व्यावसायिक विकास

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

व्यावसायिक विकास — शिक्षकों की तैयारी और उनका चल रहा व्यावसायिक विकास, जिसमें सेवा-पूर्व शिक्षक प्रशिक्षण (प्रारंभिक प्रमाणन कार्यक्रम) और सेवा-रत व्यावसायिक विकास दोनों सम्मिलित हैं। AI-शिक्षा के अनुसंधान में, शिक्षक शिक्षा एक केंद्रीय चिंता का विषय बन गई है, क्योंकि शिक्षकों की AI साक्षरता, तकनीकी-शैक्षणिक ज्ञान, नैतिक प्रवीणता और पढ़ाई में AI को एकीकृत करने की तत्परता यह निर्धारित करती है कि कक्षाओं में AI का अपनाना सफल होता है या नहीं। यह अवधारणा इस ज्ञान-आधार के उस विस्तृत विवरण को व्यवस्थित करती है कि AI भावी और अभ्यासरत दोनों शिक्षकों की तैयारी, ज्ञान, विश्वास और अभ्यास को किस प्रकार नया रूप देती है।

प्रश्न जिन पर विचार करना चाहिए

• यहाँ शिक्षक शिक्षा में सेवा-पूर्व प्रशिक्षण (प्रमाणन कार्यक्रमों के भावी शिक्षक) और सेवा-रत व्यावसायिक विकास (अभ्यासरत शिक्षक) दोनों सम्मिलित हैं। आपके विचार में इन दोनों में से किसके लिए AI कक्षाओं के लिए तैयारी बड़ी चुनौती है, और क्यों?
• यह पेज बताता है कि शिक्षक शिक्षा को शिक्षकों केवल AI उपकरणों का उपयोग करने के लिए तैयार नहीं, बल्कि उन्हें समझने, मूल्यांकन करने और नैतिक रूप से एकीकृत करने के लिए तैयार करना चाहिए — यह बदलाव जो 'शिक्षक होने के अर्थ को नया रूप देता है।' आपके विचार में यह नया स्वरूप एक प्रमाणन कार्यक्रम की पढ़ाई को किस प्रकार बदलना चाहिए?
• AI-TPACK जैसे ढाँचे क्लासिक TPACK मॉडल में AI और नैतिकता का एक आयाम जोड़कर उसे विस्तारित करते हैं। आपके विचार में तकनीकी-शैक्षणिक-विषयवस्तु ज्ञान के 'AI आयाम' में चैटबॉट के संचालित करने से परे वास्तव में क्या होना चाहिए?
• पेज पर उद्धृत 55 अध्ययनों के एक स्कोपिंग समीक्षा से पता चलता है कि AI सेवा-पूर्व शिक्षकों के शिक्षणात्मक डिज़ाइन, चिंतन और आलोचनात्मक सोच को बढ़ाता है। लेकिन यदि AI इनमें से कुछ काम उनके लिए कर सकता है, तो शिक्षक प्रशिक्षण में इसका उपयोग कब कौशल बनाता है और कब उस निर्णय-क्षमता का विकल्प बन जाता है जिसकी उन्हें आवश्यकता होगी?
• यदि आप AI युग के लिए शिक्षक-शिक्षा कार्यक्रम का नया रूप रच रहे हों, तो आप हर भावी शिक्षक से क्या अनुभव करवाना अनिवार्य करेंगे — और उन्हें AI पर किस काम को सौंपने से जान-बूझकर रोकेंगे?

परिचय

शिक्षक शिक्षा कई ज्ञान-आधार धागों के संगम पर स्थित है: यह एक अनुशासन/क्षेत्र है (जैसे चिकित्सा एवं स्वास्थ्य व्यवसाय शिक्षा और मानविकी और सामाजिक विज्ञान शिक्षा), लेकिन यह शिक्षण, टेक्नोलॉजिकल पेडागॉजिकल कंटेंट नॉलेज (TPACK), शिक्षकों की AI योग्यता और AI साक्षरता जैसे सामान्य अवधारणाओं पर भी निर्भर करती है। AI युग में, शिक्षक शिक्षा को शिक्षकों केवल AI उपकरणों का उपयोग करने के लिए नहीं, बल्कि उन्हें समझने, मूल्यांकन करने और नैतिक रूप से एकीकृत करने के लिए तैयार करना चाहिए — यह बदलाव जो शिक्षक होने के अर्थ को नया रूप देता है। शिक्षण विज्ञान उस ज्ञान की आपूर्ति करते हैं जिसे इस गठन को वहन करना है: जहाँ वह क्षेत्र यह अध्ययन करता है कि लोग किस प्रकार सीखते हैं और सीखने के वातावरण किस प्रकार रचे जाने चाहिए, वहीं शिक्षक शिक्षा वह व्यावसायिक गठन है जिसमें ऐसे प्रमाणों को शिक्षक की अपनी क्षमता — डिज़ाइन करने, पढ़ाने और आँकने की — के रूप में उतरना पड़ता है।

स्तरों-पार के प्रमाण डिज़ाइन की प्राथमिकता को तीक्ष्ण करते हैं: 46 शिक्षकों और 2,832 माध्यमिक विद्यार्थियों के एक बहु-स्तरीय अध्ययन में पता चला कि शैक्षणिक AI ज्ञान (TPAIK) — तकनीकी AI ज्ञान नहीं — ने विद्यार्थियों के सामाजिक उद्देश्यों के लिए AI के प्रति धारणाओं और AI सीखने की इच्छा को प्रेरित किया। इसलिए शिक्षक शिक्षा को "पहले शिक्षण-कला, दूसरा तकनीक" दिशानिर्देश के अनुरूप, उपकरण दक्षता से ऊपर AI के साथ और AI के विषय में पढ़ाना को अग्रिम रखना चाहिए।

सेवा-पूर्व शिक्षक शिक्षा

सेवा-पूर्व (प्रारंभिक) शिक्षक शिक्षा भावी शिक्षकों को उनके प्रमाणन कार्यक्रमों के दौरान तैयार करती है। इस धागे का AI अनुसंधान इनमें शामिल है:

• AI-TPACK और इंटेलिजेंट-TPACK तत्परता। उपकरण और ढाँचे सेवा-पूर्व शिक्षकों की AI एकीकृत करने की तत्परता को मापते और बनाते हैं, जो टेक्नोलॉजिकल पेडागॉजिकल कंटेंट नॉलेज (TPACK) ढाँचे को AI/नैतिकता आयाम के साथ विस्तारित करते हैं।(Conceptualizing pre-service teachers' readiness for AI integration into teaching practices: An intelligent-TPACK approach)(Assessing AI-TPACK readiness in mathematics teacher education: The role of self-efficacy and teaching beliefs)
• अपनाने के प्रोफ़ाइल और उपयोग-सुगमता/इरादा विरोधाभास। Chen et al. (2026) ने 128 सेवा-पूर्व शिक्षकों को चार ChatGPT-अपनाने समूहों में वर्गीकृत किया: प्रतिरोधी संशयवादी (14.06%) ने उच्च अनुभूत उपयोग-सुगमता लेकिन बहुत कम व्यवहारगत इरादा दर्ज किया, इसलिए केवल संचालन कौशल प्रशिक्षण उन्हें नहीं बदल पाता।
• अनुप्रयोग और लाभ। 55 अध्ययनों की एक स्कोपिंग समीक्षा दिखाती है कि AI सेवा-पूर्व शिक्षकों के शिक्षणात्मक डिज़ाइन, विषय-पढ़ाई, व्यावहारिक शिक्षण कौशल, मूल्यांकन, चिंतनात्मक अभ्यास, आलोचनात्मक सोच, तकनीकी एकीकरण और शैक्षणिक नवाचार को बढ़ाता है।(Harnessing artificial intelligence for preservice teachers' development: A scoping review of applications, benefits, and challenges)
• बिना स्कैफ़ोल्डिंग के genAI पहुँच ने genAI न होने से भी कम स्कोर किया। 52 सेवा-पूर्व शिक्षकों के एक 11-सप्ताहीय अर्ध-प्रयोग में, बिना स्कैफ़ोल्डिंग वाली genAI कक्षा ने genAI-रहित कक्षा से कम रूब्रिक-मूल्यांकित पाठयोजनाएँ बनाईं (समायोजित 86.54 बनाम 81.87, F = 8.348, p = 0.006, η² = 0.146), जबकि स्व-नियंत्रित अधिगम या आलोचनात्मक सोच में किसी समूह में अंतर नहीं था (Zhang et al. (2026))।
• शैक्षणिक रोबोटिक्स और ML। प्रारंभिक शिक्षक प्रशिक्षण में भावी शिक्षकों में संगणकीय सोच बनाने के लिए कोडिंग, रोबोटिक्स और मशीन लर्निंग गतिविधियाँ (जैसे, micro:bit) सम्मिलित की जाती हैं।(Coding, robots, computational concepts, and machine learning using the microbit card and the Maqueen and Nezha kits. A study in initial teacher training)
• प्रामाणिक मूल्यांकन और मेटाज्ञान। AI-माध्यमित मूल्यांकन मॉडल (जैसे, AAIWA) सेवा-पूर्व कार्यक्रमों में प्रामाणिक रूब्रिक-आधारित मूल्यांकन, स्थिति-अनुकूली AI प्रतिपुष्टि और मेटाज्ञानात्मक चिंतन को एकीकृत करते हैं।(AI-mediated authentic assessment and metacognitive reflection: A mixed-methods study of the AAIWA model)
• विज्ञान शिक्षा में AI-समर्थित खोज। तुर्किये (Aydın) के 48 सेवा-पूर्व विज्ञान शिक्षकों के एक अर्ध-प्रयोग में प्रकाश-संश्लेषण और श्वसन पर एक 8-सप्ताहीय AI-समर्थित मार्गदर्शित खोज कार्यक्रम में समस्या-आधारित और डिज़ाइन-आधारित सीखना एकीकृत किया गया। इसने दोनों जैविक प्रक्रियाओं की संकल्पनात्मक समझ में उल्लेखनीय वृद्धि दिखाई, लेकिन AI साक्षरता या स्व-अनुभूत संगणकीय सोच पर कोई उल्लेखनीय प्रभाव नहीं डाला — यह याद दिलाता है कि AI-IBL शिक्षक अभ्यर्थियों में विषय-ज्ञान की समझ गहरी कर सकता है, पर उनकी AI/CT योग्यताएँ स्वतः नहीं बनतीं; उनके लिए स्पष्ट, लक्षित डिज़ाइन आवश्यक है।
