Learning Commons

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

Learning Commons Mark Zuckerberg और Priscilla Chan की शिक्षा पहल है, जिसे 2025 में Chan Zuckerberg Initiative के लर्निंग-साइंस कार्य को उस अधोसंरचना तक पहुँचाने के लिए शुरू किया गया जिस पर एडटेक उत्पाद वास्तव में बनते हैं। इसका तर्क शिक्षण-शास्त्रीय नहीं बल्कि अधोसंरचनात्मक है: शोध मौजूद है, अकादमिक मानक मौजूद हैं और उच्च-गुणवत्ता वाले पाठ्यक्रम भी मौजूद हैं, पर वे अलग-अलग प्रणालियों में बैठे हैं, इसलिए डेवलपर जो सबसे आसानी से उपलब्ध होता है उसी पर निर्माण करते हैं। संगठन GitHub पर तीन खुले उपकरण प्रकाशित करता है — एक Knowledge Graph, Evaluators का एक सेट, और एजेंट कौशल — और एक प्लेटफ़ॉर्म चलाता है जो लर्निंग मैनेजमेंट सिस्टम में पाठ्यक्रम लोड करने के लिए Curriculum Sync जोड़ता है।

इसका उपयोग आप क्या कर सकते हैं

Knowledge Graph अकादमिक मानकों, पाठ्यक्रमों और लर्निंग-साइंस शोध को एक साझा स्कीमा के अंतर्गत इकाइयों और संबंधों के रूप में मॉडल करता है, ताकि कोई उपकरण अपनी डेटा पाइपलाइन बनाए बिना उत्पन्न सामग्री को किसी मानक से संरेखित कर सके। Evaluators लर्निंग-साइंस के नज़रिए से LLM आउटपुट के गुण मापते हैं — पाठ की जटिलता, प्रतिक्रिया, अकादमिक मानकों से संरेखण और टिकाऊ कौशल — और Python तथा TypeScript SDK के साथ आते हैं, जो npm और PyPI पर प्रकाशित हैं, उत्पन्न सामग्री को स्कोर करने या प्रत्याशी मॉडलों की तुलना करने के लिए। एजेंट कौशल शिक्षकों के सामान्य कार्यप्रवाहों के लिए निर्देश, संदर्भ और गार्डरेल एक खुले, मॉडल-निरपेक्ष प्रारूप में पैकेज करते हैं: समझ की जाँच, स्तरीय पाठ-विभेदन, मानक-संरेखित पाठ योजनाएँ, और पाठ की तैयारी। व्यवहार में ग्राफ़ ही बाकी दोनों को विश्वसनीय बनाता है: सामग्री-संरेखण दावा है, और ग्राफ़ वह संदर्भ है जिसके विरुद्ध उसे जाँचा जाता है।

यह किसके लिए है

वे डेवलपर जो पाठ्यक्रम और मूल्यांकन उत्पादों में एआई विशेषताएँ बनाते हैं, और वे पाठ्यक्रम या मानक टीमें जो वह डेटा देती हैं जिससे वे उत्पाद संरेखित होते हैं। शिक्षक एजेंट कौशल स्वयं भी उपयोग कर सकते हैं, पर रिपॉज़िटरी का अपना ढाँचा उन लोगों के लिए अधोसंरचना है जो उपकरण भेजते हैं।

टिप्पणियाँ और चेतावनी

स्रोत में खुला होना डेटा को खुला नहीं बना देता। Knowledge Graph का कोड MIT है, जबकि हर डेटासेट अपना अलग अभिगम-लेबल रखता है — Open, Open + Gated, या Gated — और Gated सामग्री उन खुली लाइसेंसों के अंतर्गत स्पष्ट रूप से नहीं आती जिनका रिपॉज़िटरी हवाला देता है, इसलिए पुनःउपयोग के अधिकार मान लेने से पहले डेटासेट कैटलॉग देख लें। Evaluators का कोड MIT है और उसका प्रॉम्प्ट-सामग्री CC BY 4.0 है, पर जिन एनोटेटेड CLEAR और PERSUADE 2.0 कॉर्पस का वह उपयोग करता है वे CC BY-NC-SA 4.0 हैं। प्लेटफ़ॉर्म और उसके पीछे के डेटासेट के लिए खाता चाहिए। 2026-11-04 को पढ़ी गई रिपॉज़िटरी-गतिविधि: Knowledge Graph के लिए 167 स्टार, Evaluators के लिए 88, Agent Skills के लिए 41। पहल CZI द्वारा वित्तपोषित है, और समस्या का जो ढाँचा यह प्रस्तुत करती है वह वित्तदाता का अपना है।

संबंधित अवधारणाएँ

• पाठ्यचर्या डिज़ाइन — ग्राफ़ इसलिए है कि उत्पन्न सामग्री मानकों और पाठ्यक्रमों से संरेखित हो सके
• ओपन सोर्स — MIT और Apache-2.0 कोड, साथ में प्रति-डेटासेट डेटा लाइसेंसिंग
• शैक्षिक एनएलपी — Evaluators एलएलएम आउटपुट के ऊपर पाठ-मापन की एक परत हैं
• एजेंटिक AI — ऐसे कौशल जो किसी कार्यप्रवाह को पैकेज करते हैं ताकि कोई मॉडल उसे पूरा करे
• एडटेक प्लेटफ़ॉर्म — Curriculum Sync पाठ्यक्रमों को लर्निंग मैनेजमेंट सिस्टम में लोड करता है
• बड़े भाषा मॉडल (LLMs) — मूल्यांकन का लक्ष्य और कौशलों का उपभोक्ता