خود تعین کا نظریہ

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

خود تعین کا نظریہ (SDT) — انسانی تحریک کا ایک نفسیاتی نظریہ جو یہ تجویز کرتا ہے کہ اندرونی تحریک اور بہبود تین بنیادی نفسیاتی ضرورتوں کی تکمیل پر منحصر ہیں: خود مختاری، قابلیت اور تعلق۔ تعلیم میں AI کے میدان میں SDT ایسے AI اوزار اور پیشہ ورانہ ترقی ڈیزائن کرنے کا فریم ورک مہیا کرتا ہے جو سیکھنے والوں اور اساتذہ کی تحریک کو کمزور کرنے کے بجائے اُسے سہارا دیں۔

غور کرنے کے لیے سوالات

یہ نظریہ دعویٰ کرتا ہے کہ تحریک محض یہ نہیں کہ آپ کے پاس کتنی ہے، بلکہ ایک معیار ہے جسے ماحول تشکیل دیتا ہے، اور جو تین ضرورتوں پر کھڑا ہے: خود مختاری، قابلیت اور تعلق۔ کسی ایسے سیکھنے کے تجربے کے بارے میں سوچیں جس نے آپ کو خالی کر دیا تھا۔ اِن تین ضرورتوں میں سے کون سی کی خلاف ورزی ہوئی تھی، اور کیا چیز اُسے بحال کر دیتی؟
ایک سال طویل مطالعے نے تین تحریکی پروفائل پائے — غیر مشغول، ترقی پذیر، خود تعین یافتہ — جو وقت کے ساتھ مستحکم رہے، اور جن طلبہ نے خود تعین یافتہ پروفائل حاصل کیا اُنہوں نے AI خواندگی میں سب سے زیادہ اضافہ دکھایا۔ پڑھنے سے پہلے، کیا تحریک وہ چیز ہے جو طلبہ ساتھ لاتے ہیں، یا وہ چیز ہے جو اچھی طرح ڈیزائن کیا گیا ماحول اُگا سکتا ہے؟ 'ترقیاتی، غیر مقرر' کا کیا مطلب ہے؟
اگر کوئی AI اوزار ہر کام کو بے محنت اور 'استعمال میں آسان' بنا دے، تو وہ کون سی نفسیاتی ضرورت پوری کر رہا ہوگا — اور کون سی خاموشی سے کمزور کر رہا ہوگا؟ جو اوزار قلیل مدتی شمولیت بڑھاتا ہے، وہ طویل مدتی تحریک کو کیسے گھٹا سکتا ہے؟
اساتذہ کے لیے ضرورت معاون پیشہ ورانہ ترقی نے اُن کی AI خواندگی بڑھائی اور شمولیت کو برقرار رکھا۔ کیا یہ بتاتا ہے کہ ہم اساتذہ کو AI کے بارے میں کیسے تربیت دیتے ہیں اِتنا ہی اہم ہے جتنا خود AI کیا کرتا ہے؟ آپ کے لیے ذاتی طور پر 'خود مختاری کی حامی' AI تربیت کیسی دکھے گی؟
ایک مطالعے نے پایا کہ ChatGPT زبان سیکھنے میں خود مختاری، تعلق اور قابلیت کو سہارا دے سکتا ہے۔ مگر کیا یہی اوزار کسی دوسرے سیکھنے والے کے لیے اِن ضرورتوں کو کمزور کر سکتا ہے؟ نظریے کے درست رہنے کے لیے یہ کیا ضروری ہوگا کہ اُسے کیسے استعمال کیا جائے؟
آگے پڑھنے سے پہلے، ایک ایسا موقع بتائیں جب آپ نے AI اوزار استعمال کرتے ہوئے اپنی قابلیت، خود مختاری یا تعلق کے احساس پر اثر محسوس کیا — اور غور کریں کہ کیا آپ اِس تبدیلی کو تب محسوس کرتے اگر آپ کو اُسے ڈھونڈنے کے لیے نہ کہا جاتا۔

