सिद्धांत और ढाँचे

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

सिद्धांत और ढाँचे — वे व्याख्यात्मक और संगठनात्मक संरचनाओं की कार्यशील सूची जिनका यह ज्ञान आधार वास्तव में उपयोग करता है। सिद्धांत बताते हैं कि सीखना क्यों होता है (सीखने के सिद्धांत, स्वनिर्धारण सिद्धांत, सामाजिक-सांस्कृतिक अधिगम, गतिविधि सिद्धांत); ढाँचे डिज़ाइन, शिक्षण और अपनाने के निर्णयों को व्यवस्थित करते हैं (टेक्नोलॉजिकल पेडागॉजिकल कंटेंट नॉलेज (TPACK), SAMR, प्रौद्योगिकी स्वीकृति मॉडल, ICAP, सार्वभौमिक डिज़ाइन फ़ॉर लर्निंग); मॉडल सीखने के दावों को परीक्षणीय और गणनीय बनाते हैं (आइटम प्रतिक्रिया सिद्धांत, मूल्यांकन की वैधता, ज्ञान अनुरेखण)। किसी अध्ययन का आधार कौन-सा दृष्टिकोण है यह खोजने के लिए, या अपने ही काम के लिए एक चुनने के लिए इस पेज का उपयोग करें।

विचार करने योग्य प्रश्न

• कोई सिद्धांत भविष्यवाणी करता है कि जब कुछ बदलता है तो क्या होता है; कोई ढाँचा बताता है कि किस पर ध्यान देना है। जब कोई अध्ययन किसी ढाँचे के बैनर के नीचे लाभ की सूचना देता है लेकिन कोई ऐसी भविष्यवाणी नहीं करता जो विफल हो सकती थी, तो असल में क्या सीखा गया है?
• TPACK, SAMR, UDL, स्वीकृति मॉडल और ICAP सभी बड़े भाषा मॉडल से पहले के हैं। जब उपकरण स्वयं लिख, समझा और अनुकूलित कर सकता है, तो इनमें से कौन-से भाग अब भी लागू हैं, और इसे कैसे पता किया जाएगा?
• नीचे सूचीबद्ध कई सिद्धांत पिछले कुछ वर्षों में AI के लिए गढ़े गए थे। इनमें से किसी एक को गलत साबित होने में क्या समय लगेगा, और क्या किसी ने यह दिखाने का प्रयास किया है?
• अपनाने को अक्सर चरणों में आगे बढ़ने के रूप में सूचित किया जाता है। यदि कोई सहकर्मी बताता है कि उनका पाठ्यक्रम इस वर्ष "प्रतिस्थापन से पुनर्परिभाषा" की ओर बढ़ा है, तो इसे विश्वास करने से पहले आप कौन-सा स्वतंत्र प्रमाण माँगेंगे?
• इस क्षेत्र का बड़ा हिस्सा उधार लिया गया सिद्धांत लागू करता है, उसकी परीक्षा नहीं करता। कोई एक निष्कर्ष चुनें जिस पर आप भरोसा करते हैं: क्या उसे किसी सिद्धांत की परीक्षा के रूप में फिर से रखा जा सकता है, और इसके लिए कौन-सा मापन आवश्यक होगा?

परिचय

हर AI ट्यूटर, फ़ीडबैक सिस्टम और डैशबोर्ड में यह धारणाएँ अंतर्निहित होती हैं कि लोग कैसे सीखते हैं, चाहे डिज़ाइनरों ने उन्हें स्वीकार किया हो या नहीं। यह पेज उन सिद्धांतों, ढाँचों और मॉडलों को एकत्र करता है जिनसे ये धारणाएँ आती हैं, ढीली तौर पर इस आधार पर क्रमबद्ध कि वर्तमान शोध साहित्य उन पर कितना निर्भर करता है, और संक्षेप में बताता है कि प्रत्येक किस काम का है। तीनों लेबलों के बीच का अंतर वास्तविक लेकिन छोटा है, और उसका सारांश अंत के पास दिया गया है न कि विषय के रूप में। व्यावहारिक रूप से महत्वपूर्ण यह है कि किसी दावे का आधार कौन-सा दृष्टिकोण है, और क्या वह दृष्टिकोण उस दावे को सहारा दे सकता है।

