कार्यस्थल पर सीख

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

कार्यस्थल पर सीख — श्रमिक विकास, कॉर्पोरेट शिक्षा और व्यावसायिक कौशल अर्जन के लिए AI का उपयोग। पेशेवर प्रशिक्षण शिक्षा में AI को औपचारिक स्कूली शिक्षा से आगे बढ़ाकर कार्यस्थल और जीवन भर की सीख के संदर्भों तक ले जाता है।

विचार करने योग्य प्रश्न

• ऐसा कोई कौशल सोचिए जो आपने कक्षा के बजाय नौकरी में सीखा हो। उस कार्यस्थलीय सीख को प्रभावी किसने बनाया, और एक AI कोच उसे किस प्रकार दोहरा या उसमें सुधार कर सकता है?
• इस पेज का कार्यबल तैयारी स्तर (Workforce Readiness Level) ढाँचा बताता है कि सबसे उच्च स्पर्धात्मकता चरणों को 'पाठ्यक्रम के बजाय उद्योग-अंतर्निहित अनुभव द्वारा नियंत्रित किया जाता है'। इसका अर्थ हमारे प्रशिक्षण के तरीके के लिए — और AI सिमुलेशन की सीमाओं के लिए — क्या है?
• आभासी रोगी और प्रशिक्षण सिमुलेटर पेशेवरों को सुरक्षित रूप से अभ्यास करने देते हैं। किस प्रकार की निर्णयन और पारस्परिक कौशल को सिमुलेटर यथास्थिति होने पर भी दर्ज करने में संघर्ष कर सकता है?
• 'दोहरी ट्रेन समस्या' (Dual Train Problem) तेज़ी से बदलते AI कौशल और नीति तथा पाठ्यक्रम की धीमी गति के बीच का तनाव है। यदि आज आप शिक्षार्थियों के लिए कुछ टिकाऊ स्पर्धात्मकताएँ चुनें, तो वे क्या होंगी?
• वयस्क शिक्षार्थी काम और पढ़ाई को अक्सर स्क्रीन के ज़रिये संतुलित करते हैं। AI-संचालित पेशेवर प्रशिक्षण उस संतुलन को सक्षम भी बना सकता है और जटिल भी — विशेष रूप से डेटा, विश्वास और समय के मामले में?

परिचय

पेशेवर प्रशिक्षण में AI

• सिमुलेशन और अभ्यास: आभासी रोगी प्रशिक्षण और ATCO प्रशिक्षण सिमुलेटर AI-संचालित व्यावसायिक अभ्यास वातावरण बनाते हैं। शिक्षक शिक्षा में, AI रोल-प्ले सिमुलेशन इसे अभ्यास-आधारित शिक्षण तक बढ़ाता है: Student GPT ने एक ऐसे मध्यवर्ती गणित विद्यार्थी का अनुकरण किया जो एक भ्रांति रखता है, ताकि प्री-सर्विस शिक्षक छात्रों की त्रुटियों का निदान और सुधार का अभ्यास कर सकें — यह अभ्यास-आधारित शिक्षक सीख के "अभ्यास के सन्निकटन" के अनुरूप है और TeachLivE जैसी महँगी प्लेटफ़ॉर्म के लिए एक किफ़ायती विकल्प है।

Wang et al. (2026) एक कोचिंग-नीति पाठ जोड़ते हैं: शिक्षार्थी के अनुमानित स्तर के सापेक्ष सहायता को कम करने से सिमुलेटर लैप समय 27.9% (p = 0.005) और प्रति लैप विफलताएँ 3.52 कम हुईं, जबकि निश्चित अनुसूची पर नियम-आधारित कमी से लैप समय में कोई भरोसेमंद बदलाव नहीं हुआ।

• जीवन भर की सीख का एकीकरण: आजीवन शिक्षा और वयस्क शिक्षार्थी अनुसंधान पेशेवर प्रशिक्षण को निरंतर शिक्षा से जोड़ते हैं।

• सार्वजनिक क्षेत्र: सार्वजनिक क्षेत्र में AI अपनाना सरकारी संदर्भों में प्रशिक्षण की जाँच करता है।

