स्वनिर्धारण सिद्धांत

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

स्वनिर्धारण सिद्धांत (Self-Determination Theory, SDT) — मानव प्रेरणा का एक मनोवैज्ञानिक सिद्धांत, जो यह कहता है कि आंतरिक प्रेरणा और कल्याण तीन बुनियादी मनोवैज्ञानिक आवश्यकताओं की पूर्ति पर निर्भर करते हैं: स्वायत्तता (autonomy), सक्षमता (competence), और संबद्धता (relatedness)। शिक्षा में AI में, SDT एक ढांचा प्रदान करता है जिससे ऐसे AI उपकरण और पेशेवर विकास तैयार किए जा सकें जो शिक्षार्थियों और शिक्षकों की प्रेरणा का समर्थन करें, न कि उसे कमज़ोर करें।

प्रश्न जिन्हें सोचना चाहिए

• सिद्धांत का दावा है कि प्रेरणा केवल यह नहीं है कि आपके पास उसकी कितनी मात्रा है, बल्कि यह एक गुणवत्ता है जो पर्यावरण द्वारा आकारित होती है, और यह तीन आवश्यकताओं पर टिकी है: स्वायत्तता, सक्षमता, और संबद्धता। किसी ऐसे अधिगम अनुभव के बारे में सोचें जिसने आपको थका दिया। इन तीन में से कौन-सी आवश्यकता का उल्लंघन हुआ था, और क्या उसे बहाल करता?
• एक वर्ष-लंबे अध्ययन में तीन प्रेरणा प्रोफ़ाइल मिले — असंलग्न (Disengaged), विकासशील (Developing), स्वनिर्धारित (Self-Determined) — जो समय के साथ स्थिर रहे, और जिन शिक्षार्थियों ने स्वनिर्धारित प्रोफ़ाइल प्राप्त की उनमें AI-साक्षरता में सबसे बड़ी वृद्धि दिखी। पढ़ने से पहले सोचें: क्या प्रेरणा वह चीज़ है जो शिक्षार्थी अपने साथ लाते हैं, या वह जिसे एक अच्छी तरह से डिज़ाइन किया गया पर्यावरण बढ़ा सकता है? 'विकासशील, स्थिर नहीं' का क्या अर्थ है?
• यदि कोई AI उपकरण हर कार्य को सहज और 'उपयोग में आसान' बना दे, तो वह कौन-सी मनोवैज्ञानिक आवश्यकता की पूर्ति कर सकता है — और किसकी चुपचाप कमज़ोरी कर सकता है? ऐसा उपकरण जो अल्पकालिक भागीदारी बढ़ाता है, दीर्घकालिक प्रेरणा को कैसे घटा सकता है?
• शिक्षकों के लिए आवश्यकता-समर्थक पेशेवर विकास ने उनकी AI-साक्षरता बढ़ाई और सतत भागीदारी बनाए रखी। क्या यह संकेत देता है कि AI के बारे में शिक्षकों को प्रशिक्षित करने का तरीका उतना ही महत्वपूर्ण है जितना AI स्वयं का क्या करता है? आपके लिए व्यक्तिगत रूप से 'स्वायत्तता-समर्थक' AI प्रशिक्षण कैसा दिखेगा?
• एक अध्ययन में पाया गया कि ChatGPT भाषा अधिगम में स्वायत्तता, संबद्धता और सक्षमता का समर्थन कर सकता है। लेकिन क्या वही उपकरण किसी अन्य शिक्षार्थी के लिए इन्हीं आवश्यकताओं को कमज़ोर भी कर सकता है? सिद्धांत के मान्य रहने के लिए इसके उपयोग के तरीके के बारे में क्या सत्य होना चाहिए?
• आगे पढ़ने से पहले, किसी एक ऐसे तरीके का नाम बताएँ जिसमें आपने अपनी सक्षमता, स्वायत्तता, या संबंध की भावना को किसी AI उपकरण के उपयोग से प्रभावित महसूस किया हो — और सोचें कि क्या आपने यह बदलाव बिना इस संकेत के कभी ध्यान दिया होता कि इसे खोजना है।

