تعلیم میں ویڈیو

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

تعلیم میں ویڈیو — ویڈیو کا تدریس اور سیکھنے کے واسطے کے طور پر استعمال، اور یہ کہ جنریٹو AI اُسے کیسے نئے سرے سے ڈھال رہا ہے: AI سے پیدا شدہ اور AI سے ذاتی نوعیت دی گئی تدریسی ویڈیو، AI اوتار اور پیش کنندہ، انطباقی ویڈیو کی تخلیق، ویڈیو پر مبنی لرننگ اینالیٹکس اور توجہ اور شمولیت کی سینسنگ، اور لیکچر ویڈیو کے استعمال میں AI کی مدد۔ علمی ذخیرہ ویڈیو کو بیک وقت ایک قائم شدہ آن لائن سیکھنے کا واسطہ اور AI کی جدت کا تیزی سے بدلتا ہوا میدان سمجھتا ہے، جو آن لائن، مخلوط اور روبرو تدریس تک پھیلا ہوا ہے۔

غور کرنے کے لیے سوالات

• تعلیمی ویڈیو طویل عرصے تک "ایک ہی سائز سب کے لیے" وسیلہ رہی ہے — ہر سیکھنے والے کے لیے یکساں مواد۔ جنریٹو AI اب ہر سیکھنے والے کے لیے علیحدہ ویڈیو ممکن بناتا ہے، اور تحقیق بتاتی ہے کہ طلبہ اِس ذاتی نوعیت کو بہت زیادہ اہمیت دیتے ہیں۔ ذاتی نوعیت مطابقت سے آگے کیا شامل کرتی ہے — اور اُس کی قیمت کیا ہو سکتی ہے؟
• طلبہ اکثر کہتے ہیں کہ وہ ویڈیو میں انسانی استاد کی موجودگی اور اصلیت کو اب بھی اہمیت دیتے ہیں۔ پھر بھی آمنے سامنے ترجیح میں ذاتی نوعیت والی AI ویڈیو عمومی انسانی ریکارڈ شدہ لیکچر سے بہتر ثابت ہو سکتی ہے۔ سیکھنے والے درحقیقت کون سی تجارتیں کر رہے ہیں، اور وہ کتنی پائیدار ہیں؟
• اساتذہ سے کلون کیے گئے AI اوتار بڑے پیمانے پر ویڈیو بنا سکتے ہیں — مگر وہ "انوکینی ویلی" کی بے چینی اور اخلاقی اعتراضات (ماحولیاتی اثر، محنت، تعلیمی دیانت) بھی اٹھا سکتے ہیں۔ AI پیش کنندہ کب قابلِ قبول ہے، اور کب وہ ایسی حد پار کرتا ہے جسے کوئی تکنیکی حل نہیں بھرتا؟
• ویڈیو کی بہت سی تحقیق طلبہ کی ترجیحات اور خود رپورٹ پر ٹکی ہے۔ بتائی گئی ترجیحات اصل سیکھنے کے نتائج کی کتنی اچھی پیش گوئی کرتی ہیں — اور ایسی ویڈیو جو "اچھی لگتی ہے" کب اُس ویڈیو سے کم سکھا سکتی ہے جو نہیں لگتی؟
• ویڈیو اینالیٹکس توجہ، شمولیت اور چھوڑنے کے مقامات کا پتہ لگا سکتے ہیں۔ ویڈیو سیکھنے کو اِس قدر قریب سے ناپنے کے تدریسی اور رازداری کے مضمرات کیا ہیں؟

