سیکھنے والے کی ایجنسی

انگریزی صفحے کا خودکار ترجمہ، جو ابھی تک کسی مقامی بولنے والے کے ذریعے جانچا نہیں گیا۔

سیکھنے والے کی ایجنسی — سیکھنے والوں کی یہ صلاحیت کہ وہ دانستہ عمل کریں، انتخاب کریں اور اپنے سیکھنے کے عمل پر کنٹرول رکھیں۔ تعلیم میں AI میں ایجنسی ایک مرکزی تشویش ہے، کیونکہ AI اوزار سیکھنے والوں کے کنٹرول کو بیک وقت سہارا بھی دے سکتے ہیں اور کمزور بھی کر سکتے ہیں: اچھی طرح ڈیزائن کیا گیا AI سیکھنے والے کی خودمختاری کو محفوظ رکھتا ہے اور اسے بڑھاتا ہے، جبکہ AI کے آؤٹ پٹ پر حد سے زیادہ انحصار یا اسے غیر فعال طور پر قبول کر لینا اس خودمختاری کو کھا سکتا ہے۔ ایجنسی خود ضابطگی والی سیکھنا، تحریک، خود اعتمادی اور AI نظاموں کے اخلاقی ڈیزائن سے جڑی ہے، اور خودمختاری اور احساسِ ایجنسی کے نفسیاتی تصورات سے گہرا تعلق رکھتی ہے۔

غور کے لیے سوالات

• سیکھنے والے کی ایجنسی — یعنی آپ کی یہ صلاحیت کہ آپ دانستہ عمل کریں اور اپنے سیکھنے کو کنٹرول کریں — تعلیم میں AI کا مرکزی معاملہ ہے۔ جب آپ کوئی AI اوزار استعمال کرتے ہیں تو سیکھنے کے عمل پر آپ واقعی کتنا کنٹرول برقرار رکھتے ہیں، اور اوزار کتنا؟
• AI ایجنسی کو سہارا بھی دے سکتا ہے اور کمزور بھی کر سکتا ہے: اچھی طرح ڈیزائن کیا گیا AI آپ کی خودمختاری کو بڑھاتا ہے، جبکہ حد سے زیادہ انحصار اسے کھا جاتا ہے۔ کسی ایسے موقع کا سوچیں جب آپ نے AI کو صرف 'کرنے' دیا۔ اگرچہ نتیجہ بہتر دکھائی دے رہا تھا، کیا آپ نے کم سیکھا؟
• جو طلبہ تشریح کا کام AI کے حوالے کر دیتے ہیں وہ اپنی استدلال پر ایجنسی کھو سکتے ہیں۔ جب آپ کوئی کام AI کو سونپتے ہیں تو اپنی سوچ کا کون سا حصہ آپ خاموشی سے دے رہے ہوتے ہیں؟
• ایک تحقیق نے پایا کہ طلبہ کے پہلے سے خود شروع کیے گئے AI سیکھنے سے اندازہ ہوتا تھا کہ وہ ہدایات سے کتنا فائدہ اٹھائیں گے — زیادہ ایجنسی والے سیکھنے والوں کو سب سے زیادہ فائدہ ہوا۔ اگر ایجنسی جزوی طور پر وہ مہارت ہے جو آپ ساتھ لے کر آتے ہیں، تو آپ کا اپنا سیاق و سباق اسے فرض کرنے کے بجائے کیسے پروان چڑھا سکتا ہے؟
• ایجنسی صرف کوئی خصوصیت نہیں — یہ گروہی کام میں لمحہ بہ لمحہ ابھرتی ہے، جہاں AI اس بات کو دوبارہ تقسیم کر سکتا ہے کہ اشتراک کو کون شکل دیتا ہے، اور سیکھنے والوں کو پتہ بھی نہیں چلتا۔ آپ نے آخری بار کب دیکھا کہ کوئی اوزار خاموشی سے کسی گروہ کی سمت موڑ رہا ہے؟
• مخالفانہ AI پرسونا گروہوں کو پیداواری چیلنج کی طرف دھکیل سکتے ہیں، لیکن انھوں نے ٹیم ورک کی تسلی اور نفسیاتی تحفظ بھی کم کیا۔ کیا پیداواری رگڑ نفسیاتی تحفظ کے بغیر ممکن ہے — اور اس کا AI ٹیم ساتھیوں کے ڈیزائن کے لیے کیا مطلب ہے؟

تعارف

ایجنسی اس لیے اہم ہے کہ سیکھنا اُس وقت سب سے زیادہ مؤثر ہوتا ہے جب سیکھنے والے فعال اور دانستہ شریک ہوں، نہ کہ غیر فعال وصول کنندہ۔ AI نظام — خواہ وہ ٹیوٹرنگ ایجنٹ ہوں، روبوٹ ہوں یا چیٹ بوٹ — یہ طے کرتے ہیں کہ سیکھنے والے اپنے سیکھنے کے عمل پر کتنا کنٹرول برقرار رکھتے ہیں۔ اس لیے تعلیم میں ذمہ دار AI کا ایک کلیدی ڈیزائن اصول ایجنسی کو محفوظ رکھنا ہے، اور اس کے ساتھ ساتھ خود اعتمادی کو سہارا دینا، اعتماد قائم کرنا اور حد سے زیادہ انحصار سے بچنا ہے۔

Mishra et al. کنٹرول بمقابلہ ایجنسی کو تعلیم میں AI کی بنیادی اور بار بار لوٹنے والی کشمکش قرار دیتے ہیں — ابتدائی ITS سے لے کر آج کے جنریٹو AI تک — اور اسی لیے سیکھنے والے کی ایجنسی کو میدان کی بحث کا دائمی محور بناتے ہیں۔

ایجنسی کا صفر جمع کھیل تصور، ایجنٹک اوزاروں کے ساتھ: Prieto & Dimitriadis (2026) دلیل دیتے ہیں کہ تعلیمی AI اوزاروں کو جتنی زیادہ ایجنسی دی جائے گی، سیکھنے والوں کے پاس اتنی ہی کم بچے گی — یعنی ایجنسی درحقیقت صفر جمع کھیل ہے، اور موجودہ انسان مرکز ڈیزائن کے طریقے (مثلاً قدر حساس ڈیزائن) ناکافی ہیں، کیونکہ حد سے زیادہ انحصار اور تنہائی زیادہ وسیع نظامی عوامل اور آسان راستہ اختیار کرنے کی انسانی رجحان سے جنم لیتے ہیں۔ ان کا آزادی بخش ڈیزائن وژن، جو پیچیدہ نظاموں کے اندر سیکھنے والے کی نشوونما پر مرکوز ہے، سیکھنے والے کی ایجنسی کو محفوظ رکھنے اور پروان چڑھانے کو جنریٹو AI ڈیزائن کا مرکزی مقصد قرار دیتا ہے، نہ کہ بعد کا اضافہ۔

ایجنسی بطور مقصد، نہ صرف بطور صلاحیت: جہاں اوپر کے فریم ورک یہ پوچھتے ہیں کہ سیکھنے والوں کے پاس کتنی ایجنسی بچتی ہے، وہاں Fagerlund et al. (2026) پوچھتے ہیں کہ تعلیم میں مصنوعی ذہانت آخر کس لیے ہے۔ پری اسکول سے نویں جماعت تک کے تیرہ فن لینڈی اساتذہ سے AI کے ساتھ اور AI کے بارے میں تدریس کے مقاصد پر انٹرویو کرتے ہوئے، اور ان کے بیانات کو Biesta کے تعلیمی مقصد کے تین میدانوں (قابلیت، سماجی بندی، خودی کی تشکیل) کے ذریعے پڑھتے ہوئے، انھوں نے پایا کہ قابلیت سب سے واضح اور ٹھوس مقصد ہے: اساتذہ چاہتے تھے کہ طلبہ AI کو ایک سماجی تکنیکی مظہر کے طور پر سمجھیں اور اس کے اوزار استعمال کریں۔ خودی کی تشکیل، یعنی AI کے ساتھ خود طے شدہ اور ذاتی طور پر بامعنی شمولیت، اہم تسلیم کی گئی مگر اس کے لیے کوئی ٹھوس تدریسی حکمت عملی نہ دی گئی؛ اساتذہ ڈیزائن کردہ سرگرمیوں کے بجائے عمومی گفتگو اور غور و فکر کی طرف جاتے رہے۔ مصنفین باخبر AI ایجنسی کو ایک ہیورسٹک کے طور پر تجویز کرتے ہیں جو خودی کی تشکیل کو مرکز میں رکھتا ہے اور قابلیتوں کو اس کی وضاحتی بنیاد مانتا ہے، تاکہ طلبہ دیکھ سکیں کہ کون سے اختیارات موجود ہیں اور کس کا پیچھا کرنا ہے۔ عملی نتیجہ سیدھا ہے: مہارت اول نصاب اُس ایجنٹک مقصد کو دبا سکتا ہے جس کی خدمت کے لیے وہ بنایا گیا ہے، اور اس کا علاج فہرست میں ایک اور قابلیت شامل کرنا نہیں بلکہ AI تعلیم کے "کیوں" کو واضح کرنا ہے۔

