سماجی-جذباتی سیکھنا

اس صفحے پر

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

سماجی-جذباتی سیکھنا (SEL) — اُن قابلیتوں کو پروان چڑھانے کا عمل جو افراد کو اپنے خیالات، جذبات اور اعمال کو ہم آہنگ کرنے کے قابل بناتی ہیں تاکہ اپنے آپ اور دوسروں کے ساتھ مثبت تعامل ہو: خود آگاہی، خود انتظام، سماجی آگاہی، رشتوں کی مہارت، اور ذمہ دارانہ فیصلہ سازی (CASEL فریم ورک)۔ تعلیم میں AI میں SEL کو بڑھتی ہوئی اہمیت حاصل ہو رہی ہے، کیوں کہ جنریٹو AI کا تیز رفتار ادغام سیکھائی میں طلبہ کی بہبود، سماجیت، ہمدردی اور بھروسے کے بارے میں سوالات اٹھاتا ہے — اور کیوں کہ محض تکنیکی AI خواندگی AI کی ثالثی والے سیکھنے کے ماحول میں گزر بسر کرنے کے لیے ناکافی ہے۔

غور کرنے کے لیے سوالات

CASEL فریم ورک پانچ قابلیتیں گنواتا ہے — خود آگاہی، خود انتظام، سماجی آگاہی، رشتوں کی مہارت، اور ذمہ دارانہ فیصلہ سازی۔ آپ کے خیال میں AI ٹیوٹر اِن میں سے کس کی معاونت کر سکتا ہے، اور کس کی نہیں کر سکتا؟
یہ صفحہ سماجی-جذباتی سیکھنے کو جذباتی ذہانت سے الگ کرتا ہے۔ آگے پڑھنے سے پہلے، آپ فرق کیسے بیان کریں گے، اور یہ امتیاز اسکولوں کے اِن سے نمٹنے کے طریقے کے لیے کیوں اہم ہو سکتا ہے؟
اگر AI کی ثالثی والی سیکھائی میں گزر بسر کرنے کے لیے محض تکنیکی AI خواندگی 'ناکافی' ہے، تو آپ کے خیال میں کیا غائب ہے — اور یہ اِس بات پر کیا مضمر رکھتا ہے کہ آپ طلبہ (یا خود کو) کیسے تیار کرتے ہیں؟
AI پر بھاری انحصار طالب علم کی سماجیت، ہمدردی یا بھروسے کے احساس کو کیسے نئی شکل دے سکتا ہے — اور کیا یہ تبدیلیاں ایسی ہیں جنہیں تعلیم کو فعال طور پر ڈیزائن کرنا چاہیے؟
تحقیق بتاتی ہے کہ SEL سیکھائی کی اُن رشتوں والی جہتوں کی معاونت کرتا ہے جنہیں AI کو 'مکمل کرنا ہے، بدلنا نہیں۔' آپ نے کہاں دیکھا کہ ٹیکنالوجی نے انسانی رشتہ مضبوط کیا، اور کہاں اُس نے خاموشی سے اُس کی جگہ لے لی؟

تعارف

سماجی-جذباتی سیکھنا جذباتی ذہانت (EI) سے گہرا متعلق مگر الگ ہے: SEL/SEC (سماجی-جذباتی قابلیتیں) میں خیالات، جذبات اور اعمال کو مثبت تعامل کے لیے ہم آہنگ کرنے کی صلاحیت شامل ہے، جبکہ EI فرد کی جذباتی معلومات پر کارروائی کرنے کی گنجائش ہے (جو قابلیت کے ماڈلوں — استدلال اور مسئلہ حل کرنا — یا خصلت کے ماڈلوں — جذباتی مزاج اور رویّے — کے ذریعے تصور کی جاتی ہے)۔ AI کے عہد میں SEL اہم ہے کیوں کہ AI سیکھائی کو ایسے طریقوں سے نئی شکل دے سکتا ہے جو طلبہ کی رشتوں والی اور جذباتی نشوونما پر اثر ڈالتے ہیں، اور کیوں کہ مربیوں کو سیکھنے والوں کی مؤثر معاونت کے لیے تکنیکی مہارت اور جذباتی ذہانت دونوں چاہیے۔

