भाषा अधिगम

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

भाषा अधिगम — शैक्षणिक संदर्भों में AI द्वितीय भाषा (L2) अधिगम, लेखन विकास और भाषाई विविधता का समर्थन किस प्रकार करता है, इसका अध्ययन। इस ज्ञान-आधार में शिक्षा में AI और शोध बोलचाल के संवाद के लिए AI संवादकर्ताओं, L2 शिक्षार्थियों के लिए स्वचालित लेखन मूल्यांकन, पठन सहायता, तथा AI स्कोरिंग प्रणालियों में भाषाई पूर्वाग्रहों के बारे में चिंताओं तक फैला हुआ है।

विचार करने योग्य प्रश्न

• भाषा स्वभावतः अंतःक्रियात्मक है, जो इसे संवादी AI के लिए उपयुक्त बनाती है — लेकिन AI की भाषाई क्षमताएँ गैर-मूलभाषा पैटर्नों के विरुद्ध पूर्वाग्रह के जोखिम भी उठाती हैं। अवसर और जोखिम के बीच इस तनाव को आपने कहाँ प्रकट होते देखा है?
• एक अध्ययन ने पाया कि AI स्कोरिंग व्यवस्थित रूप से भाषाई रूप से कमज़ोर शिक्षार्थियों का आकलन कम करता है, जबकि एक दूसरे ने शिक्षार्थियों की तुलना मूल-वक्ता मानकों के बजाय उनके अपने पूर्व कार्यों से करने का प्रस्ताव रखा। मूल्यांकन के लिए 'संदर्भ बिंदु' किस प्रकार बदलता है कि AI फीडबैक शिक्षार्थी की सहायता करता है या उसे दंडित करता है?
• AI संवादकर्ता बड़े पैमाने पर संवादी अभ्यास का विस्तार कर सकते हैं, लेकिन यह पेज चेतावनी देता है कि इन्हें मानवीय अंतःक्रिया के साथ जोड़ा जाए ताकि प्रवाह और ग्रहण वास्तविक संभाषण में स्थानांतरित हो सकें। AI के साथ अभ्यास से आप क्या पा सकते हैं जो एक मानव साथी नहीं दे सकता — और आप क्या खो सकते हैं?
• शिक्षक सहायता — केवल AI उपकरण नहीं — शिक्षार्थियों की उपलब्धि लक्ष्यों के माध्यम से AI-सहायक भाषा अधिगम में सहभागिता को प्रेरित करती दिखी। सामाजिक और शैक्षणिक संदर्भ किस प्रकार निर्धारित करता है कि शिक्षार्थी AI अभ्यास उपकरण के साथ संलग्न रहते हैं या नहीं?
• एक मेटा-विश्लेषण ने उभरती तकनीकों से छोटे-से-मध्यम, स्तर-निर्भर लाभ पाए, जिसमें उत्पादक कौशल (बोलना, लिखना) को ग्रहणशील कौशलों से अधिक लाभ मिला। बोलने और लिखने को सुनने और पढ़ने से अधिक लाभ AI उपकरणों से क्यों मिल सकता है?
• यदि AI मानक अंग्रेज़ी को विशेषाधिकार देता है और गैर-मूलभाषा या विविध भाषा पैटर्नों को दंडित कर सकता है, तो भाषा प्रशिक्षकों को मूल्यांकन और फीडबैक को कैसे डिज़ाइन करना चाहिए ताकि AI भाषाई विविधता का समर्थन करे, उसे मिटाने के बजाय?

परिचय

भाषा अधिगम शिक्षा में AI का एक महत्वपूर्ण क्षेत्र बनकर उभरा है, क्योंकि भाषा स्वभावतः अंतःक्रियात्मक है — जो इसे संवादी AI के लिए उपयुक्त बनाती है — और क्योंकि AI की भाषाई क्षमताएँ अवसर (बड़े पैमाने पर व्यक्तिगत भाषा अभ्यास) और जोखिम (गैर-मूलभाषा भाषा पैटर्नों के विरुद्ध व्यवस्थित पूर्वाग्रह) दोनों उठाती हैं। इस ज्ञान-आधार के लेख इस समीकरण के दोनों पक्षों की खोज करते हैं। जहाँ लक्ष्य भाषा विशेष रूप से अंग्रेज़ी है — विशेष रूप से अकादमिक उद्देश्यों के लिए अंग्रेज़ी (EAP) और EFL/ESL/L2 अंग्रेज़ी शिक्षण — वहाँ समर्पित अंग्रेज़ी शिक्षा (EAP / EFL / ESL) अवधारणा पेज देखें, जो अंग्रेज़ी-विशिष्ट शोध को सामान्य L2 अधिगम और सामान्य लेखन से अलग करता है।

