عمل پر مبنی جانچ

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

عمل پر مبنی جانچ — جانچ کا اِس طرح ڈیزائن کہ سیکھنے والا کسی نتیجے تک کیسے پہنچا، نہ کہ صرف اُس شے کے گرد جو وہ جمع کراتا ہے: مرحلہ وار جمع کرائیاں، عکاسانہ جواز، مکالماتی اور زبانی تبادلہ، مسودہ اور نسخہ جات کی تاریخ، اور ایسے معیار جنہیں طلبہ خود اپنے آپ پر لاگو کر سکیں۔ یہ ٹاسک کی حقیقت پسندی کا مترادف نہیں اور اِس بارے میں کوئی دعویٰ بھی نہیں کہ کام کون درجہ بندی کرتا ہے: ایسا حقیقت پسندانہ ٹاسک جس کا واحد ثبوت ایک غیر نگرانی شدہ مصنوع ہو، وہ اُس متبادل کے مسئلے کا سامنا کرتا ہے جس کا سامنا اُس مضمون کو تھا جس کی اُس نے جگہ لی۔ جنریٹیو AI ہی اِس فرق کو فوری بناتا ہے، کیونکہ بامحاورہ پیداوار اب طلب پر پیدا کی جا سکتی ہے اور مکمل شدہ فائل اِس بات کی معلومات نہیں رکھتی کہ اُس کے پیچھے کس کا استدلال تھا۔

غور کرنے کے لیے سوالات

• اگر کوئی طالب علم ایک چمکدار مضمون جمع کرائے، تو وہ شے آپ کو اُس کی سوچ کے بارے میں واقعی کیا دعویٰ کرنے دیتی ہے — اور کون سے دعوے ایسے ہیں جنہیں وہ صرف بظاہر سہارا دیتی ہے؟
• عمل کا ثبوت مسودے، جواز اور مکالمہ مانگتا ہے۔ آپ کے ماحول میں کون اِس قسم کے تعلیمی خود بیانی میں ماہر ہے، اور کون اِس میں اپنی سہولت کی بنیاد پر جانچا جا سکتا ہے نہ کہ اپنی سمجھ کی بنیاد پر؟
• پکڑ دھکڑ ناقابلِ بھروسہ ہے اور عمل کے گرد دوبارہ ڈیزائن مہنگا۔ آپ محدود ادارہ جاتی بجٹ کہاں خرچ کریں گے، اور کون سا ثبوت آپ کا جواب بدل دے گا؟

تعارف

اعلیٰ تعلیم میں جانچ نے طویل عرصے تک مصنوع سے سوچ کا استنباط کیا۔ جمع کردہ مضمون، رپورٹ یا امتحانی جواب اُس کے پیچھے کے استدلال کی جگہ کھڑا ہوتا تھا، اور درجہ بندی اچھی دلیل والی شے کو اچھی دلیل والے عمل کا ثبوت سمجھتی تھی۔ Thapa اور Lewis (2026) اُس مفروضے کا نام لیتے ہیں جسے جنریٹیو AI توڑ دیتا ہے: چمکدار جواب "اب کسی شخص کے سوچنے کے عمل کی نمائندگی نہیں کر سکتا"، چنانچہ شے سے فہم تک کا استنباط محفوظ رہنا چھوڑ دیتا ہے۔ اُن کا جواب بہتر پکڑنے والا آلہ نہیں بلکہ مختلف ثبوتی بنیاد ہے۔ عمل پر مبنی جانچ تشریح، جواز اور علم کی تعمیر کا ثبوت اُس وقت جمع کرتی ہے جب وہ پروان چڑھ رہے ہوتے ہیں، تاکہ استدلال نظر آتا رہے جب پیداوار طلب پر بنائی جا سکتی ہو۔

یہ بتانا مفید ہے کہ تصور کیا نہیں ہے۔ یہ مستند جانچ نہیں، جو پوچھتی ہے کہ کیا ٹاسک کسی قابلِ قدر حقیقی دنیا کی مشق کی عکاسی کرتا ہے؛ Thapa اور Lewis محور الگ رکھتے ہیں اور اصرار کرتے ہیں کہ ایک مستند ٹاسک جس کی واحد مصنوع غیر نگرانی شدہ ہو، پھر بھی بے نقاب ہے۔ یہ AI پکڑ دھکڑ نہیں، جو پوچھتی ہے کہ آلہ استعمال ہوا یا نہیں، نہ کہ فیصلہ کیسے کیا گیا۔ اور یہ خودکار جانچ نہیں، جو اِس بات سے تعلق رکھتی ہے کہ درجہ بندی کون یا کیا کرتا ہے: مشین سے درجہ بند مرحلہ وار پورٹ فولیو عمل پر مبنی ہو سکتا ہے، اور انسان سے درجہ بند حتمی مضمون لازماً نہیں۔ یہ تصور اِس بارے میں ہے کہ کون سا ثبوت جمع کیا جاتا ہے، کس مدت میں، اور کن حالات میں پیدا ہوتا ہے۔