• कार्यबल तैयारी के ढाँचे: Smith et al. एक कार्यबल तैयारी स्तर (Workforce Readiness Level, WRL) ढाँचा प्रस्तुत करते हैं जो तकनीकी तैयारी स्तर पैमाने को नौ स्पर्धात्मकता चरणों में ढालता है, जिन्हें चार स्तंभों (डिजिटल/AI साक्षरता, साइबर-फिज़िकल दक्षता, मानव-मशीन सहयोग, डेटा-आधारित निर्णय लेना) पर मूल्यांकित किया जाता है, "कोई कमज़ोर स्तंभ नहीं" नियम के तहत। स्मार्ट-मैन्युफैक्चरिंग कैपस्टोन प्रोजेक्ट से मिले प्रमाण बताते हैं कि सबसे उच्च तैयारी चरणों को पाठ्यक्रम के बजाय उद्योग-अंतर्निहित अनुभव द्वारा नियंत्रित किया जाता है — जो कार्य-एकीकृत सीख को व्यावसायिक AI प्रशिक्षण के लिए आवश्यक बताता है।

• प्रशिक्षक और नियोक्ता की प्राथमिकताएँ अलग होती हैं। 500 अमेरिकी प्रशिक्षकों के एक सर्वेक्षण और एक नियोक्ता पैनल ने केवल 26 AI कौशलों में से एक — AI-संवर्धित काम के लिए व्यवहार्य अपेक्षाएँ निर्धारित करना — के महत्व पर सहमति व्यक्त की, और केवल 26 में से तीन का पाठ आधे या अधिक प्रशिक्षकों द्वारा पढ़ाया गया (Fried (2026))।

• विषय-विशिष्ट व्यावसायिक विकास के प्रमाण कमज़ोर हैं। भाषा शिक्षकों के एक व्यवस्थित समीक्षा (Li et al. 2026) में केवल 23 में से तीन अध्ययनों ने संरचित व्यावसायिक विकास की सूचना दी, फिर भी जिनमें यह था वे ज्ञान, आत्मविश्वास और पहचान में लाभ पर आए — यह प्रमाण है कि संरचित, विषय-विशिष्ट प्रशिक्षण (तकनीकी कौशल को व्यावहारिक ज्ञान के साथ जोड़ना) दुर्लभ और प्रभावी दोनों है, और कि व्यावसायिक विकास को जागरूकता बढ़ाने और नैतिकता से आगे बढ़कर उपकरणों के व्यावहारिक दक्षता तक, और फिर AI-संवर्धित पाठ की सह-डिज़ाइन तक जाना चाहिए।

• शिक्षक-शिक्षकों का व्यावसायिक विकास मॉडल-निर्माण के रूप में: Eyal (2025) ने एक वर्ष-लंबा 180-घंटे का पाठ्यक्रम चलाया जिसमें 22 उच्च शिक्षा शिक्षकों ने अनुकूली AI-साक्षरता मॉडल (Adaptive Artificial-Intelligence-Literacy Model) का सह-डिज़ाइन किया, जिसमें निश्चित स्पर्धात्मकता-सीढ़ियों को तीन परस्पर-संबद्ध अक्षों (संदर्भ-अनुकूलता, व्यावसायिक ज़रूरतें, गतिशील विकास) और एक 20-वस्तु वाली चिंतनशील स्व-मूल्यांकन प्रश्नावली से बदला गया। इस डिज़ाइन की आधारधारणा है कि AI साक्षरता स्थितिजन्य है: एक संसाधन-सीमित सेटिंग में प्री-सर्विस शिक्षक, एक विषय शिक्षक और एक प्रधानाचार्य को अलग-अलग स्पर्धात्मकताओं की ज़रूरत होती है, इसलिए व्यावसायिक विकास को मानकीकृत रूब्रिक के बजाय भूमिका-विशिष्ट निर्णय को लक्षित करना चाहिए।

• प्रशिक्षण को किसे लक्षित करना चाहिए: इस क्षेत्र का मापन आधार उस तकनीक से पिछड़ा है जिसका वह वर्णन करता है। शिक्षकों के 33 AI-साक्षरता उपकरणों की एक व्यवस्थित समीक्षा में, Zainal, Mohd Matore और Maat (2026) ने पाया कि 29 (87.9%) सामान्य AI अवधारणाओं पर केंद्रित थे जबकि केवल चार (12.1%), सभी 2025 में प्रकाशित, जनरेशन AI पर केंद्रित थे। यदि उपकरण यह दर्शाते हैं कि प्रशिक्षण क्या बनाना चाहता है, तो यह वितरण शिक्षण में जनरेशन-AI स्पर्धात्मकता को सबसे कम मापी गई और सबसे अधिक आवश्यक प्रशिक्षण लक्ष्य के रूप में चिह्नित करता है।

