تعلیم میں مصنوعی ذہانت

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

تعلیم میں مصنوعی ذہانت (AIED) — وہ وسیع، بین المضامی میدان جو مصنوعی ذہانت کو تعلیم اور سیکھنے پر لاگو کرتا ہے، اور اس کے ڈیزائن، استعمال، جائزہ اور نتائج کا مطالعہ کرتا ہے۔ علم بنیاد کے امبریلا تصور کے طور پر، تعلیم میں مصنوعی ذہانت میں تعلیم کے لیے مصنوعی ذہانت (تدریس اور جائزے کو بہتر بنانے کے لیے AI کا استعمال) اور مصنوعی ذہانت کے بارے میں تعلیم (AI literacy اور تنقیدی سمجھ کی ترقی) شامل ہیں۔ یہ تعلیمی ٹیکنالوجی، سیکھنے کی سائنسز — وہ تجرباتی تحقیقی میدان جو یہ پوچھتا ہے کہ آیا سیکھنے والے میں تبدی آئی، نہ کہ صرف یہ کہ ٹول نے کیسا کارکردگی کا مظاہرہ کیا — کمپیوٹر سائنس، تعلیمی پالیسی، Ethics، اور مساوات کے ملاپ پر واقع ہے۔ یہ صفحہ اس میدان کا تعارف اور علم بنیاد کے ہر تصور کا نقشہ ہے۔

غور کرنے کے لیے سوالات

• 'تعلیم میں مصنوعی ذہانت' دو رخوں میں پھیلا ہوا ہے: تعلیم کے لیے AI (تدریس کو بہتر بنانے کے لیے AI کا استعمال) اور AI کے بارے میں تعلیم (literacy اور تنقیدی سمجھ کی تعمیر)۔ ان میں سے کون آپ کے لیے زیادہ واقف ہے، اور کون آپ نظرانداز کرتے ہیں؟
• میدان کی تاریخ کو کنٹرول اور سیکھنے والے کی خودآگہی کے درمیان بار بار آنے والی کشمکش کے طور پر بیان کیا گیا ہے۔ جیسے جیسے آپ AI ٹولز کے اپنانے کو دیکھتے ہیں، آج اسی کشمکش کے کہاں آثار نظر آتے ہیں؟
• تعلیم میں مصنوعی ذہانت ٹیکنالوجی، سیکھنے کی سائنس، پالیسی، اخلاقیات اور مساوات کے ملاپ پر واقع ہے۔ کسی AI ٹول کا جائزہ لیتے وقت آپ فطری طور پر ان میں سے کون سا عدسیہ استعمال کرتے ہیں — اور کون سا آپ بھولنے کا امکان رکھتے ہیں؟
• یہ علم بنیاد میدان کو سلسلوں میں منظم کرتا ہے: پيدگوجی، سیکھنے کے نظریات، ٹیکنالوجیز، مضامین، جائزہ، فیڈ بیک، اسٹیک ہولڈرز، اور گورننس۔ اگر آپ اپنے AI کے استعمال کا نقشہ بناتے، تو آپ کس سلسلے میں اپنے آپ کو پاتے؟
• AIED میں طلبہ کو AI کا تنقیدی طور پر استعمال کرنا ایک مقصد بھی شامل ہے۔ آپ کے سیاق و سباق میں، AI زیادتر سکھائے جانے والے موضوع کی طرح سمجھا جاتا ہے یا استعمال ہونے والے ٹول کی طرح — اور کیا یہ توازن اس عکاس کرتا ہے جو سیکھنے والوں کو در واقع ضرورت ہے؟
• طلبہ AI literacy AI کا تنقیدی استعمال کرتے ہوئے سیکھ سکتے ہیں، نہ کہ صرف AI کے بارے میں سیکھ کر۔ عملی، تنقیدی استعمال کیسے ایسی سمجھ بنا سکتا ہے جو غیر فعال ہدایت نہیں بنا سکتی؟

تعارف

تعلیم میں مصنوعی ذہانت وہ چھتری ہے جسے باقی تمام تصور صفحات اجتماعی طور پر متعین کرتے ہیں۔ یہ علم بنیاد میدان کو مندرجہ ذیل بڑے سلسلوں میں منظم کرتا ہے، ہر ایک متعلقہ تصور صفحات سے جڑا ہوا ہے۔

ایک سنگ میل تاریخی تناظر میں، Mishra et al. AIED کا سفر سائبر نیٹکس اور 1956ء ڈارٹ ماؤتھ کانفرنس سے علمی ٹیوٹرز اور Papert کے constructionism کے ذریعے بیان کرتے ہیں، یہ دلیل کرتے ہوئے کہ آج کی GenAI بحثیں میدان کے بنیادی کنٹرول بمقابلہ Learner Agency کشمکش کو دوبارہ پیش کرتی ہیں۔