भाषा शिक्षक और संवादकर्ता के रूप में AI सबसे अधिक विकसित विषय है। जब संवादकर्ता AI हो तो क्या बदलता है? यह जाँचता है कि जब L2 शिक्षार्थी मानवों के बजाय AI से संवाद करते हैं तो अंतःक्रियात्मक प्रवाह और भाषाई ग्रहण क्या होता है। TACT शैक्षणिक रूप से अनुकूलनीय ESL ट्यूशन प्रदान करता है। Children's English Reading Story Generation via Supervised Fine-Tuning of Compact LLMs with Controllable Difficulty and Safety बच्चों के पठन विकास के लिए AI-निर्मित कहानियों की खोज करता है। ये इंटेलिजेंट ट्यूटरिंग और जनरेटिव-AI से जुड़े हैं। Yang, Weng और Yang (2026) ने दो बड़े भाषा मॉडल (LLMs)-आधारित एजेंट डिज़ाइन किए — एक पारंपरिक AI अंग्रेज़ी शिक्षक और एक दूसरा जो जिज्ञासा-आधारित व्याकरण अधिगम के लिए 5E ढाँचा (engage, explore, explain, elaborate, evaluate) का उपयोग करता है। एक यादृच्छिक तुलना में 37 ESL शिक्षार्थियों के साथ, उच्च-प्रदर्शन करने वाले शिक्षार्थियों ने AI शिक्षक के प्रति सकारात्मक प्रतिक्रिया दी, जबकि कम-प्रदर्शन करने वाले शिक्षार्थियों ने मिश्र दृष्टिकोण दिखाए, और शर्तें आंतरिक प्रेरणा, संज्ञानात्मक परिवर्तन और प्रदर्शन में भिन्न थीं — यह संकेत देता है कि LLM-एजेंट डिज़ाइन को शिक्षार्थी की दक्षता के अनुरूप बनाया जाना चाहिए।

भौतिक रूप से देहधारी ट्यूटर्स के लिए, 11 RALL अध्ययनों के एक मेटा-विश्लेषण (N = 595) में L2 अधिगम पर बड़ा समुच्चय प्रभाव मिला (g = 0.83) जिसमें उच्च असमरूपता थी, और इसे केवल अंतःक्रिया प्रारूप ने संचालित किया — समूह-आधारित प्रारूपों ने एक-पर-एक को हराया, जबकि रोबोट रूपरचना, मोडैलिटी, स्वायत्तता और सामाजिक भूमिका ने नहीं (Wang, Zhang और Zou (2026)।

भाषा मूल्यांकन में AI उभरता हुआ क्षेत्र है क्योंकि LLM प्रश्न निर्माण और मूल्यांकन का समर्थन करते हैं। Aryadoust और Wong (2026) ने L2 श्रवण मूल्यांकन में स्वचालित प्रश्न निर्माण के लिए प्रॉम्प्ट इंजीनियरिंग की तुलना फ़ाइन-ट्यूनिंग से की: पुनरावृत्त प्रॉम्प्ट परिष्कार ने प्रश्न गुणवत्ता में सुधार किया लेकिन स्थिर हो गया, जबकि अनुकूलित प्रॉम्प्ट पर GPT-4.1 का फ़ाइन-ट्यूनिंग (प्रॉम्प्ट डिज़ाइन को स्थिर रखते हुए) ने और अधिक लाभ दिए — यह एक नमूना है कि मूल्यांकन निर्माताओं को प्रॉम्प्ट पुनरावृत्ति के बजाय मॉडल अनुकूलन में कब निवेश करना चाहिए।

52 EFL मूल्यांकन कार्यों की तुलना, जिन्हें 20 अनुभवी शिक्षकों ने मूल्यांकित किया, में AI-निर्मित और मानव-निर्मित प्रश्नों के बीच समग्र रूप से कोई महत्वपूर्ण गुणवत्ता अंतर नहीं मिला, लेकिन कार्य का स्पष्ट विभाजन मिला: AI को व्याकरण और शब्दावली के लिए प्राथमिकता दी गई (69%) और पठन, लेखन, श्रवण तथा बोलचाल के लिए मानव निर्माण (75–83%) (Nourashrafi, Alavinia और Darvishi (2026)).

