इन तरह के प्रॉम्प्ट आजमाएं:

• “मेरे हल के हर चरण की जांच करो। बताओ कि मेरा तर्क पहली बार कहां गलत होता है, लेकिन सवाल हल मत करो।”
• “मुझे धीरे-धीरे संकेत दो: पहले अवधारणा, फिर रणनीति और फिर अगला चरण।”
• “दो संभावित तरीके दिखाओ और फिर मुझसे उनकी तुलना करने को कहो।”
• “क्या यह कथन हमेशा सही है? अगर नहीं, तो प्रति-उदाहरण दो और मुझसे उसकी व्याख्या करने को कहो।”
• “इसी तरह का एक नया सवाल बनाओ जिसे मैं बिना मदद के हल कर सकूं।”

जहां संभव हो, बीजगणितीय, ग्राफ़ीय, संख्यात्मक या ज्यामितीय तरीकों की तुलना करें। फिर भी यह फैसला छात्र को करना चाहिए कि कौन-सा तरीका लागू होगा और वह क्यों काम करता है।

खुद कोशिश करने से पहले “हर चरण के साथ पूरा हल” मांगने से बचें। इससे समझ का आभास तो हो सकता है, लेकिन समाधान खुद बनाने की क्षमता विकसित नहीं होती।

निबंध लेखन: AI को सख्त पाठक बनाएं

थीसिस, प्रमाण, संरचना और लेखन-शैली पर छात्र का स्वामित्व रहना चाहिए। AI एक सख्त पाठक की भूमिका निभा सकता है, जो कमजोरियां बताए, लेकिन पूरा लेख अपने हाथ में न ले।

AI को अपनी थीसिस और रूपरेखा देकर पूछें:

• “क्या अस्पष्ट, बिना प्रमाण के या तार्किक रूप से असंगत है?”
• “मेरे दावों और उन्हें समर्थन देने वाले प्रमाणों को अलग-अलग पहचानो।”
• “मैंने कहां सारांश को विश्लेषण समझ लिया है?”
• “एक संदेहशील पाठक की तरह मेरी थीसिस के खिलाफ तर्क दो।”
• “कौन-सा प्रमाण मेरे निष्कर्ष को कमजोर कर सकता है?”
• “तर्क, संरचना, प्रमाण, अनुच्छेदों की संगति और शैली की अलग-अलग समीक्षा करो। निबंध को दोबारा मत लिखो।”

एक हिस्से को खुद संशोधित करें और फिर पूछें कि क्या संशोधन ने पहले बताई गई समस्या को दूर किया। विचार और तर्क तय हो जाने के बाद ही व्याकरण तथा स्पष्टता के लिए AI का इस्तेमाल करें। किसी सुझाए गए वाक्य को तभी रखें, जब आप उसका अर्थ समझते हों और बदलाव को सचमुच अपनी पसंद से स्वीकार कर रहे हों।

छात्रों द्वारा AI के इस्तेमाल पर हुए शोधों में जटिल विषयों को समझने, प्रमाण खोजने, संशोधन और प्रूफरीडिंग में लाभ देखे गए हैं। हालांकि आलोचनात्मक सोच और मौलिकता से जुड़े निष्कर्ष अब भी मिले-जुले हैं। एक हालिया समीक्षा में बेहतर परिणाम तब दिखे, जब छात्रों ने शिक्षक के मार्गदर्शन में AI का चयनात्मक और बार-बार होने वाले संशोधन चक्रों में इस्तेमाल किया। अन्य शोधों के अनुसार, व्यवस्थित AI फीडबैक आलोचनात्मक लेखन में मदद कर सकता है, लेकिन इसका लाभ तभी अधिक होता है जब छात्र उसे स्वतः स्वीकार करने के बजाय सक्रिय रूप से परखें और लागू करें।

विषय-विशेष का निर्णय, अवधारणात्मक विकास और संदर्भ समझने में शिक्षक तथा सहपाठी अब भी महत्वपूर्ण हैं। छात्रों को अपने स्कूल, कॉलेज या विश्वविद्यालय के AI इस्तेमाल और उसके खुलासे से जुड़े नियमों का भी पालन करना चाहिए।

शोध और पठन: स्रोतों से सवाल पूछने के लिए AI का उपयोग करें

AI को पढ़ने का विकल्प नहीं, पढ़ने को गहरा करने वाला साथी बनाएं। चैटबॉट खोलने से पहले पाठ का छोटा-सा सार लिखें, लेखक की मुख्य थीसिस पहचानें और उस पाठ को लेकर कम-से-कम दो सवाल बनाएं।

इसके बाद पूछ सकते हैं:

• “लेखक ने कौन-सी धारणाएं बनाई हैं?”
• “हर बड़े दावे का समर्थन कौन-सा प्रमाण करता है?”
• “एक आलोचक क्या कह सकता है?”
• “किन शब्दों की सटीक परिभाषा जरूरी है?”
• “कौन-सा प्रमाण अनुपस्थित है?”
• “इसी प्रमाण के लिए कौन-सी वैकल्पिक व्याख्याएं संभव हैं?”