یہ خیال تجویز سے علم کے ذخیرے میں بار بار آنے والی سفارش بن گیا ہے۔ یہ AIED کے طلبہ کی سیکھنے والے کی ایجنسی اور تحریک کے ایجنڈے میں نامزد ترجیح کے طور پر آتا ہے، برقراری اور منتقلی کے مسئلے کے لیے منظم تحقیقی ایجنڈے کے طور پر، کارکردگی بمقابلہ سیکھنے کی تحقیق میں، Brunnström اور Palmqvist کے AI کے ساتھ خود ضابطگی سیکھنے کے بیان میں "Black Box Assessment" کے طور پر، اور ایسے عملی طور پر کام کرنے والے اساتذہ کے مربیوں کی درخواست کے طور پر جنہوں نے پایا کہ اُن کا گھر پر لکھا جانے والا تحریری کام اب سیکھنے کا ثبوت ہی نہیں رہا۔

عمل کا ثبوت عملی طور پر کیسا دکھتا ہے

سب سے واضح ڈیزائن الفاظ Thapa اور Lewis سے آتے ہیں، جن کے چار عہد دلیل کو ٹاسک کے ڈیزائن میں لے جاتے ہیں: عکاسانہ جواز، مرحلہ وار ٹاسک ڈیزائن، مکالماتی مشغولیت، اور تشخیصی شفافیت۔ عملی طور پر طلبہ نتائج پیش کرنے کے بجائے تشریحی فیصلوں کی وضاحت کرتے ہیں، ایسا کام جمع کراتے ہیں جو چوکیوں کے پار پروان چڑھتا ہے، اپنے استدلال کے بارے میں زبانی یا مکالماتی تبادلوں میں حصہ لیتے ہیں، اور ایسے معیار کے مطابق کام کرتے ہیں جنہیں وہ خود لاگو کر سکیں — یعنی فیڈبیک خواندگی اور خود جانچ کا میدان۔ Boysen (2026) کی تجویز برائے کھلی سیکھنے کی مشقیں اِسی منطق کو آڈٹ ٹریل میں ڈھالتی ہیں: پروجیکٹ شروع ہونے سے پہلے طے شدہ مشترکہ سیکھنے کا منصوبہ، لازمی اور ممنوع ماخذوں کے نام بتانے والا سیکھنے کے تجزیے کا منصوبہ، اور دستاویزی مسودے اور نسخہ جات کی تاریخیں، جنہیں Track Changes اور محفوظ فائل نسخوں کے ذریعے محفوظ رکھا جاتا ہے، جو کام کے عمل کو ظاہر کرتی ہیں اور بتاتی ہیں کہ ہر نظرثانی کو کیا معلومات ملیں۔ وہ اِسے خود ضابطگی کو نظر آنے والا بنانا کہتے ہیں۔

عمل کے ثبوت کے لیے چنا گیا ذریعہ بدل دیتا ہے کہ کیا ثابت ہو سکتا ہے: ایک ہی 79 طلبہ والے جنریٹیو AI مطالعے میں، زیادہ گہرائی والی نگرانی اور منصوبہ بندی بلند آواز سوچنے والی اکائیوں میں زیادہ عام تھی جبکہ زیادہ گہرائی والی ضابطگی تفاعل لاگز میں زیادہ عام تھی، چنانچہ کوئی واحد ریکارڈ پورا عمل نہیں پکڑتا (Li and Liu (2026))۔ نشانات اسکوروں سے یکسر ہٹ بھی سکتے ہیں: 150 طالب علم–AI گفتگوؤں میں، 41% کے ساتھ اسائنمنٹ کا اسکور بالکل 1.00 تھا جبکہ قابلِ مشاہدہ علمی شرکت مختلف تھی، چنانچہ میل کھاتے اسکور مختلف عمل چھپا سکتے ہیں (Fábrega, 2026)۔ DraftTrace AI سے مربوط تحریر کے لیے اِسی مسئلے کا جواب کی اسٹروک کی سطح کے عمل کی پیمائش کو حتمی مصنوع اور AI تفاعل کے نشانات کے ساتھ ہم آہنگ کر کے دیتا ہے، اور دکھاتا ہے کہ نقلِ تحریر صرف اُس وقت شناخت ہو سکتی ہے جب مصنوع اور عمل کو ساتھ پڑھا جائے (Chandarana et al. (2026))، جو اُس رویے کے نشان والی پیمائش کی ٹھوس مثال ہے جو میدان میں ابھی تک نہیں۔