تعارف

ویڈیو ہم عصر تعلیم کا ستون ہے — خاص طور پر آن لائن اور مخلوط سیکھنے کا — اور اپنی لچک، وسعت پذیری اور یکسانی کے لیے قدر کی نگاہ سے دیکھی جاتی ہے۔ پھر بھی روایتی تدریسی ویڈیو ایک ہی سائز سب کے لیے شے کے طور پر تیار کی جاتی ہے، جو ہر سیکھنے والے کے سامنے یکساں مواد رکھتی ہے، خواہ اُس کی دلچسپیاں، پس منظر یا پیشگی علم کچھ بھی ہو۔ جنریٹو AI ویڈیو کو جامد نشریاتی واسطے سے متحرک، انفرادی طور پر ڈھلے واسطے میں بدل رہا ہے، اور موجودگی، اعتماد، رازداری اور پیمائش کے بارے میں نئے سوالات بھی اٹھا رہا ہے۔

علمی ذخیرے کی تحقیق کیسے جھرمٹ بناتی ہے

• AI سے پیدا شدہ اور ذاتی نوعیت والی تدریسی ویڈیو۔ ایک مرکزی دھارا پوچھتا ہے کہ طلبہ AI کی بنائی ویڈیو قبول کرتے ہیں یا نہیں اور وہ انسانی ریکارڈ شدہ مواد سے کیسی لگتی ہے۔ کمپیوٹنگ تعلیم میں طلبہ کے سروے AI سے پیدا شدہ تدریسی ویڈیو کے بارے میں تاثرات اور ترجیحات جانچتے ہیں۔ ایک بڑی میدانی تعیناتی میں Tomlinson وغیرہ (2026) نے پایا کہ طلبہ نے AI سے پیدا شدہ ذاتی نوعیت والی ویڈیو کو غیر ذاتی نوعیت والے انسانی ریکارڈ شدہ لیکچر پر ترجیح دی — ایسی ترجیح جس میں ذاتی نوعیت کے اثر نے انسانی پیش کنندہ کو دی گئی اہمیت پر بھی وزن ڈالا۔ دوہرے گیٹ کیپنگ کی تحقیق دکھاتی ہے کہ AI ویڈیو کی پیداوار کے دو مراحل پر استاد کی نگرانی ("گیٹ کیپنگ") زیادہ تدریسی بنیاد والا اخراج پیدا کرتی ہے، اور یہ انسان کے چکر میں ڈیزائن سے جڑتی ہے۔
• انطباقی اور منظم ویڈیو کی تخلیق۔ CourseBlueprint ایک منظم پائپ لائن پیش کرتا ہے جو کورس کے ذخیروں میں جڑی انطباقی تدریسی ویڈیو بناتی ہے، اور دکھاتا ہے کہ واضح تدریسی ڈھانچہ — نہ کہ صرف AI روانی — مؤثر AI ویڈیو کو چلاتا ہے۔ Bespoke یہی منطق پورے لیکچر کے پیمانے پر لگاتا ہے: 31 گریجویٹ لیکچروں سے اُس نے صحت، مالیات، توانائی اور ایک عمومی سامعین کے لیے 209 ویڈیو بنائیں، اور 25 شعبے کے مطابق ماہرین نے اُن میں سے 92 کو جانچا اور 87% کو "ایک عام MOOC لیکچر کے معیار" کے طور پر لکھے گئے وسطی نقطے پر یا اُس سے اوپر رکھا (اوسط 3.42 از 5)، فی منٹ تقریباً $0.22 API لاگت پر — اور آواز، سلائیڈ کی بہ وقت اور ترتیب بار بار آنے والے نقائص تھے۔
• سیکھنے کا چکر بہتر رینڈر سے بہتر ہے۔ Ma وغیرہ (2026) ہر ویڈیو کو اہداف، پیشگی علم کو فعال کرنے، حل شدہ مثالوں اور تشخیصی جانچ کے اسٹوری بورڈ کے طور پر منصوبہ بند کرتے ہیں، اور اُس کے ساتھ ایسا کوئز رکھتے ہیں جو ویڈیو کی مثالوں سے بچتا ہو، اور ہر غلط آپشن کے لیے اصلاح؛ 32 اساتذہ میں سے 96.9% نے اِس چکر کو تنہا ویڈیو سے زیادہ مؤثر جانا۔