• कार्यबल पूर्वानुमान: Fletcher et al. AI और इंजीनियरिंग/कम्प्यूटिंग कार्यबल पर अमेरिकी ग्रे साहित्य की समीक्षा करते हैं, जिसमें "दोहरी ट्रेन समस्या" (तेज़ी से बदलाव बनाम आवश्यक नीति) को रेखांकित किया गया है और सिफ़ारिश की गई है कि उच्च शिक्षा टिकाऊ AI स्पर्धात्मकताओं, नैतिकता और AI शासन, और उभरती भूमिकाओं के अनुरूप कौशल-आधारित प्रमाण-पत्रों (जैसे प्रॉम्प्ट इंजीनियरिंग, AI ऑडिटिंग, AI नीति) को प्राथमिकता दे ताकि स्वचालित अर्थव्यवस्था में मानव-केंद्रित काम बना रहे।

• कौशल-निर्वाह डिज़ाइन थ्रूपुट मेट्रिक के तहत हार जाते हैं। de Jong (2026) तर्क देते हैं कि चिंतनशील संवाद व्यावसायिक काम में AI अपनाने को चलाने वाले तेज़-निर्णय, अधिक-थ्रूपुट वादे के विरुद्ध है: एक नियंत्रित अध्ययन उस घर्षण को सह सकता है, लेकिन प्रदर्शन को गति या मात्रा से मापने वाला वातावरण नहीं सह सकता, और जहाँ प्रतिस्पर्धी समकक्ष सहायता बिना घर्षण प्रदान करते हैं, वहाँ कौशल-निर्वाह डिज़ाइन एक प्रतिस्पर्धी नुकसान बन जाते हैं — एक समस्या जिसका पेपर के अनुसार स्वीकृति संवाद-डिज़ाइन के बजाय संगठनात्मक नीति या सरकार से संबंध हो सकता है।

• कार्यस्थलीय क्षमता के लिए मौखिक मूल्यांकन। एक TVET डिज़ाइन अध्ययन पाठ-भारी मूल्यांकन और उन मौखिक, स्थितिजन्य क्षमताओं के बीच दीर्घकालिक बेमेल को संबोधित करता है जिन्हें व्यावसायिक योग्यताएँ प्रमाणित करती हैं, और इंटरैक्टिव मौखिक मूल्यांकन के समर्थन के लिए एक बड़े भाषा मॉडल (LLMs) का उपयोग करता है। चार काइलोर्ट में आवाज प्रारूप को 33 में से 21 शिक्षार्थियों ने यथार्थपरक बताया, जिसमें लिखित पोर्टफोलियो पर उसके लाभ के बारे में कोई असहमति नहीं थी, और प्रणाली एक ही लैपटॉप पर पूरी तरह ऑफ़लाइन 12 समवर्ती शिक्षार्थियों तक चली, रिकॉर्डिंग 90 दिनों बाद मिटा दी गई और स्कोरिंग मूल्यांककों के लिए छोड़ दी गई (Designing AI-Supported Oral Assessment in TVET)। यह AI द्वारा व्यावसायिक प्रशिक्षण में मूल्यांयन-योग्य स्पर्धात्मकता की सीमा का विस्तार करने का एक ठोस उदाहरण है, न कि केवल मौजूदा लिखित प्रारूपों को स्वचालित करने का। हालाँकि, इसके काइलोर्ट स्तर 3 के ऑटोमोटिव और इंजीनियरिंग कक्षाएँ थीं, इसलिए प्रमाण प्रारंभिक व्यावसायिक प्रावधान में है, न कि उस कार्यस्थलीय उन्नयन में जिसे यह पेज कवर करता है।