AI खोज-शब्द, संबंधित अवधारणाएं और संभावित स्रोतों के संकेत दे सकता है। लेकिन उसे स्रोतों का भरोसेमंद डेटाबेस न मानें। महत्वपूर्ण दावों को मूल प्रकाशन से जरूर जांचें—खासकर उद्धरण, संदर्भ, आंकड़े और तकनीकी विवरण।

दो लेखों या शोध-पत्रों की तुलना के लिए तालिका उपयोगी हो सकती है, लेकिन उसके हर खाने को छात्र को मूल पाठ के आधार पर खुद भरना और जांचना चाहिए। एक शोध-डायरी रखें, जिसमें अलग-अलग दर्ज हो:

• स्रोत में स्पष्ट रूप से क्या लिखा है;
• उससे आप क्या निष्कर्ष निकालते हैं;
• AI ने क्या सुझाया; और
• आपने स्वतंत्र रूप से क्या सत्यापित किया।

चर्चा के बाद AI टूल बंद करें और लेखक का तर्क स्मृति से लिखें। उसमें एक सीमा या अनसुलझा सवाल भी शामिल करें। अगर आप ऐसा नहीं कर पाते, तो संभव है कि आपने पढ़ने को गहरा करने के बजाय उसे टाल दिया हो।

विज्ञान: समझाएं, कमियां खोजें और अनुमान लगाएं

Feynman तकनीक में विद्यार्थी किसी अवधारणा को सरल भाषा में याद करके समझाता है, अपनी व्याख्या में मौजूद कमियां पहचानता है, उन्हें दूर करता है और फिर उसे और सरल बनाकर समझाता है। AI इस प्रक्रिया को संवादात्मक बना सकता है—कभी जिज्ञासु शुरुआती विद्यार्थी की तरह और कभी संदेहशील समीक्षक की तरह।

उपयोगी प्रॉम्प्ट:

• “मैं प्रकाश-संश्लेषण समझाऊंगा। एक जिज्ञासु शुरुआती विद्यार्थी की तरह एक-एक करके सवाल पूछो।”
• “मेरी व्याख्या में इस्तेमाल हर अपरिभाषित तकनीकी शब्द को चिन्हित करो।”
• “ऐसा उदाहरण दो जिसमें मेरी व्याख्या गलत परिणाम का अनुमान लगाए।”
• “इन दो परिकल्पनाओं में अंतर करने के लिए कौन-सा अवलोकन जरूरी होगा?”
• “मेरी व्याख्या का कौन-सा हिस्सा प्रक्रिया या कारण-तंत्र बताता है और कौन-सा हिस्सा केवल सहसंबंध है?”
• “एक चर बदलो और मुझसे पूछो कि अब क्या होगा।”

आरेख बनाना, कारणों की शृंखला बताना और परिणाम का अनुमान लगाना छात्र को खुद करना चाहिए। इसके बाद AI किनारे के मामलों, गलतफहमियों और प्रति-उदाहरणों से उसकी समझ को परख सकता है। अंतिम परीक्षा यह है कि छात्र बिना AI देखे किसी काल्पनिक शुरुआती विद्यार्थी को अवधारणा समझा सके।

कोडिंग: सुधार मांगने से पहले तर्क की समीक्षा करें

कोडिंग में AI समीक्षक, डिबगर और टेस्टिंग पार्टनर के रूप में उपयोगी है। पहले प्रोग्राम का शुरुआती संस्करण खुद लिखें और फिर पूरी समस्या को बदलने के बजाय गलती का स्थान खोजने को कहें।

उदाहरण के लिए पूछें:

• “सबसे छोटी असफल धारणा पहचानो। कोड दोबारा मत लिखो।”
• “वेरिएबल्स को तब तक ट्रेस करो जब तक आउटपुट गलत न हो जाए।”
• “कौन-सा invariant हमेशा सही रहना चाहिए?”
• “ऐसा इनपुट दो जो इस एल्गोरिदम को विफल कर दे।”
• “सामान्य, सीमा, अमान्य, खाली और प्रतिकूल इनपुट के लिए टेस्ट सुझाओ।”
• “इन दोनों तरीकों की समय और मेमोरी जटिलता की तुलना करो।”

