एआई उपयोग के सामाजिक मानदंड

इस पृष्ठ पर

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

एआई उपयोग के सामाजिक मानदंड — वे अनौपचारिक, स्थानीय स्तर पर लागू नियम जो तय करते हैं कि शिक्षार्थी और प्रशिक्षक जनरेटिव एआई का उपयोग कब कर सकते हैं, उसकी स्वीकारोक्ति कितनी खुलकर कर सकते हैं, और व्यवहार में — नीति के बजाय — धोखाधड़ी क्या मानी जाती है। इस विषय के रूप में मानदंडों पर साहित्य पतला है, जबकि उन्हें उत्पन्न करने वाले तंत्रों पर घना है। शिक्षार्थी एक-दूसरे का एआई उपयोग भरोसेमंद ढंग से नहीं समझ सकते: किसी व्यक्ति के अनुमानों और उसके स्वयं की सूचित उपयोग-प्रोफ़ाइल के बीच मध्यिका सहसंबंध दोनों चरणों में r = .73 था, और एआई उपयोग की प्रकृति के लिए क्रम-सटीकता दूसरे चरण में r = .34 थी। लज्जा और अपराधबोध व्यवहार के बजाय दृश्यता को नियंत्रित करते हैं, जिससे व्यवहार परिवर्तन के बजाय छिपाव और चयनात्मक प्रकटीकरण पैदा होता है। विषयगत मानदंड तीव्र रूप से भिन्न हैं: 31,000 पाठ्यक्रमों में एआई-एकीकृत असाइनमेंट व्यवसाय के पाठ्यक्रमों में 27% और मानविकी के पाठ्यक्रमों में 5% में दिखे। औपचारिक नैतिकता साहित्य अंतिम उपयोगकर्ताओं तक सबसे कम और सबसे कम क्रियान्वयन-योग्य मानदंड पहुँचाता है, अर्थात् जिन लोगों पर कक्षा के मानदंड लागू होते हैं वे लगभग अनुपस्थित रहते हैं उन दस्तावेज़ों में जो उनके बारे में चर्चा करते हैं।

विचार करने योग्य प्रश्न

यदि छात्र यह नहीं बता सकते कि कौन एआई का उपयोग कर रहा है, तो अनौपचारिक नियम वास्तव में किस आधार पर टिके हैं?
जब किसी संस्थान की कोई नीति न हो, या जब नीति कक्षा में प्रशिक्षकों के कहे के विरुद्ध हो, तो एआई के मानदंड कहाँ से आते हैं?
एक छात्र जो एआई का कभी उपयोग नहीं करता, उसके बारे में उस छात्र से अधिक अपराधबोध की सूचना क्यों देगा जो इसे हर हफ़्ते उपयोग करता है?
लज्जा वह पूरा करती है जो कोई नीति नहीं कर सकती, और वह मदद माँगने की क्या कीमत पर करती है?
क्या निगरानी व्यवहार बदलती है, या केवल यह बदलती है कि वह व्यवहार कितना दिखाई देता है?
किसी समूह असाइनमेंट में किसके मानदंड प्रभावी होते हैं, और समूह की साझी एआई आदतों की लागत कौन उठाता है?
क्या छात्रों को उन मानदंडों के निर्माण में हिस्सेदारी मिलनी चाहिए जिनके अधीन वे रहते हैं?

