انفارمیشن ٹیکنالوجی کی تعلیم

اس صفحے پر

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

انفارمیشن ٹیکنالوجی کی تعلیم — کمپیوٹنگ تعلیم کی وہ شاخ جو عملی ماہرین کو تیار کرتی ہے تاکہ وہ اُن سماجی-تکنیکی نظاموں کو چن، نصب، محفوظ، منتظم اور حکمرانی کر سکیں جو ادارے واقعی چلاتے ہیں، نہ کہ حساب کو بہ طورِ خود ایک علمی شعبہ پڑھیں۔ اُس کا قریبی پڑوسی، اور زیادہ تر سرحدی الجھن کا سبب، کمپیوٹر سائنس کی تعلیم ہے: کمپیوٹر سائنس کی تعلیم الگورتھم، پروگرامنگ اور رسمی بنیادوں پر مرکوز ہے، جبکہ IT کی تعلیم عملی تشکیل، سائبر سیکیورٹی، ڈیٹا و معلومات کے انتظام اور اِن نظاموں کی تنظیمی AI گورننس پر مرکوز ہے۔ جنریٹو AI اِس میدان تک دو بار پہنچتا ہے — ایک ایسی چیز کے طور پر جسے طلبہ کو جانچنا، محفوظ کرنا اور ضابطہ بند کرنا سیکھنا ہے، اور ایک ایسے اوزار کے طور پر جو اُنہیں ٹیوٹرنگ دیتا ہے، اُن کے سوالوں کی درجہ بندی کرتا ہے، اور خاموشی سے اُن پیشہ ورانہ راستوں کو نئے سرے سے لکھ دیتا ہے جن کے لیے اُنہیں تیار کیا جا رہا ہے۔

غور کرنے کے لیے سوالات

اگر AI اُن بناؤ-ناکام-ڈی بگ چکروں کو سمیٹ دے جو تاریخی طور پر IT کی مہارت پیدا کرتے تھے، تو نصاب کو کون سی بنیادی قابلیتیں جان بوجھ کر محفوظ رکھنی چاہئیں، اور کون سی اوزار کے حوالے کی جا سکتی ہیں؟
طلبہ اپنے ادارے کے قواعد جانتے ہیں اور پھر بھی نہیں بتا سکتے کہ اُن کا اپنا استعمال اُن کے مطابق ہے یا نہیں۔ کیا یہ رابطے کی ناکامی ہے، یا قاعدے پر مبنی اوزار اُس عمل کے لیے غلط دستہ ہے جو نجی طور پر ذاتی اکاؤنٹس پر ہوتا ہے؟
IT کی تعلیم کمپیوٹر سائنس، کاروبار اور پیشہ ورانہ تعلیم کے درمیان بیٹھی ہے۔ AI حکمرانی کی قابلیت کس کی ہونی چاہیے — ایک کورس کی، نصاب کی ایک لڑی کی، یا پروگرام کی سطح کے نتیجے کی؟
اگر ایک ٹرانسفارمر درجہ بند کرنے والا سیکھنے والوں کے اعلیٰ درجے کے سوالات کو تقریباً 79% درستگی کے ساتھ الگ کرتا ہے، تو کیا IT پروگراموں کو سوال پوچھنے پر تکوینی فیڈبیک خودکار بنانا چاہیے؟
GenAI کے بارے میں طلبہ کے زیادہ تر ذہنی نمونے بیانی اور سطحی ہیں۔ کیا یہ غیر مناسب استعمال کی پیش گوئی کرتا ہے، یا صرف اِس بات کی کہ طلبہ اُن فیصلوں کی وضاحت نہیں کر سکتے جو وہ درحقیقت درست کر رہے ہیں؟

