प्रोसेस-ओरिएंटेड असेसमेंट

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

प्रोसेस-ओरिएंटेड असेसमेंट — मूल्यांकन का ऐसा डिज़ाइन जो शिक्षार्थी के निष्कर्ष तक पहुँचने के तरीके के इर्द-गिर्द केंद्रित है, न कि केवल उस कलाकृति के इर्द-गिर्द जो वह जमा करता है: चरणबद्ध सबमिशन, विचार-छाँटी हुई औचित्य प्रस्तुति, संवादी और मौखिक आदान-प्रदान, प्रारूप और संस्करण इतिहास, और मानदंड जिन्हें छात्र स्वयं पर लागू कर सकते हैं। यह कार्य-यथार्थवाद का पर्याय नहीं है, और न यह कहना है कि काम का मूल्यांकन कौन करता है: एक यथार्थवादी कार्य जिसका एकमात्र प्रमाण एक बिना निगरानी वाला उत्पादन हो, वह उसी प्रतिस्थापन समस्या के संपर्क में है जिसके संपर्क में वह निबंध था जिसे उसने बदला। जनरेटिव AI ही इस विभेद को तात्कालिक बनाता है, क्योंकि अब मांग पर प्रवाहपूर्ण उत्पादन संभव है और एक तैयार फ़ाइल में यह जानकारी नहीं रहती कि उसके पीछे की तर्क-प्रक्रिया किसकी थी।

विचार हेतु प्रश्न

• यदि कोई छात्र चिकना-पोला निबंध जमा करता है, तो वह कलाकृति वास्तव में उसकी सोच के बारे में आपको क्या दावा करने देती है — और वह कौन-से दावे केवल दिखावे में समर्थित लगते हैं?
• प्रक्रिया-प्रमाण प्रारूप, औचित्य और संवाद मांगता है। आपके संदर्भ में कौन इस प्रकार की शैक्षणिक आत्म-अभिव्यक्ति में सक्षम है, और किसकी समीक्षा उसकी समझ के बजाय इससे उसकी सहजता के आधार पर हो सकती है?
• पहचान अविश्वसनीय है और प्रक्रिया के इर्द-गिर्द पुनर्निर्माण महँगा है। आप सीमित संस्थागत बजट का खर्च कहाँ करेंगे, और कौन-सा प्रमाण आपके उत्तर को बदल सकता है?

भूमिका

उच्च शिक्षा में मूल्यांकन ने बहुत समय से उत्पाद से सोच का अनुमान लगाया है। जमा किया गया निबंध, रिपोर्ट या परीक्षा उत्तर उसके पीछे की तर्क-शक्ति का प्रतिनिधि बनता रहा, और ग्रेडिंग एक अच्छी तरह तर्कित कलाकृति को अच्छी तरह तर्कित प्रक्रिया के प्रमाण के रूप में देखती रही। थापा और लुईस (2026) उस मान्यता को नाम देते हैं जिसे जनरेटिव AI तोड़ता है: एक चिकना-पोला उत्तर "अब शायद किसी की सोच प्रक्रिया का प्रतिनिधित्व नहीं करता", इसलिए कलाकृति से समझ तक का अनुमान सुरक्षित रहना बंद कर देता है। उनका उत्तर बेहतर डिटेक्टर नहीं, बल्कि भिन्न प्रमाण-आधार है। प्रोसेस-ओरिएंटेड असेसमेंट व्याख्या, औचित्य और ज्ञान-निर्माण के प्रमाणों को उनके विकास के साथ ही एकत्र करता है, ताकि मांग पर उत्पादन संभव होने पर भी तर्क दिखता रहे।