علم بنیاد کی تنظیم: امبریلا صفحات

علم بنیاد کا تصوراتی احاطہ کئی امبریلا صفحات سے قائم ہوتا ہے جو متعلقہ تصورات کو نیویگیٹ ہونے والے سلسلوں میں گروپ کرتے ہیں۔ میدان کو دریافت کرنے کے لیے یہ اچھے اندراج نقاط ہیں:

• تعلیم میں مصنوعی ذہانت — یہ صفحہ، میدان کا جائزہ اور تمام احاطے کا نقشہ۔
• AI literacy — AI کو سمجھنے، استعمال کرنے اور تنقیدی طور پر جانچنے کے لیے چھتری، جس میں پرامپٹ انجینئرنگ، تنقیدی سوچ، AI اخلاقیات، اور ذمہ دارانہ استعمال شامل ہیں۔ اس کے ساتھ، انسانی–AI تعاون اور ایجنٹک AI یہ فریم کرتے ہیں کہ لوگ اور AI مل کر کیسے کام کرتے ہیں۔
• پيدگوجیز اور تدریسی حکمت عملیاں — تدریس کے لیے چھتری: وہ تدریسی طریقے اور حکمت عملیاں جن میں AI کام کرتا ہے (فعال، تعاون سے، منصوبے پر مبنی، مسئلہ پر مبنی، تجربتی، گیم پر مبنی، سوکریٹک، سکافولڈنگ، اور مزید)، جن میں آن لائن تدریس اور سیکھنا کا ممتاز سیاق بھی شامل ہے۔
• سیکھنے کے نظریات — سیکھنے کے لیے چھتری: وہ نظریاتی فریم ورک (Behaviorism، ادراکیت، تصوریت، سماجی ثقافتی، علمی، حوصلہ افزائی والے) جو AI کے ڈیزائن اور جائزے کو شکل دیتے ہیں۔
• ٹیکنالوجیز — تکنیکی پرت کے لیے چھتری: AI نظام (LLMs، جنریٹو AI، ملٹی موڈل، روبوٹکس) اور تکنیکیں (RAG، پرامپٹ انجینئرنگ، ریئنفورسمنٹ لرننگ، ماڈل ٹریننگ، ایجنٹک آرکیسٹریشن) جو AIED کو طاقت دیتی ہیں۔ سیکھنے والے کی نمائندگی کا خاندان — نالج ٹریسنگ، علمی تشخیص، طلبہ کی نقالی، اور انہیں استعمال کرنے والے نظام (انٹیلی جینٹ ٹیوٹرنگ، اڈاپٹیو لرننگ، ذاتی نوعیت کا سیکھنا) — اسی تکنیکی سلسلے کے اندر سیکھنے والے کی نمائندگی اور موافق تدریس چھتری کے تحت گروپ ہیں۔
• مضامین میں AI — یہ چھتری کہ AI مضامین میں کیسے لاگو ہوتا ہے (ریاضی، فزکس، زبان سیکھنا، کمپیوٹر سائنس، لکھنے کی تعلیم، STEM، انجینئرنگ، بزنس، استاد کی تعلیم، صحت کی پیشہ ورانہ تعلیم، اور مزید) — اور تعلیمی مضامین سے آگے، وہ پیشہ ورانہ اور عملی سلسلہ جو ظاہر کردہ مشق کا جائزہ لیتا ہے (نرسنگ، انفارمیشن ٹکنالوجی، ووکیشنل تعلیم اور تربیت، ڈیزائن تعلیم) — اور تعلیمی درجات (K-12، اعلیٰ تعلیم، بالغوں کی تعلیم)۔
• Assessment (فارمیٹو، سمیٹو، مستند، زبانی، اور خودکار سلسلوں کے ساتھ) — یہ چھتری کہ AI سیکھنے والوں کا جائزہ کیسے لیتا ہے اور جائزے کی صداقت اور سالمیت کو کیسے دوبارہ شکل دیتا ہے۔
• Feedback — یہ چھتری کہ فیڈ بیک کیسے پیدا، پہنچایا اور استعمال ہوتا ہے: فیڈ بیک لوپ، فیڈ بیک کا معیار، فیڈ بیک لیٹریسی، اور اس کے جائزے کے سیاق (فارمیٹو، ہم مرتبہ، خودکار)۔
• تعلیم میں اسٹیک ہولڈرز — یہ چھتری کہ اداکار کون ہیں: سیکھنے والے، اساتذہ، سیکھنے کے ڈیزائنرز، منتظمین، اور پالیسی سازان۔
• AI تعلیمی جائزہ اور تحقیقی طریقے — یہ چھتریاں کہ ہم کیسے جانتے ہیں کہ AI کام کرتا ہے: اثر آفرزی مطالعات، بینچ مارک، رینڈمائزڈ کنٹرولڈ ٹرائلز، میٹا تجزیہ، اور مرکزی نتیجے کے پیمانے کے طور پر سیکھنے کی بہتریاں۔ قارئین کو اس ثبوت کے سراسری حدود بھی تولنا چاہیے۔
• AI گورننس، تعلیمی AI پالیسی، اور مساوات — یہ چھتریاں اداراتی، ریگولیٹری، اور انصاف کی پرت کے لیے (مزید دیکھیں AI Regulation in Education اور Privacy)۔