عملی اور فریم ورک والے بیانات اشیاء کو مکمل کرتے ہیں۔ Uden اور Hwang (2026) کا LEARN فریم ورک، جو مسئلہ پر مبنی سیکھنے کی جانچ کو نشانہ بناتا ہے، عمل پر مرکوز ربریکس، زبانی جواز، مرحلہ وار جمع کرائیاں، اور AI استعمال کی افشا کے ساتھ استدلال کے نشانات مانگتا ہے، اور سیکھنے کے جرنلز اور بلند آواز سوچنے کے پروٹوکول کے ذریعے غور و فکر کو ترتیب کا میٹا کوگنیشن انجن سمجھتا ہے۔ Moganadas اور ساتھی (2026) AI کے لحاظ سے شفاف، عمل پر مبنی جانچ کو پانچ قابلِ تحقیق تجاویز میں سے ایک بناتے ہیں، جس میں ممانعت یا پکڑنے والے آلے کے بجائے دستاویز کاری، تصدیق اور عکاسانہ جواز لازم ہے۔ Padhy (2026) نظرثانی کی تاریخ، تفاعل کے نمونے اور ٹاسک پر صرف وقت درج کرنے کی سفارش کرتا ہے، ساتھ میں شفاف افشا۔ Goldstein، Marae-Haj اور Zidan (2026) بتاتے ہیں کہ اعتماد کے بحران کے بعد عملی میدان سے وہی اشیاء ابھریں: پرامپٹ ریکارڈز، دستاویز کے نسخے کی تاریخ، نگران شدہ گروپ شراکتیں، اور جسمانی نوٹ بکس میں رکھے عکاسانہ "سفر کے جرنل" — ساتھ میں یہ سادہ دریافت کہ گھر پر لکھا جانے والا تحریری کام اب سیکھنے کا ثبوت نہیں رہا۔

ٹھوس اوزار ابھر رہے ہیں: Kim et al. (2026) مسئلہ حل کرنے کو چار مراحل اور آٹھ تشخیصی ذیلی مہارتوں کے طور پر عملی شکل دیتے ہیں تاکہ کوئی LLM مرحلے کے مطابق سوالات اور ربریکس پیدا کر سکے؛ پانچ اساتذہ اور 64 طلبہ نے نظام کو 90 مسائل اور 720 ذیلی سوالات پر استعمال کیا، اور System Usability Scale کا اوسط اسکور 83.5 رہا۔

لازمی دستاویز کاری کورس کے پیمانے پر ممکن ثابت ہوئی: چھ سمسٹروں کے چھ ہفتوں والے غیر مطابقت پذیر گریجویٹ تحقیقی طریقوں کے کورسز میں، جو تقریباً 440 K-12 اساتذہ کو خدمت دیتے تھے، چوکی کی جمع کرائیوں کی تکمیل اوسطاً 96% رہی، اور بعد کی تکراروں میں جب واضح پرامپٹ سانچے شامل کیے گئے تو غور و فکر لمبے اور نمایاں طور پر زیادہ ٹھوس بنے (Packard et al. (2026))۔

• "عمل کے ثبوت کے لیے خصوصی جانچ نظام درکار ہے۔" اِس میں سے کچھ تو ایک دوپہر کی آلہ کاری ہے: 77 کالج مضمون لکھنے والوں کے مطالعے نے CodeMirror ایڈیٹر استعمال کیا جو اندراج، حذف، انتخاب، کٹ، کاپی اور پیسٹ کو وقت کے نشان کے ساتھ درج کرتا تھا، ساتھ میں ڈیفالٹ API پر گھر کا بنایا چیٹ پینل، اور 361 پیغامات پکڑے۔ اِنہی نشانات نے دکھایا کہ منصوبہ بندی کے سوالات کے 14 جواب حتمی مضامین میں پیسٹ کیے گئے، جو مصنوع کی سطح کی کوئی رپورٹ ظاہر نہ کرتی۔ ایماندار حد خود آلے میں ہے: ٹائپ کیے گئے الفاظ طالب علم کے گنے جاتے ہیں چاہے وہ کسی جواب سے بدلے گئے ہوں، چنانچہ ٹائپنگ اور سوچنے کے درمیان حد نظر نہیں آتی۔ عمل کو درج کرنا اُس کے لیے ڈیزائن کرنے سے سستا ہے۔

