عمومی سوالات
AI بطور استاد مجھے وقت کیسے بچا سکتا ہے؟
انگریزی صفحے کا خودکار ترجمہ، جو ابھی تک کسی مقامی بولنے والے کے ذریعے جانچا نہیں گیا۔
آٹھویں ہفتے کی جمعرات کی رات ہے۔ پیر تک تین سبق کے خاکے جمع کرانے ہیں، لیب رپورٹس آدھی جانچی ہوئی ہیں، اور جمعے کی محکمانہ میٹنگ کے ایجنڈے میں یہ مد ہے کہ اگست کی تربیت کے بعد سب نے AI کے ساتھ کیا کیا۔ کوئی ساتھی کہتی ہے کہ ٹول نے اس کی منصوبہ بندی کا وقت آدھا کر دیا۔ آپ نے دو بار آزمایا، چالیس منٹ ایک ورک شیٹ درست کرنے میں لگائے، اور یہ سوچ کر اٹھے کہ سب کچھ بڑھا چڑھا کر پیش کیا گیا تھا۔
آپ دونوں ایک ہی ٹول بیان کر رہے ہیں۔ یہ ایسا مواد لکھنے میں وقت بچاتا ہے جسے آپ ویسے بھی ایڈٹ کرنے والے تھے، اور وقت تب خرچ کراتا ہے جب آپ اسے کسی خاص طالب علم کے بارے میں فیصلے پر لگائیں۔ بچایا گیا وقت آپ کا بنے گا یا نہیں، یہ اس فیصلے پر ہے جو زیادہ تر اساتذہ کبھی نہیں کرتے: بحال شدہ گھنٹے کس لیے ہیں۔
میٹنگ کے لیے حتمی بات یہ ہے: پہلا مسودہ ٹول کے حوالے کریں اور فیصلہ اپنے پاس رکھیں۔ سبق کے خاکے، حل شدہ مثالیں، بحث کے سوالات، تشکیلی کوئز کے سوالات، متبادل وضاحتیں، ربرک کے الفاظ اور معمول کا انتظامی متن ایسا کام ہیں جن کی آپ تفصیل دے سکتے ہیں، جانچ سکتے ہیں اور درست کر سکتے ہیں۔ مقاصد، آخری درجات اور کسی خاص سیکھنے والے کے بارے میں کوئی بھی فیصلہ آپ کے پاس رہتا ہے۔ یہ بتائیں کہ آزاد ہونے والا گھنٹہ کیا خریدتا ہے، کیونکہ وقت بچانے کی شہادت اس بارے میں شہادت ہے کہ وقت کہاں جاتا ہے۔
مختصراً
1. پچھلے ہفتے کے اُن کاموں کی فہرست بنائیں جن کا نتیجہ کوئی دستاویز تھی جسے آپ نے پھر ایڈٹ کیا۔ وہی آپ کے امیدوار ہیں۔
2. ایسے منظم مواد سے شروع کریں جسے آپ اپنی تفصیل کے خلاف جانچ سکیں: ایگزٹ ٹکٹ، کوئز کے سوالات، حل شدہ مثالیں، کسی مشکل تصور کی دوسری وضاحت۔
3. بحال شدہ گھنٹہ کہاں جائے گا، یہ اسے بحال کرنے سے پہلے لکھ لیں۔
4. تین بار بار آنے والے کاموں کا دو ہفتے وقت ناپیں۔ بچت کا آپ کا احساس ایک مخصوص، دستاویزی طریقے سے ناقابلِ بھروسہ ہے۔
5. مقاصد کا تعین، اختتامی درجات اور انفرادی طالب علم کے فیصلے لکیر کے اپنی طرف رکھیں۔
اسی کام سے شروع کریں جسے آپ ویسے بھی دوبارہ لکھنے والے تھے
اس علمی ذخیرے کا مضبوط ترین عدد بے ترتیب آزمائش سے آتا ہے، جس کا خلاصہ AI تدریسی کام کے بہاؤ کو کیسے بدل رہا ہے میں ہے۔ ChatGPT استعمال کرنے والے دو سو انسٹھ سائنس اساتذہ نے سبق کی تیاری پر کنٹرول گروہ کے تقریباً 69% وقت صرف کیا، یعنی تقریباً 31% کی کمی، اور اندھے ماہر جائزہ لینے والوں نے معیار میں کوئی قابلِ تشخیص نقصان نہیں پایا۔ اساتذہ نے وقت جمع کرنے کے بجائے دوبارہ مختص کیا، اور اسے منصوبہ بندی، جانچ اور طلبہ کے سامنے کے کام میں منتقل کیا۔
