سیکھنے کی منتقلی

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

سیکھنے کی منتقلی — وہ حد جس تک کسی ایک سیاق و سباق میں حاصل کیا گیا علم یا مہارت (مثلاً کسی AI ٹول کے ساتھ مشق) کسی دوسرے سیاق میں برقرار رہتی ہے اور لاگو ہوتی ہے (مثلاً ٹول کے بغیر خودمختار کارکردگی)۔ تعلیم میں AI میں منتقلی ہی مرکزی کھلا سوال ہے: آیا طلبہ AI ٹولز کے ساتھ جو کارکردگی کا فائدہ دکھاتے ہیں وہ پائیدار سیکھنے میں بدلتا ہے جسے وہ اُن کے بغیر دکھا سکیں۔

غور کرنے کے لیے سوالات

• یہاں ایک چونکا دینے والا نمونہ ہے جسے یہ صفحہ دستاویز کرتا ہے: طلبہ اکثر AI کی معاونت والے کاموں پر فوری فائدہ دکھاتے ہیں، مگر AI ہٹانے پر وہ فائدہ غائب ہو سکتا ہے — یا اُلٹ پڑ سکتا ہے۔ وضاحتیں پڑھنے سے پہلے، آپ کے خیال میں جو ٹول لمحے میں واضح مدد کرتا ہے وہ آخر کیوں کر طلبہ کو اس کے بغیر بدتر حالت میں چھوڑ سکتا ہے؟
• کوئی چیز کسی ٹیوٹر، کیلکولیٹر یا معاون کے ساتھ سیکھنا یاد کریں اور پھر اسے تنہا کرنا پڑا۔ کیا مہارت منتقل ہوئی، یا آپ نے مدد پر انحصار محسوس کیا؟ جن تجربات میں اچھی منتقلی ہوئی اور جن میں نہیں، اُن میں کیا فرق تھا؟
• ایک عام فہم یہ ہے کہ 'مشق مشق ہے' — کہ مدد کے ساتھ کوئی کام کرنا وہی مہارت بناتا ہے جو تنہا کرنا۔ یہ فہم کہاں گمراہ کر سکتا ہے، بالخصوص جب مدد وہ AI ہو جو آپ کے لیے استدلال مکمل کر دیتا ہے بجائے اس کے کہ آپ کو اُس میں سے گزارے؟
• صفحہ کسی ٹیکنالوجی کے 'ساتھ اثرات' اور اُس کے 'اثرات' میں فرق کرتا ہے — ٹول استعمال کرتے ہوئے بہتر کارکردگی بمقابلہ اس کے بغیر زیادہ قابل ہو جانا۔ اگر آپ مدرس، ڈیزائنر یا طالب علم ہیں تو اِن میں آپ کا اصل مقصد کون سا ہے، اور آپ کیسے جانیں گے کہ وہ حاصل ہو گیا؟
• شواہد بتاتے ہیں کہ آپ کتنا علمی کام تفویض کرتے ہیں، اہمیت رکھتا ہے: گرامر جیسے سطحی کاموں کی منتقلی نے منتقلی کو گہرے استدلال اور ساخت کی منتقلی سے کم نقصان پہنچایا۔ آخری بار یاد کریں جب آپ نے کسی اسائنمنٹ پر AI استعمال کیا۔ آپ نے کون سی 'تہہ' تفویض کی، اور آپ کا انتخاب اس بارے میں کیا پیش گوئی کرتا ہے کہ آپ کیا برقرار رکھیں گے؟
• صفحہ ایسی شرائط تجویز کرتا ہے جو مثبت منتقلی کو سہارا دے سکتی ہیں — پیدگوجیکل گارڈ ریل، مدد کا بتدریج کم ہونا، اور سیکھنے والے کی تیاری کے مطابق توازن۔ اگر آپ کسی AI سیکھنے والے ٹول کو ڈیزائن کر رہے ہوتے (یا اس کے صارف ہوتے) تو آپ کس بات پر اصرار کرتے تاکہ استعمال کے دوران ملنے والے فائدے اس کے بغیر پائیدار صلاحیت بن جائیں؟