سفر کی سمت طے شدہ نہیں۔ Gillette et al. (2026) اپنے سویڈن کے اساتذہ کا موازنہ Bearman et al. (2025) کے آسٹریلوی طلبہ سے کرتے ہیں، جو "عام طور پر ایجنسی چاہتے تھے" اور "انحصار کی مزاحمت کرتے تھے": یہاں کئی طلبہ نے بتایا کہ وہ genAI پر منحصر ہوتے گئے اور اسے ایک نقصان قرار دیا؛ ایک نے کہا کہ یہ "ڈوپامائن کا جھٹکا دیتا ہے کیونکہ ہر چیز کم وقت لیتی ہے" اور "برے رویوں کو انعام دیتا ہے"۔

علمی ذخیرے کی تحقیق میں ایجنسی کیسے نمودار ہوتی ہے

• روبوٹکس اور انسان-روبوٹ تعامل: RoboBlockly Studio کو واضح طور پر کمپیوٹیشنل سوچ میں سیکھنے والے کی ایجنسی محفوظ رکھنے کے لیے ڈیزائن کیا گیا؛ ایک منظم جائزہ جانچتا ہے کہ انسان-روبوٹ تعامل انسانی خودمختاری اور احساسِ ایجنسی کو کیسے متاثر کرتا ہے، جو بہبود اور AI گورننس کی بحثوں کا مرکز ہے۔
• اشتراکی سیکھنا: انسان اور AI کا تعاون تحقیق جانچتی ہے کہ علمی کام سیکھنے والوں اور AI کے درمیان کیسے بانٹے جاتے ہیں، اور ایجنسی ہی طے کرتی ہے کہ تعامل کو انسان ہدایت دے رہا ہے یا AI۔
• مشترکہ علمی ایجنسی طالب علم–GAI تعامل تک پھیلتی ہے۔ ایک 14 زمروں والی اسکیم نے 6,788 ChatGPT کی مدد سے چلنے والے موڑوں کی کوڈنگ کی اور ساتویں جماعت کے طلبہ کے 59% موڑ مشترکہ علمی ایجنسی میں رکھے، اور مصنفین دلیل دیتے ہیں کہ یہ تصور — جو پہلے زیادہ تر ہم مرتبہ اشتراک میں مطالعہ کیا گیا تھا — اب علمی اور میٹا کوگنیٹو جہتوں کو شامل کرنے کے لیے وسیع ہونا چاہیے (Chang et al., 2026)۔
• تنقیدی شمولیت: علمی منتقلی کی تحقیق دکھاتی ہے کہ جو طلبہ تشریح کا کام AI کو سونپ دیتے ہیں وہ اپنی استدلال پر ایجنسی کھو سکتے ہیں؛ تنقیدی اور میٹا کوگنیٹو طریقے اسے بچانے کا ہدف رکھتے ہیں۔

دس ماڈلوں پر بینچ مارک کیا گیا تو سیکھنے کے بعد ایجنسی کو سہارا دینے میں ان کی کارکردگی سب سے خراب نکلتی ہے۔ ImpactBench نے ایجنسی اور مقصد کو مثبت معیارات پر 56.0% (95% CI [49.2, 62.5]) اور منفی معیارات پر 43.9% ([36.9, 50.8]) ناپا، جو 14 ذیلی شعبوں میں دوسرے سب سے کم درجے پر ہے، اور اس کے خودمختاری محفوظ رکھنے والے معاون معیارات یہ پوچھتے ہیں کہ کوئی ماڈل کورسِ عمل تجویز کرنے کے بجائے سیاق و سباق اور تجارتی ترجیحات پیش کرتا ہے یا نہیں (ImpactBench (2026)۔ ماڈل نقصان سے بچنے میں مددگار ہونے کے مقابلے کہیں کم مستقل تھے: فرق 38.6 پوائنٹس بمقابلہ 15.9 پوائنٹس۔

لاگت اس بات پر منحصر ہے کہ کون سی پرت منتقل کی گئی: آٹھ ہفتے کے ایک تحریری مطالعے میں، استدلال (دلائل، متضاد نکات، شہادت کی تشریح) کی منتقلی کا آزاد کارکردگی سے سب سے مضبوط منفی تعلق تھا (ab = −0.34)، اور خود ضابطہ تحریر نے اسے کمزور کیا مگر کبھی الٹا نہیں کیا (Chen (2026)۔

342 انڈر گریجویٹس کے 85 مقررہ تحریری گروہوں پر تین موجوں والا پینل مطالعہ اس تشویش کو وقتی سمت دیتا ہے: جب رینڈم انٹرسیپٹ کراس لیگڈ پینل ماڈل میں افراد کے درمیان مستحکم فرق الگ کر دیے گئے، تو معمول سے زیادہ GenAI انحصار نے بعد میں کم محسوس شدہ ایجنسی کی پیش گوئی کی، جبکہ ایجنسی سے انحصار کی طرف راستے کمزور اور شماریاتی طور پر غیر مصدقہ رہے، البتہ اعتماد کے وقفوں اور Monte Carlo حساسیت کے تجزیوں نے چھوٹے الٹے اثرات کو ممکن رکھا۔ اس کا لاگ ڈیٹا اس بات سے بھی خبردار کرتا ہے کہ استعمال کے حجم کو کھوئی ہوئی ایجنسی کے طور پر نہ پڑھا جائے — خود رپورٹ شدہ انحصار AI استعمال کی شدت سے تو مطابق تھا، مگر لاگ اسٹریٹجک مشورے کو منتقلی یا تسلیم سے الگ نہیں کر سکے، اس لیے ڈیش بورڈز کو شدت کے ساتھ گفتگو، غور و فکر اور نظرثانی کے شواہد بھی پڑھنے چاہئیں۔(Wu & Lu, 2026) ایک تکمیلی بیان SRL کو بدلنے کے بجائے وسیع کرتا ہے: de Barba (2026) ضابطگی (اپنے عمل کو سنبھالنا)، انضمام (وقت اور سیاق و سباق میں خود کو منظم کرنا) اور مقام بندی (ماحول جو ناپتا ہے اس کی تنقیدی تشریح کرنا) میں فرق کرتے ہیں، اور دلیل دیتے ہیں کہ ایجنسی پر مبنی ڈیزائن کو سیکھنے والوں کو "حالات کے اندر ایجنسی" سے "حالات پر ایجنسی" کی طرف لے جانا چاہیے، نہ کہ رویے کے پراکسیوں کو بہتر بنانا چاہیے۔