परिचय

शिक्षा में एआई के औपचारिक शिक्षा में AI विनियमन की शुरुआत नीति के रूप में होती है: स्वीकार्य-उपयोग वक्तव्य, पाठ्यक्रम के खंड, पहचान प्रक्रियाएँ, परीक्षा-निगरानी प्रणालियाँ और ऑनर कोड। हालाँकि, जो छात्र वास्तव में अनुभव करते हैं वह इस परत के नीचे बैठा है। एक सहपाठी जो ChatGPT का उपयोग करने का कभी उल्लेख नहीं करता, एक प्रशिक्षक जो कहता है "मुझे कोई फ़र्क नहीं पड़ता कि आप इसे कैसे लिखते हैं" और फिर पाठ्यक्रम में उस पर रोक लगा देता है, एक अध्ययन-समूह जो चुपचाप यह तय कर चुका है कि क्या उचित है, एक विभाग जहाँ सब मानते हैं कि ग्रेडिंग कर्व पहले ही खिसक चुका है। ये मानदंड हैं: स्वीकार्य व्यवहार के बारे में साझी अपेक्षाएँ, जो स्वीकृति, अस्वीकृति और देखे जाने के जोखिम से लागू होती हैं।

यह पृष्ठ उस परत के बारे में साक्ष्य-आधार क्या कहता है, इकट्ठा करता है। इसे सावधानी से अलग करना उचित है, क्योंकि "छिपा पाठ्यक्रम" का प्रयोग अक्सर किसी भी अनौपचारिक चीज़ के लिए ढीला ढंग से किया जाता है। यहाँ विषय संकरी है: एआई उपयोग के बारे में प्रचलित नियम, वे कैसे बनते हैं, कैसे लागू होते हैं, और लिखित नियमों से उनका संबंध कितना कमज़ोर है। साहित्य में लगभग कोई अध्ययन नहीं है जो मानदंडों को सीधे मापता हो, और यह स्वयं एक निष्कर्ष है। जो उसमें बार-बार मिलता है वह तंत्रों के बारे में साक्ष्य है: अनुमान, प्रकटीकरण, भाव और विषयगत विविधता जो यह निर्धारित करती है कि कोई भी स्थानीय मानदंड क्या बन सकता है।

छात्र एक-दूसरे के बारे में क्या मानते हैं

मानदंडों के लिए दूसरे लोगों के व्यवहार की जानकारी चाहिए, और वह जानकारी अधिकांश प्रशिक्षकों की धारणा से खराब है। छात्र-जोड़ों के एक अध्ययन ने यह देखा कि साथी-प्रोग्रामिंग सत्रों में शिक्षार्थी एक साथी के एआई उपयोग का आकलन कितनी सटीकता से करते थे। प्रत्येक साथी की स्वयं सूचित उपयोग-प्रोफ़ाइल के सापेक्ष मध्यिका सहसंबंध दोनों चरणों में r = .73 था — ज्ञान जैसा महसूस कराने के लिए काफ़ी ऊँचा और कई व्यक्तिगत अनुमानों के गलत होने के लिए काफ़ी नीचा। एआई उपयोग की प्रकृति के लिए क्रम-सटीकता दूसरे चरण में r = .34 थी, और 25% टीमें समय के साथ सहपाठियों का आकलन करने में और खराब हो गईं।

मानदंडों के लिए दो विवरण मायने रखते हैं। पहला, बार-बार आमने-सामने काम करने से इस मेल-बैठ का अंत नहीं हुआ। परिचित ने सटीकता नहीं दिलाई, जो इस धारणा को कमज़ोर करता है कि समूह एक-दूसरे को जानने लगें तो मानदंड स्थिर हो जाते हैं। दूसरा, लेखकों का प्रस्तावित समाधान व्यवहारगत के बजाय संरचनात्मक था: साझी प्रॉम्प्ट-इतिहास, एआई-उपयोग एनोटेशन, या एआई-समर्थित काम की साथी-दृश्य अभिलेख। एआई उपयोग को दृश्य बनाना छात्रों को अधिक ईमानदार या अधिक सूक्ष्मदर्शी बनाने से एक अलग प्रयास है, और केवल पहले पास साक्ष्य हैं।