تعارف

انفارمیشن ٹیکنالوجی کی تعلیم کمپیوٹنگ کا عملی بازو ہے۔ یہ لوگوں کو تربیت دیتی ہے کہ اداروں کے اندر نظام چلائیں — نیٹ ورک، ڈیٹا بیس، سیکیورٹی کی کارروائیاں، صحت کی معلومات کا انتظام، ای-گورنمنٹ خدمات — اور اُس کے فارغ التحصیل افراد کو عموماً صرف اکیڈمی ہی نہیں، پیشہ ورانہ ادارے اور آجر جانچتے ہیں۔ کمپیوٹر سائنس کی تعلیم کے مقابلے میں امتیاز تجزیے کی اکائی ہے۔ CS کی تعلیم پروگرام اور الگورتھم کو اپنا موضوع بناتی ہے؛ IT کی تعلیم تعینات شدہ نظام اور اُس کے بارے میں عملی ماہر کے فیصلے کو موضوع بناتی ہے۔ جہاں CS بحث کرتی ہے کہ AI کوڈ کی پیداوار پروگرامنگ کی مہارت کو گھساتی ہے یا نہیں، وہاں IT بحث کرتی ہے کہ AI کی خرابی کی نشان دہی تشخیصی مہارت کو گھساتی ہے یا نہیں، کیا AI کے لکھے پالیسی دستاویزات کسی پر لازم آتے ہیں، اور کیا فارغ التحصیل اُن ڈیٹا نظاموں کی حکمرانی کر سکتے ہیں جنہیں وہ چلاتے ہیں۔

ہمسایہ علمی شعبے مختلف طریقوں سے ہم پلہ ہیں۔ STEM تعلیم والدین زمرہ ہے اور اپنے اوزار بانٹتا ہے، مگر IT کی تعلیم زیادہ تر پیشہ ورانہ ماسٹرز یا عملی بیچلر ڈگری ہوتی ہے جس کے فارغ التحصیل ضابطہ بند کام کی جگہوں میں داخل ہوتے ہیں۔ کاروباری تعلیم انفارمیشن سسٹمز اور ای-گورنمنٹ پروگراموں کے ذریعے قریب ہے، جو اکثر IT نصاب کے ساتھ کورسز اور طلبہ بانٹتے ہیں۔ پیشہ ورانہ تعلیم و تربیت دوسرا پیشہ ورانہ پڑوسی ہے: دونوں میدان عمل کے لیے تربیت دیتے ہیں، مگر پیشہ ورانہ پروگرام متعین پیشوں میں ٹیکنیشن کی سطح کی قابلیت کو نشانہ بناتے ہیں، جبکہ IT کی تعلیم تجریدی نظامی استدلال فرض کرتی ہے اور ایسے لوگ پیدا کرتی ہے جو حکمرانی کی دستاویزات لکھتے بھی ہیں اور اُن پر چلتے بھی ہیں۔ اعلیٰ تعلیم سطح کا نام دیتا ہے، میدان کا نہیں، اور اِس میدان پر توثیق اور تعمیل کی ایک سطح ہے — صحت کی معلوماتیات کی توثیق، طلبہ کے ہاتھ آنے والے ڈیٹا پر HIPAA اور FERPA کی ذمہ داریاں — جو طے کرتی ہے کہ کیا جائز نصاب گنایا جائے۔

اِس میدان میں AI کے بارے میں جو چیز امتیازی ہے وہ یہ ہے کہ ایک ہی ٹیکنالوجی نصاب کا مواد بھی ہے اور تدریس بھی۔ یکجا ثبوت ایک ہی بے آرام موضوع پر آ ملتے ہیں: IT کی تعلیم کا موجودہ AI ایجنڈا دیانت اور اوزار اپنانے پر غالب ہے، جبکہ حکمرانی، سیکیورٹی اور ڈیٹا اخلاقیات کی وہ قابلیتیں جو میدان کی اپنی کام کی جگہیں طلب کرتی ہیں، زیادہ تر اُن دستاویزات سے باہر دکھائی دیتی ہیں جو طلبہ کو واقعی ملتی ہیں۔

