استعارے اور تشبیہات

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

ترکیب: استعارے اور تشبیہات AI تعلیم میں دو کام کرتے ہیں۔ وہ معنی سازی کے اوزار ہیں جن کے ذریعے اساتذہ اور طلبہ طے کرتے ہیں کہ AI کیا ہے (ایک اوزار، ایک معاون، ایک بلیک باکس، ایک اوریکل)، اور وہ تدریسی اوزار ہیں جو کسی مانوس ماخذی میدان کو کسی ناواقف ہدفی تصور پر نقش کرتے ہیں۔ اِس نالج بیس کی تحقیق بتاتی ہے کہ یہ دو کام جڑے ہوئے ہیں: لوگ جو استعارے تھامے رکھتے ہیں وہ طے کرتے ہیں کہ وہ AI سے کیا توقع رکھتے ہیں، کون سی خصوصیات نوٹ کرتے ہیں، اور اُس پر بھروسہ کرتے ہیں یا ڈرتے ہیں۔ ساختی نقشہ بندی کی یہی منطق بتاتی ہے کہ کوئی تشبیہ کسی تکنیکی خیال کو یادگار کیوں بنا سکتی ہے اور خاموشی سے اُسے غلط بھی کیوں پیش کر سکتی ہے۔ GenAI سے پیدا شدہ ناقص تشبیہ ایک چمکدار تشبیہ سے زیادہ کارآمد ہو سکتی ہے، جب طلبہ ماخذی میدان کو اِتنا اچھی طرح جانتے ہوں کہ نقشہ بندی کی جانچ کر سکیں اور اُسے درست کر سکیں۔ عملی سبق یہ ہے کہ استعارے اُس خصوصیت کے مطابق چنیں جو پڑھائی جا رہی ہے، ساختی مطابقت اور ثقافتی رسائی جانچیں، اور موازنے کو حتمی وضاحت کے بجائے تنقید کی شے سمجھیں۔ ثبوت زیادہ تر معیاری، تصوراتی اور چھوٹے پیمانے کا ہے؛ میدان کے پاس اِس بات کا بہت کم سببی ثبوت ہے کہ استعارے پر مبنی تدریس سیکھنے کو بہتر بناتی ہے۔

غور کرنے کے لیے سوالات

• جب آپ احتیاط نہیں برت رہے ہوتے تو جنریٹیو AI کے لیے کون سا استعارہ استعمال کرتے ہیں، اور وہ استعارہ کس چیز کو دیکھنا آسان یا نظر انداز کرنا آسان بناتا ہے؟
• کوئی مانوس تشبیہ کب طالب علم کو تکنیکی تصور سمجھنے میں مدد دیتی ہے، اور کب ایسی غلط فہمی بٹھا دیتی ہے جسے بعد کی ہدایت کو مٹانا پڑتا ہے؟
• کس کے ماخذی میدان مانوس شمار ہوتے ہیں؟ اگر کوئی تشبیہ کھیل، گیمنگ یا باورچی خانے کے کسی آلات پر منحصر ہو تو کون شامل ہے اور کون باہر؟
• کیا AI ٹیوٹر کو طلبہ کے لیے تشبیہات پیدا کرنی چاہئیں، یا طلبہ کو تنقید کے لیے تشبیہات دینی چاہئیں؟ جب تشبیہ طالب علم کی بتائی ہوئی دلچسپیوں کے مطابق بنائی جائے تو کیا بدلتا ہے؟
• یادگار تشبیہ ضروری نہیں کہ درست بھی ہو۔ آپ طلبہ سے کیا کرائیں گے تاکہ وہ دکھا سکیں کہ وہ فرق کر سکتے ہیں؟
• کون سا ثبوت آپ کو قائل کرے گا کہ استعارے پر مبنی سبق نے AI خواندگی بہتر کی، نہ صرف سبق کو زیادہ دلچسپ بنایا؟

تعارف

استعارہ کہتا ہے کہ ایک چیز دوسری ہے: AI ایک بلیک باکس ہے، ایک مددگار، ایک آئینہ، ایک نقشہ۔ تشبیہ عموماً موازنے کو زیادہ واضح کرتی ہے: منسلک فہرست زنجیر کی طرح کام کرتی ہے، تکرار اندر خانوں والے مجموعے کی طرح، یا AI کا استعمال تھرمومکس کے ساتھ کھانا پکانے جیسا ہے۔ دونوں عملی طور پر ایک دوسرے میں گھل مل جاتے ہیں۔ دونوں سیکھنے والے سے کہتے ہیں کہ وہ کسی مانوس ماخذی میدان سے ایسے ہدفی میدان میں رشتے لے کر جائے جو کم مانوس ہو، اور دونوں گمراہ کن بن جاتے ہیں جب نقشہ بندی کو اُن رشتوں سے آگے بڑھایا جائے جو وہ واقعی محفوظ رکھتی ہے۔

