AIEd علمی ذخیرہAIEd KB
اس صفحے پر

یہ صفحہ انگریزی میں پڑھیں

تصورات

تعلیم میں AI کی تاریخ

تخلیق شدہ 2026-08-23 · اپ ڈیٹ شدہ 2026-11-04

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

تعلیم میں AI کی تاریخ — اِس بات کا مطالعہ کہ مصنوعی ذہانت اور تعلیم بیسویں صدی کے وسط سے کیسے ساتھ ساتھ ارتقا پذیر ہوئیں، اور ماضی کے تصوراتی، اصطلاحی اور ڈیزائن فیصلے آج سیکھنے میں AI کے بارے میں جاری بحثوں کو کیسے شکل دیتے رہتے ہیں۔ جنریٹو AI کو اچانک اور بے مثال قوت سمجھنے کے بجائے، تاریخی عینک اُن بار بار آنے والے تناؤ کو آشکار کرتی ہے — کنٹرول بمقابلہ ایجنسی، معیار بندی بمقابلہ تخلیقیت، خودکاری بمقابلہ افزودگی — جنہوں نے اپنی ابتدا ہی سے تعلیم میں AI کی ساخت بنائی ہے۔

غور کرنے کے لیے سوالات

  • آج کے جنریٹو AI کو اکثر ایک بے مثال انقلاب کہا جاتا ہے۔ یہ فریمنگ ('زمانہ مرکزیت') ہمیں اُس کے نیچے چلنے والے بار بار آنے والے نمونوں کو دیکھنے سے کیسے روک سکتی ہے؟
  • اس میدان کا نام 'سائبرنیٹکس' تقریباً رکھا ہی گیا تھا، 'مصنوعی ذہانت' کے بجائے۔ اُس ایک نام کے انتخاب نے یہ طے کرنے میں کیسے کردار ادا کیا ہو گا کہ ہم مشینوں کو خودمختار ذہانتیں سمجھتے ہیں یا باہم جڑے فیڈبیک نظاموں کا حصہ؟
  • یہ صفحہ AIED کی تاریخ کو کنٹرول (Anderson کے علمی ٹیوٹرز جو تدریس کو بہتر بناتے ہیں) اور ایجنسی (Papert کی تعمیریت جو طلبہ کو بااختیار کرتی ہے) کے تناؤ کے طور پر پیش کرتا ہے۔ تعلیم میں AI سے متعلق آپ کے اپنے فیصلے اِس طیف پر کہاں آتے ہیں — اور کیوں؟
  • صفحہ دلیل دیتا ہے کہ ذاتی نوعیت کے دو مطلب ہیں: ایک ہی نتیجے تک پہنچنے کا راستہ بدلنا، یا متنوع اور طالب علم کی رہنمائی والے نتائج ممکن بنانا۔ آپ کا ادارہ دراصل کس قسم کی ذاتی نوعیت اختیار کرتا ہے، اور آپ کے خیال میں اُسے کون سی اختیار کرنی چاہیے؟
  • اگر آج کی GenAI بحثیں اِن تاریخی تناؤ کی 'عکاسی' کرتی ہیں، تو ہم ماضی کی کون سی غلطیاں دہرا رہے ہوں گے — اور اُنہیں یاد رکھ کر کیا بچا سکتے ہیں؟
  • صفحہ دعویٰ کرتا ہے کہ تکنیکی ڈیزائن کے فیصلے سیکھنے کے مقصد کے بارے میں قدری فیصلے سموئے رکھتے ہیں۔ کیا آپ کسی ایسے AI تعلیمی ٹول میں کوئی ڈیزائن فیصلہ شناخت کر سکتے ہیں جو آپ نے استعمال کیا اور جس نے خاموشی سے معیار بندی کو طالب علم کی ایجنسی پر ترجیح دی — یا اِس کے برعکس؟

تعارف

اس میدان کی تاریخ کوئی خطی ترقی نہیں بلکہ ایسے مشروط فیصلوں کا سلسلہ ہے جن کے اثرات آج بھی گونجتے ہیں۔ اِس تاریخ کو سمجھنا "زمانہ مرکزیت" (موجودہ پیش رفت کو منفرد طور پر انقلابی سمجھنے کا تعصب) کے خلاف حفاظت کرتا ہے، ماضی کی غلطیوں کو دہرانے سے بچنے میں مدد دیتا ہے، اور یہ آشکار کرتا ہے کہ فریمنگ اور اصطلاحات کے بارے میں فیصلے — نہ صرف ٹیکنالوجی — تعلیم میں AI کے راستے کی سمت متعین کرتے ہیں۔