यह कहना उपयोगी है कि यह अवधारणा क्या नहीं है। यह प्रामाणिक मूल्यांकन नहीं है, जो यह पूछता है कि क्या कोई कार्य योग्य वास्तविक-संसार अभ्यास का प्रतिबिंब है; थापा और लुईस अक्षों को अलग रखते हैं और आग्रह करते हैं कि एक प्रामाणिक कार्य जिसका एकमात्र उत्पाद बिना निगरानी वाला हो, वह अभी भी संपर्क में है। यह AI पहचान नहीं है, जो यह पूछता है कि उपकरण का उपयोग हुआ या नहीं, न कि यह कि निर्णय कैसे लिया गया। और यह स्वचालित मूल्यांकन नहीं है, जो इस बात से संबंधित है कि अंकन कौन या क्या करता है: एक मशीन-अंकित चरणबद्ध पोर्टफोलियो प्रोसेस-ओरिएंटेड हो सकता है, और एक मानव-अंकित अंतिम निबंध को होना ज़रूरी नहीं। अवधारणा इस बात से संबंधित है कि कौन-से प्रमाण एकत्र किए जाते हैं, किस अवधि में, और किन शर्तों के अंतर्गत उत्पन्न होते हैं।

यह विचार एक प्रस्ताव से ज्ञान-आधार भर में आवर्ती सिफ़ारिश तक पहुँच चुका है। यह AIED की शिक्षार्थी स्वायत्तता और प्रेरणा की एजेंडा में एक नामित प्राथमिकता के रूप में दिखता है, प्रदर्शन-बनाम-सीखना शोध में धारण और स्थानांतरण समस्या का आयोजक अनुसंधान एजेंडा के रूप में, ब्रूनस्ट्रॉम और पामक्विस्ट के AI के साथ स्व-नियमित सीखना के विवरण में "ब्लैक बॉक्स असेसमेंट" के रूप में, और अभ्यास कर रहे शिक्षक-शिक्षकों की उस मांग के रूप में जिन्होंने पाया कि उनका घर पर लिखा कार्य अब सीखना का प्रमाण ही नहीं दे सकता था।

व्यवहार में प्रक्रिया-प्रमाण कैसा दिखता है

सबसे स्पष्ट डिज़ाइन शब्दावली थापा और लुईस से आती है, जिनकी चार प्रतिबद्धताएँ इस तर्क को कार्य-डिज़ाइन तक ले जाती हैं: विचार-छाँती हुई औचित्य प्रस्तुति, चरणबद्ध कार्य-डिज़ाइन, संवादी संलाप, और मूल्यांकन-पारदर्शिता। व्यवहार में, छात्र केवल निष्कर्ष प्रस्तुत करने के बजाय व्याख्यात्मक निर्णयों की व्याख्या करते हैं, जाँच-बिंदुओं में विकसित होता कार्य जमा करते हैं, अपनी तर्क-प्रक्रिया पर मौखिक या संवादी आदान-प्रदान में भाग लेते हैं, और उन मानदंडों के विरुद्ध काम करते हैं जिन्हें वे स्वयं लागू कर सकते हैं — यही प्रतिपुष्टि साक्षरता और स्व-मूल्यांकन का क्षेत्र है। बॉयसेन (2026) की खुली सीखने-अभ्यास प्रस्ताव इसी तर्क का ऑडिट-ट्रेल में अनुवाद करता है: परियोजना शुरू होने से पहले निर्धारित साझा शिक्षण योजना, आवश्यक और निषिद्ध स्रोतों का नाम देने वाली शिक्षण-विश्लेषण योजना, और दर्ज प्रारूप और संस्करण इतिहास, जो ट्रैक चेंजेज़ और सहेजी गई फ़ाइल संस्करणों के माध्यम से संरक्षित रहते हैं, जो कार्य-प्रक्रिया को उजागर करते हैं और बताते हैं कि प्रत्येक संशोधन को क्या जानकारी मिली। वह इसे स्व-नियमन को दृश्य बनाने के रूप में प्रस्तुत करता है।

