کھلی تعلیم

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

کھلی تعلیم — کھلے لائسنس والے مواد کے ساتھ پڑھانے کی تحریک اور مشق، اور وہ پیداگوجی جو طلبہ کو مواد کے صارف کے بجائے اُس کے پیدا کرنے والے سمجھتی ہے۔ اُس کی دو مصنوعات کھلا تعلیمی وسیلہ اور کھلا پیداگوجیکل اسائنمنٹ ہیں؛ اُس کا لائسنس وہ چیز ہے جو دوبارہ استعمال کو قانونی بناتا ہے، اور اُس کا دعوی یہ ہے کہ دونوں لاگت کم کرتے ہیں اور مصنفیت وسیع کرتے ہیں۔ جنریٹو AI اب تینوں پر دباؤ ڈالتا ہے: وہ مواد بنانے کی لاگت ڈھا دیتا ہے، وہ یہ الجھا دیتا ہے کہ ری مکس شدہ وسیلے کا مصنف کون ہے، اور وہ اداروں کو اُس کامنز کا سستا متبادل دیتا ہے جسے فنڈ کرنے کو اُن سے کہا گیا تھا۔

غور کرنے کے لیے سوالات

• اگر ایک ماڈل منٹوں میں کورس کا یونٹ لکھ سکتا ہے، تو پھر لائسنس، حوالہ دینے کا سراغ اور جائزے کا وہ عمل کس چیز کا جواز پیش کرتا ہے جو کھلے مواد کے ساتھ آتا ہے؟
• کوئی وسیلہ لائسنس کے لحاظ سے کھلا اور مشق میں بند ہو سکتا ہے: فائل ڈاؤن لوڈ ہو سکتی ہے مگر اُس کے گرد کورس ایسی لیب، ایسی زبان یا ایسا کنکشن فرض کرتا ہے جو طلبہ کے پاس نہیں۔ جب آپ اپنانے کی رپورٹ دیتے ہیں تو آپ کون سا کھلا پن ناپ رہے ہوتے ہیں؟
• کھلی پیداوگوجی طلبہ سے کہتی ہے کہ وہ اپنا کام شائع کریں۔ طالب علم جنریٹو ٹول سے جو بناتا ہے اُس کا مالک کون ہے، اُس کی اشاعت پر رضامندی کون دیتا ہے، اور غلط ہونے پر قیمت کون اٹھاتا ہے؟
• استاد کی AI خواندگی کھلی تدریسی مشق کی پیش گوئی کرتی ہے، مگر اداراتی معاونت بڑھنے کے ساتھ یہ تعلق کمزور ہوتا ہے۔ یہ اُلٹ پھیر اُن تربیتی پروگراموں کے بارے میں کیا بتاتا ہے جو یہ مفروضہ رکھتے ہیں کہ معاونت صرف مدد کرتی ہے؟
• اگر AI سے پیدا کردہ متن کاپی رائٹ کے قابل نہیں، تو کیا مشین کا لکھا ہوا نصابی کتاب خود بخود کھلا ہے، اور یہ OER کی عوامی فنڈنگ کی دلیل کے ساتھ کیا کرتا ہے؟

تعارف

کھلی تعلیم اوپن سورس نہیں ہے، اور یہ الجھن دونوں کو مہنگی پڑتی ہے۔ اوپن سورس کا تعلق اُن مصنوعات سے ہے جو ڈویلپر بھیجتا اور لائسنس کرتا ہے، بنیادی طور پر کوڈ، ماڈل کے وزن اور ڈیٹا سیٹ، تاکہ کسی نظام کو لائسنس دیا جا سکے، اُس کا آڈٹ ہو سکے، اُس میں تبدیلی کی جا سکے اور اُسے دوبارہ تعینات کیا جا سکے۔ کھلی تعلیم کا تعلق اِس بات سے ہے کہ استاد کیا اسائن کرتا ہے اور طالب علم کیا پیدا کرتا ہے، اور اُس کی لائسنسنگ اِس لیے ہے کہ دوسرا ادارہ اجازت مانگے بغیر کسی وسیلے کو بدل، ترجمہ، ری مکس یا درست کر سکے۔ دونوں ایک قانونی مشینری (تعلیم میں Creative Commons، کوڈ میں اجازت دینے والے سافٹ ویئر لائسنس)، ایک پیداواری نمونہ (رضاکارانہ اور گرانٹ سے چلنے والی کمیونٹیز)، اور اب جنریٹو AI میں ایک مشترک مخالف بھی رکھتے ہیں، جس کی مصنوع کو تقریباً مفت پیدا کرنے کی صلاحیت دونوں کے معاشی جواز کو ہلا دیتی ہے۔