दृश्यता, लज्जा और चयनात्मक प्रकटीकरण

यदि साथी एआई उपयोग को सही ढंग से नहीं देख सकते, तो उसके इर्द-गिर्द बनने वाले नियम बड़ी मात्रा में सामाजिक जोखिम से लागू होते हैं। 19 कंप्यूटिंग छात्रों के साथ एक साक्षात्कार अध्ययन ने लज्जा और अपराधबोध को सामाजिक नियंताओं के रूप में जाँचा और पाया कि वे उपयोग के बजाय प्रकटीकरण को नियंत्रित करते हैं। छात्रों ने छिपाव के व्यवहारों और चयनात्मक प्रकटीकरण का वर्णन किया, और उन्होंने बताया कि वे स्वयं, अपने साथियों और अपने संकाय को लज्जित करते हैं। महत्वपूर्ण नकारात्मक निष्कर्ष यह है कि ये भाव एआई के निरंतर उपयोग के साथ-साथ मौजूद रहे, और कम शिक्षार्थी सक्रियता और नैतिक तनाव के चक्र उत्पन्न किए, बजाय इसके कि किसी को रोकने के लिए प्रेरित किया।

यह प्रतिमान मानदंड को "करो या न करो" से "स्वीकारो या न स्वीकारो" में स्थानांतरित कर देती है। एक कक्षा में कागज़ पर एआई के विरुद्ध मज़बूत मानदंड, व्यवहार में व्यापक उपयोग, और बीच में मौन का संतुलन हो सकता है, बिना किसी के इस बात से उलझे रहे कि नियम क्या कहता है। यह यह भी भविष्यवाणी करती है कि लागत कहाँ गिरती है: उन शिक्षार्थियों पर जो सामाजिक जोखिम संभालने में सबसे कम सक्षम हैं, और उन शिक्षार्थियों पर जिनका दिखता उपयोग अलग-अलग परिणाम देता है।

उसी भाव की प्रशिक्षक-पक्ष की मापनीयता है। संकाय के एक सर्वेक्षण में चार-मददार एआई अपराधबोध सूचकांक (Cronbach's alpha = 0.88) का उपयोग करते हुए पाया गया कि अनुभवजन्य पछताव से अधिक पूर्वानुमानित अपराधबोध है: माध्य सूचकांक स्कोर 2.39 (SD = 1.01) था, जिसमें 22.9% प्रतिभागी मध्य बिंदु से ऊपर थे। एआई के अनुपयोगकर्ताओं ने उपयोगकर्ताओं (n = 101, M = 2.32, SD = 0.97) की तुलना में अधिक अपराधबोध सूचित किया (M = 3.25, SD = 1.04, n = 8), t(8.39) = 2.00, p = .078, और पछताव की मदद समूहों को और तीव्र रूप से अलग करती है, t(7.79) = 2.44, p = .041। क्लस्टर विश्लेषण ने चार प्रोफ़ाइलें पैदा कीं: सहज गोद लेने वाले (26.6%), दोषी अनुपयोगकर्ता (29.4%), सतर्क उपयोगकर्ता (28.4%) और नैतिक रूप से व्यथित टालने वाले (15.6%), जिनमें अंतर अपराधबोध पर पुष्ट हुआ, F(3, 105) = 22.13, p < .001, eta-वर्ग = 0.39।

एक मानदंड जो उन लोगों को दोषी महसूस कराता है जिन्होंने कुछ नहीं किया, वह अपना काम पूर्वानुमान के माध्यम से कर रहा है। यह एक वास्तविक नियामक तंत्र है, और यह किसी भी नीति-लेखापरीक्षा के लिए अदृश्य है जो केवल यह देखती है कि संकाय और छात्र क्या करते हैं।

