अवधारणाएँ
सामाजिक विज्ञान शिक्षा
यह अंग्रेज़ी पेज का ऑटोमैटिक अनुवाद है और इसकी अभी तक किसी मूल भाषी ने समीक्षा नहीं की है।
सामाजिक विज्ञान शिक्षा — उन अनुशासनों का शिक्षण जो लोगों को समूहों में अध्ययन करते हैं: राजनीति और नागरिकता, अर्थशास्त्र और प्रबंधन, समाजशास्त्र, भूगोल और पर्यावरण अध्ययन। AI इन क्षेत्रों में दो बार प्रवेश करता है, एक ऐसे उपकरण के रूप में जो विद्यार्थी जिन विधियों को सीखते हैं उन्हें बदलता है और एक अध्ययन-वस्तु के रूप में, क्योंकि एल्गोरिदमिक प्रणालियाँ अब उन संस्थाओं को शासित करती हैं जिनका वर्णन ये अनुशासन करते हैं। यह समूह विषयों में AI के अंतर्गत मानविकी शिक्षा और STEM शिक्षा के बगल में बैठता है। कवरेज पतला और असमान है: व्यापार और प्रबंधन का सबसे बड़ा साहित्य है, नागरिक शिक्षा के पास स्रोत हैं पर मापित सीखने के लगभग शून्य परिणाम, और पर्यावरण शिक्षा इस बात पर बँटती है कि AI शिक्षण-सहायक है या लागत।
पर विचार करने योग्य प्रश्न
- जब कोई मॉडल साहित्य-समीक्षा, सर्वेक्षण-उपकरण और बाज़ार-विश्लेषण लिख सकता है, तो पाठ्यक्रम वास्तव में विधि के किस हिस्से का मूल्यांकन कर रहा है?
- यदि नागरिकता-पाठ लिखने के लिए कहा गया मॉडल दस बार में नौ बार स्मरण-स्तरीय कार्यों पर चला जाता है, तो इससे उन मानकों के बारे में क्या उजागर होता है जिन्हें पूरा करने के लिए उसका प्रशिक्षण हुआ?
- व्यापार शिक्षा का किसी भी सामाजिक विज्ञान से ज़्यादा AI साहित्य है और मूल्यांकन पर सबसे कम सहमति है। जो क्षेत्र रणनीति पढ़ाता है वह अपने ग्रेड किए जाने वाले विषय को संशोधित करने में क्यों धीमा रहेगा?
- पर्यावरण शिक्षा को एक ही साथ AI को उपकरण के रूप में और ऊर्जा-लागत के रूप में पढ़ाना होता है। क्या एक पाठ्यक्रम दोनों को संभाल सकता है बिना दूसरे को नैतिकता-की-ओर का एक बगल-का अनुच्छेद बना दिया जाए?
भूमिका
सामाजिक विज्ञान लोगों को समूहों में अध्ययन करते हैं: संस्थाएँ शक्ति कैसे बाँटती हैं, बाज़ार कैसे वस्तुओं का आवंटन करते हैं, जनता अपनी राय कैसे बनाती है, समाज भूमि और ऊर्जा का उपयोग कैसे करता है। इनकी विधियाँ सर्वेक्षण, मॉडल, तुलना और केस हैं, और इनका विशिष्ट मूल्यांकन विद्यार्थी से सामाजिक संसार पर दावा करने को कहता है जिसे वह सीधे देख नहीं सकता।
वह अध्ययन-वस्तु ही इस समूह को उसके पड़ोसियों से अलग करती है। मानविकी शिक्षा पाठों और कलाकृतियों की व्याख्या करता है; सामाजिक विज्ञान जनसंख्याओं और तंत्रों की व्याख्या करते हैं, और यह अंतर दिखता है कि विद्यार्थी से किस बात की रक्षा करने को कहा जा सकता है। STEM शिक्षा मात्रात्मक विधि साझा करता है पर अध्ययन-वस्तु नहीं: किसी भौतिकी-परिणाम की जाँच प्रकृति के विरुद्ध हो सकती है, जबकि मतदान-व्यवहार पर दावे की जाँच केवल किसी नमूने के विरुद्ध हो सकती है।