• ویڈیو سیکھنے کی اینالیٹکس اور توجہ۔ ویڈیو کو ناپنا ظاہر کرتا ہے کہ سیکھنے والے کیسے شریک ہوتے ہیں۔ ویڈیو سیکھنے میں شمولیت کی جانچ اور SAVVY ویڈیو پر مبنی سیکھنے کے دوران طلبہ کی توجہ کو بصری شکل دیتے ہیں، اور لرننگ اینالیٹکس، خود ضابطگی اور عدم شمولیت کے ابتدائی انتباہ کی حمایت کرتے ہیں۔ حصہ بندی کا کام (مثلاً زمانی ویڈیو حصہ بندی) ویڈیو کو انفرادی فرقوں کے مطابق ڈھالتا ہے۔
• ویڈیو انکوڈنگ کا عصبی پڑھاؤ۔ دیکھی گئی ویڈیو کے فریموں کی EEG تشکیلِ نو صحیح جواب دیے گئے سوالات (M = 71.43) کے لیے غلط سوالات (M = 62.30, p < .001) سے زیادہ معنوی طور پر مشابہ تھی، اور منظم زمانی بے ترتیبی — ایسی تشکیلِ نو جو پہلے کے فریموں سے ملتی ہو — کو پھیلاؤ کے ایسے پیمانے کے طور پر ناپا جا سکتا تھا جو کارکردگی سے جڑا ہے (Su وغیرہ (2026))۔
• اوتار اور موجودگی۔ AI اوتار — مجازی پیش کنندہ اور تدریسی ایجنٹ — شناخت، سماجی موجودگی اور اعتماد کے بارے میں سوالات اٹھاتے ہیں۔ اوتار کی شناخت اور علمیاتی اعتماد جانچتا ہے کہ پیش کنندہ کی ظاہری شناخت سیکھنے والوں کے اعتماد کو کیسے ڈھالتی ہے، جبکہ تربیت میں AI اوتار اِسی نمونے کو پیشہ ورانہ عمل تک بڑھاتے ہیں۔
• ویڈیو کے اندر سہارے والے تبصرے — اور AI اب بھی کیا غلط کرتا ہے۔ Wang، Du اور Jin (2026) i-Comments پیدا کرتے ہیں، یعنی سہارے والے پیغامات جو ویڈیو کے فریم کے اندر دکھائے جاتے ہیں اور مواد کے ساتھ ہم آہنگ ہوتے ہیں، اور یہ فریم کی سطح پر اینٹروپی حساب کر کے صرف کم معلومات والے وقفوں میں مدد ڈالتے ہیں۔ تجربہ کار اساتذہ کے 120 تبصروں کے مقابل جانچے جانے پر، ChatGPT کے 1,000 تبصرے زیادہ گھنے، ساختی تنوع میں بہت کم (POS 3-gram تنوع 5.5–6.2% بمقابلہ 25.1–38.5%)، ہر پڑھنے کی آسانی اشاریے پر پڑھنے میں مشکل تر، اور موضوعی طور پر کم ہم آہنگ تھے (جذباتی معاونت کا BERTScore 0.317 بمقابلہ 0.574)؛ 40 سیکھنے والوں نے انسانی تبصروں کو وقت اور افادیت پر نمایاں طور پر بہتر جانا، اگرچہ ایک نئے ماڈل نے یہ فرق کم کر دیا۔ یہ دلیل خودکاری کی اتنی ہی ہے جتنی ڈیزائن کی: واسطے میں پیوست مدد الگ چیٹ بوٹ سے پوچھنے کے لیے رکنے کی توجہ اور علمی لاگت سے بچاتی ہے (فیڈبیک کا معیار، جذباتی معاونت)۔
• لیکچر ویڈیو کے استعمال میں AI کی مدد۔ تخلیق سے آگے، AI سیکھنے والوں اور اساتذہ کو موجودہ ویڈیو کے ساتھ کام کرنے میں مدد دیتا ہے: دو لسانی LLM لیکچر ساتھی ریکارڈ شدہ لیکچروں کے ساتھ خود ضابطہ سیکھنے کی حمایت کرتے ہیں، اور transcription پائپ لائن لیکچر ویڈیو کو قابلِ رسائی متن میں بدلتی ہیں۔
• علاقے کی سطح پر زوم وہ تہہ ہے جو بیان کی گئی سلائیڈوں میں نہیں تھی۔ 24 ناظرین کے اندرونی موضوع مطالعے نے پایا کہ خودکار زوم اور ہم آہنگ ہائی لائٹس نے NASA-TLX کام کا بوجھ 5.74 سے 4.53 کر دیا (d = 0.84) اور فوری فہم بڑھایا (d = 0.46)، اگرچہ 24 گھنٹے بعد کا فائدہ اہمیت سے محروم رہا (p = .054) (Lian وغیرہ، 2026)۔