تعارف

SDT تعلیم میں AI کی تحقیق میں تیزی سے بطور نظریاتی زاویہ استعمال ہو رہا ہے، وہ بھی سیکھنے والوں کے لیے اور اساتذہ کے لیے بنائے گئے AI نظاموں میں۔ نظریے کا مرکزی دعویٰ — کہ تحریک محض کوئی مقدار نہیں جو سیکھنے والوں کے پاس ہو، بلکہ ایک معیار ہے جسے سماجی اور تکنیکی ماحول تشکیل دیتا ہے — اِسے اُن سوالات کے لیے براہِ راست متعلقہ بناتا ہے کہ AI اوزار شمولیت، تسلسل اور سیکھنے کے نتائج پر کیسے اثر ڈالتے ہیں۔ اِس علمی ذخیرے کے مضامین SDT کو تین بنیادی سیاق و سباق میں لاگو کرتے ہیں: اساتذہ کی پیشہ ورانہ ترقی، AI کے ذریعے ثالثی شدہ سیکھنے کی شمولیت، اور جذباتی کمپیوٹنگ۔

تحقیق کے کلیدی موضوعات

SDT پر مبنی اساتذہ کی پیشہ ورانہ ترقی نظریے کے ضرورت معاون اصولوں کو اساتذہ کو AI کے لیے تیار کرنے پر لاگو کرتی ہے۔ Chiu وغیرہ نے 382 ثانوی اسکول اساتذہ کا مطالعہ کیا اور پایا کہ SDT پر مبنی ضرورت معاون پیشہ ورانہ ترقی اساتذہ کی AI خواندگی بڑھاتی ہے اور آن لائن پیشہ ورانہ سیکھنے کی برادریوں میں مسلسل رویے کی شمولیت کو فروغ دیتی ہے۔ کیفیاتی تجزیے نے خود مختاری، قابلیت اور تعلق کی حمایت کرنے کی نو ڈیزائن حکمت عملیاں شناخت کیں — جو الگ تھلگ پیشہ ورانہ ترقی اور پیشہ ورانہ سیکھنے کی برادریوں کے درمیان خلا کو پاٹتی ہیں۔

AI کے ذریعے ثالثی شدہ سیکھنے کی شمولیت میں SDT یہ جائزہ لیتا ہے کہ پیداواری AI اوزار طلبہ کی تحریک کو کیسے تشکیل دیتے ہیں۔ Isaeva وغیرہ نے SDT کو علمی نیٹ ورک تجزیے کے ساتھ ملا کر علمی سیکھنے میں طلبہ کی پیدا کردہ AI کے ساتھ شمولیت کا مطالعہ کیا۔ Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming یہ کھوجتا ہے کہ AI کی دستیابی طلبہ کی تحریک اور تسلسل پر کیسے اثر ڈالتی ہے، اور اِسے تحریک کے کٹاؤ سے متعلق حد سے زیادہ انحصار کی فکروں سے جوڑتا ہے۔ Liang وغیرہ (2026) SDT کو AI سیکھنے تک ایک سال طویل AI نصاب میں 2,086 ثانوی طلبہ کے لیٹنٹ ٹرانزیشن تجزیے کے ذریعے بڑھاتے ہیں، تین تحریکی پروفائل (غیر مشغول، ترقی پذیر، خود تعین یافتہ) شناخت کرتے ہیں جو وقت کے ساتھ مستحکم رہے، اور دکھاتے ہیں کہ زیادہ تر طلبہ نے بلند تر پروفائل برقرار رکھا یا اُس کی طرف بڑھے۔ اہم بات یہ ہے کہ جن طلبہ نے خود تعین یافتہ پروفائل حاصل کیا یا اُس میں رہے، اُنہوں نے مصنوعی ذہانت کی لیٹریسی میں سب سے زیادہ اضافہ دکھایا — یہ براہِ راست طولی ثبوت ہے کہ خود مختاری، قابلیت اور تعلق کی تکمیل بہتر AI سیکھنے کے نتائج کی پیش گوئی کرتی ہے، اور یہ کہ تحریک سیکھنے والے کی ایک ترقیاتی (غیر مقرر) خصوصیت ہے۔

کلاس روم کا ایک متضاد نتیجہ بتاتا ہے کہ ضرورتیں ساتھ ساتھ نہیں چلتیں: 2,464 نچلے ثانوی طلبہ میں، ChatGPT کی معاونت والی قابلیت پر مبنی سیکھنے نے خود مختاری کی حمایت اور قابلیت کی تسکین بڑھائی، مگر کم معیار کے تحریکی پروفائل کا حصہ زیادہ پیدا کیا، اور تعلق کی تسکین غیر AI قابلیت پر مبنی سیکھنے کے مقابلے میں کمزور رہی (Schweder, Hagenauer & Raufelder (2026))۔