یہ امبریلا صفحات نیچے دیے گئے سیکشنوں میں ہر جگہ جڑے ہوئے ہیں؛ ہر سلسلہ نیچے اپنے امبریلا اور اجزاء کے تصورات دونوں کا نام لیتا ہے۔

تعلیم میں AI کے دو ابعاد

تعلیم میں AI کی تحقیق دو جڑے ہوئے رخوں میں پھیلی ہوئی ہے:

• تعلیم کے لیے AI — تدریس، سیکھنے، جائزے، اور انتظام کو بہتر بنانے کے لیے AI نظاموں کا استعمال۔ اس میں AI ٹیوٹرنگ، اڈاپٹیو لرننگ، ذاتی نوعیت کا سیکھنا، خودکار مضمون نمبر بندی، خودکار سوال سازی، خودکار جائزہ، فارمیٹو جائزہ، سیکھنے کے تجزیات، اور فیڈ بیک لوپ شامل ہیں۔
• AI کے بارے میں تعلیم — سیکھنے والوں اور معلمین کو AI کو سمجھنے، استعمال کرنے، اور تنقیدی طور پر جانچنے کا سکھانا۔ اس کا مرکز AI literacy ہے، جسے پرامپٹ انجینئرنگ، تنقیدی سوچ، AI اخلاقیات، گورننس کی تعلیم، ڈیجیٹل literacy، اور ذمہ دارانہ استعمال سپورٹ کرتے ہیں۔

یہ دونے ابعاد علیحدہ نہیں: AI کا اچھا استعمال اسے سمجھنے کا تقاضا کرتا ہے، اور AI کے بارے میں سکھانا اس کے استعمال سے امیر ہوتا ہے۔ یہ انسانی–AI تعاون ایک مرکزی موضوع ہے۔

تعلیم میں AI کے بنیادی ڈھانچے

میدان کے سراسری اور بنیادی تصورات علم بنیاد کے احاطے کو جڑتے ہیں اور سائڈ بار میں سب سے پہلے آتے ہیں۔ یہ ایک ضروریات گروپ سے شروع ہوتے ہیں — وہ تصورات جن کے ساتھ ہر قاری کو آغاز کرنا چاہیے: خود چھتری، AI کے بارے میں غلط فہمیاں، AI literacy، ایجنٹک AI، علمی بوجھ اتارنا، طلبہ کے لیے AI استعمال کی فریمنگ، AI کی بداستمالی کو کم کرنا، علمی سالمیت، تدریس، سیکھنے کا ڈیزائن، اور تعلیمی ترقی۔ میدان سلسلہ پھر میدان کی تاریخ، ثبوت بنیاد کے سراسری حدود، اس کی فلسفہ، نظریات اور فریم ورک کا نقشہ، اور نظریاتی ترقی کو احاطہ کرتا ہے۔ سراسری موضوعات — انسانی–AI تعاون، سیکھنے والے کی خودآگہی، سیکھنے والے کی شناخت، ڈیزائن سوچ، نصابی خاکہ، تنقیدی سوچ، اور computational thinking — ہر سلسلے میں کاٹتے ہیں، کیونکہ لوگوں کے AI کے بارے میں غلط ذہنی ماڈل بداستمالی اور کم کیلیبریٹ بھروسے سے بالکل اوپر ہیں۔

سیکھنا اور تدریس

AI تدریس اور سیکھنے کی حمایت کیسے کرتا ہے، یہ میدان کا دل ہے۔ کلیدی تصورات میں شامل ہیں:

• بنیادی پيدگوجیز: پيدگوجیز اور تدریسی حکمت عملیاں — علم بنیاد کے تدریسی طریقوں کے احاطے کے لیے چھتری — کے ساتھ پيدگوجیکل پیٹرنز (وہ آزمودہ تسلسل جن میں یہ طریقے حل ہوتے ہیں)، فعال سیکھنا، تعاون سے سیکھنا، گروپ ورک، منصوبے پر مبنی سیکھنا، مسئلہ پر مبنی سیکھنا، پیداواری ناکامی، استفسار پر مبنی سیکھنا، تجربتی سیکھنا، گیم پر مبنی سیکھنا، سکھا کر سیکھنا، سکافولڈنگ، سوکریٹک طریقہ، تنقیدی پيدگوجی، پيدگوجیکل شراکت داری، کہانی سازی، سیکھنے کا ڈیزائن، آن لائن تدریس اور سیکھنا، اور تعلیم میں ویڈیو۔
• سیکھنے کے نظریات اور عمل: سیکھنے کے نظریات کی چھتری (Behaviorism، ادراکیت، تصوریت، سماجی ثقافتی، تقسیم شدہ ادراک، سیاقی سیکھنا، مجسم سیکھنا، استفسار کی برادری) کے ساتھ سیکھنے والے کے سامنے والے عمل جیسے خود ریگولیٹڈ سیکھنا، خود ارادیت کا نظریہ، حوصلہ، خود اثر آفرمی، خود ہدایت شدہ سیکھنا، میٹا کوگنیشن، مطلوبہ مشکلات، سیکھنے کا انتقال، پیشگی علم، ICAP علمی مشغولیت، ردِ متن، بازیابی، وقفہ، اور انٹر لیونگ، اور سرگرمی کا نظریہ۔
• سیکھنے والے کی مشغولیت اور تجربہ: طلبہ کی مشغولیت، مدد طلبی، سماجی جذباتی سیکھنا، بہبود، تخلیقی صلاحیت، مسئلہ حل کرنا، مہارت کا سیکھنا، اور طلبہ–AI تعامل یہ شکل دیتے ہیں کہ سیکھنے والے AI سے واقعی کس طرح ملتے اور متاثر ہوتے ہیں، جب کہ AI کے استعمال کے گرد وہ سماجی اصول جو قائم ہوتے ہیں فیصلہ کرتے ہیں کہ اس میں سے کچھ بھی کتنی کھلم کھلا بحث کی جا سکتی ہے۔ کورس سے آگے، طلبہ کی معاونت اور کامیابی اداراتی طرف کا کام احاطہ کرتی ہے — مشاورت، رسائی، حوالہ، اور محدود معاونت کی تقسیم — جہاں AI قابل اعتماد طریقے سے کام کی تکمیل کو بڑھاتا ہے مگر استقامت یا گریجوئیشن کو نہیں۔

ٹیکنالوجیز اور تکنیکیں

ٹیکنالوجیز صفحہ تکنیکی پرت کے لیے چھتری ہے:

• ماڈلز اور تکنیکیں: جنریٹو AI، بڑے زبان کے ماڈلز، ریٹریول اوگمینٹڈ جنریشن، ملٹی موڈل ماڈلز، تعلیمی NLP، ریئنفورسمنٹ لرننگ، نالج گرافز، تعلیم میں روبوٹ، conversational AI، سمولیشن، اور LLM ٹریننگ اور فائن ٹیوننگ۔ بنیادی طریقے بھی اہم ہیں: مشین لرننگ وہ جگہ ہے جہاں یہ نظام بنتے ہیں، تقریر اور آواز کی ٹیکنالوجیز زبانی ٹیوٹرنگ اور زبان کی مشق کو اٹھاتی ہیں، Visualization سیکھنے والوں اور اساتذہ کے لیے ڈیش بورڈز اور بصری تجزیات کو احاطہ کرتا ہے، اور ورچوئل اور آگمنٹڈ ریئلٹی ایسی ایموسیو مشق کی میزبانی کرتا ہے جس کی بصری پرت کو اب ماڈل بنا سکتا ہے۔ نئے تعامل کے انداز بھی یہاں آتے ہیں — سب سے نمایاں طور پر وائب کوڈنگ، وہ قدرتی زبان سے چلنے والا workflow جس میں صارف LLM کو پرامپٹ دے کر پروگرام متعین کرتا ہے اور نتیجے کے رویے کا فیصلہ کرتا ہے، نہ کہ سورس کو پڑھتا یا ترمیم کرتا ہے۔ یہ پروگرامنگ کو اظہار اور تصدیق کے عمل کے طور پر دوبارہ فریم کرتا ہے اور آخری صارفین کے اپنے ٹول بنانے کا دروازہ کھولتا ہے۔ انضمام کی گہرائی کے فریم ورک جیسے SAMR اور اپنانے کے نظریات جیسے TAM درجہ بندی کرتے ہیں کہ AI کتنی گہرائی سے اپنایا جاتا ہے اور کام کو کتنا بدلتا ہے۔
• سیکھنے والے کی نمائندگی اور موافق نظام: وہ تکنیکی نظام جو سیکھنے والے کی نمائندگی کرتے اور اس کے مطابق ڈھلتے ہیں، وہ سیکھنے والے کی نمائندگی اور موافق تدریس چھتری کے تحت گروپ ہیں — نالج ٹریسنگ، علمی تشخیص، طلبہ کی نقالی، انٹیلی جینٹ ٹیوٹرنگ، اڈاپٹیو لرننگ، ذاتی نوعیت کا سیکھنا، ریکمنڈر نظام اور سیکھنے کے راستے، پيدگوجیکل ایجنٹس، جذباتی ٹیوٹرنگ، جذباتی کمپیوٹنگ، لوپ میں انسان والی AI، اور سیکھنے کے تجزیات۔ یہ تکنیکی پرت پر بیٹھے ہیں کیونکہ یہ خود AI نظام ہیں، جو ان پيدگوجیز سے الگ ہیں جو یہ لاگو کرتے ہیں۔

مضامین میں AI

AI مختلف مضامین اور تعلیمی درجات میں لاگو ہوتا ہے۔ علم بنیاد کا مضامین میں AIEd کا جائزہ موضوعی احاطے کا نقشہ بناتا ہے — اس کے ساتھ سیکھنے کی سائنسز، جو سکھایا جانے والا مضامین نہیں بلکہ وہ سراسری تحقیقی میدان ہے جو خود سیکھنے کا مطالعہ کرتا ہے اور مضامین کو دوسرے متغیرات میں سے ایک کے طور پر لیتا ہے:

• مضامین: ریاضی، فزکس، کیمیا، حیاتیات، کمپیوٹر سائنس، انجینئرنگ، STEM، لکھنے کی تعلیم، زبان سیکھنا، انگریزی تعلیم (EAP/EFL/ESL)، سائنس تعلیم، بزنس، معاشیات، اور انتظام، انسانیات اور سماجی سائنسز، فنون، ڈیزائن اور میڈیا تعلیم، طبی اور صحت کی پیشہ ورانہ تعلیم، قانونی تعلیم، اور پیشہ ورانہ اور عملی سلسلے — نرسنگ، انفارمیشن ٹکنالوجی، ووکیشنل تعلیم اور تربیت، اور ڈیزائن تعلیم۔

درجات اور سیاق

ایک ہی AI ٹول بالکل مختلف ماحول سے ملتا ہے، اور علم بنیاد تعلیمی درجے کو پيدگوجی سے الگ کرتا ہے تاکہ نتائج خاموشی سے ان پر منتقل نہ ہوں: K-12 اسکول، ابتدائی بچپن اور الیمنٹری تعلیم، اعلیٰ تعلیم، بالغوں کی تعلیم، ووکیشنل تعلیم اور تربیت، خصوصی تعلیم، اور استاد کی تعلیم۔ درجوں میں کاٹنے والے ڈومین سے جڑے تصورات میں یونیورسل ڈیزائن فار لرننگ، نیورو ڈائیورسٹی، کثیر اللسانی سیکھنا، اور سماجی جذباتی سیکھنا شامل ہیں۔

جائزہ اور پیمائش

AI دونوں چیزوں کو بدلتی ہے: ہم سیکھنے والوں کا جائزہ کیسے لیتے ہیں اور AI نظام خود کا جائزہ کیسے لیتے ہیں:

• جائزہ اور فیڈ بیک: Assessment، فارمیٹو جائزہ، سمیٹو جائزہ، مستند جائزہ، ای پورٹ فولیو، Feedback اور فیڈ بیک لیٹریسی، AI فیڈ بیک کا معیار، ہم مرتبہ جائزہ، زبانی جائزہ، خودکار جائزہ، خودکار مضمون نمبر بندی، اور خودکار سوال سازی۔ کیونکہ اب ایک ماڈل مانگی ہوئی قابل یقین مکمل کام بنا سکتا ہے، علم بنیاد وہ صلاحیت نمایاں کرتا ہے جو سیکھنے والے کی اپنی رہ جاتی ہے: جانچ پڑتال کا فیصلہ، اپنے کام، ساتھیوں کے کام، اور AI کے نتائج کو معیاری تقاضوں کے مقابلے میں اندازہ لگانے کی صلاحیت۔ یہ وہ construct ہے جس پر کئی فیڈ بیک اور مستند جائزے کی مطالعات متفق ہوتی ہیں — ملٹی سائٹ تجربے میں ہائبرڈ فیڈ بیک کی حالت براہ راست AI فیڈ بیک سے بہتر کارکردگی، AI فارمیٹو فیڈ بیک میں پائیداری کا فرق، اور یہ عملی قدم کہ طلبہ کے بنائے فیصلوں کا جائزہ لیا جائے نہ کہ صرف artefact کا — اور یہ AI دور کے دوبارہ ڈیزائن کا بنیادی سبب ہے کہ مرکز پکڑنے سے ایسے کاموں کی طرف منتقل ہو جن کی سالمیت معائنے میں بچ جائے۔ گروپ ورک کا بھی جائزہ عمل اور پروڈکٹ دونوں کے حساب سے ہوتا ہے، جہاں ٹیموں کو بات چیت کرنی پڑتی ہے کہ کس کا اور کس قسم کا AI مشغولیت قابل قبول شمار ہوتی ہے۔
• پیمائش اور صداقت: جائزے کی صداقت، سائکو میٹریکلی آگاہ AI، تعلیمی پیمائش، آئٹم ریسپانس تھیوری، خود اطلاعی پیمانے (اس ثبوت کے بڑے حصے کا آلہ، اور ایک بار بار آنے والی حد)، AI کا پتہ لگانا، ریموٹ پراکٹرنگ، اور علمی سالمیت۔

تحقیقی طریقے اور جائزہ

ہم کیسے جانتے ہیں کہ AI کام کرتا ہے، یہ اپنا الگ سلسلہ ہے، اور علم بنیاد اسے ایسا ہی سمجھتا ہے:

• تحقیقی طریقے: امبریلا کے طور پر AIED میں تحقیقی طریقے، کیفیاتی، کمیاتی، ملے جلے طریقے، ڈیزائن پر مبنی، اور استعمال کی سہولت کے نقطہ نظر، نیز رینڈمائزڈ کنٹرولڈ ٹرائلز، میٹا تجزیہ اور منظم جائزہ، اور نیٹ ورک تجزیہ۔