L2 शिक्षार्थियों के लिए स्वचालित लेखन मूल्यांकन AI की गैर-मूलभाषा लेखन का आकलन करने की क्षमता का मूल्यांकन करता है। Bannò et al. ने एक स्व-संदर्भित दृष्टिकोण प्रस्तावित किया जिसमें शिक्षार्थी के लेखन की तुलना मूल-वक्ता मानकों के बजाय उनके अपने पूर्व कार्यों से की जाती है। Feser और Tschisgale ने पाया कि AI स्कोरिंग व्यवस्थित रूप से भाषाई रूप से कमज़ोर शिक्षार्थियों का आकलन कम करता है — एक खोज जो मूल्यांकन की वैधता और पूर्वाग्रह शमन चिंताओं से जुड़ती है। Generative AI and linguistic diversity in academic writing and publishing: Perspectives from World Englishes यह खोज करता है कि AI अकादमिक संदर्भों में भाषाई विविधता को किस प्रकार प्रभावित करता है।

एक प्रवचन-स्तरीय प्रणाली इससे आगे जाकर पाठ को स्कोर करने के बजाय दोष का नामकरण करती है: वाक्य-जोड़े संबंध वर्गीकरण ने सुसंगतता के भंगों को स्थानीयकृत किया — तार्किक कूद, अनुपस्थित संयोजक, अस्पष्ट संदर्भ — और इसके निर्मित फीडबैक की शिक्षक-निर्णित अपनान 71.2%-88.4% रहा (Wang et al., 2026)।

भाषा शिक्षार्थियों के लिए सुगम्यता समावेशी सीखना से जुड़ा है: DysLexLens ने विश्लेषण किया कि डिस्लेक्सिक शिक्षार्थी साक्षरता सहायता के लिए AI का उपयोग कैसे करते हैं, और AI tools in Arab University English classrooms: Looking back and forward ने अरबी-अंग्रेज़ी कक्षा संदर्भों में AI उपकरणों की खोज की। ये अध्ययन भाषा अधिगम को समानता और विशेष शिक्षा से जोड़ते हैं।

AI-सहायक भाषा अधिगम में प्रेरणात्मक तंत्र यह जाँचते हैं कि शिक्षार्थी भाषा अभ्यास के लिए AI के साथ क्यों संलग्न होते हैं। Wang और Wang (2026) ने 758 चीनी विश्वविद्यालय अंग्रेज़ी शिक्षार्थियों के साथ लक्ष्य-निर्धारण सिद्धांत का उपयोग करके दिखाया कि शिक्षक सहायता शिक्षार्थियों के स्वामित्व-उन्मुख और प्रदर्शन-उन्मुख लक्ष्यों (परिहार लक्ष्यों के बजाय) के माध्यम से AI-सहायक अधिगम में संलग्नता बढ़ाती है — यह प्रमाण कि केवल AI उपकरण नहीं, बल्कि शैक्षणिक और सामाजिक संदर्भ निर्धारित करता है कि शिक्षार्थी AI-सहायक भाषा अभ्यास के साथ संलग्न रहते हैं। यह भाषा अधिगम को प्रेरणा और छात्र सहभागिता से जोड़ता है।

Annamalai et al. (2026) एक गुणात्मक स्व-निर्धारण केस जोड़ते हैं: 25 मलेशियाई स्नातक शिक्षार्थियों के साक्षात्कार में, ChatGPT ने दक्षता और स्वायत्तता का समर्थन किया, और इसकी संवादी उत्तरदायिता ने सुना जाने की भावना उत्पन्न की — एक "AI-मध्यस्थ प्रेरणात्मक पारिस्थितिकी" जिसमें संबंधता आंशिक रूप से उपकरण द्वारा पूरी होती है, हालाँकि असत्य संदर्भों ने सत्यापन और मानव पूरक की माँग की।