• ایجنسی کے لیے ڈیزائن: جنریٹو سماجی روبوٹس کے لیے علم پر مبنی ڈیزائن (Teachy Mini) ایسے خطرات سے نمٹتا ہے جیسے حد سے زیادہ انحصار جو سیکھنے والے کی ایجنسی کو کمزور کرتا ہے۔
• ہینڈ آف کے لیے ڈیزائن، طویل شمولیت کے لیے نہیں۔ Amico دو وضعی پروٹو ٹائپ AI کو ایک محدود، عارضی وساطت کے طور پر دیکھتا ہے جس کی کامیابی اس سے ناپی جاتی ہے کہ اساتذہ، ہم مرتبہ یا برادری کی طرف قابلِ مشاہدہ منتقلیاں ہوں، نہ کہ AI کے ساتھ گزارے گئے وقت سے؛ اس کے اٹلی–چین پائلٹ نے پایا کہ سیکھنے والوں نے اسے رشتوں کا متبادل نہیں بلکہ ایک محدود اوزار کے طور پر پہچانا (Benedetti (2026))۔
• موافق اسکافولڈنگ پیشہ ورانہ خودمختاری سے سودا کرتی ہے۔ de Jong (2026) دلیل دیتے ہیں کہ چونکہ موافقت کے لیے نظام کو صارف کی قابلیت جانچنی پڑتی ہے، اس لیے یہ پیشہ ور افراد کے اپنے ارتقا پر اختیار کم کرتی ہے اور ماہروں کو حد سے زیادہ اسکافولڈ کرنے کا خطرہ رکھتی ہے، اور جو طریقہ کار غیر ضروری محسوس ہو اسے صرف نظر انداز کر دیا جائے گا — اور یہ سوال کھلا رہ جاتا ہے کہ کون طے کرے گا کہ کس صارف کو اسکافولڈنگ ملے: نظام، تنظیم یا خود پیشہ ور؟
• زیادہ قابل اسکافولڈنگ کا مطلب زیادہ ایجنسی نہیں۔ ایک حسبِ ضرورت ماہر ڈیزائن بوٹ نے پری سروس اساتذہ کی تعامل کی طوالت اور خود پیدا کردہ پرامپٹس بڑھائے، پھر بھی اسی اور ChatGPT والی حالت میں اشتراکی مسئلہ حل کرنے کی ایجنسی گر گئی، کیونکہ شرکاء بوٹ کو تنقید کا نشانہ بنانے کے بجائے اس سے اتفاق کرتے رہے (Krushinskaia et al. (2026))۔
• پہلے سے موجود ایجنسی بتاتی ہے کہ کس کو فائدہ ہوگا: Liang et al. (2026) نے Bandura کے سماجی علمی نظریے کی بنیاد پر دکھایا کہ طلبہ کے پہلے سے خود شروع کیے گئے AI سیکھنے (ایجنسی کا رویاتی اظہار) سے اندازہ ہوتا تھا کہ ایک سال کی اسکولی AI تدریس سے انھیں کتنا فائدہ ہوگا — زیادہ ایجنسی والے سیکھنے والے سب سے مضبوط تیاری کے ساتھ آئے، جبکہ اسکولی نصاب نے نفسیاتی خلا تو کم کیا مگر علمی خلا برقرار رہے۔ منظم تدریس اور پہلے کی ایجنسی سے متعلق سیکھنا ہم آہنگی کے ساتھ کام کرتے رہے، ایک دوسرے کے متبادل کے طور پر نہیں۔
• اصولی انتخابیت بطور استاد کی ایجنسی، تکنیکی تبدیلی کے دوران: Adiozaman and Segar (2026) نے دو تجربہ کار ماہرینِ تعلیم کے ایک سمسٹر میں تین بار انٹرویو کیے اور پایا کہ انھوں نے AI کے ذریعے ہونے والی تدریس میں نہ مکمل اختیار کیا نہ مکمل مزاحمت، بلکہ تدریسی اقدار، اخلاقی وابستگی اور پیشہ ورانہ فیصلے کی رہنمائی میں دانستہ، سیاق و سباق کے مطابق فیصلے کیے — یہ نمونہ مصنفین اصولی انتخابیت کہتے ہیں، جس میں کسی مخصوص استعمال سے انکار اپنانے کی ناکامی نہیں بلکہ فیصلے کا اظہار سمجھا جاتا ہے۔ یہ اوپر کے سیکھنے والوں کے نتائج کا استاد والا ہم منصب ہے: غیر یکساں AI استعمال ایجنسی کا مظاہرہ ہو سکتا ہے، اس کی غیر موجودگی کا ثبوت نہیں۔
• استاد کی ایجنسی بطور سیکھنے والے کی ایجنسی کی وساطتی شرط: تازہ ترین استاد متعلق نتائج اس تقسیم کو واضح کرتے ہیں جو اوپر کے سیکھنے والے متعلق نتائج میں مضمر ہے: استاد کی ایجنسی ڈیزائن کے وقت کی اور وساطتی ہے، سیکھنے والے کی ایجنسی لمحے میں عمل میں آتی ہے، اور پہلی دوسری کے لیے حالات طے کرتی ہے۔ Canonigo (2026) نے دس ثانوی ریاضی کے اساتذہ کو آٹھ ہفتے کی ChatGPT-4 مداخلت میں پیروی کی اور پایا کہ جہاں اساتذہ AI کے آؤٹ پٹ کو ترتیب دیتے اور اس سے سوال کرتے (کھلے مسائل پیش کرنا، اوزار کو پہلے سے پرامپٹ کرنا تاکہ حل روک کر اشارے دے، طلبہ سے کہنا کہ AI کے آؤٹ پٹ کو اپنے کام کے ساتھ رکھ کر دلیل دیں کہ کون سا طریقہ بہتر ہے)، وہاں یہ تنقید کے لیے ایک عارضی شے بن گیا اور طلبہ مفروضوں اور میٹا کوگنیٹو سوالات کی طرف بڑھے؛ جہاں وساطت نہ تھی، اختیار الگورتھم کی طرف منتقل ہو گیا اور اساتذہ علم کے پہلے ماخذ کے بجائے تصدیق کرنے والے بن گئے، ایسی تبدیلی جسے ایک استاد نے "اوریکل" سے "ایڈیٹر" کی طرف جانا کہا۔ اوزاروں کے غیر مساوی معیار سے یہ بوجھ بڑھتا ہے: 50 پرامپٹ ہر ماڈل کو تین بار بھیجے گئے تو مفت درجے نے 150 جوابات میں سے 49 (32.7%) میں غلطی کی، جبکہ پریمیم درجے نے 150 میں سے 18 (12%) میں (χ2(1) = 17.5, p < .001)۔ Charles (2026) اس سے تیاری کا نتیجہ نکالتے ہیں: استاد کی ایجنسی ایک پیشہ ورانہ وسیلہ ہے جو ڈیزائن کے فیصلوں اور اشیاء کے ذریعے متحرک ہوتا ہے، اس لیے تیاری کا اندازہ اس سے لگایا جانا چاہیے کہ اساتذہ کیا ڈیزائن بناتے ہیں، نہ کہ اس سے کہ وہ کتنی بار AI استعمال کرتے ہیں، اور AI سے باز رہنے کا سوچا سمجھا فیصلہ بذاتِ خود تیاری کا مظاہرہ ہو سکتا ہے۔ ان نتائج کو مل کر پڑھا جائے تو یہ خبردار کرتے ہیں کہ زیادہ AI استعمال کو ایجنٹک کلاس روم کا ثبوت نہ سمجھا جائے، کیونکہ سیکھنے والے کی ایجنسی بچانے والا رویہ اس میں ظاہر ہوتا ہے کہ استاد کیا ڈیزائن اور تنقید کرتا ہے، نہ کہ اوزار آن ہے یا نہیں۔
• استاد-طالب علم کنٹرول صفر جمع نہیں — مگر درست تقسیم مرحلے پر منحصر ہے۔ 17 اساتذہ اور 13 طلبہ کے شراکتی اسپیڈ ڈیٹنگ مطالعے نے 34 ہائبرڈ کنٹرول ڈیزائنوں کی درجہ بندی کی اور پایا کہ دونوں گروہ تیاری اور آغاز کے دوران مضبوط استاد کنٹرول کو ترجیح دیتے ہیں، پھر اشتراک کے بڑھنے کے ساتھ طلبہ کی رائے میں بتدریج اضافہ چاہتے ہیں — اور کسی گروہ نے کبھی مکمل طالب علم کنٹرول کو ترجیح نہیں دی۔ ترجیحات آپس میں مطابق تھیں: اساتذہ جوڑی بنانے کے وقت پر زیادہ کنٹرول چاہتے تھے جبکہ طلبہ تیاری کا خود اعلان چاہتے تھے؛ طلبہ استاد کے ساتھی کے انتخاب پر بھروسا کرتے تھے جبکہ اساتذہ ساتھیوں کے بارے میں طالب علم کی آواز چاہتے تھے۔ ڈیزائن کا نتیجہ: ایجنسی ہر فیصلے کے مقام اور مرحلے کے حساب سے تقسیم ہونی چاہیے، جس میں محدود اور منظم طالب علم تجاویز استاد کے لیے بنے تجزیوں سے جانچی جائیں، نہ کہ کھلی منسوخی سے۔ (Balancing Teacher and Student Agency: Co-Orchestration Tool Design Supporting Real-Time Dynamic Pairing)
• انتخاب تک رسائی عمل میں ایجنسی کے برابر نہیں: Su, Nair and Nagashima (2026) نے 69 یونیورسٹی طلبہ کو 2 × 2 ڈیزائن میں بے ترتیب تقسیم کیا، جس میں ایک فلکنگ سمولیشن کے پیرامیٹر کنٹرول کو اختیاری گفتگو ایجنٹ تک رسائی کے ساتھ ملایا گیا، اور پایا کہ پہلے علم کو کنٹرول کرنے کے بعد کسی سہولت کا سیکھنے کے فوائد پر کوئی قابلِ اعتماد اثر نہ تھا (پیرامیٹر کنٹرول F(1, 50) = 0.04, p = .849؛ ایجنٹ F(1, 50) = 2.68, p = .108)۔ فوائد اس پر منحصر تھے کہ کنٹرول کیسے استعمال ہوا: سب سے زیادہ تصوراتی پیچیدگی والے سبق میں سلائیڈر کا وقت زیادہ فوائد کی پیش گوئی کرتا تھا (β = .11, p = .007) جبکہ آسان سبق میں وہی رویہ کم فوائد کی (β = −.04, p = .047)، اور اختیاری ایجنٹ کے ساتھ شمولیت فی سیکھنے والا 0 سے 32 سوالات تک رہی، مگر نتائج سے تعلق نہ رکھتی تھی۔ مصنفین اسے یوں پڑھتے ہیں کہ ایجنسی عمل میں لائی جاتی ہے، عطا نہیں کی جاتی: ڈیزائن کا سوال یہ ہے کہ کیا چیز سیکھنے والے کو یہ طے کرنے میں مدد دیتی ہے کہ کیا تبدیل کرنا قابلِ قدر ہے اور اس کے نتائج کو محسوس کرنا۔
• ابتدائی کیریئر کی تحقیق میں علمی تفویض: Han and Liu (2026) ڈاکٹریٹ اور پوسٹ ڈاکٹریٹ محققین میں AI انحصار کو علمی تفویض قرار دیتے ہیں — یعنی مسئلے کی تشکیل، طریقے کے انتخاب اور تشریحی اختیار کی ذہین نظام کو منتقلی — اور پایا کہ اس کا تحقیقی خود اعتمادی اور تحقیقی خودمختاری دونوں سے منفی تعلق تھا، اور نگرانی کی مدد اس نقصان کو روکتی تھی۔ یہ ایجنسی کی بحثوں کو سیکھنے والے کی خودمختاری سے خود محقق کی تشکیل تک بڑھاتا ہے۔
• تشریحی اختیار بطور ڈیزائن متغیر (ایک تصوراتی فریم ورک)۔ Porath (2026) "کون فیصلہ کرتا ہے" کے سوال کو تشریحی اختیار کی تقسیم کے طور پر دوبارہ ترتیب دیتے ہیں — کون مسائل کی تعریف کرتا ہے، جوابات کا جائزہ لیتا ہے اور طے کرتا ہے کہ فہم کب حاصل ہوا — اور چار غیر درجہ بند ترتیبوں (انسان غالب، AI معاون، AI ہدایت کار، مکالماتی شراکت) کی نقشہ بندی کرتے ہیں جن کے درمیان کلاس روم ایک ہی کام کے اندر حرکت کرتے ہیں، اور تبدیلیوں کو فرد کی میٹا کوگنیشن سے سماجی ثقافتی بیانیوں تک پانچ ماحولیاتی تہوں میں جما دیتے ہیں۔ مضمون کا معیاری دعویٰ اس صفحے کے شواہد سے ہم آہنگ ہے: AI ہدایت کار ترتیبیں، خواہ کتنی ہی جدید ہوں، پیداواری جدوجہد اور میٹا کوگنیٹو ضابطگی کو دبا سکتی ہیں — وہی صلاحیتیں جنھیں یہ صفحہ ایجنسی کی بنیاد قرار دیتا ہے۔ تصوراتی تحریر ہونے کے ناطے یہ تشخیصی ذخیرہ الفاظ دیتی ہے، تجربی شواہد نہیں۔