وہ وہاں مختلف ہیں جہاں فرق اہم ہے۔ اوپن سورس کی ریلیز کا فیصلہ اِس بات سے ہوتا ہے کہ نظام دوبارہ بنایا اور معائنہ کیا جا سکتا ہے یا نہیں۔ کھلے وسیلے کا فیصلہ اِس بات سے ہوتا ہے کہ مختلف طلبہ، مختلف زبان اور مختلف بجٹ والا استاد واقعی اُسے استعمال کر سکتا ہے یا نہیں، جو تکنیکی کے بجائے پیداگوجیکل دعوی ہے، اور اسی لیے کھلی تعلیم ہمیشہ اپنی لائسنسنگ کی دلیل کے ساتھ مشق کی دلیل بھی رکھتی ہے۔ Deimann and Lukács (2026) اِس نکتے کی سب سے تیز شکل پیش کرتے ہیں: پچیس سال کی کھلے پن کی وکالت کے بعد، تعلیم کے وسط میں قائم اداراتی نظام برقرار رہا، کیونکہ تحریک نے اعلانات اور معمولی منصوبوں پر توجہ مرکوز رکھی۔

چنانچہ اِس علم بنیاد کا AI کے دور کا ادب بیک وقت تین چیزوں کے بارے میں ہے: وسیلہ، مشق، اور یہ کہ تخلیق تقریباً مفت ہو جانے پر اِن میں سے کوئی بچتا ہے یا نہیں۔ وسیلے پر سوال یہ ہیں کہ اُسے کون بناتا ہے، کون لائسنس کرتا ہے، اور کیا AI کا لکھا ہوا وسیلہ شمار ہوتا ہے۔ مشق پر سوال یہ ہیں کہ کھلی پیداگوجی طلبہ سے کیا مانگتی ہے اور کیا وہ اُنہیں کچھ قابلِ پیمائش سکھاتی ہے۔

کھلا پن اصل میں کیا محیط ہے

کھلا تعلیمی وسیلہ وہ مواد ہے جو ایسے لائسنس کے تحت جاری کیا جائے جو دوبارہ استعمال، نظرثانی، ری مکسنگ اور دوبارہ تقسیم کی اجازت دے۔ میدان میں باقی سب کچھ اُس اجازت اور اُس کے حوالہ دینے کی ذمہ داری کے ماتحت ہے۔ González Miy (2026) دکھاتے ہیں کہ یہ ذمہ داری ایک چھوٹے منصوبے میں کیسی دکھتی ہے: گیارہ شرکاء نے دو ہفتے آن لائن کام کر کے چھ صفحات کی سائٹ، ایک چیٹ بوٹ، ایک دستی اور پانچ ویڈیو ٹیوٹوریل تیار کیے، اُنہیں CC BY-NC-SA کے تحت جاری کیا، اور نتیجے میں بننے والا پیکج شفافیت پر اعلیٰ، مگر لائسنسنگ، تولیدی صلاحیت، موافقت پذیری اور رسائی پر صرف متوسط سکور لے کر آیا۔ نام میں کھلا، استعمال میں جزوی طور پر کھلا۔