میدان کا اپنا تحقیقی کام اب خود ایک موضوع ہے۔ AI معاون تعلیمی تحقیق AI کو ادبی جستجو، اسکریننگ، کیفیاتی کوڈنگ، تجزیہ، اور تحریر کے آلے کے طور پر احاطہ کرتا ہے، جس میں تدریس کے علم جیسی عملی تحقیق بھی شامل ہے۔ یہ ان ڈیزائنز سے الگ رہتا ہے جو AI کا سیکھنے والوں پر اثر مطالعہ کرنے کے لیے استعمال ہوتے ہیں۔

• AI نظاموں کا جائزہ: کسی نظام کی صلاحیت کا فیصلہ کرنے کے لیے AI تعلیمی جائزہ اور بینچ مارک، جس نتیجے کو اہمیت حاصل ہے وہ سیکھنے کی بہتریاں، اور اس ثبوت کے سراسری حدود اور ایک مطالعہ کو کیسے پڑھیں احتیاطی توازن کے طور پر۔

لوگ

تعلیم میں مصنوعی ذہانت ہر اسٹیک ہولڈر کے کردار بدلتا ہے۔ علم بنیاد کا تعلیم میں اسٹیک ہولڈرز صفحہ ان سب پر پھیلی چھتری ہے:

• سیکھنے والے: طلبہ کا تجربہ، کیریئر کی ترقی اور تیاری، اور AI کی بے چینی اور دباؤ یہ شکل دیتے ہیں کہ طلبہ AI سے کس طرح ملتے ہیں۔
• خاندان اور برادریاں: والدین اور خاندان وہ سامعین ہیں جن سے اسکول سب سے زیادہ AI پر بات کرتے ہیں اور وہ سب سے کم تحقیق والی ہدایت کے ساتھ، اس لیے ان کی تشویشات اسٹیک ہولڈر تصویر میں آتی ہیں، باہر نہیں۔
• اساتذہ اور تدریسی فریم ورک: استاد کی AI صلاحیت، ٹیکنالوجیکل پيدگوجیکل مواد کا علم (TPACK)، SAMR، اور تعلیمی ترقی معلم کی تیاری اور معاونت کو احاطہ کرتے ہیں۔
• بنانے والے: Educational Technology Developers — پروڈکٹ ڈیزائنرز، سافٹ ویئر ڈویلپرز، لرننگ انجینئرز اور تجزیاتی ڈیزائنرز جو ماڈل کی صلاحیت کو ایسی چیز میں بدلتے ہیں جسے کوئی ادارہ خرید سکے۔ یہ اوپر دیے گئے عملے اور منتظمین سے الگ سامعین ہیں، اور وہ ان اداروں سے باہر بیٹھے ہیں جو ان کے ٹول اپناتے ہیں، اسی لیے ڈیفالٹس، مشترکہ ڈیزائن، اور فنڈنگ کے بعد کا دیکھ بھال اس علم بنیاد میں پيدگوجیکل سوالات کے طور پر آتے ہیں، تجارتی سوالات کے طور پر نہیں۔

ادارے اور پالیسی

اداراتی پرت وہ جگہ ہے جہاں AI کے فیصلے واقعی کیے اور دفاع کیے جاتے ہیں: منتظمین اور اداراتی رہنما، تعلیمی AI پالیسی، AI گورننس، تبدیلی کا انتظام اپنانے کو پکی بنانے کا کام کے طور پر، AI ریگولیشن، اور ٹکنالوجی کے اپنانے سے آنے والے خریداری اور پلیٹ فارم کے سوالات، اوپن سورس، اور ایڈ ٹیک پلیٹ فارمز، پیشہ ورانہ اور عمر بھر کی تعلیم اور پیشہ ورانہ تربیت کے ساتھ۔

مساوات، اخلاقیات، اور ذمہ دارانہ استعمال

انصاف، رسائی، اور ذمہ داری تعلیم میں مصنوعی ذہانت کے لیے مرکزی ہیں:

• مساوات اور رسائی: مساوات، سیکھنے والے گروہوں میں مختلف اثرات (یہ سوال کہ کوئی نتیجہ کس کے لیے قائم ہے)، ڈیجیٹل تقسیم، تعصب کی کمزوری، ثقافتی طور پر متعلقہ پيدگوجی، کثیر اللسانی سیکھنا، شامل کن سیکھنا، قابل رسائی، معاون ٹیکنالوجی، نیورو ڈائیورسٹی، یونیورسل ڈیزائن فار لرننگ، اور عالمی جنوب مطالعات۔
• اخلاقیات اور ذمہ داری: AI اخلاقیات، AI کی بداستمالی اور سیکھنے کو نقصان، قانونی مسائل اور خطرات، AI استعمال کا انکشاف، گارڈ ریلز، رازداری، hallucination کا خطرہ، AI کی خوشامدی، بھروسہ، بھروسے کی کیلبریشن، AI کی بداستمالی کو کم کرنا، طلبہ کے لیے AI استعمال کی فریمنگ، پيدگوجیکل حفاظت، پائیداری، اور علمی بوجھ اتارنا۔

