छात्र अनुभव

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

छात्र अनुभव — शिक्षण संदर्भों में AI उपकरणों को विद्यार्थी किस प्रकार समझते हैं, उनके साथ किस प्रकार अंतःक्रिया करते हैं और उनसे किस प्रकार प्रभावित होते हैं। ज्ञान आधार में 85 से अधिक लेखों के साथ, छात्र अनुभव AI in education के सबसे अधिक अध्ययन किए गए आयामों में से एक है। AI छात्रों पर सकारात्मक और नकारात्मक दोनों दिशाओं में प्रभाव डालता है, और वही उपकरण इस आधार पर मदद या नुकसान दोनों कर सकता है कि उसे किस प्रकार डिज़ाइन और उपयोग किया गया है।

विचार के लिए प्रश्न

पेज का दावा है कि AI छात्रों पर सकारात्मक और नकारात्मक दोनों दिशाओं में प्रभाव डालता है, अक्सर एक साथ — यह डिज़ाइन और उपयोग पर निर्भर करता है कि वही उपकरण मदद करे या नुकसान। क्या आप अपने अनुभव से कोई ऐसा उदाहरण दे सकते हैं जहाँ AI ने एक साथ मदद और नुकसान दोनों किए?
यह एक 'प्रदर्शन-सीखने की खाई' का वर्णन करता है: छात्र AI के साथ बेहतर प्रदर्शन करते हैं लेकिन बाद के बिना-सहायता कार्यों में खराब। आपके अनुसार यह खाई किस प्रकार उत्पन्न होती है, और इसे दूर करने के लिए क्या आवश्यक होगा?
यदि AI पर अति-निर्भरता का अर्थ है वह तर्क सौंप देना जिसका अभ्यास आपको वास्तव में करना है, तो आप वैध मदद और उस ऑफ़लोडिंग के बीच रेखा कहाँ खींचेंगे जो सीखने को कमज़ोर करती है?
अनुसंधान यह पूछता है कि केवल AI की उपलब्धता का जानना ही छात्र के प्रयास को बदलता है या नहीं। क्या आपको लगता है कि AI के प्रति जागरूकता छात्रों को अधिक मेहनत, कम मेहनात, या भिन्न तरीके से काम कराती है — और आप अपने मत की जाँच किस प्रकार करेंगे?
चूँकि AI की पहुँच और प्रभावकारिता छात्र आबादी में भिन्न होती है, जब कोई पाठ्यक्रम कोई AI उपकरण अपनाता है तो आपको कौन-से समता संबंधी चिंताएँ सबसे अधिक महत्वपूर्ण लगती हैं, और उन्हें संबोधित करने की ज़िम्मेदारी किसकी है?

परिचय

छात्र अनुभव का अध्ययन किस प्रकार किया जाता है

बड़े पैमाने के सर्वेक्षण: AI in the Wild हजारों महाविद्यालय छात्रों की वास्तविक अंतःक्रियाओं का विश्लेषण करता है, जबकि उपलब्धता और संतुष्टि के अध्ययन AI पहुँच को छात्र परिणामों के साथ सहसंबद्ध करते हैं। ये स्व-रिपोर्ट माप हैं: ये धारणाओं और आशयों को अच्छी तरह पकड़ती हैं, लेकिन व्यवहार को केवल अनुमानित रूप से।
उपयोग न करना एक विचारपूर्ण स्थिति है, पाटने योग्य कोई कमी नहीं। संयुक्त राजशाहर के पाँच संस्थाओं में हुए एक सर्वेक्षण में, 7,087 छात्रों में से 32% ने पढ़ाई के लिए GenAI का बिलकुल उपयोग नहीं किया, जिसमें उपयोग न करने वालों ने कार्य स्वयं करना चाहना (86%), गलत सूचना (81%), और नैतिक या पर्यावरणीय चिंताएँ बताईं (Gow et al., 2026)।
अंतःक्रिया पैटर्न: Tracing GenAI literacy यह मानचित्रित करता है कि छात्र विभिन्न असाइनमेंट में AI के साथ किस प्रकार जुड़ते हैं। प्रॉम्प्टिंग विश्लेषण प्रॉम्प्ट संरचना के माध्यम से संज्ञानात्मक संलग्नता के स्तरों को उजागर करता है।
अभिप्रेरणा और सशक्तिकरण: AI उपलब्धता और अभिप्रेरणा यह जाँचता है कि AI की उपलब्धता का ज्ञान छात्र के प्रयास को बदलता है या नहीं। AIED का अधूरा मिशन शिक्षार्थी सक्रियता और प्रेरणा को केंद्रीय चुनौतियों के रूप में प्रस्तुत करता है।
धारणाएँ और अभिवृत्तियाँ: GenAI उपयोग सर्वेक्षण और मानसिक मॉडल के अध्ययन यह जाँचते हैं कि छात्र AI को किस प्रकार समझते और उस पर किस प्रकार भरोसा करते हैं।
समता संबंधी आयाम: छात्र अनुभव समानता से जुड़ता है — AI की पहुँच और प्रभावकारिता छात्र आबादी में भिन्न होती है।