• रचनावादी शिक्षणात्मक डिज़ाइन के लिए जनरेटिव AI। SAHAB मॉडल एक अर्ध-प्रयोगात्मक व्यावसायिक-विकास हस्तक्षेप है जिसमें जनरेटिव AI शिक्षकों को कंस्ट्रक्टिविज़्म शिक्षण रचने में सशक्त बनाता है, जिसमें बड़ी वृद्धि (d = 1.18) दिखती है। यह बताता है कि GenAI शिक्षक अभ्यर्थियों और अभ्यासरत शिक्षकों दोनों के लिए शिक्षणात्मक डिज़ाइन के डिज़ाइन का स्कैफ़ोल्ड बन सकता है — केवल विषय-वस्तु देना नहीं, बल्कि विद्यार्थी-केंद्रित सीखने की गतिविधियों के डिज़ाइन का समर्थन करना।
• स्नातकोत्तर गणित M.Ed. विद्यार्थियों के लिए स्मार्ट-कक्षा प्रशिक्षण। Zhu, Liang, Mao और Wang (2026) दिखाते हैं कि एक गणित M.Ed. पाठ्यक्रम को बुद्धिमान शैक्षणिक तकनीकों (स्वचालित अंकन, व्यक्तिगत अनुशंसाएँ, बहु-AI प्रतिपुष्टि) के साथ पूर्व-, मध्य- और उत्तर-कक्षा चरणों पर किस प्रकार समृद्ध किया जा सकता है, जिससे शिक्षणात्मक-उद्देश्य डिज़ाइन की दक्षता में सांख्यिकीय रूप से उल्लेखनीय वृद्धि मिलती है। स्थानांतरणीय D-T-E मॉडल (Disciplinary Demand–Technological Empowerment–Evaluation Loop) शिक्षक-शिक्षकों को स्नातकोत्तर शिक्षक तैयारी में स्मार्ट शिक्षा को एकीकृत करने के लिए एक अनुशासन-विशिष्ट ढाँचा प्रदान करता है।
• उदार नीति के तहत अपनाना सर्वेक्षणों से पतला है, और मूल्यांकन साक्षरता स्थानांतरित नहीं होती। Zou et al. (2026) ने हाँगकाँग के तीन शिक्षक-शिक्षा पाठ्यक्रमों में जहाँ मूल्यांकन में जनरेटिव AI स्पष्ट रूप से अनुमत था, 85 छात्र-शिक्षकों का सर्वेक्षण किया: 62.4% (53) ने इसे बिल्कुल उपयोग नहीं करने का चुनाव किया, और अपनाने वालों का उपयोग उथला और सुधारात्मक था (प्रूफ़रीडिंग 43.8%, स्पष्टता जाँच 34.4%, पाठ उत्पादन 18.8%, ब्रेनस्टॉर्मिंग 12.5%)। चोरी के झूठे आरोप का भय (गैर-अपनाने वालों में 41.5%) और अकेले काम करने की वरीयता (77.4%) ने कौशल की कमी (13.2%) को भारी किया, और ग्यारह साक्षात्कारित में से नौ ने उदार नीति को संभावित "जाल" के रूप में पढ़ा — यह प्रमाण है कि सेवा-पूर्व शिक्षक AI-अनुमत पाठ्यक्रमों में केवल उपकरण तत्परता नहीं, बल्कि सत्यनिष्ठा चिंता भी लाते हैं।
• सेवा-पूर्व सोच पर एक लेंस के रूप में कक्षा AI नीति लेखन। Nash & Burriss (2026) ने एक माध्यमिक अंग्रेज़ी तैयारी कार्यक्रम की कैपस्टोन वर्ष के 27 सेवा-पूर्व माध्यमिक अंग्रेज़ी शिक्षकों से वे AI नीतियाँ लिखवाईं जो वे अपनी 6–12 कक्षाओं में उपयोग करेंगे, एक ऐसे राज्य में जहाँ राज्य-स्तरीय AI मार्गदर्शन नहीं था। 27 में से 26 ने कुछ AI उपयोग की अनुमति दी, लगभग हमेशा शिक्षक-निर्दिष्ट कार्यों, समयों और स्थानों तक सीमित, और केवल एक ने श्रम-प्रथाओं और कॉपीराइट से जुड़े नैतिक आधारों पर इसे पूरी तरह प्रतिबंधित किया; 22 ने विचार उत्पन्न करने के लिए AI की अनुमति दी जबकि 22 ने वाक्य, अनुच्छेद या निबंध लिखने में AI के उपयोग को अस्वीकृत या अस्पष्ट छोड़ा, और साथ के चिंतन शैक्षणिक प्रतिबद्धताओं और AI को एकीकृत करने की अनुभूत बाध्यता के बीच के बातचीत के रूप में पढ़े जाते हैं। सेवा-पूर्व शिक्षकों से अमूर्त में AI पर बहस करने के बजाय एक नीति लिखवाने से उनकी दर्शन, विश्वास और पाठ्यक्रम की मान्यताएँ सामने आती हैं, जिससे नीति लेखन विधि-पाठ्यक्रम के लिए एक उच्च-मूल्य की गतिविधि बनती है।
• नीति अभ्यास को नियंत्रित नहीं करती। एक अमेरिकी शिक्षक-शिक्षा कार्यक्रम के चार सेमेस्टरों के सर्वेक्षण आँकड़ों से पता चलता है कि AI-पहचान सॉफ़्टवेयर पर विचार करते हुए भी संस्थाओं में मूल्यांकन की तैयारी के लिए GenAI उपयोग 57% से 83% तक और पढ़ाई के लिए 44% से 76% तक बढ़ा, और तरंगों में नैतिक अनिश्चितता भी बढ़ी (Parker et al. (2026))।