یہ بات اِنہیں محض بیان کی آرائش سے زیادہ بنا دیتی ہے۔ تصوراتی استعارے کی تحقیق استعارے کو صرف زبان نہیں، سوچ کی ساخت سمجھتی ہے: لوگوں کو دستیاب موازنے یہ طے کرتے ہیں کہ کسی نظام کے کون سے پہلو نمایاں محسوس ہوں اور کون سی وضاحتیں فطری لگیں۔ AI تعلیم میں داؤ عملی ہے۔ جو طالب علم LLM کو سرچ انجن کے طور پر دیکھتا ہے وہ توقع کر سکتا ہے کہ یہ محفوظ حقائق نکالے گا اور من گھڑت حقائق تلاش نہیں کرے گا۔ جو فیکلٹی رکن اُسے ایک ترقی یافتہ طالب علم سمجھتا ہے وہ ایسا فیصلہ اور موضوعی مہارت توقع کر سکتا ہے جو ماڈل کے پاس نہیں۔ "قدرتی آفت" یا "حریف" کے گرد بنی پالیسی بحث "الفاظ کا کیلکولیٹر" کے گرد بنی بحث سے مختلف ردعمل کو سہارا دیتی ہے۔

یہ صفحہ اُس دوہرے کردار کے دونوں رخوں کا احاطہ کرتا ہے: استعارہ بطور ایسی کھڑکی جو دکھاتی ہے کہ اساتذہ اور طلبہ AI کو کیسے سمجھتے ہیں، اور تشبیہ بطور تدریسی تکنیک، AI خواندگی اور AI سے پیدا شدہ وضاحتوں میں۔ یہ فیکلٹی اور طلبہ کے تصورات، کلاس روم کے استعارہ ورکشاپس، GenAI سے پیدا شدہ تشبیہات، تشبیہ پر مبنی تدریسی ڈیزائن، اور تنقیدی AI خواندگی کے کام کو جوڑتا ہے۔ یہ "استعارہ" اور "تشبیہ" کو بالکل ہم معنی نہیں سمجھتا، مگر اِنہیں ساتھ رکھتا ہے کیونکہ ڈیزائن کے مسائل مشترک ہیں: ماخذ کا انتخاب، ساختی مطابقت، ثقافتی رسائی، اور تنقید۔

استعارے اور تشبیہات کیوں اہم ہیں

نظریاتی نقطۂ آغاز تصوراتی استعارہ نظریہ ہے، جو Lakoff اور Johnson سے منسوب ہے۔ اُس کا مرکزی دعویٰ یہ ہے کہ لوگ تجریدی میدانوں کو زیادہ ٹھوس میدانوں سے نقشہ بندی کے ذریعے سمجھتے ہیں، اور یہ نقشہ بندیاں اِتنی مانوس ہو سکتی ہیں کہ وہ موازنے لگنے ہی بند ہو جائیں۔ "زندگی کا سفر" صرف بولنے کا طریقہ نہیں؛ یہ سمت، پیش رفت، رکاوٹوں اور منزلوں کے بارے میں مفروضات ساتھ لاتا ہے۔ یہی بات "AI معاون" یا "AI بلیک باکس" پر بھی لاگو ہوتی ہے۔

تعلیم کے لیے مفید نتیجہ یہ ہے کہ استعارہ کسی تعریف پیش کرنے سے پہلے تصوراتی کام کر سکتا ہے۔ یہ سیکھنے والوں کو کھڑے ہونے کی جگہ دیتا ہے۔ یہ ایجنسی کا پورا نظریہ بھی ساتھ لا سکتا ہے: "معاون" کا مطلب کنٹرول رکھنے والا صارف ہے، "ایجنٹ" کا مطلب پہل کاری، اور "بلیک باکس" کا مطلب یہ کہ وضاحت ناممکن یا غیر ضروری ہے۔ یہ غیر جانبدارانہ توصیفیں نہیں ہیں۔ یہ ذمہ داری تقسیم کرتی ہیں اور بھروسے کی توقعات طے کرتی ہیں۔

تشبیہات ایک دوسری تہہ جوڑتی ہیں: ساختی مطابقت۔ اچھی تدریسی تشبیہ وہ رشتے محفوظ رکھتی ہے جو ہدفی تصور کے لیے اہم ہیں، محض سطحی مشابہت نہیں۔ زنجیر منسلک فہرست کی وضاحت کر سکتی ہے کیونکہ دونوں میں نوڈ ترتیب سے جڑے ہوتے ہیں۔ خانوں کا اندر خانوں والا مجموعہ تکرار کی وضاحت کر سکتا ہے کیونکہ ہر سطح اُسی ساخت کا چھوٹا نسخہ رکھتی ہے۔ موازنہ ہمیشہ جزوی ہوتا ہے۔ تدریسی سوال یہ ہے کہ کیا محفوظ رکھے گئے رشتے وہی ہیں جن کی سیکھنے والے کو ضرورت ہے، اور کیا سیکھنے والا دیکھ سکتا ہے کہ نقشہ بندی کہاں رک جاتی ہے۔