AI छात्रों पर किस प्रकार प्रभाव डालता है

AI संज्ञानात्मक, अभिप्रेरणाप्रद, भावनात्मक, पहचान, सामाजिक और समता संबंधी आयामों में छात्रों को प्रभावित करता है। अनुसंधान प्रत्येक आयाम में सकारात्मक और नकारात्मक दोनों प्रभावों की ओर संकेत करता है, अक्सर एक साथ — दिशा डिज़ाइन और उपयोग पर निर्भर करती है।

संज्ञानात्मक प्रभाव

सकारात्मक: AI प्रतिपुष्टि, संकेतों और व्याख्याओं के साथ सीढ़ी सहारा देकर सीखने में सहायता कर सकता है, जिससे समझ, अभ्यास और सहायता खोजना सहायता-मांगना बढ़ता है। छात्र AI का उपयोग AI का अच्छी तरह उपयोग करना सीखने के लिए कर सकते हैं, और अच्छी तरह डिज़ाइन किए गए उपकरण शिक्षार्थी को संज्ञानात्मक कार्य कराते रखते हैं (देखें Does AI help students learn?)।
नकारात्मक: AI अति-निर्भरता और संज्ञानात्मक ऑफ़लोडिंग को बढ़ावा दे सकता है, जहाँ छात्र वह तर्क सौंप देते हैं जिसका अभ्यास उन्हें करना है। यही प्रदर्शन–सीखने की खाई है: छात्र AI के साथ बेहतर प्रदर्शन करते हैं लेकिन बाद के बिना-सहायता कार्यों में खराब (देखें AI Misuse and Learning Harm)। अति-उपयोग मेटाकॉग्निशन और स्व-नियंत्रित अधिगम को भी कमज़ोर कर सकता है।

अभिप्रेरणाप्रद प्रभाव

सकारात्मक: AI व्यक्तिगत, तत्काल और कम-जोखिम वाली सहायता प्रदान करके प्रेरणा और संलग्नता बढ़ा सकता है — जिससे छात्र दृढ़ रहते हैं और सक्षम महसूस करते हैं (स्वायत्तता, सामर्थ्य और संबंधिता पर स्व-निर्धारण दृष्टिकोण देखें)।
नकारात्मक: AI की उपलब्धता का ज्ञान छात्र के प्रयास और उत्पादक रूप से संघर्ष करने की अभिप्रेरणा को घटा सकता है (AI उपलब्धता और अभिप्रेरणा, सुरक्षा खाई)। अति-निर्भरता शिक्षार्थी सक्रियता और उस उपलब्धि की भावना को कमज़ोर कर सकती है जो कार्य स्वयं करने से मिलती है।