لائسنسنگ کا ادب باریک بین ہے کیونکہ ناکامیاں باریک بین ہیں۔ Ryu (2026) سولہ بنیادی مقالات، سترہ مقالوں کی توسیع اور چھتیس ہدف شدہ حوالوں کے مقصدی کارپس سے کھلے لائسنس والے AI خواندگی کے مواد کا جائزہ لینے کے لیے سات اصولوں کا ربرک بناتے ہیں۔ Atenas, Farrow, Caldwell, Costello and Havemann (2026) دلیل دیتے ہیں کہ گورننس کی اکائی وسیلے سے اُس بنیادی ڈھانچے کی طرف منتقل ہونی چاہیے جو اُسے میزبانی دیتا ہے، کیونکہ برقرار رکھے گئے پلیٹ فارم کے بغیر انفرادی فائلوں کا کامنز مشترکہ ملکیت کے بجائے بکھراؤ کا مسئلہ ہے۔

تخلیق کی لاگت کا ڈھانا اور ڈیجیٹل عوامی سامان کی طرف رجوع

کورس کی پیداوار وہ جگہ ہے جہاں یہ تبدیلی پہلے ہی قابلِ پیمائش ہے: MAIC بتاتا ہے کہ LLM سے چلنے والی کثیر ایجنٹ تخلیق کے ساتھ MOOC کی پیداوار فی کورس تقریباً $25,000 اور 60 گھنٹے سے گھٹ کر $2 سے کم اور 30 منٹ رہ گئی ہے۔ اگر پیداواری لاگت صفر کے قریب پہنچ جائے تو یہ دلیل کہ OER پیسہ بچاتا ہے اپنی قوت کھو دیتی ہے، اور باقی لائسنسنگ کی آزادی، قابلِ تصدیق ہونے اور معیار کی ضمانت رہ جاتی ہے۔

Tlili, Farrow, Bozkurt, Amiel, Wiley and Downes (2026) اِس تبدیلی کو پانچ فریمنگ سوالات کے گرد ترتیب دیتے ہیں اور ایک بے چین کرنے والی قانونی تشریح تک پہنچتے ہیں۔ چونکہ United States Copyright Office صرف پرامپٹس کو مصنفیت کے لیے ناکافی سمجھتا ہے، اِس لیے خالصتاً AI سے پیدا کردہ وسیلہ عوامی ڈومین میں جا سکتا ہے اور سخت تشریح میں بطور ڈیفالٹ کھلا شمار ہو سکتا ہے۔ اُلٹی ناکامی کے لیے اُن کی اصطلاح openwashing ہے، جہاں کسی مصنوع کو کھلا پیش کیا جاتا ہے جبکہ اُس کا ٹریننگ ڈیٹا، اُس کی پائپ لائن یا اُس کا لائسنس کھلا نہیں۔ مصنفیت کا سوال لائسنسنگ سے پہلے قانونی سوال بھی ہے، اور قانونی اور کاپی رائٹ کا پہلو ملکیت سے زیادہ بدانتظامی میں سے گزرتا ہے۔

اِس ادب میں پالیسی کا جواب دوبارہ درجہ بندی کرنا ہے۔ Atenas اور ساتھی OER کو ڈیجیٹل عوامی سامان سمجھنے کی تجویز دیتے ہیں، جو علاج کو مزید مواد پیدا کرنے سے ہٹا کر عوامی طور پر چلائے جانے والے، غیر تجارتی بنیادی ڈھانچے کی طرف لے جاتا ہے۔ وہ اُس بنیادی ڈھانچے کو، نہ کہ صرف فائلوں کے ذخیرے کو، ROAM-X اصولوں اور FAIR ڈیٹا معیارات کے خلاف ناپتے ہیں، اور ایسے منظرنامے کی وضاحت کرتے ہیں جس میں پہلے ہی دو ارب سے زیادہ کھلے لائسنس والے کام اور 303 Internet Universality Indicators موجود ہیں۔ یہ اُس تحریک کی قابلِ دفاع سمت تبدیلی ہے جس نے دو دہائیاں مواد کی پیداوار پر گزاریں اور جس کے اپنے دعوے اب تک مواد کی مقدار سے ناپے جاتے رہے۔