یہی سوال اِس صفحے کو قابلِ وضاحت AI سے الگ کرتا ہے۔ قابلِ وضاحت AI پوچھتا ہے کہ کسی نظام کے فیصلوں کو متعلقین کے لیے قابلِ فہم کیسے بنایا جائے۔ تدریسی تشبیہ پوچھتی ہے کہ سیکھنے والا کسی عمل کا قابلِ استعمال ذہنی ماڈل کیسے بنا سکتا ہے۔ یہ وضاحت کہ ماڈل نے کسی طالب علم کو کیوں نشان زد کیا، اِس تشبیہ کے برابر نہیں کہ ماڈل متن کیسے پیدا کرتا ہے، اور کوئی ایک دوسرے کا متبادل نہیں۔

اساتذہ اور طلبہ AI کو کیسے بیان کرتے ہیں

نالج بیس کے پاس اب اُن استعاروں کی کئی کھڑکیاں ہیں جو لوگ واقعی استعمال کرتے ہیں۔ وہ کسی ایک تصویر پر متفق نہیں ہوتے، اور یہی بات کا حصہ ہے۔

Vallis، Wilson اور Casey (2025) نے طلبہ، ماہرینِ تعلیم اور تعلیمی معاون عملے کے ساتھ استعارہ تجزیے کی ورکشاپس چلائیں۔ شرکاء کے استعارے چار وسیع زمروں میں جمع ہوئے: افعال (اوزار نما موازنے جیسے سوئس آرمی چاقو)، کردار (انسان نما رشتے جیسے مددگار، مطالعے کا ساتھی، یا دوست دشمن)، کیفیات (ناقابلِ بھروسہ یا ناقابلِ شناخت موازنے جیسے بلیک باکس یا پھسلتی ڈھلوان)، اور ایجنسی (خودمختار یا خطرہ نما موازنے جیسے حریف یا کوئی خبیث روبوٹ)۔ پورے مجموعے میں دو کشیدگیاں چلتی رہیں: انسانی بمقابلہ مشینی ایجنسی، اور معلوم بمقابلہ ناقابلِ شناخت۔ ورکشاپ نے اِن کشیدگیوں کو حل نہیں کیا۔ اُس نے اِنہیں بحث کے لیے دستیاب بنایا، اور استعارے پر مبنی مداخلت حقیقت میں اِتنا ہی کر سکتی ہے۔

Gerhardt اور ساتھیوں (2026) نے مختلف شعبوں اور یونیورسٹیوں کے 57 انجینئرنگ اساتذہ کے انٹرویو کیے اور اُن تشبیہات کا تجزیہ کیا جو اُنہوں نے خود پیش کیں۔ اساتذہ نے جنریٹیو AI کو زیادہ تر یا تو انسان نما سماجی وجود یا ایجنٹ (ایک معاون، ایک پی ایچ ڈی طالب علم) کے طور پر دیکھا، یا تکنیکی شے (ایک سرچ انجن، ایک اوزار) کے طور پر۔ چند ہی نے اُسے ماحولیاتی یا نظامی قوت کے طور پر دیکھا۔ مصنفین جوابات کو پانچ جہتوں میں ترتیب دیتے ہیں: وجودیات، علمِیات، عمل، تعلق، اور طاقت یا صلاحیت۔ اُن کی فکر یہ نہیں کہ اساتذہ استعارے استعمال کرتے ہیں، بلکہ یہ کہ ایک ہی شعبے کے ساتھی ایسے استعارے تھامے رکھ سکتے ہیں جو ایک دوسرے سے مطابقت نہیں رکھتے، جبکہ وہ یہ سمجھتے ہوں کہ اُن کی زبان مشترک ہے۔ یہ بات استعارہ ابھارنے کو کلاس روم کی تکنیک کے بجائے فیکلٹی ڈویلپمنٹ کا تشخیصی اوزار بنا دیتی ہے۔