भावनात्मक और कल्याण संबंधी प्रभाव

सकारात्मक: AI कम दबाव वाली, मांग पर उपलब्ध सहायता दे सकता है और प्रश्न पूछने के बारे चिंता घटा सकता है, जिससे कल्याण और आत्मविश्वास बढ़ता है।
नकारात्मक: AI उपयोग चिंता और तनाव से जुड़ा है, जिसमें प्रतिस्थापित होने के भय, अनिश्चित मूल्यांकन और तालमेल बिठाने का दबाव शामिल है। AI चिंता का एक व्यापक विश्लेषण और AIvaluate जैसे अध्ययन इन भावनात्मक लागतों का प्रलेखन करते हैं। AI उपयोग के बारे लज्जा और अपराधबोध छिपाने और चुनिंदापूर्ण रूप से प्रकट न करने को बढ़ावा दे सकते हैं, जिससे ईमानदार संलग्नता और सामाजिक-भावनात्मक कल्याण नुकसान उठाते हैं। ये दबाव स्थानीय और सामाजिक हैं, कहीं लिखे नहीं: देखें AI उपयोग के सामाजिक मानदंड। मूल्यांकन की स्थितियाँ अपना दबाव जोड़ती हैं: नर्सिंग मूल्यांकन में दूरस्थ निगरानी का एक स्कोपिंग समीक्षा पाता है कि छात्र कनेक्टिविटी और नकली कॉपी करने के गलत आरोप के बारे चिंतित हैं, निगरानी ऐप के पहली बार उपयोग करने वाले इसे चिंता-जनक बताते हैं और निगरानी में ध्यान केंद्रित करने में कठिनाई बताते हैं, और लगभग एक-पाँचवें हिस्से में तैयारी संसाधनों के बावजूद ब्राउज़र-एक्सटेंशन या कनेक्टिविटी विफलताएँ आती हैं।

पहचान संबंधी प्रभाव

सकारात्मक: AI पहचान के निर्माण का सहारा देकर अनुशासनात्मक अपनापन, आत्मविश्वास और व्यावसायिक आकांक्षाओं को सहारा दे सकता है — जैसे, छात्रों को स्वयं को सक्षम अभ्यासी के रूप में देखने में सहायता।
नकारात्मक: AI लेखकत्व के नुकसान और सामर्थ्य पर संदेह के माध्यम से शिक्षार्थी पहचान को खतरे में डाल सकता है — जब AI कार्य बनाता है, तो छात्र शायद उसे अपना "उसका" महसूस करना बंद कर दें। रचनात्मक क्षेत्रों में सामर्थ्य विरोधाभास दिखाता है कि उपयोग में सरलता उस शिल्प-आधारित पहचान को कमज़ोर करती है जो छात्र लेखकत्व से प्राप्त करते हैं।

शैक्षणिक ईमानदारी और निष्पक्षता संबंधी प्रभाव

नकारात्मक: AI शैक्षणिक बेईमानी के नए रूपों को सक्षम बनाता है (AI-जनित निबंध, अनधिकृत पूर्णता), जिससे पहचान और कमी पर बहस छिड़ती है। यह समता से जुड़ता है: AI उपकरणों तक असमान पहुँच और उनकी असमान समझ छात्रों के बीच खाई को बढ़ा सकती है।
सकारात्मक/रचनात्मक: AI प्रामाणिक, प्रक्रिया-केंद्रित मूल्यांकन और चिंतनशील अभ्यास का सहारा दे सकता है (जैसे, निर्देशित स्व-मूल्यांकन), जिससे ईमानदारी संबंधी चिंताएँ AI साक्षरता और ज़िम्मेदारी के अवसर बन जाती हैं।