डिज़ाइन की गुणवत्ता, उपयोग की आवृत्ति नहीं, एक प्रशिक्षक-निर्मित ट्यूटर में प्रेरणात्मक प्रभाव लेकर आई: 74 स्नातक शिक्षार्थियों द्वारा एक पाठ्यक्रम-सीमित जापानी GPT के उपयोग में, कक्षा-बाहर उपयोग की आवृत्ति ने स्वायत्तता, दक्षता या संबंधता के साथ कोई महत्वपूर्ण सहसंबंध नहीं दिखाया, जबकि शिक्षार्थियों ने ट्यूटर को स्व-निर्देशित अधिगम के लिए उच्च रूप से मूल्यांकित किया (M = 4.39) और भावनात्मक सुरक्षा (60.8%) का उल्लेख किया (Lee और Kwon, 2026)।

प्राथमिक स्तर पर GenAI-समर्थित लेखन। Lu et al. (2026) ने पूर्वी चीन के 301 कक्षा 5 और 6 शिक्षार्थियों के साथ एक नौ-सप्ताह के मत-लेखन कार्यक्रम को चलाया, जिसमें आठ अखंड कक्षाओं को यादृच्छिक रूप से कार्यक्रम या पारंपरिक शिक्षण में विभाजित किया गया। कार्यक्रम ने शिक्षार्थियों के आदर्श L2 लेखन-स्व (समायोजित माध्य अंतर 0.20) और अकादमिक उत्प्लावन (0.17) को बढ़ाया, और व्यवहारगत तथा भावनात्मक संलग्नता को बढ़ाया, लेकिन इसने विकास मानसिकता, संज्ञानात्मक या अंतर-संज्ञानात्मक संलग्नता, या रूब्रिक-स्कोर किए गए संगठन को नहीं बदला — लेखन के आयामों में केवल भाषा उपयोग में सुधार हुआ। डिज़ाइन के दो लक्षण भाषा शिक्षकों के लिए महत्वपूर्ण हैं: प्रॉम्प्टिंग को स्पष्ट रूप से पढ़ाया गया, विशिष्ट लेखन लक्ष्यों से जुड़े प्रॉम्प्टों के एक वर्गीकृत बैंक के माध्यम से, और GenAI फीडबैक का उपयोग शिक्षक फीडबैक के साथ तुलना और बार-बार पुनरीक्षण के साथ किया गया। शिक्षार्थियों द्वारा रिपोर्ट किए गए लेखकत्व लाभ उस शैक्षणिक संरचना पर आधारित थे, बजाय उपकरण स्वयं पर, और लेखकों ने कम स्व-निगरानी और शॉर्टकट-उन्मुख रणनीतियों को स्थायी जोखिमों के रूप में नामित किया।

भाषा प्रशिक्षकों के लिए निहितार्थ

• उभरती तकनीकें छोटे-से-मध्यम, स्तर-निर्भर लाभ देती हैं। 33 TEFL अध्ययनों के एक मेटा-विश्लेषण (N = 3,181) में समग्र प्रभाव Hedges' g = 0.38 मिला जो शैक्षणिक स्तर के साथ बढ़ता है (प्राथमिक 0.29, माध्यमिक 0.35, उच्चतर 0.44), जिसमें VR/AR सबसे बड़े प्रभाव देता है और उत्पादक कौशल (बोलना, लिखना) को ग्रहणशील कौशलों से अधिक लाभ मिलता है — यह उभरती तकनीकों के उपयोग का समर्थन करता है, विशेष रूप से उच्चतर स्तर पर, जबकि अपेक्षाओं को यथार्थपरक रखता है।

• एक व्यवस्थित समीक्षा यह मैप करती है कि प्राथमिक AI भाषा शिक्षा कहाँ पतली है। 31 अध्ययनों (2013-2025) में, प्राथमिक भाषा कक्षाओं का कार्य बोलचाल, साक्षरता और शब्दावली पर केंद्रित था जबकि व्याकरण, श्रवण बोध और सांकेतिक भाषा का अध्ययन बेहद कम रहा, और अधिकांश डिज़ाइनों में कक्षा-स्तरीय विशिष्टता का अभाव था (Hamasha et al., 2026)।

