خود رپورٹ پیمائشیں

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

خود رپورٹ پیمائشیں — وہ آلات جن میں زیرِ مطالعہ شخص ہی ڈیٹا کا ماخذ بھی ہوتا ہے: سوالنامے اور سروے، انٹرویوز، ڈائریاں، خود جانچی گئی قابلیت، خود اندازہ لگایا گیا استعمال، سمجھا گیا سیکھنا اور اطمینان۔ یہ تعلیم میں AI کی تحقیق کا بنیادی ستون ہیں — اس علمی ذخیرے میں 139 مضمون صفحات پر سروے طریقہ کا ٹیگ ہے، جو تجربے اور بینچ مارک کے سوا کسی بھی ڈیزائن سے زیادہ ہے — اور رویوں، عقائد، ارادوں اور خود اعتمادی تک پہنچنے کا یہی واحد عملی راستہ ہے۔ ان کی حد شماریاتی نہیں بلکہ نوعی ہے: خود رپورٹ رویے یا سیکھنے کی پیمائش نہیں کر سکتی، صرف یہ بتا سکتی ہے کہ کوئی رویے یا سیکھنے کے بارے میں کیا کہتا ہے، اور اس تحقیقی بنیاد میں یہ دو چیزیں اتنی کثرت سے الگ ہوتی ہیں کہ یہ بذاتِ خود ایک نتیجہ ہے۔

غور کرنے کے لیے سوالات

• اگر کوئی مطالعہ کہے کہ طلبہ نے "زیادہ شمولیت کی اطلاع دی،" تو بالکل کیا پیمائش ہوئی — اور یہ نتیجہ اخذ کرنے کے لیے کہ وہ واقعی شامل رہے، آپ کو کیا دیکھنا ہوگا؟
• ایک مطالعہ میں اساتذہ کی AI خواندگی کی خود بتائی گئی اور معروضی پیمائشوں کا باہمی تعلق چار جہتوں میں صرف r = 0.07 سے r = 0.24 رہا۔ آپ کی اپنی خود جانچ اسی مہارت کے امتحان سے سب سے زیادہ کہاں مختلف ہوگی، اور کیوں؟
• اطمینان کی پیمائش آسان ہے اور اسے بہتر کرنا بھی آسان ہے — صارفین کو خوش کرنے کے لیے ترتیب دیا گیا نظام اس پر اچھا اسکور کرے گا۔ یہ اطمینان کو سیکھنے کے لیے ناقص نتیجہ کی پیمائش کیوں بنا سکتا ہے، اور آپ اس کے بجائے کیا پیمائش کریں گے؟
• "تقریباً تمام طلبہ کورس ورک کے لیے AI استعمال کرتے ہیں" طلبہ سے پوچھ کر حاصل ہوتا ہے۔ لاگ کرنے کے بجائے پوچھنا کسی بھی سمت میں کیا غلط کر سکتا ہے؟
• ایک سروے میں 112 جوابات 31% جواب کی شرح پر آتے ہیں، یا 572 دعوتوں میں سے 90 جوابات۔ اس کے فیصد قبول کرنے سے پہلے، آپ یہ جاننا چاہیں گے کہ کس نے جواب نہیں دیا؟
• جب کوئی مطالعہ ایک ہی لمحے پر ناپے گئے دو خود بتائے گئے متغیرات کا باہمی تعلق نکالتا ہے، تو آپ اس تعلق کے کتنے الگ الگ توضیح پیدا کر سکتے ہیں — اور کون سا ڈیزائن انہیں خارج کر دے گا؟
• اگر آپ کسی کو چھوٹی جانچ پر مشورہ دے رہے ہوتے، تو کون سے دعوے آپ سروے سے ثابت کرنے دیتے، اور کون سے کے لیے لاگ، کارکردگی یا مشاہداتی ثبوت پر اصرار کرتے؟

تعارف

خود رپورٹ سوالنامے سے کہیں زیادہ وسیع ہے۔ اس میں Likert اور دیگر درجہ بندی کے فارمیٹ استعمال کرنے والے بین الشرائے سروے، کیفیاتی محققین کے کیے گئے انٹرویوز اور فوکس گروپس، ڈائریاں اور تجربے کی نمونہ گیری، خود جانچی گئی مہارت یا اعتماد، کسی ٹول کے کتنی بار استعمال ہونے کے یاد شدہ اندازے، اور بطور نتائج سمجھا گیا سیکھنا یا اطمینان شامل ہیں۔ ان سب کو جو چیز یکجا کرتی ہے وہ جواب دہندہ کی علمی حیثیت ہے: وہ اپنے بارے میں بتا رہا ہے، اس کا مشاہدہ نہیں کیا جا رہا۔

یہ کوئی ایسی کمزوری نہیں جس پر معافی مانگی جائے۔ دلچسپی کے بہت سے تصورات — محرکات، بے چینی، اعتماد، سمجھی گئی افادیت، شمولیت کے ارادے — ایسی داخلی حالتیں ہیں جنہیں کوئی لاگ فائل درج نہیں کرتی، اور ان تک پہنچنے کا واحد قابلِ دفاع طریقہ پوچھنا ہے۔ مسئلہ اُس وقت پیدا ہوتا ہے جب خود رپورٹ کو ایسے دعوے کی حمایت کے لیے استعمال کیا جائے جو وہ اٹھا نہیں سکتی، اور یہ بنیادی طور پر اعتبار کا سوال ہے: کیا آلہ اُس تصور کی پیمائش کرتا ہے جس کا وہ نام لیتا ہے، اور کیا کیا جانے والا دعویٰ ایسی چیز کے بارے میں ہے جسے خود رپورٹ دیکھ سکتی ہے۔ یہ معاملہ تعلیمی پیمائش اور جانچ کا اعتبار سے تعلق رکھتا ہے؛ یہ صفحہ اس بارے میں ہے کہ تعلیم میں AI کی تحقیق جب خاص طور پر خود رپورٹ پر ٹیک لگاتی ہے تو کیا ہوتا ہے، اور ثبوت کی بنیاد کہاں یہ دکھاتی ہے کہ وہ ٹوٹ رہی ہے۔

