تصورات
ہمدردی
انگریزی صفحے کا خودکار ترجمہ، جو ابھی تک کسی مقامی بولنے والے کے ذریعے جانچا نہیں گیا۔
ترکیب: ہمدردی تعلیم میں بیک وقت تین سمتوں سے داخل ہوتی ہے: ایک نتیجہ جسے ماہرینِ تعلیم سکھانے کی کوشش کرتے ہیں، ایک تصور جسے وہ ناپنے کی کوشش کرتے ہیں، اور ایک ایسی چیز جسے AI نظام تیزی سے ظاہر کرتے ہیں کہا جاتا ہے۔ تینوں میں ثبوت غیر متوازن ہے۔ ہمدردی سکھانا کام کرتا ہے — رول پلے، VR اور LLM مکالمہ سب قابلِ پیمائش قبل و بعد اضافے پیدا کرتے ہیں — مگر تجربہ جتنا کم مجسم ہوتا ہے، اثر اتنا ہی سکڑتا ہے، اور تقابلی مطالعات طریقہ کو کام کے وقت کے ساتھ ملا دیتی ہیں۔ ہمدردی ناپنا اسے سکھانے سے مشکل ہے: ناظرین کی درجہ بندیاں باہم ٹھیک بیٹھتی ہیں، جبکہ کمپیوٹر وژن کے پراکسی جسمانی رابطے پر متفق ہوتے ہیں، آنکھ کے رابطے پر مختلف اور مسکراہٹ پر اُلٹے نتائج دیتے ہیں۔ AI بڑے پیمانے پر ہمدردانہ گفتگو کی مشق کروا سکتا ہے، مگر سب سے بہتر کنٹرول شدہ مطالعہ خود جانچی صلاحیت کے بڑھنے کو دکھاتا ہے، بغیر کسی مشاہدہ شدہ کارکردگی کی جانچ کے۔ اور سب سے نیا خدشہ اُلٹی سمت چلتا ہے: یہ یقین کہ AI ہمدردی مہیا کر سکتا ہے، لوگوں کی اپنی ہمدردی مہیا کرنے کی رغبت کم کر دیتا ہے (Shastry & Gray, 2026)۔
غور کرنے کے لیے سوالات
- اگر رول پلے، VR اور چیٹ بوٹ سب ہمدردی کے اسکور بڑھا دیں، تو فرق سیکھنا ہے یا کام کے وقت کا؟
- درد میں مبتلا مریض پر نرسنگ کا ایک طالب علم مسکرا دیتا ہے: ناظرین اسے بے ربطی پڑھتے ہیں، مسکراہٹ کا ڈیٹیکٹر گرم جوشی۔ جانچ کو کس پر بھروسا کرنا چاہیے؟
- AI معاون ہمدردی کی تربیت کے زیادہ تر مطالعات اعتماد ناپتے ہیں، مشاہدہ شدہ رویہ نہیں۔ اگر اعتماد بڑھے مگر رویہ نہ بدلے، تو تربیت ناکام ہوئی یا صرف جانچی ہی نہیں گئی؟
- جب چیٹ بوٹ گرم جوشی سے جواب دیتا ہے، طلبہ کہتے ہیں کہ انہیں سمجھا گیا۔ یہ ہمدردی ہے، ہمدردی کا مظاہرہ ہے، یا کوئی ایسی چیز جو اس سے قطع نظر اہم ہے؟
- اگر لوگ ایک بار یہ مان لینے کے بعد کہ AI یہ کر سکتا ہے، ہمدردی کی ذمہ داری اتار دیں، تو اس نصاب کے لیے کیا مطلب ہے جو ہمدردی جزوی طور پر AI مشق سے سکھاتا ہے؟
- یہ کس کو طے کرنا چاہیے کہ ہمدردی ایک نمبر کے قابل نتیجہ ہے — اور ان طلبہ کا کیا ہوگا جو درست مگر گرم جوش نہیں؟
تعارف