प्रक्रिया-प्रमाण के लिए चुना गया माध्यम यह बदल देता है कि क्या प्रमाणित हो सकता है: उसी 79-छात्र वाली जनरेटिव-AI अध्ययन में, उच्च-गहराई की निगरानी और योजना थिंक-अलाउड इकाइयों में अधिक आम थी जबकि उच्च-गहराई का नियमन इंटरैक्शन लॉग में अधिक आम था, इसलिए कोई एकमात्र अभिलेख पूरी प्रक्रिया को नहीं पकड़ता (ली और लिउ (2026))। निशान स्कोर से सीधे भी हट सकते हैं: 150 छात्र-AI संवादों में, 41% में असाइनमेंट स्कोर ठीक 1.00 था जबकि दिखने वाली संज्ञानात्मक भागीदारी भिन्न-भिन्न थी, इसलिए मिलान-कराए गए स्कोर भिन्न प्रक्रियाओं को छिपा सकते हैं (फाब्रेगा, 2026)। ड्राफ्टट्रेस AI-एकीकृत लेखन के लिए इसी समस्या का उत्तर देता है, कुंजीदाब-स्तरीय प्रक्रिया-मापों को अंतिम उत्पाद और AI-इंटरैक्शन निशानों के साथ संरेखित करके, यह दिखाते हुए कि प्रतिलिपि-टाइपिंग की पहचान तभी संभव है जब उत्पाद और प्रक्रिया को साथ पढ़ा जाए (चंदराणा एवं सहयोगी, 2026), यह व्यवहार-निशान मापन का एक ठोस उदाहरण है जो इस क्षेत्र में अभी भी नहीं है।

व्यवसायी और ढाँचा-आधारित विवरण कलाकृतियों को भरते हैं। उदेन और ह्वांग (2026) की LEARN ढाँचा, जो समस्या-आधारित सीखना मूल्यांकन को लक्षित करता है, प्रक्रिया-केंद्रित रूब्रिक, मौखिक औचित्य प्रस्तुति, चरणबद्ध सबमिशन, और AI-उपयोग प्रकटीकरण के साथ तर्क-निशान मांगता है, और सीखने-पत्रिकाओं तथा थिंक-अलाउड प्रोटोकॉल के माध्यम से चिंतन को क्रम के अंतर्ज्ञानात्मक इंजन के रूप में मानता है। मोगनादास और सहयोगी (2026) AI-पारदर्शी, प्रोसेस-ओरिएंटेड मूल्यांकन को पाँच शोध-योग्य प्रस्तावों में से एक बनाते हैं, जिसमें निषेध या डिटेक्टर उपयोग के बजाय दस्तावेज़ीकरण, सत्यापन और विचार-छाँती हुई औचित्य प्रस्तुति आवश्यक है। पाध्य (2026) संशोधन इतिहास, इंटरैक्शन पैटर्न और कार्य-पर-निवेशित समय को दर्ज करने की सिफ़ारिश करते हैं, जो पारदर्शी प्रकटीकरण के साथ जोड़ा गया है। गोल्डस्टीन, मारे-हाज और ज़िदान (2026) एक भरोसा संकट के बाद व्यवहार से उभरती उसी कलाकृतियों की रिपोर्ट करते हैं: प्रॉम्प्टिंग अभिलेख, दस्तावेज़ संस्करण इतिहास, निगरानी वाले समूह योगदान, और भौतिक नोटबुक में रखे गए विचार-छाँटे "यात्रा-पत्रिका" — उस साधारण पाय के साथ कि घर पर लिखा कार्य अब सीखना का प्रमाण नहीं दे सकता था। ठोस उपकरणण उभर रहा है: Kim et al. (2026) समस्या समाधान को चार चरणों और आठ निदान उप-कौशल के रूप में परिचालित करते हैं ताकि एक LLM चरण-विशिष्ट प्रश्न और मानदंड उत्पन्न कर सके; पाँच शिक्षकों और 64 छात्रों ने 90 समस्याओं और 720 उप-प्रश्नों पर प्रणाली का उपयोग किया, औसत सिस्टम उपयोगिता स्केल स्कोर 83.5 के साथ।