परिचय

SDT का उपयोग शिक्षा में AI अनुसंधान में तेज़ी से बढ़ रहा है, और यह शिक्षार्थी-संबद्ध तथा शिक्षक-संबद्ध दोनों प्रकार की AI प्रणालियों के लिए एक सैद्धांतिक लेंस के रूप में कार्य करता है। सिद्धांत का केंद्रीय दावा — कि प्रेरणा केवल एक ऐसी मात्रा नहीं है जो शिक्षार्थियों के पास होती है, बल्कि यह एक गुणवत्ता है जो सामाजिक और तकनीकी पर्यावरण द्वारा आकारित होती है — इसे इस प्रश्न से सीधे प्रासंगिक बनाता है कि AI उपकरण भागीदारी, दृढ़ता, और अधिगम परिणामों को कैसे प्रभावित करते हैं। इस ज्ञान-आधार के लेख SDT को तीन मुख्य संदर्भों में लागू करते हैं: शिक्षकों का पेशेवर विकास, AI-माध्यमित अधिगम में भागीदारी, और भावनात्मक कंप्यूटिंग।

मुख्य अनुसंधान विषय

SDT-आधारित शिक्षक पेशेवर विकास सिद्धांत के आवश्यकता-समर्थक सिद्धांतों को शिक्षकों को AI के लिए तैयार करने में लागू करता है। Chiu et al. ने 382 माध्यमिक विद्यालय शिक्षकों का अध्ययन किया और पाया कि SDT पर आधारित आवश्यकता-समर्थक पेशेवर विकास शिक्षकों की AI साक्षरता बढ़ाता है और ऑनलाइन पेशेवर अधिगम समुदायों में सतत व्यवहारगत भागीदारी को बढ़ावा देता है। गुणात्मक विश्लेषण ने स्वायत्तता, सक्षमता और संबद्धता के समर्थन में सहायक नौ डिज़ाइन रणनीतियों की पहचान की — जो अलग-थलग पेशेवर विकास और पेशेवर अधिगम समुदायों के बीच की खाई को पाटती हैं।

AI-माध्यमित अधिगम भागीदारी में SDT यह जाँचता है कि जनरेटिव AI उपकरण शिक्षार्थियों की प्रेरणा को कैसे आकार देते हैं। Isaeva et al. ने SDT को एपिस्टेमिक नेटवर्क विश्लेषण के साथ जोड़कर शिक्षार्थियों के शैक्षणिक अधिगम में जनरेटिव AI के साथ भागीदारी का अध्ययन किया। Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming यह पता लगाता है कि AI की उपलब्धता शिक्षार्थियों की प्रेरणा और दृढ़ता को कैसे प्रभावित करती है, और इसे अति-निर्भरता की प्रेरणा-क्षय संबंधी चिंताओं से जोड़ता है। Liang et al. (2026) ने SDT को AI अधिगम में विस्तार दिया, जिसमें एक वर्ष-लंबे AI पाठ्यक्रम में 2,086 माध्यमिक शिक्षार्थियों का संरक्षित संक्रमण विश्लेषण (latent transition analysis) किया गया, और तीन प्रेरणा प्रोफ़ाइल (असंलग्न, विकासशील, स्वनिर्धारित) की पहचान की जो समय के साथ स्थिर रहीं, साथ ही यह दिखाया कि अधिकांश शिक्षार्थियों ने उच्च प्रोफ़ाइलों की ओर बनाए रखा या आगे बढ़ाया। महत्वपूर्ण रूप से, जिन शिक्षार्थियों ने स्वनिर्धारित प्रोफ़ाइल प्राप्त की या उसमें बने रहे, उनमें AI साक्षरता में सबसे बड़ी वृद्धि दिखी — यह सीधा अनुदैर्ध्य प्रमाण है कि स्वायत्तता, सक्षमता और संबद्धता की पूर्ति बेहतर AI-अधिगम परिणामों की भविष्यवाणी करती है, और यह कि प्रेरणा एक विकासशील (स्थिर नहीं) शिक्षार्थी गुण है।