میدان کی اخلاقیات کی ادب کی ایک منظم جائزہ (Agarwal et al. 2026، 25 مضامین) AIED اخلاقیات کو چھ اہم اخلاقی قدروں — عدم امتیاز، ڈیٹا کی نگرانی، انسانی نگرانی، حسن نیت، وضاحت پذیری، اور تعلیمی موزونیت — میں جمع کرتا ہے اور اخلاقی اصولوں کو اسٹیک ہولڈر بمقابلہ قدر کے میٹرکس پر نقشہ بند کرتا ہے۔ یہ پاتا ہے کہ آخری صارفین اخلاقی ادب میں زیادہ تر غیر فعال ہیں (طلبہ کی آوازیں تقریباً غیر موجود) اور اخلاقیات کو AIED ڈیزائن میں ضم کرنے اور AIED اخلاقیات کے تعلیمی (پيدگوجیکل) جہت پر زیادہ توجہ کا مطالبہ کرتا ہے۔

ابھرنے والے اور سراسری موضوعات

کئی موضوعات میدان میں کاٹتے ہیں:

• بھروسہ اور تنقیدی استعمال: بھروسہ، بھروسے کی کیلبریشن، AI کی خوشامدی، تنقیدی سوچ، علمی بوجھ اتارنا، تنقیدی پيدگوجی، اور AI کی بداستمالی کو کم کرنا (مزید دیکھیں طلبہ کے لیے AI استعمال کی فریمنگ)۔ سیکھنے والے اور اساتذہ AI کو اپنانے اور اس پر انحصار کرنے کا فیصلہ کیسے کرتے ہیں، یہ ٹکنالوجی کی قبولیت کی تحقیق ماڈل بناتی ہے، جب کہ عالمی جنوب مطالعات اپنانے میں مساوات اور ثقافتی سیاق کو نمایاں کرتی ہیں۔ تجرباتی طور پر، AI اپنی وضاحت کیسے کرتا ہے یہ اس بھروسے کو شکل دیتا ہے: Feldman-Maggor et al. (2025) نے دکھایا کہ وضاحت شدہ AI قابل فہمی کے ذریعے اساتذہ کے AI سفارشات پر بھروسے کو بڑھاتا ہے، جس میں ڈومین سے چلنے (نصابی زبان کی) وضاحتیں ڈیٹا سے چلنے والے فیچر اہمیت کے نتیجے سے زیادہ بھروسے اور قبولیت پاتی ہیں۔
• میدان کا ارتقا: علم بنیاد تعلیم میں AI کا سفر ابتدائی انٹیلی جینٹ ٹیوٹرنگ نظاموں اور نالج ٹریسنگ سے LLM سے چلنے والی ٹیوٹرنگ، ایجنٹس، اور ایجنٹک AI تک بیان کرتا ہے — ٹول مرکزی مطالعات سے سماجی تکنیکی فریم ورکس (ڈیزائن سوچ، نصابی خاکہ، اداراتی تبدیلی) کی طرف تیزی سے منتقلی، اور ہاتھ سے لکھے گئے نظاموں سے صارف کے زیر اثر workflows تک جن میں سیکھنے والا یا غیر پروگرامر قدرتی زبان میں رویے متعین کرتا ہے (وائب کوڈنگ)۔ Rismanchian & Doroudi اس مسیر کو اپنے AI×Ed فریم ورک کے ساتھ رسمیت دیتے ہیں، چار دہاؤں کے proceedings کے مقالے جات کا سراغ لگاتے ہوئے دکھاتے ہیں کہ میدان ایک متنوع ملاپ سے — جس میں AI کو انسانی ذہانت اور سیکھنے کی مثال کے طور پر دیکھنے والی کافی تحقیق شامل تھی — عملی، ڈیٹا سے چلنے والے، محقق کے سامنے استعمال کی طرف تقریباً انفرادی توجہ کی طرف بڑھا، ایک رخ جسے LLMs کا عروج اب جزوی طور پر الٹنے کے طور پر لگتا ہے (AIED 2024 کے چار "AI-as-analogy" مقالوں میں سے تین LLM پر مبنی تھے)۔
• جذبات، بے چینی، اور کیریئر کا مستقبل: AI جذباتی رد عمل پیدا اور شکل دیتا ہے — AI کی بے چینی اور دباؤ جو پراکٹرنگ نگرانی، سالمیت کے خوف، اور کیریئر سے محرومی تک پھیلا ہے — جب کہ کیریئر کی ترقی اور تیاری یہ احاطہ کرتا ہے کہ تعلیم سیکھنے والوں کو AI سے متاثر لیبر مارکیٹ کے لیے کیسے تیار کرتی ہے (مزید دیکھیں بہبود)۔