انفارمیشن ٹیکنالوجی کی تعلیم میں AI کیسے ظاہر ہوتا ہے

کھیل کے انداز میں سائبر سیکیورٹی کی تربیت۔ Li اور ساتھیوں نے کئی مختصر، موبائل کے لیے موزوں کھیل بنائے جو پاس ورڈ کی حفاظت سے لے کر متن اور فون کی دھوکہ دہی پہچاننے تک پھیلے ہیں، اور کوئز پر مبنی، بیانیے پر مبنی اور سمولیشن پر مبنی ڈیزائنوں کو TikTok Mini-Games جیسے متعامل سانچوں کے ساتھ جوڑا، کیونکہ روایتی ویڈیو تربیت کی شمولیت کم اور اثر محدود تھا (Security Education in Higher Education through AI-Powered Gamification)۔ 59 کالج طلبہ (9 تکنیکی ماہر، 50 عمومی صارف) کے ساتھ اُن کی دو سطحی جانچ شمولیت اور توجہ بہتر ہونے کا امکان رپورٹ کرتی ہے، سیکھنے کے ثابت شدہ فوائد کا نہیں۔
خود ضابطہ سیکھنے میں GenAI بہ طورِ سہارا یا شارٹ کٹ۔ آسٹریلیا کے 267 پوسٹ گریجویٹ IT طلبہ کے مخلوط طریقوں والے مطالعے نے سہارا دینے والی علمی بوجھ اتارنا (سیکھنے والے اہداف واضح کرتے ہیں، خیالات پیدا کرتے ہیں، فیڈبیک لیتے ہیں اور پھر اُس پر تنقید کر کے اُسے ڈھالتے ہیں، لہٰذا سیکھنے والے کی ایجنسی اُن کے پاس رہتی ہے) کو متبادلانہ منتقلی (پیداوار کم سے کم تصدیق کے ساتھ قبول کی جاتی ہے، قابو اوزار کی طرف منتقل ہو جاتا ہے) سے الگ پہچانا (Scaffold or Shortcut? Postgraduate IT Students' Use of Generative AI and Self-Regulated Learning)۔ اعتماد نے رخ طے کیا: بااعتماد طلبہ نے ہدف مقرر کرنے اور نگرانی میں خود مختاری برتی، جبکہ کم بااعتماد ساتھیوں نے GenAI کو شارٹ کٹ یا بدعنوانی سمجھا۔ گروہ متفاوت تھا، یکساں AI خواندہ نہیں؛ مصنفین تجویز دیتے ہیں کہ طلبہ سے AI کی پیداوار کا جواز پیش کرنا یا اُسے ڈھالنا لازمی کیا جائے، بہ طورِ واضح سیکھنے کا ڈیزائن اقدام۔
پیشہ ورانہ عمل میں مہارت کے راستوں کا سمٹنا۔ IT پیشہ ور افراد کے چودہ نیم ساختہ انٹرویوز نے پایا کہ GenAI خرابی کی نشان دہی، اسکرپٹنگ اور نظام کی تصدیق میں ٹیوٹر جیسا رہنما بھی ہے اور سیڑھی چھوٹی کرنے والا اوزار بھی (Unanticipated Effects of Generative AI on Expertise Pathways and Performance Perception in System Administration)۔ ناواقف میدان میں تیز کارکردگی اُن بناؤ-ناکام-ڈیبگ چکروں سے نمائش کم کر دیتی ہے جو تاریخی طور پر مہارت بناتے تھے؛ AI کی معاونت والی رفتار ٹیم اور خود کی توقعات کو بھی نئے سرے سے مقرر کرتی ہے، جس سے دو رفتار والی ثقافت اور پیداواریت کا احساسِ جرم پیدا ہوتا ہے۔ یہ مطالعہ میٹا کوگنیشن کے خرچ اور مہارت کے زوال کی کلاس روم کی فکریں کام کی جگہ پر سیکھنا اور کام کی جگہ پر سیکھنے میں لے جاتا ہے۔