عمل کا نشان صرف اُس وقت فیڈبیک ہے جب سیکھنے والا اُسے ٹاسک کے حوالے سے پڑھے۔ Xian et al. (2026) نے گیارہ ترجمے کے طلبہ کو Inputlog اور اسکرین ریکارڈنگ کی بصریات کے ساتھ صرف ایک 30 منٹ کا عکاسانہ اجلاس دیا۔ معنی کی سطح کی نظرثانیوں کا حصہ 18.1% سے 28.4% تک بڑھا (t(10) = 4.259, p = 0.002) جبکہ کل نظرثانیاں نمایاں طور پر تبدیل نہیں ہوئیں، 1,292.91 سے 1,052.36 تک گریں (p = 0.248)۔ نشان نے طلبہ سے زیادہ تدوین نہیں کرائی، صرف مختلف کرائی، اور یہی ایک نتیجے میں عمل کے ثبوت کی دلیل ہے۔

مستندیت اور درجہ بندی سے مختلف محور

محوروں کو الگ رکھنا اہم ہے، کیونکہ اُنہیں ملا دینا ہی وہ طریقہ ہے جس سے دوبارہ ڈیزائن مکمل دکھتا ہے جبکہ بے نقابی برقرار رہتی ہے۔ Sharma (2026) مستندیت اور سالمیت پر مبنی ڈیزائن کے درمیان تکمیلی فرق کرتا ہے: مستندیت پوچھتی ہے کہ کیا ٹاسک کسی قابلِ قدر مشق کی عکاسی کرتا ہے، جبکہ سالمیت پر مبنی ڈیزائن پوچھتا ہے کہ کیا سیکھنے والے اپنے فیصلوں کا جواز پیش کر سکتے ہیں اور نظریاتی معیارات کے حوالے سے ذمہ داری لے سکتے ہیں، اِسی لیے وہ جو مشقیں پیش کرتا ہے — تشریح شدہ فیصلوں کے نشان، GenAI کی شراکت والے دعووں کی تصدیق، زبانی دفاع، نسخہ جات کی تاریخ کے ساتھ مسودوں کا فرق — وہ اُس فیصلے کے لیے چنی گئی ہیں جو وہ نظر آنے والا بناتی ہیں، اپنی حقیقت پسندی کے لیے نہیں۔ Espino اور Espino (2026) کا بزنس تعلیم کا دس سالہ جائزہ ادب کی طرف سے اِسی ڈیزائن نتیجے پر پہنچتا ہے، اور پاتا ہے کہ میدان مستند، عمل کو ظاہر کرنے والے ایسے ٹاسک کی طرف ہم آہنگ ہو رہا ہے جن میں تشریح، سیاق میں اطلاق اور تکراری بہتری لازم ہے، اور غیر تبدیل شدہ جانچ ڈھانچوں کے اندر الگ تھلگ آلہ اپنانا اُس کی سب سے مستقل ناکامی ہے۔

Salameh (2026) کا Fade–Visibility Matrix اُسی ڈیزائن سوال کو دوسرے متغیر کے ساتھ کاٹتا ہے — کہ AI معاونت برقرار رہتی ہے یا مدھم ہوتی ہے — اور اُس امتزاج کا نام لیتا ہے جس پر زیادہ تر کورسز بطور طے شدہ چلے جاتے ہیں: ایسی معاونت جو کبھی مدھم نہیں ہوتی اور جس کی جانچ صرف اُس کی مصنوع سے ہوتی ہے، Silent Dependency (Salameh, 2026)۔