طلبہ بھی ایسی ہی وسعت دکھاتے ہیں۔ Bohmer اور ساتھیوں (2026) نے پایا کہ طلبہ GenAI کو سماجی اداکار، تکنیک، سیکھنے کا مواد، یا ساخت کے طور پر تصور کرتے ہیں، اور سماجی جذباتی اور تکنیکی فریم دونوں نمایاں ہیں۔ Kudina (2026) انجینئرنگ طلبہ کے غالب فریموں کو LLM کا "اوریکل" اور "ٹیوٹر" بتاتے ہیں، اور دونوں اُس سے زیادہ اختیار اور شخصی سازی منسوب کرتے ہیں جو اوزار قابلِ اعتماد طور پر فراہم کرتا ہے۔ Stillman اور ساتھیوں (2026) ایک طالب علم کی "فیڈبیک کی وینڈنگ مشین" کو چمکدار ٹیوٹر الفاظ سے زیادہ کارآمد خواندگی کی شے سمجھتے ہیں، کیونکہ وہ لین دین کو دکھاتی ہے: کام ڈالیں، پیداوار لیں، نہ کوئی رشتہ نہ کوئی ایجنسی۔

سب جہتوں میں مشترک دریافت یہ ہے کہ استعارہ توقع کی تشخیص ہے۔ جو طالب علم LLM کو اوریکل کہتا ہے وہ محض کوئی رنگین لفظ استعمال نہیں کر رہا۔ یہ لیبل بتاتا ہے کہ ماڈل کے غلط ہونے پر طالب علم کیا کرے گا، اور تصدیق کے بارے میں کیا مانے گا۔ جو فیکلٹی رکن اُسے سرچ انجن کہتا ہے وہ محض غیر واضح نہیں ہو رہا۔ یہ لیبل بتاتا ہے کہ وہ طلبہ سے اُس کے ساتھ کیا کرائے گا۔ اسی لیے تعلیمی ترقی کے پروگرام پالیسی یا جائزے کی نئی تشکیل سے پہلے استعارہ ابھارنے کا استعمال کر سکتے ہیں، اور اسی لیے انجینئرنگ تعلیم اور کمپیوٹر سائنس تعلیم کو ایک ادارے کی سطح کی تعریف کے بجائے شعبے کے مخصوص مکالمے چاہیے۔

ایک فلسفیانہ دھارا استعارے کو ایک مختلف سمت دھکیلتا ہے: Xie (2026) الگورتھم سے چلنے والے سیکھنے والے کے متقابل نمونے کے طور پر "Zhenren" تجویز کرتے ہیں، اور اُس تصویر کو تکنیکی عمل کی وضاحت کے بجائے تعلیمی مقاصد پر بحث کی صورت سمجھتے ہیں۔

تشبیہ بطور تدریسی تکنیک

کارپس میں کلاس روم کا سب سے مضبوط ثبوت کمپیوٹنگ تعلیم میں تشبیہ کے استعمال سے آتا ہے۔ Bernstein اور Sibia (2026) نے انڈرگریجویٹ طلبہ کو منسلک فہرستوں اور تکرار کے لیے GenAI سے پیدا شدہ تشبیہات دیں، پھر اُن سے کہا کہ وہ اُن پر حاشیے لگائیں اور بحث کریں۔ طلبہ نے تشبیہات کو مجموعی طور پر اچھا یا برا نہیں ٹھہرایا۔ اُنہوں نے ساختی درستگی، وضاحت، مناسبت اور بھروسہ الگ الگ کیے، اور مخصوص ناکامیوں کے نام لیے: گھومتا راستہ دائرہ دار فہرست کو بیان کرتا ہے، یک طرفہ منسلک فہرست کو نہیں؛ بیڈمنٹن کی ریلی میں تکرار کے لیے کوئی یقینی سکڑتا ہوا ان پٹ نہیں؛ اور دلچسپی پر مبنی حوالہ ایسا علم فرض کر سکتا ہے جو طالب علم کے پاس نہیں۔

مقالے کا حصہ دو طرفہ تشبیہ جانچ کا خیال ہے۔ ہدفی تصور کا علم طالب علم کو بتاتا ہے کہ تشبیہ کو کون سے رشتے محفوظ رکھنے ہیں۔ ماخذی میدان کا علم بتاتا ہے کہ ماخذ میں واقعی وہ رشتے ہیں یا نہیں۔ سب سے تیز جانچنے والے ہمیشہ وہ طلبہ نہیں تھے جن کی دلچسپیوں سے تشبیہ میل کھاتی تھی۔ وہ طلبہ تھے جو ماخذی میدان کو اِتنا جانتے تھے کہ اُس کا معائنہ کر سکیں۔ اِس کا ایک ڈیزائن نتیجہ ہے: مانوس ماخذ طالب علم کو وصول کرنے والے سے ماہر جانچنے والے میں بدل سکتا ہے۔ مصنفین ناقص تشبیہات کو چھانٹنے کے بجائے اُنہیں معائنہ اور مرمت کی شے کے طور پر دینے کی سفارش کرتے ہیں۔ ناقص تشبیہ ایک پیداواری مشکل بن جاتی ہے۔

