रिमोट प्रॉक्टरिंग

इस पृष्ठ पर

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

रिमोट प्रॉक्टरिंग — उन परीक्षाओं की निगरानी जब छात्र उन्हें किसी निगरानी वाले भौतिक स्थान से दूर देते हैं; इसकी सीमा वेबकैम या नियंत्रण केंद्र से देखने वाले मानव प्रॉक्टर से लेकर पूर्णतः स्वचालित एआई-आधारित प्रॉक्टरिंग प्रणालियों (AIPS) तक है जो पहचान सत्यापित करने और संदिग्ध व्यवहार को चिह्नित करने के लिए मशीन/डीप लर्निंग का उपयोग करती हैं। यह समापक मूल्यांकन वैधता और शैक्षणिक सत्यनिष्ठा को बनाए रखने का प्रमुख साधन है ऑनलाइन और दूरस्थ शिक्षा में, जहाँ व्यक्तिगत रूप से निगरानी अक्सर असंभव होती है — लेकिन यह निजता, शैक्षणिक निगरानी, समानता, निष्पक्षता और भरोसा के क्षरण को लेकर गंभीर चिंताएँ उठाता है, जिन लागतें स्वयं उसी शिक्षा वातावरण को नुकसान पहुँचा सकती हैं जिसे यह बचाने के लिए बनाई गई है।

विचार करने योग्य प्रश्न

पढ़ने से पहले, जब आप 'ऑनलाइन परीक्षाओं में शैक्षणिक सत्यनिष्ठा' की कल्पना करते हैं, तो इसे बनाए रखने के बारे में आपका पहला प्रवृत्ति क्या है — और क्या वह प्रवृत्ति धोखेबाजों को पकड़ने के बारे में है या विश्वास बनाने के बारे में? यह पेज तर्क देता है कि ये दो बिल्कुल अलग दर्शनों को दर्शाते हैं।
रिमोट प्रॉक्टरिंग वेबकैम से देखने वाले मानव से लेकर आँखों की गति, सिर की मुद्रा और चेहरे के भावों का विश्लेषण करने वाली एआई प्रणालियों तक फैली है। जब कोई एआई प्रणाली 'संदिग्ध व्यवहार' को चिह्नित करती है तो वह वास्तव में क्या देखती है, और स्क्रीन से दूर देखना धोखे के बराबर है — इसमें आप कितने विश्वस्त हैं?
पेज चेतावनी देता है कि निगरानी उल्टा असर कर सकती है: निगरानी में रहने से परीक्षा चिंता बढ़ती है, और तनावग्रस्त छात्र धोखेबाजी करने की संभावना अधिक रखते हैं। क्या आप किसी ऐसे समय के बारे में सोच सकते हैं जब दबाव या निगरानी ने आपके प्रदर्शन को प्रभावित किया? क्या वह अनुभव प्रॉक्टरिंग के पक्ष में तर्क को कमज़ोर करता है?
स्वचालित प्रॉक्टरिंग छात्रों के रहने के स्थान, चेहरे और आवाज़ को रिकॉर्ड करती है, अक्सर सहमति देने के अलावा छात्रों के पास वास्तविक कोई विकल्प नहीं होता। उचित परीक्षा निगरानी और उस निगरानी के बीच रेखा कहाँ है जो छात्रों को साबित होने तक दोषी मानती है — और उसे किसे खींचना चाहिए?
शोध बताते हैं कि प्रॉक्टरिंग निर्दोष व्यवहार को संदिग्ध बता सकती है, जिससे झूठे आरोप उत्पन्न होते हैं, और मॉडल की सटीकता विभिन्न जनसांख्यिकीय और पर्यावरणीय स्थितियों में भिन्न होती है। यदि आप प्रशासक हैं, तो आप उस सत्यनिष्ठा को जो यह बहाल करती है, और उस समानता और विश्वास को जो यह क्षति पहुँचा सकती है, इन्हें कैसे तौलेंगे?
पेज प्रॉक्टरिंग को एक उपकरण के रूप में प्रस्तुत करता है, समाधान के रूप में नहीं — मौखिक और प्रक्रिया-आधारित मूल्यांकन जैसे विकल्प मौजूद हैं। पढ़ने से पहले, दूरस्थ संदर्भ में उच्च-दांव वाले मूल्यांकन के लिए आप किस दृष्टिकोण का समर्थन करेंगे, और कौन-सा प्रमाण आपका विचार बदल देगा?