ईमानदारी संबंधी छात्र विवरण बेईमानी के फ़्रेमिंग के मुकाबले कम निश्चित हैं। Mulisa and Mezgebu (2026) ने एक इथियोपियाई विश्वविद्यालय के 27 स्नातक छात्रों से साक्षात्कार लिए और पाया कि छात्र समुदाय स्वयं ही विभाजित है: लगभग सभी ने GenAI का उपयोग किया या साथियों का उपयोग देखा और अधिकांश ने इसमें अपनी उपलब्धि बढ़ने का श्रेय दिया, एक अल्पसंख्यक ने पाठ्यक्रम में इसके उपयोग को स्पष्ट अनुचित व्यवहार कहा, और सबसे तीखी और सबसे व्यापक रूप से साझा शिकायत निष्पक्षता थी — जिन छात्रों ने ईमानदारी से काम किया उनसे अधिक अंक पाने वाले AI उपयोगकर्ता, जिसे कुछ ने अपनी परिश्रम-भावना की हत्या बताया और एक प्रतिभागी अनिश्चित रह गया "हम AI के उपयोग से लाभान्वित हो रहे हैं या कष्ट झेल रहे हैं।" प्रक्रिया पक्ष भी मायने रखता है: Munoz et al. (2026) ने 1,162 GenAI अनुचित व्यवहार मामलों को कोडित किया और पाया कि सबसे अधिक उद्धृत सबूत — डिटेक्टर आउटपुट, समानता रिपोर्ट, AI-विशिष्ट सामग्री पैटर्न — में सबसे कमज़ोर प्रमाणिक मूल्य था, और पाइपलाइन में न्यूनतम प्रमाण-सीमा न होने के कारण कमज़ोर मामलों वाले छात्रों को अपील की ओर धकेला गया। अति-व्यापक परिभाषाएँ उस जोखिम को बढ़ाती हैं: Wright (2026) दिखाता है कि "generative AI" पर लगे प्रतिषेध उन उपकरणों को भी पकड़ सकते हैं जो छात्र के द्वारा पहले ही लिखे कार्य के केवल प्रारूप को बदलते हैं, और यह अति-समावेश सबसे अधिक असक्षम और समता-जोखिम में रहने वाले छात्रों पर पड़ता है। Sharma (2026) रचनात्मक रास्ता दिखाता है, जो ईमानदारी को निगरानी से सुरक्षित अनुपालन के बजाय निर्णय के माध्यम से संचालित शैक्षणिक अभ्यास मानता है — टिप्पणीकृत निर्णय-पदचिह्न, सत्यापन, मौखिक प्रतिरक्षा, संस्करण इतिहास।

सत्यापन यह बदल सकता है कि छात्र इस प्रश्न का अनुभव किस प्रकार करते हैं: अपने कार्य को समझाने का अनुरोध पहले आरोप के रूप में पढ़ा गया, लेकिन जब पाठ्यक्रम ने इसे पहले से शिक्षाशास्त्र के रूप में निगरानी के बजाय प्रस्तुत किया तो छात्रों ने AI उपयोग को अधिक खुलकर प्रकट किया और असाइनमेंट को सीखने के कार्य माना, पाँच से दस मिनट की बातचीत में (Mandernach, 2026)।

सामाजिक और संबंधात्मक प्रभाव

सकारात्मक: AI सहयोग और मानव-AI अंतःक्रिया का मध्यस्थ बन सकता है, जिससे टीमकार्य, साथी अंतःक्रिया और विविध दृष्टिकोणों तक पहुँच बढ़ता है।
नकारात्मक: AI वास्तविक साथी और शिक्षक अंतःक्रिया को घटा सकता है, चापलूसीपूर्ण गतिशीलता पैदा कर सकता है, और — अप्रकट साथी के रूप में काम करते हुए — समूह प्रवचन और शिक्षार्थी सक्रियता को उन तरीकों से फिर से आकार दे सकता है जिन्हें शिक्षार्थी न देख सकते और न चुनौती दे सकते (देखें अंतर्निहित HAI में उभरता हुआ शिक्षार्थी सशक्तिकरण)।