یہ صفحہ اپنے پڑوسیوں سے کیسے جڑتا ہے۔ AIED میں تحقیقی طریقے ڈیزائن اور ان کی خوبیاں و حدود کی فہرست دیتا ہے، بشمول سروے اور SEM مطالعات۔ مقداری تحقیق عددی طریقوں کے خاندان کا احاطہ کرتا ہے۔ تعلیمی پیمائش آلے کی ترقی، آئٹم رسپانس تھیوری اور سائیکو میٹرک توثیق کا احاطہ کرتا ہے۔ یہ صفحہ وہ تنگ ٹکڑا ہے جس کی طرف وہ صفحات اشارہ کرتے ہیں: پیمائشی آلہ اور ڈیٹا کا ماخذ خود — خود رپورٹ کیا ثابت کر سکتی ہے اور کیا نہیں، لوگ جو بتاتے ہیں اور جو کرتے ہیں اس کے درمیان بار بار پیدا ہونے والا فاصلہ، اور خود رپورٹ کے کسی نتیجے کو تنقیدی طور پر کیسے پڑھا جائے۔

خود رپورٹ کیا ثابت کر سکتی ہے اور کیا نہیں

خود رپورٹ رویوں، عقائد، ارادوں، کسی ٹول کے ادراک، جذباتی حالتوں اور خود جانچے گئے اعتماد یا دشواری کے لیے موزوں ہے۔ GenAI کے اعلیٰ تعلیمی 394 مطالعات کے ایک اسکوپنگ جائزے نے پایا کہ سروے کے پیمانے سب سے زیادہ رپورٹ شدہ جانچ کا طریقہ تھے (269 مطالعات، 68.3%)، جو امتحانات/کوئز/ربرک (185، 47.0%) اور نمونے کے تجزیے (167، 42.4%) سے آگے ہیں (Lin وغیرہ (2026))۔ یہ رویے کے لیے کمزور ہے، اور سیکھنے کی پیمائش تو بالکل نہیں کر سکتی: یہ کہ کسی شخص کو یقین ہے کہ اس نے کچھ سیکھا، بذاتِ خود ایک ادراک ہے، اور علمی ذخیرہ سمجھے گئے سیکھنے کو سیکھنے کے فوائد سے الگ مقدار سمجھتا ہے۔

نتیجہ ایسے دعووں کا مجموعہ ہے جو نتائج کے حصے میں ایک جیسے لگتے ہیں مگر قوت میں مختلف ہیں:

• "طلبہ کو ٹیوٹر مفید لگا" — ایک ادراک، جس کی پیمائش پوچھ کر مناسب طریقے سے ہوتی ہے۔
• "طلبہ نے ٹیوٹر باقاعدگی سے استعمال کیا" — ایک رویہ، جس کا اندازہ پوچھ کر ہی لگایا جا سکتا ہے۔
• "طلبہ نے ٹیوٹر کے ساتھ زیادہ سیکھا" — ایک نتیجہ، جو پوچھ کر بالکل ثابت نہیں کیا جا سکتا۔
• "اساتذہ AI استعمال کرنے میں بااعتماد ہیں" — ایک خود عقیدہ، قابلیت کا ثبوت نہیں۔

اس تحقیق کو پڑھنے یا ڈیزائن کرنے والے کے لیے دو مضمرات ہیں۔ پہلا، یہ کہ خود رپورٹ کا آلہ اپنے نامزد تصور کی پیمائش کر رہا ہے یا نہیں، یہ ایک تجربی سوال ہے، جس کا جواب توثیق دیتی ہے، آئٹمز کی معقولیت نہیں۔ دوسرا، تعلیم میں AI میں لالچ کی سمت مستقل ہے: ٹولز کی جانچ اس سے ہوتی ہے کہ صارفین ان کے بارے میں کیسا محسوس کرتے ہیں، اور احساس ہی وہ حصہ ہے جسے خود رپورٹ سب سے سستے طریقے سے پکڑتی ہے۔ خود جانچ اسی وسیع خاندان کا ایک رکن ہے، اس کا مترادف نہیں: جہاں خود رپورٹ پیمائشیں رویوں، اعتماد اور اطمینان تک پہنچتی ہیں، خود جانچ سیکھنے والے کے اندازے کو خاص طور پر اس کی اپنی مہارت، اعتماد یا سیکھنے پر لاگو کرتی ہے۔

دوسرا ناکامی کا طریقہ دو خود رپورٹ تصورات کے درمیان تفریقی انہدام ہے: خود بتائی گئی AI قابلیت کو خود اعتمادی کے طور پر ناپے گئے سمجھے گئے رویوں کے کنٹرول کے ساتھ ریگریس کرنا ایک ہی عمومی اعتماد کے عنصر کا خود سے موازنہ ہو سکتا ہے، اسی لیے معیار پیشگی طے کیے جاتے ہیں — heterotrait–monotrait تناسب .85 سے کم اور ایک نیسٹڈ ماڈل جانچ جو قابلیت–کنٹرول تعلق کو یکتائی پر محدود کرے (Mnguni (2026))۔

ایک تصدیق شدہ آلہ اس حد کو مبہم کے بجائے درست بنا سکتا ہے۔ Thianwan اور Srikoon (2025) کا AI Literacy Self-Assessment Questionnaire (AIL-SAQ) ایک 15 آئٹمز والا پیمانہ ہے جو دو نمونوں میں مستحکم تین عنصری ساخت کے ساتھ تصدیق شدہ ہے (n = 335 تلاشی، n = 579 تصدیقی) اور مجموعی Cronbach alpha .934 ہے۔ اس کے مصنفین صریح ہیں کہ یہ سمجھی گئی تفہیم، رویوں اور آگاہی کو درج کرتا ہے، مظاہرہ شدہ مہارت کو نہیں، اور یہ کہ خود جانچ کی درستگی اس میٹا کوگنیشن کی صلاحیت پر منحصر ہے جو بچوں میں ابھی بالغ ہو رہی ہوتی ہے، اس لیے بچے کا خود اندازہ بالغ کے مقابلے میں کمزور اشارہ ہے۔