सेवा-रत व्यावसायिक विकास

सेवा-रत व्यावसायिक विकास AI को एकीकृत करने में अभ्यासरत शिक्षकों का समर्थन करता है। यहाँ का AI अनुसंधान इनमें शामिल है:

• इंटेलिजेंट-TPACK-आधारित PD ढाँचे। एक अनुसंधान-सूचित ढाँचा पाँच i-TPACK ज्ञान क्षेत्रों को चार प्रमाण-आधारित PD मार्गों (सक्रिय सीखना, मॉडल/उदाहरण, कोचिंग, प्रतिपुष्टि/चिंतन) के साथ संरेखित करता है।(Designing effective AI professional development: A framework grounded in intelligent-TPACK)
• GenAI-विशिष्ट तकनीकी शैक्षणिक ज्ञान (TPK)। शिक्षक-शिक्षकों को स्वयं GenAI-TPK — शैक्षणिक तर्क, नैतिक जागरूकता और AI-संवर्धित शिक्षणात्मक डिज़ाइन — की आवश्यकता होती है ताकि वे शिक्षकों को तैयार कर सकें।(Teaching the teachers: A systematic review of genAI-specific technological pedagogical knowledge (TPK) in teacher education)
• मानव-केंद्रित और आलोचनात्मक AI साक्षरता। डिज़ाइन-आधारित अनुसंधान व्यावसायिक-सीखने के पाठ्यक्रम तैयार करता है जो मानव-केंद्रित AI गतिविधियों, जिनमें शिक्षक-परिप्रेक्ष्य-में कार्य भी शामिल हैं, के माध्यम से आलोचनात्मक AI साक्षरता को परिचालित बनाता है।(Human-centered AI for teacher educators: Designing professional learning for critical AI literacy)
• करके बनी क्षमता, पढ़कर नहीं। 122 सेवा-रत शिक्षकों के एक TPACK-आधारित संरचनात्मक मॉडल में पता चला कि विज्ञान और हरित-ऊर्जा कार्यों पर AI का वास्तविक उपयोग और ESD-संरेखित सामग्री बनाने में भागीदारी ने AI-एकीकरण क्षमता की भविष्यवाणी की, जबकि अमूर्त AI ज्ञान और AI के प्रति दृष्टिकोणों ने नहीं (Riandi et al. (2026))।
• PD के रूप में AI-जनित विषय-वस्तु का सहयोगात्मक मूल्यांकन। Gat, Usher और Barak (2026) एक कार्यशाला की रिपोर्ट करते हैं जिसमें 60 मध्य-विद्यालय विज्ञान शिक्षकों ने ChatGPT-जनित मूल्यांकन प्रश्नों को अपनी अनुशासनात्मक, शैक्षणिक और पाठ्यक्रम निर्णय के माध्यम से मूल्यांकित किया। सहयोगात्मक मूल्यांकन स्वयं व्यावसायिक विकास के रूप में काम किया, जिससे शिक्षक AI आउटपुट पर संकल्पनात्मक-सटीकता मापदंड लगा सकते और यह जोखिम सामने आया कि AI विषय-वस्तु एआई के बारे में गलतफहमियाँ को पुनर्बलित करती है — जिससे शिक्षक GenAI सामग्री के आलोचनात्मक मूल्यांकक के रूप में स्थापित होते हैं, निष्क्रिय उपभोक्ता नहीं।
• भाषा शिक्षकों के लिए संरचित PD दुर्लभ लेकिन प्रभावी है। 23 अध्ययनों की एक व्यवस्थित समीक्षा (Li et al. 2026) में पता चला कि केवल तीन अध्ययनों ने संरचित व्यावसायिक विकास दर्ज किया — एक अंतर्निहित व्याकरण-पाठ्यक्रम मॉड्यूल, एक सरकारी EMI कार्यक्रम, और अंतर्निहित चैटबॉट खोज — फिर भी सभी ज्ञान, आत्मविश्वास और पहचान के पुनर्गठन में वृद्धि पर मिले, जिससे शिक्षकों का GenAI के प्रति दृष्टिकोण "प्रतिस्थापन के जोखिम" से सहायक/संवर्धक की ओर बदला। समीक्षा कहती है कि PD को तकनीकी कौशल-निर्माण को व्यावहारिक विवेक के साथ जोड़ना चाहिए, जागरूकता बढ़ाने और नैतिकता से लेकर उपकरणों के व्यावहारिक निपुणता तक और AI-संवर्धित पाठों के सह-डिज़ाइन तक बढ़ना चाहिए, और एक दो-चरणीय "पहले बैक-एंड, फिर कक्षा" क्रियान्वयन रणनीति की अनुशंसा करती है। ज्ञान-आधार का गणित के लिए ढाँचा-प्रेरित GenAI PD का सबसे स्पष्ट उदाहरण आठ सेवा-रत शिक्षकों का अध्ययन है जो ग्रामीण और संसाधन-कम ज़िलों से थे और उन्होंने Rhodes के 4P ढाँचे पर बने दस इंटरैक्टिव मॉड्यूल पूरे किए (How generative AI guided-professional development supports teachers’ engagement with mathematical creativity, content knowledge, and pedagogical content knowledge)। यह सेवा-रत PD डिज़ाइन में दो ऐसे डिज़ाइन तंत्र प्रदान करता है जो अन्यथा यहाँ अनुपस्थित हैं: जान-बूझकर लुप्त होता स्कैफ़ोल्डिंग (शुरू में स्पष्ट मार्गदर्शन, फिर औचित्य सिद्ध करने, सामान्यीकृत करने और कार्य डिज़ाइन करने के अनुरोध) और मॉड्यूल 6-10 में सिम्युलेटेड विद्यार्थी तर्क, साथ ही यह पता चलना कि MC, CK और PCK एक साथ बढ़े — जबकि केवल भागीदारी मापी गई, शिक्षक ज्ञान या विद्यार्थी सीखना नहीं।
• उत्तर-योग्यता कार्यक्रम। सेवा-रत विज्ञान शिक्षकों की AI साक्षरता और उपयोग AI-संबंधित उत्तर-योग्यता कार्यक्रमों के डिज़ाइन को सूचित करते हैं।(Science educators' AI literacy and AI usage in teaching: Implications for post-qualification programs)
• शिक्षक के डिज़ाइन कार्य में AI समर्थन और मार्गदर्शन। Pishtari, Gnadlinger & Ley (2026) ने 13 उच्च-शिक्षा शिक्षकों से आधे-दिवसीय कार्यक्रम में बिना-AI, AI-चैटबॉट और AI-सहित-प्रशिक्षण परिस्थितियों में गतिविधियाँ डिज़ाइन करवाईं। AI पहुँच ने उच्च-स्तरीय (Bloom) कार्य प्राप्ति बढ़ाई और अनुभूत संज्ञानात्मक प्रयास कम किया, जबकि बाद के इंटरैक्टिव-प्रशिक्षण सत्र ने गुणवत्ता को स्थिर किया लेकिन प्रयास को थोड़ा बढ़ाया (जर्मेन बनाम एक्सट्रेनस लोड अनिर्णित)। यह AI-युग शिक्षण के लिए PD को इस प्रकार रूप देता है कि उसे शिक्षण-आधारित डिज़ाइन ढाँचों (Bloom, ICAP) और संरचित चैटबॉट-इंटरैक्टिव रणनीतियों दोनों की आवश्यकता है, साथ ही यह सावधानी कि गुणवत्ता में वृद्धि शैक्षणिक निर्णयों के AI पर ऑफ़लोडिंग को छिपा सकती है।