• संस्थागत परिस्थितियाँ, न कि राष्ट्रीय संदर्भ, तैयारी अंतराल समझाती हैं। चीनी (n = 340) और कज़ाख़ (n = 228) संकाय विकास केंद्रों के 568 विश्वविद्यालय संकायियों के एक तुलनात्मक सर्वेक्षण (Bi, Araily, Lyu और Xiu, 2026) ने पाया कि बेसलाइन पर कज़ाख़ संकाय सभी सात GenAI तैयारी आयामों में आगे थे, जिसमें सबसे बड़े अंतराल विषयगत स्थानांतरण, प्रॉम्प्ट डिज़ाइन और AI-समर्थित मूल्यांकन में थे। पदानुक्रमित प्रतिगमन ने राष्ट्रीय व्याख्या को भंग किया: मॉडल में पूर्व GenAI उपयोग और हालिया प्रशिक्षण शामिल होते ही देश अंतर तेज़ी से गिरा और महत्वहीन हो गया — 80% की कमी — एक बार जब संस्थागत सहायता, प्रयोग की अनुमति का बोध, बहुभाषी संसाधन पहुँच, नीति स्पष्टता और जोखिम संवेदनशीलता जोड़ी गई। एक्सपोज़र असमान रूप से वितरित थी (कज़ाख़ संकायियों के एक स्पष्ट बहुमत ने पिछले छह महीनों में AI प्रशिक्षण लिया था, जबकि चीनी संकायियों में लगभग एक चौथाई), और चीनी संकायियों ने अधिक नीति स्पष्टता और अधिक जोखिम संवेदनशीलता दोनों की सूचना दी। संरचित प्रॉम्प्ट-कार्य प्रशिक्षण ने पोस्ट-टेस्ट प्रॉम्प्ट डिज़ाइन पर पारंपरिक GenAI परिचितता को व्यापक अंतर से पछाड़ा। इस प्रमाण पर संकाय तैयारी प्रावधान और अनुमति से बनती है — जो एक केंद्र प्रदान करता है और जो वह अनुमति देता है — न कि उस राष्ट्रीय प्रणाली से जिसमें वह स्थित है।

• संक्षिप्त प्रशिक्षण निर्णयों को बदलता है, इरादों को नहीं। 100 जर्मन शिक्षकों के साथ एक तीन-घंटे के प्री-पोस्ट पायलट (Mesenhöller और Böhme, 2026) में पाया गया कि अंतरभेदन के लिए AI पर एक संक्षिप्त अभ्यास-उन्मुख सत्र के बाद काल्पनिक उपयोगिता (d = .32) और काल्पनिक उपयोग में सहजता (d = .25) उल्लेखनीय रूप से बढ़ी, जबकि व्यवहारगत इरादा पहले से उच्च बेसलाइन (M = 3.07) से नहीं बदला। लेखक इस अंतराल को इस संकेत के रूप में पढ़ते हैं कि स्वीकृति उन परिस्थितियों पर निर्भर करती है जो एक सत्र प्रदान नहीं कर सकता, जैसे समय, बुनियादी ढाँचा और स्पष्ट संस्थागत नियम। संक्षिप्त प्रारूप चलाने योग्य हैं, लेकिन अनुकूल निर्णय को उपयोग में बदलने के लिए उन्हें उन परिस्थितियों के साथ जोड़ना ज़रूरी है।

• प्रारंभिक प्रशिक्षण के लिए निरंतर निगरानी, न कि एकमुश्त कार्यशालाएँ। प्राथमिक गणित में प्रारंभिक शिक्षक प्रशिक्षण में AI के 11 अध्ययनों की एक व्यवस्थित समीक्षा (Pinto et al., 2026) में पाया गया कि नौ हस्तक्षेप मौजूदा पाठ्यक्रमों में एक या कुछ सत्र थे, कि दृष्टिकोण आमतौर पर बाद में एक बार नमूने लिए गए, और कि नैतिकता केवल तीन अध्ययनों में दिखाई दी। लेखक तर्क देते हैं कि AI स्पर्धात्मकता को पूरी प्रशिक्षण अनुक्रम में विकसित होना चाहिए, एक तैयारी चरण से शुरू होकर प्रैक्टिकम और अभ्यास के प्रारंभिक वर्षों तक, उस प्रगति का अनुसरण करने वाली निगरानी के साथ।

• जनसांख्यिकीय नहीं, एक्सपोज़र और पुनरावृत्ति अनुकूल धारणाओं को दर्शाती है। 302 तुर्की प्राथमिक गणित शिक्षकों के एक मिश्रित-तरीक़े अध्ययन (Ciğerci और Uygun, 2026) में, पूर्व AI प्रशिक्षण (t = 3.661) और AI उपयोग की आवृत्ति (F = 41.280) वे चर थे जो सकारात्मक दृष्टिकोणों से सबसे निरंतर रूप से संबद्ध थे, जबकि इच्छाशक्ति (M = 3.98) और दृष्टिकोण (M = 3.82) व्यक्तिगत अनुभव (M = 3.00) से कहीं ऊँचे थे। लेखक पूर्व प्रशिक्षण को सबसे स्पष्ट लीवर मानते हैं जिस पर स्कूल कार्य कर सकते हैं, जो एक ही परिचय के बजाय बार-बार, निरंतर उपयोग की ओर संकेत करता है।