समूह की भीतरी विविधता बड़ी है, और साहित्य उसी का अनुसरण करता है। प्रबंधन और व्यापार शिक्षा के पास पाठ्यक्रम, मूल्यांकन और अपनाने पर एक दशक का प्रकाशित कार्य है। नागरिक और राजनीतिक शिक्षा के पास वे स्रोत हैं जो बताते हैं कि AI लोकतांत्रिक क्षमता को कैसे कमज़ोर कर सकता है, बिना किसी मापित नागरिक सीखने परिणाम के। पर्यावरण शिक्षा दोहरी विषय-वस्तु वहन करता है, क्योंकि जिस तकनीक को पढ़ाया जा रहा है वह स्वयं एक पर्यावरणीय कारक है। इनमें से हर धारा का अपना उपचार है — व्यापार शिक्षा, नागरिक और राजनीतिक शिक्षा, पर्यावरण शिक्षा — और जो उनमें साझा है वह इस समूह का तर्क है।
AI इस समूह में कैसे दिखता है
- नागरिकता में, पाठ्यक्रम-निर्माता के रूप में। 53 नागरिकता मानकों के सामने लिखे गए 310 AI-निर्मित पाठ-योजनाओं के विश्लेषण में पाया गया कि 90% निचले-क्रम के उद्देश्यों पर थे और 94% में कोई बहुसांस्कृतिक सामग्री नहीं थी (Civic education in the age of AI: Should we trust AI-generated lesson plans)। यह विफलता तथ्य-त्रुटि नहीं बल्कि एक डिफ़ॉल्ट शिक्षाशास्त्र है: मॉडल ने उन मानकों की सबसे उथली व्याख्या को दोहराया जो उसे दिए गए थे।
- नागरिकता में, अध्ययन-वस्तु के रूप में। Nkalanga (2026) दक्षिण अफ़्रीका में एल्गोरिदमिक सीमा-शासन को नागरिक-साक्षरता की समस्या के रूप में पढ़ते हैं, और पाँच माँगें निकालते हैं जो इस बात से आती हैं कि नागरिकों को स्वचालित राज्य-निर्णयों के बारे में क्या समझना चाहिए।
- प्रबंधन में, पाठ्यक्रम-प्रश्न के रूप में। Csaszar et al. (2026) मूल्य-आधारित रणनीति-दृष्टिकोण से विश्लेषण करते हैं कि AI प्रबंधन शिक्षा के उद्देश्य को कैसे बदलता है, यह पूछते हुए कि तकनीक कौन-सी गतिविधियों की जगह लेती है और किनकी पूरक। Espino & Espino (2026) उस प्रश्न से पहले के दशक के कार्य को कवर करते हैं, और Drummond & Dale (2026) स्कूलों को कैसे प्रतिक्रिया देनी चाहिए इस पर विद्यार्थी-सूचित फ्रेम बनाते हैं।
- प्रबंधन में, ग्रेडिंग-समस्या के रूप में। Mesny (2026) मूल्यांकन-डिज़ाइन को सिलेबस के बजाय परिवर्तन के स्थल के रूप में मानते हैं। विद्यार्थी मार्केटिंग पोस्टों की स्वचालित स्कोरिंग सहमति और त्रुटि को सीधे मापती है, जो इस समूह के वैधता प्रश्न का रूप है: मानव चिह्नक से सहमत ग्रेड ज़रूरी नहीं कि उसी सीखने का माप हो जिसका दावा किया जाता है।
- पर्यावरण अध्ययन में, दोहरी विषय-वस्तु के रूप में। Daniel (2026) संधारण के लिए AI को संधारणीय AI से अलग करते हैं, और पाते हैं कि ग्लोबल साउथ की खाई दोनों में चलती है। AIED में कार्बन-फुटप्रिंट रिपोर्टिंग 2025 की प्रकटीकरण-प्रथा की समीक्षा करता है और दूसरे हिस्से के लिए एक ओपन-सोर्स विधि देता है, जबकि AI-सहायित जलवायु-जाँच पहले हिस्से के लिए स्वतंत्र जाँच की तुलना में d = 0.69 बताता है।
मापने की खाई
समूह का सबसे कमज़ोर साक्ष्य ही उसका सबसे राजनीतिक रूप से महत्वपूर्ण हिस्सा है। नागरिक शिक्षा इस बात का सबसे स्पष्ट विवरण देता है कि AI क्या क्षति पहुँचा सकता है — लोकतांत्रिक क्षमता, साझा तथ्य-आधार, संस्थाओं के बारे में तर्क करने की क्षमता — और लगभग कोई साक्ष्य नहीं कि किसी हस्तक्षेप से वह सुधरती है। व्यापार शिक्षा सबसे ज़्यादा अध्ययन देता है और इस बात पर सबसे कम सहमति कि क्या ग्रेड किया जाना चाहिए। पर्यावरण शिक्षा जाँच के लिए प्रभाव-आकार देता है और फुटप्रिंट के लिए प्रकटीकरण-ऑडिट, पर शायद ही एक ही पाठ्यक्रम में दोनों।