ज्ञान, विश्वास और अभ्यास

शिक्षक-शिक्षा अनुसंधान में एक प्रमुख पातची जो शिक्षक स्पष्ट करते हैं और जो वे अमल में लाते हैं उसके बीच की खाई है: शिक्षक अक्सर संचालन AI कौशल दावा करते हैं लेकिन अभ्यास में शैक्षणिक रूप से सार्थक ज्ञान लागू करने में संघर्ष करते हैं।(Beyond operational skills: Teachers' AI knowledge and interactions with generative AI in lesson planning) यह भेद अनुभव को AI प्रवीणता से पार करने पर और भी गहरा हो जाता है: Choi et al. (2026) ने पाया कि तकनीकी रूप से प्रवीण नौसिखिए भी पाठ डिज़ाइन के दौरान AI आउटपुट को निष्क्रिय रूप से स्वीकार करते हैं, जबकि अनुभवी शिक्षक — यहाँ तक कि जिनकी मापी गई AI प्रवीणता कम थी — AI सुझावों को आलोचनात्मक रूप से पुनः-प्रॉम्प्ट करते और अपने विद्यार्थियों और संदर्भ के अनुसार ढालते हैं। इसका अर्थ है कि सेवा-रत PD "AI कौशल बनाना" को पर्याप्त नहीं मान सकता; उसे शिक्षक के अनुभव और प्रवीणता प्रोफ़ाइल के अनुसार विभेदित करना चाहिए — नौसिखियों के लिए प्रतिक्रिया-मूल्यांकन और आलोचनात्मक-अनुकूलन स्कैफ़ोल्ड, कम AI प्रवीणता वाले अनुभवी शिक्षकों के लिए व्यावहारिक AI कौशल-निर्माण। AI-जनित पाठयोजनाओं का विशेषज्ञ निर्णय उस आलोचनात्मक-अनुकूलन दृष्टिकोण को अपवाद नहीं, नियम के रूप में चिह्नित करता है: Karaismailoglu, Surmeli और Yildirim (2026) ने पाया कि ग्यारह तुर्की विज्ञान-शिक्षा विशेषज्ञों ने एक छठीं कक्षा की इकाई के लिए ChatGPT-4 और Teacher's Buddy योजनाओं को प्रयोग-योग्य मसौदे के रूप में मूल्यांकित किया — 11 में से 7 ने "सुधार द्वारा लागू योग्य" कहा, केवल 3 ने सीधे "लागू योग्य" — और उनकी वरीयताएँ कच्चे स्कोर से भिन्न थीं, संरचनात्मक निष्ठा से ऊपर भावनात्मक और संदर्भगत गुणों को वरीयता दी। इसलिए शिक्षक शिक्षा को AI-जनित शिक्षणात्मक सामग्री का मूल्यांकन, अनुकूलन और स्थानीयकरण करने की क्षमता को एक मुख्य व्यावसायिक योग्यता के रूप में बनाना चाहिए, सेवा-पूर्व और सेवा-रत दोनों कार्यक्रमों में। मनोवैज्ञानिक कारक भी मायने रखते हैं — स्व-प्रभावशीलता सकारात्मक रूप से AI-TPACK की भविष्यवाणी करता है, जबकि मज़बूत पारंपरिक शिक्षण विश्वास एक संज्ञानात्मक अवरोध की भूमिका निभा सकते हैं।(Assessing AI-TPACK readiness in mathematics teacher education: The role of self-efficacy and teaching beliefs) AI में भरोसा को तकनीकी ज्ञान और नैतिक धारणाओं (पारदर्शिता, निष्पक्षता, उत्तरदायित्व, समावेशिता) दोनों से आकार मिलता है।(Unpacking ethics-domain of intelligent-TPACK scale in relation to in-service teachers' trust and distrust) शिक्षकों की AI साक्षरता को मापना स्वयं एक सक्रिय मोर्चा है: क्योंकि अधिकांश AI-साक्षरता मूल्यांकन विद्यार्थियों या सामान्य उपयोगकर्ताओं को लक्षित करते हैं, Teachers' AI Literacy Scale (TAILS) — छह-आयामी ED-AI ढाँचे पर आधारित — को विशेष रूप से सेवा-पूर्व भाषा शिक्षकों के लिए EFA और CFA के माध्यम से विकसित और प्रमाणित किया गया, जिससे शिक्षक शिक्षा में मापन की खाई भर गई। एक समान रूप से उपेक्षित प्रश्न यह है कि तैयारी का स्वरूप AI तत्परता को बदलता है या नहीं। Mnguni et al. (2026) ने दक्षिण अफ़्रीका के 186 अंतिम-वर्ष विज्ञान छात्र-शिक्षकों का सर्वेक्षण किया और पाया कि AI-एकीकृत शिक्षण के लिए स्व-रिपोर्टेड TPACK एक कैंपस-आधारित विश्वविद्यालय पर (64.0%) दूरशिक्षा विश्वविद्यालय (47.4%) से अधिक था, दोनों में शैक्षणिक ज्ञान सबसे कमज़ोर, और AI प्रशिक्षण स्व-रिपोर्टेड TPACK से केवल दूरस्थ संस्थान में जुड़ा था, जहाँ पाँच-क्रेडिट का संक्षिप्त पाठ्यक्रम ने बिना प्रशिक्षण से कम रिपोर्टेड TPACK की भविष्यवाणी की। इसलिए दूर शिक्षा को अपना ही प्रमाण-आधार चाहिए, यह मान लेने के बजाय कि कैंपस कार्यक्रमों के लिए बना प्रशिक्षण स्थानांतरित हो जाता है।