تحقیق میں SEL کیسے آتا ہے

SEC کو AI خواندگی میں شامل کرنا: Palmquist et al. کا بیانی جائزہ ایک مربوط فریم ورک تجویز کرتا ہے جو AI خواندگی کو سماجی-جذباتی قابلیتوں کے ساتھ جوڑتا ہے، اور دلیل دیتا ہے کہ محض تکنیکی مہارت ناکافی ہے — مربیوں اور طلبہ دونوں کو AI کی ثالثی والے سیکھنے کے ماحول میں گزر بسر کرنے کے لیے تکنیکی اور جذباتی ذہانت چاہیے، جو ذاتی نوعیت کی سیکھائی، تعاون، اور اخلاقی شمولیت کو پروان چڑھاتی ہے۔
اساتذہ اور رشتوں والی مشق: AI خواندگی کے فریم ورک اور استاد-طالب علم بھروسے پر تحقیق زور دیتی ہے کہ SEL سیکھائی کی رشتوں والی جہتوں (استاد-طالب علم اور طالب علم-طالب علم تعلقات) کی معاونت کرتا ہے، جنہیں AI کو مکمل کرنا ہے، بدلنا نہیں۔
تدریسی ایجنٹ SEL میں کیا اٹھا سکتا ہے اور کیا نہیں۔ 108 اندھے درجہ بندی شدہ مشاہدات میں، ایک جنریٹو AI تدریسی ایجنٹ احترام کے لہجے اور معمول کے طریقہ کار کے سہارے کو برقرار رکھنے میں مربیوں سے زیادہ مستقل رہا، جبکہ مربیوں نے غور کی رہنمائی اور سماجی-جذباتی علم کو فروغ دینے میں اُسے پیچھے چھوڑا — جو کام کی تقسیم کی تائید کرتا ہے، متبادل کی نہیں (Raave et al., 2026)۔
بہبود اور AI کا جذباتی اثر: تحقیق دیکھتی ہے کہ جنریٹو AI کا بڑھتا استعمال طلبہ کی سماجی-جذباتی مہارتوں، بہبود، سماجیت، اور بھروسے و ہمدردی کے احساس پر کیسے اثر ڈالتا ہے — یہی خدشات OECD کی اُس پکار کا محرک تھے کہ AI خواندگی انسانی، سماجی اور جذباتی اقدار پر کھڑی ہو۔
AI کی جذباتی جہتیں: SEL جذباتی کمپیوٹنگ اور بہبود کی تحقیق سے جڑتا ہے، اور دیکھتا ہے کہ AI نظام جذباتی اور رشتوں والی سیکھائی کی معاونت کر سکتے ہیں یا اُسے کمزور کر سکتے ہیں۔
AI × SEL میں پالیسی کا خسارہ: AI–SEL سنگم پر 65 مقالوں کا منظم جائزہ (Tran, Liu & Nguyen 2026) ایک کافی "پالیسی خسارہ" پاتا ہے: تقریباً تین چوتھائی مطالعات کوئی پالیسی مضمرات بیان نہیں کرتے، اور جو چند کرتے ہیں وہ اکثر اداکار کے لحاظ سے مخصوص رہنمائی سے محروم ہوتے ہیں۔ جائزہ پالیسی سے جڑاؤ کو اشاعت کے مقام سے منسلک کرتا ہے اور ایک "ٹیکنو-حل پسندی" کے جال سے خبردار کرتا ہے جس میں تکنیکی امکانات سامنے رکھے جاتے ہیں جبکہ ذمہ دار نفاذ کی ادارتی شرائط غیر واضح رہتی ہیں۔ یہ ایک "WH-سوال" فریم ورک تجویز کرتا ہے (کون، کیا، کیوں، کب/کہاں، کیسے) تاکہ "مضمر بطور بعد کی سوچ" سے "مضمر بطور طریقہ کار" تک پہنچا جائے، اور SEL کے لیے AI کی جدت کو تعلیمی پالیسی اور گورننس سے جوڑتا ہے۔

AI کے عہد کی تحقیق میں SEL کے ممکنہ ذیلی موضوعات

علم کی بنیاد کی تحقیق SEL کو کئی الگ ذیلی موضوعات میں گروہ بند کرتی ہے، جن میں سے ہر ایک کا اپنا ثبوتی ذخیرہ ہے:

خود اعتمادی اور اعتماد

ایک بنیادی SEL قابلیت (خود آگاہی/خود انتظام) جو طلبہ کے AI کے ساتھ تعامل کو شدت سے مشروط کرتی ہے۔ AI پر طالب علم کا انحصار (478 اسرائیلی اعلیٰ تعلیمی طلبہ) نے پایا کہ مہارت پر مبنی AI خواندگی کی جہتیں AI پر انحصار سے مثبت طور پر منسلک تھیں، جبکہ تعلیمی اور AI کے لیے مخصوص خود اعتمادی اور کوشش کا ضابطہ منفی طور پر منسلک تھے — یعنی محض AI خواندگی انحصار سے محفوظ نہیں کرتی؛ خود اعتمادی کرتی ہے۔ Cen et al. (EC-TEL 2026) نے پایا کہ کم بنیادی خود اعتمادی والے طلبہ نے مشق کی شکل سے قطع نظر زیادہ سیکھنے کے فوائد حاصل کیے، اور ٹیوٹر کی طرف میلان ٹیوٹر پر مبنی مشق کے لیے زیادہ اہم رہا — جو مشق کو تحریکی پروفائل کے مطابق ڈھالنے کی قدر کو نمایاں کرتا ہے۔ منسلک تصورات: خود اعتمادی، تحریک، سیکھنے والے کی ایجنسی۔

محرک اور "AI کی دستیابی" کا اثر

محرک SEL کی ذمہ دارانہ فیصلہ سازی اور خود انتظام سے جڑتا ہے۔ AI کی دستیابی اور طالب علم کا محرک اور طالب علم/استاد کا محرک اور خود اعتمادی پر تحقیق دکھاتی ہے کہ محض AI کی دستیابی طلبہ کی تحریکی سمت اور محسوس کوشش کو نئی شکل دے سکتی ہے — جو اِس بات سے متعلق ہے کہ AI اندرونی محرک کو کیسے کمزور یا مضبوط کر سکتا ہے۔ خود اعتمادی کی تحقیق کوشش کے ضابطے کو AI پر انحصار کا توازن قرار دیتی ہے۔

جذبات کا ضابطہ اور جذباتی معاونت

جذباتی ضابطہ ایک کلیدی SEL قابلیت ہے جس کے سیکھنے پر براہِ راست نتائج ہیں، اور یہ SEL سے کامیابی کا براہِ راست ربط بناتی ہے۔ جذباتی کمپیوٹنگ کے ٹول جیسے MathBuddy طلبہ کے جذبات کو ماڈل کر کے تدریسی ردِعمل کی شکل دیتے ہیں، اور کیمپس میں بہبود کے AI ٹولز (مثلاً PsychoGPT، AURA) احتیاط اور مداخلت دونوں پر پھیلے ہیں۔

شرم، جرم، اور AI استعمال پر جذباتی ردِعمل

جذبات یہ ضابطہ کرتے ہیں کہ طلبہ AI کے استعمال کو کیسے نظر آنے دیتے ہیں۔ "گھومتے دائرے میں پھنسے" (19 کمپیوٹنگ طلبہ) نے پایا کہ شرم اور جرم AI استعمال کے سماجی ضابطوں کا کام کرتے ہیں، چھپانے کے رویّوں اور منتخب افشا کو ہوا دیتے ہیں، اور ایجنسی میں کمی کے دائرے بناتے ہیں۔ AI کی بے چینی کو سیکھنے کے وسیلے کے طور پر AI کے تزویراتی ضابطے میں بدلا جا سکتا ہے۔ یہ SEL کی سماجی آگاہی اور خود انتظام کو تعلیمی دیانت اور ذمہ دار AI استعمال سے جوڑتے ہیں۔

بھروسا اور تعلق

SEL رشتوں والی سیکھائی اور سماجی ہم آہنگی کی معاونت کرتا ہے۔ اصولی AI تعلیم اور تعاونی سیکھائی کے لیے AI چیٹ بوٹ تعلق اور اجتماعی خود اعتمادی سے جڑتے ہیں — یعنی ٹیم کی کام انجام دینے کی صلاحیت پر مشترکہ یقین۔ Brookings کی پیشگی ناکامی کی جانچ زور دیتا ہے کہ AI پر حد سے زیادہ انحصار سماجی-جذباتی بہبود، استاد-ساتھی تعلقات، اور طالب علم کی رازداری/حفاظت کو خطرے میں ڈالتا ہے — جو تعلق اور جڑاؤ کی جہتیں ہیں۔ استاد-طالب علم بھروسا اِس بات کا مرکز ہے کہ AI کو معاون سمجھا جائے یا نہیں۔