एक विषमक्रम (contrasting) कक्षा-परिणाम दिखाता है कि ये आवश्यकताएँ साथ-साथ नहीं चलतीं: 2,464 निम्न-माध्यमिक शिक्षार्थियों में, ChatGPT-समर्थित सक्षमता-आधारित अधिगम ने स्वायत्तता समर्थन और सक्षमता संतुष्टि बढ़ाई, फिर भी इसमें निम्न-गुणवत्ता वाली प्रेरणा प्रोफ़ाइलों का बड़ा हिस्सा पाया गया, और संबद्धता संतुष्टि गैर-AI सक्षमता-आधारित अधिगम की तुलना में कमज़ोर थी (Schweder, Hagenauer & Raufelder (2026)).

एक विन्यासगत (configurational) परीक्षण इस बिंदु को और तीखा करता है: 498 चिकित्सा स्नातक छात्रों में, GAI उपयोग का आवश्यकता संतुष्टि से केवल दुर्बल संबंध था (β = 0.155) और यह उच्च भागीदारी के लिए अनावश्यक सिद्ध हुआ, जबकि सक्षमता आवश्यकता संतुष्टि सबसे मज़बूत विन्यास में मुख्य शर्त थी (He et al. (2026))।

अधिगम जलवायु से AI उपयोग तक दो मार्ग। Shen and Arunrugstichai (2026) SDT को व्यवहारगत भागीदारी के Hook मॉडल के साथ एकीकृत करते हैं ताकि समझाया जा सके कि GenAI का उपयोग रचनात्मक समर्थन से लेकर बलपूर्वक निर्भरता तक क्यों फैला हुआ है। 508 विश्वविद्यालय छात्रों के अनुप्रस्थ-काट (cross-sectional) सर्वेक्षण डेटा में, जिनके विभिन्न उच्च विद्यालय पृष्ठभूमि और वर्तमान संदर्भ (चीन और थाईलैंड) थे, उच्च विद्यालय दबाव बनाम स्वायत्तता समर्थन के पूर्वव्यापी विवरणों ने भिन्न रूप से अनुमान लगाया कि छात्र विश्वविद्यालय में पहुँचने के लिए इन दो में से कौन-सा मार्ग अपनाते हैं — एक रचनात्मक, स्वायत्त GenAI उपयोग की ओर और दूसरा बलपूर्वक निर्भरता की ओर — और परिणाम अनुप्रस्थ-संदर्भी बहु-समूह विश्लेषणों में संगत रहे। मॉडल SDT प्रेरणा प्रक्रियाओं को AI-समर्थित अधिगम की अनुभूत गुणवत्ता से जोड़ता है, और स्वायत्तता समर्थन को एक लीवर के रूप में प्रस्तुत करता है जो छात्रों को उत्पादक के बजाय निर्भर AI उपयोग से दूर मोड़ता है।

• भाषा अधिगम में ChatGPT और SDT आवश्यकताएँ: Annamalai et al. (2026) ने SDT लेंस के साथ 25 मलेशियाई विश्वविद्यालय छात्रों का अध्ययन किया और पाया कि ChatGPT अंग्रेज़ी भाषा अधिगम में स्वायत्तता, संबद्धता और सक्षमता का समर्थन करता है — व्याकरण, लेखन और संवादी कार्यों को बढ़ाते हुए, साथ ही शिक्षकों को उच्च-स्तरीय प्रशिक्षण पर ध्यान केंद्रित करने देता है।