साहित्य में उपयोग किए जाने वाले सीखने के सिद्धांत

ये तंत्रों को समझाते हैं: ये उन भागों के नाम बताते हैं जो काम करते हैं और भविष्यवाणी करते हैं कि जब वे भाग बदलते हैं तो क्या होता है। AI साहित्य में ये मुख्य रूप से मनोविज्ञान और लर्निंग साइंसेज़ से उधार लिए गए हैं, और किसी नए उपकरण के चारों ओर व्याख्यात्मक ढाँचों के रूप में प्रयोग किए जाते हैं।

• सीखने के सिद्धांत (छत्र) — परिवार का समूचा रूप, जिसमें व्यवहारवाद और रचनावाद के शास्त्रीय ध्रुव और वह "नाम में रचनावाद, व्यवहार में व्यवहारवाद" का अंतर शामिल है जो AI कार्यान्वयन में बार-बार आता है। कनेक्टिविज़्म और संज्ञानात्मक भार सिद्धांत भी यहीं शामिल हैं।
• रचनावाद — सीखना सक्रिय ज्ञान-निर्माण के रूप में। यह परियोजना-आधारित कार्य, संवाद-आधारित AI ट्यूटरिंग और इस आलोचना को आधार देता है कि ड्रिल-और-फ़ीडबैक सिस्टम अपनी ही कथित पढ़ाई के तरीके का उल्लंघन करते हैं।
• सामाजिक-सांस्कृतिक सिद्धांत — सीखना उपकरणों और सामाजिक संपर्क से मध्यस्थता प्राप्त, यही कारण है कि AI का सिद्धांतांतरण केवल सहायक के बजाय एक मध्यस्थ कलाकृति के रूप में होता है।
• गतिविधि सिद्धांत — विरोधाभासों सहित पूरी गतिविधि प्रणाली को विश्लेषण की इकाई मानता है। शिक्षक-उन्मुख AI अध्ययनों में आम, जहाँ रोचक निष्कर्ष आमतौर पर उपकरणों, नियमों और समुदाय के बीच के तनाव में होता है।
• स्थितिजन्य सीखना और देहबद्ध सीखना — सीखना संदर्भ और शरीर से जुड़ी, AI को विशुद्ध भाषाई माध्यम मानने के प्रतिभार के रूप में।
• वितरित संज्ञान — लोगों और कलाकृतियों में फैली सोच, जो AI सहायता को संज्ञानात्मक श्रम का पुनर्वितरण मानती है, उसका प्रतिस्थापन नहीं।
• जाँच-चर्चा समुदाय — सामाजिक, संज्ञानात्मक और शिक्षण उपस्थितियाँ जो किसी ऑनलाइन अनुभव को काम करा देती हैं; अनुभव का सिद्धांत और एक साथ डिज़ाइन ढाँचा।
• स्व-निर्धारण सिद्धांत — स्वायत्तता, सक्षमता और संबंधितता प्रेरक पूर्वापेक्षाएँ। अक्सर तब समझाया जाता है जब AI का उपयोग सीखने को बढ़ाए बिना संलग्नता बढ़ाता है।
• संज्ञानवाद — सूचना प्रसंस्करण, कार्यशील स्मृति, और सीखने की भावना तथा वास्तविक सीखने के बीच का अंतर।