تعارف

سیکھنے کی منتقلی تعلیمی تحقیق کی بنیادی فکر ہے، اور AI ٹولز نے اسے فوری اہمیت دے دی ہے۔ تعلیم میں AI کے مطالعات میں دستاویز کیا گیا واضح تجرباتی نمونہ ایک منتقلی کا تضاد ہے: AI استعمال کرنے والے طلبہ عام طور پر اُن کاموں پر فوری، قابلِ پیمائش فائدہ دکھاتے ہیں جن میں AI دستیاب ہو، مگر AI ہٹانے اور طلبہ کو آزادانہ فہم ظاہر کرنا پڑنے پر یہ فائدے اکثر برقرار نہیں رہتے — یا اُلٹ پڑ جاتے ہیں۔ یہ نمونہ حد سے زیادہ انحصار، علمی بوجھ کے نظریے اور میٹا کوگنیشن کو کارفرما میکانزم کے طور پر نشان زد کرتا ہے، اور AI ٹیوٹرنگ کے ڈیزائن پر بحث سے براہِ راست جڑتا ہے۔

تیاری منتقلی نہیں ہے: AI کی معاونت والی بولنے کی مشق کم بولنے کی بے چینی اور انسانوں سے بات چیت کی زیادہ آمادگی سے منسلک تھی، مگر کسی بھی مطالعے نے انسانی بولنا نہیں دیکھا، جس سے AI کی مشق سے انسانی مواصلاتی صلاحیت تک کا راستہ ایک غیر آزمودہ پیدگوجیکل تجویز رہ جاتا ہے (Wang & Li (2026))۔

منتقلی کا تضاد

AI استعمال کرنے والے طلبہ عام طور پر اُن کاموں پر فوری، قابلِ پیمائش فائدہ دکھاتے ہیں جہاں AI دستیاب ہو۔ مگر جب AI ہٹا دیا جائے:

• اثرات مخلوط یا منفی ہو جاتے ہیں
• فوائد اکثر غیر جانچے گئے ماحول میں منتقل نہیں ہوتے
• طلبہ آزادانہ استدلال کی قیمت پر ٹول پر منحصر ہو سکتے ہیں

شواہد کی بنیاد، جسے Stanford Evidence Base on AI in K-12 کے جائزے میں یکجا کیا گیا، تمام شعبوں میں یکساں ہے:

پانچوں مطالعات منفی یا صفر منتقلی کا نمونہ دکھاتے ہیں جب مداخلت عام مقصد والا AI ہو۔

منتقلی کو کمزور کرنے والے میکانزم

میٹا کوگنیٹو بے دخلی۔ AI کے استدلال مکمل کرنے سے طلبہ کو اپنی فہم کی نگرانی اور حکمتِ عملیوں کے انتخاب کے مواقع کم ہو جاتے ہیں۔ AI استعمال کرنے والے طلبہ سے جب پوچھا گیا تو وہ اپنے جوابات کی وضاحت کم کر سکے۔ یہ میٹا کوگنیشن کی خود نگرانی کی تحقیق اور اِس ثبوت سے جڑتا ہے کہ ساختی کورس میٹا کوگنیٹو قابلیت بڑھاتے ہیں جبکہ خام LLM معاون نہیں بڑھاتے۔

جرمانہ بوجھ کی دباؤ۔ عام مقصد والا AI نہ صرف غیر ضروری (تشتت پیدا کرنے والا) علمی بوجھ کم کرتا ہے بلکہ جرمانہ بوجھ بھی — وہ نتیجہ خیز ذہنی محنت جو پائیدار علم محفوظ کرتی ہے۔ آسان مشق بہتر محسوس ہوتی ہے مگر کمزور نقوش محفوظ کرتی ہے۔ دیکھیں علمی بوجھ کا نظریہ اور ٹیوٹرنگ کے مخصوص بمقابلہ عام AI کا فرق۔

حد سے زیادہ انحصار / مہارت کا اُلٹ۔ جوابات دیے گئے نو آموز اسکیما نہیں بناتے۔ عام AI جوابات دیتا ہے؛ موثر ٹیوٹرنگ ساختی رہنمائی دیتی ہے۔ جب نو آموزوں کو ماہر کی سطح کے شارٹ کٹ دیے جائیں تو سیکھنا درہم برہم ہو جاتا ہے — فائدہ مند مشکلات کا اصول اُلٹا کر کے۔