यथार्थवाद और अंकन से एक भिन्न अक्ष

अक्षों को अलग रखना महत्वपूर्ण है, क्योंकि उन्हें मिला देना इस बात का तरीका है कि पुनर्निर्माण पूरा हुआ दिखे जबकि संपर्क बना रहता है। शर्मा (2026) यथार्थवाद और अखंडता-उन्मुख डिज़ाइन के बीच पूरक विभेद करते हैं: यथार्थवाद यह पूछता है कि क्या कोई कार्य योग्य अभ्यास का प्रतिबिंब है, जबकि अखंडता-उन्मुख डिज़ाइन यह पूछता है कि क्या शिक्षार्थी अपने निर्णयों का औचित्य दे सकते हैं और अनुशासन मानदंडों के संबंध में उत्तरदायित्व स्वीकार कर सकते हैं, इसीलिए वे अभ्यास जो वे प्रस्तुत करते हैं — टिप्पणीबद्ध निर्णय-पथ, GenAI-योगदान दावों का सत्यापन, मौखिक प्रतिपक्ष बचाव, संस्करण इतिहास के साथ प्रारूप अंतर — निर्णय के लिए चुने जाते हैं जो वे दिखाते हैं, न कि उनके यथार्थवाद के लिए। एस्पिनो और एस्पिनो (2026) का व्यवसाय शिक्षा का दस-वर्षीय समीक्षा साहित्य की ओर से इसी डिज़ाइन निष्कर्ष पर पहुँचता है, यह पाते हुए कि क्षेत्र ऐसे प्रामाणिक, प्रक्रिया-दृश्य कार्यों पर अभिसरित हो रहा है जिनमें व्याख्या, संदर्भगत अनुप्रयोग और पुनरावृत्त परिष्कार आवश्यक हो, और अपरिवर्तित मूल्यांकन ढाँचों के भीतर उपकरण-अपनाने को अपनी सबसे अटूट विफलता के रूप में मानता है।

यह संरचना इस बात से भी भिन्न है कि प्रमाण का अंकन कैसे होता है। वैधता तर्क वह स्थान है जहाँ ये दो मिलते हैं: ब्रूनस्ट्रॉम और पामक्विस्ट (2026) तर्क देते हैं कि जब एक चैटबॉट संभावित परीक्षा उत्तर उत्पन्न कर सकता है, तो जमा किया गया उत्पाद इसकी कमज़ोर सूचक बन जाता है कि छात्र ने क्या सीखा — यह एक मूल्यांकन-वैधता समस्या है, केवल एक अखंडता समस्या नहीं। यह वही अनुमान है जो यान, ग्राइफ, लॉज और गाशेविच के प्रदर्शन-बनाम-सीखना तर्क में जोखिम में है, जहाँ प्रदर्शन लाभ जो सहायता हटने पर सिकुड़ जाते हैं, यह दिखाते हैं कि लाभ छात्र में नहीं बल्कि उपकरण में रहता है, और जहाँ प्रस्तावित उपाय प्रक्रिया-माप हैं जैसे धारण और स्थानांतरण परीक्षण, न कि तात्कालिक कार्य-सफलता।

पहचान यह भार क्यों नहीं ढो सकती

प्रोसेस-ओरिएंटेड असेसमेंट आमतौर पर पहचान का विकल्प के रूप में प्रस्तावित होता है, और पहचान के बारे में प्रमाण बताते हैं कि क्यों। पहचान साहित्य में त्रुटि दरें, कार्य-निर्भरता, और गैर-मूलभाषी और अक्षम लेखकों के विरुद्ध पैटर्नबद्ध पूर्वाग्रह मिलते हैं, और सबसे हालिया कार्य एक प्रक्रियात्मक निष्कर्ष पर आता है: डिटेक्टर स्कोर निकट समीक्षा का संकेत दे सकता है, लेकिन वह कोई निष्कर्ष नहीं है। मुनोज़ और सहयोगी (2026) दिखाते हैं कि व्यवहार में इसकी कीमत क्या है। 1,162 जनरेटिव-AI दुराचार आरोपों को कोड करते हुए, उन्होंने पाया कि सबसे मज़बूत प्रमाण प्रकार जाँच या पर्यवेक्षण द्वारा उत्पन्न होते हैं, कि प्रारूप, पर्यवेक्षण बैठकों और प्रस्तुतियों जैसा प्रक्रिया-प्रमाण केवल वहीं दिखता है जहाँ वे अभ्यास पहले से मौजूद हों — इसलिए एक अपुनर्निर्मित मूल्यांकन में वह बस अनुपस्थित है — और कि डिटेक्टर आउटपुट ने किसी भी श्रेणी में सबसे कम सिद्ध-मूल्य रेटिंग प्राप्त की। डिज़ाइन परिणाम क्रम है: प्रक्रिया-प्रमाण को मामले की आवश्यकता से पहले मौजूद होना चाहिए, और वाइडलिच (2026) का तर्क कि कौन-सा अनुमान जोखिम में है, वैधता की ओर से यही बात कहता है, क्योंकि पहचान के माध्यम से मूल्यांकन सुरक्षा बहाल करने के प्रयास संरचना-अप्रासंगिक विचरण लाते हैं, छात्र के बारे में प्रमाण नहीं।