स्थानीय नियम-पुस्तिका: विषय और कक्षाएँ

मानदंड स्थानीय होते हैं, और यह कितने स्थानीय होते हैं, इस पर साक्ष्य असाधारण रूप से ठोस है। 31,000 पाठ्यक्रमों के पाठ्यक्रमों का एक विश्लेषण ने पाया कि एआई-एकीकृत असाइनमेंट व्यवसाय में 27% से मानविकी में 5% तक थे। यह सीमा नीति-पालन में खामी नहीं है; यह इस बारे में भिन्न विषयगत निर्णयों को दर्शाती है कि कार्य क्या है, कौन-सा अभ्यास मूल्यवान है, और कौन-सी योग्यता को क्रेडेंशियल द्वारा प्रमाणित किया जाना चाहिए। लेखकों की सिफ़ारिश इसी से मिलती है: विषयगत मानदंडों के भीतर प्रशिक्षकों को स्वायत्तता दें, बजाय एक-आकार-सबके-लिए निर्देश जारी करने के, क्योंकि निर्देश को ऐसे औसत के लिए लिखा जाना होगा जो मौजूद नहीं है।

कक्षा की परत एक ही पाठ्यक्रम में दस्तावेज़ की परत का भी विरोध कर सकती है। मार्केटिंग छात्रों के साक्षात्कार ने पाया कि साथियों के मानदंड और "क़दम बराबर रखना" गोद लेने को बढ़ावा देते हैं, जिसमें मुँह-ज़ुबान का प्रचार एआई को मिला सबसे बड़ा प्रचार बताया गया, और वह पीछे छूट जाने के डर से टिका हुआ है। उसी अध्ययन ने एक विरोध दर्ज किया जिसे प्रशिक्षक पहचान लेंगे: कुछ कक्षाओं ने एआई की माँग की जबकि पाठ्यक्रम ने उस पर रोक लगाई, और प्रशिक्षक का कक्षा में प्रोत्साहन हमेशा लिखित नीति में बचा नहीं रहा। जब ये दोनों असहमत होते हैं, तो छात्र बोले गए मानदंड को प्रचलित मानते हैं, और पाठ्यक्रम को प्रबंधन-योग्य दायित्व मानते हैं।

समूह कार्य वहाँ है जहाँ अनौपचारिक मानदंड सबसे अधिक काम करते हैं, क्योंकि जिस इकाई का मूल्यांकन होता है वह सामूहिक होती है। 52 प्रशिक्षन-पूर्व शिक्षकों का एक अध्ययन ने 15 फोकस-समूहों में एक उत्साह-से-परिहार की रेखा के बजाय अलग-अलग प्रतिमान पहचाने, जहाँ समूह साझी नियम के अभाव में यह बातचीत करते हैं कि क्या वैध सहायता मानी जाए। जिस किसी भी छात्र ने देखा है कि एक समूह चुपचाप एक सदस्य के एआई उपयोग पर बैठ जाता है, उसने मानदंड को साँस-रोक देखा है — नीति-प्रक्रिया के बिना और आमतौर पर बिना किसी अभिलेख के।

औपचारिक नीतिशास्र, अनुभवजन्य मानदंड

एआई नीतिशास्र पर व्यावसायिक साहित्य और वह कक्षा-मानदंड जिसे यह पहुँचने का दावा करता है, एक-दूसरे से दूर जा रहे हैं, और यह अंतराल दर्ज है। नैतिक मूल्यों और मानदंडों का एक व्यवस्थित समीक्षा ने 15 लेखों से मानदंड निकाले और उन्हें Smuha (2022) की चार हितधारक-वर्गों पर मैप किया। डेवलपर्स को सबसे अधिक मानदंड मिले, उसके बाद शिक्षण संस्थान और नियामक। अंतिम उपयोगकर्ताओं को सबसे कम और सबसे कम क्रियान्वयन-योग्य मानदंड मिले, जिसमें भेदभाव-विरोध, आँकड़ा-संरक्षण, या शैक्षिक उपयुक्तता पर छात्रों को सीधे संबोधित करने वाला कोई मानदंड नहीं था, और सामग्री में छात्रों की आवाज़़ लगभग अनुपस्थित थी।