दीर्घकालिक / क्षमता संबंधी प्रभाव

सकारात्मक: AI छात्रों को AI-एकीकृत कार्यस्थल के लिए स्थानांतरणीय कौशल बनाने में मदद कर सकता है — अनुकूली क्षमताएँ जैसे AI साक्षरता, वितरित संज्ञान और मेटाकॉग्निशन — और AI-कौशल तैयारी पर अपेक्षाएँ बढ़ा सकता है (स्नातकों के लिए AI-कौशल अपेक्षाएँ)।
नकारात्मक: एक अति-निर्भर या अचिंतनशील AI अनुभव छात्रों को AI के बिना काम करने में कम सक्षम, स्वतंत्र तर्क में कम अभ्यस्त, और अपनी क्षमताओं के बारे अनिश्चित छोड़ सकता है (देखें AI का दुरुपयोग और सीखने को नुकसान)।

कुल मिलाकर: वही AI उपकरण डिज़ाइन और उपयोग के आधार पर छात्रों का सहारा या कमज़ोरी हो सकता है। हर जगह सुरक्षा-कवच यह है कि सहायता के लिए AI का उपयोग करते हुए शिक्षार्थी संज्ञानात्मक रूप से महत्वपूर्ण कार्य करता रहे (सीढ़ी सहारा दो, विकल्प न बनो), और पूरे प्रभावों की श्रेणी पर ध्यान दें — केवल प्रदर्शन पर नहीं। एक विन्यास यह बदलता है कि अनुभव कहाँ से शुरू होता है: जब AI पाठ्यक्रम की पठन सामग्री स्वयं उत्पन्न करता है, न कि गृहकार्य में मदद करता है, तो छात्र अपने ही पाठ्यक्रम के परीक्षक बन जाते हैं। Sidorkin's (2026) के स्नातकोत्तर पाठ्यक्रम में, छात्रों ने उत्पन्न पाठों की संदर्भ-विशिष्टता और समायोज्यता को महत्व दिया और 75 प्रतिशत ने सहमति दी कि उन्होंने AI साथी के बिना किसी तुलनीय पाठ्यक्रम से अधिक सीखा, फिर भी उन्हें स्रोत की गुणवत्ता संदर्भ से अनुमान लगानी पड़ी क्योंकि Wikipedia लिंक और सहक्रमी-समीक्षित उद्धरण बिना लेबल के समान सूचियों में दिखते थे, और 24 सर्वेक्षण प्रतिवर्तियों में से चार ने निर्भरता की भाषा का उपयोग किया, जिनमें एक ने स्वयं को "AI पर आश्वासन और संरचना के लिए कुछ हद तक सह-निर्भर" बताया।"

वह दीर्घकालिक परिणाम जो एक छात्र अनुभव करता है — कि वह अगले सेमेस्टर लौटता है, क्रेडिट जमा करता है और स्नाता बनता है — या तो संस्थागत हैं न कि शैक्षणिक, और छात्र सहायता और सफलता दर्ज करता है कि AI सहायता उन पर किस प्रकार प्रभाव डालती है: कार्य पूर्णता सरलता से बढ़ती है, दृढ़ता और स्नातकता बहुत कम।

संबंध

छात्र अनुभव Over-Reliance (अति-निर्भरता) से जुड़ता है, AI साक्षरता (प्रभावी उपयोग के कौशल), संज्ञानात्मक ऑफलोडिंग (AI संज्ञानात्मक कार्य को किस प्रकार बदलता है), और संलग्नता (AI प्रणालियाँ छात्र व्यवहार को किस प्रकार मापती और प्रतिक्रिया देती हैं) से। यह हितधारक छत्री का शिक्षार्थी-मुखी सदस्य है, और AI के छात्रों पर होने वाले सभी प्रभावों को सारांशित करने का घर है।

मेटाडेटा

स्तर	Higher Ed, K 12
अधिगम और शिक्षण	कल्याण
प्रौद्योगिकियाँ और तकनीकें	जनरेटिव-AI, बड़े भाषा मॉडल (LLMs)
समानता, नैतिकता और जिम्मेदार उपयोग	समानता
शिक्षा में AI की नींव	AI साक्षरता, संज्ञानात्मक ऑफलोडिंग

Source History Edit Chat