یہاں تعلق کا ایک تیز تر کنارہ بھی ہے: AI سے مانگی گئی ہمدردی پر سزا مل سکتی ہے۔ Shastry اور Gray (2026) نے شرکاء کو ایک پریشان طالب علم کے بارے میں پڑھایا جو چیٹ بوٹ، دوست، معالج، یا کسی کے پاس نہیں گیا۔ چیٹ بوٹ والی حالت میں شرکاء نے نجی طور پر ہمدردی منتقل کرنے کی سب سے کم رضامندی بتائی، پھر اُس طالب علم کے بارے میں سب سے زیادہ بے التفاتی کے الفاظ استعمال کیے اور اُسے زیادہ اجنبی اور زیادہ بے بس درجہ دیا۔ AI کی طرف جانے والے راستے پر ساتھیوں کا یہ فیصلہ اوپر دستاویز کی گئی چھپانے کی روش کو مزید بڑھاتا ہے، اِس لیے افشا کے سماجی اصول SEL کے ڈیزائن کا حصہ ہونے چاہئیں، صرف دیانت کی پالیسی کا نہیں۔

خوشامد یہی متبادل ایک ناپے ہوئے مقدار میں لاگو کرتی ہے۔ پانچ پیشگی رجسٹرڈ مطالعات (N = 3,075؛ 12,766 گفتگو) میں، ایسے AI کے استعمال کنندگان جو اُن کے نظریات کی تصدیق کرتا تھا، تین ہفتوں میں اُس سے ذاتی مشورہ اُسی طرح لینے لگے جیسے قریبی دوستوں اور خاندان سے لیتے ہیں۔ اُنہی شرکاء نے اپنے حقیقی دنیا کے تعاملات سے کم اطمینان بتایا، اور اکثریت نے تصدیق کرنے والا انداز مشورے کی وجہ سے نہیں بلکہ اِس لیے پسند کیا کہ وہ اُنہیں سمجھا ہوا محسوس کرواتا تھا (Ibrahim et al. (2026))۔ نقصان جذباتی کی بجائے رشتوں والا ہے، اِس لیے جذباتی معاونت کی خصوصیات کو کسی کورس میں بلا لاگت اضافے نہیں سمجھا جا سکتا۔

استقامت، ذہنی رویّہ، اور نتیجہ خیز جدوجہد

SEL سیکھائی کی محنت والی جہت سے متداخل ہے۔ 5% مسئلے کی تشکیل طلبہ کی کم استقامت کو تعلیمی ٹیکنالوجی میں بار بار آنے والا چیلنج قرار دیتی ہے، جو محرک/رضامندی، علمی رکاوٹوں، چیلنج کے تحت لچک، اور جڑاؤ سے شکل پاتی ہے۔ Favero et al. خبردار کرتے ہیں کہ محنت کی جگہ لینے والا AI اُنہی صلاحیتوں کو کھا جاتا ہے جو تعلیم بناتی ہے — جو میٹا کوگنیشن اور حد سے زیادہ انحصار کے مقابل نتیجہ خیز جدوجہد کی قدر سے ہم آہنگ ہے۔