ایجنسی خود ضابطگی والی سیکھنا، تحریک، خود اعتمادی، طلبہ کا تجربہ، انسان اور AI کا تعاون، اخلاقیات، حد سے زیادہ انحصار اور میٹا کوگنیشن سے جڑی ہے۔ یہ روبوٹکس، ٹیوٹرنگ اور AI سیکھنے والے ایجنٹوں کے ڈیزائن میں بنیادی حیثیت رکھتی ہے۔

• محدود استعمال بطور علمی کنٹرول، بطور ہچکچاہٹ نہیں۔ Zagami (2026) بتاتے ہیں کہ 484 جوابات والے یونیورسٹی سروے میں زیادہ کامیاب طلبہ نے AI کی کم فعال شمولیت اور محسوس شدہ سیکھنے کا کم اثر دکھایا، جبکہ ساتھ ہی AI سے متعلق کم عدم دلچسپی بھی رپورٹ کی، اور اپنے استعمال کو تصدیق کے لحاظ سے کثیف بتایا: آؤٹ پٹ جانچے جاتے، پھر اپنی استدلال کے تابع کر دیے جاتے۔ اگر اسے اجتناب کے بجائے ایجنسی کے طور پر پڑھا جائے تو یہ نمونہ فیصلے کو دانستہ برقرار رکھنا ہے — طلبہ نتیجے کی تصنیف اپنے پاس رکھتے ہیں جبکہ اوزار کو وضاحت اور خلاصے کے لیے استعمال کرتے ہیں۔

مستقل حد بندی کا کام، نہ کہ اوزار کی مہارت، ایجنسی کو تفویض سے الگ کرتا ہے: ایک ہی ریٹریول پر مبنی اوزار استعمال کرنے والے طلبہ نے یکساں چمکے ہوئے نمونے پیدا کیے، خواہ انھوں نے اس کے آؤٹ پٹ کو محدود کر کے دوبارہ تحریر کیا ہو یا تشریح ابتدا ہی میں سونپ دی ہو، اس لیے فرق صرف پرامپٹس، تاخیر، اصلاحات اور انکار میں ظاہر ہوا (O'Byrne, 2026)۔

• عمل کرنا، جاننا اور جواب دینا ایک چیز نہیں۔ 366 GenAI اعلیٰ تعلیمی خلاصوں کے کارپس کی مدد سے گفتار کے تجزیے میں AI کو 2,050 بار بطور فاعل نام دیا گیا مگر کبھی جواب دہ نہیں بنایا گیا، جبکہ آؤٹ پٹ کا جائزہ لینے اور دعووں کی تصدیق کی ذمہ داری طلبہ پر ڈالی گئی: گرامر کے لحاظ سے فعالیت، فعلی ایجنسی، علمی اختیار اور معیاری جواب دہی الگ الگ ہو جاتے ہیں (Poudyal, 2026)۔
• ایجنسی کے تین وضع ہیں، اور تیسرا پالیسی فراہم کرتی ہے۔ صرف 18% اساتذہ اور 24% پرنسپل نے اسکولی AI پالیسی کی اطلاع دی، اس لیے زیادہ تر ماہرینِ تعلیم انفرادی ایجنسی استعمال کرتے ہیں اور کوئی پراکسی ایجنسی ان کے لیے کام نہیں کر رہی — Bandura کا تیسرا وضع، جو ادارہ جاتی قواعد فراہم کرتے ہیں (Tench, Weinstein & James, 2026)۔

ایجنسی بطور ابھرتا، تعاملی مظہر

ایجنسی ایک صلاحیت نہیں، اور یہ فرق AI کے ذریعے ہونے والے عمل تک بھی برقرار رہتا ہے۔ Bergdahl (2026) نے سوئڈن کے 47 ساتویں جماعت کے طلبہ کا ایک سمسٹر کی AI تدریس کے بعد سروے کیا اور پایا کہ AI کے آؤٹ پٹ کی طرف مبذول ایجنسی اُسے پیدا کرنے والے نظاموں تک نہیں پھیلتی۔ یہ تقسیم انفرادی طلبہ کے اندر بھی برقرار رہی: 79% کا نو اشیاء پر اسکور کی حد تین یا زیادہ تھی، اور فی طالب علم علیحدگی کا اشاریہ آؤٹ پٹ کی طرف مبذول شمولیت کو نظام کی طرف مبذول شمولیت پر ترجیح دیتا تھا — 35 طلبہ کے حق میں بمقابلہ 4 الٹے (سائن ٹیسٹ, p < .001)۔ سب سے زیادہ ماخذ تنقید کرنے والے 62% طلبہ نے پھر بھی چیٹ بوٹس کے اپنی تحریر پڑھنے کے معاملے میں سب سے کم حفاظتی اختیار کی حمایت کی، اور نمونے میں صرف ایک طالب علم نے سب سے زیادہ رازداری والا موقف چنا۔ اہم بات یہ ہے کہ یہ ایک مہینے بعد اُس سبق کے ناپا گیا جس میں طلبہ نے اپنے لاگ شدہ رویے کو براہِ راست پیش ہوتے دیکھا — انھوں نے اسے "ڈراونا" کہا اور چھٹی تک پلیٹ فارم استعمال کرتے رہے۔ ایجنسی کا ابھرتا، تعاملی خاصیت کے طور پر دیکھا جانا اس سے ہم آہنگ ہے: یہ فی عمل نمودار ہوتی ہے، عمل سے عمل میں منتقل نہیں ہوتی، اور ایک سبق جو سامنے لاتا ہے وہ اُس رجسٹر تک عام نہیں ہوتا جسے اس نے چھیڑا ہی نہیں۔

