والدین اور خاندان

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

والدین اور خاندان — تعلیم میں AI میں گھر بطور ایک حصہ دار: وہ دیکھ بھال کرنے والے جو گھر پر اپنے بچوں کو پڑھاتے ہیں، اوزار چنتے اور اُن کی قیمت ادا کرتے ہیں، اُن پر نگرانی کرتے ہیں یا اُن کے کاموں کو محسوس نہیں کرتے، اور وہ سب کچھ وصول کرتے ہیں جو اُن کا اسکول AI کے بارے میں بتاتا ہے۔ یہ صفحہ گھر میں استعمال ہونے والی AI کے ذریعے ثالثی شدہ والدین–بچہ ٹیوٹرنگ اور گفتگو والے ساتھیوں، گھر اور اسکول کے درمیان حوالگیوں، والدین کی اپنی مصنوعی ذہانت کی لیٹریسی، اور گھریلو آلات، رابطے اور لاگت کے مساوات پر نتائج کے بارے میں شواہد جمع کرتا ہے۔ اِس کا دائرہ کار خاندان بطور فاعل ہے — خاندان AI کے ساتھ کیا کرتے ہیں، اُن تک اسکول سے کیا پہنچتا ہے، اور تحقیق نتائج کے بارے میں کیا ثابت کرتی ہے اور کیا نہیں۔

غور کرنے کے لیے سوالات

• Luo et al. (2026) نے پایا کہ عمومی بڑے لینگویج ماڈلز (LLMs) معاونت نے والدین کے ٹیوٹرنگ کردار کو کم کر دیا، جبکہ کرداروں کو الگ کرنے والے انٹرفیس نے اُسے برقرار رکھا۔ اگر آپ والدین اور بچے کے مشترکہ استعمال کے لیے کوئی اوزار ڈیزائن کر رہے ہوتے، تو آپ والدین کو کس چیز سے بچاتے اور اُنہیں کیا سونپتے؟
• Strömberg, Lei and Wu (2026) کے ڈیٹا میں ہوم ورک کے نمبر 18% بڑھے جبکہ بند کتاب والے امتحان کے نمبر چھ ماہ کے اندر 20% گر گئے۔ والدین گھر پر واقعی کیا ہوتا دیکھتے ہیں، اور فرق محسوس کرنے کے لیے اُنہیں کیا بتانے کی ضرورت ہوگی؟
• Xiao et al. (2026) نے پایا کہ اساتذہ بچوں کے AI ساتھیوں کے ساتھ تعلق کی بنیادی ذمہ داری والدین کو قرار دیتے ہیں جبکہ اُنہیں ہی ناواقف یا حد سے زیادہ بوجھ تلے دبا ہوا بتاتے ہیں۔ کیا ذمہ داری کی یہ تقسیم معقول ہے، اور اُسے حقیقی بنانے کے لیے کیا درکار ہوگا؟
• Oreopoulos, Dong and Low (2026) نے خاندان کے سامنے آنے والی کاغذی کارروائی ہٹا کر پہلے سیشن کی حاضری تقریباً دگنی کر دی۔ آپ کے اپنے اسکول یا پروگرام میں، گھر کے سامنے آنے والے عمل کے کون سے حصے خاندان کے فائدے کے لیے ہیں اور کون سے ادارے کے؟
• Fan, Li and Zhang (2026) خاندان–اسکول ہم آہنگی کو قائم شدہ عمل کے بجائے ایک غیر جانچا مفروضہ سمجھتے ہیں۔ اگر یہ کبھی جانچا ہی نہیں گیا، تو آپ کا اسکول والدین کو جو مشورہ دے رہا ہے وہ کس ثبوت پر کھڑا ہے؟
• MacCallum, Parsons and Mohaghegh (2026) دوسرے اور تیسرے سطح کے ڈیجیٹل خلا بیان کرتے ہیں جو آلات فراہم کرنے کے بعد بھی برقرار رہتے ہیں۔ مہارت اور نتائج کے خلا کو بند کرنا کسی گھرانے میں کیسا دکھائی دے گا، کلاس روم کے برعکس؟

تعارف

بچوں کا AI کے ساتھ وقت گزارنے کا بڑا حصہ کلاس روم سے باہر ہوتا ہے، ایسے ماحول میں جسے تحقیقی لٹریچر زیادہ تر پس منظر سمجھتا ہے۔ ٹیوٹرنگ اور سیکھنے کے نتائج پر کام عموماً اسکول پر مبنی ہوتا ہے، جبکہ خاندانی رہنمائی پر کام عموماً جانچے جانے کے بجائے مشورے کی نوعیت کا ہوتا ہے، لہٰذا خاندان بیک وقت ذمہ دارانہ AI استعمال کے بارے میں بہت سی رہنمائی کا نشانہ ہیں اور اِس بارے میں بہت کم شواہد کا موضوع کہ وہ رہنمائی کام کرتی ہے یا نہیں۔