کھلے پن کا اداراتی جواز خودمختاری پر بھی بنایا جاتا ہے۔ Panda (2026) ایک اداریے میں دلیل دیتے ہیں کہ کھلی اور لچکدار تعلیم میں ڈیجیٹل تبدیلی ٹیکنالوجی کو اپنانے کے بجائے پیداگوجیکل تبدیلی ہے، اور ٹیکنالوجی صرف اُس وقت اعتبار پاتی ہے جب وہ مقامی سیاق و سباق میں مناسب پیداگوجی کے ساتھ ہم آہنگ ہو۔ Rodés-Paragarino and Atenas (2026) اِسے OER اور جنریٹو AI کے ذمہ دار انضمام کے لیے سات ستونوں کے فریم ورک میں بدل دیتے ہیں، جو دستاویزی تجزیے کے ساتھ ماہرانہ تصدیق اور دسمبر 2025 میں بلباو میں 81 شرکاء کی شراکتی ورکشاپ سے بنایا گیا۔

کھلی پیداوگوجی اور مشق کی طرف رجوع

کھلی پیداوگوجی طالب علم کو صارف سے معاون تک لے جاتی ہے: ایک اسائنمنٹ ایسی چیز پیدا کرتا ہے جو شائع، لائسنس شدہ اور دوبارہ قابلِ استعمال ہو۔ Clinton-Lisell (2026) اِس خیال کا میدان میں سب سے صاف امتحان پیش کرتے ہیں۔ بچوں کی نشوونما کے تعارفی کورس کے دو سیکشنوں نے ایک ہی نصابی کتاب اپ ڈیٹ کی، اُن میں سے ایک نے جنریٹو AI ٹولز کے ساتھ۔ 113 اسائنمنٹس میں، دونوں سیکشنوں کے طلبہ نے معلوماتی خواندگی کی مہارت میں اضافے کی اطلاع دی، اور یہ اضافہ شماریاتی طور پر دونوں کے درمیان ناقابلِ امتیاز تھا: وقت کا اثر F(1, 84) = 47.30, p < 0.001, partial η2 = 0.36، جبکہ وقت بمقابلہ سیکشن کا تعامل F(1, 84) = 0.04, p = 0.85۔ AI والے سیکشن نے زیادہ کام مکمل کیا اور قدرے کم سکور لیا، 180 میں سے 174.73 بمقابلہ 173.86۔

مشق کا اپنا پختگی کا ادب ہے۔ Duan (2026) نے PRISMA 2020 کے تحت 540 ریکارڈ چھان کر کھلی تعلیمی مشق کے چودہ ماڈل نکالے، تین جہتوں پر اُن کا موازنہ کیا، اور یہ نتیجہ نکالا کہ جنریٹو AI قائم شدہ ماڈلز کو ہٹانے کے بجائے اُن کے نیچے بیٹھتا ہے، ایسی دلیل جو مقالہ TPACK کے مقابل رکھتا ہے۔ Ahmadfard (2026) 1970 سے چلنے والے ایک منظم جائزے میں تعامل پذیری کے بارے میں ایسا ہی نتیجہ نکالتے ہیں: تعاملی خصوصیات مظاہر شدہ اثر سے زیادہ ڈیزائن کی دلیل ہیں، اور وہ جو سب سے مضبوط اثر کے حجم بتاتے ہیں وہ OER میں ناپے جانے کے بجائے پہلے کی فزکس تعلیم کے کام سے مستعار ہیں۔