یہ ساخت اِس سوال سے بھی الگ کی جا سکتی ہے کہ ثبوت کو کیسے اسکور کیا جاتا ہے۔ اعتبار کا استدلال وہ جگہ ہے جہاں دونوں ملتے ہیں: Brunnström اور Palmqvist (2026) دلیل دیتے ہیں کہ جب کوئی چیٹ بوٹ قابلِ فہم امتحانی جواب پیدا کر سکے تو جمع کردہ مصنوع اِس بات کا کمزور اشارہ بن جاتی ہے کہ طالب علم نے کیا سیکھا — یہ صرف سالمیت کا نہیں بلکہ جانچ کے اعتبار کا مسئلہ ہے۔ یہی وہ استنباط ہے جو Yan، Greiff، Lodge اور Gašević کے کارکردگی بمقابلہ سیکھنے کی دلیل میں خطرے میں ہے، جہاں کارکردگی کے فوائد جو معاونت ہٹانے پر سکڑ جائیں یہ دکھاتے ہیں کہ فائدہ سیکھنے والے میں نہیں آلے میں رہتا ہے، اور جہاں تجویز کردہ علاج فوری ٹاسک کی کامیابی کے بجائے برقراری اور منتقلی کے امتحان جیسے عمل کے پیمانے ہیں۔

پکڑ دھکڑ یہ بوجھ کیوں نہیں اٹھا سکتی

عمل پر مبنی جانچ عموماً پکڑ دھکڑ کے متبادل کے طور پر تجویز کی جاتی ہے، اور پکڑ دھکڑ کے بارے میں ثبوت بتاتا ہے کہ کیوں۔ پکڑ دھکڑ کا ادب غلطی کی شرحیں، ٹاسک پر انحصار، اور غیر مقامی اور معذور لکھنے والوں کے خلاف نمونے دار تعصب پاتا ہے، اور تازہ ترین کام ایک طریقہ کار کے نتیجے پر پہنچتا ہے: پکڑنے والے کا اسکور قریبی جائزے کا اشارہ دے سکتا ہے مگر خود کوئی دریافت نہیں۔ Munoz اور ساتھی (2026) دکھاتے ہیں کہ اِس کی عملی قیمت کیا ہے۔ 1,162 جنریٹیو AI بدانتظامی کے الزامات کی کوڈنگ کرتے ہوئے اُنہوں نے پایا کہ سب سے مضبوط ثبوت کی اقسام تفتیش یا نگرانی سے پیدا ہوتی ہیں، کہ مسودے، نگرانی کے اجلاس اور پیشکشیں جیسا عمل کا ثبوت صرف وہیں ظاہر ہوتا ہے جہاں یہ مشقیں پہلے سے موجود ہوں — چنانچہ غیر دوبارہ ڈیزائن شدہ جانچ میں وہ سرے سے غائب ہوتا ہے — اور کہ پکڑنے والے کی پیداوار نے کسی بھی قسم سے کم ترین ثبوتی درجہ بندی حاصل کی۔ ڈیزائن کا نتیجہ ترتیب ہے: عمل کا ثبوت اُس وقت موجود ہونا چاہیے جب کیس کو اُس کی ضرورت ہو، اور Weidlich (2026) کا یہ استدلال کہ کون سا استنباط خطرے میں ہے، اعتبار کی طرف سے یہی نکتہ بناتا ہے، کیونکہ پکڑ دھکڑ کے ذریعے جانچ کی حفاظت بحال کرنے کی کوششیں سیکھنے والے کے بارے میں ثبوت کے بجائے ساخت سے غیر متعلق تغیر لاتی ہیں۔

ربریک کے معیار خود بھی مسیر کے گرد دوبارہ بنائے جا سکتے ہیں۔ Oviedo اور Díaz (2026) Biggs کے 3P ماڈل کو تین درجہ بندی کی جہات کے طور پر پڑھتے ہیں — ایجنسی اور تنقیدی نگرانی، مکالماتی سہارا، اور علمی خودمختاری — تاکہ درجہ بندی مسیر کی ہو، جامد نتیجے کی نہیں۔