یہ صفحہ گھر کو ایک الگ فاعل سمجھتا ہے۔ یہ AI کے ذریعے ثالثی شدہ والدین–بچہ ٹیوٹرنگ، وہ ساتھی اور پڑھائی کے اوزار جن سے بچے گھر پر ملتے ہیں، اسکول AI کے استعمال کے بارے میں خاندانوں کو کیا بتاتے ہیں اور کیا نہیں، والدین کی اپنی مصنوعی ذہانت کی لیٹریسی اور اُن کے نظریات کے بارے میں جو معلوم ہے، اور وہ رسائی اور لاگت کے حالات جن میں خاندان یہ اوزار استعمال کرتے ہیں، سب کچھ محیط کرتا ہے۔ جہاں شواہد پتلے ہیں، صفحہ خلا بھرنے کے بجائے یہی کہتا ہے۔

گھر پر والدین بطور شریک معلم

گھریلو ٹیوٹرنگ پر سب سے واضح ڈیزائن شواہد Luo et al. (2026) سے آتے ہیں، جنہوں نے والدین کے ریاضی کے لفظی مسائل میں مدد کرنے کے تشکیلی مطالعے کے بعد چینی گھریلو ٹیوٹرنگ سیاق کے لیے ParaTutor بنایا۔ اُس تشکیلی کام نے بار بار ہونے والی ناکامیاں شناخت کیں: والدین مسئلے کی ساخت سمجھنے میں دقت محسوس کرتے ہیں، اکثر اُس کی معاونت کے لیے مواد کا علم نہیں رکھتے، اور ایسی رابطاتی دشواریوں سے ٹکراتے ہیں جو مشترکہ فہم توڑ دیتی ہیں۔ ڈیزائن کا جواب کرداروں کی علیحدگی تھی — والدین کو کثیر ایجنٹ چیٹ بوٹس کے ذریعے ٹیوٹرنگ کی رہنمائی ملتی تھی جبکہ بچوں کو خود مسئلے کے لیے بصری بنیاد، اور مرحلے کے لحاظ سے محدود معاونت تاکہ جوڑے فوراً جواب پر نہ چھلانگ لگائیں۔ 23 والدین–بچہ جوڑوں (بچوں کی عمریں 10–12 سال) کے چار حالات میں جائزے میں، عمومی بڑے لینگویج ماڈلز (LLMs) معاونت والدین کے کردار کو ہٹانے کی طرف مائل ہوئی، جبکہ کرداروں کو الگ کرنے والے انٹرفیس نے والدین کو معاونت دیتے اور ڈھالتے رکھا جبکہ بچے استدلال میں رہے۔ مصنفین کا مضمر مطلب سیاق سے مخصوص ہے: ریاضی کی تعلیم میں، جہاں ماڈل کی درستگی محدود ہے، بچوں کو ماڈل کے ساتھ خود مختار طور پر تعامل نہیں کرنا چاہیے۔

Oreopoulos, Dong and Low (2026) گھرانے کو ایک طریقہ کار کا فاعل سمجھتے ہیں، اور اُن کے نتائج ٹیوٹرنگ کے ساتھ ساتھ خاندانی رویے کے بارے میں بھی ہیں۔ Toronto District School Board کے ساتھ اُن کا بے ترتیب تجربہ جدوجہد کرنے والے جماعت 4–8 کے طلبہ کے لیے Khan Academy کی مشق کے اوپر انسانی مجازی ٹیوٹرز رکھتا تھا۔ پہلے سال میں، استاد کی طرف سے نامزد صرف تقریباً 45% طلبہ نے ایک سیشن میں بھی حاضری دی، اور خاندان ہر حوالگی پر کھوتے گئے: دعوت، دلچسپی، فریق ثالث پلیٹ فارم پر اکاؤنٹ بنانا، مطابقت، حاضر ہونا۔ دوسرے سال میں، خاندانوں کو براہِ راست اُن کے اپنے استاد کے ذریعے ہفتے کے مقررہ وقت کے لیے مدعو کرنے اور اندراج و شیڈولنگ خاندان کی طرف سے سنبھالنے سے پہلے سیشن کی شرکت 83% تک بڑھ گئی۔ ہفتہ وار حاضری پھر بھی تقریباً دو پانچویں کے قریب رہی، زیادہ تر وقفے وقفے سے غیر حاضری تھی، نہ کہ چھوڑ دینا؛ مشق ہفتے میں تقریباً 17 منٹ بڑھی، اور موضوع کے امتحان پر ارادے کے مطابق علاج کا اثر 0.055 SD رہا، اور رپورٹ کارڈ کے نمبر تقریباً 0.08 SD بڑھے۔ رکاوٹ ہٹانے سے یہ بدلا کہ کون حاضر ہوتا ہے، یہ نہیں کہ کوئی کتنا برقرار رکھتا ہے۔