اسی کام میں ایک دوسرا ڈیٹا سیٹ، 15,000 سے زیادہ ماہرینِ تعلیم کے 104,000 سے زیادہ پیغامات، دکھاتا ہے کہ بچت عجیب جگہوں پر کیوں پڑتی ہے۔ اوسط پرامپٹ ایک وقت میں 1.7 اقسام کو چھوتا ہے، اس لیے سبق کے منصوبے کی ایک درخواست واپس آتی ہے جس میں تفریق اور ایک کوئز بھی ہوتا ہے جو استاد نے مانگنے کا سوچا بھی نہ تھا۔
یہ کمی نہیں بلکہ دوبارہ مختص ہے: جنریٹو AI سے آپ کو جو ملتا ہے وہ خالی صفحے اور اتنی مخصوص مسودے کے درمیان فرق ہے جس سے بحث کی جا سکے۔
کام کو اس سے ملائیں جو ٹول اچھا کرتا ہے
معیار ایک ایسے نمونے میں ناہموار ہے جس کے گرد منصوبہ بنایا جا سکتا ہے۔ اندھے جائزہ لینے والوں نے سبق کے اختتام اور ایگزٹ ٹکٹ کے AI نسخوں کو پیشہ ور افراد کے تیار کردہ مواد پر 59.7% معاملات میں ترجیح دی، اور ہائی اسکول کے مواد کے لیے AI مواد کو 59.2% معاملات میں ترجیح دی۔ بچت وہاں بھی بڑھتی ہے جہاں آپ کا اعتماد سب سے کم ہو: اپنے مضمون سے باہر پڑھانا وہ معاملہ ہے جہاں ٹول آپ کو جو دیتا ہے اور آپ خود جو لکھتے، ان کے درمیان سب سے چوڑا فرق ہوتا ہے۔
دو اقسام الٹی سمت چلتی ہیں۔ ابتدائی سطح کے مواد پر، نشوونما کے لحاظ سے موزونیت کے لیے انسانوں کو تقریباً 65% معاملات میں ترجیح دی گئی۔ مخصوص سہارے، کثیر لسانی سیکھنے والوں اور خصوصی تعلیم کے طلبہ کے لیے، غیر جانبدار واپس آئے، غلط نہیں، جو جتنا برا لگتا ہے اس سے زیادہ برا ہے، کیونکہ غیر جانبدار سہارا وہ ہوتا ہے جسے آپ شروع سے دوبارہ بناتے ہیں۔
وہ امتحان جو یہ جانچتا ہے کہ کیا آپ کو اس پر شام لگانی چاہیے: کیا آپ تفصیل اتنی درست بیان کر سکتے ہیں کہ آؤٹ پٹ جانچ سکیں؟ ایک مقصد پر ایگزٹ ٹکٹ، ہاں۔ کیا کوئی پیراگراف کسی خاص نو سالہ بچی کے لیے موزوں ہے جو اپنی جماعت سے دو سال پیچھے پڑھتی ہے، نہیں۔
بحال شدہ گھنٹے کو کوئی منزل دیں
سب سے صاف شہادت کہ بچت حقیقی ہے، اور یہ کہ وہ اکیلی کچھ نہیں کرتی، 178 اسکولوں اور تقریباً 19,000 ہائی اسکول سینئرز پر AI سے خودکار مضمون فیڈبیک کے ایک بڑے تجربے سے آتی ہے۔ جن طلبہ کا فیڈبیک نظام سے آیا وہ اتنے ہی آگے بڑھے جتنے انسانوں کے جانچے ہوئے طلبہ۔ انسانی جانچنے والوں کی لاگت تقریباً 0.85 ڈالر فی مضمون تھی اور انہوں نے اس کے اوپر کوئی قابلِ پیمائش فائدہ نہیں دیا۔