دستیابی استعمال نہیں ہے۔ جماعت 5–8 کے 406 طلبہ کے ساتھ، جنہوں نے دو بار لکھا — ایک بار ڈیجیٹل اوزاروں کے بغیر اور ایک بار GenAI کی اختیاری موجودگی کے ساتھ — خود مختاری کی تسکین گری (Δ = −0.28) جبکہ اوسط ضابطہ مستحکم رہا اور AI استعمال کی ڈگری نے کسی پروفائل کی رکنیت کی پیش گوئی نہ کی (Schweder & Grahl (2026))۔

اِس موقع پر تحریکی فائدہ آسانی نے نہیں، خود مختاری نے اُٹھایا۔ ایک تین بازوؤں والی بے ترتیب آزمائش نے پایا کہ اشارہ روکے رکھنے والا ٹیوٹر، جو سیکھنے والوں کو اپنا حل خود بنانے دیتا ہے، واحد بازو تھا جس نے اندرونی تحریک بڑھائی (2.82 بمقابلہ 2.42)، جبکہ بے قید ChatGPT، جو جواب مہیا کر دیتا ہے، ایسا نہ کر سکا (2.64، p = .076) (Bassner وغیرہ (2026))۔

ایک تشکیلاتی آزمائش اِس نکتے کو مزید تیز کرتی ہے: 498 طبی انڈرگریجویٹس میں، GAI کا استعمال ضرورت کی تسکین کے ساتھ صرف کمزور طور پر جڑا تھا (β = 0.155) اور اعلیٰ شمولیت کے لیے غیر ضروری ثابت ہوا، جبکہ قابلیت کی ضرورت کی تسکین سب سے مضبوط تشکیل میں بنیادی شرط تھی (He وغیرہ (2026))۔

سیکھنے کے ماحول سے AI استعمال تک دوہرے راستے۔ Shen اور Arunrugstichai (2026) SDT کو رویے کی شمولیت کے Hook ماڈل کے ساتھ ملا کر یہ بیان کرتے ہیں کہ GenAI کا استعمال تعمیری معاونت سے لے کر مجبوری انحصار تک کیوں پھیلا ہوتا ہے۔ مختلف ہائی اسکول پس منظر اور موجودہ سیاق و سباق رکھنے والے 508 یونیورسٹی طلبہ (چین اور تھائی لینڈ) کے کراس سیکشنل سروے ڈیٹا میں، ہائی اسکول کے دباؤ بمقابلہ خود مختاری کی حمایت کی ماضی کی رپورٹوں نے متفاوت طور پر پیش گوئی کی کہ طلبہ یونیورسٹی میں داخل ہوتے ہوئے دو راستوں میں سے کس پر چلیں گے — ایک تعمیری، خود مختار GenAI استعمال کی طرف اور دوسرا مجبوری انحصار کی طرف — اور نتائج بین السیاق کثیر گروپ تجزیوں میں یکساں رہے۔ یہ ماڈل SDT کے تحریکی عمل کو AI کی معاونت والی سیکھنے کے سمجھے گئے معیار سے جوڑتا ہے، اور خود مختاری کی حمایت کو ایسے دستے کے طور پر پیش کرتا ہے جو طلبہ کو کارآمد کے بجائے منحصر AI استعمال کی طرف موڑتا ہے۔

زبان سیکھنے میں ChatGPT اور SDT ضرورتیں: Annamalai وغیرہ (2026) نے 25 ملائیشیائی یونیورسٹی طلبہ کے ساتھ SDT کا زاویہ استعمال کیا اور پایا کہ ChatGPT انگریزی زبان سیکھنے میں خود مختاری، تعلق اور قابلیت کو سہارا دیتا ہے — گرامر، تحریر اور گفتگو کے کام بہتر بناتا ہے جبکہ اساتذہ کو اعلیٰ درجے کی تربیت پر توجہ دینے دیتا ہے۔

اساتذہ کے اپنے AI کے ذریعے ثالثی شدہ عمل پر SDT کا اطلاق۔ Claassen وغیرہ (2026) نے SDT کو اِس بات کی تفسیری عینک کے طور پر استعمال کیا کہ اساتذہ لرننگ اینالیٹکس اور پیدا کردہ AI کو سیکھنے کے ڈیزائن میں کیسے شامل کرتے ہیں — اور پایا کہ اساتذہ کی بنیادی ضرورتوں (خود مختاری، قابلیت، تعلق) کی حمایت اُس تخلیقی مسئلہ حل کرنے کو فروغ دیتی ہے جو اُن کا ڈیزائن کام تقاضا کرتا ہے۔ اُن کے ENA تجزیے میں، GenAI کا استعمال طلبہ کی خود تعینی کے لیے ڈیزائن کرنے کے ساتھ جڑا تھا (مثلاً طلبہ کے ساتھ مل کر جانچ کے ربرکس بنانا)، جو SDT کو سیکھنے والوں سے بڑھا کر اُن اساتذہ تک لے جاتا ہے جو ضرورت معاون AI ثالثی ماحول بناتے ہیں۔