ذاتی نوعیت بمقابلہ انسانی موجودگی

بار بار آنے والی کشیدگی یہ ہے کہ کیا ذاتی نوعیت کی قدر کسی نظر آنے والے انسانی استاد کی قدر سے بڑھ سکتی ہے۔ Tomlinson وغیرہ (2026) ذاتی نوعیت اور سماجی موجودگی کو تدریسی توجہ کے جزوی طور پر متبادل اشارے قرار دیتے ہیں: انسانی پیشکش جذباتی تجربہ اور اصلیت بڑھاتی ہے، جبکہ ذاتی نوعیت مطابقت بڑھاتی ہے — اور طلبہ ایک کو دوسرے کے بدلے دینے کو تیار ہیں۔ اُن کے بڑے کورس کے درجہ بندی والے ڈیٹا (88.4% نے کچھ ذاتی نوعیت والی ویڈیو ترجیح دی؛ صرف 73.8% نے انسانی ریکارڈ شدہ) بتاتے ہیں کہ ذاتی نوعیت اب اکثر زیادہ اثر رکھنے والا عامل ہے، جو ایک تکمیلی ماڈل کی طرف اشارہ کرتا ہے جہاں انسانی استاد مہارت اور سماجی رابطہ فراہم کرتے ہیں جبکہ AI انفرادی طور پر ڈھلے مواد کے ساتھ اُن کی رسائی بڑھاتا ہے۔

ڈیزائن، اخلاقیات اور پیمائش

مؤثر AI ویڈیو بنانے کے لیے تدریسی ڈھانچہ اور انسانی نگرانی درکار ہے، اور یہ الگ قسم کے خدشات اٹھاتی ہے: AI پیش کنندہ بے چینی یا عدم اعتماد پیدا کر سکتے ہیں ("انوکینی ویلی")؛ جنریٹو ویڈیو میں واقعاتی غلطی کا خطرہ ہے جسے سیکھنے والے پکڑ نہ سکیں؛ ذاتی نوعیت کو بڑے پیمانے پر لانے کے لیے سیکھنے والوں کی خصوصیات جمع کرنا یا اندازہ لگانا پڑتا ہے، جس کے ساتھ رازداری، تعصب اور حکمرانی کے خدشات جڑے ہیں؛ اور سیکھنے والوں کا ایک حصہ اصولی بنیادوں پر AI کی بنائی تدریس سے اعتراض کرتا ہے (ماحولیاتی اثر، محنت، خودکاری، تعلیمی دیانت)۔ پیمائش بھی بدل رہی ہے — بہت سے شواہد بتائی گئی ترجیح اور محسوس قدر پر ٹکے ہیں، معروضی سیکھنے کے نتائج پر نہیں، چنانچہ ترجیح کے ڈیٹا کو (اکثر آنے والے) نتائج کے ڈیٹا کے ساتھ ہی پڑھنا چاہیے۔