परिचय

रिमोट प्रॉक्टरिंग एक स्पेक्ट्रम पर मौजूद है। ऑनलाइन प्रॉक्टरिंग में आमतौर पर एक मानव प्रॉक्टर वेबकैम या नियंत्रण केंद्र से छात्र की निगरानी करता है। स्वचालित/एआई-आधारित प्रॉक्टरिंग (AIPS) मानव को मशीन लर्निंग और डीप-लर्निंग प्रणालियों (CNN, RNN, LSTM) से बदलता या पूरक बनाता है जो संदिग्ध व्यवहार को वास्तविक समय में पहचानने के लिए दृश्य संकेतों — आँखों की गति, सिर की मुद्रा, चेहरे के भाव और शारीरिक भाषा — का विश्लेषण करती हैं। सामान्य प्लेटफ़ॉर्म में ProctorU और Kryterion शामिल हैं। AIPS आमतौर पर चार कार्यों को जोड़ता है: (1) पहचान प्रमाणीकरण (जैसे, कैमरे से चेहरा सत्यापन), (2) ब्राउज़िंग प्रतिबंध, (3) परीक्षा का दूरस्थ प्राधिकरण/नियंत्रण, और (4) रिकॉर्ड किए गए सत्रों से रिपोर्ट निर्माण।

लाभ और अवसर

ऑनलाइन मूल्यांकन में वैधता और सत्यनिष्ठा की पुनर्प्राप्ति। रिमोट प्रॉक्टरिंग एक वास्तविक वैधता समस्या का उत्तर देता है। ऑनलाइन मूल्यांकन में, जनरेटिव एआई बिना प्रॉक्टरिंग वाले कार्य को शिक्षा के मापक रूप में अविश्वसनीय बना देती है: बिना सहायता के किए गए, प्रॉक्टर्ड, बंद-पुस्तक उपाय यह सबसे मज़बूत संकेत हैं कि छात्र वास्तव में क्या जानते हैं (देखें समापक मूल्यांकन, प्रॉक्टर्ड प्रतिधारण प्रमाण)। किसी भी रूप की निगरानी के बिना, ऑनलाइन परीक्षाएँ एआई-सहायित प्रदर्शन को स्वतंत्र प्रदर्शन के रूप में दर्ज करके अंकों को बढ़ा-चढ़ाकर प्रस्तुत कर सकती हैं।
स्केलेबिलिटी और लागत। स्वचालित प्रॉक्टरिंग समर्पित भौतिक स्थानों और मानव निरीक्षकों की आवश्यकता को घटाती है, जिससे बड़े पैमाने पर निगरानी संभव होती है — यह MOOC और बड़े ऑनलाइन कार्यक्रमों के लिए एक लाभ है जहाँ पारंपरिक प्रॉक्टरिंग लॉजिस्टिक और आर्थिक रूप से अव्यावहारिक है।
सुगम्यता और पहुँच। प्रॉक्टरिंग दूरस्थ स्थानों के छात्रों को कहीं से भी परीक्षा देने की अनुमति देती है, जिससे प्रमाणन में भौगोलिक और समय-निर्धारण की बाधाएँ समाप्त होती हैं।
पहचान क्षमता। उन्नत ML/DL प्रणालियाँ मैनुअल निगरानी की तुलना में अधिक विश्वसनीय रूप से धोखेबाज़ी (आँखों की गति, सिर की मुद्रा, चेहरे के भाव) का पता लगा सकती हैं, और बीच-बीच में देखने के बजाय निरंतर निगरानी कर सकती हैं।