परिणाम यह है कि साहित्य उन लोगों के लिए दायित्व निर्धारित करता है जो एआई बनाते और खरीदते हैं, और उन लोगों को — जो कक्षा में इसके साथ रहते हैं — अपने नियम स्वयं तय करने के लिए छोड़ देता है। यह एक संभावित व्याख्या है कि छात्रों के वर्णित मानदंड, जैसा लज्जा और अपराधबोध अध्ययन में है, कितनी बार दृश्यता और प्रतिष्ठा के बारे में होते हैं बजाय उन मूल्यों के जिनका नीतिशास्र के दस्तावेज़ उल्लेख करते हैं। ये दोनों प्रणाली भिन्न चीज़ों को नियंत्रित कर रही हैं।

निगरानी मानदंडों को क्यों नहीं तय करती

जब संस्थाएँ अनौपचारिक मानदंडों को औपचारिक निगरानी से बदलने की कोशिश करती हैं, तो साक्ष्य सुसंगत और अनुकूल नहीं है। 105 पाठ्यक्रमों में 1,760 छात्रों का एक चार-चरणीय अध्ययन ने पाया कि ऑनलाइन परीक्षा-निगरानी ने परीक्षा-चिंता में काफ़ी वृद्धि की, और धोखाधड़ी के प्रलोभन पर कोई प्रभाव नहीं डाला। इसने अनुभूत कठिनाई या परीक्षा-प्रदर्शन को भी नहीं बदला। चिंता की लागत पहले से ही कमज़ोर छात्रों पर केंद्रित थी, जिनमें कमज़ोर घरेलू परिवेश और कम भरोसेमंद प्रौद्योगिकी वाले शामिल थे।

दो और अध्ययन बताते हैं कि निगरानी मानदंड-निर्धारण का खराब साधन क्यों है। दूरस्थ परीक्षा-निगरानी की एक स्कोपिंग समीक्षा ने पाया कि निगरानी को व्यापक रूप से दुराचार को रोकने वाला माना गया, फिर भी दक्षिण अफ़्रीकी व्याख्याताओं ने सक्रिय निगरानी के बावजूद निरंतर बेईमानी सूचित की, जिसे Khalil et al. (2022) "भूमिगत नीतिशास्र" कहते हैं, और बार-बार हुए छोटे अलर्ट झूठी सकारात्मक पहचान और संकाय की समीक्षा-कार्य उत्पन्न करते हैं। निगरानी साझी मानक के प्रति प्रतिबद्धता के बजाय पकड़े जाने के डर के माध्यम से अनुपालन खरीदती है। अधूरी जानकारी में मूल्यांकन का एक मॉडल तंत्र को और तीखा करता है: निवारण एक संसूचक की क्षमता पर निर्भर है कि वह छिपे उपयोग और वैध काम के बीच भेद कर सके, न कि उसके पकड़ने की दर पर, और जब झूठी सकारात्मक पहचान सच्ची सकारात्मक से तेज़ी से बढ़ती है, तो छात्र प्रणाली का अनुपालन करने के बजाय उससे दूर हो जाते हैं। इसका आगे का परिणाम सीधे मानदंडों से जुड़ा है: निगरानी छिपे उपयोग की आकर्षकता घटाती है, लेकिन वह प्रकटीकरण नहीं बढ़ाती। छात्र खुलापन की ओर तभी बढ़ते हैं जब रिपोर्टिंग छिपाव से अधिक सुरक्षित या अधिक मूल्यवान हो, और एक निषेध छिपाव को अनुपालन से अधिक आकर्षक बना सकता है।

प्रक्रियागत-न्याय का तर्क निष्कर्ष निकालता है: क्योंकि कुशल या हल्के संपादित एआई उपयोग सामान्य रूप से अपहचनीय है, पहचान पर आधारित दुराचार प्रक्रिया निष्पक्षता के बिना प्रभावशीलता उत्पन्न करती है, और उत्तर बेहतर मूल्यांकन है, न कि बेहतर निगरानी।