ईमानदार पठन यह है कि इस समूह को यह पता है कि AI उसकी कक्षाओं में कैसे उपयोग हो रहा है, इससे ज़्यादा कि विद्यार्थी क्या सीखते हैं। उस खाई को बंद करने के लिए आवश्यक अनुसंधान-विधियाँ साधारण हैं: पूर्व-पंजीकृत तुलनाएँ, ऐसे परिणाम-माप जो स्व-रिपोर्ट न हों, और ऐसे डिज़ाइन जो इस आपत्ति का सामना कर सकें कि हस्तक्षेप और मूल्यांकन दोनों मॉडल ने लिखे थे।
समूह कहाँ पतला है
मनोविज्ञान: अध्ययन से ज़्यादा नमूनाकरण। इस अनुशासन का अब अपना पृष्ठ है, मनोविज्ञान शिक्षा, क्योंकि इसमें बाकी समूह के संयोजन से ज़्यादा पाठ्यक्रम-स्तरीय साक्ष्य है। आगे जो आता है वह समूह-स्तरीय सारांश है और इसके अस्तित्व का कारण भी। ज़्यादातर मनोविज्ञान-साक्ष्य ऐसे अध्ययनों से आता है जो मनोविज्ञान विद्यार्थियों को सुविधाजनक प्रतिभागी बनाते हैं, मनोविज्ञान पाठ्यक्रम की जाँच नहीं करते। चार अपवाद स्वयं पाठ्यक्रम को देखते हैं। Richmond और Nicholls ने दूसरे वर्ष के मनोविज्ञान "Media Assignment" में सहकर्मी मूल्यांकन की जगह ChatGPT रखा, एक ऐसे कार्य में जो किसी प्रकाशित लेख को मीडिया विज्ञप्ति और वीडियो में बदलता है। Préau और सहयोगियों ने ट्यूबिंगन में मनोविज्ञान स्नातक-प्रारंभिक विद्यार्थियों के लिए सेमेस्टर-लंबे R प्रोग्रामिंग पाठ्यक्रम में "R-Tutor" तैनात किया, एक पूर्व-पंजीकृत, अनुदैर्घ्य अध्ययन में।
दो और यह परखते हैं कि मनोविज्ञान विद्यार्थी क्या जानते हैं और कैसे निर्णय करते हैं। Richter और सहयोगियों ने 30 मानसिक-स्वास्थ्य कथन 150 मनोविज्ञान विद्यार्थियों के सामने रखे और प्रत्येक के 80 चलावों के साथ चार LLM के सामने। Reed और सहयोगियों ने छह विग्नेटों के साथ 531 स्नातक-प्रारंभिक विद्यार्थियों में परखा कि क्या AI साक्षरता प्रयोग्य नैतिक निर्णय की भविष्यवाणी करती है।
बाकी का सब सामान्य विद्यार्थियों के बारे में है। संज्ञानात्मक मनोविज्ञान, विकासात्मक मनोविज्ञान, प्रेरणा और स्व-प्रभावशीलता वे पृष्ठ हैं जो बताते हैं कि सीखना कैसे काम करता है, यह नहीं कि मनोविज्ञान पाठ्यक्रम कैसे पढ़ाया जाता है। एक सिम्युलेटेड AI-सहायित निबंध-कार्य में प्रतिपुष्टि-साक्षरता निबंध-ग्रेड का एकमात्र सार्थक भविष्यवक्ता था (β = 0.46, p = 0.017; Summarise, elaborate, try again: exploring the effect of feedback literacy on AI-enhanced essay writing)।
आलोचनात्मक GenAI-उपयोग स्व-रिपोर्ट और वस्तुनिष्ठ परीक्षण दोनों से मापे गए ज्ञान से भविष्यवाणित होता है, साथ में विद्वत्तापूर्ण अभिविन्यास और बौद्धिक मूल्यों से। मनोविज्ञान वहाँ भी है जहाँ से उत्तरदाता आते हैं। हाल की एक दो-साल-की प्रतिकृति में सबसे बड़ा एकल प्रमुख मनोविज्ञान है, 991 विद्यार्थियों में से 300, इसलिए यह अनुशासन उस तरह के सर्वेक्षणों के नमूने देता है बिना स्वयं उनका विषय बने।