گھر میں ساتھی اور پڑھائی کے اوزار

خاندان AI سے ٹیوٹرنگ نظام کے بجائے ساتھی ایپ کے طور پر زیادہ ملتے ہیں۔ Liao (2026) نے تائیوان کے شہر تاؤیوان کے 19 ابتدائی طلبہ — جماعت 4 میں 12 اور جماعت 5 میں سات، ہر ایک کے چار سیشن — کے ساتھ کتاب پر گفتگو کے سیشنوں میں ایک مقرر 'طالب علم ساتھی' ساتھی (Whisper مع GPT-3.5) کا تجربہ کار ہم جماعت اساتذہ سے موازنہ کیا۔ طلبہ نے AI کے ساتھ نمایاں طور پر زیادہ وقت گزارا، پھر بھی الفاظ اور جملوں کا واضح طور پر کم تناسب ڈالا؛ جماعت 5 کے لیے یہ حصہ اُس سے ایک تہائی سے بھی کم تھا جو اُنہوں نے استاد کے ساتھ پیدا کیا، اِس نمونے کو مقالہ 'مکالماتی غلبہ' کہتا ہے۔ ساتھی حقائق یاد کرانے میں مؤثر رہا مگر جذباتی اور مستقبل پر مبنی غور و فکر کی ترغیب میں استاد سے نمایاں طور پر کمزور — یہ ایک جذباتی چھت ہے۔ Liao کا جواب ایک کردار کے لحاظ سے ڈھلنے والا فریم ورک ہے جس میں ایک ساتھی طالب علم ساتھی، استاد کے معاون اور والدین کے مشیر کے کردار ادا کرتا ہے، اور آخری کردار گفتگو کو گھر تک بڑھاتا ہے۔ اِس کے پیچھے تشخیص معاونت کا خلا ہے: زیادہ تر ساتھی ڈیزائن طالب علم–AI جوڑے پر مرکوز رہتے ہیں اور اساتذہ اور والدین کو کوئی متعین مقام نہیں دیتے۔

کچھ نوجوان والدین کے بجائے AI پر راز بانٹنا ترجیح دیتے ہیں۔ حوالہ دیا گیا چینی ڈیٹا 13.5% نوجوان انٹرنیٹ صارفین کو والدین کے بجائے AI پر راز بانٹنا ترجیح دیتے ہوئے دکھاتا ہے، اور Fu and Zhao (2026) کا فریم ورک پیش گوئی کرتا ہے کہ AI کے ساتھ بندھن معاوضاتی متبادل بن جاتا ہے جب دیکھ بھال کرنے والے کسی نوجوان کی شناخت کی تصدیق کی ضروریات کو پہچاننے میں ناکام رہیں۔

ابتدائی بچپن کے دو مقالے اِس بارے میں اثر ڈالتے ہیں کہ گھر تک کیا پہنچتا ہے۔ Yang, Li and Lee (2025) دلیل دیتے ہیں کہ چھوٹے بچوں کے لیے جسمانی، مجسم ایجنٹ ترقیاتی طور پر اسکرینوں سے بہتر ہیں، مگر خبردار کرتے ہیں کہ جنریٹو سماجی روبوٹ ایسا مواد گھڑ سکتے ہیں جسے قبل از عملیات بچے سچ مان لیتے ہیں، اپنے فیڈبیک میں ترقیاتی کیلیبریشن نہیں رکھتے، اور لاگت و رسائی کی رکاوٹیں رکھتے ہیں جو ڈیجیٹل تقسیم کو وسیع کرتی ہیں۔ Malallah et al. (2026) اسی عمر کے گروہ کے ساتھ مختلف راستہ اختیار کرتے ہیں: اُن کا غیر ڈیجیٹل، کھیل پر مبنی AI-Play فریم ورک خاندان مرکز Hour of Code تقریب کے ذریعے نافذ کیا گیا، جس میں والدین کے سروے اور بچوں کی عکاسی کے پرچے گھر پر دوبارہ عمل درآمد کے لیے شمولیت اور استعمال پذیری جانچنے کے لیے استعمال ہوئے۔ وہ زیادہ شمولیت اور ابھرتی ہوئی سمجھ بتاتے ہیں کہ AI مثالوں سے سیکھتا ہے۔