शिक्षार्थी और सीखने की प्रक्रिया के मॉडल

• स्व-नियमित सीखना — अपनी ही सीखना की योजना, निगरानी और मूल्यांकन। यह पूछने का काम करने वाला निर्माण है कि AI सहायता उन चरणों तक पहुँचती है जो महत्वपूर्ण हैं या केवल निष्पादन तक।
• अतिरिक्त संज्ञान — अपने ही विचारों के बारे में सोचना, और वह निर्माण जिसका सर्वाधिक बार उल्लेख तब होता है जब AI पर छात्रों की ओर से सोचने का आरोप लगाया जाता है।
• प्रेरणा — शिक्षार्थी क्यों संलग्न होते हैं, और वह निर्माण जो AI अध्ययनों में संलग्नता को सीखने से अलग करता है।
• स्व-प्रभावशीलता — अपनी क्षमता में विश्वास, सक्षमता से भिन्न, और AI उपयोग तथा परिणामों के बीच एक बार-बार आने वाला मध्यस्थ।
• स्वायत्तता (एजेंसी) — कौन काम की दिशा तय करता है: क्षेत्र के नियंत्रण-बनाम-स्वायत्तता तनाव के पीछे, और नवीनतम सिद्धांत में सौंपी गई एजेंसी के तंत्र के पीछे का निर्माण।
• वांछनीय कठिनाइयाँ, स्मरण-पुनर्प्राप्ति, अंतराल और विलयन, और खंडन पाठ — वे निष्कर्ष जो घर्षण को पढ़ाई की दृष्टि से मूल्यवान बनाते हैं, जिन्हें इस निर्णय पर लागू किया जाता है कि AI को कितना करना चाहिए।
• सीखने का स्थानांतरण — क्या क्षमता सहायता हटाए जाने के बाद भी बनी रहती है, जिसे हाल का सिद्धांत सीखने और सहायता को अलग करने वाले मानदंड के रूप में मानता है, कई परिणामों में से एक के रूप में नहीं।

शिक्षण, एकीकरण और अपनाने के ढाँचे

• TPACK — वह शिक्षक ज्ञान जो प्रौद्योगिकी, पढ़ाई और विषय-वस्तु को मिश्रित करता है; शिक्षक-उन्मुख AI अध्ययनों का डिफ़ॉल्ट ढाँचा।
• स्वीकृति मॉडल — इरादा अनुभूत उपयोगिता और उपयोग में सरलता का फलन। इतना व्यापक रूप से उपयोग किया जाता है कि व्यवहार के बजाय इरादे पर क्षेत्र का निर्भरता एक स्थायी आलोचना बन गया है।
• ICAP — संलग्नता को निष्क्रिय, सक्रिय, रचनात्मक, अंतरक्रियात्मक के रूप में क्रमबद्ध करता है; यह पूछने में उपयोगी कि किसी AI अंतरक्रिया वास्तव में कौन-सा मोद संभव बनाती है।
• SAMR — प्रतिस्थापन से पुनर्परिभाषा तक। एक परिपक्वता कथा के रूप में लोकप्रिय, मापन उपकरण के रूप में कमज़ोर।
• सार्वभौमिक डिज़ाइन फ़ॉर लर्निंग, समावेशी सीखना, और सुगम्यता — डिज़ाइन ढाँचे यह तय करने के लिए कि कौन सेवा पाता है, और विकलांगता तथा समानता के काम में सर्वाधिक उल्लिखित।
• लर्निंग डिज़ाइन, पाठ्यक्रम डिज़ाइन, और डिज़ाइन सोच — यह कार्य, अनुक्रम और कार्यक्रम किसी उपकरण के चयन से पहले कैसे संरचित होते हैं।
• परिवर्तन प्रबंधन — क्या किसी प्रणाली को असल में अपनाया जाता है, जो आमतौर पर एक संस्थागत प्रश्न है, पढ़ाई संबंधी नहीं।