ٹول پر منحصر کارکردگی۔ طلبہ AI ٹول کی مخصوص سہولتوں کے لیے بہتر کام کر سکتے ہیں (پرامپٹ انجینئرنگ، تیار شدہ کوڈ کے ڈھانچے پر انحصار) بجائے شعبے کی عمومی مہارت بنانے کے — یہ علمی منتقلی کی ایک شکل ہے جو نتیجہ خیز محسوس ہوتی ہے مگر پائیدار سیکھنے کو ہٹا دیتی ہے۔

محفوظ کلاس روم غلط عادت بھی سکھا سکتا ہے: Shi, Dai & Zhang (2026) خبردار کرتے ہیں کہ پہلے سے طے شدہ قواعد والی سمولیشنز غیر یقینی کو چھانٹ دیتی ہیں اور قاعدہ پابندی کو مضبوط کرتی ہیں، چنانچہ اُن کے اندر بننے والی فیصلہ سازی کی عادتیں حقیقی ماحول میں متضاد مفادات اور نامکمل معلومات سے واسطہ پڑنے پر علمی بوجھ بن سکتی ہیں۔ تہہ کے لحاظ سے منتقلی اور انتقال۔ Chen (2026) GenAI کی معاونت والی تحریر میں Salomon, Perkins & Globerson کے 'ٹیکنالوجی کے ساتھ اثرات بمقابلہ اثرات' کے فرق کو براہِ راست جانچتے ہیں: آٹھ ہفتوں کے نیم تجربے نے پایا کہ کھلی AI تعاون نے معاونت والی تحریر کی کارکردگی کو زیادہ سے زیادہ کیا مگر سب سے کم آزادانہ، بغیر AI قریبی منتقلی کے نتائج پیدا کیے، جبکہ غور و فکر کے ساتھ محدود معاونت نے آزادانہ قابلیت برقرار رکھی۔ منتقلی کی گہری تہوں (استدلال، ساخت) نے سطحی تہوں (گرامر) سے بدتر منتقلی کی پیش گوئی کی۔ یہ براہِ راست کلاس روم ثبوت ہے کہ AI کی ساتھ معاونت والی کارکردگی کے فوائد بغیر معاونت آزاد کارکردگی میں منتقل نہیں ہوتے — اور یہ کہ تفویض کی گہرائی، نہ صرف یہ کہ AI استعمال ہوتا ہے یا نہیں، منتقلی کی شکل طے کرتی ہے۔

ایک تکمیلی، اگرچہ الجھا ہوا، مثال طبیعیات سے آتی ہے: Ruhr University Bochum نے تعارفی جوہری و ذراتی طبیعیات کا کورس نئے سرے سے ڈیزائن کیا (Mikhasenko et al., 2026) جس میں طلبہ نے AI کی معاونت سے وسائل سے بھرپور تعاونی تحقیقی مسائل کامیابی سے مکمل کیے، مگر وہی طلبہ روایتی بغیر معاونت تحریری امتحان میں اوسطاً 20.6/80 لائے، اور کئی سنجیدہ کوششیں معیاری حسابات مکمل نہ کر سکیں۔ مصنفین اسے اس ثبوت کے طور پر پڑھتے ہیں کہ معاونت والی کارکردگی خودبخود بغیر معاونت کارکردگی میں منتقل نہیں ہوتی، اور اُن کا حل سوچا سمجھا ڈیزائن ہے: تحریری امتحان کو درجے کا واحد تعین کرنے والا بنانا، ٹیوٹوریل مسائل پیشگی جاری کرنا تاکہ کلاس کا وقت تیار شدہ بحث بنے، اور AI کی اجازت والے تلاشی کام کے گرد پیشگی تیاری، حل شدہ مثالیں اور پختگی شامل کرنا۔

مثبت منتقلی کو سہارا دینے والی شرائط

محدود شواہد بتاتے ہیں کہ منتقلی اُس وقت ممکن ہے جب:

• پیدگوجیکل گارڈ ریلز موجود ہوں — مرحلہ وار اشارے، غلط فہمی کو نشانہ بنانا، سقراطی سوال (Bastani et al., 2025 کی ٹیوٹرنگ شکل)