اس کے برعکس انتخاب بھی قابلِ دفاع ہے: PAUSE ایک چار شعبوں والا منتقلی خود جانچ آلہ ہے جو کوئی اعتماد یا اعتبار کا ثبوت شائع نہیں کرتا، کوئی مجموعی اسکور نہیں دیتا، اور بیان کرتا ہے کہ پڑھے گئے نتائج کسی نتیجے خیز فیصلے کا جواز نہ بنیں، اور اس کے آئٹمز سوچے سمجھے سکافولڈنگ کو متبادل کے ساتھ گڈمڈ کر دیتے ہیں — جواب دہندہ جو سکافولڈنگ کے لیے AI کو جلدی لے آئے، وہ منتقلی کرنے والا پڑھا جاتا ہے (Alam، 2026)۔

ادراک اور رویے کا فاصلہ

اس علمی ذخیرے کا سب سے مضبوط خود رپورٹ نتیجہ یہ نہیں کہ خود رپورٹ عمومی طور پر متعصب ہے، بلکہ یہ کہ بتایا گیا اور مشاہدہ کیا گیا رویہ مخصوص، دستاویز شدہ طریقوں سے الگ ہوتا ہے۔

خود رپورٹ سے اخذ کیے گئے پروفائل بھی ایسا ہی برتاؤ کرتے ہیں۔ Najem وغیرہ (2026) نے 14,003 طالب علم ریکارڈز کو LMS تعامل کے نشانات کے بجائے خود بتائے گئے رویے اور نفسیاتی قائم مقامات پر کلسٹر کیا، اور اس سے بننے والے چھ پروفائل حتمی گریڈ پر تیزی سے الگ ہوئے (η² = 0.770) — یہ علیحدگی، جس کے بارے میں مصنفین خبردار کرتے ہیں کہ جزوی طور پر اس بات کا دہرا بیان ہے جو طلبہ نے خود بتایا تھا۔

رویے کے نشانات ان سیکھنے والوں کو الگ کر سکتے ہیں جنہیں خود رپورٹ کا پیمانہ نہیں کر سکتا: Poquet وغیرہ (2026) نے پایا کہ خود بتایا گیا علمی بوجھ ان منتقلی پروفائلوں کے پار نمایاں طور پر مختلف نہیں تھا جو مضمون کی مصنفیت میں 80% سے 2% تک پھیلے ہوئے تھے، جبکہ سب سے زیادہ منتقلی کرنے والوں نے پھر بھی سب سے زیادہ ذہنی مطالبہ بتایا۔

اساتذہ کی AI خواندگی کی متوازی خود رپورٹ اور معروضی پیمائشیں بنانے والے مطالعے نے 288 اساتذہ کے نمونے میں خود رپورٹ اور معروضی عناصر کے درمیان کمزور اتفاق (r = 0.07 سے r = 0.24) پایا، جہاں تصدیقی عنصری تجزیہ دونوں پیمائشوں کے تصوراتی اعتبار کی حمایت کرتا رہا مگر خود رپورٹ اور معروضی عناصر کے درمیان کم تعلق دکھاتا رہا۔ دونوں آلات معتبر تھے؛ انہوں نے محض مختلف چیزیں ناپیں۔ 288 اساتذہ کے مکمل نمونے میں معروضی اور خود بتائے گئے عناصر کے درمیان تعلق r = 0.07 سے r = 0.24 تک رہا، اور اویکت پروفائل تجزیے نے 43 ایسے اساتذہ پائے جنہوں نے خود کو بلند درجہ دیا جبکہ معروضی پیمائش پر کم اسکور کیا، جبکہ 59 میں الٹا نمونہ تھا۔

GLAT دوسری سمت سے اسی نتیجے پر پہنچتا ہے: اس کے 20 آئٹمز والے کارکردگی پر مبنی امتحان نے 83 طلبہ کے اندرونی مضامین والے مطالعے میں GenAI کی معاونت والے سیکھنے کے کاموں پر کارکردگی کی پیش گوئی کی، جبکہ خود بتائی گئی ChatGPT خواندگی نے نہیں کی۔ مصنفین کی تشکیل صاف ہے — اس علاقے کے آلات حد سے زیادہ خود بتائے گئے سروے پر انحصار کرتے ہیں، "جو سمجھی گئی قابلیت کو پکڑتے ہیں، حقیقی قابلیت کو نہیں، اور تعصب اور حد سے زیادہ اندازے کی طرف مائل ہوتے ہیں۔"

رویے کے اندازے بھی یہی تقسیم دکھاتے ہیں۔ ایک بڑے پیمانے کے مسابقتی پروگرامنگ مطالعے نے خود بتائے گئے اعتماد اور حقیقی مشق کے رویے کے درمیان رابطے کی کمی رپورٹ کی، پہلا دوسرے کا ناقص قائم مقام تھا۔ ایک سیکھنے والے کی ماڈلنگ کا مطالعہ صاف گوئی سے کہتا ہے کہ استعمال کی تعدد Never-to-Daily پیمانے پر خود بتائی گئی تھی، مشاہدہ شدہ نہیں، اور یہ کہ جب پیش گو اور نتائج دونوں خود بتائے گئے ہوں، تو رضامندی یا انتہا پسندی جیسے جوابی اسٹائل ایسے تعلقات پیدا کر سکتے ہیں۔

کبھی پوچھنا اور مشاہدہ کرنا آمنے سامنے رکھ دیے جاتے ہیں۔ 33 مطالعات کی 46 درجہ بندیوں کا اسکوپنگ جائزہ نے پایا کہ ادب خود رپورٹ اور تعامل کے لاگ ڈیٹا کے درمیان تقریباً برابر بٹا ہوا ہے، اور یہ نتیجہ نکالا کہ درجہ بندیاں "اکثر تعامل سے زیادہ پیمائشی نقطہ نظر کی عکاسی کرتی ہیں" — خود رپورٹ مطالعات ادراکات اور ارادے پکڑتی ہیں جبکہ لاگ پر مبنی مطالعات قابلِ مشاہدہ گفتگو کا رویہ پکڑتی ہیں، اور دونوں شاذ و نادر ہی یکجا ہوتے ہیں۔ GenAI خواندگی پر عمل کے ڈیٹا کا کام اسی نکتے کا تعمیری روپ دیتا ہے: طالب علم تکراری طور پر پرامپٹ کرتا ہے یا نہیں، اخراج کو بہتر بناتا ہے یا نہیں، اور ہیلوسینیشن سنبھالتا ہے یا نہیں، یہ تعامل کے لاگز میں قابلِ مشاہدہ ہے اور سوالنامے میں نہیں۔