• संवादी अभ्यास का विस्तार करने के लिए AI का उपयोग करें, इसे बदलने के लिए नहीं। AI संवादकर्ता और अनुकूली ESL ट्यूटर बड़े पैमाने पर अंतःक्रियात्मक अभ्यास का विस्तार करते हैं — इन्हें मानवीय अंतःक्रिया के साथ जोड़ें ताकि प्रवाह और ग्रहण वास्तविक संभाषण में स्थानांतरित हो सकें।

• AI आउटपुट में व्यावहारिक त्रुटि देखें, केवल व्याकरणिक नहीं। पाँच ऑनलाइन भाषा-शिक्षण विधियों के शिक्षकों ने व्यावहारिक अंधापन का नाम दिया, जहाँ AI आउटपुट व्याकरणिक रूप से सही लेकिन स्वर, औपचारिकता या संस्कृति में गलत होता है (Baoyi और Khan (2026))।

• ASR-समर्थित बोलचाल में मात्रा से अधिक फीडबैक की गुणवत्ता को प्राथमिकता दें। Chen et al. (2026) पाते हैं कि सटीक त्रुटि सुधार और संरचित चिंतन कार्य महाविद्यालय अंग्रेज़ी बोलचाल में प्रतिपुष्टि आंतरिककरण और चिंतनात्मक व्यवहार में सुधार करते हैं, जबकि बार-बार ASR उपयोग और पहचान सटीकता प्रेरणा या चिंतन को केवल आंशिक रूप से बढ़ाते हैं — तकनीकी परिशुद्धता अकेले गहन संज्ञानात्मक संलग्नता को प्रेरित नहीं करती, और भाषा दक्षता लाभों को संचालित करती है (मज़बूत शिक्षार्थी फीडबैक को अधिक प्रभावी ढंग से आंतरिक करते हैं)। यह शैक्षणिक रूप से सुदृढ़ फीडबैक (जैसे, सरल त्रुटि संकेतों के बजाय उच्चारण संबंधी व्याख्याएँ), स्कैफोल्डेड चिंतन, और दक्षता-भेदित सहायता का तर्क देता है।

• सुधार से पहले संकेत दें। एक 'सुधार से पहले संकेत' ChatGPT कार्य, जिसमें शिक्षार्थी प्रत्यक्ष सुधार प्राप्त करने के बजाय निर्देशित संकेतों से सुधार का अनुमान लगाते हैं, ने संज्ञानात्मक भार को कम किया और व्यक्तिगत पुनरीक्षण का समर्थन किया — लेकिन लाभ मुख्य रूप से उन शिक्षार्थियों के लिए रहा जिनके पास पहले से पर्याप्त पूर्व ज्ञान था (58 शिक्षार्थी, CEFR A1–B1) (Lukešová और Jennings (2026)।

• ऐसा उच्चारण फीडबैक दें जो अंतर को पास की सीमा तक स्थानीयकृत करे। Profy बड़े पैमाने पर अनटिप्पणीय भाषण से दक्षता सीखता है और दिखाता है कि शिक्षार्थी मूल-वक्ता वितरणों से कहाँ विचलित होता है; इसके पूर्व/पश्चात बोधगम्यता विश्वास अंतराल अतिव्यापी नहीं थे, एक उत्पन्न-अनुकरण आधाररेखा के विपरीत — यह प्रमाण कि अनुकरण अभ्यास का समर्थन विशेषज्ञ मूल्यांककों के बिना किया जा सकता है (Kawamura (2026))।

• AI-सहायक अध्ययन में शिक्षार्थियों के मनोवैज्ञानिक अनुकूलन का समर्थन करें। Wu (2026) एक पाठ्यक्रमकाल में जापानी के शिक्षार्थियों को ट्रैक करता है और पाता है कि वे अनुकूलहीन, मध्यम, और सकारात्मक अनुकूलन प्रोफ़ाइलों में बँटते हैं जो तकनीकी तनाव और लचीलेपन के संतुलन से प्रेरित हैं, अधिकांश शिक्षार्थी क्रमिक रूप से सकारात्मक अनुकूलन की ओर बढ़ते हैं और उच्चतर स्व-प्रभावशीलता तथा कम बर्नआउट रिपोर्ट करते हैं — यह संकेत है कि AI-मध्यस्थ भाषा अभ्यास को केवल उपकरण पहुँच नहीं, बल्कि तकनीकी तनाव को प्रबंधित करने के लिए डिज़ाइन करना चाहिए।