تاریخ کی کلیدی دھاریں

سائبرنیٹکس سے "مصنوعی ذہانت" تک۔ جب John McCarthy نے 1956 کے Dartmouth Summer Research Project کی منصوبہ بندی کی، تو اُنہوں نے جان بوجھ کر سائبرنیٹکس کے بجائے مصنوعی ذہانت کا اصطلاح چنا — جزوی طور پر میدان کو Norbert Wiener اور اُن کی اینالاگ فیڈبیک پر توجہ سے الگ کرنے کے لیے۔ اِس نام کے فیصلے نے مشین کی صلاحیتوں کو انسانی ادراک کے ساتھ براہِ راست موازنے میں رکھا (انسان نما فریمنگ)، اور کئی دہائیوں تک تحقیقی ترجیحات، عوامی تاثر اور اخلاقی بحث کی سمت متعین کی۔ اگر میدان سائبرنیٹک فریمنگ برقرار رکھتا، تو مضمون کا تصور یہ ہے کہ ہم آج "AI ٹیوٹرز" کے بجائے "سائبرنیٹک سیکھنے کے نظام" کی بات کرتے جو فیڈبیک اور باہمی رابطے پر زور دیتے، بجائے اِس کے کہ مشین کو ذہانت کا خودمختار ماخذ قرار دیا جائے۔

علمی انقلاب اور ITS کی جڑیں۔ ابتدائی پیش رو — Herbert Simon، Allen Newell، Marvin Minsky، John Anderson — محض ادراک کی نقل نہیں کر رہے تھے؛ وہ سیکھنے اور تدریس کے بنیادی سوالات کی تحقیق کر رہے تھے۔ اُن کے کام نے انسانی ادراک کے معلوماتی عمل کے ماڈل پیدا کیے جو تعلیمی نفسیات کی بنیاد بنے، اور ذہین ٹیوٹرنگ نظام (ITS) کی راہ کھولی، جو 1960ء اور 70ء کی دہائی کے AI کے ہیورسٹک سرچ اور ماہر نظاموں کے نمونوں میں جڑے ہیں۔ یہ نظام جانچ اور معیار بندی کے موجودہ ڈھانچوں سے قدرتی طور پر ہم آہنگ ہوئے، اور بالآخر AIED برادری کی شکل میں یکجا ہو گئے۔

کنٹرول بمقابلہ ایجنسی: Anderson اور Papert۔ دو متقابل تصورات اُبھرے، جو John Anderson اور Seymour Papert میں مجسم ہیں۔ Anderson کے علمی ٹیوٹرز (ACT/ACT-R نظریہ) علم کو پروڈکشن قواعد میں تحلیل کرتے تھے، درست انفرادی فیڈبیک دیتے تھے، اور روایتی تعلیمی ڈھانچوں کو مضبوط کرتے تھے — یعنی AI کو تدریس کو بہتر بنانے کا اوزار سمجھنے کا تصور۔ Papert کی تعمیریت (Logo، "مائیکرو ورلڈز"، ڈی بگنگ بطور سیکھنا) کمپیوٹر کو ایسا ماحول سمجھتی تھی جہاں بچے تخلیقی تجربے کے ذریعے علم تعمیر کرتے ہیں — یعنی AI کو فکری بااختیاری کا ذریعہ سمجھنے کا تصور، جو ادارہ جاتی درجہ بندیوں کو چیلنج کرتا تھا۔ کنٹرول اور ایجنسی کے درمیان یہ "بنیادی تناؤ" ہی میدان کی تاریخ کی مسلسل دھار ہے۔

ذاتی نوعیت کی دو صورتیں۔ ذاتی نوعیت کی دو الگ تشریحات ہیں جو اِنہی تصورات پر منطبق ہوتی ہیں۔ پہلی یکساں نتائج برقرار رکھتے ہوئے راستہ بدلتی ہے (Skinner کی تدریسی مشینوں میں جڑی؛ Khan Academy کا مہارت تک ٹیوٹرنگ کا تصور)۔ دوسری متنوع نتائج کو گلے لگاتی ہے — طلبہ اپنی انفرادی دلچسپیوں اور صلاحیتوں کے پیچھے چلتے ہیں، معیاری نصاب کی حدود سے آزاد (Zhao, 2024)۔ ITS ماڈل پہلی کی حمایت کرتا ہے؛ تعمیریت دوسری کی۔