سیکھنے والے کی ایجنسی صرف ایک جمود شدہ انفرادی خصوصیت نہیں — یہ ایک ابھرتا، تعامل سے تشکیل پانے والا عمل بھی ہے جو گفتار کے ذریعے اور گروہی کام کی لمحہ بہ لمحہ ہم آہنگی کے ذریعے عمل میں آتا ہے۔ اشتراکی سیکھنے میں ایجنسی تقسیم ہوتی ہے اور متنوع عملوں (خیالات پیدا کرنا، متبادل تلاش کرنا) اور ہم گر عملوں (جائزہ لینا، یکجا کرنا، ترکیب بنانا) کے باہمی کھیل سے دوبارہ گفت و شنید ہوتی ہے۔ یہ نقطۂ نظر AI کے لیے اس لیے اہم ہے کہ ایجنٹک AI نظام گروہ کے اندر علمی اور ضابطگی کی محنت خاموشی سے دوبارہ تقسیم کر سکتے ہیں، اور یہ بدلتے ہیں کہ کون حصہ ڈالتا ہے، کون سمت کا تعین کرتا ہے اور کون پیش رفت کو ضابطہ دیتا ہے — اکثر سیکھنے والوں کو خبر بھی نہیں ہوتی۔

• ایجنسی بطور قابلیت کی ترتیب کا ابھرتا معیار۔ Human-AI Collaboration Competency فریم ورک جان بوجھ کر سیکھنے والے کی ایجنسی کو الگ جزو کے طور پر خارج کرتا ہے اور اسے اُس چیز کے طور پر دیکھتا ہے جو سیکھنے والے اُس وقت ظاہر کرتے ہیں جب وہ شعبے، AI اور میٹا کوگنیٹو قابلیت کو ہم آہنگ کرتے ہیں — یعنی TPACK جو انضمامی کام تدریس کو دیتا ہے، وہ سیکھنے والے کی اپنی میٹا کوگنیٹو تعلیم میں AI کی ضابطگی کو منتقل ہو جاتا ہے؛ 24 اعلیٰ تعلیمی ماہرین میں ہر جہت ان کی گفتگو میں نمودار ہوئی، جس میں شعبہ (کوڈ شدہ اکائیوں کا 12–19%) اور AI (16–22%) نمایاں تھے (Dang et al., 2026)۔

• Jin et al. (2026) سب سے براہِ راست شواہد پیش کرتے ہیں: ایک بڑے تجربے (224 طلبہ، 97 سہ گروہ) میں جہاں AI ایک نہ بتایا گیا ٹیم ساتھی تھا، معاون اور مخالفانہ AI پرسونا نے پھر بھی ابھرتی ایجنسی کو نئی ترتیب دی۔ مخالفانہ AI نے گفتار کو چیلنج اور غور و فکر کی طرف دھکیل دیا (پیداواری رگڑ)، جبکہ معاون AI نے اتفاق کو مستحکم کیا اور خیال آفرینی کو تازہ کیا۔

• AI پرسونا بطور گفتار کی حکمرانی کے طریقہ کار۔ مخالفانہ پرسونا نے چیلنج کرنے کا بوجھ ظاہر کیا (علمی محنت کو تنقید کی طرف دوبارہ تقسیم کرتے ہوئے)، جبکہ معاون پرسونا نے تصدیق اور اتفاق کی دیکھ بھال کو ظاہر کیا۔ مطالعے نے ایجنسی کے چھ ابھرتے نمونے شناخت کیے — خاص طور پر، غور و فکر والی تعلیم میں AI کی ضابطگی منفرد طور پر انسانی رہی (AI نے تنقید/تصدیق کو ظاہر کیا مگر میٹا سطح کی نگرانی کو نہیں)۔

• رگڑ کی جذباتی قیمت۔ مخالفانہ AI نے ٹیم ورک کی تسلی اور نفسیاتی تحفظ کم کیا بغیر تخلیقی کارکردگی میں اضافے کے، یعنی علمی تحریک کو تجرباتی پائیداری سے الگ کر دیا۔ یہ اس بات کی تنبیہ ہے کہ "پیداواری" گفتار کے ڈھانچوں کو ان کے جذباتی نتائج کے ساتھ پڑھا جانا چاہیے — ایجنسی صرف نفسیاتی طور پر محفوظ ماحول میں ہی پھلتی پھولتی ہے۔

• AI کی مضمر شرکت غیر مرئی حکمرانی ہے۔ چونکہ پرسونا نے AI کے انکشاف کے بغیر بھی کام کیا، مطالعہ پرسونا ڈیزائن کو اشتراکی عملوں پر ایک قسم کی غیر مرئی حکمرانی قرار دیتا ہے — یہ ایسی دریافت ہے جس کے براہِ راست مضمرات تحریری معاونین، ہم مرتبہ جانچ نظاموں اور ٹیم ورک پلیٹ فارمز کے لیے ہیں جو اپنی موجودگی کا اعلان کیے بغیر شراکتوں کو شکل دے سکتے ہیں۔

• گروہی جانچ میں ایجنسی کے تین نمونے۔ Chen and Zou (2026) نے پری سروس اساتذہ کے 15 فوکس گروپس سے ایک حقیقی گروہی پیشکش کے بارے میں انٹرویو کیا اور پایا کہ ایجنسی بیک وقت تین سمتوں میں کام کر رہی تھی: پانچ گروہوں نے GenAI کے استعمال کو ہم آہنگی کے ڈھانچے کے طور پر تیز کیا (تعاون پر مبنی ایجنسی — ہم مرتبہ کے حصوں کو سمجھنا، اجزاء کو ہم آہنگ کرنا، مشترکہ گریڈ کا تحفظ)، سات نے اسے روکا (معیاری ایجنسی — اصلیت، انصاف، اصالت اور نقطۂ نظر کے تنوع کے تحفظ کے لیے کھینچی گئی حدود)، اور تین نے انفرادی کام سے عمل ہی نہ بدلا (غیر عملی ایجنسی، جہاں انفرادی قابلیت اجتماعی طور پر کبھی متحرک نہ ہوئی)۔ ان کا فرق اس لیے اہم ہے کہ یہاں ضبط معیاری خود ضابطگی تھی، اطاعت یا عدم دلچسپی نہیں، اور اس لیے بھی کہ محض قابلیت نے اجتماعی ایجنسی پیدا نہیں کی۔ گروہ کی رکنیت نے اس جواب دہی کو بھی الٹ دیا جو گروہی کام کو پیدا کرنا چاہیے: ایک ڈھیلے اجتماعی ماحول نے وابستگی بڑھانے کے بجائے غلط استعمال کے خطرے کا احساس کم کر دیا۔

• ایجنسی بطور رشتگی خودی۔ Xie (2026) ایجنسی کے اس فرد مرکز نمونے کو چیلنج کرتے ہیں جو ان کے مطابق AI تنقیدیں بھی مفروضہ رکھتی ہیں۔ داؤسٹ رشتگی خودی — ایک "بہتا اور متغیر" خود جو دوسروں اور کائنات کے ساتھ رشتوں سے تشکیل پاتا ہے — کی بنیاد پر وہ نتیجہ نکالتے ہیں کہ ڈیجیٹل تقسیم یا الگوردمی امتیاز "خودی کی بنیادی ساخت کی خلاف ورزی" ہے، جس سے سیکھنے تک مساوی رسائی "محض اخلاقی ہدایت نہیں بلکہ ایک وجودی حقیقت" بن جاتی ہے، اور یہ کہ غیر متوازن طاقت اور ماحولیاتی اخراجات "خودی کے لازمی جہات" ہیں، بیرونی عوامل نہیں۔ ان کا متقابل مثالی نمونہ، "Zhenren" یا فطری سیکھنے والا، AI کو علمی نائب کے بجائے "آلہ جاتی ضمیمہ" مانتا ہے — ایجنسی بطور پروان چڑھی ہوئی تکمیل، نہ کہ رکاوٹ سے پاک بہترین کاری۔(Alternative AI Philosophy: Daoism as Method for AI in Education)

اشتراکی ماحول کے لیے یہ ڈیزائن کے سوال کو نئے انداز میں پیش کرتا ہے: یہ نہیں کہ AI ساتھی کے طور پر حصہ لے سکتا ہے یا نہیں، بلکہ یہ کہ اس کی نمونہ وار شرکت علمی سختی، جذباتی تحفظ اور سیکھنے والوں کے احساسِ ملکیت میں کیسے توازن رکھتی ہے۔ محدود رگڑ (محدود چیلنج، جو انضمامی اور مرمت کے اقدامات کے ساتھ ہو) اور واضح میٹا اشتراکی خواندگی تجویز کردہ حفاظتی تدابیر ہیں۔