हानि, जोखिम और नुकसान

विश्वास और छात्र-प्रशिक्षक संबंध को नुकसान। रिमोट प्रॉक्टरिंग की सबसे महत्वपूर्ण लागत अक्सर संबंधगत होती है। निरंतर निगरानी यह संदेश देती है कि छात्रों को बेईमान माना जा रहा है, जो भरोसा को क्षति पहुँचा सकती है, छात्र-प्रशिक्षक संबंध को क्षीण कर सकती है, और साझा उद्देश्य की भावना को कमज़ोर कर सकती है जो शैक्षणिक सत्यनिष्ठा को सहारा देती है। प्रवर्तन के रूप में निगरानी सत्यनिष्ठा के उस विश्वास-आधारित, शिक्षाप्रद दृष्टिकोण को दबा सकती है जो उत्तरदायी उपयोग का निर्माण करती है।
शैक्षणिक निगरानी। रिमोट प्रॉक्टरिंग शैक्षणिक निगरानी का एक रूप है जो संस्थागत निगरानी को छात्र के निजी घरेलू वातावरण तक बढ़ाती है। परीक्षा से परे, ये प्रणालियाँ छात्र के रहने के स्थान, चेहरे, आवाज़ और व्यवहार को निरंतर रिकॉर्ड करती हैं — उच्च शिक्षा में इस स्तरी की जाँच के कुछ ही उदाहरण हैं। आलोचकों का तर्क है कि यह एक निगरानी संस्कृति को सामान्य बनाती है जिसमें छात्रों को साबित होने तक दोषी माना जाता है, संस्थाओं और शिक्षार्थियों के बीच संबंध को नए सिरे से आकार देती है, और आनुपातिकता के प्रश्न उठाती है: क्या कुछ लोगों के कुकर्मों के लिए हर छात्र को व्यापक निगरानी में डालना, उससे प्राप्त सत्यनिष्ठा लाभ से उचित है।(निजता), भरोसा
गोपनीयता और सहमति। AIPS निरंतर चेहरे की छवियों, आवाज़ के पैटर्न, दृष्टि और कीस्ट्रोक गतिशीलता तक पहुँचती हैं, अक्सर लगातार ऑडियो-विज़ुअल निगरानी के माध्यम से। डेटा प्रबंधन को GDPR और भारत के PDP विधेयक जैसे ढाँचों का अनुपालन करना चाहिए, और स्पष्ट सहमति तथा सुरक्षित बायोमेट्रिक-डेटा प्रबंधन की आवश्यकता होती है। छात्रों के पास अक्सर परीक्षा देने के लिए निगरानी स्वीकार करने के अलावा कोई विकल्प नहीं होता, जिससे यह प्रश्न उठता है कि सहमति वास्तव में स्वैच्छिक है या नहीं।(निजता)
झूठे सकारात्मक संकेत, झूठे आरोप और चिंता। प्रणालियाँ निर्दोष व्यवहार (दूर देखना, मुद्रा बदलना) को संदिग्ध बना सकती हैं, जिससे छात्रों का विश्वास क्षीण होता है और झूठे अनुचित आरोप उत्पन्न होते हैं — विशेष रूप से जहाँ प्रॉक्टर या परीक्षार्थियों में दक्षता की कमी होती है।
तनाव और परीक्षा चिंता। प्रॉक्टर्ड परीक्षा देना स्वयं महत्वपूर्ण तनाव और चिंता का स्रोत है। निरंतर निगरानी, झूठे ढंग से चिह्नित होने का भय, और देखे जाने का दबाव परीक्षा चिंता बढ़ा सकता है और प्रदर्शन को नुकसान पहुँचा सकता है — और, प्रमाणों के अनुसार, तनावग्रस्त छात्र बेईमानी की ओर जाने की संभावना अधिक रखते हैं, अर्थात् निगरानी उल्टा असर कर सकती है। निगरानी में रहना तनावपूर्ण है और यह स्वयं वही अनैतिक व्यवहार उत्पन्न कर सकती है जिसे रोकने का लक्ष्य है।
सत्यनिष्ठा का औचित्य सबसे बड़ी कसौटी पर टिका नहीं। चार चरणों और 105 पाठ्यक्रमों में 1,760 छात्रों के साथ, प्रॉक्टरिंग ने परीक्षा चिंता बढ़ाई (β = 0.60, p < 0.001) लेकिन धोखेबाज़ी के लालच, अनुभवी कठिनाई या अंकों पर कोई प्रभाव नहीं डाला, इसलिए निगरानी की लागत प्रतिरोध के द्वारा संतुलित नहीं हुई (Conijn et al. (2022))।
समानता और डिजिटल विभाजन। डिवाइस निर्भरता, अस्थिर इंटरनेट, रोशनी और हार्डवेयर की विविधता ग्रामीण और कम-बैंडविड्थ वाले छात्रों को असंगत रूप से नुकसान पहुँचाती है; मॉडल की सटीकता विभिन्न जनसांख्यिकीय और पर्यावरणीय स्थितियों में भिन्न हो सकती है, जिससे अनुचित चिह्नित करने का जोखिम पैदा होता है।(डिजिटल विभाजन), समानता नर्सिंग मूल्यांकन में प्रॉक्टरिंग की एक स्कोपिंग समीक्षा से पता चलता है कि यह कोई विशिष्ट मामला नहीं है: इसके छह सम्मिलित अध्ययनों में से चार ने इंटरनेट संपर्क की समस्याएँ रिपोर्ट कीं, एक ने सीमित डेटा बंडल के साथ-साथ लोड शेडिंग की सूचना दी, और डिवाइस असंगति, ब्राउज़र-एक्सटेंशन की खराबी और असफल पर्यावरणीय स्कैन नियमित रूप से हुए — इसलिए यह तय करता है कि किसे मूल्यांकित किया जा सकता है, वह केवल मॉडल पूर्वाग्रह नहीं, बल्कि अवसंरचनात्मक असमानता है।(Under surveillance: Mapping remote proctoring practices in the assessment of nursing students — a scoping review)
पहचान में अंतराल और हथियारों की होड़। पहचान की नकल (फोटो/वीडियो मास्किंग), ब्राउज़र का उपयोग और कॉपी-पेस्ट को विश्वसनीय रूप से पकड़ना कठिन रहता है; पहचान सटीकता डेटासेट की सीमाओं, एकल-मॉडल मूल्यांकन और पुनरुत्पादकता की कमियों से सीमित है। प्रॉक्टरिंग सत्यनिष्ठा को पूरी तरह हल नहीं करती, और झूठी सुरक्षा की भावना पैदा कर सकती है।
शासन का प्रश्न। कि निगरानी सही प्रतिक्रिया है या मूल्यांकन पुनर्रचना (मौखिक, प्रक्रिया-आधारित, पोर्टफोलियो) — यह संस्थागत निर्णय है; रिमोट प्रॉक्टरिंग एक उपकरण है, पूर्ण समाधान नहीं।(AI शासन) जब प्रवर्तन गलत होता है तो जो जोखिम उत्पन्न होता है — अंकों और इवेंट लॉग पर टिके आरोप, कैप्चर किए गए डेटा का प्रतिधारण और आगे की प्रक्रिया, और ऐसे नियम जो दिव्यांग या गैर-मूल भाषी छात्रों पर असमान रूप से पड़ते हैं — उसका नक्शा कानूनी मुद्दे और जोखिम पर दिया गया है।