گھر–اسکول رابطہ اور شفافیت

اسکول خاندانوں کو AI کے بارے میں کیا بتاتے ہیں، اور خاندان اسکول کو کیا بتاتے ہیں، یہ زیادہ تر غیر مطالعہ شدہ ہے؛ سب سے واضح نتائج چینل کی عدم موجودگی سے متعلق ہیں۔ 33 امریکی K-12 اساتذہ کے منظرنامے پر مبنی انٹرویوز میں، Xiao et al. (2026) نے پایا کہ مداخلت کے فیصلے سمجھے جانے والے نقصان کے بجائے دائرہ اختیار پر ٹکے۔ اُن کا 'نظر آنا' کا معیار اسکول کے دروازے پر حد کھینچتا تھا: کلاس میں یا تفویض کردہ اوزار پر استعمال استاد کے کردار کے اندر تھا، جبکہ گھر پر استعمال اُس میں صرف قابلِ مشاہدہ اثرات کے ذریعے داخل ہوتا تھا، جیسے کنارہ کشی، گرتے نمبر یا تنہائی — اُن کے بغیر، اساتذہ نے کارروائی کے بجائے دیکھنے اور غیر رسمی دستاویز کرنے کا ذکر کیا۔ والدین کے منظرنامے کو 33 میں سے 10 اساتذہ نے سب سے زیادہ پریشان کن قرار دیا، 17 نے کہا کہ استاد کو شامل ہونا چاہیے اور 11 نے 'حالات پر منحصر ہے' کہا۔ والدین کو سب سے پہلے بچوں کے AI ساتھیوں کے ساتھ تعلق کی بنیادی ذمہ داری والا فریق قرار دیا گیا، پھر اُنہیں ناواقف یا حد سے زیادہ بوجھ تلے دبا ہوا بتایا گیا۔ مصنفین اِسے 'دائرہ اختیار کی خالی جگہ' کہتے ہیں اور خبردار کرتے ہیں کہ نصابی دعوے کے قائم نہ ہونے پر، بچوں تک سب سے زیادہ مستقل رسائی رکھنے والے بالغ افراد نگرانی اور ریفرل پر اُتر آتے ہیں۔ مشیروں، والدین اور طلبہ کا انٹرویو نہیں کیا گیا۔

Fan, Li and Zhang (2026) ہم آہنگی کے مسئلے کو واضح کرتے ہیں۔ رہنمائی کے لٹریچر کا جائزہ لیتے ہوئے وہ دیکھتے ہیں کہ یہ خطرے کی مدیریت خاندانوں اور اسکولوں پر ڈالتا ہے جبکہ اُن کی ہم آہنگی کو قائم شدہ مان لیتا ہے، اور وہ تین مسابقتی ماڈل وضع کرتے ہیں — اضافی، ہم افزا اور معاوضاتی — اور نوٹ کرتے ہیں کہ زیادہ تر رہنمائی میں شامل ہم افزا نسخے کے پیچھے کوئی معاون ثبوت نہیں۔ اُن کا تجویز کردہ امتحان ایک عاملی تجربہ ہے جو صرف خاندان، صرف اسکول، ہم آہنگ اور حسبِ معمول رہنمائی کا موازنہ کرے۔ خاندان کی طرف وہ خود تعین کا نظریہ کا ایک امتیاز لے کر چلتے ہیں: انحصاری منتقلی، جہاں بنیادی سوچ سونپ دی جاتی ہے، اور خودمختار منتقلی، جہاں AI سکافولڈ دیتا ہے جبکہ سیکھنے والا علمی سیکھنے والے کی ایجنسی رکھتا ہے؛ دونوں صورتوں میں فوری کارکردگی یکساں ہوتی ہے، اسی لیے غیر موافق استعمال والدین کے لیے دیکھنا مشکل ہے۔

یہی نادیدگی حصولیابی کے ڈیٹا میں بھی نظر آتی ہے۔ Strömberg, Lei and Wu (2026) نے جماعت 7–12 کے 26,811 چینی ثانوی طلبہ کا 30 ماہ تک سراغ رکھا اور پایا کہ جنریٹو AI اپنانے سے ہوم ورک کے نمبر 18% بڑھے اور تکمیل کا وقت 30% کم ہوا جبکہ چھ ماہ کے اندر بند کتاب والے امتحان کے نمبر 20% گر گئے، اور داخلہ امتحان میں 18% اور 24% کی گراوٹ صرف تقریباً دو سال بعد سامنے آئی۔ تقریباً 81% صارفین نے ہوم ورک آؤٹ سورسنگ کا نمونہ دکھایا، جبکہ وہ AI صارفین جنہوں نے ہوم ورک پر اتنے ہی وقت گزارے جتنے غیر صارفین نے، امتحانات میں یکساں نمبر حاصل کیے۔ مصنفین کی سفارش بچے کے آس پاس کے بالغ افراد سے مخاطب ہے: ہوم ورک کے نمبر جیسی پیداوار کے بجائے ہوم ورک کے وقت اور محنت جیسے اِن پٹ کی نگرانی کریں۔ وہ خبردار کرتے ہیں کہ والدین کی زیادہ قریبی نگرانی خود اُن ناقابلِ مشاہدہ عوامل میں سے ایک ہے جو آؤٹ سورسنگ نہ کرنے والے گروہ کو الگ کرتی ہیں۔