جانچ اور IT میں AI کے استعمال کا طالب علم والا پہلو

سیکھنے والے کے سوالات بہ طورِ تشخیصی اشارے۔ Lee، Atif اور Kang نے 12 IT کورسز کے 434 اصلی طالب علم سوالات کو تین تعمیر پسند ہدایتی کرداروں میں درجہ بند کیا — علم منتقل کرنے والا، سہولت کار، اور ساتھی سیکھنے والا — اور انسان کو حل میں رکھنے والی نظرثانی کے ساتھ متفقہ لیبلنگ حاصل کی (Fleiss' kappa 0.60 سے 0.83 تک)، اور ذخیرے کو 582 متوازن سوالوں تک بڑھایا (Analysing AI utilisation in education through learner question types: A constructivist approach)۔ DeBERTa حقائق والے سوالات پر 86.36% درستگی اور 96.67% درستی کے ساتھ آگے رہا، مگر سہولت کار کی درستی 78.79% پر گر گئی، اور فائن ٹیون کیا گیا BERT ساتھی سیکھنے والے مدوں پر 92.00% بازیافت تک پہنچا مگر صرف 74.19% درستی کے ساتھ۔ غلطیاں کرداروں کے درمیان تصوراتی مشابہت، سیکھنے والے کی مبہم نیت، اور ڈومین کے الفاظ کو علمی گہرائی سمجھ لینے سے آئیں؛ مصنفین خبردار کرتے ہیں کہ اضافے نے لفظی شارٹ کٹ متعارف کرائے ہوں گے، اور 11 طلبہ کا، صرف IT تک محدود ذخیرہ ابھی دیگر میدانوں پر عام نہیں ہو سکتا۔
وسیع مگر سطحی ذہنی نمونے۔ لازمی ٹیکنالوجی-اخلاقیات کورس کے 86 انڈرگریجویٹس سے ملنے والے 64 قابلِ استعمال تصوراتی نقشوں سے پانچ اقسام ابھریں: تکنیکی عمل پر مبنی، تعلیمی اوزار پر مبنی، عبوری، نتائج سے باخبر، اور یکجا (Uncovering Students' Mental Models of Generative Artificial Intelligence)۔ ہر نقشے نے بیانی علم دکھایا، 25 نے طریقہ کار کا، 17 نے شرطی، اور صرف 9 نے تینوں کو یکجا کیا۔ تکنیکی اور سماجی-ضابطگی والے جھرمٹ بہت دور بیٹھے، جسے مصنفین مصنوعی ذہانت کی لیٹریسی اور اخلاقی شعور کے الگ الگ پروان چڑھنے سے پڑھتے ہیں؛ اُن کی دلیل ہے کہ دیانت پر مرکوز رہنما ہدایات طلبہ کے اوزار کو تصور کرنے کے صرف ایک پہلو کو چھوتی ہیں۔
قواعد معلوم، تعمیل غیر یقینی۔ بزنس انفارمیشن سسٹمز اور ای-گورنمنٹ پروگراموں کے 151 انڈرگریجویٹس کے سروے نے پایا کہ زیادہ تر طلبہ GenAI فعال طور پر استعمال کر رہے تھے مگر نصف سے زیادہ کو یقین نہیں تھا کہ اُن کا استعمال ادارے کے ضابطے کے مطابق ہے، اور ضابطگی سے آگاہی اور اصل برتاؤ کے درمیان تعلق صرف کمزور سے درمیانہ تھا، اور انحصار زیادہ تر ادارے کے اوزاروں کی بجائے نجی طور پر حاصل کیے گئے اوزاروں پر تھا (Knowing the Rules Is Not Enough: Student Regulatory Awareness and Use of GenAI in Higher Education)۔ قواعد جاننا طلبہ کے برتاؤ کی مضبوط پیش گوئی نہیں کرتا تھا۔