प्रमाण आधार

80 सहकर्मी-समीक्षित अध्ययनों (2014–2024) की एक दशक-लंबी व्यवस्थित समीक्षा बताती है कि उन्नत ML/DL प्रॉक्टरिंग पारंपरिक तरीकों की तुलना में अधिक विश्वसनीय रूप से धोखेबाज़ी का पता लगाती है, लेकिन यह डेटासेट की कमियों (35% ने डेटा पूरी तरह प्रकट नहीं किया), एकल-मॉडल मूल्यांकन (40%), पुनरुत्पादकता की समस्याओं (30%), विरल नैतिक रिपोर्टिंग (केवल 25%) और असंगत मेट्रिक्स (20%) से सीमित है। झूठे सकारात्मक/नकारात्मक संकेत — सामान्य व्यवहार को संदिग्ध बताना या सूक्ष्म धोखेबाज़ी को चूकना — विश्वसनीयता और विश्वास को कमज़ोर करते हैं।(Ensuring Academic Integrity through Automated Online Exam Proctoring: A Decade-Long Systematic Review)
एक सहायक समीक्षा उन धोखेबाज़ी के तरीकों को दर्ज करती है जिनका एआई को सामना करना है (फोटो/वीडियो से पहचान की नकल, ब्राउज़र/डिवाइस का उपयोग, कॉपी-पेस्ट) और व्यावहारिक बाधाओं को: परीक्षार्थी की चिंता, झूठे आरोप उत्पन्न करने वाली दक्षता की कमियाँ, और वह अवसंरचना (वेबकैम, माइक्रोफोन, इंटरनेट) जो सार्वभौमिक रूप से सुलभ या उपलब्ध नहीं है। यह बताती है कि ~37.8% कॉलेज और ~41.8% उच्च विद्यालय के छात्र धोखेबाज़ी स्वीकार करते हैं — यह निगरानी की प्रेरणा है।(A Comprehensive Review of the Changing Landscape of Academic Dishonesty in Automated Proctoring in the Era of Artificial Intelligence)
प्रशिक्षक कक्षा के बाहर दी गई प्रॉक्टर्ड परीक्षाओं से कोई लाभ नहीं देखते। Chan et al. (2026) ने एक जीव विज्ञान विभाग में 56 प्रशिक्षकों (47% प्रतिक्रिया दर) से सर्वेक्षण किया, जबकि उनकी सभी 38 अनिवार्य पाठ्यक्रमों के पाठ्यक्रमों को कोड किया गया था, और उनसे हर ग्रेडेड श्रेणी को शैक्षणिक बेईमानी के प्रति संवेदनशीलता दर्ज करने को कहा (0 = न्यूनतम से 4 = अत्यधिक संवेदनशील)। कक्षा के बाहर की प्रॉक्टर्ड और बिना प्रॉक्टरिंग वाली परीक्षाएँ समान रूप से मध्यिका 3 (मध्यम संवेदनशीलता) पर दर्ज की गईं, जबकि व्यक्तिगत रूप से प्रॉक्टर्ड परीक्षाएँ एकमात्र श्रेणी थीं जिन्हें न्यूनतम संवेदनशीलता (मध्यिका 0) पर रेट किया गया और हर अन्य श्रेणी से काफी कम संवेदनशीलता थीं (p_adj < .01)। चूँकि कक्षा के बाहर की परीक्षाओं के लिए लॉकडाउन ब्राउज़र उपलब्ध थे, यह परिणाम यह धारणा है कि उपकरणों ने जोखिम कम नहीं किया — यह ऊपर की समीक्षा प्रमाणों के अनुरूप है कि ऑनलाइन प्रॉक्टरिंग केवल असमान रूप से प्रभावी है, और उन दर्ज चिंता, गोपनीयता और झूठे-आरोप लागतों के अनुरूप है जो इस व्यापार-विनिमय को विवादास्पद बनाती हैं। इसी अध्ययन के अंक-लेखांकन में दांव स्पष्ट हैं: कक्षा के बाहर की परीक्षाओं ने उन व्यक्तिगत पाठ्यक्रमों में औसतन 54.2% और ऑनलाइन पाठ्यक्रमों में 59.2% अंक का वहन किया, जहाँ हर प्रस्चन उन पर निर्भर था।