ڈیزائن اور کام کے بوجھ کی قیمتیں

ذرائع غیر معمولی طور پر صاف گو ہیں کہ یہ مہنگا ہے۔ Thapa اور Lewis مساوات کی تنبیہ براہِ راست کرتے ہیں: عکاسانہ اور مکالماتی ٹاسک اُن طلبہ کو ترجیح دے سکتے ہیں جو تعلیمی خود بیانی میں زیادہ بااعتماد ہوں، جب تک اُنہیں شامل کرنے والے انداز میں ڈیزائن اور سہارا نہ دیا جائے، اور رشتوں پر مبنی، فیڈبیک کے کثرت سے استعمال والا کام بڑے یا وسائل کے لحاظ سے محدود ماحول میں اساتذہ کی جذباتی اور پیشہ ورانہ محنت کو شدید کرتا ہے — جو توسیع پذیری، معیاری کاری اور قابلِ پیمائش کارکردگی کی ادارہ جاتی توقعات سے متصادم ہے۔ Sharma تشریحی نسخہ جوڑتا ہے: دستاویزی استدلال کا تقاضا ایسے سیکھنے والے کو ترجیح دیتا ہے جو عکاسانہ گفتگو میں زیادہ روانی رکھتے ہیں، اور بطور ثبوت فیصلہ "میکانی طور پر قابلِ تصدیق ہونے کے بجائے رشتوں پر مبنی اور سیاق و سباق میں جڑا رہتا ہے"۔

عملیاتی قیمتیں کہیں اور فہرست وار ہیں۔ Boysen نئی ٹیکنالوجی، نظرثانی شدہ اسائنمنٹس اور نصاب، طلبہ کو نئی مہارتیں سکھانا، اور جمع کرنے اور درجہ بندی کرنے کا اضافی مواد گنواتا ہے، خبردار کرتا ہے کہ عمل پر کم داؤ والا کریڈٹ درجات کو پھلا سکتا ہے، اور مانتا ہے کہ یہ ماڈل روزمرہ کے علم حصول کے کام کے بجائے بڑے مہارت کی نشوونما والے پروجیکٹوں کے لیے کہیں زیادہ موزوں ہے؛ وہ یہ بھی کہتا ہے کہ عمل کی نگرانی وہی ہے جسے کچھ ناقدین AI کی جاسوسی کہتے ہیں۔ Goldstein، Marae-Haj اور Zidan کے شرکاء نے بتایا کہ عمل کی دستاویز کاری قائم کرنے میں واقعی محنت لگی، تیرہ میں سے نو نے اپنی جیب سے جدید آلات کا خرچ اٹھایا جس سے ڈیجیٹل تقسیم گہری ہو سکتی ہے، اور کئی نے نگران شدہ امتحانات اور متوقع زبانی مقالہ دفاع کی طرف واپسی کی۔ مساوات کی فکر کا AI کے لیے خاص پہلو Brunnström اور Palmqvist کی اُس دریافت میں ہے کہ بغیر رہنمائی آلے کا استعمال تفاعل کے انتظام کی ایسی مہارت مانگتا ہے جو غیر مساوی طور پر تقسیم ہے، چنانچہ AI "غالباً پہلے سے فائدہ اٹھانے والے طلبہ کے لیے زیادہ مفید ہو سکتا ہے" — وہی تقسیمی خطرہ جو طلبہ سے دستاویزی عمل کے انتظام کا تقاضا کرنے کے ساتھ آتا ہے۔ Lopez-López، Bru-Cordero اور Correa-Álvarez (2026) نے پایا کہ جن طلبہ نے زیادہ خودمختار مطالعے کا وقت لگایا اُنہوں نے AI کے استعمال کا زیادہ سختی سے فیصلہ کیا، اور سفارش کی کہ جانچا جائے کہ آیا افشا کے سانچے، زبانی دفاع اور عمل پر مبنی جانچ اخلاقی بے یقینی کم کرتے ہیں — ایسا مطالعہ جس کی میدان کو ابھی ضرورت ہے۔ خطرہ اُس میکانزم سے جڑا ہے جو عمل کا ثبوت کارآمد بناتا ہے: جہاں تعاون، نظرثانی اور غور و فکر کی درجہ بندی ہوتی ہے، طلبہ کے پاس ایسا ثبوت پیدا کرنے کی وجہ ہوتی ہے جو اُن کی توقع کے مطابق جانچنے والا چاہتا ہے، چنانچہ عمل کے ریکارڈ ثبوتی کے بجائے نمایشی ہو سکتے ہیں (Alam & Jackson, 2026)۔