مدرسین اور تدریسی ڈیزائن کے لیے مضمرات

SEL کو پہلے درجے کا ڈیزائن ہدف مانیں، بعد کی سوچ نہیں۔ سماجی-جذباتی قابلیتوں کو مصنوعی ذہانت کی لیٹریسی کے نصاب میں شامل کریں (Palmquist et al. کے مطابق)، تاکہ طلبہ صرف یہ نہ سیکھیں کہ AI کیسے استعمال کرنا ہے بلکہ کب اور کیوں — اپنے جذبات، کوشش اور رشتوں پر توجہ کے ساتھ۔
خود اعتمادی اور ایجنسی کے لیے ڈیزائن کریں۔ چونکہ مہارت پر مبنی AI خواندگی انحصار کو بڑھا سکتی ہے جبکہ خود اعتمادی اور کوشش کا ضابطہ اُس سے بچاتے ہیں، تدریس کو تکنیکی مہارت کے ساتھ ساتھ دانستہ طور پر طلبہ کا اعتماد اور خود انتظام بنانا چاہیے — مثلاً سہارے والی مشق، کم داؤ والی کامیابیاں، اور ایسے پرامپٹ جو طلبہ سے AI کے نتائج کی تصدیق اور ملکیت کا تقاضا کریں۔
AI کو رشتوں والی سیکھائی کی معاونت کے لیے استعمال کریں، اُس کی جگہ لینے کے لیے نہیں۔ AI ٹولز کو استاد-طالب علم اور طالب علم-طالب علم تعلقات کی تکمیل کرنی چاہیے، اور مربیوں کو رشتوں والا کردار — جذبات اور تعلق کی نگرانی — اپنے پاس رکھنا چاہیے، اُسے مکمل طور پر سونپنا نہیں۔
جذبات سے واقف اور جذبات کے لیے حساس ڈیزائن۔ جذبات سے واقف نظام جذباتی حالتوں (بے چینی، چڑچڑاہٹ، الجھن) کو پہچان اور اُن پر ردِعمل دے سکتے ہیں، مگر ثبوت دکھاتا ہے کہ فوائد ہمہ گیر نہیں — سیکھنے والے کی مہارت اور پروفائل کے لحاظ سے مشروط — اِس لیے جذباتی ڈیزائن کو حسبِ ضرورت ڈھالنا چاہیے، مفروضہ نہیں بنانا چاہیے۔
AI استعمال کے جذباتی پہلو سے نمٹیں۔ شرم/جرم کے دائروں اور AI کی بے چینی کے خلاف اِس طرح ڈیزائن کریں کہ AI استعمال پر بحث کو معمول بنایا جائے، شفافیت کو ہوا دی جائے، اور نگرانی پر مبنی اُن ردِعملوں کو کم کیا جائے جو بھروسا اور ایجنسی کھاتے ہیں۔
استقامت اور نتیجہ خیز جدوجہد کی معاونت کریں۔ متبادل بنانے کی بجائے سہارا دیں (Favero et al. کے مطابق)، تاکہ AI محنت طلب سیکھائی کو گہرا کرے، اُسے نظر انداز نہ کرے — جو میٹا کوگنیشن اور نتیجہ خیز دشواری سے ہم آہنگ ہے۔
لمحے میں بولے جانے والے لفظی اقدام کی تربیت دیں۔ SEL کی معاونت کو عام طور پر ڈیزائن یا AI کے جذبات کی شناخت کے طور پر بیان کیا جاتا ہے، مگر مدرسین کو یہ بھی چاہیے کہ جب طالب علم کی جذباتی حالت شمولیت ختم کرنے کو ہو تو وہ کیا کہیں — اُس حالت کو حقیقی وقت میں کام کرنے کی چیز مانیں، سیکھنے کی پیشگی شرط نہیں۔ Parlant کی پریکٹیشنر گائیڈ اِنہیں جذباتی خرد مداخلتیں کہتی ہے: مختصر لفظی اقدام جو احساس کی تصدیق کریں، اُس کے پیچھے کے اندازے کو نئے فریم میں رکھیں، اور جدوجہد کو پیشہ ورانہ شناخت سے دوبارہ جوڑیں، جن کی تیاری کلاس سے پہلے کی جاسوسی رسم اور ایک دوبارہ استعمال کے قابل فقرے کی کتاب سے ہوتی ہے جسے جنریٹو AI مدرس کے لیے مسودہ بنانے اور پھر ذاتی بنانے میں مدد دے سکتا ہے۔
اساتذہ کی SEL قابلیت تیار کریں۔ مربیوں کو تکنیکی مہارت اور جذباتی ذہانت دونوں چاہیے (استاد کی AI صلاحیت)؛ اساتذہ کی پیشہ ورانہ ترقی کو AI کی ثالثی والے ماحول میں طلبہ کی SEL کی معاونت کی صلاحیت بنانی چاہیے۔