डिज़ाइन और कार्य-भार की लागत

स्रोत असाधारण रूप से स्पष्ट हैं कि यह महँगा है। थापा और लुईस न्यायसंगत सावधानी सीधे कहते हैं: विचार-छाँटे और संवादी कार्य उन छात्रों को विशेषाधिकार दे सकते हैं जो शैक्षणिक आत्म-अभिव्यक्ति में अधिक आत्मविश्वासी हैं, जब तक उन्हें समावेशी ढंग से डिज़ाइन और स्कैफोल्ड नहीं किया जाता, और संबंधात्मक, प्रतिपुष्टि-गहन कार्य बड़े या संसाधन-सीमित सेटिंग में शिक्षकों की भावनात्मक और व्यावसायिक श्रम को बढ़ाता है — यह विस्तारशीलता, मानकीकरण और मापने योग्य प्रदर्शन के संस्थागत अपेक्षाओं के साथ एक विरोधाभास है। शर्मा व्याख्यात्मक संस्करण जोड़ते हैं: दर्ज तर्क की मांग शिक्षार्थी को विशेषाधिकार देती है जो विचार-छाँटे प्रवचन में अधिक सक्षम हैं, और निर्णय के रूप में प्रमाण "यांत्रिक रूप से सत्यापनीय के बजाय संबंधात्मक और स्थित रहता है।"

परिचालन लागत कहीं और सूचीबद्ध हैं। बॉयसेन नई तकनीक, संशोधित असाइनमेंट और पाठ्यक्रम, छात्रों को अपरिचित कौशल सिखाना, और एकत्र करने तथा अंकन के लिए अतिरिक्त सामग्री सूचीबद्ध करते हैं, चेतावनी देते हैं कि प्रक्रिया के लिए कम-दांव वाला क्रेडिट ग्रेड फुला सकता है, और स्वीकारते हैं कि यह मॉडल दैनिक ज्ञान-अर्जन कार्य से कहीं बेहतर बड़े कौशल-विकास परियोजनाओं के अनुकूल है; वे यह भी टिप्पणी करते हैं कि प्रक्रिया-ट्रैकिंग वही है जिसे कुछ आलोचक AI निगरानी कहते हैं। गोल्डस्टीन, मारे-हाज और ज़िदान के प्रतिभागियों ने रिपोर्ट दी कि प्रक्रिया-दस्तावेज़ीकरण स्थापित करने में वास्तविक श्रम लगा, कि तेरह में से नौ ने निधियुक्त उन्नत उपकरणों को अपनी जेब से खरीदा, जो डिजिटल विभाजन गहरा कर सकता था, और कि कई लोग पर्यवेक्षित परीक्षाओं और अनुमानित मौखिक थीसिस प्रतिपक्ष बचाव पर लौट गए। न्याय चिंता का AI-विशिष्ट कोण ब्रूनस्ट्रॉम और पामक्विस्ट के उस पाय में है कि बिना मार्गदर्शन वाला उपकरण उपयोग एक इंटरैक्शन-प्रबंधन कौशल की मांग करता है जो असमान रूप से वितरित है, इसलिए AI "पहले से बढ़े हुए छात्रों के लिए सबसे अधिक लाभदायक हो सकता है" — यह वही वितरणीय जोखिम जो छात्रों से दर्ज प्रक्रिया प्रबंधित करवाने के साथ जुड़ा है। लोपेज़-लोपेज़, ब्रू-कोर्डेरो और कोरेआ-आल्वारेज़ (2026) ने पाया कि जिन छात्रों ने अधिक स्वतंत्र अध्ययन समय निवेश किया, उन्होंने AI उपयोग का अधिक कड़ा निर्णय किया, और सिफ़ारिश की कि परीक्षण किया जाए कि क्या प्रकटीकरण टेम्पलेट, मौखिक प्रतिपक्ष बचाव और प्रक्रिया-आधारित मूल्यांकन नैतिक अनिश्चितता घटाते हैं — एक ऐसा अध्ययन जो इस क्षेत्र को अभी भी चाहिए। जोखिम उसी तंत्र से जुड़ा है जो प्रक्रिया-प्रमाण को काम करने बनाता है: जहाँ सहयोग, संशोधन और चिंतन का अंकन होता है, वहाँ छात्रों को कारण है कि वे वह प्रमाण उत्पन्न करें जो उनकी अपेक्षा के अनुसार अंकक चाहता है, इसलिए प्रक्रिया-अभिलेख प्रदर्शनात्मक बन सकते हैं, प्रमाणात्मक नहीं (आलम और जैक्सन, 2026)।