ادارہ جاتی پالیسی اور حکمرانی کا خلا

رہنمائی، پالیسی نہیں۔ صحت کی معلوماتیات اور صحت کی معلومات کے انتظام کے تمام 48 توثیق شدہ ماسٹرز پروگراموں کے ماحولیاتی جائزے نے پایا کہ 40 (83%) کے پاس کم از کم ایک عوامی طور پر دستیاب AI دستاویز تھی، مگر سب سے عام نمونہ مشورہ دینے والی رہنمائی (21، 53%) تھی، رسمی پالیسی (7، 18%) نہیں (Institutional approaches to artificial intelligence policy and guidance in health informatics and information management education: emerging trends and inconsistencies)۔ الفاظ پر تعلیمی دیانت غالب رہی (n = 139)، حوالہ (n = 59) اور جانچ (n = 50) سے آگے، جبکہ HIPAA (n = 5)، FERPA (n = 11)، منصفانہ رسائی (n = 2) اور افشا کی شرطیں (n = 1) تقریباً غائب تھیں، اور الیکٹرانک صحت کے ریکارڈ کا ذکر بالکل نہیں تھا۔ Latent Dirichlet Allocation نے دیانت، طلبہ کے GenAI استعمال، یونیورسٹی کے تحقیقی اوزاروں اور ChatGPT سے شمولیت کے چار موضوعات پیدا کیے۔ چونکہ صرف عوامی دستاویزات جانچی گئیں، مصنفین رازداری اور مساوات کی زبان کی عدم موجودگی کو شائع شدہ رہنمائی کے بارے میں نتیجہ سمجھتے ہیں، ادارے کے عمل کے بارے میں نہیں۔
مساوات کا اندھا دھبہ۔ شمولیت (n = 9)، رسائی (n = 9)، سہولیات (n = 4) اور منصفانہ رسائی (n = 2) اُن شرحیں ظاہر کرتے ہیں جن سے یہ دعویٰ نہیں کیا جا سکتا کہ مساوات پر کام ہوا ہے، حالانکہ کئی پروگرام کورس ورک میں AI کا استعمال لازمی کرتے ہیں۔ پیشہ ورانہ AI گورننس قابلیت کی کمزور گرفت کے ساتھ مل کر، یہ اُس ڈیزائن کا سب سے واضح کام ہے جو یہ مجموعہ کھلا چھوڑتا ہے: دیانت کے قواعد کو اُن رسائی، رازداری اور ڈیٹا حکمرانی کی شقوں سے جوڑنا جنہیں نافذ کرنے کی ذمہ داری اِن فارغ التحصیل افراد پر ہوگی۔

عام غلط فہمیاں

"انفارمیشن ٹیکنالوجی کی تعلیم وہی کمپیوٹر سائنس کی تعلیم ہے، بس زیادہ وینڈر اوزاروں کے ساتھ۔" سرحد مطالعے کا موضوع ہے۔ کمپیوٹر سائنس کی تعلیم الگورتھم، پروگرامنگ اور رسمی بنیادوں پر مرکوز ہے؛ IT کی تعلیم عملی تشکیل، سائبر سیکیورٹی، ڈیٹا و معلومات کے انتظام، اور سماجی-تکنیکی نظاموں کی تنظیمی حکمرانی پر مرکوز ہے۔ یہ فرق بدلتا ہے کہ AI ٹیوٹر کو کس چیز میں اچھا ہونا چاہیے: IT کا سیکھنے والا تعینات شدہ نظام کے ناکامی کے طریقوں کے بارے میں فیصلہ چاہتا ہے، حساب کے بارے میں ثبوت نہیں۔

"درجہ بند کرنے والا جو سوال کی اقسام پہچاننے میں کافی درست ہے، تکوینی فیڈبیک خودکار بنانے کے لیے بھی کافی درست ہے۔" مجموعی درستگی وہ فی صنف غلطی چھپا دیتی ہے جو اہم ہے۔ اِس صفحے کے حوالے دیے گئے موازنے میں DeBERTa 86.36% درستگی اور حقائق والے سوالات پر 96.67% درستی کے ساتھ آگے رہا، مگر سہولت کار کی درستی 78.79% پر گر گئی؛ فائن ٹیون کیا گیا BERT ساتھی سیکھنے والے مدوں پر 92.00% بازیافت پر پہنچا مگر صرف 74.19% درستی کے ساتھ۔ خودکاری اُن میں سے تقریباً ہر چوتھے کو غلط مداخلت کی طرف بھیجے گی — اور غلطیاں تدریسی لحاظ سے دلچسپ اصناف پر مرکوز ہیں، آسان اصناف پر نہیں۔