सिम्युलेटेड शिक्षणात्मक अभ्यास

विषय-वस्तु और विश्वासों से परे, शिक्षक तैयारी तेज़ी से बढ़ने वाले व्यावहारिक अभ्यास के लिए सिम्युलेटेड कक्षाओं का उपयोग करती है। EducaSim जनरेटिव विद्यार्थी एजेंटों (व्यक्तित्व, पाठ्यक्रम-आधारित स्मृतियों और एक बड़े भाषा मॉडल (LLMs)-as-judge वाणी ओरेकल के साथ) का उपयोग करके एक CS1 पाठ्यक्रम में प्रशिक्षणरत शिक्षकों के लिए एक छोटे-समूह अनुभाग का अनुकरण करता है जो ~20,000 विद्यार्थियों का समर्थन करता है। 254 सत्रों (माध्य ~16 मिनट) में एक वैकल्पिक तैयारी उपकरण के रूप में तैनात, यह संरचित उत्तर-सत्र प्रतिपुष्टि (बोलने-के-समय आँकड़े, LLM-पहचाने गए शिक्षणात्मक व्यवहार) और स्व-चिंतन संकेतों के साथ कम-लागत ($0.05–$0.10/सत्र) की भूमिका-नाटकीय अभ्यास प्रदान करता है। यह छात्रों का अनुकरण प्रतिमान को पूरक बनाता है: सिम्युलेटेड शिक्षार्थी केवल मूल्यांकन नहीं, बल्कि अनुभवजन्य, उच्च-आवृत्ति शिक्षक तैयारी भी करते हैं, विशेष रूप से विशाल ऑनलाइन पाठ्यक्रमों के लिए जहाँ सजीव कोचिंग बढ़ नहीं सकती। एक विषय-विशिष्ट उदाहरण Student GPT (Zhuang & Zhang 2025) है, एक अनुकूलित ChatGPT चैटबॉट जो सामान्य अनुपात-तर्क की गलत धारणाओं को रखने वाले एक माध्यमिक विद्यार्थी की भूमिका निभाता है; सेवा-पूर्व माध्यमिक गणित शिक्षकों ने एक विधि-पाठ्यक्रम में कम-जोखिम, व्यक्तिगत बातचीत में उन गलत धारणाओं का निदान और उपचार का अभ्यास किया, जिससे दिखता है कि हल्का GenAI भूमिका-नाटकीय अभ्यास अभ्यास-आधारित शिक्षण को किस प्रकार समर्थन दे सकता है।

शिक्षक-शिक्षकों के लिए निहितार्थ

• AI साक्षरता और आलोचनात्मक AI-TPACK दोनों बनाएँ। सेवा-पूर्व और सेवा-रत शिक्षकों को AI एकीकृत करने की तत्परता चाहिए — उपकरण TPACK को AI/नैतिकता आयाम के साथ विस्तारित करते हैं (AI-TPACK, i-TPACK PD); उपकरण उपयोग के साथ नैतिक तर्क, पारदर्शिता और निष्पक्षता सिखाएँ।
• स्पष्ट-बनाम-अमल की खाई पाटें। शिक्षक अक्सर संचालन AI कौशल दावा करते हैं लेकिन उन्हें शैक्षणिक रूप से लागू करने में संघर्ष करते हैं; ऐसा PD डिज़ाइन करें जो ज्ञान से अमल में लाए गए अभ्यास तक बढ़े (पाठयोजना)।
• तैयारी बढ़ाने के लिए सिम्युलेटेड अभ्यास का उपयोग करें। EducaSim-शैली की सिम्युलेटेड कक्षाएँ प्रशिक्षणरत शिक्षकों को प्रतिपुष्टि के साथ कम-लागत, उच्च-आवृत्ति अभ्यास देती हैं — सीमित सजीव कोचिंग का पूरक।
• विश्वासों और विश्वास पर ध्यान दें। स्व-प्रभावशीलता AI-TPACK की भविष्यवाणी करता है जबकि मज़बूत पारंपरिक-शिक्षण विश्वास एक अवरोध हो सकते हैं, और भरोसा को पारदर्शिता/निष्पक्षता से आकार मिलता है — केवल कौशल नहीं, इन मनोवैज्ञानिक कारकों पर ध्यान दें।
• कक्षा दुविधाओं से पीछे हटकर। Kohnke et al. (2026) ने एक हाँगकाँग विश्वविद्यालय के 17 सेवा-पूर्व शिक्षकों से साक्षात्कार किया और अपेक्षित कक्षा दुविधाओं से पीछे हटकर शिक्षक-शिक्षा डिज़ाइन की आवश्यकताओं पर काम किया। सेवा-पूर्व शिक्षकों ने एक GenAI-प्रेरित वातावरण में शैक्षणिक सत्यनिष्ठा, गोपनीयता और आवश्यक मानव कौशलों के संरक्षण के बारे में चिंता जताई, जो पाठ्यक्रम निहितार्थों की ओर संकेत करती है जो जिम्मेदार उपयोग को अतिरिक्त नहीं, बल्कि शिक्षक तैयारी भर में नैतिकता, निजता और AI साक्षरता (आलोचनात्मक सोच कौशलों के साथ) को बुनती हैं।
• शिक्षक चिंतन में AI संज्ञानात्मक मध्यस्थ के रूप में (2026): एक अभ्यास-आधारित Reflective Triangle Model AI का उपयोग व्यक्तिगत शिक्षक चिंतन और सीखने के समुदायों में साझा व्यावसायिक ज्ञान के बीच मध्यस्थ के रूप में करता है, जिससे चिंतन के सामूहिक व्यावसायिक सीखने में बदलने के सामान्य विफलता का समाधान होता है (The Reflective Triangle Model: AI as a Cognitive Mediator in Teachers' Professional Learning and Learning-Community Development)।
• GenAI मूल्यांकन डिज़ाइन को व्यावसायिक पाठ्यक्रम के काम का हिस्सा बनाएँ। Zou et al. (2026) में छात्र शिक्षकों ने जनरेटिव AI के प्रति अपने भविष्य के विद्यालय मूल्यांकनों को फिर से डिज़ाइन करने की कम इच्छा दिखाई, और किंडरगार्टन और माध्यमिक प्रतिभागियों ने तकनीक को अपने शिक्षण संदर्भ में काफ़ी हद तक अप्रासंगिक माना — यह मूल्यांकन साक्षरता का एक अविकसित आयाम है, ज्ञान की कमी नहीं। इसलिए शिक्षक-शिक्षा कार्यक्रमों को व्यावसायिक पाठ्यक्रम के हिस्से के रूप में मूल्यांकन डिज़ाइन में नैतिक GenAI उपयोग को अंतर्निहित करना चाहिए, कार्यक्रम-स्तरीय नीति की निरंतरता को स्वीकार्य और अस्वीकार्य उपयोग के ठोस उदाहरणों और विद्यार्थियों के वास्तविक AI उपयोग पर समयबद्ध प्रतिपुष्टि के साथ जोड़ना चाहिए।
• सौंपने योग्य काम को गैर-सौंपने योग्य से अलग करें। O'Byrne (2026) ने पाया कि 23 स्नातक, जिनमें अधिकांश सेवा-पूर्व शिक्षक थे, ने तुलनीय कलात्मक उत्पाद बनाए चाहे वे सीमा-कार्य सहन करते रहें या उसे शुरू में सौंप देते, और लेखकत्व पर "नकली तनाव" उनमें सबसे मज़बूत था जो सबसे अधिक सीमा-कार्य कर रहे थे — इसलिए शिक्षण का लक्ष्य यह निर्णय करना है कि कौन-सा व्याख्यात्मक काम सौंपना नहीं है।
• कक्षा नीति लेखन को एक मुख्य शिक्षक-शिक्षा गतिविधि बनाएँ, और अस्पष्टता को नीति दोष मानें। Nash & Burriss (2026) ने पाया कि सेवा-पूर्व शिक्षकों से अपनी कक्षा AI नीतियाँ लिखवाना लेखन के उद्देश्य के बारे में एक ध्वन्यात्मक विश्व-निर्माण के रूप में काम करता है — उभरती मान्यताओं की एक खिड़की जिसे अमूर्त चर्चा नहीं खोलती। क्योंकि AI लेखन-को-उत्पाद और लेखन-को-प्रक्रिया को अलग करता है, कार्यक्रमों को शिक्षकों को यह पहचानने में मदद करनी चाहिए कि सोच, सीखना और मूल्य वास्तव में ब्रेनस्टॉर्मिंग, मसौदा, संशोधन और संपादन में कहाँ रहते हैं, न कि केवल अंतिम पाठ में, और उन्हें AI साक्षरता निर्देश के साथ विश्वासों को परिचालित, स्पष्ट नियमों में अनुवाद करने में सहारा देना चाहिए: जैसे विरोधाभास जो AI-जनित पाठ पर रोक लगाते हुए विद्यार्थियों को जमा किए गए AI-जनित विषय-वस्तु के लिए उत्तरदायी ठहराते हैं, वे विद्यार्थियों को अनुपालन में असमर्थ बना देते हैं।