AI والی کلاس رومز میں طلبہ نے تحریر کے بارے میں اساتذہ سے تقریباً 35% زیادہ روبرو گفتگو کی اور 30% زیادہ مضامین لکھے۔ اساتذہ کے گھر کے کام کے گھنٹے 20% گرے، اور اپنے وقت کو “بہت ناکافی” بتانے والوں کا حصہ 23% سے 9% ہو گیا۔ سب سے بڑا سیکھ کا فائدہ سب سے پیچیدہ تحریری کام پر پڑا، اسی قسم پر جسے AI سب سے کم جانچ سکتا ہے، کیونکہ اب استاد کے پاس اس پر خرچ کرنے کے گھنٹے تھے۔
شرط وہ جملہ ہے جو میٹنگ میں لے جانا ہے۔ نچلے چوتھائی حصے نے کوئی بہتری نہ دکھائی۔ سب سے پیچھے رہنے والے طلبہ کو ایسے استاد سے کچھ نہ ملا جس کے دن میں صرف زیادہ گنجائش ہو، اس لیے گھنٹے کہاں جاتے ہیں، یہی پوری دلیل ہے، اور منصفانہ دوبارہ مختص کرنا شروع ہی سے منصوبے کا حصہ ہونا چاہیے، آخر میں ہونے والے جائزے کا نہیں۔
بچت کو محسوس کرنے کے بجائے ناپیں
وقت کی بچت وہ دعوی ہے جس کے بارے میں اساتذہ خود اپنے بارے میں سب سے زیادہ بھروسے سے غلط ہوتے ہیں۔ 2,691 شرکاء کے ساتھ تین پیشگی رجسٹرڈ مطالعات میں لوگوں نے کم اندازہ لگایا کہ وہ کتنی بار AI استعمال کرتے ہیں اور زیادہ اندازہ لگایا کہ اس نے کتنا وقت اور مشقت بچائی، اور کاموں کو تیز اور آسان بتایا جبکہ معروضی پیمائش نے کوئی فرق نہ دکھایا۔ سیشن میں پہلے ٹول استعمال کرنا بعد میں زیادہ استعمال کی پیش گوئی کرتا تھا، اس لیے یہ غلطی ایک ہی دوپہر کے اندر بڑھتی جاتی ہے (The efficiency-gain illusion: People underestimate the rate of AI use and overestimate its benefits on simple tasks)۔
مدد میٹا کوگنیٹو کیلیبریشن کرتی ہے، اور اس کا سستا نسخہ لاگ ہے۔ دو ہفتے تک تین بار بار آنے والے کاموں کے شروع اور اختتام کے وقت نوٹ کریں، ایک ٹول کے ساتھ اور دو بغیر۔ توقع رکھیں کہ ایک کام میں بڑی حقیقی بچت ہوگی، کئی میں کوئی نہیں، اور دو تین میں ٹول نے جائزے کا ایسا مرحلہ جوڑ دیا ہوگا جس نے فائدہ کھا لیا۔
مشقت اور قابلیت بھی الگ ہو جاتے ہیں۔ اعلیٰ تعلیم کے 13 اساتذہ پر ایک اندرونی موازنے والے مطالعے نے پایا کہ AI تک رسائی نے سیکھنے کے ڈیزائن کی محسوس علمی مشقت کو درمیانی قدر 6.33 سے 3.33 کر دیا (p = .004)، جبکہ اس کے اوپر رکھی گئی پرامپٹنگ تربیت نے ڈیزائنوں کا معیار بہتر نہیں کیا (When Teachers Use AI Chatbots and Are Trained for It: Impact on Learning Design Quality and Cognitive Effort)۔ جمعرات کی رات کم دباؤ واقعی ایک فائدہ ہے۔ یہ اس بات کی شہادت نہیں کہ ڈیزائن بہتر ہوئے۔
مقاصد اور آخری درجات اپنی طرف رکھیں