ایک 2026 کا منظم جائزہ اور تلاشی میٹا تجزیہ، جو قابلِ استعمال جنریٹو AI استعمال کے پیمانوں پر ہے، اس خلا پر دوسری سمت سے مشترکہ عدد لگاتا ہے: تین براہِ راست رپورٹ شدہ ہم نمونہ ساپیکش–معروضی تعلقات کو یکجا کرنے سے (مشترکہ رپورٹ شدہ N = 2,765) r = .055 حاصل ہوا (Hartung–Knapp 95% CI [−.047, .156])، اور چوتھے مطالعے کے بین العنصری تعلقات شامل کرنے سے صرف r = .079 تک پہنچا۔ تینوں بنیادی اثرات ایک ہی تحقیقی پروگرام سے آئے، سب سے بڑے حصہ دینے والے کا رپورٹ شدہ تعلق اور p-value آپس میں نہ مل سکے، اور جائزہ یہ نتیجہ نکالتا ہے کہ خود رپورٹ معروضی کارکردگی کے اسکور کا متبادل نہیں بن سکتی — جبکہ یہ بھی نوٹ کرتا ہے کہ کارکردگی کے آلات خود تنگ ہیں اور بنیادی علم کا احاطہ کرتے ہیں، نہ کہ وہ نگرانی اور انحصار کے رویے جو کام پر اہم ہیں (Verí (2026))۔

دو مرحلوں والا ایک منظم جائزہ اس اختلاف پر نتائج کی سطح پر شرح لگاتا ہے: 47 رپورٹوں سے 51 ہم تصور جوڑوں میں سے 30 متفق، 11 مختلف اور 10 مخلوط تھے۔ اختلاف دونوں سمتوں میں رہا: پانچ تقابل نے خود رپورٹ کے عدم نتیجے کو کارکردگی کے مثبت نتیجے کے ساتھ جوڑا، جبکہ دو میں الٹا تھا (Fan وغیرہ (2026))۔

آلات کا ادب خود اس خلا کے پیمانے کا ثبوت سمجھا جا سکتا ہے۔ Zainal, Mohd Matore اور Maat (2026) نے اساتذہ کی AI خواندگی کے 33 آلات کا جائزہ لیا اور پایا کہ 31 (93.9%) سمجھی گئی خود اعتمادی کے خود رپورٹ پیمانے تھے، صرف دو (6.1%) نے علم کو معروضی طور پر جانچا، اور 2019 سے 2025 کے درمیان کسی نے کارکردگی پر مبنی کام استعمال نہیں کیا۔ ان کا نتیجہ وہی ہے جس تک یہ صفحہ دوسری سمتوں سے بار بار پہنچتا ہے: خود رپورٹ اسکور قابلیت کے بجائے اعتماد کی نشان دہی کرتے ہیں، اس لیے گروہوں یا پروگراموں کے موازنے میں وہ قابلیت کا متبادل نہیں بن سکتے۔

نتائج کی پیمائشیں اسی خلا کی وارث ہیں۔ Pramod اور Patil (2026) ایجنٹک AI سے محرکات اور سماجی موجودگی کے ذریعے اُس چیز تک راستے کا ماڈل بناتے ہیں جسے وہ سیکھنے کی کارکردگی کہتے ہیں، 0.671 کے گتانک کے ساتھ — مطالعے کا مضبوط ترین تعلق — اور ان کا اپنا حدود کا حصہ بیان کرتا ہے کہ یہ منحصر متغیر سیکھنے والوں کے ادراکات کی عکاسی کرتا ہے، امتحانی نتائج، اسائنمنٹ کی کارکردگی یا سیکھنے کے تجزیات کی نہیں۔ عام طور پر راستے کے ماڈلوں میں یہی نمونہ غور سے پڑھنا چاہیے: کسی سمجھے گئے نتیجے پر بڑا گتانک یہ مقدار بتاتا ہے کہ طلبہ کتنی مستقل مزاجی سے مانتے ہیں کہ کسی چیز نے مدد کی، اور یہ ابھی کچھ نہیں کہتا کہ واقعی مدد ہوئی یا نہیں۔

ارادہ اس خلا کا سب سے تیز معاملہ ہے، کیونکہ ایک ارادے کا اسکور متضاد رویوں کا احاطہ کر سکتا ہے۔ 340 طلبہ میں سے 68 کو آئٹم دوبارہ دینے اور آٹھ کا انٹرویو کرنے پر، Xue, Xu, Qi اور Lu (2026) نے پایا کہ ایک ہی بیان کردہ ارادہ سیکھنے پر مبنی، شارٹ کٹ پر مبنی اور مخلوط استعمال کا احاطہ کر رہا تھا — شارٹ کٹ استعمال کرنے والے دلچسپی کی کمی کے بجائے کم اعتمادی کا حوالہ دے رہے تھے۔

• "طلبہ بتاتے ہیں کہ انہوں نے کیا کیا۔" نشان نے سروے کی تردید ایک کارآمد سمت میں کی۔ مضمون کے ایک مطالعے میں جہاں 77 میں سے 15 (19.5%) نے ایسے مضامین جمع کرائے جن میں کوئی ٹائپ کیا ہوا لفظ نہ تھا، سمجھی گئی ملکیت صرف اسی مکمل تفویض کرنے والے گروہ میں گری، جبکہ جو لکھنے والے ماڈل کو منصوبہ بندی یا جائزے کے لیے استعمال کرتے تھے انہوں نے ملکیت اُن طلبہ کی سطح پر بتائی جو اسے کبھی نہیں کھولتے۔ اس طرح خود رپورٹ نے انتہاؤں کو الگ کیا اور درمیان کی ہر چیز کو ہموار کر دیا، جو ایک ادراک کی پیمائش کر سکتی ہے اور نہیں کر سکتی۔ ادراک اور رویے کا فاصلہ، کی اسٹروک سے ناپا گیا۔