GenAI دور کے لیے سبق۔ جنریٹو AI کے بارے میں آج کی بحثیں اِنہی تاریخی تناؤ کی گہری عکاسی کرتی ہیں۔ GenAI کو اکثر اگلی نسل کے ذہین ٹیوٹر کے طور پر پیش کیا جاتا ہے (Anderson کو آگے بڑھاتے ہوئے)، جس سے نگرانی، ڈیٹا جمع کرنے اور معیار بندی کے تحفظات اُٹھتے ہیں۔ متبادل طور پر یہ تخلیقی ایجنسی کا اوزار بن سکتا ہے (Papert کو آگے بڑھاتے ہوئے)، جس کے لیے ہمیں جانچ پر نئے سرے سے سوچنا اور زیادہ مبہم نتائج قبول کرنا ہو گا۔ جیسا کہ Mishra et al. نتیجہ اخذ کرتے ہیں، ادارہ جاتی قوتیں بار بار ایسے طریقوں کو ترجیح دیتی ہیں جو موجودہ ڈھانچوں کو مضبوط کرتے ہیں — اور ہماری چنی ہوئی زبان اور استعارے آئندہ امکانات کی تشکیل کریں گے۔ Rismanchian & Doroudi کا AI×Ed فریم ورک اِس وجدان کو تجرباتی بنیاد دیتا ہے: AIED کی کارروائیوں (1985، 1993، 2021، 2024) اور IJAIED (2004، 2014، 2021) کے مقالات کو دو محوروں پر رکھ کر — AI کا کردار (اطلاقی اوزار بمقابلہ انسانی ذہانت سے تشبیہ) اور آخری صارف — وہ ایسے میدان کا نقشہ کھینچتے ہیں جو متنوع آمیزے سے، جس میں انسانی ذہانت سے تشبیہ کے طور پر AI استعمال کرنے والی کافی ابتدائی تحقیق شامل تھی (سیکھنے کے کمپیوٹیشنل ماڈل، Papert کے مائیکرو ورلڈز، علم کے حصول کے ایجنٹ پر مبنی ماڈل)، 2000 کی دہائی تک تقریباً مکمل طور پر اطلاقی، اوزاری استعمال کی طرف سرک گیا۔ قابلِ ذکر بات یہ ہے کہ جنریٹو-AI دور اِس رجحان کو جزوی طور پر اُلٹتا دکھائی دیتا ہے: AIED 2024 میں میدان کے "AI-بطور-تشبیہ" چوتھائی حصے کے چار میں سے تین مقالات LLM پر مبنی تھے، بشمول LLM پر مبنی قابلِ تعلیم ایجنٹس پر بہترین مقالے کے۔

جنریٹو AI کا حالیہ اثر

جنریٹو AI کی آمد — ایک وسیع خاندان جس میں بڑے لسانی ماڈل (متن)، نیز تصویر، آڈیو اور ویڈیو جنریٹر شامل ہیں — میدان کی بنیاد رکھنے کے بعد سے AIED کی تاریخ کا سب سے اہم موڑ ہے۔ LLMs اِس خاندان کے سب سے نمایاں رکن اور بیشتر کلاس روم اثر کے محرک ہیں، مگر مجموعی طور پر جنریٹو AI (جو نیا متن، تصاویر، آواز اور کوڈ پیدا کر سکتا ہے) تعلیم کو نئے سرے سے تشکیل دینے والی وسیع تر قوت ہے۔ اِسے صاف وقفے کے بجائے AIED کی تاریخ کے پس منظر میں سمجھنا بہتر ہے۔ کئی خصوصیات جنریٹو-AI دور کو ممتاز بناتی ہیں:

پیمانہ اور رسائی۔ پچھلی دہائیوں کے علمی ٹیوٹرز اور ITS کے برعکس، جو کنٹرول شدہ لیب اور کلاس روم کے ماحول میں کام کرتے تھے، LLMs اجرا کے چند مہینوں میں کروڑوں طلبہ اور اساتذہ تک پہنچ گئے، اور روزمرہ کی تحریر، ہوم ورک اور تدریس میں تقریباً فوراً داخل ہو گئے۔ GenAI کی بحث بے مثال رفتار سے ماہر جرائد سے کلاس روموں، بورڈ روموں اور مقننہ تک پہنچ گئی۔