ہمدردی کو عام طور پر کم از کم دو اجزا میں تحلیل کیا جاتا ہے: ایک علمی جزو، یعنی نقطۂ نظر اپنانا، اور ایک جذباتی جزو، یعنی دوسرے کی کیفیت میں شریک ہونا، جبکہ بعض تشریحات ایک تحریکی جزو بھی شامل کرتی ہیں، یعنی مدد کرنے کا جذبہ۔ ذاتی تکلیف — دوسرے کی تکلیف پر ناخوشگوار ردِعمل — اکثر ساتھ ناپی جاتی ہے اور باقی اجزا سے مختلف برتاؤ کرتی ہے۔ یہ تعلیم کے لیے اہم ہے کیونکہ اجزا مختلف طریقوں سے سکھائے جا سکتے ہیں اور مختلف درجے کی کامیابی سے ناپے جا سکتے ہیں۔
AI تین الگ مقامات پر داخل ہوتا ہے، اور انہیں ملا دینا ادب میں الجھن کی بنیادی وجہ ہے۔
- انسانی ہمدردی کے لیے تدریسی طریقہ کے طور پر AI۔ سمولیشن، VR میں مجسمیت، LLM سے بنائے گئے کرداروں کے ساتھ رول پلے، اور جنریٹو تصویریں جو دوسرے کے تجربے کو جاندار بناتی ہیں۔
- پیمائشی آلہ کے طور پر AI۔ کمپیوٹر وژن جو ریکارڈ شدہ سمولیشن میں جسمانی زبان کو اسکور کرتا ہے، یا وہ پیمانے جو ہمدردی کو AI تعامل میں ظاہر ہونے والی خصلت سمجھتے ہیں۔
- ہمدرد اداکار کے طور پر AI۔ وہ چیٹ بوٹس جو مریض، کوچ یا ساتھی کا کردار ادا کرتے ہیں اور سمجھدار لگنے کے لیے ڈیزائن کیے جاتے ہیں، جس سے یہ سوال اٹھتا ہے کہ ہمدردی حقیقی ہے، مظاہرہ ہے، یا انسانی رابطے کا متبادل۔
پہلے دو سیکھنے والوں کے بارے میں ہیں؛ تیسرا نظاموں کے بارے میں۔ جو صفحہ انہیں ملا دے گا وہ ایسے دعوے پیدا کرے گا جیسے ”AI ہمدردی بہتر بناتا ہے“ جن کے تین مختلف مطلب ہوں گے۔
کیا ہمدردی سکھائی جا سکتی ہے؟
براہِ راست موازنہ ڈیزائن میں غیر معمولی طور پر صاف اور عمل میں غیر معمولی طور پر ملا ہوا ہے۔ Zwoliński et al. (2026) نے رسائی کے کورس میں 64 ماسٹرز کے طلبہ کو بے ترتیب طور پر تقسیم کیا: وہیل چیئر، عمر رسیدہ سوٹ اور حمل کے سمولیٹر کے ساتھ حقیقی دنیا کا رول پلے؛ وہی سامان VR لیب میں؛ یا ChatGPT-4.0 کے ساتھ شخصیت سازی کی گفتگو۔ تینوں گروہوں نے Davis Interpersonal Reactivity Index پر نمایاں بہتری دکھائی۔ رول پلے میں 13.2%، VR میں 11.6%، اور AI حالت میں 8.8%۔ صرف Personal Distress گروہوں کے درمیان نمایاں طور پر مختلف تھا۔
ترتیب فطری ہے اور تشریح نہیں۔ تینوں حالتیں تقریباً 125، 87 اور 42 منٹ چلیں، چنانچہ مطالعہ طریقہ اور مقدار دونوں کا موازنہ ایک ساتھ کرتا ہے۔ یہ کہنا مناسب ہے کہ 42 منٹ کی LLM گفتگو نے دو گھنٹے کی مجسم مشق سے کم فائدہ پیدا کیا؛ یہ کہنا مناسب نہیں کہ مجسمیت فی منٹ تین گنا زیادہ قیمتی ہے۔ مصنفین اس اختلاط کے بارے میں صاف گو ہیں، اور ان کے طلبہ کی اپنی سفارش — VR کی تکرار، حقیقی دنیا کی حسی دولت اور LLM کی موافقت پذیری کو ملانا — ثبوت کی معقول تشریح ہے۔