जो अभी अनसुलझ है

थापा और लुईस का विवरण संकल्पनात्मक है: कोई प्रतिभागी नहीं, कोई डेटा संग्रह नहीं, कोई कार्यान्वयन परीक्षण नहीं, इसलिए चार सिद्धांतों की तर्कशीलता प्रस्तुत की गई है न कि परीक्षित, और पेपर स्वयं छात्र अनुभव, शिक्षक कार्य-भार और दीर्घकालिक व्यवहार्यता पर अनुभवजन्य कार्य का आह्वान करता है। व्यवहार्यता सेटिंग्स में भिन्न छोड़ी गई है — बड़े व्याख्यान, प्रयोगशालाओं, स्टूडियो या नैदानिक प्रशिक्षण में स्थानांतरण का उत्तर नहीं दिया गया। लेन (2026) की स्थिति पत्र संस्थागत सीमा टिप्पणी करता है: प्रक्रिया-आधारित मूल्यांकन उन अंकन और प्रतिलेख ढाँचों द्वारा कुंठित होता है जो चिकने-पोले अंतिम कलाकृतियों को पुरस्कृत करते हैं, इसलिए केवल कक्षा पुनर्निर्माण प्रोत्साहन को नहीं बदलता। मापन भी पतला है: जिन और सहयोगियों (2026) की AI-साक्षरता उपकरणों की समीक्षा प्रदर्शन-आधारित और प्रोसेस-ओरिएंटेड मूल्यांकन तथा प्रॉम्प्टिंग और सत्यापन के व्यवहार-निशान मापन का आह्वान करती है, लेकिन रिपोर्ट करती है कि मौजूदा उपकरण स्व-रिपोर्ट पर टिके हैं। यहाँ कोई भी स्रोत एक प्रोसेस-ओरिएंटेड पुनर्निर्माण के नियंत्रित परीक्षण की रिपोर्ट नहीं करता, जो उस केंद्रीय दावे को छोड़ देता है — कि प्रक्रिया-प्रमाण नकली बनाना कठिन है और न्यायपूर्ण निर्णय करना — सिद्धांत, व्यवसायी रिपोर्ट और मामला-फ़ाइल प्रमाण से तर्कित, बड़े पैमाने पर प्रदर्शित नहीं।