ایک نئی قسم کی صلاحیت۔ پہلے کے AIED نظام ادراک کی نقل کرتے اور منظم تدریس فراہم کرتے تھے (Anderson کی روایت)۔ LLMs کھلی، غیر مقررہ تخلیق کرتے ہیں — مضامین، وضاحتیں، کوڈ اور مکالمہ — جو طالب علم کی ایجنسی اور تخلیقیت (Papert کی روایت) کو اُس طرح سامنے لاتا ہے جو پہلے کے ITS نہیں کر سکتے تھے۔ یہی وجہ ہے کہ موجودہ لمحہ کنٹرول-بمقابلہ-ایجنسی تناؤ کو اِتنی تیزی سے دوبارہ بھڑکاتا ہے: ایک ہی ٹول اگلی نسل کے ذہین ٹیوٹر کے طور پر تعینات ہو سکتا ہے (نتائج کو کنٹرول کرتے ہوئے) یا تخلیقی شریک مصنف اور سوچ کے ساتھی کے طور پر (ایجنسی کو بڑھاتے ہوئے)۔

رسائی کی مساوات کا اُلٹنا۔ تاریخی طور پر ذاتی نوعیت کی ٹیوٹرنگ نایاب اور مہنگی تھی؛ GenAI نے موافق یک بہ یک معاونت کو تقریباً مفت اور عالمگیر بنا دیا — اور اُن رسائی اور لاگت کی رکاوٹوں کو ڈرامائی طور پر کم کیا جنہوں نے پہلے کے AIED کی شکل دی تھی۔ مگر اِس نے نئے خطرات بھی متعارف کرائے: الگورتھمی تعصب، ہیلوسینیشن، نگرانی، ڈیٹا جمع کرنا، اور اساتذہ کی مہارت کا کٹاؤ۔

AI خواندگی اور غلط استعمال پر تجدید شدہ تشویش۔ جنریٹو-AI دور نے مصنوعی ذہانت کی لیٹریسی کو فوری ضرورت بنا دیا اور علمی سالمیت کی بحثوں کو نئے سرے سے ترتیب دیا (پہچان بمقابلہ مکالمہ)، ساتھ ہی خودکاری، معیار بندی اور علمی انحصار کے بارے میں دیرینہ تحفظات کو زندہ کیا۔ یہ میدان کے اصل تناؤ کے جدید اظہار ہیں۔

زمانہ مرکزیت کا خطرہ۔ جیسا کہ Mishra et al. خبردار کرتے ہیں، جنریٹو AI کے گرد ہائپ میں اکثر تاریخی شعور کی کمی ہوتی ہے، جس سے ٹیک ایوینجلسٹ گفتگو پر غلبہ پا لیتے ہیں۔ یہ سمجھنا کہ آج کی GenAI بحثیں Anderson–Papert تقسیم اور 1955 کے سائبرنیٹکس نام کے فیصلے کی بازگشت ہیں، ہمیں موجودہ کو ناگزیر سمجھنے کے بجائے سوچے سمجھے فیصلے کرنے میں مدد دیتا ہے۔ اصل سوال یہ نہیں کہ جنریٹو-AI ٹولز کیا کر سکتے ہیں، بلکہ یہ ہے کہ ہم اُن سے کیا کرانا چاہتے ہیں — اور یہ فیصلہ اِس بات سے تشکیل پاتا ہے کہ ہم کہاں سے آئے ہیں۔

مضمرات

  • ہائپ کو تاریخی طور پر پڑھیں۔ تسلیم کریں کہ AI کی ہر نئی لہر کو انقلابی قرار دیا جاتا ہے؛ تاریخی شعور تسلسل آشکار کرتا ہے اور گفتگو پر کارپوریٹ غلبے کے خلاف مزاحمت میں مدد دیتا ہے۔
  • ڈیزائن فیصلوں کو قدری فیصلے سمجھیں۔ تعلیم میں AI سے متعلق تکنیکی فیصلے سیکھنے کے مقصد کے بارے میں نظریاتی موقف سموئے رکھتے ہیں — اُنہیں سامنے لائیں اور اُن کی کھوج کریں۔
  • کنٹرول اور ایجنسی کو سوچ سمجھ کر تولیں۔ AI کو معیاری نتائج کی طرف بہتر بنانا چاہیے یا متنوع، طالب علم کی رہنمائی والے نتائج ممکن بنانے چاہئیں — یہ ایک حقیقی انتخاب ہے جس کے ادارہ جاتی اور سیاسی نتائج ہیں، تکنیکی معطی نہیں۔
  • طالب علم کی ایجنسی محفوظ رکھیں۔ معیار بندی اور کنٹرول کے خلاف، کھلے اور طالب علم-مرکوز طریقوں کے حق میں بار بار آنے والی مزاحمت ایک پائیدار دھار ہے جس کا دفاع کرنا چاہیے۔