तीन और मनोविज्ञान पाठ्यक्रम अब अभिलेख में हैं। Baudin ने ChatGPT-4 से Experimental Psychology पाठ्यक्रम के लिए 80 प्रश्न लिखवाए और 120 विद्यार्थियों के साथ विशेषज्ञ-समीक्षा और प्रश्न-विश्लेषण से उन्हें गुज़ारा: विश्वसनीयता बनी रही, पर 73.75% प्रश्न स्मरण करते थे और केवल 8.75% विश्लेषण या मूल्यांकन तक पहुँचे। Akkurt और सहयोगियों ने GPT-4o को परामर्श-शिक्षार्थियों के लिए सिम्युलेटेड ग्राहक के रूप में उपयोग किया, जिससे प्रदर्शन-चिंता घटी पर ऐसा ग्राहक मिला जो जल्दी सहमत हो जाता था, कोई भावनात्मक बारीकी नहीं लाता और सांस्कृतिक रूप से तटस्थ रहता। Armagan-Bogatekin ने 286 मनोविज्ञान विद्यार्थियों और मनोचिकित्सा-शिक्षार्थियों का मॉडल बनाया और छह डोमेनों में से प्रत्येक में तीन से चार वर्ग पाए, जो इस बात का सबसे मज़बूत साक्ष्य है कि कोई औसत शिक्षार्थी नहीं है जिसे प्रशिक्षित किया जाए।
समाजशास्त्र तीन अध्ययनों से पाँच तक बढ़ा है। Dixon और Buchmann ने 20-प्रश्न की समाजशास्त्र प्रश्नोत्तरी को दो हफ्तों तक हर दिन ChatGPT, DeepSeek और Gemini के सामने रखा और 0.91 से 1.00 के संयुक्त kappa पाए, जिसमें मतभेद उन दो प्रश्नों पर केंद्रित थे जिनमें प्रयोग चाहिए था। Malik ने 18 समाजशास्त्र विद्यार्थियों के साक्षात्कार लिए, जिन्होंने ChatGPT को रूपरेखा बनाने और सिद्धांत स्पष्ट करने के लिए एक सोचने-वाला साथी बताया, साथ ही अपनी आवाज़ खोने की चिंता जताई। García-Alonso और सहयोगियों ने 216 स्पेनी सामाजिक विज्ञान विद्यार्थियों का सर्वेक्षण किया और पाया कि जिन विद्यार्थियों को शिक्षक-प्रशिक्षण मिला उनका उपकरण पर भरोसा कम था।
समाजशास्त्र: तीन अध्ययन। Kuznetsov, Sheely और Baker ने 504 समाजशास्त्र विद्यार्थियों का सर्वेक्षण किया और 12 और के साक्षात्कार लिए। दो-तिहाई चुनिंदा तरीके से AI उपयोग करते हैं, ज़्यादातर आगे के प्रश्नों, पठन-सामग्री का सारांश और अभ्यास-प्रश्नों के लिए। 81% को कुछ न कुछ मार्गदर्शन मिला था, और केवल 46% को वह बहुत स्पष्ट लगा।
Wells पाठ्यक्रम-केस दर्ज करते हैं: 3000-स्तरीय अनुसंधान-विधि पाठ्यक्रम के 24 विद्यार्थियों ने अठारह स्कैफ़ोल्डेड कार्यशालाओं में से छह में Copilot उपयोग किया, और प्रस्ताव लिखने के लिए उसके उपयोग पर प्रतिबंध था। Farazouli और सहयोगियों शिक्षण-पक्ष से इस ओर आते हैं, समाजशास्त्र, दर्शन, कानून और शिक्षा के 24 स्वीडिश शिक्षकों के साथ, जो मूल्यांकन-कार्यशालाओं में AI-निर्मित कार्य के बारे में तर्क करते हैं।
नैदानिक केस सचमुच अनुशासन-विशिष्ट है और यहाँ का सबसे मज़बूत डिज़ाइन है। एक अनुकूली वर्चुअल ग्राहक मनोचिकित्सा प्रशिक्षण के लिए 20 चिकित्सकों और शिक्षार्थियों के साथ 1,033 पालों चला। प्रकटीकरण चिकित्सक की सहानुभूति और अन्वेषण के साथ बढ़ा। अन्वेषण ने अंतर्निहित डेटा में सहानुभूति से लगभग 78 गुना काम किया, जबकि तैनात प्रणाली उसे तीन गुना अधिक वज़न देती थी, इसलिए जो शिक्षार्थी उसके सामने अभ्यास करते हैं वे उसके लिए अनुकूलित होने का जोखिम उठाते हैं जो सिम्युलेटर पुरस्कृत करता है।