دو مزید مطالعات دکھاتے ہیں کہ مشق کی تہہ کتنی تیزی سے گورننس کی تہہ بن جاتی ہے۔ Patiño, Martínez-Pérez, Ramírez-Montoya and Miranda (2026) 13 ممالک کے 110 شرکاء کی 10 ٹیموں میں UNESCO اور ICDE کی ریزیڈنسی دستاویز کرتے ہیں، مگر اُن کی سروے بنیاد 54 اداروں سے 72 جوابات ہیں جن کی کوئی جوابی شرح نہیں، جو UN 2030 ایجنڈا کو نشانہ بنانے والے روڈ میپ کے لیے پتلا سہارا ہے، کیونکہ جواب دینے والوں کی شرح معلوم ہی نہیں اور نمونہ اُن اداروں تک محدود ہے جنہوں نے خود جواب دینا چاہا۔ اور Guo, Lu and Gao (2026) نے چین کے 30 صوبوں کے 512 اساتذہ کا سروے کیا کہ AI خواندگی کھلی تدریسی مشق میں کیسے ترجمہ ہوتی ہے، اور کم اداراتی معاونت پر 0.218 کے جدتی رویے کے ذریعے ایک بالواسطہ راستہ پایا جو زیادہ معاونت پر غیر معنی خیز 0.042 تک گر جاتا ہے۔

مساوات، پائیداری اور عالمی جنوب

کھلے مواد کی مساوات کی دلیل سب سے پرانی ہے: ایسا وسیلہ جس کی کوئی قیمت نہیں اُسے قیمت دے کر باہر نہیں کیا جا سکتا۔ یہی وہ دلیل ہے جس کا دعوی سب سے آسانی سے کیا جاتا ہے اور جس کی جانچ سب سے کم ہوتی ہے۔ AI کے دور کی شکلیں زیادہ محتاط ہیں۔ Atenas اور ساتھی OER کو پسماندہ برادریوں اور ڈیٹا جمع کرنے میں بامعنی شرکت کے لیے ایک لیور قرار دیتے ہیں، مگر خبردار کرتے ہیں کہ پیدا کردہ وسائل پر حد سے زیادہ انحصار انسانی تخلیقیت اور فیصلے کی قدر کم کرنے کا خطرہ رکھتا ہے۔ Tlili اور ساتھی اُن میکانزم کے نام لیتے ہیں جن سے تخلیق اِس لیور کو کمزور کرتی ہے: ترجمے کی غلطی، ٹریننگ ڈیٹا کا تعصب، اور ہیلوسینیشن کا ایسا چکر جس میں پیدا کردہ مواد اُن کارپس میں واپس ڈالا جاتا ہے جو اگلے ماڈل کو تربیت دیتے ہیں۔

پائیداری دو بار داخل ہوتی ہے، بطور فنڈنگ اور بطور توانائی۔ ڈیجیٹل عوامی سامان کی دلیل بنیادی طور پر پائیداری کی دلیل ہے: گرانٹ سے چلنے والی فائلوں کا بکھرا ہوا کامنز اپنی گرانٹس سے زیادہ زندہ نہیں رہتا، جبکہ عوامی طور پر چلایا جانے والا بنیادی ڈھانچہ رہ سکتا ہے۔ ماحولیاتی پہلو وسیع تر کھلے پن کے ادب میں اور اِس علم بنیاد کے پائیداری تصور میں آتا ہے، جہاں ماڈل کے استنباط کی لاگت کی رپورٹنگ کو بعد کی سوچ کے بجائے کھلی مشق کی ذمہ داری سمجھا جاتا ہے۔

عالمی جنوب کی جہت وہ جگہ ہے جہاں ثبوت سب سے زیادہ پتلا ہوتا ہے۔ اِس بیچ کے غیر مغربی کیسز حقیقی مگر کم ہیں: لاطینی امریکی تعاون کی ریزیڈنسی، چینی کھلی یونیورسٹی کے اساتذہ، اور بنیادی ڈھانچے کو شرکت کی پیشگی شرط قرار دینا۔ یہ دعوے کہ کھلا پن خود بخود صلاحیت کو دوبارہ تقسیم کرتا ہے، اِن مطالعات سے ثابت نہیں ہوتے، اور اُن میں سے کئی ایسا کہتے بھی ہیں۔