• शिक्षार्थियों के विरुद्ध स्कोरिंग और फीडबैक पूर्वाग्रह के प्रति सतर्क रहें। AI स्कोरिंग गैर-मूलभाषा पैटर्नों को दंडित कर सकता है; भाषाई-विविधता शोध चेतावनी देता है कि AI मानक अंग्रेज़ी को विशेषाधिकार देता है — स्व-संदर्भित या मानव-संचालित मूल्यांकन का उपयोग करें।

• शिक्षार्थियों के पूर्ण स्पेक्ट्रम का समर्थन करें। डिस्लेक्सिया और सुगम्यता अध्ययन और सांस्कृतिक रूप से उत्तरदायी डिज़ाइन (अरबी-अंग्रेज़ी संदर्भ) दिखाते हैं कि AI को विविध शिक्षार्थी ज़रूरतों के अनुरूप बनाया जाना चाहिए, इसे सार्वभौमिक नहीं माना जाना चाहिए।

• बुनियादी ढाँचा, केवल स्कोरिंग नहीं, भाषाओं को बाहर करता है। बंगाली वैश्विक वेब सामग्री के 0.5% से कम हिस्से पर है, 67:1 अंग्रेज़ी-से-बंगाली प्रशिक्षण-टोकन की कमी के साथ और ग्रामीण–शहरी कनेक्टिविटी अंतर (36.5% बनाम 71.4% इंटरनेट पहुँच), इसलिए मूल-भाषा, ऑफ़लाइन-प्रथम डिज़ाइन पहुँच के लिए सुविधा नहीं, बल्कि एक पूर्वापेक्षा है (Roy और Roy (2026))।

• शिक्षक तैयारी कार्य के लिए GenAI को महत्व देते हैं, सीधी कक्षा उपयोग के लिए नहीं। 23 अध्ययनों के एक PRISMA व्यवस्थित समीक्षा (Li et al. 2026) में पाया गया कि भाषा शिक्षक पर्दे के पीछे तैयारी के लिए GenAI को सर्वाधिक महत्व देते हैं — पाठ योजना, सामग्री निर्माण, और लेखन सहायता/फीडबैक — फिर भी सीधे, कक्षा-सामने कार्यान्वयन के बारे में हिचकिचाते रहते हैं, जो सिद्धांत में AI को मंज़ूरी देने और उसे सीधे उपयोग करने के बीच एक सिद्धांत–अभ्यास अंतर को प्रतिबिंबित करता है। अपनाना पेशेवर-पहचान, शैक्षणिक, तकनीकी, संस्थागत, और शैक्षणिक इमानदारी कारकों से आकारित होता है, शिक्षक गैर-अपनाने से व्यापक एकीकरण तक एक स्पेक्ट्रम पर होते हैं; और प्रदर्शन के साथ रुख प्रारंभिक असुरक्षा से आत्मविश्वासी, चयनात्मक उपयोग की ओर बदलता है।

• भाषा शिक्षकों की AI साक्षरता तैयार करें। व्यवस्थित समीक्षाएँ पाती हैं कि भाषा शिक्षकों के बीच AI साक्षरता एक प्रमुख अंतराल है — उपकरण अपनाने के साथ शिक्षक पेशेवर विकास में निवेश करें। जैसे-जैसे AI भाषा शिक्षा को फिर से आकार देता है, AI साक्षरता शिक्षकों के लिए तकनीक से समीह रूप से संलग्न होने के लिए भी महत्वपूर्ण है: भाषा शिक्षक शिक्षा के लिए शिक्षकों की AI साक्षरता स्केल (TAILS) विकसित की गई, छह-आयामी ED-AI ढाँचे (ज्ञान, मूल्यांकन, सहयोग, संदर्भीकरण, स्वायत्तता, नैतिकता) को संचालित करते हुए, और प्री-सर्विस अंग्रेज़ी भाषा शिक्षकों के साथ सत्यापित।