भूगोल साहित्य तक केवल पर्यावरण शिक्षा के ज़रिए पहुँचता है। यदि आप समाजशास्त्र या मनोविज्ञान पढ़ाते हैं, तो ये अध्ययन वही हैं जो मौजूद हैं। साक्ष्य का आकार स्वयं ही निष्कर्ष है: समाजशास्त्र के लिए एक सर्वेक्षण, एक पाठ्यक्रम-केस और एक शिक्षक-अध्ययन; मनोविज्ञान के लिए चार पाठ्यक्रम-अध्ययन।
सामाजिक विज्ञान शिक्षकों के लिए निहितार्थ
- उत्पाद को नहीं, विधि को दिखाई देने दें। यदि अधिदेय रिपोर्ट है, तो पाठ्यक्रम रिपोर्ट लिखना मूल्यांकन कर रहा है; ग्रेड को उपकरण-डिज़ाइन, नमूनाकरण-निर्णयों या कारणात्मक दावे की रक्षा-क्षमता की ओर ले जाएँ।
- स्वचालित ग्रेडिंग की जाँच संरचना के सामने करें। मानव चिह्नक से सहमति विश्वसनीयता-परिणाम है, वैधता-परिणाम नहीं, और मार्केटिंग-पोस्ट अध्ययन एक ही पृष्ठ में अंतर दिखाता है।
- सिर्फ उपकरण ही नहीं, संस्था भी पढ़ाएँ। एल्गोरिदमिक शासन अब उन चीज़ों का हिस्सा है जिनका नागरिकता, कानून और लोक-प्रशासन वर्णन करते हैं, और सीमा-केस सबसे स्पष्ट उदाहरण है।
- लागत और लाभ दोनों को एक ही फ्रेम में रखें। कार्बन-गहन उपकरण के ज़रिए पढ़ाया गया संधारण पाठ्यक्रम दोनों हिस्सों का हिसाब रखना चाहिए, और फुटप्रिंट-रिपोर्टिंग उसे विधि देती है।
सामान्य भ्रांतियाँ
"सामाजिक विज्ञान शिक्षा में AI मुख्यतः अनुसंधान-उपकरण का प्रश्न है।" इस समूह के सबसे बड़े मापित प्रभाव पाठ्यक्रम-निर्माण और ग्रेडिंग पर हैं, अनुसंधान-प्रथा पर नहीं: नागरिकता-विश्लेषण और मार्केटिंग-पोस्ट स्कोरिंग दोनों इस बारे में हैं कि विद्यार्थियों को क्या दिया जाता है और उन्हें कैसे न्याय दिया जाता है।
"नागरिक शिक्षा की समस्या यह है कि विद्यार्थी चैटबॉट की बात मान लेंगे।" दस्तावेज़ की गई समस्या इससे पतली है: AI-निर्मित नागरिकता-सामग्री स्मरण-स्तरीय कार्यों पर चली जाती है और बहुसांस्कृतिक सामग्री पूरी तरह हटा देती है, इसलिए जोखिम ऐसा पाठ्यक्रम है जो किसी भी विद्यार्थी के गुमराह होने से पहले निर्णय सिखाना बंद कर देता है।
"पर्यावरण शिक्षा AI के फुटप्रिंट को नैतिकता-विषय के रूप में मान सकता है।" फुटप्रिंट एक डिज़ाइन-प्राचल है: विलंब, मॉडल-आकार और होस्टिंग इसे तय करते हैं, और रिपोर्टिंग-साहित्य इसे उपदेश देने के बजाय मापने योग्य मानता है।
संबंधित अवधारणाएँ
संबंधित लेख
- Civic education in the age of AI: Should we trust AI-generated lesson plans
- Digital borders, algorithmic governance and civic digital literacy: examining the educational implications of AI-driven immigration management in post-apartheid South Africa
- The effects of artificial intelligence on management education
- Mapping the integration of AI into business education: Insights from a decade of research
- Generating a student-informed teaching and learning conceptual framework for GenAI in business schools: a case study
