक ढाँचा जेनरेटिव-AI के सह-डिज़ाइन को खुले शैक्षणिक अभ्यासों से जोड़ता है, ताकि कम संसाधनों वाले संदर्भों में जाँच-नेतृत्व वाली STEM शिक्षण का समर्थन हो, जिसमें AI-जनित, बहुभाषी, संदर्भ-उपयुक्त सिमुलेशन का उपयोग किया जाता है।

AI-स्कैफोल्डेड साक्ष्य तुलना। An और सहकर्मी (2026) दिखाते हैं कि एक AI-संचालित सूचना-निष्कर्षण प्रणाली स्नातक साहित्य समीक्षा को सारांश के बजाय साक्ष्य के संगठन और तुलना की ओर मोड़ती है — छात्र अलगावपूर्ण पढ़ाई से अध्ययनों की आपसी तुलना और अनुसंधान-आधारित सीखने तथा थीसिस पूर्णता के समर्थन में साक्ष्य-आधारित औचित्य की ओर बढ़ते हैं। यह ठोस रूप से दिखाता है कि AI STEM स्नातक अनुसंधान में जाँच प्रक्रियाओं को कैसे स्कैफोल्ड कर सकता है।

AI एकीकरण के लिए जिज्ञासु-आधारित शिक्षा का महत्व

IBL की प्रश्न-संचालित, प्रक्रिया-केंद्रित संरचना उत्पादक AI उपयोग का स्वाभाविक घर है: छात्र साथ में AI के साथ सीखते हैं, भागीदार के रूप में, न कि से सीखते हैं, विकल्प के रूप में। ज्ञान-संग्रह के साक्ष्य एक मूल तनाव पर अभिसरित होते हैं — AI सूचना पुनर्प्राप्ति और प्रश्न-रचना की बाधा को कम कर सकता है (संज्ञानात्मक भार को घटाकर और गहरी चिंतन को सक्षम करके), लेकिन डिज़ाइन स्कैफोल्डिंग के बिना यह अति-निर्भरता के जोखिम और उच्चतर-क्रम संज्ञान को दरकिनार करने का खतरा रखता है। सुविधाकर्ता की भूमिका, स्कैफोल्ड का डिज़ाइन, और मूल्यांकन कौशल का स्पष्ट शिक्षण — ये वे लीवर हैं जो निर्धारित करते हैं कि AI जाँच को गहरा करता है या विस्थापित करता है।

उत्पादक विफलता और जिज्ञासा

उत्पादक विफलता (Productive Failure, PF) जिज्ञासु-आधारित शिक्षा का सबसे संरचित सहोदर है: सीखने वाले प्रत्यक्ष शिक्षण से पहले समस्याओं की खोज करते हैं और समाधान उत्पन्न करते हैं, फिर उन्हें मजबूत करते हैं। दोनों इस premise पर सहमत हैं कि सीखने वाले द्वारा उत्पन्न प्रयास (यहाँ तक कि विफल भी) पूर्व ज्ञान को सक्रिय करते हैं और सीखने वालों को शिक्षण से सीखने के लिए तैयार करते हैं। AI-युग के PF अनुसंधान यह तीखा करता है कि AI को जाँच को कैसे स्कैफोल्ड करना चाहिए, उसे छोटा नहीं करना: Kim et al. (2026) समस्या-खोज और समाधान-निर्माण के माध्यम से संघर्ष को संरक्षित रखने के AI डिज़ाइन सिद्धांत प्राप्त करते हैं; Puech et al. (2025) दिखाते हैं कि LLM शिक्षकों को उत्तर रोकने और कई प्रयास उत्पन्न करने के लिए निर्देशित किया जा सकता है; clue-before-correction कार्य संकेत-आधारित (विपरीत: प्रत्यक्ष) स्कैफोल्डिंग का उदाहरण देते हैं जो सीखने वालों को तर्क करते रहने देता है। ये जाँच और PF को उस व्यापक आदेश से जोड़ते हैं कि AI को उस उत्पादक संघर्ष को हटाना नहीं चाहिए जिससे टिकाऊ सीखना बनता है।