صحت کے پیشوں کا ادب پیمانہ تو بڑھاتا ہے مگر سببی وضاحت زیادہ نہیں دیتا۔ Ismail and Zafira (2026) نے جذباتی شعبے کی نشوونما کے لیے AI کے 17 مطالعات کا جائزہ لیا اور پایا کہ مداخلتیں مواصلاتی تربیت، مجازی مریضوں، عکاس فیڈبیک، بری خبر سنانے کی سمولیشن اور OSCE طرز کی جانچ میں مرکوز ہیں۔ زیادہ تر نے اعتماد، خود اثر آفرمی، عکاس مشغولیت یا سمجھی جانے والی مواصلاتی مہارت میں اضافے بتائے۔ خود ہمدردی، جذباتی جوابدہی، رشتہ داری کی اصلیت اور غیر زبانی مواصلات کے ثبوت محدود رہے۔ یہی مرکزی دریافت ہے: ایسا میدان جو ہمدردی سکھانے کا ارادہ رکھتا ہے، زیادہ تر سکون ناپ رہا ہے۔
چوتھی لڑی ابہام کو صریح کرتی ہے: پہننے والے arousal سینسر اور AI سے بنی تصویریں دوسرے کے حالات کو جاندار بنا سکتی ہیں، مگر جلد کی conductance میں اضافہ arousal کا ثبوت ہے، ہمدردی کا نہیں، اور اس لڑی کے مطالعات اکثر وہیں رک جاتے ہیں (Lim et al., 2024)۔
کیا ہمدردی ناپی جا سکتی ہے؟
ناظرین کی درجہ بندی حوالہ جاتی معیار کے سب سے قریب چیز ہے، اور یہ معقول برتاؤ کرتی ہے۔ Nissan et al. (2026) میں دو اساتذہ نے 37 نرسنگ طلبہ کو ریکارڈ شدہ سمولیشن میں 12 آئٹم والے سوالنامے (α = 0.91) اور چھ اشاروں کے پیمانے (α = 0.93) سے جانچا، اور اشاروں کی درجہ بندیاں سوالنامے کے ساتھ 0.41 سے 0.63 تک متعلق تھیں۔
الگورتھم نے زیادہ دلچسپ کہانی سنائی۔ جسمانی رابطے کی تشخیص چار ناظر پیمانوں سے 0.46 سے 0.54 تک متفق رہی۔ آنکھ کے رابطے اور ہیٹ میپ کی تشخیص نے ناظرین کے فیصلوں کے ساتھ کوئی نمایاں تعلق نہ دکھایا۔ اور مسکراہٹ کا ڈیٹیکٹر تین ناظر پیمانوں کے ساتھ منفی طور پر متعلق تھا، اور کل ہمدردی کے ساتھ r = −0.322 پر، کیونکہ ناظرین درد میں مبتلا مریض پر طالب علم کی مسکراہٹ دیکھ رہے تھے اور اسے گھبراہٹ یا بے ربطی پڑھ رہے تھے۔ اشارہ حقیقی تھا؛ تشریح اُلٹی۔ یہ وہی استنباطی خلا ہے جو حسی اور نگاہ کے تجزیات میں دستاویز ہے، ایسے ماحول میں جہاں داؤ کلینیکل گریڈ ہے۔
خود رپورٹ پیمانے دوسرے سرے پر ہیں۔ The AI Empathy Scale for Generative AI Interaction ہمدردی کو AI استعمال کے دوران ظاہر ہونے والی انسانی خصلت سمجھتا ہے اور جواب دہندگان سے ان کے اپنے علمی، جذباتی اور تحریکی ردِعمل کے بارے میں پوچھتا ہے؛ اس کی ابتدائی عنصری ساخت مطلوبہ چھ جہتوں کو دوبارہ پیدا نہ کر سکی (Kang et al., 2026)۔ ایک خصلتی سوالنامہ اور رویے کا مشاہدہ قابلِ تبادلہ نہیں، اور کوئی بھی اس بات کا متبادل نہیں کہ مریض خود بتائیں کہ ملاقات دیکھ بھال جیسی محسوس ہوئی یا نہیں۔