मापन और गणनात्मक मॉडल

• आइटम प्रतिक्रिया सिद्धांत — आइटम और क्षमता का आकलन, और वह मॉडल जो किसी परीक्षा के आँकड़ों को व्याख्यायोग्य बनाता है।
• शैक्षिक मापन — उपकरणों का परिदृश्य, जिसमें विशेष रूप से AI साक्षरता के लिए बनाए गए माप शामिल हैं।
• वैधता — क्या कोई उपकरण उस निर्माण को मापता है जिसका दावा करता है, जो यह तय करता है कि क्या सूचित परिणाम उससे जुड़े सिद्धांतात्मक दावे को सहारा देता है।
• स्व-सूचना माप — इस साहित्य में प्रमाण का प्रमुख और सर्वाधिक नाज़ुक स्रोत; ऊपर के कई निर्माण स्व-सूचना और प्रदर्शन के बीच तीखे अंतर से ज्ञात हैं।
• ज्ञान अनुरेखण और छात्र मॉडलिंग — अंतरक्रिया डेटा से समय के साथ शिक्षार्थी की स्थिति का आकलन।
• संज्ञानात्मक निदान — प्रदर्शन को विशिष्ट कौशल घटकों में संबद्ध करना, नैदानिक शिक्षण का मॉडलिंग समकक्ष।
• बेंचमार्क, AI शिक्षा मूल्यांकन, और AI डिज़ाइन में मानविकीय मापन संबंधी जागरूकता — यह प्रणालियों और हस्तक्षेपों को कैसे स्कोर, तुलना और ऑडिट किया जाता है।
• डिज़ाइन-आधारित अनुसंधान — वह विधि जो सिद्धांत को पहले परीक्षा करने के बजाय डिज़ाइन किए गए हस्तक्षेपों से उत्पन्न करती है।

AI युग के लिए गढ़े गए सिद्धांत

ज्ञान आधार में चार प्रस्ताव सिद्धांत उधार लेने के बजाय गढ़ते हैं। ये लेख पेज हैं, अवधारणा नोड नहीं, क्योंकि प्रत्येक एक एकल तर्क है:

• जेनेरेटिविज़्म — एक नया सीखने का सिद्धांत जो तर्क देता है कि जैसे-जैसे जेनेरेटिव AI फैलता है, शास्त्रीय चार महत्वपूर्ण वैचारिक सीमाएँ दिखाते हैं।
• ज्ञानवादिक सह-एजेंसी — एक मॉडल यह बताने का कि शिक्षार्थी और AI प्रणालियाँ मिलकर ज्ञान और समझ कैसे उत्पन्न करते हैं।
• अनुपस्थित संज्ञानात्मक आधार रेखा — सिद्धांतांतरण करता है कि जब AI प्रदर्शन को फुलाता है तो AI-मूल छात्र अपनी ही सीखना को अधिक आँकते हैं।
• एजेंटिविज़्म — एक मध्यवर्ती सिद्धांत जो चार तंत्रों के नाम बताता है (सौंपी गई एजेंसी, ज्ञानवादिक निगरानी और सत्यापन, पुनर्निर्माणकारी आंतरिकीकरण, और घटी सहायता के अंतर्गत स्थानांतरण) और छह परीक्षणीय प्रस्ताव घोषित करता है।

तीन लेबलों में अंतर करना

साहित्य में इन शब्दों का उपयोग ढीला होता है, और अंतर एक पैराग्राफ के योग्य है, पूरे पेज के नहीं:

• कोई सिद्धांत किसी तंत्र को समझाता है और भविष्यवाणी करता है कि जब उसके भाग बदलते हैं तो क्या होता है। यह विफल हो सकता है, यही कारण है कि जो अध्ययन उसकी परीक्षा करते हैं वे प्रभाव आकार सूचित कर सकते हैं।
• कोई ढाँचा व्यवस्थित या निर्धारित करता है। यह उन घटकों के नाम बताता है जिन पर ध्यान देना है, आमतौर पर परिमाणों की भविष्यवाणी किए बिना, और इसे असत्य साबित नहीं किया जा सकता।
• कोई मॉडल एक औपचारिक प्रतिनिधित्व है, अक्सर मापन का या शिक्षार्थी की स्थिति का। इसे फिट, तुलना और गलत साबित किया जा सकता है, जैसे किसी ढाँचे में नहीं हो सकता।
• लेबल आपस में ओवरलैप करते हैं। जाँच-चर्चा समुदाय एक साथ सिद्धांत और डिज़ाइन ढाँचा है; गतिविधि सिद्धांत व्याख्यात्मक और विश्लेषणात्मक दोनों है। लेबल को इस संकेत के रूप में देखें कि कोई स्रोत क्या दावा करता है, फाइलिंग श्रेणी के रूप में नहीं।

संबंधित परतें

दो पड़ोसी पेज जानबूझकर कुछ और के बारे में हैं। शिक्षा में AI का दर्शन मानदंड और वैचारिक प्रश्न पूछता है — शिक्षा किस लिए है, क्या कोई मशीन शिक्षा दे सकती है — और प्रभाव आकारों की भविष्यवाणी नहीं करता; कोई अध्ययन दार्शनिक रूप से नादान और सिद्धांतात्मक रूप से पक्का दोनों हो सकता है, या इसके विपरीत। सिद्धांत विकास सिद्धांत के निर्माण, उधार लेने और संशोधन की मेटा-गतिविधि है, जिसमें वह स्थायी आलोचना शामिल है कि अधिकांश AIED कार्य मौजूदा सिद्धांत लागू करता है, उसकी परीक्षा नहीं। यह पेज सूची है; सिद्धांत विकास सूची के निर्माण और संशोधन के बारे में है।

जब प्रश्न व्यावहारिक हो तो दृष्टिकोण का चयन

• शिक्षक किसी समस्या से आगे बढ़कर पीछे का काम कर सकते हैं: यदि शिक्षार्थी संलग्न नहीं हो रहे हैं, तो ICAP और SDT अलग-अलग कारणों के नाम बताते हैं और अलग-अलग समाधान सुझाते हैं; यदि प्रश्न यह है कि किसी उपकरण को अपनाना है या नहीं, तो स्वीकृति मॉडल और SAMR उसके बारे में अलग प्रश्न पूछते हैं।
• लर्निंग डिज़ाइनर को डिज़ाइन ढाँचों — UDL, सीखने का डिज़ाइन, और मड्गद — से सर्वाधिक मिलता है, जोड़े में एक सिद्धांत जो भविष्यवाणी करता है कि स्कैफ़ोल्डिंग हटाए जाने पर क्या होता है।
• अनुसंधानकर्ताओं को यह स्वीकार करना चाहिए कि कोई अध्ययन किस नोड का दावा करता है और क्या डिज़ाइन उसकी वास्तव में परीक्षा कर सकता है; मापन मॉडल (IRT, मूल्यांकन की वैधता, स्वयं-रिपोर्ट मापन) यह तय करते हैं कि क्या सूचित परिणाम उस दावे को सहारा देता है।
• प्रशासक इन ढाँचों को अपनाने और परिवर्तन के प्रश्नों के रूप में मिलते हैं, जहाँ एक चरण मॉडल को अक्सर परिपक्वता कथा के रूप में इस्तेमाल किया जाता है, उपकरण के रूप में नहीं।

ढाँचे क्या नहीं कर सकते

ढाँचे प्रमाण नहीं हैं। ये आमतौर पर pre-LLM संदर्भों से उधार लिए जाते हैं और जो भी लागू करता है उसके द्वारा स्थानीयकृत किए जाते हैं, ये ब्रांडिंग के रूप में काम कर सकते हैं, और चरण मॉडल चेकबॉक्स अपनाने को आमंत्रित करते हैं जो सीखने के बजाय स्तरों में आगे बढ़ने की सूचना करते हैं। किसी ढाँचे पर टिके दावों को क्षेत्र की व्यापक सीमाओं, जिसने भी परिणाम मापा उसकी वैधता, और स्व-सूचना की ज्ञात सीमाओं के साथ पढ़ा जाना चाहिए।