کیا چیز ابھی حل طلب ہے

Thapa اور Lewis کا بیان تصوراتی ہے: کوئی شرکاء نہیں، کوئی ڈیٹا جمع نہیں، اور کوئی عملی آزمائش نہیں، چنانچہ چار اصولوں پر دلیل دی گئی ہے، اُن کی جانچ نہیں، اور مقالہ خود طلبہ کے تجربے، اساتذہ کے کام کے بوجھ اور طویل مدتی قابلیت پر تجربی کام کا مطالبہ کرتا ہے۔ عملیت کو مختلف ماحولوں میں غیر تفریق شدہ چھوڑا گیا ہے — بڑے لیکچرز، لیبارٹریوں، اسٹوڈیوز یا کلینیکل تقرر تک منتقلی کا کوئی ذکر نہیں۔ Lane (2026) کا موقف مقالہ ادارہ جاتی چھت کا ذکر کرتا ہے: عمل پر مبنی جانچ اُن درجہ بندی اور ٹرانسکرپٹ ڈھانچوں سے کند ہو جاتی ہے جو چمکدار حتمی اشیاء کو انعام دیتے ہیں، چنانچہ صرف کلاس روم کا دوبارہ ڈیزائن ترغیب کو نہیں بدلتا۔ پیمائش بھی پتلی ہے: Jin اور ساتھیوں (2026) کا AI خواندگی آلات کا جائزہ کارکردگی پر مبنی اور عمل پر مبنی جانچ اور پرامپٹنگ اور تصدیق کی رویے کے نشان والی پیمائش کا مطالبہ کرتا ہے، مگر بتاتا ہے کہ موجودہ آلات خود رپورٹ پر ٹکے ہیں۔ یہاں کوئی ماخذ عمل پر مبنی دوبارہ ڈیزائن کے خلاف مصنوع پر مبنی دوبارہ ڈیزائن کی کنٹرول شدہ آزمائش رپورٹ نہیں کرتا، جس سے مرکزی دعویٰ — کہ عمل کا ثبوت نقلی بنانا زیادہ مشکل اور جانچنا زیادہ منصفانہ ہے — اصول، عملی رپورٹ اور کیس فائل کے ثبوت سے دلیل بنتا ہے، پیمانے پر مظاہرہ نہیں۔

عام غلط فہمیاں

• "زیادہ اسکور کا مطلب ہے کہ طالب علم نے وہ کام کیا جو ہم نے ڈیزائن کیا۔" نشانات اسکوروں سے یکسر ہٹ سکتے ہیں: 150 طالب علم-AI گفتگوؤں میں، 41% کے ساتھ اسائنمنٹ کا اسکور بالکل 1.00 تھا جبکہ قابلِ مشاہدہ علمی شرکت مختلف تھی۔ اسکور اپنی انتہا کو پہنچ جاتا ہے جبکہ وہ عمل جو اُسے پیدا کرنا تھا، نہیں پہنچتا۔
• "عمل کا ڈیٹا پیمانے پر ناقابلِ انتظام ہے۔" لازمی دستاویز کاری کورس کے پیمانے پر ممکن ثابت ہوئی، چھ سمسٹروں کے چھ ہفتوں والے غیر مطابقت پذیر گریجویٹ تحقیقی طریقوں کے کورسز میں جو تقریباً 440 K-12 اساتذہ کو خدمت دیتے تھے۔ لاجسٹکس حل ہو سکتی تھیں؛ اعتراض قیمت کو بڑھا چڑھا کر پیش کرتا ہے۔
• "مسئلہ حل کرنا عمل سے جانچنے کے لیے حد سے زیادہ مجموعی ہے۔" اِسے چار مراحل اور آٹھ تشخیصی ذیلی مہارتوں کے طور پر عملی شکل دی جا سکتی ہے، جس سے LLM مرحلے کے مطابق سوالات اور ربریکس پیدا کر سکتا ہے — پانچ اساتذہ اور 64 طلبہ کے ساتھ استعمال ہوا۔ تجزیہ ہی وہ چیز تھا جس نے عمل کو قابلِ فہم اور قابلِ جانچ بنایا۔

منسلک تصورات

• تدریسی نمونے — مرحلہ وار چوکیاں اور عمل کا ثبوت بطور ترتیب وار ڈیزائن
• جانچ
• مستند جانچ
• AI کی پکڑ
• جانچ کا اعتبار
• تشخیصی فیصلہ
• تشکیلی جانچ
• اختتامی جانچ
• فیڈبیک
• خود جانچ
• زبانی جانچ
• ای-پورٹ فولیو
• AI استعمال اور انکشاف کے بیانات
• خود ضابطگی والی سیکھنا
• علمی سالمیت
• مساوات

منسلک مضامین

• The crisis of critical thinking in higher education: rethinking what universities should teach in an age of information abundance and generative AI — ایک تنقیدی بیانی جائزہ جو دلیل دیتا ہے کہ طے شدہ ناکامی AI معاونت ہے جو کبھی مدھم نہیں ہوتی اور ساتھ صرف مصنوع والی جانچ (Salameh 2026)