عام غلط فہمیاں

"طلبہ نے AI ویڈیو کو ترجیح دی، چنانچہ وہ بہتر سکھاتی ہے۔" ترجیح اور سیکھنا الگ پیمائشیں ہیں، اور یہ ادب زیادہ تر پہلی پر ٹکا ہے۔ ایک بڑے آن لائن کورس (493 جواب دہندگان) میں طلبہ نے AI سے پیدا شدہ ذاتی نوعیت والی ویڈیو کو غیر ذاتی نوعیت والے انسانی ریکارڈ شدہ لیکچر سے اوپر رکھا (اوسط درجہ 2.26 بمقابلہ 2.69) اور 88.4% نے کچھ ذاتی نوعیت والی ویڈیو کو پہلا درجہ دیا — یہ صاف ترجیح کا نتیجہ ہے۔ صفحے کی اپنی تنبیہ لاگو ہوتی ہے: یہاں شواہد بڑی حد تک بتائی گئی ترجیح اور محسوس قدر پر ٹکے ہیں، معروضی سیکھنے کے نتائج پر نہیں، چنانچہ ترجیح کا ڈیٹا نتائج کے ڈیٹا کے ساتھ پڑھنا پڑتا ہے، اُس کے متبادل کے طور پر نہیں۔ جو ویڈیو زیادہ مناسب ڈھلی ہوئی لگے وہ اِس وجہ سے زیادہ نہیں سکھاتی۔

"AI سے پیدا شدہ سہارے والے تبصرے استاد کے تبصروں کا متبادل بن سکتے ہیں۔" دونوں میں ایسا فرق ہے جو تدریس کے لیے اہم ہے۔ تجربہ کار اساتذہ کے 120 تبصروں کے مقابل جانچے جانے پر، ChatGPT کے 1,000 تبصرے زیادہ گھنے تھے مگر ساختی تنوع میں بہت کم (POS 3-gram تنوع 5.5–6.2%)، اور 40 سیکھنے والوں نے انسانی تبصروں کو وقت اور افادیت پر نمایاں طور پر بہتر جانا — اگرچہ ایک نئے ماڈل نے یہ فرق کم کر دیا۔ مقدار اور گھناسٹ اُس متنوع، رفتار والی گفتگو کے برابر نہیں جو ایک اچھا استاد پیدا کرتا ہے، اور فرق کا کم ہونا ایک رجحان ہے جس پر نظر رکھنی چاہیے، طے شدہ برابری نہیں۔

"استاد کو اوتار میں کلون کرنا انسانی موجودگی کو بڑے پیمانے پر لے آتا ہے۔" یہ پیداوار کو بڑھاتا ہے اور یہ بدل دیتا ہے کہ کیا پیش کیا جا رہا ہے۔ اساتذہ سے کلون کیے گئے AI اوتار بڑے پیمانے پر ویڈیو بنا سکتے ہیں، مگر وہ انوکینی ویلی کی بے چینی بھی پیدا کرتے ہیں اور اخلاقی اعتراضات اٹھاتے ہیں جو ماحولیاتی اثر، محنت اور دیانت تک پھیلے ہوئے ہیں۔ جس موجودگی کو بڑے پیمانے پر لایا جا رہا ہے وہ استاد کی نقل ہے، اور لاگتیں اُسی نقل کے ساتھ جڑی ہیں۔

"ایک لیکچر کی کئی صورتیں پیدا کرنا ذاتی نوعیت ہے۔" صورتوں کی گنتی پیداوار کا عدد ہے، تدریس کا نہیں۔ Bespoke نے 31 گریجویٹ لیکچروں سے صحت، مالیات، توانائی اور ایک عمومی سامعین کے لیے 209 ویڈیو بنائیں، جو پائپ لائن کی صلاحیت ظاہر کرتا ہے؛ کیا کوئی صورت کسی سیکھنے والے کی ضرورت سے میل کھاتی ہے یہ الگ سوال ہے جس کا جواب پیداوار کی گنتی نہیں دے سکتی۔