جہاں تحریر اور سفارش کے نظام اِس دلیل سے ملتے ہیں

اِس بیچ کے دو مقالے پالیسی کے بجائے پیداواری نظاموں کے بارے میں ہیں۔ Peng (2026) OER کے لیے ایک ہائبرڈ ڈیپ ریکمنڈر تیار کرتے ہیں اور 2,400 تعاملی ریکارڈز پر 93.6 فیصد درستگی، 92.5 فیصد precision، 91.0 فیصد recall اور 90.2 F1 سکور بتاتے ہیں۔ اُن کا اپنا موازنہ جدول BERT4Rec baseline کو برابر recall کے ساتھ 90.8 F1 پر دکھاتا ہے، اور ڈیٹا سیٹ کا حصہ صارفین کی تعداد، آئٹمز کی تعداد اور sparsity کو خالی جگہ چھوڑ دیتا ہے۔ ماڈلنگ کا دعوی معمولی ہے؛ نمونہ مانوس ہے، یعنی مضبوط baseline پر پیش رفت سرخی سے چھوٹی ہوتی ہے۔

دوسرا یاد دہانی ہے کہ تخلیقی نظام کھلا اور اُس کا مواد بند ہو سکتا ہے۔ OATutor MIT کے کوڈ بیس کو CC BY OpenStax الجبرا کی کتابوں کے ساتھ جوڑتا ہے، جس کا مطلب ہے کہ کوڈ اور مواد کے لائسنس ڈیزائن کے ذریعے ہم آہنگ رکھنے پڑتے ہیں۔ وہ واحد تکنیکی ذمہ داری اوپن سورس اور کھلی تعلیم کے تعلق کی سب سے واضح عملی شکل ہے: مختلف اشیاء، ایک ہی قانونی مشینری، اور ایسی موافقت کی قید جو دونوں کو جوڑنے والے پر پڑتی ہے۔

عام غلط فہمیاں

"کھلی تعلیم اور اوپن سورس ایک ہی کھلا پن ہیں۔" وہ لائسنسنگ کی مشینری اور پیداواری نمونہ مشترک رکھتے ہیں مگر ایک دوسرے کے بدل نہیں ہو سکتے۔ اوپن سورس ایسے نظام کا دعوی ہے جو بنایا اور معائنہ کیا جا سکے؛ کھلی تعلیم ایسے قابلِ استعمال اور موافقت پذیر تدریسی وسیلے کا دعوی ہے۔ ایک اسکول بند نصابی کتاب پر مکمل طور پر اوپن سورس سافٹ ویئر چلا سکتا ہے، اور بہت سے چلاتے ہیں۔

"کھلا کا مطلب طالب علم کے لیے مفت ہے، اور یہی پورا فائدہ ہے۔" لاگت ناپا جانے والا آدھا حصہ ہے۔ دوسرا آدھا اجازت ہے: جس وسیلے میں نظرثانی کی جا سکتی ہو، وہی وہ ہے جسے دوسرا ادارہ درست، ترجمہ اور مقامی بنا سکتا ہے۔ اِس بیچ کے مطالعات تکمیل اور اطمینان کی اطلاع موافقت سے کہیں زیادہ بار دیتے ہیں، اور اسی لیے موافقت کا دعوی بڑی حد تک غیر جانچا رہتا ہے۔

"AI مواد کو اِتنا سستا بنا دیتا ہے کہ OER متروک ہو گیا ہے۔" اُلٹی تشریح دستیاب اور بہتر ثابت شدہ ہے۔ اگر تخلیق تقریباً مفت ہو تو کمیاب اشیاء لائسنس، حوالہ دینے کا سراغ، جائزے کا عمل اور برقرار رکھا گیا پلیٹ فارم بن جاتے ہیں۔ اسی لیے یہ ادب پیداوار کے بجائے گورننس اور بنیادی ڈھانچے پر جمع ہوتا ہے۔