یہ دریافت اُس معمول کے مفروضے کو پیچیدہ کرتی ہے کہ AI سے پیدا شدہ وضاحتیں طلبہ کے سامنے آنے سے پہلے چمکدار ہونی چاہئیں۔ صاف ستھری تشبیہ بھی غلط نقشہ بندی رکھ سکتی ہے، اور ناقص تشبیہ زیادہ سبق آموز ہو سکتی ہے اگر کام تنقید کا ہو۔ اہم شرط یہ ہے کہ طلبہ کے پاس اِتنا ہدفی علم ہو کہ وہ جان سکیں کہ تشبیہ کو کیا محفوظ رکھنا چاہیے، اور اِتنا ماخذی علم ہو کہ وہ جانچ سکیں کہ ایسا ہے یا نہیں۔ اِن دونوں میں سے کسی کے بغیر تشبیہ غلط وجہ سے یادگار رہ سکتی ہے۔

ANVIL پیدا کرنے کا رخ دکھاتا ہے۔ یہ کسی تصور کی تعریف لیتا ہے، متنی تشبیہ پیدا کرتا ہے، اُسے اسکرین پلے میں ترتیب دیتا ہے، اینیمیشن کوڈ بناتا ہے، اور ایک محدود چکر میں ناکامیوں کی مرمت کرتا ہے۔ نظام کا جائزہ کمپیوٹر سائنس کے اساتذہ کے ساتھ لیا گیا، جنہوں نے زیادہ تر تشبیہات کو مناسب درجہ دیا اور اوزار کو ابتدائی سبق کی منصوبہ بندی کے لیے تخلیقی ساتھی کے طور پر اہمیت دی۔ مصنفین نے یہ بھی پایا کہ استاد کا کنٹرول، ترمیم کی صلاحیت اور تدریسی مطابقت خام پیداوار کے معیار سے زیادہ اہم تھے۔ ANVIL یاد دلاتا ہے کہ AI سے پیدا شدہ تشبیہ ایک امیدوار شے ہے، حتمی وضاحت نہیں: استاد کو ابھی بھی طے کرنا ہے کہ نقشہ بندی ساختی طور پر درست ہے یا نہیں اور کلاس کے لیے مناسب ہے یا نہیں۔

Rummel، Nachtigall اور Panadero خود دلیل کے طور پر تشبیہ استعمال کرتے ہیں۔ تھرمومکس، ایک رہنمائی والا کھانا پکانے کا آلہ، تعلیم میں جنریٹیو AI جیسی دلچسپی اور تنقید دونوں ابھارتا ہے۔ کھانا پکانے کے منظرناموں کو سیکھنے کے منظرناموں پر نقش کر کے وہ بحث کو "کیا AI اچھا ہے یا برا" سے "کام کا کتنا حصہ سونپا جا رہا ہے، اور یہ سیکھنے والے کے ساتھ کیا کرتا ہے" کی طرف لے جاتے ہیں۔ تشبیہ ثبوت نہیں؛ یہ ڈیزائن کے تسلسل کو نمایاں کرنے کا اوزار ہے۔ تصوراتی مقالے میں یہ تشبیہ کا جائز استعمال ہے، مگر اِسے آزمودہ مداخلت نہ سمجھا جائے۔

Code as Anchor ایک ڈیزائن انتباہ جوڑتا ہے۔ طلبہ نے متعدد نمائندگیاں استعمال کیں، جن میں ایک استعاراتی منظر بھی تھا، مگر اپنی نگاہ کا زیادہ تر وقت کوڈ پر صرف کیا اور استعاراتی منظر پر بہت کم۔ بعض نے استعاراتی سہاروں کو بچگانہ یا کمزور طلبہ کے لیے سمجھا۔ جو استعارہ استاد کو روشن کرتا ہے، وہ طالب علم کو کم قابلیت کا نشان پڑھ سکتا ہے۔ جواز تدریسی افادیت کا حصہ ہے، الگ فکر نہیں۔

استعارہ بطور تنقیدی AI خواندگی

استعاروں کے ساتھ تدریس کا سب سے براہِ راست فریم ورک Roe، Perkins اور Furze (2025) سے آتا ہے۔ وہ تنقیدی AI خواندگی کو ایسے سمجھتے ہیں کہ AI نظام کیسے کام کرتے ہیں یہ سمجھا جائے، اور ساتھ ہی اُن کے سماجی، ماحولیاتی اور ثقافتی نتائج کا جائزہ بھی لیا جائے۔ 13 عام AI استعاروں کی فہرست سے شروع کر کے وہ کلاس روم کے لیے چار چنتے ہیں اور ہر ایک کو چار معیاروں پر جانچتے ہیں: رسائی، وضاحتی طاقت، تنقیدی AI خواندگی کی صلاحیت، اور تدریسی افادیت۔

وہ چار یہ ہیں:

• AI بطور تحریف کرنے والا آئینہ، پیدا شدہ پیداوار میں تحریف اور تعصب کے لیے۔
• AI بطور نقشہ، نمائندگی، انتخاب اور اِس بات کے لیے کہ کس کا علم شامل ہے۔
• AI بطور بازگشت کا کمرہ، فیڈبیک کے چکروں، فلٹر بلبلوں اور موجودہ نمونوں کی تقویت کے لیے۔
• AI بطور بلیک باکس، دھندلاہٹ اور وضاحت کی حدوں کے لیے۔

ہر ایک کے ساتھ ایک مختصر سرگرمی اور استاد کی سہولت والی بحث جڑی ہے۔ تحریف کرنے والے آئینے کا سبق طلبہ سے پرامپٹس میں تعصب جانچنے کو کہتا ہے؛ بازگشت کے کمرے کا سبق اُنہیں دکھاتا ہے کہ دہرائے گئے پرامپٹس اور محدود ڈیٹا نمونوں کو کیسے تقویت دیتے ہیں؛ نقشے کا سبق پوچھتا ہے کہ AI کی نمائندگی کیا شامل کرتی ہے اور کیا چھوڑ دیتی ہے؛ بلیک باکس کا سبق امکانی پیداوار استعمال کر کے پوشیدہ عمل کو دکھاتا ہے۔ مصنفین سرگرمیوں کو یونیسکو کے طلبہ کے لیے AI قابلیت کے فریم ورک سے جوڑتے ہیں، جو فریم ورک کو استعاروں پر بحث کی عمومی نصیحت کے بجائے نصاب سے جڑنے کا موقع دیتا ہے۔

فریم ورک کا سب سے اہم قدم استعاروں کو تنقید کی شے سمجھنا ہے۔ استعارہ اِس لیے کارآمد ہے کہ وہ جزوی ہے، اور وہ خطرناک ہو جاتا ہے جب اُسے مکمل پیش کیا جائے۔ تحریف کرنے والا آئینہ تحریف دکھاتا ہے مگر وہ الگورتھم نہیں جو اُسے پیدا کرتا ہے۔ نقشہ نمائندگی دکھاتا ہے مگر ایسی مربوط نیت کا اشارہ دے سکتا ہے جو نظام کے پاس نہیں۔ بلیک باکس دھندلاہٹ دکھاتا ہے مگر یہ نتیجہ ترغیب دے سکتا ہے کہ کچھ بھی جانا نہیں جا سکتا۔ سبق کا اختتام اِس سوال پر ہونا چاہیے کہ موازنہ کہاں ٹوٹتا ہے۔

یہی بات استعارے کے کام کو AI خواندگی سے زیادہ وسیع طور پر جوڑتی ہے۔ استعارہ ورکشاپ تکنیکی سبق سے پہلے مفروضات کو سامنے لانے کا کم ٹیکنالوجی والا طریقہ ہے۔ AI سے پیدا شدہ تشبیہ کی تنقید یہ جانچنے کا طریقہ ہے کہ طالب علم ہدفی تصور سمجھتا ہے یا نہیں۔ طالب علم کا اپنا استعارہ، جیسے وینڈنگ مشین، معیاری سروے کے سوال سے زیادہ کچھ بتا سکتا ہے۔ یہ سب AI کے بارے میں تنقیدی سوچ کی صورتیں ہیں، محض تخلیقی تحریر کی مشقیں نہیں۔

استعارے پر مبنی تدریس کی تشکیل

• تصویر سے نہیں، خصوصیت سے شروع کریں۔ طے کریں کہ طلبہ کو کیا سمجھنا ہے، پھر پوچھیں کون سا ماخذی میدان اُن رشتوں کو محفوظ رکھتا ہے جو اہم ہیں۔ غلط خصوصیت کی طرف اشارہ کرنے والا یادگار موازنہ سادہ وضاحت سے بدتر ہے۔
• شخصی سازی سے پہلے ساختی مطابقت جانچیں۔ دلچسپی کا موازنہ شمولیت بڑھا سکتا ہے، مگر یہ ضمانت نہیں کہ ماخذی میدان میں درست ساخت ہو۔ پہلے نقشہ بندی کی تصدیق کریں، پھر شخصی بنائیں۔
• ثقافتی رسائی کے لیے ماخذی میدان کی جانچ کریں۔ تحریف کرنے والے آئینے، نقشے، کھیل اور باورچی خانے کے آلات سب سیکھنے والوں کے لیے یکساں مانوس نہیں۔ پوچھیں کہ موازنہ کیا فرض کرتا ہے اور متبادل پیش کریں۔
• حدود کو واضح کریں۔ طلبہ سے کہیں کہ بتائیں کہ استعارہ کیا محفوظ رکھتا ہے، کیا بگاڑتا ہے، اور کیا نہیں سمجھا سکتا۔ تنقید ہی جانچا جانے والا سیکھنا ہے، اختیاری بحث نہیں۔
• متعدد جزوی استعارے استعمال کریں۔ تحریف کرنے والا آئینہ، نقشہ اور بازگشت کا کمرہ ساتھ رہ سکتے ہیں کیونکہ ہر ایک مختلف جہت روشن کرتا ہے۔ ایک ہی سب کو سمیٹنے والا استعارہ غلط فہمی بننے کے زیادہ امکانات رکھتا ہے۔
• تکنیکی وضاحت قریب رکھیں۔ تشبیہ کوئی موضوع کھول سکتی ہے، مگر اُسے تربیتی ڈیٹا، امکانی پیداوار، یا روانی والی پیداوار اور تصدیق شدہ علم کے فرق کی ہدایت کا متبادل نہیں بننا چاہیے۔
• سرگرمی کا جائزہ لیں، صرف شمولیت کا نہیں۔ کارپس ابھی نہیں دکھاتا کہ استعارے پر مبنی سبق AI خواندگی یا سیکھنے کے نتائج بہتر کرتے ہیں۔ سرگرمیوں کو آزمائشی ڈیزائن سمجھیں، اور ناپیں کہ طلبہ بعد میں کیا کر سکتے ہیں۔