- Innovative assessment and grading practices in higher education: A critical exploration for management educators
- Agreement and error in automated scoring of student marketing posts
- A Scoping Review of AI for Sustainability and Sustainable AI in Higher Education
- The Environmental Cost of LLMs in AIED: Reporting and Practices
- Can AI-Assisted Inquiry Enhance Students' Decision-Making Skills in Socio-Scientific Issues? A Three-Group Experimental Study on Climate Change
- Summarise, elaborate, try again: exploring the effect of feedback literacy on AI-enhanced essay writing
- GenAI knowledge, epistemic orientation, and intellectual values predict undergraduate students' critical GenAI use
- Student Use of and Views on GenAI for Writing
- Exploring the Role of Generative AI as a Research Assistant in Undergraduate Sociology Research Methods
- Navigating uncertainty: university teachers' experiences and perceptions of generative artificial intelligence in teaching and learning
- Using generative AI to promote psychological, feedback, and artificial intelligence literacies in undergraduate psychology
- Student Adoption of an AI Tutor for Statistical Programming: A Longitudinal Study
- Mental Health Literacy Across Psychology Students and Large Language Models
- AI literacy and scenario-based ethical judgment about generative AI among undergraduate students
- The Empirically Grounded Adaptive Virtual Patient for Psychotherapy Training: Disclosure That Responds to Therapist Micro-Skills
- The Proliferation of AI among College Students: A Replication and 2-Year Follow-Up
- Assessing the psychometric properties of AI-generated multiple-choice exams in a psychology subject
- Learning Through Simulation: Counselor Trainees' Interactions with ChatGPT as a Client
- Heterogeneity in AI attitudes, anxiety, and acceptance among psychology students and psychotherapy trainees: a domain-specific latent class analysis
- Are Large Language Models Reliable across Services and over (a Short) Time? An Exploratory Study in Sociology with Pedagogical Implications
- ChatGPT as a Cognitive Tool in Sociology: Students' Perceptions and Its Impact on Academic Writing Practices
- Training and Technology Acceptance of ChatGPT in University Students of Social Sciences: A Netcoincidental Analysis
संबंधित संसाधन
- Integrating Generative AI in Psychology CoursesSTP का 255-पृष्ठों का ओपन-एक्सेस संकलन, जिसमें मनोविज्ञान शिक्षण में जनरेटिव AI के 21 पाठ्यक्रम-स्तर के वृत्तांत हैं — परिचयात्मक अनुभागों से लेकर नैदानिक प्रशिक्षण और सांख्यिकी तक।