میدان کی پختگی

یہ علم بنیاد تیزی سے بدلتے میدان کا عکاس ہے — ابتدائی انٹیلی جینٹ ٹیوٹرنگ نظاموں سے LLM سے چلنے والی ٹیوٹرنگ اور ایجنٹک AI تک؛ پکڑنے پر مرکوز علمی سالمیت کے ٹولز سے جائزے کے دوبارہ ڈیزائن تک؛ ٹول مرکزی مطالعات سے سماجی تکنیکی اور مساوات پر مرکوز فریم ورکس تک۔ ثبوت کی بنیاد روز بروز سخت تحقیقی طریقوں، جائزے، تجرباتی ڈیزائنز، اور طویل مدتی نتائج پر زور دیتی ہے۔

تعلق

تعلیم میں مصنوعی ذہانت علم بنیاد کے ہر تصور سے جڑا ہے — یہ وہ میدان ہے جسے باقی تمام تصور صفحات اجتماعی طور پر متعین کرتے ہیں۔ اس صفحہ کو پورے علم بنیاد کو نیویگیٹ کرنے کے لیے نقطہ آغاز کے طور پر استعمال کریں۔

منسلک تصورات

• Pedagogical Patterns — وہ آزمودہ تسلسل جو میدان کی پيدگوجیز کو عملی شکل دیتے ہیں
• مصنوعی ذہانت کی لیٹریسی — چھتری: AI کو سمجھنا، استعمال کرنا، اور جانچنا
• Human AI Collaboration — چھتری: لوگ اور AI مل کر کیسے کام کرتے ہیں
• Pedagogies and Teaching Strategies — چھتری: تدریسی طریقے اور حکمت عملیاں
• Learning Theories — چھتری: سیکھنا کیسے ہوتا ہے
• Technologies — چھتری: ماڈلز، تکنیکیں، اور نظام
• AIEd in the Disciplines — چھتری: مضامین اور درجات میں AI
• Assessment — چھتری: AI سیکھنے والوں کا جائزہ کیسے لیتا ہے اور صداقت کو دوبارہ شکل دیتا ہے
• Feedback — چھتری: فیڈ بیک کیسے پیدا، پہنچایا، اور استعمال ہوتا ہے
• Stakeholders — چھتری: اداکار کون ہیں
• Learners — چھتری: سیکھنے والے کی طرف کے تصورات (تجربہ، شناخت، خودآگہی، تعامل، سیکھنے والے کے ماڈلز)
• AI Ed Evaluation — چھتری: ہم کیسے جانتے ہیں کہ AI کام کرتا ہے
• Research Methods in AIED — چھتری: اثر آفرزی کے تحقیقی طریقے
• AI-Assisted Educational Research — AI معاون تعلیمی تحقیق
• AI Governance — چھتری: اداراتی اور ریگولیٹری پرت
• Educational AI Policy — چھتری: پالیسی، رہنمائی، اور نفاذ
• Equity — چھتری: انصاف، رسائی، اور شمولیت
• Learning Sciences — AIED کے پیچھے تجرباتی میدان
• Ethics — تعلیم میں مصنوعی ذہانت کے اخلاقی ابعاد
• Misconceptions about AI — وہ ذہنی ماڈل جو لوگ AI کے ساتھ لاتے ہیں
• Interpreting and Applying AIEd Research — ایک مطالعہ کو پڑھنا، اور نتیجے کو عمل میں لانا
• Limitations in AIEd Research — ثبوت بنیاد کی سراسری حدود
• Meta-Analysis and Systematic Review — جائزوں اور میٹا تجزیات کیا قائم کرتے ہیں
• History of AI in Education — میدان کیسے بدلا
• Philosophy of AI in Education — فلسفیانہ بنیادیں
• Theories and Frameworks — نظریہ اور فریم ورک کے نوڈس کا نقشہ
• Theory Development in AI in Education — نظریہ کی تعمیر اور نظرثانی

منسلک مضامین

تعلیم میں مصنوعی ذہانت کے میدان گیر جائزے — وہ مطالعات جو پورے میدان یا پورے تعلیمی درجے کا سروے کرتے ہیں، ایک موضوع کا نہیں:

• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — چار دہاؤں میں AI اور تعلیم کی تحقیقات کا ارتقا (AIxEd فریم ورک)
• Control vs. Agency: Exploring the History of AI in Education — کنٹرول بمقابلہ خودآگہی: تعلیم میں AI کی تاریخ
• Generative AI in Higher Education: A Systematic Review of Opportunities, Challenges, and Pedagogical Innovations (2022–2025) — اعلیٰ تعلیم میں جنریٹو AI: 125 مطالعات کا منظم جائزہ
• The Evidence Base on AI in K-12: A 2026 Review — K-12 میں AI پر ثبوت کی بنیاد: 818 مقالوں کا جائزہ
• Generative AI technologies and educational outcomes: a comprehensive meta-analysis comparing traditional and AI-driven approaches — جنریٹو AI اور تعلیمی نتائج: جامع میٹا تجزیہ