• روایتی حکمتِ عملیاں برقرار رکھی جائیں — AI کے استعمال کے ساتھ نوٹ لینے سے یادداشت بہتر ہوئی (Kreijkes et al., 2026)

• AI تکوینی مشق کے لیے استعمال ہو، اختتامی کے لیے نہیں — سیکھنے کے دوران سکافولڈنگ، جانچ کے دوران نہیں

• مشق کی شکل منتقل ہونے والے علم سے ہم آہنگ ہو۔ Rachatasumrit, Koedinger & Carvalho (2025) پاتے ہیں کہ بازیافت مشق کے فوائد اکثر ناواقف مسائل پر منتقل نہیں ہوتے — وہ کسی طریقہ کار کی یادداشت مضبوط کرتے ہیں مگر نئے سیاق میں اس کے استعمال کو ممکن نہیں بناتے — اور نئی ایپلیکیشنز تک پائیدار عمومیت کے لیے مشق کو حل شدہ مثالوں کے ساتھ جوڑنا ضروری ہے جو مہارت کے استنباط کو سہارا دیں؛ چنانچہ بہترین مثال–مسئلہ تناسب اس بات پر منحصر ہے کہ مواد لفظی حقیقت ہے یا قابلِ عمومیت مہارت۔

• سیکھنے والے کی مہارت کا توازن ہو — ٹول مکمل معاونت کو طے شدہ نہ مانے بلکہ تیاری کے مطابق سہارا دے

• منتقلی بطور وہ معیار جو سیکھنے کو معاونت سے الگ کرتا ہے۔ Yan and Gašević (2026) اپنا نظریہ انسانی-AI سیکھنے کی بنیاد کم معاونت کے تحت منتقلی پر رکھتے ہیں: معاونت والی کارکردگی اُس وقت ہی سیکھنا گنی جاتی ہے جب سہارا ہٹنے پر قابلیت برقرار رہے، جو منتقلی کو کئی نتائج میں سے ایک کے بجائے خود آزمائش بنا دیتا ہے۔ اُن کی تجویز سمتی ہے: AI کی معاونت والے کام کے دوران ماخذ کی جانچ یا جواز کا مطالبہ تاخیر شدہ کارکردگی بہتر کرنا چاہیے، جبکہ بغیر باز تشکیل کے بار بار کم رگڑ والی تفویض سیکھنے والوں کی اپنی قابلیت کے توازن کو کمزور کرنی چاہیے۔

• رہنمائی کام کے ساتھ ساتھ ہو۔ اوپر جدول کے منفی منتقلی نمونے کے برخلاف، 36 شرکاء کے موازنے نے پایا کہ ڈیسک روبوٹ کی معاونت پانے والے سیکھنے والوں نے مدد ہٹنے پر اپنا سکور 7.0/10 برقرار رکھا جبکہ ChatGPT کی معاونت والے 4.4/10 پر گرے، یعنی 60% زیادہ قلیل مدتی منتقلی سکور (Orlando et al. (2026))۔ نتیجہ قلیل مدتی منتقلی ہے جو کام کے تقریباً 35 منٹ بعد ناپی گئی، بغیر تاخیر شدہ یادداشت کے امتحان، ایک ہی کیمپس کے 36 شرکاء میں۔

یہ AI ٹیوٹرنگ کی اُس تحقیق سے ہم آہنگ ہے جو دکھاتی ہے کہ پیدگوجیکل گارڈ ریلز والے ٹیوٹرنگ کے مخصوص ٹول عام مقصد والے چیٹ بوٹس سے بہتر کارکردگی دیتے ہیں، اور سکافولڈنگ کے اُن اصولوں سے بھی جو قابلیت بڑھنے کے ساتھ سہارا کم کرنے کی بات کرتے ہیں۔