शिक्षकों के अपने AI-माध्यमित अभ्यास पर SDT का प्रयोग। Claassen et al. (2026) ने SDT को इस बात की व्याख्यात्मक लेंस के रूप में प्रयोग किया कि शिक्षक लर्निंग एनालिटिक्स और जनरेटिव AI को अधिगम डिज़ाइन में कैसे एकीकृत करते हैं — और पाया कि शिक्षकों की बुनियादी आवश्यकताओं (स्वायत्तता, सक्षमता, संबद्धता) का समर्थन उनके डिज़ाइन कार्य के लिए आवश्यक रचनात्मक समस्या समाधान को बढ़ावा देता है। उनके ENA विश्लेषण में, GenAI उपयोग का संबंध छात्रों की स्वनिर्धारण के लिए डिज़ाइन करने से मिला (जैसे, छात्रों के साथ मिलकर मूल्यांकन रूब्रिक बनाना), जो SDT को शिक्षार्थियों से उन शिक्षकों तक विस्तारित करता है जो आवश्यकता-समर्थक AI-माध्यमित पर्यावरण बनाते हैं।

शिक्षकों के लिए स्वयं, AI सहयोग दोनों तरफा काटता है: 468 विश्वविद्यालय शिक्षकों के एक तीन-चरणीय अध्ययन में पाया गया कि इसने मनोवैज्ञानिक उपलब्धता के माध्यम से कार्य भागीदारी बढ़ाई और कार्य अलगाव (work alienation) के माध्यम से उसे घटाया, और डिजिटल दक्षता ने पहले मार्ग को मज़बूत और दूसरे को कमज़ोर किया (Sun et al. (2026))।

एक सह-एजेंसी (co-agency) ढांचा SDT की पहुँच की सीमा तय करता है: यह उन परिस्थितियों को बदलता है जिनमें स्वायत्तता, सक्षमता और संबद्धता उत्पन्न होती हैं, लेकिन शक्ति की समानता, डेटा स्वामित्व और जवाबदेही को अछूता छोड़ता है, और यही कारण है कि इसके लेखकों ने मानवीय एपिस्टेमिक जवाबदेही को सिद्धांत के बाहर एक अपरिहार्य शर्त निर्धारित किया है (Poudyal (2026))।

बच्चों के GenAI उपयोग के लिए स्वायत्तता समर्थन को ढाँचा। Fan, Li and Zhang (2026) उत्तरदायी उपयोग के प्रश्न को प्रतिबंध से आवश्यकता-समर्थन की ओर खिसकाते हैं, और यह तर्क देते हैं कि जो भेद मायने रखता है वह यह है कि बच्चे के आस-पास के वयस्क उसकी स्वायत्तता का समर्थन करते हैं या उसे नियंत्रित करते हैं, और SDT की भाषा में संज्ञानात्मक ऑफलोडिंग के निर्भर और स्वायत्त रूपों में भेद करते हैं: निर्भर offloading शिक्षार्थी सक्रियता को स्थानांतरित करता है और आंतरिक प्रेरणा घटाता है, जबकि स्वायत्त offloading scaffolding करता है जबकि शिक्षार्थी एपिस्टेमिक नियंत्रण बनाए रखता है। इस समीक्षा के दो विशेषताएँ SDT के अनुप्रयोग के लिए सीधे प्रासंगिक हैं: यह ज़ोर देकर कहती है कि स्वायत्तता समर्थन अनुमति-वाद (permissiveness) नहीं है, और यह परिवार-विद्यालय समन्वय को — जिसे वर्तमान मार्गदर्शन मान लेता है — एक अपरीक्षित परिकल्पना मानती है, जिसमें योगात्मक, सहक्रियात्मक और प्रतिपूरक संस्करणों को औपचारिक रूप देती है, जिन्हें केवल एक कारकीय (factorial) परीक्षण — जो केवल-परिवार, केवल-विद्यालय, समन्वित और सामान्य-अभ्यास मार्गदर्शन की तुलना करे — अलग कर सकता है।