ایجنسی کا ایک ساختی قراءت El Khoury اور Ma کے خوشگوار جانچ فریم ورک میں ملتی ہے، جہاں ایجنسی کو محرک کے بجائے ڈیزائن کی خاصیت سمجھا جاتا ہے: طلبہ کاموں کی ترتیب چنتے ہیں، رفتار طے کرتے ہیں اور بتاتے ہیں کہ تعامل کب ختم ہو، اس لیے مدد دستیاب رہتی ہے جبکہ کام کی ذمہ داری سیکھنے والے کے پاس رہتی ہے۔ وہ جس طریقہ کار کا نام لیتے ہیں وہ تشخیص ہے — سامعین کے بغیر مشق کرنا اور یہ چننا کہ کب شروع کرنا ہے، اس بات کو بدل دیتا ہے کہ کوئی کام کیا معنی رکھتا ہے، فیصلے سے ایسی چیز میں بدل جاتا ہے جسے طالب علم شکل دے سکتا ہے — اور وہ دلیل دیتے ہیں کہ اسی تبدیلی کا بار بار تجربہ ہی کبھی کبھار کے احساسِ قابلیت کو جانچ کے بارے میں روزمرہ کے رویے میں بدل دیتا ہے۔

• "AI کا زیادہ استعمال طلبہ کے احساسِ تصنیف کو کم کرتا ہے۔" خطی طور پر نہیں۔ ایک آلاتی مضمون مطالعے میں محسوس شدہ ملکیت صرف اُس گروہ میں گری جس نے پورے مضامین سونپ دیے، جبکہ جن طلبہ نے ماڈل کو منصوبہ بندی یا جائزے کے لیے استعمال کیا ان کی ملکیت اُن طلبہ کے برابر رہی جنھوں نے اسے کبھی کھولا ہی نہیں۔ اسی گروہ نے مضمون کی پڑھنے میں آسانی پر زیادہ اسکور بھی کیا، یعنی تصنیف کے پتلے ہونے کے ساتھ نمونہ بہتر دکھنے لگا۔ ایجنسی اس بات پر منحصر تھی کہ اوزار کیسے استعمال ہوا، نہ کہ استعمال ہوا یا نہیں۔ تصنیف تفویض کا فعل ہے، استعمال کا نہیں۔

ایجنسی بمقابلہ سیکھنے والے کی شناخت

سیکھنے والے کی شناخت اور سیکھنے والے کی ایجنسی کو گڈمڈ کرنا آسان ہے، مگر یہ مختلف چیزیں ہیں — اور دونوں کو AI نئی شکل دیتا ہے۔

• ایجنسی عمل میں آتی ہے؛ شناخت میں بسا جاتا ہے۔ ایجنسی سیاق و سباق میں جڑی یہ صلاحیت ہے کہ انسان دانستہ عمل کرے اور اپنے سیکھنے کو ابھی ہدایت دے — یہ متغیر اور تعاملی خاصیت ہے۔ شناخت زیادہ پائیدار اور بیانیہ نوعیت کا احساس ہے کہ سیکھنے والے کے طور پر انسان کیا ہے اور کیا بن رہا ہے۔ ایجنسی ایک عمل ہے؛ شناخت وجود کی حالت ہے جو اسی سے جمع ہوتی ہے۔
• شناخت اندرونی شکل اختیار کر چکی ایجنسی ہے۔ بار بار کے ایجنٹک فعل — چننا، تصنیف کرنا، ڈٹے رہنا — ہی وہ طریقہ ہیں جن سے سیکھنے والا خود کو ایک ایجنٹک، قابل شخص کے طور پر دیکھنے لگتا ہے۔ شناخت وقت کے ساتھ ایجنسی کی تلچھٹ ہے، جسے پہچان اور تعلق مضبوط کرتے ہیں۔
• الگ الگ ناکامی کے طریقے۔ ایجنسی حد سے زیادہ انحصار اور غیر فعال قبولیت سے کٹتی ہے (سیکھنے والا استدلال کی رہنمائی کرنا چھوڑ دیتا ہے)؛ شناخت تصنیف کے نقصان اور قابلیت کی دھمکی سے کٹتی ہے (سیکھنے والا یہ محسوس کرنا چھوڑ دیتا ہے کہ آؤٹ پٹ اس کا ہے، یا یہ کہ وہ اس شعبے کا حصہ ہے)۔ علمی محنت کی مضمر AI تقسیم بنیادی طور پر ایجنسی کا معاملہ ہے؛ تخلیقی شعبوں میں قابلیت کا تضاد بنیادی طور پر شناخت کا معاملہ ہے۔
• دونوں کے لیے ڈیزائن کرنا ضروری ہے۔ ایجنسی پر مبنی ڈیزائن کنٹرول اور انتخاب بچاتا ہے (محدود رگڑ، انسان-در-حلقہ نگرانی، شفافیت)؛ شناخت پر مبنی ڈیزائن تصنیف اور پہچان بچاتا ہے (مصدقہ جانچ، AI اور انسانی شراکت کی واضح نسبت، ایسے کام جو سیکھنے والوں کو کسی شعبے پر دعویٰ کرنے دیں)۔ تصنیف کے تحفظ کے بغیر ایجنسی بچانا کنٹرول تو بچاتا ہے مگر خود قدر نہیں — اور الٹا بھی ایسا ہی ہے۔

عمل میں آنے والی ایجنسی اور مستحکم شناخت کا یہ فرق انکار پر بھی لاگو ہوتا ہے۔ جیسا کہ Zagami (2026) بیان کرتے ہیں، جانچ شدہ تحریر کے لیے چیٹ بوٹ سے انکار، غیر معاون استدلال کے لیے اس کی ممانعت، طالب علم معاونت میں خودکار ترجیحی تقسیم کی مزاحمت، یا خریداری میں تاخیر — یہ الگ الگ نظاموں سے الگ الگ تعلقات ہیں، جو ذاتی، تدریسی، پیشہ ورانہ، انتظامی اور ادارہ جاتی سطحوں پر پھیلے ہیں، نہ کہ ایک پائیدار رجحان۔ یہ حق غیر یکساں طور پر تقسیم ہے: اعلیٰ تعلیمی اعتماد والے طلبہ بغیر جرمانے کے انکار کر سکتے ہیں، جبکہ جنھیں زبان، رسائی یا فوری فیڈبیک کی مدد درکار ہے وہ انکار کو موقع کا ضیاع سمجھتے ہیں، اور محفوظ تعلیمی حیثیت والے اصول پر انکار کرتے ہیں جبکہ عارضی عملہ اپنانے کا دباؤ محسوس کرتا ہے۔ جہاں AI بنیادی ڈھانچے میں بیٹھا ہو، وہاں انکار فرد کے دستبردار ہونے سے ہٹ کر خریداری، آڈٹ اور چیلنج پذیری کی طرف منتقل ہو جاتا ہے۔

• انکار بطور شناخت کی تعمیر، محض فیصلے کے طور پر نہیں (اپرنٹس شپ سیکھنے میں رنگین طلبہ)۔ Gyekye (2026) نے پانچ ثانوی اسکولی اپرنٹس کے نو ماہ میں انٹرویو کیے اور پایا کہ انھوں نے AI کے ذریعے تین حرکتوں میں خود کو تصنیف کیا: انکار (ادارہ جاتی ہم آہنگی کے طور پر عدم استعمال)، گفت و شنید (ادارہ جاتی عدم مطابقت کی مرمت، رازداری بطور دور کی تجرید)، اور پہچان (انصاف کو نظر آنے والے تعصب کی عدم موجودگی کے برابر سمجھنا — ایک "ثقافتی ہمواری" جس میں ان کی شناختیں AI جوابات میں غیر نمائندہ رہ جاتی ہیں)۔ مطالعے کے دو تشریحی تصورات — Institutional AI Literacy اور Recognition Bandwidth — اس صلاحیت کا نام ہیں کہ AI استعمال کو ادارہ جاتی طور پر قابلِ فہم بنایا جائے، اور وہ گنجائش جس میں طلبہ خود کو AI آؤٹ پٹ میں پہچانا ہوا دیکھ سکیں۔ یہ پانچ طلبہ کے ایک ہی پروگرام کی بیانیہ تحقیق ہے؛ اس کا حصہ یہ دکھانا ہے کہ AI کا استعمال، اس کی حد اور اس سے انکار اس بات سے جڑے ہیں کہ سیکھنے والے خود کو بطور مصنف اور ابھرتے پیشہ ور کیسے سمجھتے ہیں۔

ماحولیاتی ہم ایجنسی فریم ورک: ایجنسی بطور علمی ڈیزائن مسئلہ

Poudyal (2026) سیکھنے والے کی ایجنسی کو بنیادی طور پر ایک علمی معاملہ قرار دیتے ہیں: جنریٹو AI محض ایک اوزار نہیں جوڑتا بلکہ علمی اختیار — علم پیدا کرنے، دعووں کی تصدیق کرنے اور سیکھنے کے شواہد بنانے کی صلاحیت — اساتذہ سے طلبہ اور پھر مشینوں کو دوبارہ تفویض کرتا ہے۔ مقالے کا Ecological Co-Agency Framework ہم ایجنسی کو تین باہم منحصر جہتوں کے رشتے کے طور پر دیکھتا ہے، جن سب کی حد انسانی علمی جواب دہی کی ناقابلِ گفت و شنید شرط ہے:

• رشتی ہم ایجنسی — ایجنسی بطور طالب علم، اوزار اور سیاق و سباق کے تعامل کی پیداوار، جس کے لیے یہ شفاف تقسیم درکار ہے کہ کون سے کام AI کو سونپے گئے اور کون سے رکھے گئے، نیز اخلاقی ہم ایجنسی جس میں انسان بنیادی جواب دہی رکھتا ہے اور نگرانی کے طور پر کام کرتا ہے۔
• ضابطگی ہم ایجنسی — خود ضابطہ سیکھنے کے چکر (پیشگی سوچ، کارکردگی، غور و فکر) کو AI وساطت پر نقش کرنا۔ GenAI سیکھنے والے کی کوشش سے پہلے داخل ہوتا ہے یا بعد میں، یہی طے کرتا ہے کہ یہ محسوس شدہ کنٹرول کو بڑھاتا ہے یا کھاتا ہے؛ اسٹریٹجک علمی بوجھ اتارنا تبدیلی آمیز سیکھنے کو صرف اُس وقت سہارا دیتی ہے جب منتقلی کا فیصلہ دانستہ ہو، معمول نہ ہو۔
• تدریسی ہم ایجنسی — اساتذہ کو مرکز میں رکھنا، اور ناظر–اپنانے والا–شریک–جدت کار کے تسلسل پر چلنا، جو انفرادی رجحان کے بجائے ادارہ جاتی مدد پر منحصر ہے۔

فریم ورک کی حد بندی کی شرط چیلنج پذیری (AI آؤٹ پٹ سے سوال کرنے اور اسے جانچنے کی صلاحیت)، ماخذ (یہ جاننا کہ تربیتی ڈیٹا اور آؤٹ پٹ کہاں سے آتے ہیں)، اور اخلاقی و فکری سہرا کی عدم تفویض کا تقاضا کرتی ہے (طلبہ کی بہبود، تعلیمی حیثیت اور گریڈ کے بارے میں زیادہ داؤ والے فیصلے صرف AI سے طے نہیں ہونے چاہئیں)۔ یہ ماہرینِ تعلیم اور پالیسی سازوں کو انسانی اور مصنوعی شراکت کے درمیان مبہم "توازن" سے زیادہ درست ذخیرہ الفاظ دیتا ہے، اور ایجنسی کو اخلاقیات، جانچ، مساوات اور AI گورننس سے جوڑتا ہے۔

ایک قریبی فریم ورک رشتی علمی ایجنسی ہے (Du & Yuan 2026)، جو اس بات سے اتفاق کرتا ہے کہ ایجنسی سماجی طور پر ممکن بنائی اور تکنیکی طور پر وساطت شدہ ہے، نہ کہ انحصار سے الگ تھلگ ہونے کا معاملہ۔ جہاں Ecological Co-Agency Framework انسانی علمی جواب دہی کو ناقابلِ گفت و شنید حد قرار دیتا ہے، وہاں Du اور Yuan ایک واضح عدم توازن برقرار رکھتے ہیں: AI نظام استدلال کو شکل دے اور بڑھا سکتے ہیں مگر ان کے پاس باہمی ذمہ داری یا جائز اختیار نہیں۔ ان کے چھ تشخیصی معیارات — چیلنج پذیری، بازیابی، منتقلی، سراغ رسانی، تقسیم شدہ ذمہ داری اور علمی تکثیریت — ایک عملی امتحان دیتے ہیں کہ کب انسان–AI رشتہ سیکھنے والے کی اس صلاحیت کو بچاتا ہے کہ وہ دعوے کیسے بنتے، جانچے جاتے اور قبول کیے جاتے ہیں، اور کب یہ محض کوئی مصنوع فراہم کرتا ہے۔ اس حساب سے ایجنسی اوزاروں سے آزادی نہیں بلکہ اُن نظاموں کے ساتھ، اُن کے ذریعے اور اُن کے خلاف ذمہ داری سے فیصلہ کرنے کی صلاحیت ہے جو علم کی وساطت کرتے ہیں۔

• تفویض شدہ ایجنسی بطور طریقہ کار، محض خطرے کے طور پر نہیں۔ Yan and Gašević (2026) علمی کام کی AI کو تفویض کو سیکھنے کے ہونے کا حصہ مانتے ہیں، محض اس کے لیے خطرہ نہیں: ان کے بیان میں معاون کارکردگی اُس وقت پائیدار قابلیت بنتی ہے جب سیکھنے والا مسئلے کی تشکیل، معیارات طے کرنے اور جوابات کا جواز دینے کی ذمہ داری رکھتا ہے، ایسی تقسیمِ محنت جسے وہ تفویض شدہ ایجنسی کہتے ہیں۔ اس سے تقسیم بذاتِ خود ڈیزائن کا متغیر بن جاتی ہے، کیونکہ ایک ہی اوزار یہ بتاتا ہے کہ کون سی ذمہ داریاں وہ جذب کرتا ہے، سیکھنے والے کی ایجنسی بچا سکتا ہے یا گلا سکتا ہے۔

عام غلط فہمیاں

• "طلبہ اُس وقت ایجنسی استعمال کرتے ہیں جب وہ AI آزادانہ استعمال کریں۔" 6,788 ChatGPT کی مدد سے چلنے والے موڑوں کو کوڈ کرنے والی 14 زمروں کی اسکیم نے ساتویں جماعت کے طلبہ کے 59% موڑ ایسے زمروں میں رکھے جو ایجنٹک استعمال کی نمائندگی نہیں کرتے۔ استعمال کا حجم اور ایجنسی الگ الگ پیمانے ہیں۔
• "موجودہ ماڈل سیکھنے والے کی ایجنسی کو اچھی طرح سہارا دیتے ہیں۔" دس ماڈلوں پر بینچ مارک کیا گیا تو سیکھنے کے بعد ایجنسی کو سہارا دینے میں کارکردگی سب سے خراب نکلی: ImpactBench نے مثبت معیارات پر ایجنسی اور مقصد 56.0% ناپا۔ ایجنسی وہ جہت ہے جسے AI نظام سب سے کم بہتر طور پر سنبھالتے ہیں، یہ قابلیت کا ضمنی نتیجہ نہیں۔
• "استاد کی وساطت ایجنسی پر پابندی ہے۔" Canonigo (2026) نے دس ثانوی ریاضی کے اساتذہ کو آٹھ ہفتے کی ChatGPT-4 مداخلت میں پیروی کی اور وساطت رکاوٹ کے بجائے طریقہ کار ثابت ہوئی۔

منسلک تصورات

• سیکھنے والے — سیکھنے والے: سیکھنے والے سے متعلق تصورات کی چھتری
• تدریسی شراکت داریاں — تدریسی شراکتیں
• سیکھنے والے کی شناخت — ترقی پذیر شعبہ جاتی، پیشہ ورانہ، تخلیقی اور تعلیمی سیکھنے والے کی شناختیں
• خود ہدایت یافتہ سیکھنا
• خود ضابطگی والی سیکھنا
• تحریک
• خود اعتمادی
• طلبہ کا تجربہ
• میٹا کوگنیشن
• اخلاقیات
• علمی بوجھ اتارنا
• تعلیم میں روبوٹ
• رویہ پرستی
• طلبہ کے لیے AI استعمال کی فریمنگ
• انسان اور AI کا تعاون — AI کے ذریعے ہونے والے تعامل کی مشترکہ سمت
• ایجنٹک AI — خودمختار AI جو گروہوں میں ایجنسی دوبارہ تقسیم کر سکتا ہے
• کیمسٹری کی تعلیم — کیمیا کی تعلیم اور AI: تجربہ گاہیں، تکوینی جانچ، LLM کی حدود، تجربے کا فلسفہ
• سماجی-جذباتی سیکھنا — سماجی-جذباتی سیکھنا
• علمی سپردگی

منسلک مضامین

• An AI Policy Isn't a Playbook: Educators Need Agency, Not Just New Rules — امریکی اساتذہ اور پرنسپلوں کا قومی نمائندہ سروے: AI پالیسی کی پہنچ، ایجنسی اور پانچ کلاس رومی حکمت عملیاں (Tench, Weinstein & James 2026)

• A helping hand or a dominant partner? Individual perceptions of GenAI reliance and human agency in collaborative learning — مددگار ہاتھ یا غالب ساتھی؟ اشتراکی سیکھنے میں GenAI انحصار اور انسانی ایجنسی کے انفرادی تصورات

• Agentivism: a learning theory for the age of artificial intelligence — انسان-AI تعامل کے لیے ایک درمیانی سطح کا نظریۂ سیکھنا، چار طریقہ کار اور چھ قابلِ امتحان تجاویز کے ساتھ (Yan and Gašević 2026)