بے جواب سوالات

1. وقت کا پیمانہ: کیا ہفتوں یا مہینوں کے استعمال میں منتقلی بہتر ہوتی ہے، یا انحصار گہرا ہوتا جاتا ہے؟
2. شعبے کے فرق: کیا منتقلی اچھی ساخت والے شعبوں (ریاضی) میں بدساختہ شعبوں (تحریر) سے بہتر ہے؟
3. انفرادی فرق: کیا زیادہ پیشگی علم والے طلبہ نو آموزوں سے کم منتقلی کا نقصان اٹھاتے ہیں؟
4. مہارت کا ازالہ: کیا واضح 'AI بند' مشق کے سیشن ٹول پر انحصار اُلٹ سکتے ہیں؟

وقت کے پیمانے کے سوال کی اب ایک باقاعدہ شکل موجود ہے۔ Yajee (2026) مدد ہٹنے کے بعد کے وقفے کو علمی بہاؤ (cognitive washout) کا نام دیتے ہیں اور اس کے چار ممکنہ نتائج گنتے ہیں: لچکدار واپسی، جزوی جمود، پوشیدہ سکافولڈ اور حد سے زیادہ بحالی۔ مقالہ دلیل دیتا ہے کہ شدت کا تعین اُلٹ پذیری سے ہوتا ہے، اور اسے ناپنے کے لیے پیشگی اندراج کے قابل تین بازوؤں والا، بائیس ہفتوں کا پروٹوکول تجویز کرتا ہے۔ اوپر کے مطالعات نے معاونت ختم ہونے کے چند گھنٹے بعد منتقلی جانچی، چنانچہ بعد کے ہفتے اس صفحے کے پہلے کھلے سوال کا وہ حصہ ہیں جو واقعی غیر پیمودہ ہے۔

متعلقہ تصورات سے روابط

سیکھنے کی منتقلی میٹا کوگنیشن (فہم کی خود نگرانی)، علمی بوجھ کے نظریے (جرمانہ بمقابلہ غیر ضروری بوجھ)، فائدہ مند مشکلات (نتیجہ خیز جدوجہد)، سکافولڈنگ (سہارا کم ہونا)، حد سے زیادہ انحصار (ٹول پر انحصار) اور سماجی ثقافتی سیکھنا (عام مقصد والا AI طلبہ کے لیے کام مکمل کر کے ZPD سے باہر کام کرتا ہے) سے جڑتی ہے۔ یہ معاونت والی کارکردگی اور حقیقی سیکھنے کے درمیان پل ہے — The Evidence Base on AI in K-12: A 2026 Review اور AI ٹیوٹرنگ کی اثر انگیزی کے مرکزی سوال کے درمیان فرق۔

عام غلط فہمیاں

"AI کی معاونت والے کاموں پر فوائد منتقلی کے قابل سیکھنے کا ثبوت ہیں۔" کارپس اُلٹ نمونہ پاتا ہے: یہاں یکجا کیے گئے پانچوں مطالعات منفی یا صفر منتقلی دکھاتے ہیں جب مداخلت عام مقصد والا AI ہو — ہائی اسکول ریاضی کے وہ طلبہ جن کے مشق کے نمبر زیادہ تھے بند کتاب فائنلز میں تقریباً 17% بدتر رہے، اور مضمون نگاری کے مطالعے میں 83% اپنے اقتباسات یاد نہ رکھ سکے۔ فوری معاونت والی کارکردگی دستیاب پیمائشوں میں سب سے کم منتقلی کے قابل ہے۔

"اگر طالب علم AI کے ساتھ کر سکتا ہے تو وہ کر سکتا ہے۔" یہ ناکامی کی تعریف ہے، اُس کی عدم موجودگی نہیں۔ منتقلی کا مطلب ہے کہ قابلیت سہارا ہٹنے پر بھی باقی رہے، اور سہارا ہٹانے کی جانچ کرنے والے مطالعات پاتے ہیں کہ قابلیت ٹول میں تھی۔ وہ سیکھنے والا جو کوئی شے تیار کر سکتا ہے جبکہ استدلال کہیں اور انجام پا رہا ہو، اُسے الگ مہارت کی تربیت دی گئی ہے: ٹول چلانا۔

"منتقلی زیادہ قابل ماڈلز سے آتی ہے۔" منتقلی اُن شرائط سے آتی ہے جو اسے پیدا کرتی ہیں — مشق کی عمومیت، سیاق کی تنوع، اور یہ کہ سیکھنے والے نے استدلال خود پیدا کیا۔ ماڈل کی صلاحیت معاونت والی کارکردگی کی حد بلند کرتی ہے اور ماڈل جانے کے بعد جو باقی رہتا ہے، اُس کے لیے خاص کچھ نہیں کرتی۔