عام غلط فہمیاں

"تعلیم میں AI کا آغاز ChatGPT سے ہوا۔" ایسا نہیں ہوا، اور یہ عقیدہ مہنگا ہے کیونکہ یہ ہر پہلے کے سبق کو پوشیدہ کر دیتا ہے۔ ذہین ٹیوٹرنگ 1960ء اور 70ء کی دہائی کے ہیورسٹک سرچ اور ماہر نظاموں کے کام سے ماخوذ ہے، اور AIED برادری بڑے لسانی ماڈل سے کئی دہائیاں پہلے اُس کے گرد قائم ہو چکی تھی۔ Mishra et al. دکھاتے ہیں کہ موجودہ بحثیں اُسی تقسیم کو دہرا رہی ہیں جو Anderson کے علمی ٹیوٹرز اور Papert کی تعمیریت میں پہلے ہی واضح تھی، چنانچہ جو قاری میدان کی تاریخ 2022 سے شروع کرے گا وہ اُن دلائل کو دوبارہ اخذ کرے گا جو میدان پہلے ہی طے کر چکا، ترک کر چکا یا ایک بار کھو چکا ہے۔

"میدان نے آہستہ آہستہ AI-بطور-تشبیہ کو ترک کر کے اطلاقی اوزار اپنائے، اور جنریٹو AI اِس رجحان کو جاری رکھتا ہے۔" یہ صفحے کی سب سے سبق آموز اصلاح ہے، کیونکہ رجحان حقیقی ہے مگر یکساں سمت میں نہیں۔ Rismanchian اور Doroudi کا AIED 1985، 1993، 2021 اور 2024 اور IJAIED 2004، 2014 اور 2021 کا مقامی تجزیہ واقعی یہ دکھاتا ہے کہ میدان مخلوط حالت سے 2000 کی دہائی تک تقریباً مکمل اطلاقی اوزاریت کی طرف سرکا۔ مگر AIED 2024 میں AI-بطور-تشبیہ چوتھائی حصے کے چار میں سے تین مقالات LLM پر مبنی تھے، بشمول LLM پر مبنی قابلِ تعلیم ایجنٹس پر بہترین مقالے کے۔ جنریٹو AI اِس رجحان کو جاری رکھنے کے بجائے جزوی طور پر اُلٹتا ہے، اِسی لیے اُسے "اگلا ذہین ٹیوٹر" سمجھنا غلط پڑھتا ہے کہ تحقیقی سرحد دراصل کدھر منتقل ہوئی ہے۔

"ذاتی نوعیت کا مطلب ہر طالب علم کے لیے مشکل کی سطح ڈھالنا ہے۔" یہ دو متضاد معنوں میں سے صرف ایک ہے، اور اِنہیں ملا دینا ایک سیاسی انتخاب کو چھپا دیتا ہے۔ پہلے معنی میں نتیجہ مقرر رہتا ہے اور صرف راستہ بدلتا ہے، اور یہ سلسلہ Skinner کی تدریسی مشینوں سے ہوتا ہوا مہارت-مبنی ٹیوٹرنگ تک جاتا ہے۔ دوسرے میں نتائج خود متنوع ہو جاتے ہیں، جب طلبہ معیاری نصاب کی قید سے آزاد ہو کر انفرادی دلچسپیوں کے پیچھے چلتے ہیں (Zhao, 2024)۔ ایک ITS پہلا معنی نافذ کرتا ہے؛ تعمیریت دوسرا۔ "ذاتی نوعیت کا" کہا جانے والا ٹول آپ کو کچھ نہیں بتایا جب تک آپ نہ جان لیں کہ اُس کا مطلب کون سا ہے۔

"'مصنوعی ذہانت' محض میدان کا واضح نام تھا۔" یہ اصطلاح ایک سوچا سمجھا انتخاب تھی۔ جب McCarthy نے 1956 کے Dartmouth منصوبے کی منصوبہ بندی کی، تو اُنہوں نے سائبرنیٹکس کے بجائے مصنوعی ذہانت کو ترجیح دی، جزوی طور پر کام کو Wiener کی اینالاگ فیڈبیک روایت سے الگ کرنے کے لیے۔ اُس ایک فیصلے نے مشینوں کو انسانی ادراک کے ساتھ براہِ راست موازنے میں رکھا، اور اُس نے جو انسان نما فریمنگ قائم کی وہ آج بھی تحقیقی ترجیحات، مصنوعات کی زبان اور عوام کے پوچھے گئے اخلاقی سوالات کی تشکیل کرتی ہے۔