• Conceptualising Human–AI Collaboration Competency for hybrid intelligence: towards learner agency — سیکھنے والے کی ایجنسی بطور شعبہ، AI اور میٹا کوگنیٹو قابلیتوں کو ہم آہنگ کرنے کا ابھرتا معیار، نہ کہ الگ نوڈ (Dang et al. 2026)

• Exploring learner agency in an AI-supported simulation environment for complex systems education — انتخاب تک رسائی بمقابلہ عمل میں ایجنسی: سلائیڈر، اختیاری AI ایجنٹ اور فلکنگ سمولیشن میں سیکھنا

• Guarded adoption of generative AI in higher education: high-achieving students, successful-student identity, and epistemic agency in a single-university mixed-methods survey — اعلیٰ تعلیم میں جنریٹو AI کا محتاط اختیار

• AI Agents, Joyful Assessment, and Third Space: Rethinking Assessment in the GenAI Era — AI ایجنٹ، خوشگوار جانچ اور تیسرا میدان

• AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training — ابتدائی کیریئر کی سائنسی تربیت میں AI کے ذریعے تحقیقی ایجنسی کی تشکیل

• Layer-Sensitive Cognitive Offloading in Generative AI-Assisted Writing: Supported Performance and Independent No-AI Outcomes — GenAI کی مدد سے تحریر میں پرت حساس علمی منتقلی (Chen 2026)

• Does school-based AI education narrow readiness gaps? The role of prior agency-related learning — اسکولی AI تعلیم نفسیاتی تیاری کے خلا کو کم کرتی ہے مگر علمی خلا کو نہیں

• Reclaiming Epistemic Agency: A Critical Framework for Human-Generative AI Co-Agency in Education

• Epistemic Dependence in AI-Mediated Learning — رشتی علمی ایجنسی اور چھ معیار جو پیداواری انحصار کو نقصان دہ انحصار سے الگ کرتے ہیں (Du & Yuan 2026)

• Design Principles and Observable Indicators for AI-Enabled Pedagogical Accompaniment: Evidence from the Amico Dual-Mode Prototype in Italy and China — AI سے ممکن بنائی گئی تدریسی معاونت جو STEM شناخت کو سہارا دیتی ہے

• The Competence Paradox: Negotiating Ease, Risk, and Creative Identity in Text-to-Image Generative AI Use Among Art and Design Students — قابلیت کا تضاد: ٹیکسٹ ٹو امیج GenAI استعمال میں تخلیقی شناخت

• Emergent Learner Agency in Implicit Human-AI Collaboration: How Supportive and Contrarian AI Personas Reshape Interaction — مضمر انسان-AI اشتراک میں ابھرتی سیکھنے والے کی ایجنسی: معاون بمقابلہ مخالفانہ پرسونا

• Learner Agency Across Scales: An Integrative Perspective on Self-Regulated Learning in Algorithmically Mediated Environments — مختلف پیمانوں پر سیکھنے والے کی ایجنسی: ضابطگی، انضمام، مقام بندی

• Control vs. Agency: Exploring the History of AI in Education — AIED کی تاریخ میں کنٹرول بمقابلہ ایجنسی بطور بنیادی کشمکش

• Alternative AI Philosophy: Daoism as Method for AI in Education — متبادل AI فلسفہ: تعلیم میں AI کے لیے طریقہ کے طور پر داؤازم

• Human Autonomy and Sense of Agency in Human-Robot Interaction: A Systematic Literature Review — HRI میں انسانی خودمختاری اور ایجنسی

• RoboBlockly Studio: Conversational Block Programming With Embodied Robot Feedback for Computational Thinking — RoboBlockly Studio

• Teachy Mini: Development and Preliminary Evaluation of a Knowledge-Based Generative Social Robot for Higher Education — Teachy Mini

• Knowledge-Based Design Requirements for Generative Social Robots in Higher Education — جنریٹو سماجی روبوٹس کے لیے علم پر مبنی ڈیزائن

• Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education — سیکھنے سے متعلق کام میں طالب علم کی ایجنسی کو پروان چڑھانا

• Thinking—Fast, Slow, and Artificial: How AI Is Reshaping Human Reasoning and the Rise of Cognitive Surrender — سہ نظام نظریہ اور علمی ہتھیار ڈالنا: AI انسانی استدلال کو کیسے نئی شکل دیتا ہے (Shaw & Nave 2026)

• Pre-service teachers' agency during their interactions with generative AI while designing for learning - a process view — سیکھنے کے ڈیزائن میں GenAI تعاملات کے دوران پری سروس استاد کی ایجنسی (Krushinskaia, Elen & Raes 2026)

• An Emancipatory Vision for Designing (Generative) AI for Learner Flourishing — آزادی بخش وژن: ایجنسی، اوزار کی ایجنسی کے ساتھ صفر جمع

• Students' Agency in GenAI-Mediated Group Assessment: An Ecological-Emergent Perspective — GenAI کے ذریعے ہونے والی گروہی جانچ میں ایجنسی کے تین نمونے: تیز، ضبط شدہ اور غیر عمل شدہ

• ‘Resistance is futile?’: identity tensions and principled selectivity in AI-integrated teaching — AI سے مربوط تدریس میں اصولی انتخابیت بطور استاد کی ایجنسی (Adiozaman & Segar 2026)

• AI refusal in higher education: the right to refuse, the duty to understand and the diagnostic value of non-use — انکار بطور تشخیصی شہادت: عدم استعمال بطور سیاق و سباق سے جڑا رشتہ اور AI سے انکار کا غیر یکساں حق (Zagami 2026)

• Co-Constructing AI Boundaries: Agency, Judgment, and Ethical Literacy in AI-Mediated Meaning-Making — علمی اختیار کا اظہار مداخلت، اصلاح اور انکار کے ذریعے، زیادہ سے زیادہ اوزار استعمال کے ذریعے نہیں

• Who Acts, Who Knows, Who Answers? A Corpus-Assisted Discourse Analysis of Agency, Epistemic Responsibility, and Accountability in Generative AI Higher Education Research — کون عمل کرتا ہے، کون جانتا ہے، کون جواب دیتا ہے؟ جنریٹو AI اعلیٰ تعلیم کی تحقیق میں ایجنسی، علمی ذمہ داری اور جواب دہی کا کارپس کی مدد سے گفتار تجزیہ

• Open Questions Towards Skill-Sustaining Reliance in Reflective AI Engagement — عکاسانہ AI شمولیت میں مہارت بچانے والے انحصار کی طرف کھلے سوالات

• From Competency to Agency: Teachers' Views of the Purposes of AI Education — AI تعلیم کے مقاصد کے طور پر قابلیت بمقابلہ ایجنسی، اور باخبر AI ایجنسی ہیورسٹک (Fagerlund et al. 2026)

• Teacher Mediation and the Contingent Promise of Generative AI in Mathematics Education — استاد کی وساطت بطور وہ شرط جو GenAI کو اختیار کے بجائے تنقید کی شے رکھتی ہے (Canonigo 2026)

• Teacher Readiness-By-Design for AI-Rich Interactive Learning — استاد کی ایجنسی بطور ڈیزائن کے ذریعے متحرک کردہ وسیلہ، جس کی تیاری کا اندازہ استعمال کے بجائے اشیاء سے لگایا جائے (Charles 2026)

• Balancing Teacher and Student Agency: Co-Orchestration Tool Design Supporting Real-Time Dynamic Pairing — حقیقی وقت کی متحرک جوڑی بندی کے لیے ہم آہنگی اوزاروں میں استاد اور طالب علم کی ایجنسی کا توازن (Yang et al. 2026)

• Who Makes the Meaning? Interpretive Authority in AI-Mediated Education — تشریحی اختیار میٹرکس اور ماحولیاتی اختیار انضمام ماڈل: کون تشریح کرتا ہے کی چار ترتیبیں، اور وہ ماحولیاتی تہیں جو انھیں بدلتی ہیں

• Constructing Selves in AI-Mediated Apprenticeship Learning: Students of Colour's Narratives of Agency, Recognition and Negotiation — اپرنٹس شپ پروگراموں میں رنگین طلبہ نے انکار، گفت و شنید اور پہچان کے ذریعے AI سے خود کو تصنیف کیا ("ثقافتی ہمواری")؛ Institutional AI Literacy اور Recognition Bandwidth

• Investigating Secondary School Students’ Shared Epistemic Agency with GAI in Online Scientific Explanation Writing — ثانوی اسکولی سائنسی تحریر کے 6,788 ChatGPT کی مدد سے چلنے والے موڑوں میں مشترکہ علمی ایجنسی (Chang et al

• An Empirical Study to Understand How Students Use ChatGPT for Writing Essays — محسوس شدہ ملکیت صرف وہاں گری جہاں پورا مضمون سونپا گیا؛ منصوبہ بندی اور جائزہ لینے والے صارفین غیر صارفین کے برابر رہے (Jelson et al. 2026)