عمل کے لیے مضمرات

اساتذہ کے لیے

• پوچھیں کہ ذاتی نوعیت والی ویڈیو کی پروڈکٹ کے پیچھے شواہد ترجیح ہیں یا کامیابی۔ اِس ادب کے سب سے مضبوط اعداد درجے اور درجہ بندی ہیں، اور دونوں قسم کے شواہد کافی بار مختلف سمتوں میں اشارہ کرتے ہیں کہ اُنہیں الگ رکھا جائے۔
• انسانی تبصرہ اُن لمحوں کے لیے رکھیں جنہیں رفتار اور انتخاب درکار ہو۔ تبصرے کے مطالعے نے انسانی تبصروں کو وقت اور افادیت پر مضبوط پایا، چنانچہ استاد کی آواز اُن فریموں کے لیے بچائیں جہاں وقت معنی رکھتا ہے۔
• اوتار کو پیداوار کا ایسا فیصلہ سمجھیں جس کی لاگتیں ہیں (محنت، ماحولیاتی، دیانت)، نہ کہ غیر جانبدار کارکردگی کا فائدہ۔

ڈویلپرز کے لیے

• فہم کو ناپیں، صرف مکمل دیکھنا اور اطمینان نہیں۔ اگر آپ دس صورتیں بھیجیں تو بتائیں کہ کون سی نے بغیر مدد کے فہم کو بہتر بنایا۔
• اپنی جانچ میں تبصرے کے ڈھانچے کو استاد کے معیار سے ملائیں، صرف معنوی مطابقت یا گھناسٹ سے نہیں — تنوع کا خلا ہی وہ جگہ ہے جہاں پیدا شدہ تبصرہ کھلم کھلا ناکام ہوتا ہے۔
• اوتار اور ذاتی نوعیت والی صورتوں کی پیداواری حیثیت ظاہر کریں؛ مصنوعی موجودگی کو استاد کی موجودگی کے طور پر پیش کرنا ڈیزائن کا سوال ہونے سے پہلے دیانت کا سوال ہے۔

محققین کے لیے

• ترجیح اور نتائج کی پیمائشیں اکٹھی درج کریں، اور صاف کہیں جب کسی مطالعے کے پاس صرف پہلی موجود ہو۔
• زمانی ہم آہنگی واضح طور پر درج کریں، کیونکہ ویڈیو کے مواد اور علمی عمل کے درمیان بے ترتیبی عصبی ڈیٹا میں ظاہر ہوتی ہے۔

منسلک تصورات

• آن لائن تدریس اور سیکھنا — ویڈیو بطور آن لائن اور مخلوط تدریس کا بنیادی واسطہ
• جنریٹو AI — AI سے پیدا شدہ اور ذاتی نوعیت والی ویڈیو کا انجن
• ذاتی نوعیت کی سیکھنا — ذاتی نوعیت بطور AI ویڈیو کی کشش کا محرک
• انطباقی سیکھنا — انطباقی ویڈیو کی تخلیق اور رفتار
• کثیرالوسیط AI — ویڈیو جو بصری، صوتی اور متنی واسطے جوڑتی ہے
• لرننگ اینالیٹکس — ویڈیو شمولیت اور توجہ پر اینالیٹکس
• طلبہ کی شمولیت — وہ شمولیت جسے ویڈیو کی ذاتی نوعیت بڑھانا چاہتی ہے
• تدریسی ایجنٹ — AI اوتار اور پیش کنندہ بطور مجازی تدریسی ایجنٹ
• بڑے لینگویج ماڈلز (LLMs) — بڑے لسانی ماڈل جو اسکرپٹ اور ویڈیو کی تخلیق کی بنیاد ہیں
• اعتماد — AI پیش کنندہ اور مواد پر سیکھنے والے کا اعتماد