عملی رہنمائی

مدرسین اور تدریسی ڈیزائنرز کے لیے

  • اپناتے وقت پہلے یہ نام دیں کہ آپ کا ٹول کس روایت سے تعلق رکھتا ہے۔ پوچھیں کہ یہ مقررہ نتائج کی طرف بہتر بناتا ہے یا طالب علم کی سمت کھولتا ہے، کیونکہ یہی جواب، فیچر فہرست نہیں، طے کرتا ہے کہ یہ آپ کے جانچ ڈیزائن کے ساتھ کیا کرے گا۔
  • ہر وینڈر دعوے میں "ذاتی نوعیت" کے لفظ کی کھوج کریں، اور اوپر بیان کردہ دو معنوں کی روشنی میں جواب حاصل کریں۔ وہ مصنوع جو رفتار کو مشترک معیار کی طرف بدلتی ہے اور وہ جو طلبہ کو مختلف سمتوں میں جانے دیتی ہے، ایک دوسرے کا متبادل نہیں ہیں۔
  • جب طلبہ GenAI کو بے مثال پیش کریں، تو تاریخ بذاتِ خود قابلِ تدریس مواد ہے۔ Anderson-Papert فریمنگ اُنہیں AI کے بارے میں صرف استعمال کرنے کے بجائے بحث کرنے کی الفاظ فراہم کرتی ہے۔

ڈویلپرز کے لیے

  • انٹرفیس کی زبان ایک ڈیزائن فیصلہ ہے جس کا ایک نسب ہے۔ اپنے نظام کو "AI ٹیوٹر" کہنا Anderson کی فریمنگ اور معیاری نتائج کی طرف بہتر بنانے کی توقع ورثے میں لیتا ہے؛ اُسے "مائیکرو ورلڈ" یا "سیکھنے کا ماحول" کہنا Papert کا۔ کوئی بھی غیر جانبدار نہیں، چنانچہ سوچ سمجھ کر چنیں۔
  • اگر آپ تشبیہ کی روایت میں تعمیر کر رہے ہیں (سیکھنے کے ماڈل، قابلِ تعلیم ایجنٹس، علم کے حصول کی سمولیشن)، تو یہ بتائیں۔ وہ چوتھائی حصہ دو دہائیوں تک تقریباً خالی رہا اور اب دوبارہ آباد ہو رہا ہے؛ یہ مقام ایک امتیاز ہے اور جانچ کے معیار مختلف ہیں۔

محققین کے لیے

  • تاریخی ذخیروں کو بنیاد کے طور پر استعمال کریں، موجودہ کو واحد دستیاب موازنہ سمجھنے کے بجائے۔ AIED کی 1985، 1993، 2021 اور 2024 کی کارروائیاں اور IJAIED کے 2004، 2014 اور 2021 کے شمارے میدان کے اپنے دعوؤں کا تیار طویل مدتی نمونہ ہیں۔
  • نیا پن کا دعویٰ کرتے وقت نسب کا حوالہ دیں۔ یہ دعویٰ کہ کوئی نظام "سیکھنے کو ذاتی نوعیت دیتا ہے" یا "طالب علم کا ماڈل بناتا ہے" صرف کسی مخصوص سابقہ روایت کے مقابلے میں نیا ہوتا ہے، اور وہ روایت دستاویزی ہے۔

منسلک تصورات

منسلک مضامین

میٹا ڈیٹا

سیکھنا اور استادیتعمیریت, سیکھنے کے نظریے
ٹیکنالوجیز اور طریقےجنریٹو AI, ذہین ٹیوٹرنگ
تعلیم میں AI کی بنیادیںسیکھنے والے کی ایجنسی, تعلیم میں مصنوعی ذہانت, تعلیم میں AI کی تاریخ
ذریعہتاریخچہترمیم کریںگفتگو

اس صفحے کو ایمبیڈ کریں

نیچے دیا گیا کوڈ نقل کریں تاکہ اس صفحے کو کسی سیکھنے کے انتظامی نظام یا دوسری ویب سائٹ پر ایمبیڈ کری سکیں۔ ایمبیڈ شدہ نسخہ صرف صفحے کا مواد دکھاتا ہے — یہ سائٹ کا ہیڈر، نیویگیشن اور فوٹر چھپا دیتا ہے۔