والدین کی اپنی AI خواندگی اور وکالت

والدین کیا جانتے، کیا خوف کھاتے اور کیا مانگتے ہیں، اِس پر براہِ راست شواہد پتلے ہیں، اور والدین لٹریچر میں زیادہ تر دوسروں کی رپورٹ کے طور پر آتے ہیں۔ Liu et al. (2026) کے صرف لڑکیوں والے میکر اسپیس کے تنقیدی کیس مطالعے میں والدین کا انٹرویو لڑکیوں اور پریکٹیشنروں کے ساتھ کیا گیا، اور اُنہوں نے بتایا کہ لڑکیاں اکثر 'ڈر جاتی' تھیں اور مخلوط صنفی ماحول میں کم بولتیں۔ Xiao et al. (2026) میں اساتذہ نے جو ساتھی خواندگی کا خاکہ بنایا وہ مشیروں، والدین، پلیٹ فارمز اور پالیسی سازوں کے درمیان مشترکہ کام تھا، جو عمر کے لحاظ سے درجہ بند سرپل کی صورت میں ترتیب دیا گیا، جس میں والدین کو پہلے نامزد کیا گیا اور پھر اُنہیں ایسا بتایا گیا جو پہلے ہی اپنی وسعت سے زیادہ بوجھ اٹھائے ہوئے ہیں۔ والدین AI-Play کے جائزے میں اپنی سمجھ کے بیانات کے بجائے سرگرمی کی استعمال پذیری کے سروے کے ذریعے آتے ہیں۔

کسی والدین کو اِن میں سے کسی چیز میں حصہ لینے کے لیے کیا درکار ہوگا، یہ عملاً اسکولوں کے لیے بنے AI خواندگی فریم ورک متعین کرتے ہیں۔ MacCallum, Parsons and Mohaghegh (2026) نے SAIL کو عمر سے غیر وابستہ رکھنے کے لیے ڈیزائن کیا، اُس کی سطح 1 کی قابلیتوں — AI کو سمجھنا اور کھوجنا — کو ہر عمر کے لیے لازمی سمجھتے ہوئے، جو بالغ افراد کو بچوں کے ساتھ اُسی درجہ وار ترقی میں رکھتا ہے، اُن کے معلم کے طور پر نہیں۔ خاندان تحقیق میں بھی باقاعدہ کردار رکھتے ہیں: Allison (2026) مصنفین سے کہتا ہے کہ شرکا کا سیاق و سباق اور سماجی و آبادیاتی خصوصیات، رسائی اور ثقافتی مطابقت، اور اخلاقی جائزہ، رضامندی اور ڈیٹا AI گورننس کی رپورٹ کریں — وہ ذمہ داریاں جن کے ذریعے خاندان کی رضامندی، ڈیٹا اور سیاق و سباق نظر آتے ہیں۔

خاندانوں میں رسائی اور مساوات

لاگت اور رابطہ طے کرتے ہیں کہ خاندان کیا استعمال کر سکتے ہیں، پیدگوجی کا کوئی سوال اٹھنے سے پہلے ہی۔ میکر اسپیس کے مطالعے میں، Liu et al. (2026) لاگت کی رکاوٹ اور ڈیزائن کی رکاوٹ دونوں دستاویز کرتے ہیں: مفت تصویری جنریٹر Playground نے اپنے مفت افعال ایک ادا شدہ 'pro' درجے کے لیے بند کر دیے جنہیں کم وسائل والا غیر منافع بخش ادارہ برداشت نہیں کر سکا، اور اوزار صرف انگریزی پرامپٹ قبول کرتے تھے، جس سے وہ لڑکیاں نقصان میں رہیں جنہیں انگریزی پر اعتماد نہ تھا۔ Yang, Li and Lee (2025) لاگت اور رسائی کو ڈیجیٹل تقسیم وسیع کرنے والا قرار دیتے ہیں۔ Oreopoulos, Dong and Low (2026) کا شرکت کا نتیجہ ڈیزائن کا ہی نہیں، مساوات کا بھی نتیجہ ہے: پہلے سال میں کھوئے گئے خاندان انتظامی قدموں میں کھوئے گئے، اور اُنہیں واپس لانے والی مداخلت خاندان کے اپنے استاد اور ہفتے کے مقررہ وقت کے گرد بنائی گئی تھی۔