کیا AI ہمدردی کی مشق کروا سکتا ہے؟
ہاں، کم از کم مشق والے حصے کے لیے۔ Müller et al. (2026) نے 162 میڈیکل طلبہ کو چار میں سے ایک منظر میں role-prompted GPT-4o کے ساتھ ایک گفتگو دی — مشترکہ فیصلہ سازی، تحریکی انٹرویو، STI مشاورت، بری خبر سنانا — اور اوسطاً 13 تبادلوں کے بعد خود جانچی مواصلاتی قابلیت 0–10 پیمانے پر 5.89 سے بڑھ کر 6.83 ہو گئی (d = 0.58)۔ طلبہ نے AI فیڈبیک کو 10 میں سے 7.92 مفید بتایا، مگر فیڈبیک کی کفایت نے اضافے کی پیش گوئی نہ کی (r = 0.08)۔ کوئی کنٹرول گروہ نہیں تھا۔
یہ نمونہ بار بار آتا ہے: ایک مختصر، کم داؤ والی مشق خود اثر آفرمی میں بڑا اضافہ پیدا کرتی ہے، اور طریقۂ کار ماڈل کی تنقید سے زیادہ خود مشق ہونے کا امکان رکھتا ہے۔ یہ آلے کو رد کرنے کی وجہ نہیں۔ معیاری مریض مہنگے، کم یاب اور شیڈول شدہ ہوتے ہیں؛ چیٹ بوٹ ان میں سے کچھ بھی نہیں، اور جو طالب علم ایک بار بری خبر سنانے کی گفتگو کر چکا ہو، وہ معیاری مریض کے سیشن کو مختلف طرح استعمال کرے گا۔ یہ اضافے کو قابلیت کا ثبوت کہنا بند کرنے کی وجہ ہے۔
جہاں ہمدردی مہارت کے بجائے گفتگو کی کیفیت ہو، وہاں ثبوت ادراک کے بارے میں ہے۔ Wang et al. (2026) نے ماڈل، پلیٹ فارم اور temperature مستقل رکھے اور صرف پرامپٹ میں کردار اور گفتگو کی چالیں بدلیں، جس سے سمجھی جانے والی ہمدردی میں بڑا فرق پیدا ہوا (21.27 بمقابلہ 18.24، r = 0.53)۔ ہمدردی، اس معنی میں کہ طلبہ اسے کیسے تجربہ کرتے ہیں، اسکرپٹ کی جا سکتی ہے۔ اسے اسکرپٹ کرنا تعلیمی طور پر اچھا ہے یا نہیں، یہ الگ سوال ہے۔
متبادل کا مسئلہ
کام کی سب سے نئی لڑی پوچھتی ہے کہ AI ہمدردی انسانی ہمدردی کے ساتھ کیا کرتی ہے۔ 249، 494، 743 اور 737 شرکاء کے چار مطالعات میں، Shastry and Gray (2026) نے پایا کہ لوگ AI کو جذباتی سہارا دینے میں جتنا زیادہ قابل سمجھتے ہیں، وہ خود یہ سہارا دینے میں اتنا ہی کم رضامند ہوتے ہیں — ہمدردی کا بوجھ اتارنا — اور یہ خصلتی ہمدردی اور سابقہ AI استعمال کو کنٹرول کرنے کے بعد بھی قائم رہا۔ جب وصول کنندہ کے سہارے کا ذریعہ نام لے کر بتایا گیا، شرکاء نے کہا کہ وہ دوستوں یا معالجین کے مقابلے AI پر کم بوجھ ڈالیں گے، کیونکہ انہوں نے AI کی ہمدردانہ صلاحیت کو کم جانا۔ رویے کے پیمانے پر، وہی شرکاء جنہوں نے کہا تھا کہ وہ بوجھ نہیں ڈالیں گے، کم ہمدردی کے الفاظ اور زیادہ بے اعتنائی کے الفاظ چنے۔