اطمینان اور سمجھا گیا سیکھنا بطور نتائج

اطمینان اس کارپس میں سب سے زیادہ خود بتایا گیا نتیجہ ہے، جو 63 مضمون صفحات پر آتا ہے۔ یہ سیکھنے کے قائم مقام کے طور پر سب سے کمزور بھی ہے، اور علمی ذخیرے میں اس بات پر صریح دلائل موجود ہیں۔

• ترتیب وار AI فیڈبیک پر کام ڈیزائن کا اصول براہِ راست بیان کرتا ہے: صارف کی اطمینان اور رویے کی شمولیت سیکھنے کے فوائد کے قابلِ اعتماد قائم مقام نہیں، اس لیے سیکھنے کی پیمائش براہِ راست ہونی چاہیے۔
• تدریسی رہنمائی پر نوٹ کرتا ہے کہ موجودہ زبان کے ماڈل ہدایات کے تحت ایسے مددگار معاون بننے کے لیے ترتیب دیے گئے ہیں جو صارف کی اطمینان زیادہ سے زیادہ کریں، جبکہ ٹیوٹر کا مقصد سیکھنے کو زیادہ سے زیادہ کرنا ہے — یہ دو مقاصد متصادم ہو سکتے ہیں، جو اطمینان کو محض کمزور ہدف کے بجائے ممکنہ طور پر گمراہ کن ہدف بنا دیتا ہے۔
• سکافولڈنگ کا ایک مطالعہ دلیل دیتا ہے کہ سمجھی گئی افادیت، استعمال کی آسانی اور فوری اطمینان کو سکافولڈنگ کی اثر پذیری کے کافی اشارے نہیں سمجھا جانا چاہیے۔
• شخصیت کے مطابق طالب علم کی ماڈلنگ پر مشاہدہ کرتا ہے کہ صارف کی اطمینان کے لیے اصلاح سیکھنے کے نتائج کے لیے اصلاح کے برابر نہیں، اور یہ کہ دونوں الگ ہو سکتے ہیں۔

ساتھ لے جانے والا نمونہ: جب سیکھنا مقصد ہو، تو اطمینان غلط چیزوں کا جواب دیتا ہے۔ جو نظام جلدی جواب دیتا ہے، فوراً متفق ہوتا ہے اور محنت کم کرتا ہے، اسے بلند درجہ ملے گا، اور یہی خصوصیات وہ ہیں جنہیں علمی ذخیرہ کم ہوتی پیداواری رگڑ اور AI کی معاونت والے کام پر پھولی ہوئی کارکردگی سے جوڑتا ہے۔ بتایا گیا اطمینان اور ناپا گیا سیکھنا دشمن نہیں؛ وہ صرف ایک دوسرے کے متبادل نہیں، اور پہلے کو دوسرے کا ثبوت سمجھنا وہ سب سے عام پھسلاؤ ہے جسے یہ صفحہ دستاویز کرتا ہے۔

جنریٹو AI کی چھان بین کے ادب میں ادراک کی پیمائشیں مہارت کی پیمائشوں سے زیادہ ہیں۔ 66 مطالعات کے جائزے میں Yahya وغیرہ (2026) نے پایا کہ صارف کے ادراکات سب سے زیادہ رپورٹ شدہ نتیجہ کا شعبہ تھے (32 مطالعات، 48.5%)، اس کے بعد جذباتی نتائج 25 پر، جبکہ صرف 8 مطالعات (12.1%) نے چھان بین کی مہارتیں ناپیں اور ان میں سے 4 کے پاس موازنے کی شرط تھی۔ مصنفین نے ثبوت کی کوئی یقینیت درج نہیں کی، اس لیے ادراک کی گنتیاں یہ بتاتی ہیں کہ کیا پوچھا گیا، یہ نہیں کہ کیا حاصل ہوا۔

خود رپورٹ آلہ قابلِ اعتبار کب ہوتا ہے

چار خصوصیات ایسے سروے کو، جو کسی دعوے کی حمایت کر سکے، اُس سے الگ کرتی ہیں جو نہیں کر سکتا۔

• تصوراتی اعتبار۔ یہ دکھانا ضروری ہے کہ آئٹم نامزد تصور کی پیمائش کرتے ہیں، بہتر ہے کہ عنصری تجزیے کے ساتھ۔ اوپر کا متوازی پیمائش والا مطالعہ اپنے دونوں آلات کی توثیق کرتا رہا اور پھر بھی پایا کہ وہ مختلف ہیں — آلے کا اعتبار یہ نہیں بتاتا کہ وہ رویہ پکڑتا ہے یا نہیں۔
• اعتماد اور ساخت۔ عنصری طور پر تصدیق شدہ آلات اس کارپس میں بار بار آتے ہیں، خود تعیناتی نظریے پر مبنی اساتذہ کی AI خواندگی کی پیمائشوں سے لے کر TAM اور SEM سے ماڈل کیے گئے قبولیت کے پیمانوں تک، جیسے AI کی معاونت والے زبان کے ٹولز کے مطالعات میں۔
• عدم تغیر، جب گروہوں کا موازنہ ہو۔ جو پیمانہ مختلف آبادیوں میں مختلف برتاؤ کرے وہ موازنے کی حمایت نہیں کر سکتا۔ ملٹی گروپ SEM کام اپنے بالواسطہ اثرات کے ساتھ ساتھ پیمائشی عدم تغیر کی جانچ (تشکیلی، میٹرک، اسکیلر) رپورٹ کرتا ہے، اور سوئٹزرلینڈ–چین موازنے نے پایا کہ صرف داخلی قدر میٹرک عدم تغیر تک پہنچی، اسکیلر تک نہیں — یہ حد چھپائی نہیں گئی بلکہ بیان کی گئی، اور یہ محدود کرتی ہے کہ اس کے بین الملکی فرق کا مطلب کیا ہو سکتا ہے۔
• کارکردگی کا متبادل، جہاں قابلیت ہی تصور ہو۔ GLAT کے 20 کثیر الانتخابی آئٹم اسی لیے موجود ہیں کہ خود رپورٹ قابلیت کا دعویٰ نہیں اٹھا سکتی۔