Fan, Li and Zhang (2026) اُن پیمائشی شرائط کا نام لیتے ہیں جو خاندانوں کے لیے عمومی مشورے کو غیر محفوظ بناتی ہیں: AI خواندگی، انحصار اور حد سے زیادہ انحصار کے اوزار زیادہ تر ایک ہی ملک یا مخصوص یونیورسٹی نمونوں میں تیار ہوئے، اور زیادہ تر مطالعات بیک وقت کے اور خود رپورٹ شدہ ہیں۔ SAIL کی مساوات کی دلیل گھریلو حوالے میں بھی لاگو ہوتی ہے: آلہ فراہم کرنا تین خلا میں سے صرف پہلا پورا کرتا ہے، اور مہارت و نتائج کے خلا برقرار رہتے ہیں، چاہے ہارڈویئر کسی کے بھی پاس ہو۔

شواہد کیا دکھاتے ہیں اور کیا نہیں

اِس علمی ذخیرے میں خاندان کے سامنے آنے والے سب سے مضبوط نتائج سیکھنے کے بجائے رویے سے متعلق ہیں۔ گھر کے سامنے آنے والی رکاوٹ کم کرنے سے ایک تجربے میں پہلے سیشن کی حاضری تقریباً 45% سے 83% ہو گئی، اور تب بھی شرکت ہی بنیادی پابندی رہی۔ اُسی تجربے نے چھوٹے اور غیر واضح نتیجے کے فوائد دیے، جبکہ حصولیابی کا سب سے بڑا مطالعہ بڑے منفی اثرات بتاتا ہے جو اُن طلبہ میں مرکوز ہیں جنہوں نے ہوم ورک آؤٹ سورس کیا، اور مصنفین اِس نمونے کو جزوی طور پر اُس والدین کی نگرانی سے منسوب کرتے ہیں جسے وہ براہِ راست نہیں ماپ سکے۔ کوئی بھی دریافت یہ الگ نہیں کرتی کہ والدین کیا کرتے ہیں اور اسکول یا اوزار کیا کرتے ہیں۔

جو غائب ہے وہ زیادہ نمایاں ہے۔ والدین کے اپنے بیانات نایاب ہیں: Xiao et al. (2026) کے اساتذہ نے ڈیزائن ہی سے والدین کو اپنے نمونے سے خارج رکھا، اور جو والدین آتے ہیں اُن کا انٹرویو لڑکیوں، پریکٹیشنروں یا اساتذہ کے درمیان ایک ہی آواز کے طور پر کیا جاتا ہے۔ یہاں اِس بارے میں کوئی براہِ راست ثبوت نہیں کہ خاندان کسی اسکول کی AI پالیسی کیسے سیکھتے ہیں، اُنہیں نگرانی یا افشا کے بارے میں کیا بتایا جاتا ہے، یا وہ اُس پر کیسے ردِ عمل دیتے ہیں، اور خاندان–اسکول ہم آہنگی کو جانچا نہیں بلکہ نظریاتی طور پر بیان کیا گیا ہے۔ ParaTutor جیسے گھریلو ٹیوٹرنگ ڈیزائن ایک ہی ملکی سیاق میں 23 جوڑوں کے ساتھ جانچے گئے، اور ساتھیوں کے موازنے ایک اسکول کے 19 طلبہ پر کھڑے ہیں۔

2026 کا ایک اسکوپنگ جائزہ دکھاتا ہے کہ میدان کتنا آگے بڑھا ہے۔ Luo et al. (2026) نے 19 مقامات کے 6,540 ریکارڈز سے 53 HCI مطالعات کا سرگرمی کے نظریے کے ذریعے تجزیہ کیا، اور پایا کہ لٹریچر بچہ–والدین تعامل اور زبان، مصنوعی ذہانت کی لیٹریسی اور تعلقاتی سیکھنے پر مرکوز ہے، اور 53 میں سے 44 مطالعات (83%) بچہ–والدین ترتیبوں میں ہیں۔ گفتگو والے، مجسم اور فضائی نظام چلتی ہوئی گفتگو کے سیاق سے معاونت پیدا کرتے ہیں، اور LLM تعلیمی محنت کو دوبارہ تقسیم کرتے ہیں جبکہ خاندان اور ادارے پیداوار کی تشریح اور یہ طے کرنے کے ذمہ دار رہتے ہیں کہ وہ عملی طور پر کیسے داخل ہوں۔ پائیدار ذاتی نوعیت، مرمت کی محنت، اور یہ کہ خاندان اختیار اور قواعد پر کیسے سودے بازی کرتے ہیں، وہ خلا ہیں جن کا جائزہ نام لیتا ہے، اور یہ وہی عدم موجودگی ہے جسے یہ حصہ دوسری سمت سے دستاویز کرتا ہے۔