تعلیم کے لیے یہ دو طرح سے کاٹتا ہے۔ ایسا نصاب جو ہمدردی کی مشق کے لیے AI استعمال کرتا ہے، مہارت بنا رہا ہو سکتا ہے؛ ایسی کیمپس ثقافت جو جذباتی سہارا چیٹ بوٹس کی طرف بھیجتی ہے، اسے استعمال کرنے کی تحریک کو کھا رہی ہو سکتی ہے۔ دونوں اثرات باہم ہم آہنگ ہیں، اور موجودہ ادب میں کوئی چیز انہیں ایک ساتھ نہیں ناپتی۔
عمل کے لیے اس کا مطلب
- تین سوالات الگ کریں۔ جب کوئی دعویٰ کرے کہ AI ہمدردی بہتر بناتا ہے، پوچھیں کہ اس کا مطلب انسانوں کو سکھانا، انسانوں کو ناپنا، یا ہمدردی کی نقالی ہے۔ ثبوت ہر ایک کے لیے مختلف ہے۔
- خود اثر آفرمی کو ہمدردی کا نتیجہ نہ مانیں۔ اعتماد سستا ہے اور تقریباً ہر مشق کے بعد بڑھتا ہے؛ مشاہدہ، معیاری مریض یا مریضوں کی درجہ بندی وہ پیمانے ہیں جو اہم ہیں۔
- وژن اسکور کو دوسرے قاری سمجھیں۔ جسمانی رابطے کی تشخیص تکوینی فیڈبیک کے لیے قابلِ استعمال ہے؛ مسکراہٹ اور آنکھ کے رابطے کی تشخیص نہیں، بغیر منظر کے سیاق کے جو ماڈل کے پاس نہیں۔
- وقت کا بجٹ رکھیں، صرف طریقہ نہیں۔ تقابلی مطالعات دونوں کو ملا دیتی ہیں، اور ایک سستا طریقہ جو چوتھائی وقت لے، پھر بھی بہتر انتخاب ہو سکتا ہے — صرف مساوی نہیں۔
- بوجھ اتارنے پر نظر رکھیں۔ اگر AI جذباتی سہارے کا طے شدہ ذریعہ بن جائے، تو جو ہمدردی آپ سکھانا چاہتے ہیں وہ خاموشی سے آؤٹ سورس ہو سکتی ہے۔
عام غلط فہمیاں
- ”AI ہمدردی سکھا سکتا ہے۔“ AI مشق اور عکاسی کی حمایت کر سکتا ہے؛ سب سے مضبوط جائزہ ہمدردی کو بطور نتیجہ محدود ثبوت ہی پاتا ہے، اور سب سے بہتر کنٹرول شدہ تربیتی مطالعہ خود جانچی ناپتا ہے۔
- ”ہمدردی گرم زبان ہے۔“ سمجھی جانے والی ہمدردی صرف پرامپٹ ڈیزائن سے پیدا کی جا سکتی ہے، جو ادراک کا ثبوت ہے، فہم کا نہیں۔
- ”مسکراہٹ کا مطلب گرم جوشی ہے۔“ تکلیف دہ کلینیکل ملاقات میں ناظرین مسکراہٹ کو بے ربطی پڑھتے ہیں، اور چہرے کے عضلات کا ڈیٹیکٹر اسے مثبت جذبہ پڑھتا ہے۔ سیاق ہی گمشدہ متغیر ہے۔
- ”خود رپورٹ پیمانے ہمدردی ناپتے ہیں۔“ وہ ایک خصلت یا خود فہمی ناپتے ہیں؛ وہ ملاقات میں رویہ نہیں ناپتے۔
- ”زیادہ غرق کرنے والا ہمیشہ بہتر ہے۔“ غرق کرنے والے طریقے بڑے اضافے دکھاتے ہیں، مگر کئی گنا قیمت اور دورانیے پر، اور موازنے نمائش کو برابر نہیں کرتے۔
منسلک تصورات
- جذباتی ٹیوٹرنگ
- جذباتی کمپیوٹنگ
- سماجی-جذباتی سیکھنا
- کام کی جگہ پر سیکھنا
- سمولیشن
- طبی اور صحت پیشہ ورانہ تعلیم
- نرسنگ تعلیم
- سینسر اور نگاہ کی اینالیٹکس
- جانچ کا اعتبار
- خود رپورٹ پیمائشیں
- انسان اور AI کا تعاون
- AI کی خوشامدی
- تدریسی حفاظت
- بہبود
- فنون، ڈیزائن اور میڈیا کی تعلیم
منسلک مضامین