नर्सिंग छात्र मूल्यांकन में रिमोट प्रॉक्टरिंग की एक स्कोपिंग समीक्षा एक ही अभ्यास के बजाय विधियों की एक सीमा का नक्शा बनाती है — सजीव मानव निगरानी (ProctorU), वेबकैम, माइक्रोफोन और व्यवहार चिह्नित करने वाली एआई ब्राउज़र-एक्सटेंशन प्रॉक्टरिंग (Honorlock), वेबकैम-सहित-लॉकडाउन-ब्राउज़र निगरानी (Respondus Monitor), एक संस्थागत रूप से तैनात मोबाइल निगरानी ऐप, और केंद्रीय निगरानी में स्थिर परीक्षा-केंद्र डेस्कटॉप — और तर्क देती है कि यह विविधता किसी साझा मानक के बजाय अवसंरचना और संस्थागत क्षमता में असमानताओं को दर्शाती है। इसके समावेश मानदंडों को पूरा करने वाले केवल छह अध्ययन थे (USA, UK, दक्षिणी अफ्रीका और मिस्र में 1,567 नर्सिंग छात्र), और उनमें से कोई भी 2021 से पहले प्रकाशित नहीं हुआ था। जो यह समीक्षा स्थापित करती है वह यह है कि निगरानी प्रतिरोध की धारणाएँ और शिक्षकों पर भारी समीक्षा बोझ उत्पन्न करती है: वेबकैम निगरानी और लॉकडाउन ब्राउज़रों के धोखेबाज़ी रोकने वाले होने पर 98–100% सहमति एक स्नातक नर्स प्रैक्टिशनर कार्यक्रम की स्व-रिपोर्ट है, उच्च-जोखिम एआई अलर्ट दुर्लभ थे और 5% से अधिक नहीं, फिर भी बार-बार आने वाले छोटे अलर्टों ने झूठे सकारात्मक संकेत उत्पन्न किए जिनकी समीक्षा समय-गहन थी, और दक्षिण अफ्रीकी व्याख्याताओं ने सक्रिय निगरानी में भी निरंतर बेईमानी की सूचना दी। एक तुलनात्मक प्रदर्शन अध्ययन उलटी दिशा में है — एक व्यक्तिगत प्रॉक्टर्ड कोहोर्ट ने ProctorU कोहोर्ट की तुलना में HESI Exit Exam और NCLEX तैयारी में काफी अधिक अंक प्राप्त किए — और समीक्षा निगरानी और अधिक ईमानदार सीख के बीच संबंध को एक खुला प्रश्न मानती है, न कि स्थापित लाभ।(Under surveillance: Mapping remote proctoring practices in the assessment of nursing students — a scoping review)
एक प्रॉक्टर्ड, आमने-सामने की परीक्षा में भी 44.2% उच्च-जोखिम छात्र बने। एक तुर्की सार्वजनिक विश्वविद्यालय के एक प्रोग्रामिंग का परिचय पाठ्यक्रम में, 52 प्रथम-वर्ष के छात्रों में से 23 को परीक्षा लॉग से उच्च-जोखिम के रूप में लेबल किया गया जिनमें कॉपी, फोकस-हानि और राइट-क्लिक इवेंट दर्ज थे, हालाँकि परीक्षा प्रॉक्टर्ड थी और एक कंप्यूटर प्रयोगशाला में दी गई थी; वही अध्ययन भविष्यवाणी करता है कि जोखिम परीक्षा-दौरान के व्यवहार के बजाय सेमेस्टर की शुरुआत के LMS ट्रेस से आता है।(Early Prediction of AI-Assisted Cheating Risk in Online Exams Through Learning Analytics)