अन्य अवधारणाओं से संबंध

SDT सीधे प्रेरणा से, जो इसका जनक रचना (parent construct) है, अफ़ेक्टिव कंप्यूटिंग और भावनात्मक ट्यूटरिंग से, जो भावना-जागरूक AI डिज़ाइन के लिए हैं, और छात्र अनुभव से, जो यह दिखाता है कि शिक्षार्थी AI-माध्यमित पर्यावरण का अनुभव कैसे करते हैं, संबद्ध होता है। सिद्धांत का स्वायत्तता पर जोर स्व-नियंत्रित अधिगम से जुड़ता है, जबकि इसकी सक्षमता आयाम Self-Efficacy and Favorability Shape Learning from Tutoring Systems and Paper Practice और शिक्षकों की AI योग्यता से जुड़ता है। SDT कार्यस्थल पर सीख और शैक्षिक विकास के लिए विशेष रूप से प्रासंगिक है, क्योंकि आवश्यकता-समर्थक डिज़ाइन शिक्षकों को AI उपयोग के लिए तैयार करने का एक स्थानांतरणीय सिद्धांत है।

संबंधित अवधारणाएँ

• प्रेरणा
• छात्र अनुभव
• अफ़ेक्टिव कंप्यूटिंग
• भावनात्मक ट्यूटरिंग
• स्व-नियंत्रित अधिगम
• शिक्षकों की AI योग्यता
• शैक्षिक विकास
• कार्यस्थल पर सीख
• संज्ञानात्मक ऑफलोडिंग
• छात्र सहभागिता
• शिक्षा में AI
• सीखने के सिद्धांत

संबंधित लेख

• Family-school autonomy support for children's responsible use of generative artificial intelligence — बच्चों के जनरेटिव AI के उत्तरदायी उपयोग के लिए परिवार-विद्यालय स्वायत्तता समर्थन
• How High-School Pressure and Autonomy Support Are Linked to Dual AI Learning Pathways: A Cross-Contextual SEM Analysis — उच्च विद्यालय दबाव/स्वायत्तता समर्थन और AI अधिगम के दोहरे मार्ग (Shen & Arunrugstichai 2026)
• Reclaiming Epistemic Agency: A Critical Framework for Human-Generative AI Co-Agency in Education
• Understanding the Role of Learning Analytics and Generative Artificial Intelligence on Decision-Making and Learning Design Practice in Higher Education — अधिगम डिज़ाइन निर्णय-निर्माण में LA और GenAI
• Teacher education for artificial intelligence literacy through a self-determination theory perspective
• Students' engagement with generative AI in academic learning: A self-determination theory and epistemic network analysis study
• Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming
• Students' experiences of using ChatGPT for English language learning: a qualitative study in a Malaysian higher education institution — अंग्रेज़ी भाषा अधिगम में छात्रों के ChatGPT अनुभव
• Interaction Effects Between Learner Characteristics and Dialogue Format in TTS Dialogue-Based Lessons — शिक्षार्थी विशेषताएँ × TTS संवाद-प्रारूप इंटरैक्शन
• From disengaged to self-determined: a latent transition analysis of students' AI learning motivation — छात्रों की AI अधिगम प्रेरणा का SDT संरक्षित संक्रमण विश्लेषण (2,086 माध्यमिक शिक्षार्थी)
• Student Motivation and Need Satisfaction in GenAI-Supported Classrooms: A Self-Determination Theory Perspective — GenAI कक्षाओं में छात्र प्रेरणा और आवश्यकता संतुष्टि (Schweder, Hagenauer & Raufelder 2026)
• Generative Artificial Intelligence Use and Learning Engagement Among Medical Undergraduates: Statistical Indirect and Configurational Associations Involving Basic Psychological Need Satisfaction — GAI उपयोग का आवश्यकता संतुष्टि से दुर्बल संबंध और उच्च भागीदारी के लिए अनावश्यकता (He et al. 2026)
• The Double-Edged Sword Effects of Teacher–AI Collaboration on Work Engagement: A Self-Determination Theory Perspective — शिक्षक–AI सहयोग से कार्य भागीदारी तक दोहरे मार्ग, जिन्हें डिजिटल दक्षता ने मध्यस्थता दी