- Teaching Empathy: A Comparative Analysis of Real, Virtual, and AI-Driven Methods — IRI پر رول پلے 13.2%، VR 11.6%، AI گفتگو 8.8%، جس میں نمائش کا وقت ملا ہوا ہے (Zwoliński et al., 2026)
- Detecting Nursing Students' Empathy in Video-Recorded Simulation Using Computer Vision — جسمانی رابطے کی تشخیص ناظرین سے متفق؛ مسکراہٹ کی تشخیص منفی رہی (Nissan et al., 2026)
- Training Empathetic Communication Skills in Medical Students With a Role-Prompted GPT-4o Chatbot — 13 تبادلوں کے بعد خود جانچی قابلیت d = 0.58 بڑھی، بغیر کنٹرول گروہ (Müller et al., 2026)
- Artificial Intelligence for Affective-Domain Development in Healthcare Professions Education: A Systematic Review — 17 مطالعات؛ اعتماد میں اضافے عام، ہمدردی کے ثبوت محدود (Ismail & Zafira, 2026)
- Exploring the Potential of AI in Nurturing Learner Empathy, Pro-Social Values and Environmental Stewardship — EDA اور جنریٹو تصویریں بطور arousal پائپ لائن، ہمدردی دعویٰ شدہ نہ کہ ناپی گئی (Lim et al., 2024)
- People offload empathy when they think AI can give it instead — AI کی ہمدردانہ صلاحیت پر یقین نے سہارا دینے کی کم رضامندی کی پیش گوئی کی (Shastry & Gray, 2026)
- AI Empathy as a Human Disposition in Generative AI Interaction: Development and Preliminary Psychometric Evaluation of a Cognitive–Affective–Motivational Scale — 42 آئٹم کا خصلتی پیمانہ جس کی عنصری ساخت اس کے ڈیزائن سے میل نہ کھائی (Kang et al., 2026)
- Invisible Impact of Empathy on Behavioral Change: Isolating the Effect of Empathy in Long-term Physical Activity Coaching Chatbot Interactions — ہمدردانہ زبان نے محسوس کیا جانے والا فہم بڑھایا، جس نے رویے کی تبدیلی کے بجائے مشغولیت کی پیش گوئی کی (Siyan et al., 2026)
- Comparing teacher-centered and student-centered agents based on prompt engineering: Effects on learning performance, cognitive load, flow experience, and empathy perception in physics learning — پرامپٹ میں متعین کردار اور چالوں نے سمجھی جانے والی ہمدردی میں بڑا فرق پیدا کیا (Wang et al., 2026)
- Nursing Students' and Faculty Experiences with Artificial Intelligence in Education: A Qualitative Study Using the Technology Acceptance Model — نرسنگ طلبہ نے کلینیکل دباؤ کے دوران AI کو جذباتی سہارا بتایا (Akbaba et al., 2026)