सुझाई गई दिशाएँ

संयुक्त मानव-एआई निरीक्षण। स्वचालित चिह्नित करने को मानव समीक्षा के साथ जोड़ें ताकि झूठे सकारात्मक संकेत कम हों और निर्णय संदर्भगत रहे।
गोपनीयता-संरक्षण वाली संरचना। एज प्रोसेसिंग, अनामीकरण और डिवाइस-पर-प्रबंधन निरंतर डेटा कैप्चर की घुसपैठ को घटाते हैं।
समानता-जागरूक तैनाती। विविध, भौगोलिक रूप से समावेशी डेटासेट और कम-संसाधन वाले वातावरण के लिए हल्के मॉडल; विश्वसनीय डिवाइस/संपर्क न रखने वाले छात्रों के लिए सुगम विकल्प।
निगरानी से पहले शिक्षित करें। संस्कृति और विश्वास-निर्माण के माध्यम से AI साक्षरता और उत्तरदायी उपयोग को बढ़ावा देना वरीयता दें, और प्रॉक्टरिंग को उन उच्च-दांव वाले मामलों के लिए सुरक्षित रखें जिन्हें वास्तव में इसकी आवश्यकता है।

मेटाडेटा

स्तर	Higher Ed
अधिगम और शिक्षण	ऑनलाइन शिक्षण और अधिगम
मूल्यांकन और मापन	प्रोसेस-ओरिएंटेड असेसमेंट, रिमोट प्रॉक्टरिंग, समापक मूल्यांकन
समानता, नैतिकता और जिम्मेदार उपयोग	समानता, निजता
शिक्षा में AI की नींव	शैक्षणिक इमानदारी

Source History Edit Chat