دیگر صفحات سے تعلق۔ حصہ دار پورے حصہ داروں کے مجموعے کا مختصر جائزہ ہے، جس میں خاندان ایسے سامعین کے طور پر درج ہیں جنہیں ابھی تفصیل سے نہیں ڈھانپا گیا؛ یہ صفحہ وہی تفصیل ہے۔ ابتدائی بچپن کی تعلیم ننھے سیکھنے والوں کے لیے اسکول اور گھر دونوں میں ترقیاتی اور پیدگوجیکل میدان کا احاطہ کرتا ہے؛ یہ صفحہ خاندان کا پیچھا ہر عمر میں کرتا ہے، قبل از اسکول کی کھیل سرگرمیوں سے ثانوی ہوم ورک تک۔ AI استعمال اور انکشاف کے بیانات اِس بات کا احاطہ کرتا ہے کہ سیکھنے والے دوسروں کو بتاتے ہیں یا نہیں کہ اُنہوں نے AI استعمال کیا؛ یہ صفحہ اُس سے ملحق سوال کا احاطہ کرتا ہے کہ یہ معلومات گھر کے بالغ افراد تک پہنچتی ہے یا نہیں، اور خاندانوں کو اسکول کے AI استعمال کے بارے میں کیا بتایا جاتا ہے۔

عام غلط فہمیاں

'اگر پیشکش کی جائے تو خاندان شامل ہوں گے۔' شرکت ہر حوالگی پر ڈھیر ہو جاتی ہے۔ یہاں حوالہ دیے گئے پروگرام کے پہلے سال میں، استاد کی طرف سے نامزد صرف تقریباً 45% طلبہ نے ایک سیشن میں بھی حاضری دی، اور خاندان ہر قدم پر کھوتے گئے — دعوت، دلچسپی، فریق ثالث پلیٹ فارم پر اکاؤنٹ بنانا، مطابقت۔ ہر حوالگی خاندان کھونے کی جگہ ہے، لہٰذا پہنچائی گئی پیشکش کی قدر کی گئی پیشکش سے بہت کم ہے۔

'GenAI کے گرد خاندان–اسکول ہم آہنگی ایک قائم شدہ عمل ہے۔' Fan, Li and Zhang (2026) اُسے قائم شدہ عمل کے بجائے غیر جانچا مفروضہ سمجھتے ہیں۔ پروگرام ایسی فرضی بنیاد پر ڈیزائن کیے جا رہے ہیں جسے لٹریچر نے ابھی جانچا نہیں، اور کسی کو ثبوت پر مبنی بنا کر اپنانے سے پہلے یہ جاننا ضروری ہے۔

'اگر AI اُن کے بچے کی سیکھائی کو نقصان پہنچا رہا ہو تو والدین محسوس کر لیں گے۔' وہ محسوس کرنے کے لیے سب سے کم موزوں مقام پر ہیں۔ Strömberg, Lei and Wu (2026) کے ڈیٹا میں ہوم ورک کے نمبر 18% بڑھے جبکہ بند کتاب والے امتحان کے نمبر چھ ماہ کے اندر 20% گر گئے — اور گھر پر نظر آنے والا عدد بڑھنے والا ہی ہے۔ ہوم ورک دیکھنے والا والدین بہتری دیکھتا ہے جبکہ پائیدار نتیجہ گر رہا ہوتا ہے۔

'گھر پر AI کا استعمال والدین کی اجازت کا سوال ہے۔' یہ خواندگی اور وکالت کا سوال ہے۔ والدین کی اپنی AI خواندگی طے کرتی ہے کہ وہ اسکول کے جاری کردہ اوزار کے بارے میں کیا پوچھ سکتے ہیں، اور خاندانوں میں رسائی کی ناہمواریاں طے کرتی ہیں کہ کون سے بچوں کو بالغ کی ثالثی ملتی ہے ہی اور کون سے نہیں۔