उस प्रतिस्थापन की लागत वहाँ दिखती है जहाँ संकाय और छात्र वास्तव में बात करते हैं। 26 शिक्षा-उपमंडलों से 253,222 एआई-संबंधित अभिलेखों में, सभी संकाय–छात्र थ्रेड्स में से एक तिहाई पहचान या प्रवर्तन विवाद थे, छात्रों ने उनमें से 68.4% खोले, और नकारात्मकता ने जुड़े रहने की भविष्यवाणी की (ρ = −0.72) — प्रतिरोधात्मक संघर्ष, न कि विमर्श, GenAI के बारे में पार-भूमिका संपर्क का सबसे बड़ी-मात्रा वाला रूप है (Yüce et al. (2026)।

व्यवहार के लिए इसका क्या मतलब है

उपयोग को अनुमानित करने के बजाय दृश्य बनाएँ। छात्र एक-दूसरे का सही आकलन नहीं कर सकते, और बार-बार सहयोग से यह ठीक नहीं होता। एआई-समर्थित काम के हल्के साझी अभिलेख, एनोटेशन या प्रॉम्प्ट-इतिहास किसी समूह को तथ्यात्मक आधार देते हैं जिस पर विचार किया जा सके।
अपेक्षा रखें कि बोला गया मानदंड लिखित पर भारी रहेगा। यदि कक्षा में कहा गया पाठ्यक्रम के विरुद्ध है, तो छात्र कक्षा का पालन करेंगे। दोनों के बीच मेल-बैठ किसी कठोर खंड से अधिक मूल्यवान है।
प्रकटीकरण को सद्गुण की समस्या के बजाय एक डिज़ाइन समस्या मानें। प्रकटीकरण तब संभावित होता है जब रिपोर्टिंग छिपाव से अधिक सुरक्षित या अधिक मूल्यवान हो। इसका मतलब है प्रकट किए गए उपयोग को मूल्यांकन में ही सुगम बनाना, न कि ईमानदारी को चरित्र-लक्षण के रूप में माँगना।
विषयगत विविधता का सम्मान करें। विभागों में 27% से 5% तक का फैलाव असामान्यता नहीं है जिसे सामान्यीकृत कर दिया जाए; यह इस बारे में भिन्न निर्णय हैं कि क्रेडेंशियल क्या प्रमाणित करता है। संस्थान-व्यापी निर्देश आमतौर पर किसी ऐसे विषय के लिए लिखे जाते हैं जो मौजूद नहीं होता।
मानदंड तय करने के लिए निगरानी की ओर न पहुँचें। परीक्षा-निगरानी ने उपलब्ध सबसे मज़बूत अध्ययन में धोखाधड़ी के प्रलोभन को बदले बिना चिंता बढ़ाई, और उस लागत को सबसे कम लाभप्राप्त छात्रों पर केंद्रित किया।
पूछें कि मानदंड में कौन गायब है। नीतिशास्र साहित्य छात्रों को लगभग कोई दायित्व नहीं देता और उनके निर्णय को कम ध्यान देता है, जबकि कक्षा उन्हें बहुत कुछ सौंपती है और सामाजिक रूप से लागू करती है। यह अंतराल एक पाठ्यक्रम प्रश्न है, न कि अनुपालन प्रश्न।

मेटाडेटा

स्तर	Higher Ed
इच्छित पाठक	Instructors, Administrators
अधिगम और शिक्षण	सहयोगी शिक्षा, प्रेरणा, सहायता खोजना
प्रौद्योगिकियाँ और तकनीकें	जनरेटिव-AI
मूल्यांकन और मापन	सहकर्मी मूल्यांकन, समूह कार्य, एआई डिटेक्शन, रिमोट प्रॉक्टरिंग, मूल्यांकन
समानता, नैतिकता और जिम्मेदार उपयोग	AI उपयोग और प्रकटीकरण विवरण, भरोसा, समानता, निजता, AI का दुरुपयोग और सीखने की हानि
शिक्षा में AI की नींव	शैक्षणिक इमानदारी, छात्रों के लिए AI उपयोग की फ्रेमिंग, शिक्षार्थी पहचान

Source History Edit Chat