چھ ثانوی اساتذہ کے ساتھ شراکتی ڈیزائن کا کام ایک ایسی حد پیدا کرتا ہے جسے نقل کرنا چاہیے۔ انہوں نے نظام کو ایک محدود ماہر کے طور پر ڈیزائن کیا: تنگ میدان کے اندر قابل، نگرانی میں کام کرنے والا۔ وہ مواد پیش کرنے، مشق کے مسائل بنانے اور تشکیلی فیڈبیک دینے میں مدد چاہتے تھے، اور مقاصد کے تعین یا اختتامی جائزے کو حوالے کرنے سے انکار کیا، اور مبہم معاملات میں اوور رائیڈ پر اصرار کیا۔ جن چیزوں کی انہوں نے حفاظت کی وہی استاد کے کردار کا مرکز ہے: یہ فیصلہ کرنا کہ کیا سیکھنے کے قابل ہے اور یہ جانچنا کہ سیکھا گیا یا نہیں۔
نمبر دینا وہ کام ہے جس کا ظاہری فائدہ سب سے بڑا اور منتقلی سب سے کمزور ہے۔ OpRaise بینچ مارک نے تین فرنٹیئر ماڈلز کو برطانیہ کی تین یونیورسٹیوں کے 125 طلبہ کے 761 حقیقی انڈرگریجویٹ نفسیات کے مضامین پر چلایا، ہر ماڈل کے لیے 27 پرامپٹ ترتیبات کے ساتھ۔ انسانی ڈگری بینڈز سے اتفاق ادارے کے حساب سے 35% سے 65% تک رہا۔ نمبر درمیان کی طرف دب گئے، اس لیے سب سے مضبوط اور سب سے کمزور مضامین کو سب سے کم درستگی سے جانچا گیا، اور ماڈلز انسانی جانچنے والوں سے کہیں زیادہ آپس میں متفق رہے۔ مصنفین کی مرکزی دریافت یہ ہے کہ ایک سیاق میں جمع کی گئی شہادت دوسرے میں منتقل نہیں ہوتی۔
اگر آپ خودکار مضمون جانچ کو اپنے مضمون اور اپنے طلبہ پر تصدیق کر لیں تو اسے استعمال کر سکتے ہیں، اور فیصلہ کسی شخص کے پاس رکھیں۔ AI فیڈبیک کا معیار بتاتا ہے کہ کیا جانچنا ہے: رفتار اور حجم مفید ہونے کے برابر نہیں، اور یہ تدریسی فیصلہ کہ طالب علم کو اگلا کون سا تبصرہ چاہیے، آپ کے پاس رہتا ہے۔
اساتذہ کیا غلط سمجھتے ہیں
“31% میرا عدد ہے۔” یہ سبق کی تیاری پر 259 K-12 سائنس اساتذہ کا ہے۔ سمت منتقل ہوتی ہے، حجم نہیں۔ بحث پر بنایا گیا سیمینار کم بچا سکتا ہے، اور حفاظتی قیود والا لیب کورس اُس حصے پر کچھ نہیں بچا سکتا جس میں آپ کو سب سے زیادہ مدد چاہیے تھی۔
“وقت بچانا ہی مقصد ہے۔” برازیل کا تجربہ اس کا الٹا ثبوت ہے۔ گھنٹے مفت ملے اور نچلے چوتھائی حصے کو کچھ نہ ملا۔ مقصد یہ ہے کہ گھنٹے کیا خریدتے ہیں۔
“اچھا مسودہ مطلب اگلا مرحلہ بھی حوالے کر سکتا ہوں۔” چھ اساتذہ نے مقاصد اور اختتامی فیصلے پر اپنی لکیر کسی وجہ سے کھینچی۔ ایگزٹ ٹکٹ پر معیار اس بارے میں کچھ نہیں کہتا کہ ٹول یہ طے کر سکتا ہے یا نہیں کہ ایگزٹ ٹکٹ کو کیا جانچنا چاہیے۔
جو آپ پر واپس آئے گا
“میں نے آزمایا اور آؤٹ پٹ عام سا تھا۔” تحقیق میں زیادہ تر اساتذہ پہلا نتیجہ لے کر اسے ہاتھ سے ایڈٹ کرتے رہے، بجائے اس کے کہ فالو اپ پرامپٹس سے تکرار کریں۔ دوسرا اور تیسرا دور، جس میں اپنی جماعت کی سطح، اپنی پڑھائی، اپنے پچھلے تین کوئز سوالات اور ایک مثال دی جائے کہ اچھا کیسا لگتا ہے، آؤٹ پٹ کو ٹول بدلنے سے زیادہ بدل دیتا ہے۔ AI لیٹریسی سستا سرمایہ ہے، اور پرامپٹ کی درستی وہ جگہ ہے جہاں یہ پھلتی ہے۔