سیکھنے کے فوائد اور دیگر پیمانوں سے روابط

خود اعتمادی فوائد کو مشروط کرتی ہے۔ Cen et al. نے پایا کہ کم بنیادی خود اعتمادی والے طلبہ نے سب سے بڑے سیکھنے کے فوائد حاصل کیے، اور ٹیوٹر کی طرف میلان نے ٹیوٹر پر مبنی مشق میں فوائد کی پیش گوئی کی — جو دکھاتا ہے کہ تحریکی پروفائل یہ طے کرتے ہیں کہ کس شکل سے کسے فائدہ ہوتا ہے۔
بہبود اور شمولیت بطور درمیانی نتائج۔ SEL سے متعلق نتائج (محرک، بہبود، تعلق، شمولیت، خود اعتمادی) اکثر آگے کی کامیابی کے ثالث کا کام کرتے ہیں، اور AI تحقیق اُنہیں خام امتحانی اسکوروں کے ساتھ ساتھ — اور کچھ صورتوں میں اُن کی بجائے — ناپنے لگی ہے۔
اثرات مشروط ہیں، ہمہ گیر نہیں۔ تحقیق خبردار کرتی ہے کہ SEL کی طرف مائل مداخلتیں کچھ سیکھنے والوں (پروفائل/مہارت کے لحاظ سے) کی مدد کر سکتی ہیں اور دوسروں کی نہیں، اِس لیے SEL پر مبنی سیکھنے کے فوائد کے دعووں کو مشروط اثرات کے لیے جانچنا چاہیے۔
کھاتے کا نقصان والا پہلو۔ Brookings کی پیشگی ناکامی کی جانچ خبردار کرتا ہے کہ AI سے چلنے والا حد سے زیادہ انحصار سماجی-جذباتی بہبود، رشتوں اور تعلق کو خطرے میں ڈالتا ہے — ایسے نتائج جو اگر کھل جائیں تو طویل المدتی سیکھائی اور کامیابی کی بنیادوں ہی کو کمزور کر سکتے ہیں۔

عام غلط فہمیاں

"SEL اور جذباتی ذہانت ایک ہی تعمیر ہیں۔" وہ متعلق مگر الگ ہیں: SEL/SEC قابلیتوں کے ایک مجموعے کا نام ہے — مثبت تعامل کے لیے خیالات، جذبات اور اعمال کو ہم آہنگ کرنے کی صلاحیت — جبکہ جذباتی ذہانت جذبات کو محسوس کرنے اور سنبھالنے کی فرد کی گنجائش کا نام ہے۔ کوئی ٹول سیکھنے والے کی جذباتی خود آگاہی بڑھا سکتا ہے بغیر کوئی سماجی-جذباتی قابلیت پروان چڑھائے، اور کوئی پروگرام اُن طلبہ میں تعاونی قابلیت بنا سکتا ہے جن کا جذباتی خود ادراک ویسا ہی رہے۔ چونکہ دونوں مختلف طریقوں سے ناپے جاتے ہیں، ایک کا ثبوت دوسرے کا ثبوت نہیں۔

"ہمدردی سے جواب دینے والا AI ٹیوٹر سماجی-جذباتی سیکھنا پروان چڑھاتا ہے۔" جذباتی ردِعمل ایک ترسیل کی خاصیت ہے؛ SEL ایک قابلیت کا نتیجہ ہے، اور دونوں خود بخود منسلک نہیں۔ سیکھائی کی رشتوں والی جہتیں وہی ہیں جنہیں یہ ادب کہتا ہے کہ AI کو مکمل کرنا ہے، بدلنا نہیں، جو ٹول میں ہمدردی کو بذاتِ خود فائدے کی بجائے اِس سوال میں بدل دیتا ہے کہ وہ کس چیز کی جگہ لے رہی ہے۔ دیکھیں جذباتی ٹیوٹرنگ اُس میکانزم کے لیے جس سے گرم جواب اُس جدوجہد کو کم کر سکتا ہے جو استقامت بناتی ہے۔

"کم استقامت ایک تحریکی مسئلہ ہے جسے حوصلہ افزائی ٹھیک کر سکتی ہے۔" استقامت تعلیمی ٹیکنالوجی کی بار بار آنے والی رکاوٹ ہے — وہ نمونہ جسے 5% مسئلہ نام دیتا ہے — اور یہ محرک و رضامندی، علمی رکاوٹوں، اور چیلنج کے تحت لچک سے شکل پاتی ہے۔ حوصلہ افزائی تین میں سے ایک کو حل کرتی ہے۔ وہ سیکھنے والا جو اِس لیے رکتا ہے کہ مسئلہ اُس کے ورکنگ میموری سے بڑھ گیا، تسلی کی کمی کا شکار نہیں۔