خود اساتذہ کے لیے، AI کے ساتھ تعاون دونوں طرف کاٹتا ہے: 468 یونیورسٹی اساتذہ کے تین مرحلوں والے مطالعے نے پایا کہ اِس نے نفسیاتی دستیابی کے ذریعے کام کی شمولیت بڑھائی جبکہ کام کی بیگانگی کے ذریعے اُسے کم کیا، اور ڈیجیٹل قابلیت نے پہلے راستے کو مضبوط اور دوسرے کو کمزور کیا (Sun وغیرہ (2026))۔

ایک شریک ایجنسی فریم ورک AI ثالثی تعلیم میں SDT کی رسائی کو محدود کرتا ہے: یہ اُن حالات کو بدلتا ہے جن میں خود مختاری، قابلیت اور تعلق ابھرتے ہیں، مگر اقتدار کی مساوات، ڈیٹا کی ملکیت اور جواب دہی کو حل نہیں کرتا، اِس لیے اِس کے مصنفین انسانی علمی جواب دہی کو نظریے سے باہر ایک ناقابلِ گفت و شنید شرط قرار دیتے ہیں (Poudyal (2026))۔

بچوں کے GenAI استعمال کے لیے فریم کے طور پر خود مختاری کی حمایت۔ Fan, Li اور Zhang (2026) ذمہ دارانہ استعمال کے سوال کو پابندی سے ضرورت کی حمایت کی طرف منتقل کرتے ہیں، اور دلیل دیتے ہیں کہ اصل فرق یہ ہے کہ بچے کے اردگرد کے بالغان خود مختاری کو سہارتے ہیں یا اُسے قابو کرتے ہیں، اور SDT کی اصطلاحات میں منحصر کو خود مختار علمی بوجھ اتارنا سے الگ کرتے ہیں: منحصر منتقلی سیکھنے والے کی ایجنسی منتقل کر کے اندرونی تحریک گھٹاتی ہے، جبکہ خود مختار منتقلی سہارا دیتی ہے اور سیکھنے والے کے پاس علمی قابو رہتا ہے۔ جائزے کی دو خصوصیات SDT کے اطلاق سے براہِ راست متعلق ہیں: یہ اصرار کرتا ہے کہ خود مختاری کی حمایت ڈھیل نہیں ہے، اور موجودہ رہنمائی جو خاندان-اسکول ہم آہنگی فرض کرتی ہے اُسے ایک غیر جانچا مفروضہ سمجھتا ہے، اور اُس کی جمعی، ہم افزا اور تلافی کار تین صورتیں وضع کرتا ہے جن میں صرف ایسی فیکٹوریل آزمائش فرق کر سکتی ہے جو خاندان تنہا، اسکول تنہا، ہم آہنگ اور معمول کی رہنمائی کا موازنہ کرے۔

عام غلط فہمیاں

"تحریک کی قسم تحریک کی مقدار سے کم اہم ہے۔" ایک سال طویل مطالعے نے تین تحریکی پروفائل — غیر مشغول، ترقی پذیر، خود تعین یافتہ — وقت کے ساتھ مستحکم پائے، اور جن طلبہ نے خود تعین یافتہ پروفائل حاصل کیا اُنہوں نے مصنوعی ذہانت کی لیٹریسی میں سب سے زیادہ اضافہ دکھایا۔ تحریک کے معیار نے سیکھنے کی پیش گوئی کی، اور پروفائل محض اوپر کی طرف نہیں سرکے۔
"خود مختاری کی حمایت کا مطلب ساخت ہٹا دینا ہے۔" SDT کا طریقہ کار خود مختاری، قابلیت اور تعلق سب مل کر ہے، اور طولی ثبوت بتاتا ہے کہ اِن کی تکمیل نے فوائد کی پیش گوئی کی، محض اُن کے ساتھ ساتھ نہیں چلی۔ قابلیت کی حمایت کے بغیر خود مختاری ڈھیل ہے، اور یہ نظریے کی شرائط پوری نہیں کرتی۔
"چیٹ بوٹ تینوں ضرورتیں خود بخود مہیا کر سکتا ہے۔" ایک مطالعے نے پایا کہ ChatGPT زبان سیکھنے میں خود مختاری، تعلق اور قابلیت کو سہارا دے سکتا ہے — یہ ایک امکان ہے، خاصیت نہیں۔ کوئی مخصوص تعامل اِنہیں سہارتا ہے یا نہیں، یہ ایک تجرباتی سوال ہے کہ اُسے کیسے استعمال کیا جاتا ہے۔