منسلک مضامین

• Bespoke: Generating MOOC-Quality Industry-Personalized Lecture Videos at Scale — Bespoke: بڑے پیمانے پر MOOC معیار کی صنعت کے مطابق ذاتی نوعیت والی لیکچر ویڈیو بنانا (Puech وغیرہ 2026)
• Assessing ChatGPT-Generated Comments for Video-Based Learning Content to Enhance Knowledge and Emotional Support Based on Scaffolding Theory — ChatGPT کے بنائے ویڈیو کے اندر تبصرے: اینٹروپی کی بہ وقت، انسانی تبصروں کے مقابل معیار کے خلا (Wang، Du اور Jin 2026)
• Students Prefer Personalized, AI-Generated Educational Videos over Non-Personalized, Human-Recorded Videos — طلبہ ذاتی نوعیت والی AI ویڈیو کو غیر ذاتی نوعیت والی انسانی ریکارڈ شدہ ویڈیو پر ترجیح دیتے ہیں (Tomlinson وغیرہ 2026)
• Student Perceptions and Preferences Regarding AI-Generated Instructional Videos in Computing Education — کمپیوٹنگ تعلیم میں AI سے پیدا شدہ تدریسی ویڈیو کے بارے میں طلبہ کے تاثرات اور ترجیحات
• When Saying No Makes Better Videos: Designing Dual Gatekeeping for Pedagogically Grounded AI Content Creation — تدریسی بنیاد والی AI ویڈیو کی تخلیق کے لیے دوہرا gatekeeping
• CourseBlueprint: A Structured Pipeline for Adaptive Pedagogical Video Generation Grounded in Course Corpora — CourseBlueprint: انطباقی تدریسی ویڈیو کی تخلیق
• EduGage: Methods and Dataset for Sensor-Based Momentary Assessment of Engagement in Self-Guided Video Learning — ویڈیو سیکھنے میں شمولیت کی جانچ
• SAVVY: Student Attention Visualization for Video-based Learning Analysis — ویڈیو پر مبنی سیکھنے کے لیے طلبہ کی توجہ کا بصری اظہار
• Face value: How avatar identity shapes epistemic trust in AI-mediated learning — AI کی وساطت والی سیکھنے میں اوتار کی شناخت علمیاتی اعتماد کو کیسے ڈھالتی ہے
• A Bilingual, LLM-Mediated Lecture Companion for Self-Regulated Learning: Architecture, Theoretical Framework, Comparative and Usability Evaluation, and a Pre-Registered Outcomes Protocol — خود ضابطہ سیکھنے کے لیے دو لسانی LLM لیکچر ساتھی
• Leveling the Playing Field: Temporal Video Segmentation for Individuals with ADHD in Computing Education — انفرادی فرقوں کے لیے زمانی ویڈیو حصہ بندی
• Toward Accessible Psychotherapy Training Using AI-Driven Interactive Patient Avatars — سائیکو تھراپی کی تربیت میں AI اوتار
• Using Gemini and LuaLaTeX to transcribe physics videos into PDF/UA-2 and ISO 32005 math-accessible PDFs — طبیعیات کی لیکچر ویڈیو کو قابلِ رسائی متن میں منتقل کرنا
• From Content Generation to Learning Support: Pedagogy-Guided Generative Video Tutors for STEM Learning — مواد کی تخلیق سے سیکھنے کی حمایت تک: STEM سیکھنے کے لیے تدریس کی رہنمائی والے جنریٹو ویڈیو ٹیوٹر
• Look Over There! Dynamic Visual Guidance for AI-Narrated Slides — وہاں دیکھیں! AI سے بیان کی گئی سلائیڈوں کے لیے متحرک بصری رہنمائی