• भूमिका रोटेशन लोड-वाहक संरचना के रूप में। कज़ाख़स्तान के 62 प्री-सर्विस शिक्षाशास्त्रीय मनोविज्ञानियों के एक डिज़ाइन-आधारित अध्ययन (Kenzhebayeva et al., 2026) ने आठ हफ़्तों में छात्रों को चार व्यावसायिक पदों पर घुमाया, जिसमें जनरेशन AI ने प्रारंभिक विचार प्रदान किए। लेखक तर्क देते हैं कि मूल्य रोटेशन में थी, उपकरण में नहीं, क्योंकि प्रत्येक भूमिका ने उसी मामले को अलग ढंग से रखा, और बाद के चक्रों में सैद्धांतिक औचित्य के अनुरोध अधिक दिखे। वे स्कोर-पूर्व और स्कोर-पश्चात स्पर्धात्मकता उपायों का संग्रह न करने के कारण मापे गए लाभ के बजाय सहभागिता की सूचना देते हैं।

शैक्षणिक शिक्षा से भिन्न

पेशेवर प्रशिक्षण अनुप्रयुक्त कौशल, तत्काल कार्यस्थल प्रासंगिकता और वयस्क शिक्षार्थी विशेषताओं पर ध्यान केंद्रित करने में शैक्षणिक शिक्षा से भिन्न है। वयस्क शिक्षार्थी सिद्धांत और वयस्क शिक्षार्थी सिद्धांत पेशेवर AI प्रशिक्षण डिज़ाइन को सूचित करते हैं। इसकी दूसरी सीमा व्यावसायिक शिक्षा और प्रशिक्षण है: VET उन लोगों को स्वीकार करता है जो अभी तक व्यवसाय रखते नहीं हैं और एक व्यापार या तकनीकी योग्यता के साथ समाप्त होता है, इसलिए इसमें प्रारंभिक व्यावसायिक तैयारी और उसे प्रमाणित करने वाले योग्यता ढाँचे होते हैं, जबकि पेशेवर प्रशिक्षण एक मौजूदा भूमिका से शुरू होता है — पुनर्कौशल, निरंतर व्यावसायिक शिक्षा या विक्रेता प्रमाणन — और VET द्वारा प्रदान की गई स्पर्धात्मकता को मानता है।

विशेषज्ञता का पुनर्जन्म एक प्रशिक्षण चिंता के रूप में। कॉग्निटिव कॉमन्स ढाँचा (Lovett 2026) तर्क देता है कि HRD को संगठनात्मक पुनर्कौशल से आगे बढ़कर व्यवसाय-स्तर के संरक्षण तक जाना चाहिए: AI-उजागर क्षेत्रों में प्रवेश-स्तर के विकासात्मक पदों को समाप्त करना उस साझा विशेषज्ञता पूल को कम कर सकता है जिस पर सभी संगठन निर्भर हैं, जिसका प्रभाव 5–20 वर्ष बाद ही दिखाई देता है। यह पेशेवर प्रशिक्षण को व्यक्तिगत स्पर्धात्मकता विकास से सामूहिक कॉमन्स के रखरखाव में बदलता है। AI उत्पादन को सत्यापन के साथ जोड़ें, और बाहरी उपाय खोजें। Nguyen et al. (2026) ने पाँच-चरणीय उन्नयन पाइपलाइन में मसौदा तैयार करने और वितरण के बीच स्वचालित हलुसिनेशन जाँच और एक SME ऑडिट रखा, और ढाँचे के सबसे मज़बूत दावों को स्व-परिभाषित सफलता उपायों के बजाय NASBA CPE प्रत्यायन और एक विक्रेता प्रमाणन परीक्षा पर आधारित किया।