منسلک تصورات

منسلک مضامین

Family-school autonomy support for children's responsible use of generative artificial intelligence — بچوں کے پیدا کردہ AI کے ذمہ دارانہ استعمال کے لیے خاندان-اسکول خود مختاری کی حمایت
How High-School Pressure and Autonomy Support Are Linked to Dual AI Learning Pathways: A Cross-Contextual SEM Analysis — ہائی اسکول کا دباؤ/خود مختاری کی حمایت اور AI سیکھنے کے دوہرے راستے (Shen & Arunrugstichai 2026)
Reclaiming Epistemic Agency: A Critical Framework for Human-Generative AI Co-Agency in Education
Understanding the Role of Learning Analytics and Generative Artificial Intelligence on Decision-Making and Learning Design Practice in Higher Education — سیکھنے کے ڈیزائن کے فیصلہ سازی میں LA اور GenAI
Teacher education for artificial intelligence literacy through a self-determination theory perspective
Students' engagement with generative AI in academic learning: A self-determination theory and epistemic network analysis study
Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming
Students' experiences of using ChatGPT for English language learning: a qualitative study in a Malaysian higher education institution — انگریزی زبان سیکھنے میں طلبہ کے ChatGPT تجربات
Interaction Effects Between Learner Characteristics and Dialogue Format in TTS Dialogue-Based Lessons — سیکھنے والے کی خصوصیات × TTS مکالمے کی شکل کے تعاملات
From disengaged to self-determined: a latent transition analysis of students' AI learning motivation — طلبہ کی AI سیکھنے کی تحریک کا SDT لیٹنٹ ٹرانزیشن تجزیہ (2,086 ثانوی طلبہ)
Student Motivation and Need Satisfaction in GenAI-Supported Classrooms: A Self-Determination Theory Perspective — GenAI کلاس رومز میں طالب علم تحریک اور ضرورت کی تسکین (Schweder, Hagenauer & Raufelder 2026)
Generative Artificial Intelligence Use and Learning Engagement Among Medical Undergraduates: Statistical Indirect and Configurational Associations Involving Basic Psychological Need Satisfaction — GAI کا استعمال ضرورت کی تسکین سے کمزور طور پر جڑا اور اعلیٰ شمولیت کے لیے غیر ضروری ہے (He وغیرہ 2026)
The Double-Edged Sword Effects of Teacher–AI Collaboration on Work Engagement: A Self-Determination Theory Perspective — استاد–AI تعاون سے کام کی شمولیت تک دوہرے راستے، جنہیں ڈیجیٹل قابلیت تعدیل کرتی ہے
Less stress, better scores, same learning: The dissociation of performance and learning in AI-supported programming education — اشارہ روکنے نے خود مختاری محفوظ رکھی، جواب دینے نے نہیں
AI Availability Reshaped Students' Writing Motivation Profiles Without Moving the Average — جماعت 5–8 میں AI کی دستیابی، خود مختاری میں کمی اور تحریکی پروفائل (Schweder & Grahl 2026)
Generative AI and student motivation: an SDT-guided systematic review of learning activities, motivational regulation, and measurement - 39 مطالعات 20 سرگرمیوں کی درجہ بندی کے مطابق کوڈ کیے گئے؛ قابلیت سب سے زیادہ، تعلق سب سے کم بروئے کار

میٹا ڈیٹا

مطلوبہ سامعین	Learners
سیکھنا اور استادی	تحریک, خود تعین کا نظریہ
ٹیکنالوجیز اور طریقے	جذباتی کمپیوٹنگ
تعلیم میں AI کی بنیادیں	تعلیم میں مصنوعی ذہانت, استاد کی AI صلاحیت

ذریعہ تاریخچہ ترمیم کریں گفتگو