तंत्र-से-सिद्धांत संरेखण फिर भी निर्णायक हो सकता है: 55 AI-समर्थित खेल-आधारित सीखने के अध्ययनों के एक विषयगत संश्लेषण में पाया गया कि प्रभावशीलता इस बात पर टिकी थी कि AI तंत्र ने जिस पढ़ाई को सेवा देना था उसे क्रियान्वित किया या नहीं, कि एल्गोरिदमिक परिष्कार पर नहीं (Kaşarcı और Yurt (2026)।)

संबंधित अवधारणाएँ

• शिक्षा में कृत्रिम बुद्धिमत्ता में सिद्धांत विकास — क्षेत्र में सिद्धांत का निर्माण और संशोधन
• शिक्षा में एआई का दर्शन — मानदंड और वैचारिक परत
• सीखने के सिद्धांत — सीखने के सिद्धांत का छत्र
• अधिगम विज्ञान — पड़ोसी क्षेत्र जिससे अधिकांश सिद्धांत उधार लिए जाते हैं
• AIEd अनुसंधान की सीमाएँ — प्रमाण आधार क्या सहारा दे सकता है और क्या नहीं
• टेक्नोलॉजिकल पेडागॉजिकल कंटेंट नॉलेज (TPACK) — शिक्षक ज्ञान ढाँचा
• तकनीक अपनाने के मॉडल — अपनाने के ढाँचे
• आइटम रिस्पॉन्स थ्योरी (IRT) — एक मापन मॉडल
• सार्वभौमिक शिक्षण डिज़ाइन — एक डिज़ाइन ढाँचा
• AIED में शोध विधियाँ — सिद्धांत की परीक्षा कैसे होती है

संबंधित लेख

• Effectiveness of AI-Supported Game-Based Learning: A Systematic Review of Outcomes, Challenges, and Future Directions — 55 AI खेल-आधारित सीखने के अध्ययनों में तंत्र-से-सिद्धांत संरेखण ने, एल्गोरिदमिक परिष्कार ने नहीं, प्रभावशीलता चलाई
• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — AI×Ed ढाँचे के माध्यम से AIED के चार दशक
• Educating minds with generative AI — जेनेरेटिव AI और सीखने का सिद्धांत-भारी संश्लेषण
• An Activity-Theoretical Approach to Teacher Professional Development in Pedagogical AI Agent Design — शिक्षक व्यावसायिक विकास पर लागू गतिविधि सिद्धांत
• Activity theory as a lens on teachers' adoption of AI technologies: A structural equation modeling — गतिविधि सिद्धांत और शिक्षकों का अपनाना
• Generativism: Toward a Learning Theory for the Age of Generative Artificial Intelligence — जेनेरेटिव AI युग के लिए प्रस्तावित एक सीखने का सिद्धांत
• Learning with machines: Toward a theory of epistemic co-agency — ज्ञानवादिक सह-एजेंसी के सिद्धांत की ओर
• The Absent Cognitive Baseline: Theorizing a Structural Gap in AI-Native College Students' Academic Self-Assessment — AI-मूल छात्रों के स्व-मूल्यांकन में एक संरचनात्मक अंतर का सिद्धांतांतरण
• Agentivism: a learning theory for the age of artificial intelligence — मानव-AI अंतरक्रिया के लिए एक मध्यवर्ती सीखने का सिद्धांत
• Measuring Artificial Intelligence Literacy: A Systematic Review of Instrument Development, Conceptual Foundations, and Psychometric Quality — एक कच्चे निर्माण में उपकरण विकास
• Control vs. Agency: Exploring the History of AI in Education — क्षेत्र का बुनियादी नियंत्रण-बनाम-एजेंसी तनाव