संबंधित अवधारणाएँ

• शिक्षण
• टेक्नोलॉजिकल पेडागॉजिकल कंटेंट नॉलेज (TPACK)
• शिक्षकों की AI योग्यता
• AI साक्षरता
• शैक्षिक विकास
• K-12
• नैतिकता
• शिक्षा में AI
• अधिगम विज्ञान
• रसायन शिक्षा — रसायन शिक्षा और AI: प्रयोगशालाएँ, गठनात्मक मूल्यांकन, LLM की सीमाएँ, प्रयोग का दर्शन

संबंधित लेख

• How generative AI guided-professional development supports teachers’ engagement with mathematical creativity, content knowledge, and pedagogical content knowledge — जनरेटिव AI मार्गदर्शित व्यावसायिक विकास किस प्रकार शिक्षकों की गणितीय रचनात्मकता, विषय ज्ञान और शैक्षणिक विषय ज्ञान के साथ भागीदारी को समर्थन करता है
• Writing the Rules for Generative Machines: Tensions and Entanglements in Preservice Teachers' Classroom AI Policies — सेवा-पूर्व अंग्रेज़ी शिक्षक कक्षा AI नीतियाँ लिखना: अनुमत, सीमित और प्रतिबंधित उपयोग (Nash & Burriss 2026)
• "Is this a trap?": Student teachers' perceptions and adoption of GenAI in assessments in three teacher education courses — 85 छात्र शिक्षक: उथली GenAI अपनाना, सत्यनिष्ठा चिंता, और मूल्यांकन साक्षरता जो स्थानांतरित नहीं होती
• When Teachers Use AI Chatbots and Are Trained for It: Impact on Learning Design Quality and Cognitive Effort — शिक्षकों के सीखने के डिज़ाइन में AI चैटबॉट समर्थन और प्रशिक्षण
• Pedagogy first, technology second: Cross-level relationships between teacher professional knowledge and student — शिक्षक व्यावसायिक सीखने के लिए प्राथमिक उत्तोलक के रूप में शैक्षणिक AI ज्ञान (Shen et al. 2026)
• Preparing Pre-Service Teachers for Responsible Generative AI Use: Curriculum Implications for Ethics, Privacy, and AI Literacy — सेवा-पूर्व शिक्षकों का जिम्मेदार GenAI उपयोग: पाठ्यक्रम निहितार्थ (Kohnke et al. 2026)
• Harnessing artificial intelligence for preservice teachers' development: A scoping review of applications, benefits, and challenges — सेवा-पूर्व शिक्षक विकास में AI की स्कोपिंग समीक्षा
• Designing effective AI professional development: A framework grounded in intelligent-TPACK — इंटेलिजेंट-TPACK-आधारित व्यावसायिक विकास ढाँचा
• Human-centered AI for teacher educators: Designing professional learning for critical AI literacy — शिक्षक-शिक्षकों में आलोचनात्मक AI साक्षरता के लिए व्यावसायिक सीखना
• Teaching the teachers: A systematic review of genAI-specific technological pedagogical knowledge (TPK) in teacher education — शिक्षक शिक्षा में GenAI-विशिष्ट TPK
• Beyond operational skills: Teachers' AI knowledge and interactions with generative AI in lesson planning — GenAI पाठयोजना में शिक्षकों का AI ज्ञान
• Analyzing teacher-AI interaction patterns across teacher experience and AI proficiency in student-centered lesson design — पाठ डिज़ाइन में शिक्षण अनुभव और AI प्रवीणता के अनुसार शिक्षक-AI इंटरैक्टिव पैटर्न (Choi et al. 2026)
• Conceptualizing pre-service teachers' readiness for AI integration into teaching practices: An intelligent-TPACK approach — सेवा-पूर्व इंटेलिजेंट-TPACK तत्परता
• Assessing AI-TPACK readiness in mathematics teacher education: The role of self-efficacy and teaching beliefs — गणित शिक्षक शिक्षा में AI-TPACK
• Unpacking ethics-domain of intelligent-TPACK scale in relation to in-service teachers' trust and distrust — नैतिकता क्षेत्र और सेवा-रत शिक्षकों का विश्वास
• Coding, robots, computational concepts, and machine learning using the microbit card and the Maqueen and Nezha kits. A study in initial teacher training — प्रारंभिक शिक्षक प्रशिक्षण में Micro:bit रोबोटिक्स
• AI-mediated authentic assessment and metacognitive reflection: A mixed-methods study of the AAIWA model — सेवा-पूर्व शिक्षा में AI-माध्यमित प्रामाणिक मूल्यांकन
• Science educators' AI literacy and AI usage in teaching: Implications for post-qualification programs — विज्ञान शिक्षकों की AI साक्षरता और उत्तर-योग्यता कार्यक्रम
• AI skills for college graduates: Exploring how instructors and employers prioritize AI skills differently — शिक्षक संस्थागत AI-कौशल आम सहमति और मूल्यांकन खाइयों की रिपोर्ट करते हैं
• Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education — संकर व्यवस्थाओं में संबंधगत/उच्च-स्तरीय काम के लिए शिक्षक आवश्यक
• Using Context-Based and AI-Enhanced Approaches to Improve Student Engagement and Achievement in Secondary Chemistry Education — माध्यमिक रसायन विज्ञान में संदर्भ-आधारित 7E + AI शिक्षण
• Instructor and AI Roles in the Chemistry Classroom: Future Science Teachers' Perceptions in a ChatGPT-Enhanced Formative Assessment — ChatGPT-संवर्धित गठनात्मक मूल्यांकन में शिक्षक और AI की भूमिकाएँ
• EducaSim: Interactive Simulacra for CS1 Instructional Practice — EducaSim: CS1 शिक्षणात्मक अभ्यास के लिए इंटरैक्टिव सिम्युलेक्रा
• Unpacking the Heterogeneity of Pre-service Teachers' ChatGPT Acceptance: A Latent Profile Analysis Across STEM and Non-STEM Disciplines — सेवा-पूर्व शिक्षक ChatGPT अपनाने के प्रोफ़ाइल
• Motivation to shape the future of education with Artificial Intelligence: An international comparison between Switzerland and China — AI के साथ शिक्षा के भविष्य को आकार देने की प्रेरणा
• AI-Supported Inquiry-Based Learning in Photosynthesis and Respiration: Implications for Sustainable Science Teacher Education — विज्ञान शिक्षक शिक्षा में AI-समर्थित मार्गदर्शित खोज
• The Reflective Triangle Model: AI as a Cognitive Mediator in Teachers' Professional Learning and Learning-Community Development — Reflective Triangle Model: संज्ञानात्मक मध्यस्थ के रूप में AI
• Evaluating the Effectiveness of Generative Artificial Intelligence in Empowering Teachers for Constructivist — SAHAB मॉडल: GenAI रचनावादी शिक्षणात्मक डिज़ाइन
• Teacher Involvement in Developing Sustainable Education Materials for AI Integration in Green Energy Education — हरित ऊर्जा शिक्षा में AI एकीकरण में शिक्षक भागीदारी (Riandi et al. 2026)
• Perceived Utility Moderates Motivational Intervention Effects in Learning to Teach Responsibly with GenAI — GenAI के साथ जिम्मेदारी से पढ़ाना सीखने में उपयोगिता-मूल्य हस्तक्षेप के प्रभाव (Boos, Eder & Lachner 2026)
• Pre-service teachers' agency during their interactions with generative AI while designing for learning - a process view — सीखने के डिज़ाइन में GenAI इंटरैक्टिव के दौरान सेवा-पूर्व शिक्षक की सक्रियता (Krushinskaia, Elen & Raes 2026)
• Longitudinal Insights into AI in Education: Usage, Ethics, and Policy Development in Higher Education — शिक्षक शिक्षा में अनुदैर्ध्य GenAI उपयोग, नैतिकता और नीति (Parker et al. 2026)
• Improving Instructional Design Proficiency of Master's Students in Mathematics Education Through Intelligent Educational Technologies — स्मार्ट-कक्षा मॉडल और D-TE लूप गणित में M.Ed. शिक्षणात्मक डिज़ाइन दक्षता में सुधार (Zhu et al. 2026)
• A Systematic Review of Language Educators' Practices and Development with GenAI — GenAI के साथ भाषा शिक्षकों के अभ्यास और विकास
• Integrating ChatGPT in Mathematics Teacher Education: AI-Based Simulation Role-Playing to Support Practice-based Teaching
• Suitability of Artificial Intelligence Supported Lesson Plans from the Perspective of Science Education Experts
• Teachers' Collaborative Evaluation of AI-Generated Content: Insights from a Professional Development Workshop — व्यावसायिक विकास के रूप में AI-जनित विषय-वस्तु का शिक्षकों का सहयोगात्मक मूल्यांकन (Gat, Usher & Barak 2026)
• AI training and science student teachers’ TPACK in campus-based and distance education: a comparative study — 186 विज्ञान छात्र-शिक्षकों के AI-संबंधित TPACK और प्रशिक्षण स्तरों का कैंपस बनाम दूर तुलना
• Co-Constructing AI Boundaries: Agency, Judgment, and Ethical Literacy in AI-Mediated Meaning-Making — एक सेमेस्टर-लंबी साक्षरता नृविज्ञान में AI सीमाएँ बनाते सेवा-पूर्व शिक्षकों को ट्रैक करता है
• The Impact of Unscaffolded GenAI Use on Pre-Service Teachers' AI Readiness, Self-Regulated Learning, Critical Thinking, and Instructional Design Performance: A Quasi-Experimental Study — बिना स्कैफ़ोल्डिंग के genAI ने सेवा-पूर्व शिक्षकों की पाठयोजना गुणवत्ता को genAI-रहित कक्षा से नीचे कम किया