• उच्च दबाव वाली द्विभाषी कार्य में चार अंतःक्रिया प्रोफ़ाइलें। Kuang, Li और Weng (2026) ने 22 व्याख्या-प्रशिक्षार्थियों के साथ आई-ट्रैकिंग, पेन-रिकॉर्डिंग और वॉयस-रिकॉर्डिंग का उपयोग करके दिखाया कि शिक्षार्थी AI आउटपुट और अपने स्वयं के नोट-लेखन के बीच ध्यान को चार विशिष्ट तरीकों में बाँटते हैं — Intensive Engagers, Fast Scanners, Traditionalists और Frequent Switchers — और 58.3% स्तर-स्तरीय अवलोकनों ने एक ही कार्य के बोध और उत्पादन चरणों के बीच प्रोफ़ाइल बदली। केवल बोध-चरण पैटर्न ने उत्पाद गुणवत्ता की भविष्यवाणी की, और AI-सबसे-अधिक क्लस्टर ने प्रस्तुति के प्रवाह और लक्ष्य भाषा की गुणवत्ता में सबसे कम स्कोर किया, जो शिक्षार्थियों को उपकरण के साथ काम करने के एक तरीके का निर्धारण करने के बजाय अपनी रणनीति का वर्णन और चिंतन करना सिखाने का तर्क देता है।

• लागत और कनेक्टिविटी के इर्द-गिर्द पूर्ण चार-कौशल लूप को रूट करें। Guo et al. (2026) LLMersion-1 जारी करते हैं, एक स्थानीय-प्रथम प्रोटोटाइप जो उपभोक्ता हार्डवेयर पर शिक्षार्थी के अपने दस्तावेज़ पर सुनना, पढ़ना, बोलना और लिखना काम करता है — एक 1B ट्यूटर 808 MB तक क्वांटाइज़ होता है और पूरा निवासी स्टैक 4 GB से कम रहता है — और दैनिक अभ्यास के पाँच वर्षों की लागत लगभग $18 बिजली पर आँकता है, $1,200 क्लाउड सदस्यता के विपरीत। कोई शिक्षार्थी परिणाम रिपोर्ट नहीं किए गए हैं और उच्चारण फीडबैक केवल खंडात्मक है।

संबंधित अवधारणाएँ

• ई-पोर्टफोलियो
• लेखन
• AI साक्षरता
• समानता
• मूल्यांकन की वैधता
• पूर्वाग्रह शमन
• समावेशी सीखना
• विशेष शिक्षा
• इंटेलिजेंट ट्यूटरिंग
• जनरेटिव-AI
• छात्र अनुभव
• उच्च शिक्षा
• K-12
• विषयों में AIEd
• अंग्रेज़ी शिक्षा (EAP / EFL / ESL)
• भाषण और वॉइस प्रौद्योगिकियाँ

संबंधित लेख

• Student-AI Interaction in Computer-Assisted Consecutive Interpreting: Patterns and Performance — कंप्यूटर-सहायक क्रमिक व्याख्या में शिक्षार्थी-AI अंतःक्रिया

• Profiles and Transitions of Psychological Adaptation in AI-Assisted Japanese Language Learning — AI-सहायक जापानी भाषा अधिगम में मनोवैज्ञानिक अनुकूलन की प्रोफ़ाइलें और संक्रमण

• Designing large language model-based agents with 5E framework for ESL learners' grammar acquisition — ESL व्याकरण अधिगम के लिए 5E ढाँचे के साथ LLM एजेंट (Yang, Weng और Yang 2026)

• How to Train Your Dragon: Evaluating Prompting and Fine-Tuning for GPT-Based Item Generation in L2 Listening Assessment — L2 श्रवण प्रश्न निर्माण के लिए GPT की प्रॉम्प्टिंग बनाम फ़ाइन-ट्यूनिंग (Aryadoust और Wong 2026)

• Automatic discourse relation classification and feedback optimization in English teaching based on transformer BERT model — अंग्रेज़ी शिक्षण के लिए BERT प्रवचन वर्गीकरण

• Ethical Generative AI Integration in English for Academic Purposes within Higher Education: A Mixed-Methods Study

• Aligning ChatGPT with E-Portfolio Assessment as EFL Learning Model: Its Effect on Students' Speaking Performance and Feedback Literacy

• Students' Perceptions of Multiliteracies Development Using AI-Assisted Portfolio Assessment

• LLMs in text linguistics teaching: An exploratory study with genAI novices in higher education — पाठ भाषाविज्ञान शिक्षण में LLM

• AI-Generated versus Human-Developed Assessment Tasks in EFL Context: Insights from TPCK Model — EFL में AI-निर्मित बनाम मानव-निर्मित मूल्यांकन कार्य