खुले मैदान के सेटिंग में यही आदेश स्थानिक बन जाता है: GenAI यह पूर्व-संरचित कर सकता है कि सीखने वाले साक्ष्य से मिलने से पहले क्या ध्यान दें, इसलिए मैदान-प्रथम क्रम जो अवलोकन और प्रारंभिक व्याख्याएँ दर्ज होने तक जनित व्याख्या को रोककर रखता है, जाँच की रक्षा करता है (Choi, 2026)।

संबंधित अवधारणाएँ

• समस्या-आधारित अधिगम
• परियोजना-आधारित अधिगम
• सक्रिय अधिगम (Active Learning)
• आलोचनात्मक सोच
• मेटाकॉग्निशन
• स्व-नियंत्रित अधिगम
• मड्गद
• संज्ञानात्मक ऑफलोडिंग
• जनरेटिव-AI
• बड़े भाषा मॉडल (LLMs)
• STEM शिक्षा
• सहयोगी शिक्षा
• उच्च शिक्षा
• K-12
• उत्पादक विफलता — उत्पादक विफलता

संबंधित लेख

• The AI-Powered Co-inquirer: A Systematic Review of ChatGPT for Inquiry-Based Learning in STEAM Education — STEAM में जिज्ञासु-आधारित शिक्षा के लिए ChatGPT (व्यवस्थित समीक्षा)
• Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science — प्राथमिक विज्ञान में GenAI चैटबॉट और समस्या प्रस्तुत करना
• Inquiry-Based Learning Patterns in Large Language Model-Driven Learning Environments: An Exploratory Study From Bloom's Perspective — LLM-संचालित वातावरण में IBL पैटर्न (ब्लूम का परिप्रेक्ष्य)
• Evaluating the Impact of AI-Supported Inquiry-Based Learning on Students' Creative Mathematical Performance, Critical Problem-Solving Skills, and Attitudes Toward Mathematics — AI-समर्थित IBL और रचनात्मक गणितीय प्रदर्शन
• Does Generative Artificial Intelligence Improve Students' Higher-Order Thinking? A Meta-Analysis Based on 29 Experiments and Quasi-Experiments — GenAI और उच्चतर-क्रम सोच का मेटा-विश्लेषण
• STEAM Education for AI Literacy: A Systematic Literature Review — AI साक्षरता के लिए STEAM शिक्षा
• Designing AI systems to support a productive-failure-based learning: insights from adult learners on AI applications — उत्पादक-विफलता-आधारित सीखने के समर्थन के लिए AI प्रणालियाँ डिज़ाइन करना
• Towards the Pedagogical Steering of Large Language Models for Tutoring: A Case Study with Modeling Productive Failure — उत्पादक विफलता के लिए LLM की शैक्षणिक निर्देशन
• Clue before correction: ChatGPT-enhanced strategy for promoting autonomous and reflective language learning — Clue Before Correction: स्वायत्त भाषा सीखने के लिए ChatGPT
• AI-Supported Inquiry-Based Learning in Photosynthesis and Respiration: Implications for Sustainable Science Teacher Education — प्रकाश-संश्लेषण और श्वसन में AI-समर्थित निर्देशित जाँच (विज्ञान शिक्षक शिक्षा)
• From Literature to Research-Based Learning: An AI-Powered Information Extraction System to Enhance Undergraduate Thesis Completion — स्नातक थीसिस और अनुसंधान-आधारित सीखने का समर्थन करने वाला AI-संचालित सूचना निष्कर्षण (An et al. 2026)
• Can AI-Assisted Inquiry Enhance Students' Decision-Making Skills in Socio-Scientific Issues? A Three-Group Experimental Study on Climate Change — जलवायु परिवर्तन पर सामाजिक-वैज्ञानिक मुद्दों में AI-सहायित जाँच
• Reconceptualizing outdoor geoscience learning for the generative AI era: a human-centered instructional model — एक मैदान-प्रथम शिक्षण मॉडल जो GenAI को यह पूर्व-संरचित करने से रोकता है कि सीखने वाले क्या ध्यान दें (Choi 2026)