اس میدان کے بیشتر آلات اعتماد رپورٹ کرتے ہیں اور تقریباً کوئی اعتبار رپورٹ نہیں کرتا۔ Kharbach وغیرہ (2026) Su وغیرہ کے 36 AI خواندگی مطالعات کے جائزے کا حوالہ دیتے ہیں، جس نے پایا کہ 63.8% آلات اعتماد کا ثبوت رپورٹ کرتے ہیں اور 20% سے کم اعتبار کا ثبوت۔ اسی جائزے نے 50 K-12 فریم ورکوں میں صرف ایک جنریٹو AI سے مخصوص آلہ پایا، 27 آئٹمز والا GAIAS۔ یہ کہ کوئی پیمانہ اندرونی طور پر مستقل ہو، یہ نہیں بتاتا کہ وہ اُس تصور کی پیمائش کرتا ہے جو اس کے عنوان میں لکھا ہے۔

نمونہ، جواب اور غیر جواب

چونکہ سروے دینا سستا ہے، عمومیت کا دعویٰ عموماً نمونہ گیری کے مسائل پر ہی ناکام ہوتا ہے۔ یہ کارپس انہیں صریح اور سبق آموز انداز میں رپورٹ کرتا ہے:

• طلبہ کے GenAI استعمال کا ایک برطانوی سروے 7 اداروں میں سہولت پر مبنی نمونہ، تیزی سے بدلتی ادارہ جاتی جواب کی شرحیں، اور غیر جواب تعصب رپورٹ کرتا ہے جو ممکنہ طور پر مضبوط رائے والے طلبہ کی طرف جھکتا ہے — اور نوٹ کرتا ہے کہ تقریباً 32% جواب دہندگان نے ایسا طرزِ عمل بیان کیا جسے پالیسی توڑنے والا کہا جا سکتا ہے، ایسے فارمیٹ میں جہاں سماجی پسندیدگی اور سیاق و سباق کا دباؤ کم رپورٹ کرنے کو ممکنہ غلطی کی سمت بناتے ہیں۔
• AI کی معاونت والی درجہ بندی کے فیڈبیک کا ایک مطالعہ 112 جوابات پر کھڑا ہے، 31% جواب کی شرح۔
• اساتذہ کا ایک مطالعہ 572 مدعو ایوارڈ یافتگان میں سے 90 STEM اساتذہ پر مبنی ہے — 16%۔
• ایک سماجیات سروے نے 844 مدعو افراد میں سے 504 جواب دہندگان حاصل کیے، اور مصنفین نوٹ کرتے ہیں کہ جواب کی شرحیں سوال کے حساب سے بدلتی رہیں۔
• ایک ڈیلفی مطالعہ نے اپنا پہلا مرحلہ 17 جواب دہندگان کے ساتھ مکمل کیا، جو ایک حد ہے جسے وہ صاف بیان کرتا ہے۔

خود انتخاب اسے مزید بڑھاتا ہے۔ ایک انوکولیشن مطالعہ نے 782 شرکا بھرتی کیے اور خود بتائے گئے ChatGPT صارفین کے سہولت پر مبنی نمونے سے 100 درست کیسز برقرار رکھے؛ ایک طبیعیات کا مطالعہ میں طلبہ نے اضافی کریڈٹ کے کام میں خود انتخاب کیا، جو ممکنہ طور پر رائے کو راضی طلبہ کی طرف جھکا کر شکوک کرنے والوں کو خارج کرتا ہے۔

مزید دو خود رپورٹ سے مخصوص غلطیاں بار بار آتی ہیں۔ خود مشاہدے کی حدیں اور سماجی پسندیدگی کا تعصب کو خود رپورٹ کا اندرونی حصہ قرار دیا جاتا ہے، شمولیت کی جانچ کے کام میں اور ان مطالعات میں جن کا کیفیاتی ڈیٹا خود رپورٹ پر انحصار کرتا ہے۔ مشترکہ طریقہ کی متفاوتیت اُس وقت پیدا ہوتی ہے جب پیش گو اور نتائج ایک ہی وقت میں ایک ہی جواب دہندگان سے آئیں: AI کے استعمال اور تنقیدی سوچ کا ایک ماڈریٹ شدہ ثالثی مطالعہ نے استعمال، علمی بوجھ اور خود ضابطگی سیکھنا سب کو ایک ہی وقت میں معیاری خود رپورٹ آلات کے ذریعے عملی شکل دی، اور نتیجے کے طور پر مشترکہ طریقہ تعصب کا ذکر کرتا ہے؛ محرکات اور شمولیت کا ایک PLS-SEM مطالعہ اسی طرح مکمل طور پر خود رپورٹ پر کھڑا ہے اور اپنے ثالثوں کے درمیان وقتی ترتیب قائم نہیں کر سکتا۔

انتظام کا طریقہ دوسرا خطرہ ہے جسے کارپس نے ابھی گنا نہیں۔ Tamme, Schilling اور Hantel (2026) تحریری کورس سروے کو AI کے کیے گئے ٹیلی فون انٹرویوز سے بدلنے کی تجویز دیتے ہیں، اور طریقہ کے اثر کا ایسا ثبوت جمع کرتے ہیں جو دونوں طرف کاٹتا ہے: آواز کے جوابات لمبے ہوتے اور زیادہ موضوعات کا احاطہ کرتے ہیں، جبکہ 634 جواب دہندگان کے ایک بے ترتیب موازنے نے پایا کہ متنی جوابات زیادہ امتیاز یافتہ اور زیادہ بے تکلف تھے۔

تدارک: غیر خود رپورٹ ثبوت شامل کرنا

علمی ذخیرے کے تعمیری جوابات مستقل ہیں، اور ان میں سے کوئی بھی سروے ترک کرنے کا تقاضا نہیں کرتا۔