"رہنمائی ہمیشہ منتقلی کو سہارا دیتی ہے، پس زیادہ رہنمائی بہتر ہے۔" وہ رہنمائی جو استدلال خود انجام دے، اُس عمل کا متبادل بن جاتی ہے جس پر منتقلی منحصر ہے۔ فرق اُس مدد میں ہے جو سیکھنے والے سے اگلا قدم خود پیدا کرواتی ہے اور اُس مدد میں جو وہ اُس کے لیے پیدا کرتی ہے — اور اُس لکیر کے منتقلی والے رخ پر صرف پہلی ہے۔

منسلک تصورات

• تدریسی نمونے — وہ نتیجہ جس پر اِن میں سے بیشتر سلسلے بالآخر جانچے جاتے ہیں
• میٹا کوگنیشن
• فائدہ مند مشکلات
• علمی بوجھ اتارنا
• سکافولڈنگ
• سماجی ثقافتی سیکھنا
• ذہین ٹیوٹرنگ
• K-12
• خود ضابطگی والی سیکھنا
• سیکھنے کے نظریے
• پیداواری ناکامی — پیداوری ناکامی

منسلک مضامین

• Agentivism: a learning theory for the age of artificial intelligence — انسانی-AI تعامل کے لیے درمیانی درجے کا سیکھنے کا نظریہ، چار میکانزم اور چھ قابلِ آزمائش تجاویز کے ساتھ (Yan and Gašević 2026)

• Layer-Sensitive Cognitive Offloading in Generative AI-Assisted Writing: Supported Performance and Independent No-AI Outcomes — GenAI کی معاونت والی تحریر میں تہہ کے لحاظ سے علمی منتقلی (Chen 2026)

• The Evidence Base on AI in K-12: A 2026 Review

• Knowledge without Wisdom: Measuring Misalignment between LLMs and Intended Impact

• Cognitive offloading and the speedup illusion in human-AI interaction

• Vibe Compiler: A Research-Logic Synthesis Tool That Runs without Prompt Engineering -Toward Enhancing Metacognition for Sustaining Agency in the Age of Generative AI-

• Rethinking Higher Education: From Fixed Curricula to Learnity Graphs

• Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education — کارکردگی اور سیکھنے کا فرق اور پائیدار منتقلی

• Towards the Pedagogical Steering of Large Language Models for Tutoring: A Case Study with Modeling Productive Failure — نتیجہ خیز ناکامی کے لیے LLM کی پیدگوجیکل رہنمائی

• Evidence and Theory for why the Best Example-Problem Ratio To Optimize Learning Gain Depends on Knowledge Content

• AI in Particle Physics Education: Research Problems and Foundational Skills — ذراتی طبیعیات کی تعلیم میں AI: تحقیقی مسائل اور بنیادی مہارتیں

• From Memorization to Experiential Learning: Reconfiguring Classroom Pedagogy in Management Education through Generative AI — دلیل دیتے ہیں کہ محفوظ کلاس روم سمولیشنز ایسی فیصلہ سازی کی عادتیں بنا سکتی ہیں جو اُن سے باہر ناکام ہو جائیں

• AI-Assisted Speaking Practice and Human-Directed Communicative Readiness: Survey and Scenario Evidence on Anxiety, Self-Efficacy, and Evaluation Pressure — AI کی معاونت والی بولنے کی مشق نے انسانوں کی طرف آمادگی بڑھائی مگر کسی مطالعے نے انسانی بولنا نہیں دیکھا

• AIfred: Augmented Learning through Functional Robotic Embodiment at the Desk — AIfred: ڈیسک پر فعال روبوٹک جسمانی شکل کے ذریعے افزودہ سیکھنا

• After the Assistant Leaves: Cognitive Washout Dynamics and the Reversibility of AI-Induced Skill Decay — علمی بہاؤ: مدد ہٹنے کے بعد کا وقفہ اور 22 ہفتوں کا پیمائشی پروٹوکول (Yajee 2026)