“اگر میں تیز ہو گیا تو وقت میٹنگوں سے بھر دیا جائے گا۔” غالباً، اور یہ بچت کے غائب ہونے کا سب سے عام طریقہ ہے۔ جگہ بھرنے سے پہلے منزل تحریری طور پر ایسی جگہ رکھیں جہاں آپ کے چیئر کو نظر آئے۔
“AI فیڈبیک سب سے زیادہ جدوجہد کرنے والے طلبہ کے ساتھ ناانصافی کرتا ہے۔” برازیل میں نچلے چوتھائی حصے کو کچھ نہ ملا، اور یہ اس صفحے کی سب سے مضبوط تنبیہ ہے۔ بچت کو سوچے سمجھے استعمال کے ساتھ جوڑیں۔ ایک بہ ایک گفتگو میں 35% اضافہ وہی ہے جو ان کلاس رومز نے گھنٹوں کے ساتھ کیا، اور یہ استاد کا کیا ہوا انتخاب تھا۔
“نمبر دینا وہ جگہ ہے جہاں واقعی میرے گھنٹے ہیں۔” ہے، اور یہی وہ جگہ ہے جہاں ٹول اداروں کے پار سب سے کم منتقل ہوتا ہے۔ مقامی طور پر تصدیق کریں یا اسے چھوڑ دیں۔
“یہ پیشے کو مہارت سے محروم کرتا ہے۔” Pishtari کا نتیجہ دیانت دار نسخہ ہے: محسوس مشقت گری، اور شامل کی گئی تربیت نے ڈیزائن کا معیار بہتر نہیں کیا۔ بچائی گئی مشقت حاصل کی گئی قابلیت نہیں، اور چھ اساتذہ کی لکیر ایک معقول جگہ ہے جہاں تک آپ یہ سیکھیں کہ آپ کے کاموں میں کون سا کیسا ہے۔
اس ہفتے کیا کریں
1. پچھلے ہفتے کے وہ پانچ کام لکھیں جو ایسی دستاویز پر ختم ہوئے جسے آپ نے پھر ایڈٹ کیا۔
2. جس کی تفصیل سب سے واضح ہے اسے چنیں اور ٹول کے ساتھ اس کا مسودہ بنائیں، دونوں نسخوں کا وقت ناپیں۔
3. بحال شدہ وقت کو اپنے کیلنڈر میں ایک نامزد خانے میں رکھیں: کسی طالب علم سے گفتگو، فیڈبیک کا دوسرا دور، یا مسودوں کا ایک مجموعہ ٹھیک سے پڑھنا۔
4. اپنی نہ کرنے والی فہرست لکھیں اور اسے نظر آنے والی جگہ رکھیں: مقاصد، آخری درجات، اور ہر وہ چیز جو کسی ایک طالب علم کی ضرورت پر ٹکی ہو۔
5. دو ہفتے لاگ رکھیں، پھر فیصلہ کریں کہ کون سے دو کام مستقل طور پر حوالے کرنے والے ہیں۔
آگے کہاں جائیں
AI پیمانے پر بہتر فیڈبیک دینے میں میری مدد کیسے کر سکتی ہے؟ فیڈبیک کے سوال کو آگے لے جاتا ہے، اور اساتذہ کو AI کے حوالے سے کون سی قابلیتیں درکار ہیں؟ کے ساتھ AI کے لیے اساتذہ کی ترقی کیسے ڈیزائن کروں کہ مشق واقعی بدلے؟ بتاتا ہے کہ کوئی محکمہ کیا بنا سکتا ہے تاکہ یہ انفرادی تجربات پر منحصر نہ رہے۔ میں جائزے کو کیسے نئے سرے سے ڈیزائن کروں تاکہ گریڈ اب بھی اس بارے میں کوئی قابلِ دفاع بات بتائے کہ طالب علم کیا جانتا ہے یا کیا کر سکتا ہے؟ اور میں اپنے کورس میں AI کی مدد سے نقل کو کیسے کم کر سکتا ہوں؟ جائزے کے نتائج سنبھالتے ہیں۔ How AI Is Changing Teaching Workflows وہ مقالہ ہے جس کے پیچھے تیاری کے اعداد و شمار ہیں، اور انسانی نگرانی وہ اصول ہے جس پر یہ صفحہ ٹکا ہے۔