عام غلط فہمیاں

• "یادگار استعارہ اچھا استعارہ ہوتا ہے۔" یادگاری وضاحتی طاقت نہیں ہے۔ طلبہ کوئی دلکش تشبیہ یاد رکھ سکتے ہیں اور پھر بھی اُس تصور کو غلط سمجھ سکتے ہیں جسے واضح کرنا مقصود تھا۔
• "استعارے غیر جانبدارانہ تمثیلیں ہیں۔" ہر استعارہ کچھ خصوصیات چنتا ہے اور کچھ چھپا دیتا ہے۔ انتخاب ایجنسی، بھروسے اور ذمہ داری کے بارے میں مفروضات ساتھ رکھتا ہے۔
• "AI سے پیدا شدہ تشبیہات استعمال کے لیے تیار ہوتی ہیں۔" پیدا شدہ تشبیہات ساختی طور پر غلط، ثقافتی طور پر تنگ، یا تدریسی طور پر نامناسب ہو سکتی ہیں۔ اُنہیں استاد کے جائزے یا طالب علم کی تنقید کے کام کی ضرورت ہے۔
• "اگر طلبہ کو تشبیہ پسند آئی تو اُنہوں نے تصور سیکھ لیا۔" شمولیت اور سیکھنا الگ نتائج ہیں۔ یہاں ثبوت کی بنیاد زیادہ تر معیاری ہے اور سیکھنے میں فائدہ ثابت نہیں کرتی۔

حدود اور ثبوت کے خلا

اِس نالج بیس کا لٹریچر ناہموار ہے۔ فیکلٹی اور طلبہ کے استعارہ مطالعات معیاری اور اکثر چھوٹے ہیں۔ انجینئرنگ فیکلٹی کا مطالعہ ایک ہی انٹرویو سوال کے جوابات کا تجزیہ کرتا ہے۔ پیشہ ورانہ بننے کا مطالعہ استعاروں کی گنتی کو تلاشی نوعیت کا سمجھتا ہے۔ کلاس روم کی تشبیہ کے مطالعے میں دس انڈرگریجویٹ ہیں اور شخصی سازی اور وضاحت کی شکل کے درمیان ایک خلل ہے۔ Roe وغیرہ کا فریم ورک تصوراتی ہے اور اُس کی سرگرمیاں طلبہ کے ساتھ نہیں آزمائی گئیں۔ ANVIL اساتذہ کے ساتھ نظام کا جائزہ ہے، سیکھنے کا مطالعہ نہیں۔

یہ بات کام کو بیکار نہیں بناتی۔ یہ دعووں کو مناسب طور پر متواضع بناتی ہے۔ استعارہ ابھارنا ایسے مفروضات سامنے لا سکتا ہے جو سروے چھوڑ دیتے ہیں۔ تشبیہ کی تنقید ساختی سمجھ کو نمایاں کر سکتی ہے۔ اچھی طرح چنا گیا استعارہ کلاس کو بحث کے لیے مشترکہ شے دے سکتا ہے۔ مگر میدان کو ابھی بھی ایسے مطالعات چاہیے جو استعارے پر مبنی تدریس کا عام تدریس سے موازنہ کریں، استعارے کی یادداشت کے بجائے منتقلی ناپیں، اور جانچیں کہ طریقہ ثقافتوں اور شعبوں میں سفر کرتا ہے یا نہیں۔