• Governing the Unseen: A Systematic Review of AI Literacy among Language Teachers in Higher Education — अनदेखा का शासन: भाषा शिक्षकों के बीच AI साक्षरता

• AI-Guided Learning: Research on Knowledge and Skill Acquisition Support Methods Using Deep Learning Audio-Video Processing Techniques

• What Changes When the Interlocutor Is an AI? Interactional Fluency and Linguistic Uptake in L2 Spoken Dialogue

• Multimodality and Social Interactions in AI-Enhanced Embodied Robot-Assisted Language Learning: A Meta-Analysis — AI-संवर्धित देहधारी रोबोट-सहायक भाषा अधिगम का मेटा-विश्लेषण

• Towards Self-Referential Analytic Assessment: A Profile-Based Approach to L2 Writing Evaluation with LLMs

• AI-based scoring systematically underestimates conceptual understanding of linguistically weak students' explanations in physics

• Generative AI and linguistic diversity in academic writing and publishing: Perspectives from World Englishes

• DysLexLens: A Low-Resource LLM Framework for Analysing Dyslexic Learners Insights from Online Forums

• TACT: Taxonomy-Aligned Post-Training for Pedagogically Adaptive English Tutoring

• AI tools in Arab University English classrooms: Looking back and forward

• Structural Silence: When AI Infrastructure Fails Speakers of Underrepresented Languages

• Instructor-Designed AI Tutors in University Foreign Language Education: A Mixed-Methods Study of Learner Motivation and Reflective Learning Experience Based on Self-Determination Theory — विश्वविद्यालय विदेशी भाषा शिक्षा में प्रशिक्षक-निर्मित AI ट्यूटर: स्व-निर्धारण सिद्धांत पर आधारित शिक्षार्थी प्रेरणा और चिंतनशील अधिगम अनुभव का मिश्रित-विधि अध्ययन

• Clue before correction: ChatGPT-enhanced strategy for promoting autonomous and reflective language learning — सुधार से पहले संकेत: स्वायत्त भाषा अधिगम के लिए ChatGPT

• Students' experiences of using ChatGPT for English language learning: a qualitative study in a Malaysian higher education institution — अंग्रेज़ी भाषा अधिगम में शिक्षार्थियों के ChatGPT अनुभव

• Interaction Effects Between Learner Characteristics and Dialogue Format in TTS Dialogue-Based Lessons — शिक्षार्थी विशेषताएँ × TTS संवाद-प्रारूप अंतःक्रियाएँ

• A Systematic Review of Emerging Technology Applications for Teaching English as a Foreign Language Across Different Educational Levels — EFL के लिए उभरती तकनीकों का मेटा-विश्लेषण

• Explaining learning engagement in AI-assisted learning through teacher support and achievement goals: insights from goal-setting theory — लक्ष्य-निर्धारण सिद्धांत: शिक्षक सहायता, उपलब्धि लक्ष्य, और AI-सहायक अंग्रेज़ी अधिगम में संलग्नता (758 चीनी शिक्षार्थी)

• A Systematic Review of Language Educators' Practices and Development with GenAI — GenAI के साथ भाषा शिक्षकों की प्रथाएँ और विकास

• ASR Technology in College English Speaking Instruction: The Role of Feedback Internalization and Metacognitive Strategies — महाविद्यालय अंग्रेज़ी बोलचाल में ASR तकनीक: फीडबैक आंतरिककरण और अंतर-संज्ञानात्मक रणनीतियाँ

• Exploring the impact of a GenAI-supported writing program on primary students' writing motivation, engagement — प्राथमिक L2 शिक्षार्थियों के लिए GenAI-समर्थित लेखन कार्यक्रम (Lu et al. 2026)

• LLMersion: A Local-First AI Agent Framework for Low-Cost Home Language Learning toward Educational Equity — LLMersion: शैक्षणिक समानता की ओर कम लागत वाले घरेलू भाषा अधिगम के लिए स्थानीय-प्रथम AI एजेंट ढाँचा

• AI and higher education: teachers' perceptions of students' ethical tensions in online pedagogical methods — व्यावहारिक अंधापन: AI भाषा आउटपुट व्याकरणिक रूप से सही लेकिन सांस्कृतिक रूप से गलत हो सकता है