संबंधित अवधारणाएँ

• आजीवन शिक्षा
• वयस्क शिक्षार्थी
• व्यावसायिक शिक्षा और प्रशिक्षण
• शैक्षिक विकास
• AI साक्षरता
• सिमुलेशन
• उच्च शिक्षा
• जनरेटिव-AI
• बड़े भाषा मॉडल (LLMs)
• अनुकूली अधिगम
• व्यक्तिगत शिक्षा
• वर्चुअल और ऑगमेंटेड रियलिटी (VR/AR) — जहाँ immersive अभ्यास सबसे अधिक स्थापित है

संबंधित लेख

• Artificial Intelligence (AI) and the Future of the Engineering and Computing Workforce: A Systematic Review of Gray Literature and Document Analysis of U.S. Reports (2020–2025) — AI और इंजीनियरिंग एवं कम्प्यूटिंग कार्यबल का भविष्य
• A Conceptual Framework for Enhancing Workforce Readiness for Smart Manufacturing in the AI Era — AI युग में स्मार्ट मैन्युफैक्चरिंग के लिए कार्यबल तैयारी स्तर ढाँचा
• AI-accelerated End-to-End Framework for Rapid Professional Upskilling
• AI Coaching for Accelerating Human Skill Development with Reinforcement Learning
• The Empirically Grounded Adaptive Virtual Patient for Psychotherapy Training: Disclosure That Responds to Therapist
• ASTRA: A Scalable Next-Generation ATCO Training Simulator with Autonomous Simpilots
• The Main Barrier to AI Adoption in the Public Sector is Lack of Training
• AI skills for college graduates: Exploring how instructors and employers prioritize AI skills differently — HiBob AI कौशल ढाँचा, प्रशिक्षकों और नियोक्ताओं के साथ प्रमाणित
• The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise — संज्ञानात्मक कॉमन्स का दुःख: AI और विशेषज्ञता का पुनर्जन्म
• A Systematic Review of Language Educators' Practices and Development with GenAI — भाषा शिक्षकों की प्रथाएँ और GenAI के साथ विकास
• Integrating ChatGPT in Mathematics Teacher Education: AI-Based Simulation Role-Playing to Support Practice-based Teaching
• Research on the optimization of the training system of university faculty development centers in the context of GenAI: a comparative analysis based on Chinese and Kazakhstani universities — तुलनात्मक सर्वेक्षण जो दिखाता है कि संकाय GenAI तैयारी अंतराल को संस्थागत परिस्थितियाँ समझाती हैं, राष्ट्रीय संदर्भ नहीं (Bi et al. 2026)
• Rethinking artificial-intelligence literacy through the lens of teacher educators: The adaptive AI model — शिक्षकों का एक अनुकूली AI साक्षरता मॉडल और एक चिंतनशील प्रश्नावली का सह-डिज़ाइन (Eyal 2025)
• Assessing teachers' AI literacy: a systematic review of measurement tools — समीक्षा जो दिखाती है कि शिक्षक AI साक्षरता उपकरण जनरेशन AI से पिछड़े हैं, प्रशिक्षण लक्ष्य को चिह्नित करते हुए (Zainal et al. 2026)
• Empowering teachers to use AI for differentiation: changes in teachers’ acceptance of AI-based technologies following participation in a short professional development training session — तीन-घंटे का व्यावसायिक विकास ने जर्मन शिक्षकों की काल्पनिक उपयोगिता और उपयोग में सहजता बढ़ाई, लेकिन अंतरभेदन के लिए AI उपयोग के इरादे नहीं
• Artificial intelligence in initial teacher training for pre-service primary school teachers in mathematics: a systematic review — प्राथमिक गणित में प्रारंभिक शिक्षक प्रशिक्षण में AI की समीक्षा: संक्षिप्त उपकरण-केंद्रित प्रशिक्षण पर्याप्त नहीं
• Evaluation of primary school teachers’ use and perceptions of artificial intelligence in primary school mathematics instruction: a mixed-methods study — सर्वेक्षण जो तुर्की प्राथमिक शिक्षकों की सकारात्मक धारणाओं को पूर्व AI प्रशिक्षण और उपयोग की आवृत्ति से जोड़ता है
• Designing an AI-integrated role-rotation pedagogical model to support competence-related learning in pre-service educational psychologists — AI-समर्थित व्यावसायिक तैयारी के लिए संरचनात्मक तंत्र के रूप में भूमिका रोटेशन
• Open Questions Towards Skill-Sustaining Reliance in Reflective AI Engagement — चिंतनशील AI सहभागिता में कौशल-निर्वाह निर्भरता की ओर खुले प्रश्न