"زیادہ تر پروگراموں کے پاس AI دستاویز ہونا یعنی AI حکمرانی موجود ہے۔" صحت کی معلوماتیات اور صحت کی معلومات کے انتظام کے تمام 48 توثیق شدہ ماسٹرز پروگراموں کے ماحولیاتی جائزے میں 40 (83%) کے پاس کم از کم ایک عوامی طور پر دستیاب AI دستاویز تھی — مگر یہ نتیجہ رہنمائی کہلاتا ہے، پالیسی نہیں۔ سفارشات کا شائع شدہ مجموعہ حکمرانی کا طریقہ کار نہیں: وہ نہ ذمہ داری متعین کرتا ہے اور نہ بتاتا ہے کہ نظام ناکام ہونے پر کیا ہوگا۔

"جو طلبہ AI کی معاونت والے فیصلے کی وضاحت نہیں کر سکتے وہ AI کا غلط استعمال کر رہے ہیں۔" دوسری وضاحت یہ ہے کہ وہ ایسے فیصلے کی زبان میں وضاحت نہیں کر سکتے جو اُنہوں نے درست کیا۔ IT کے کام میں قابل عمل مشق بھری پڑی ہے جس کا جواز مضمر ہے، اور زبان سے محروم قابلیت کو بدعنوانی سمجھنا تدریسی ہدف کو نظم و ضبط کا مسئلہ سمجھ بیٹھنا ہے — اُسے وضاحت کی مشق درکار ہے، پالیسی نہیں۔

عمل کے لیے مضمرات

مدرسین کے لیے

کسی بھی فیڈبیک کی رہنمائی خودکار بنانے سے پہلے فی صنف درستی رپورٹ کریں، سرخی والی درستگی نہیں۔ سہولت کار کی درستی کا عدد ہی طے کرتا ہے کہ کتنے طلبہ کو غلط مدد ملے گی۔
وضاحت کو بذاتِ خود ایک قابلِ حوالگی نتیجہ سکھائیں، تاکہ زبان سے محروم قابلیت کو غلط استعمال سے الگ پہچانا جا سکے۔
ادارہ جاتی پالیسی پڑھتے وقت رہنمائی کو حکمرانی سے الگ پہچانیں، اور پوچھیں کہ پائپ لائن میں کوئی اوزار غلطی کرے تو جواب دہ کون ہے۔

ڈویلپرز کے لیے

سیکھنے والے کی صنف کے حساب سے کنفیوژن میٹرکس شائع کریں؛ حقائق والے سوالات پر مضبوط اور ساتھی سیکھنے والے کی شراکتوں پر کمزور ماڈل اشتراکی معاملات کو منظم طریقے سے چھوڑ دے گا۔
رہنمائی درجہ بند کرنے والے کو سہولت کار کا نائب نہ بنائیں۔ 74-79% درستی پر وہ چھانٹی کا سہارا ہے۔

پروگرام ڈیزائنرز کے لیے

وہ حکمرانی والی دستاویز بنائیں جو شعبے میں غائب ہے: نامزد ذمہ داری، نظرثانی کا وقفہ، اور واقعے کا راستہ۔ AI رہنمائی کی دستاویز توثیق کا سوال پورا کرتی ہے، جواب دہی کا نہیں۔

منسلک تصورات

منسلک مضامین

میٹا ڈیٹا

شعبہ	Information Technology, Cs Education
درجہ	Higher Ed, Adult Learning
مطلوبہ سامعین	Administrators, Curriculum Designers, Instructional Designers, Instructors, Learners, Policymakers
سیکھنا اور استادی	کام کی جگہ پر سیکھنا
ادارے اور پالیسی	AI گورننس
مساوات، اخلاق اور ذمہ دار استعمال	مساوات
تعلیم میں AI کی بنیادیں	علمی سالمیت, مصنوعی ذہانت کی لیٹریسی, علمی بوجھ اتارنا

ذریعہ تاریخچہ ترمیم کریں گفتگو