"کھلے اسائنمنٹ میں AI ٹولز شامل کرنا سیکھنے کو بہتر بناتا ہے۔" یہاں ایک ہی نیم تجرباتی امتحان ملا، جس نے دونوں بازوؤں میں سمجھی جانے والی مہارت میں اضافہ پایا اور اُن کے درمیان کوئی قابلِ پکڑ فرق نہیں، ساتھ میں AI والے سیکشن میں زیادہ تکمیل اور قدرے کم سکور۔ AI نے بدلا کہ طلبہ کیا پیدا کرتے ہیں، اور نہیں بدلا کہ اُنہوں نے کیا سیکھا بتایا۔

منسلک تصورات

• اوپن سورس
• قانونی مسائل اور خطرات
• تعلیم میں AI کی ضابطگی
• جنریٹو AI
• تعلیم میں AI کی پالیسی
• AI گورننس
• مساوات
• نصاب کی تشکیل
• فعال سیکھنا
• اشتراکی سیکھنا
• مستند جانچ
• پائیداری
• عالمی جنوب
• مصنوعی ذہانت کی لیٹریسی
• ڈیجیٹل تقسیم
• رسائی
• تبدیلی کا انتظام

منسلک مضامین

• The double-edged sword: Open educational resources in the era of Generative Artificial Intelligence — جنریٹو AI کے پیداوار میں آنے کے بعد OER کے لیے پانچ فریمنگیں (Tlili et al., 2026)
• Building sustainable futures: Responsible development of AI-enabled open educational resources as digital public goods — OER بطور ڈیجیٹل عوامی سامان اور گورن شدہ بنیادی ڈھانچے کی دلیل (Atenas et al., 2026)
• From niche to regime: Rethinking openness in the age of artificial intelligence — پچیس سال کی کھلے پن کی وکالت نے اداراتی وسط کیوں برقرار چھوڑا (Deimann and Lukács, 2026)
• Information literacy through open pedagogy: What's the role of AI tools? — کورس کے دو سیکشنوں میں AI ٹولز کے ساتھ اور بغیر کھلی پیداوگوجی (Clinton-Lisell, 2026)
• The evolution of open educational practices: a comparative analysis of models and a new framework for the AI era — کھلی تعلیمی مشق کے چودہ ماڈل اور اُن میں AI کہاں بیٹھتا ہے (Duan, 2026)
• The association between teachers' artificial intelligence literacy and open education teaching practices in China: a moderated mediation analysis of teachers' innovative behavior and school support — چین کے 30 صوبوں میں استاد کی AI خواندگی اور کھلی تدریسی مشق (Guo et al., 2026)
• Open educational resources and generative AI: towards a framework for responsible integration — OER اور AI کے ذمہ دار انضمام کے لیے سات ستونوں کا فریم ورک (Rodés-Paragarino and Atenas, 2026)
• Active learning, mentoring and AI-open educational resources: a case study in a virtual laboratory — ورچوئل لیبارٹری میں رہنمائی اور AI-OER کی پیداوار (González Miy, 2026)
• Developing AI literacy OER: A literature-informed rubric for design and review — AI خواندگی کے OER کا جائزہ لینے کے لیے سات اصولوں کا ربرک (Ryu, 2026)
• Advancing open learning through interactive open educational resources — OER میں تعامل پذیری بطور ڈیزائن کی دلیل، بطور نتیجہ نہیں (Ahmadfard, 2026)
• AI-Driven Model for Fostering International Cooperation in Open Education: A Roadmap for Innovation and Equity — کھلی تعلیم میں بین الاقوامی تعاون بطور اوزاری کیس (Patiño et al., 2026)
• Research on personalized recommendation algorithm for open educational resources driven by artificial intelligence — OER کے لیے ہائبرڈ ریکمنڈر، دعوے سے زیادہ مضبوط baseline کے مقابل (Peng, 2026)
• Editorial: Digital transformation in open and flexible education: How pedagogy is changing in response to new possibilities — کھلی سیکھنے میں ڈیجیٹل تبدیلی بطور پیداگوجیکل تبدیلی (Panda, 2026)