संबंधित अवधारणाएँ

• शिक्षाशास्त्रीय पैटर्न — चरणबद्ध जाँच-बिंदु और प्रक्रिया-प्रमाण क्रमबद्ध डिज़ाइन के रूप में
• मूल्यांकन
• प्रामाणिक मूल्यांकन
• एआई डिटेक्शन
• मूल्यांकन की वैधता
• मूल्यांकनात्मक निर्णय
• निर्माणकारक मूल्यांकन
• समापक मूल्यांकन
• प्रतिपुष्टि
• स्व-मूल्यांकन
• मौखिक आकलन
• ई-पोर्टफोलियो
• AI उपयोग और प्रकटीकरण विवरण
• स्व-नियंत्रित अधिगम
• शैक्षणिक इमानदारी
• समानता

संबंधित लेख

• Process-Oriented Collaborative Essays: Empowering Undergraduate Students Through Assessment Redesign in the Age of Generative AI — प्रथम वर्ष डिग्री अपरेंटिसशिप में अंकित, सहयोग से लिखा गया प्रक्रिया-निबंध: रूब्रिक में पुनरावृत्ति और सहयोग, घोषित सीमाओं के भीतर GenAI की अनुमति (आलम और जैक्सन 2026)

• Distinguishing performance gains from learning when using generative AI — प्रदर्शन सीखना नहीं है: प्रक्रिया-मापों पर निर्मित एक अनुसंधान एजेंडा (यान एवं सहयोगी 2026)

• Human-centered AI for teacher educators: Designing professional learning for critical AI literacy — औचित्य और चिंतन पर निर्मित AI-प्रतिरोधी, प्रक्रिया-आधारित कार्य मांगते शिक्षक-शिक्षक (बारन एवं सहयोगी 2026)

• Educational integrity in GenAI-augmented assessment: making judgment visible — टिप्पणीबद्ध निर्णय-पथ, मौखिक प्रतिपक्ष बचाव, और दृश्य निर्णय के लिए चुने गए प्रारूप अंतर

• How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis — दुराचार मामला-फ़ाइलों में क्या होता है, और उनमें कौन-सा प्रक्रिया-प्रमाण नहीं होता

• Which inference is at risk? Assessment validity reasoning and generative AI — जब मूल्यांकन प्रमाण प्रतिस्थापित हो तो कौन-सा अनुमान जोखिम में होता है

• Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World — प्रामाणिकता का पुनर्निर्धारण होना चाहिए, उसकी पुलिसिंग नहीं

• From authentic products to authenticated processes: a systematic conceptual review of authentic assessment in AI-rich — प्रामाणिक उत्पाद और उन्हें उत्पन्न करने वाली प्रक्रियाएँ

• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — मौखिक परीक्षा एक AI-प्रतिरोधी स्वरूप के रूप में जो तर्क को सजीव बनाता है

• Preserving epistemic authenticity: process-oriented assessment in the age of generative AI — ज्ञानात्मक प्रामाणिकता और प्रोसेस-ओरिएंटेड मूल्यांकन के पीछे चार डिज़ाइन प्रतिबद्धताएँ (थापा और लुईस 2026)

• Mapping the Distribution and Depth of Metacognitive Processes in Generative AI-Assisted Learning: Evidence from Interaction Logs and Concurrent Think-Aloud Protocols — चैनल-आश्रित प्रक्रिया-प्रमाण: लॉग और थिंक-अलाउड भिन्न प्रक्रियाएँ उजागर करते हैं

• DraftTrace: A Multi-View Analytics Environment for AI-Integrated Writing — ड्राफ्टट्रेस: AI-एकीकृत लेखन के लिए एक बहु-दृश्य विश्लेषण वातावरण

• Same Performance, Different Process: Epistemic Ownership in AI-Mediated Education — समान प्रदर्शन, भिन्न प्रक्रिया: AI-माध्यमित शिक्षा में ज्ञानात्मक स्वामित्व

• STEPwise: Supporting Teachers in Diagnosing Students' Mathematical Problem-Solving Skills through LLM-Generated Questions — STEPwise: LLM-निर्मित प्रश्नों के माध्यम से छात्रों के गणितीय समस्या-समाधान कौशल के निदान में शिक्षकों का समर्थन