• خود رپورٹ کو نشان یا لاگ ڈیٹا کے ساتھ جوڑیں۔ تطبیقی سیکھنے کی ٹیکنالوجی کا 194 طلبہ پر آٹھ ہفتوں والا مطالعہ نے خود رپورٹ کو نشان کے ڈیٹا کے ساتھ وصفی خطی ماڈلنگ کے تحت ملایا، اور یہی چیز اسے خود ضابطگی سیکھنے کے مراحل کو یاد کیے گئے کے بجائے جیسے وہ سامنے آتے ہیں، ٹریک کرنے دیتی ہے۔
• جب دعویٰ مشق کے بارے میں ہو تو مشق کا براہِ راست مشاہدہ کریں۔ اسکرین پر ریکارڈ شدہ جانچی کام کے ساتھ ویڈیو سے ابھارے گئے انٹرویوز نے خود بتائے گئے AI استعمال اور مشاہدہ شدہ مشق کے درمیان خلا کو پاٹا، اور وہ میٹا کوگنیشن آگاہی پکڑی جو سروے نہیں پکڑ سکتا تھا۔
• رویے کو ربرک کے خلاف اسکور کریں، اس کے بارے میں پوچھنے کے بجائے۔ برقراری کا کام مشق کی محنت کو تعامل کے لاگز سے اخذ کردہ رویے کا اشارہ سمجھتا ہے، اور صریحاً داخلی محرکاتی حالت کی پیمائش نہیں۔
• سہ رخی کریں۔ مخلوط طریقوں والے ڈیزائن اور عام طور پر مخلوط طریقوں والی تحقیق نمونے کے حجم کو ایک ڈیٹا ماخذ کو دوسرے کے خلاف جانچنے کی صلاحیت کے بدلے لیتے ہیں؛ پیشہ ورانہ تعلیم کا ایک منظم جائزہ اس عدم توازن کے لیے سبق آموز ہے، اور نوٹ کرتا ہے کہ اپنے جائزہ لیے گئے کمی مطالعات میں 2 مکمل طور پر خود رپورٹ پر انحصار کرتے تھے جبکہ 5 نے صرف معروضی پیمائشیں استعمال کیں۔
• وہ نتیجہ ناپیں جس کی آپ کو پرواہ ہے۔ اگر دعویٰ سیکھنے کے بارے میں ہے، تو سیکھنے کے فوائد ناپے جانے چاہئیں، اطمینان سے اندازہ نہیں لگایا جانا چاہیے۔

خود رپورٹ دعوے کو کیسے پڑھیں

• پوچھیں کہ یہ کس قسم کا دعویٰ ہے۔ ادراکات جائز ہیں؛ رویے کا اندازہ لگایا جاتا ہے؛ سیکھنا اور قابلیت اس راستے سے قابلِ رسائی نہیں۔
• دیکھیں کس نے جواب دیا اور کس نے نہیں۔ جواب کی شرح، نمونہ گیری کا فریم اور خود انتخاب طے کرتے ہیں کہ فیصد کس چیز کو بیان کرتے ہیں — ایک ادارے کے طلبہ کا مطالعہ اسی ترتیب کو بیان کرتا ہے، عمومی طور پر طلبہ کو نہیں۔
• آلہ دیکھیں۔ کیا یہ اس تصور اور آبادی کے لیے تصدیق شدہ تھا، اور اگر گروہوں کا موازنہ ہو تو کیا عدم تغیر جانچا گیا؟
• یک ماخذ ڈیزائن سے خبردار رہیں۔ اگر پیش گو اور نتائج ایک ہی وقت میں ایک ہی سوالنامے سے آئیں، تو تعلقات مشترکہ طریقہ کی متفاوتیت کے ساتھ بھی مطابقت رکھتے ہیں، جیسے مجوزہ نظریے کے ساتھ۔
• اطمینان کو ڈیزائن کا اشارہ سمجھیں، سیکھنے کا نتیجہ نہیں۔ بلند اطمینان کے ساتھ غیر جانچا سیکھنا AI ٹول کی جانچ کی معیاری ترتیب ہے، اور یہ کارپس دونوں کو الگ ہوتے دکھاتا ہے۔
• اُن مطالعات کو ترجیح دیں جو اپنا حساب دکھائیں: بیان شدہ جواب کی شرحیں، بیان شدہ حدود، اور ثبوت کا کم از کم ایک ایسا ماخذ جو پوچھنے سے نہ آئے۔

عام غلط فہمیاں

• "سروے کا ثبوت کمزور ہے مگر تقریباً غیر جانبدار۔" جواب کی ساخت تعصب سے پہلے اندازے کو محدود کرتی ہے: ایک سروے میں 112 جوابات 31% جواب کی شرح پر آتے ہیں، یا 572 دعوتوں میں سے 90 جوابات۔ جواب دہندگان کا مجموعہ ایک خود منتخب ذیلی مجموعہ ہے، اس لیے عدد اسی ذیلی مجموعے کو بیان کرتا ہے۔
• "اس میدان میں سروے اقلیتی طریقہ ہیں۔" 394 GenAI اعلیٰ تعلیمی مطالعات کے اسکوپنگ جائزے نے پایا کہ سروے کے پیمانے سب سے زیادہ رپورٹ شدہ جانچ کا طریقہ تھے (269 مطالعات، 68.3%)، جو امتحانات اور کوئز سے آگے ہیں۔ میدان کا غالب ثبوت خود رپورٹ ہے۔
• "خود رپورٹ اور ناپے گئے تصورات متفق ہوتے ہیں۔" خود بتایا گیا علمی بوجھ ان منتقلی پروفائلوں کے پار نمایاں طور پر مختلف نہیں تھا جو مضمون کی مصنفیت میں 80% سے 2% تک پھیلے ہوئے تھے، جبکہ سب سے زیادہ منتقلی کرنے والے قابلِ پیمائش حد تک مختلف تھے۔ جہاں رویہ چالیس گنا بدلا، وہاں ساپیکش پیمائش ہموار رہی۔

منسلک تصورات

• AIEd تحقیق کی تشریح اور اطلاق
• تعلیمی پیمائش
• خود جانچ
• AIED میں تحقیقی طریقے
• مقداری تحقیق
• معیاری تحقیق
• مخلوط طریقوں کی تحقیق
• جانچ کا اعتبار
• آئٹم رسپانس تھیوری
• مصنوعی ذہانت کی لیٹریسی
• اعتماد کی کیلیبریشن
• سیکھنے میں اضافہ
• طلبہ کی شمولیت
• خود اعتمادی
• لرننگ اینالیٹکس