حد سے زیادہ دعوے کا خطرہ دونوں سمتوں میں حقیقی ہے۔ جو استاد استعارے کو مکمل وضاحت سمجھے وہ غلط فہمی بٹھا سکتا ہے۔ جو محقق استعارے کو محض آرائش سمجھے وہ ایسا طریقۂ کار کھو سکتا ہے جس سے طلبہ ذہنی ماڈل بناتے ہیں یا بنانے میں ناکام رہتے ہیں۔ پیداواری موقف یہ ہے کہ استعارے کو ایک ڈیزائن شدہ، جزوی اور قابلِ تنقید نمائندگی سمجھا جائے، اور یہ مطالعہ کیا جائے کہ سیکھنے والے اُس کے ساتھ کیا کرتے ہیں۔

منسلک تصورات

• مصنوعی ذہانت کی لیٹریسی — تنقیدی AI خواندگی اور استعارے پر مبنی تدریس کی چھتری۔
• تنقیدی سوچ — تشبیہ کی تنقید بطور ساختی استدلال کی صورت۔
• AI کے بارے میں غلط فہمیاں — ناقص تشبیہات بطور دیرپا غلط فہمیوں کے ماخذ۔
• طالب علم-AI تعامل — طلبہ AI کی وضاحتوں کی تشریح اور جانچ کیسے کرتے ہیں۔
• تدریسی ایجنٹ — وہ AI ٹیوٹر جو وضاحتیں یا تشبیہات پیدا کرتے ہیں۔
• سیکھنے کا ڈیزائن — تشبیہ پر مبنی مواد کا انتخاب اور ترتیب۔
• تعلیمی ترقی — فیکلٹی ڈویلپمنٹ میں استعارہ ابھارنا۔
• انجینئرنگ تعلیم — انجینئرنگ میں فیکلٹی اور طلبہ کے استعارے۔
• کمپیوٹر سائنس کی تعلیم — کمپیوٹنگ تعلیم میں تشبیہ کا استعمال اور تنقید۔
• علمی بوجھ اتارنا — اوزار اور معاون کے استعارے اور اُن کے خطرات۔
• اعتماد کی کیلیبریشن — انسان نما کردار اور غلط جگہ کا بھروسہ۔
• مساوات — کس کے ماخذی میدان مانوس شمار ہوتے ہیں۔
• تدریس — AI سے پیدا شدہ وضاحتوں پر استاد کا فیصلہ۔
• قابلِ وضاحت AI — نظام کی وضاحت بمقابلہ تدریسی تشبیہ۔
• طلبہ کی شمولیت — شخصی تشبیہات کے شمولیتی اثرات۔
• اعلیٰ تعلیم — اِس جھرمٹ کے زیادہ تر مطالعات کا میدان۔

منسلک مضامین

• Reflecting Reality, Amplifying Bias? Using Metaphors to Teach Critical AI Literacy — تنقیدی AI خواندگی سکھانے کے لیے چار استعارے اور معیار
• Flawed but Memorable: Student Critical Reception of Interest-Personalized GenAI Analogies in Computing Education — طلبہ GenAI سے پیدا شدہ تشبیہات کی جانچ کرتے ہیں اور ٹوٹی نقشہ بندیاں درست کرتے ہیں
• Fear and awe: Making sense of generative AI through metaphor — طلبہ، ماہرینِ تعلیم اور عملے کے ساتھ استعارہ تجزیے کی ورکشاپس
• It's Like "X": How Engineering Faculty Metaphors Construct (and Constrain) AI Understanding in Engineering Education — انجینئرنگ فیکلٹی کے استعارے AI کی سمجھ بناتے اور محدود کرتے ہیں
• Conceptualizations of GenAI and students' professionalization: Within the multi-layered environment of learning for higher education — GenAI اور پیشہ ورانہ سیکھنے کے بارے میں طلبہ کے استعاراتی تصورات
• With a Thermomix You Lose the Ability to Cook: A Kitchen Machine Analogy for Applications of Generative AI in Education — AI کے ساتھ کام کی حوالگی اور سیکھنے کے لیے باورچی خانے کی مشین کی تشبیہ
• ANVIL: Analogies and Videos for Lecturers — کمپیوٹنگ کے لیے AI سے پیدا شدہ تشبیہات اور تدریسی اینیمیشن
• Using AI in engineering education: a balancing act, driven by clear purpose — طلبہ کے "اوریکل" اور "ٹیوٹر" استعارے LLM کی صلاحیتوں سے آگے نکل جاتے ہیں
• Code as Anchor, Memory and Metaphor as Support: Learner Experiences with Multi-View Visualizations — استعاراتی بصری سہارے اور اُن کا جواز کا مسئلہ
• Dear Gemini: Agency, Peer Review, and Critical AI Literacies in Student Writing Ecologies — طالب علم کا "فیڈبیک کی وینڈنگ مشین" استعارہ بطور خواندگی کا ثبوت
• Alternative AI Philosophy: Daoism as Method for AI in Education — تعلیم میں AI کے متقابل استعارے کے طور پر "Zhenren"