منسلک تصورات

• حصہ دار — تعلیم میں AI کے سامعین اور فاعلوں کا چھتری صفحہ
• ابتدائی بچپن کی تعلیم — وہ ترقیاتی میدان جہاں گھر اور خاندان کا استعمال سب سے زیادہ مطالعہ کیا گیا ہے
• AI استعمال اور انکشاف کے بیانات — افشا کے عمل اور اِس سوال کا کہ خاندانوں تک کیا پہنچتا ہے
• مصنوعی ذہانت کی لیٹریسی — والدین کی اپنی قابلیتیں اور اُنہیں متعین کرنے والے اسکول کے بنائے فریم ورک
• مساوات — فوائد اور بوجھ گھرانوں میں کیسے تقسیم ہوتے ہیں
• ڈیجیٹل تقسیم — رسائی، مہارت اور نتائج کی تہیں جیسے وہ گھر پر لاگو ہوتی ہیں
• گفتگو والا AI — خاندانی ماحول میں AI کی غالب صورت
• خود تعین کا نظریہ — خودمختاری کی معاونت بطور خاندانی رہنمائی کا فریم
• علمی بوجھ اتارنا — انحصاری بمقابلہ خودمختار منتقلی، اور والدین فرق کیوں نہیں دیکھ سکتے
• ذہین ٹیوٹرنگ — AI کے ذریعے ثالثی شدہ والدین–بچہ ٹیوٹرنگ کے پیچھے ماڈل

منسلک مضامین

• Artificial Intelligence Connectedness: Theoretical Reconstruction of Connectedness and Its Impacts on Adolescent Mental Health — نوعمروں کا AI سے جڑاؤ اور جب AI کا بندھن دیکھ بھال کرنے والوں کی غیر پوری شدہ شناخت کے متبادل بن جائے

• ParaTutor: Coordinating Parent-Child Math Tutoring through Role-Separated LLM Scaffolding — چینی گھریلو ریاضی کی ٹیوٹرنگ میں 23 والدین–بچہ جوڑوں کے لیے کرداروں کو الگ کرنے والی LLM معاونت

• Beyond a single role: Justifying a role-adaptive framework for AI companions through a comparative study in elementary book talk — تائیوان میں 19 ابتدائی طلبہ کے ساتھ مقرر ساتھی کردار والا ساتھی بمقابلہ استاد

• Family-school autonomy support for children's responsible use of generative artificial intelligence — خاندان–اسکول ہم آہنگی کو غیر جانچا مفروضہ سمجھنے والا جائزہ

• RAISE the Standard: A Framework for Transparent Reporting of Artificial Intelligence Studies in Education — رضامندی، شرکا کے سیاق و سباق اور رسائی کی مساوات کو محیط رپورٹنگ ذمہ داریاں

• Exploring K-12 Teachers' Perceptions of Students' Relationships with AI Companions: Boundaries, Intervention Strategies, and Design Implications — دائرہ اختیار، والدین اور بچوں کے AI ساتھیوں کے ساتھ تعلق پر 33 اساتذہ

• AI-Play: A Framework for Teaching Artificial Intelligence Concepts through Unplugged Activities in Early Childhood Education — خاندان مرکز Hour of Code تقریب کے ذریعے جانچی گئی غیر ڈیجیٹل AI خواندگی

• Beyond “painting in pink”: A critical case study of all-girls generative AI workshops in a European makerspace — انٹرویو لینے والوں میں والدین شامل؛ غیر رسمی ماحول میں اوزار کی لاگت اور زبان کی رکاوٹیں

• Tailoring AI Agents for Early Learning: The Creative Project Approach — ننھے بچوں کے لیے جسمانی ایجنٹ، لاگت، رسائی اور رازداری کی تنبیہات کے ساتھ

• Transforming clicks into critical thinking: An AI-based media literacy program for children — 36 چوتھی جماعت کے بچوں کے لیے ڈیٹا رازداری، محفوظ رابطے اور میڈیا اخلاقیات پر اسکولی پروگرام

• Virtual Tutoring with Computer-Assisted Learning: An Experiment in Take-Up and Learning — خاندان کے سامنے آنے والے قدم ہٹانے پر شرکت 45% سے 83% ہو گئی

• The Generative AI Learning Penalty: Evidence from Chinese Secondary Education — ہوم ورک آؤٹ سورسنگ، امتحانات میں گراوٹ اور اِن پٹ کی نگرانی کی دلیل

• The Scaffolded AI literacy (SAIL) framework: Results of a Delphi study for equitable AI literacy framework design in education — عمر سے غیر وابستہ AI خواندگی کی سطحیں اور تین سطحوں والا ڈیجیٹل خلا

• Characterizing LLM-Based Family Education through the Lens of Activity Theory: A Scoping Review of the HCI Literature — سرگرمی کے نظریے کی عینک سے LLM پر مبنی خاندانی تعلیم کی خصوصیات: HCI لٹریچر کا اسکوپنگ جائزہ