منسلک مضامین

• Modeling high school students' acceptance of GenAI for physics learning via an extended technology acceptance model: Disciplinary beliefs as a distal antecedent — ایک ارادے کا اسکور، دو متضاد استعمال

• Voice-Based AI Feedback in Higher Education: A Field Study on Quality and Actionability — خود رپورٹ آلے کا انتظامی طریقہ بدلتا ہے کہ وہ کیا ناپتا ہے

• A Capability–Decision Model of teacher readiness for AI integration in teaching — خود بتائی گئی AI قابلیت کو خود اعتمادی کے عقائد سے الگ کرنے کے تفریقی اعتبار کے معیار

• Agentic AI in educational environments and its association with social and motivational pathways to learning performance — ایجنٹک AI کے راستے کے ماڈل میں شمولیت ناپی گئی کارکردگی کے بجائے سمجھی گئی کارکردگی کی پیش گوئی کرتی ہے (Pramod اور Patil 2026)

• How to Assess AI Literacy: Misalignment Between Self-Reported and Objective-Based Measures — اساتذہ کی AI خواندگی کی متوازی خود رپورٹ اور معروضی پیمائشیں

• GLAT: The Generative AI Literacy Assessment Test — GLAT: خود رپورٹ کا کارکردگی پر مبنی متبادل

• "It is a temptation to get it to do the work…" Student Experiences of Navigating the Generative AI Landscape in UK Higher Education: A Cross-Institutional Survey with International Comparison — برطانوی اداروں میں طلبہ کے GenAI استعمال کا سروے

• Toward Convergence in Student-LLM Interactions: A Rapid Scoping Review and Taxonomy for Learning-Oriented Use — درجہ بندیاں اس بات سے تشکیل پاتی ہیں کہ ڈیٹا خود رپورٹ سے آیا یا لاگز سے

• Tracing GenAI Literacy: Student-AI Interaction Patterns in Academic Writing — GenAI خواندگی کی خصوصیت بتانے والا عمل کا ڈیٹا

• Engagement Intensity as a Learner-Modeling Signal for Adaptive AI Ethics Instruction — خود بتایا گیا استعمال بطور سیکھنے والے کی ماڈلنگ کا اشارہ

• Predicting Student Attrition in Competitive Programming: A Large-Scale Study Integrating Survey Insights and Global Behavioral Logs — خود بتایا گیا اعتماد بمقابلہ مشق کا رویہ

• From AI Use to Critical Thinking Among Medical Students: A Moderated Mediation Perspective on Cognitive Load and Self-Regulated Learning — یک ماخذ ثالثی ماڈل میں مشترکہ طریقہ تعصب

• Examining the Impact of Generative AI on Student Motivation and Engagement: The Mediating Role of Autonomy-Support and Autonomous Motivation in Education — محرکات اور شمولیت کا صرف خود رپورٹ پر مبنی PLS-SEM

• Trust-utility gap in introductory physics education: Students' adoption, domain-specific skepticism, and preferences for AI integration — AI استعمال اور اعتماد پر 81 طبیعیات انڈر گریجویٹس کا سروے

• Summarize, elaborate, try again: exploring the effect of feedback literacy on AI-enhanced essay writing — اسکرین ریکارڈنگ اور ابھارے گئے یاد کے بطور خود رپورٹ کا تدارک

• Fostering self-regulated learning through adaptive learning technology: A differentiated perspective on the role of feedback — خود ضابطگی سیکھنے پر خود رپورٹ کے ساتھ نشان ڈیٹا

• Do Gains from Generative AI-Enabled Adaptive Pretesting Persist? Evidence from a Retention Study — لاگز سے اخذ کردہ رویے کی محنت کے اشارے

• Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness — خود رپورٹ/معروضی پیمائش کے عدم توازن کی رپورٹ دینے والا جائزہ

• تحریر کے لیے GenAI کا طالب علم استعمال اور رائے — ایک سماجیات شعبے میں سروے کے ساتھ انٹرویوز

• Beyond AI Literacy: A Structured Review and Exploratory Meta-Analysis of Measures for Competent Generative-AI Use — AI خواندگی سے آگے: قابلِ استعمال جنریٹو AI استعمال کے پیمانوں کا منظم جائزہ اور تلاشی میٹا تجزیہ

• PAUSE: A Privacy-Preserving Self-Reflection Tool for AI-Associated Cognitive Offloading — PAUSE: AI سے منسلک علمی منتقلی کے لیے رازداری بچانے والا خود عکاسی کا آلہ

• Development of an AI literacy self-assessment questionnaire in upper primary school students — بالائی پرائمری طلبہ کے لیے 15 آئٹمز والا خود جانچ آلہ، جو صریح ہے کہ سمجھی گئی قابلیت کیا ثابت کر سکتی ہے

• Assessing teachers' AI literacy: a systematic review of measurement tools — جائزہ جو پاتا ہے کہ اساتذہ کی AI خواندگی کے 33 میں سے 31 آلات خود رپورٹ ہیں اور کوئی کارکردگی پر مبنی نہیں

• Behavioral clustering for adaptive learning object recommendation in higher education using learning analytics for personalized student success — خود رپورٹ سے اخذ کیے گئے پروفائل اسی طرح برتاؤ کرتے ہیں

• Same construct, same conclusion? A construct-observability perspective on self-report and non-self-report indicators in AI education research: a two-phase systematic review — ہم تصور خود رپورٹ بمقابلہ کارکردگی کے اختلاف پر شرح لگانے والا دو مرحلوں کا جائزہ (Fan وغیرہ 2026)

• An Empirical Study to Understand How Students Use ChatGPT for Writing Essays — سمجھی گئی ملکیت نے پوری مضمون کی تفویض کو باقی سب سے الگ کیا، جبکہ نشان نے بہت زیادہ الگ کیا (Jelson وغیرہ 2026)

• How Does Generative AI Support Inquiry-Based Learning? A Systematic Review - 66 میں سے 32 مطالعات میں ادراکات بتائے گئے، جبکہ 8 نے چھان بین کی مہارتیں ناپیں

• K-12 AI literacy frameworks after generative AI: A scoping review - AI خواندگی کے 63.8% آلات اعتماد کا ثبوت رپورٹ کرتے ہیں اور 20% سے کم اعتبار کا