• Process-Oriented Collaborative Essays: Empowering Undergraduate Students Through Assessment Redesign in the Age of Generative AI — پہلے سال کی ڈگری اپرنٹس شپ میں درجہ بند، مشترکہ طور پر لکھا گیا عمل مضمون: ربریک میں تکرار اور تعاون، GenAI مقررہ حدود کے اندر اجازت یافتہ (Alam & Jackson 2026)

• Distinguishing performance gains from learning when using generative AI — کارکردگی سیکھنا نہیں: عمل کے پیمانوں پر بنایا گیا تحقیقی ایجنڈا (Yan et al. 2026)

• Human-centered AI for teacher educators: Designing professional learning for critical AI literacy — اساتذہ کے مربی AI کے خلاف مزاحم، جواز اور غور و فکر پر بنے عمل پر مبنی ٹاسک مانگتے ہیں (Baran et al. 2026)

• Educational integrity in GenAI-augmented assessment: making judgment visible — تشریح شدہ فیصلوں کے نشان، زبانی دفاع، اور مسودوں کا فرق جو نظر آنے والے فیصلے کے لیے چنے گئے

• How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis — بدانتظامی کے کیس فائلوں میں کیا ہوتا ہے، اور اُن میں کون سا عمل کا ثبوت نہیں

• Which inference is at risk? Assessment validity reasoning and generative AI — جانچ کا ثبوت بدلے جانے پر کون سا استنباط خطرے میں ہے

• Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World — مستندیت کو دوبارہ ڈیزائن کرنا ہوگا، پہرہ داری نہیں

• From authentic products to authenticated processes: a systematic conceptual review of authentic assessment in AI-rich — مستند مصنوعات اور وہ عمل جنہوں نے اُنہیں پیدا کیا

• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — زبانی امتحان بطور AI کے خلاف مزاحم فارمیٹ جو استدلال کو زندہ کرتا ہے

• Preserving epistemic authenticity: process-oriented assessment in the age of generative AI — علمی مستندیت اور عمل پر مبنی جانچ کے پیچھے چار ڈیزائن عہد (Thapa & Lewis 2026)

• Mapping the Distribution and Depth of Metacognitive Processes in Generative AI-Assisted Learning: Evidence from Interaction Logs and Concurrent Think-Aloud Protocols — ذریعے کے لحاظ سے مشروط عمل کا ثبوت: لاگز اور بلند آواز سوچنا مختلف عمل ظاہر کرتے ہیں

• DraftTrace: A Multi-View Analytics Environment for AI-Integrated Writing — DraftTrace: AI سے مربوط تحریر کے لیے کثیر المنظر تجزیاتی ماحول

• Same Performance, Different Process: Epistemic Ownership in AI-Mediated Education — یکساں کارکردگی، مختلف عمل: AI کے ذریعے ہونے والی تعلیم میں علمی ملکیت

• STEPwise: Supporting Teachers in Diagnosing Students' Mathematical Problem-Solving Skills through LLM-Generated Questions — STEPwise: LLM کے پیدا کردہ سوالات کے ذریعے طلبہ کی ریاضیاتی مسئلہ حل کرنے کی مہارتوں کی تشخیص میں اساتذہ کی معاونت

• Teaching with AI, Not Against It: A Thinking Partner Framework for Working Adult Learners in Compressed Online Formats — AI مکالمے کی چوکی دستاویز کاری چھ سمسٹروں اور تقریباً 440 اساتذہ میں 96% تکمیل پر رہی

• Rubrics and Generative AI: Towards Process-Based Assessment — Biggs کے 3P ماڈل سے تین ربریک جہات: ایجنسی اور نگرانی، مکالماتی سہارا، علمی خودمختاری (Oviedo & Díaz 2026)

• An Empirical Study to Understand How Students Use ChatGPT for Writing Essays — CodeMirror ایڈیٹر اور درج شدہ چیٹ پینل نے ایک مضمون کے اجلاس کو عمل کے ثبوت میں بدل دیا، اپنی ٹائپنگ بمقابلہ سوچنے کی حد کے ساتھ (Jelson et al. 2026)

• Process visualization feedback in news translation: a controlled intervention study of human-AI interaction using multimodal process data - عمل کی بصریات اور ایک عکاسانہ اجلاس نے نظرثانی کو سطح سے معنی کی سطح پر منتقل کیا بغیر تدوین کا حجم بڑھائے