"یہ جاننا کہ AI دستیاب ہے، طلبہ کے کوشش لگانے کے طریقے کو نہیں بدلتا۔" یہ بدل سکتا ہے، اور اثر سب سے کمزور سیکھنے والوں کے لیے اُلٹی سمت چلتا ہے: AI کی دستیابی محنت طلب شمولیت کی محسوس قدر کم کر سکتی ہے، خاص طور پر نوآموزوں کے لیے۔ محض دستیابی منفی علامت والی تحریکی مداخلت ہے، اِس لیے SEL سے قریبی ڈیزائن کسی مددگار نظام کی موجودگی کو غیر جانبدار نہیں مان سکتا۔

منسلک تصورات

منسلک مضامین

Exploring interfaces and implications for integrating social-emotional competencies into AI literacy for education: a narrative review — سماجی-جذباتی قابلیتوں کو AI خواندگی میں شامل کرنا
Mind the Trust Gap: Identifying (Mis)alignments in Teacher-Student Views Toward Control and Agency in K-12 Classroom AI — بھروسے کے خلا کا خیال رکھیں: استاد اور طالب علم کے نظریات
The Scaffolded AI literacy (SAIL) framework: Results of a Delphi study for equitable AI literacy framework design in education — سہارے والا AI خواندگی (SAIL) فریم ورک
Teacher education for artificial intelligence literacy through a self-determination theory perspective — AI خواندگی کے لیے استاد کی تعلیم (SDT)
Understanding Student Dependency on AI: The Role of AI Literacy, Academic Self-Efficacy, and Resource Management Strategies — AI پر طالب علم کا انحصار، خود اعتمادی، اور وسائل کا انتظام
Self-Efficacy and Favorability Shape Learning from Tutoring Systems and Paper Practice — خود اعتمادی اور میلان ٹیوٹرنگ سے سیکھائی کی شکل دیتے ہیں
Stuck in a Spiral": Shame and Guilt as Social Regulators of AI Use in Computing Education — شرم اور جرم بطور AI استعمال کے سماجی ضابطے
From Substitution to Scaffolding: Breaking the Self-Reinforcing Harm Cycle of AI in Education (and Beyond) — متبادل سے سہارے تک
AI chatbot design principles to enhance the collective efficacy in collaborative learning — AI چیٹ بوٹ اور اجتماعی خود اعتمادی
MathBuddy: Affective Math Tutoring — MathBuddy: جذباتی ریاضی کی ٹیوٹرنگ
New AI-Driven Tools for Enhancing Campus Well-being: A Prevention and Intervention Approach — AI سے چلنے والے کیمپس بہبود کے ٹولز
The Policy Deficit in AI × Social-Emotional Learning Research — AI × SEL تحقیق میں پالیسی کا خسارہ
An Experimental Study Exploring Human–AI Complementarity in Early Social-Emotional Learning — ابتدائی سماجی-جذباتی سیکھائی میں انسان–AI تکمیلیت (Raave et al. 2026)
Can You Feel It? A Practical Guide to Emotional Micro-Interventions for Higher Education Teachers — حقیقی وقت کی جذباتی خرد مداخلتیں اور مدرسین کے لیے فقرے کی کتاب
People offload empathy when they think AI can give it instead — لوگ ہمدردی منتقل کر دیتے ہیں جب وہ سمجھیں کہ AI اُسے دے سکتا ہے (Shastry & Gray 2026)
Sycophantic AI makes human interaction feel more effortful and less satisfying over time — خوشامدی AI انسانی مشورے کی طلب کو ہٹاتا ہے اور حقیقی دنیا کے تعامل سے اطمینان کم کرتا ہے (Ibrahim et al. 2026)

میٹا ڈیٹا

درجہ	Higher Ed
مطلوبہ سامعین	Learners
سیکھنا اور استادی	خود ضابطگی والی سیکھنا, بہبود
ٹیکنالوجیز اور طریقے	جذباتی کمپیوٹنگ
مساوات، اخلاق اور ذمہ دار استعمال	اخلاقیات
تعلیم میں AI کی بنیادیں	مصنوعی ذہانت کی لیٹریسی, استاد کی AI صلاحیت

ذریعہ تاریخچہ ترمیم کریں گفتگو