फिक्स खुद लागू करें, टेस्ट चलाएं और समझाएं कि बदलाव क्यों काम करता है। इसके बाद किसी एक आवश्यकता को बदलकर प्रोग्राम में संशोधन भी बिना AI से सब कुछ दोबारा जनरेट करवाए करें।

एक उपयोगी मानक यह है कि छात्र अपने जमा किए गए कोड की हर पंक्ति समझा सके, बग को दोबारा पैदा कर सके, सुधार को सही ठहरा सके और कम-से-कम एक ऐसा टेस्ट लिख सके जो AI ने नहीं दिया था।

सिंगापुर का Learning Assistant और Feynman Bot क्या सही करते हैं

सिंगापुर का शिक्षा मंत्रालय, यानी Ministry of Education (MOE), Student Learning Space में AI टूल्स को ऐसे शैक्षिक सिस्टम के रूप में बताता है जो सीधे उत्तर देने के बजाय सवालों, चरणबद्ध सहारे और फीडबैक के जरिए सीखने में मदद करते हैं। Learning Assistant अलग-अलग भूमिकाएं निभा सकता है, जिनमें लेखन-सहायक की भूमिका भी शामिल है, और समझ को बेहतर बनाने के लिए छात्र से लगातार सवाल करता है।

इस डिजाइन से एक महत्वपूर्ण सिद्धांत सामने आता है: केंद्र में AI का उत्तर नहीं, छात्र की प्रतिक्रिया रहती है। AI अगला सवाल पूछकर, किसी कमी की ओर इशारा करके या स्पष्टीकरण मांगकर सीखने में उपयोगी चुनौती पैदा करता है, न कि तुरंत पूरा काम कर देता है।

फिर भी ये सुरक्षा-व्यवस्थाएं सिस्टम को अचूक नहीं बनातीं। MOE की छात्र मार्गदर्शिका के अनुसार Learning Assistant के जवाब संभाव्यता पर आधारित होते हैं और कभी-कभी गलत हो सकते हैं। छात्रों को दूसरे स्रोतों से तथ्य-जांच करने और मिले हुए उत्तरों पर विचार करने की सलाह दी जाती है।

SUTD का Feynman Bot अवधारणात्मक सीखने में इसी मॉडल को लागू करता है। छात्र अपनी अध्ययन-सामग्री अपलोड करते हैं, उपयुक्त स्तर चुनते हैं और विषय समझाते हैं; इसके बाद बॉट उनकी कमजोरियों के आधार पर अनुकूलित सवाल पूछता है। रिपोर्टों के अनुसार, छात्र के लगभग तीन या चार बार “मुझे नहीं पता” कहने के बाद बॉट कोई तरीका सुझा सकता है और उसी कमजोरी पर आधारित नया सवाल पूछता है। संबंधित शोध इस बॉट को स्व-नियंत्रित सीखने के लिए Feynman तकनीक के AI-आधारित रूप में प्रस्तुत करता है।

इसका मतलब यह नहीं कि हर AI ट्यूटर को हमेशा जवाब देने से मना करते रहना चाहिए। असली सबक यह है कि टूल को इतना समय देना चाहिए कि विद्यार्थी पहले प्रयास करे, अपनी समझ समझाए और अपनी कमियों का सामना करे।

छात्र की लेखकीय जिम्मेदारी बचाने वाले नियम

छात्र, शिक्षक और संस्थान कुछ सरल सीमाएं अपना सकते हैं:

• AI इस्तेमाल करने से पहले स्वतंत्र प्रयास करें।
• समाधान मांगने से पहले सवाल, संकेत, आलोचना या निदान मांगें।
• ऐसा गद्य, प्रमाण, कोड या विश्लेषण जमा न करें जिसे आप समझा नहीं सकते।
• अंत में बिना AI के व्याख्या या समानांतर सवाल जरूर रखें।
• तथ्यों, गणनाओं, उद्धरणों, संदर्भों और कोड की जांच करें।
• जहां खुलासा आवश्यक हो, वहां ड्राफ्ट, प्रॉम्प्ट, फीडबैक और संशोधन-नोट सुरक्षित रखें।
• निर्णय, प्रेरणा, नैतिकता और उच्च-दांव वाले मूल्यांकन के लिए शिक्षकों और सहपाठियों की मदद लें।
• AI की असहमति को जांच का कारण मानें, अपने गलत होने का प्रमाण नहीं।

छात्र को शुरुआती सोच देनी चाहिए, महत्वपूर्ण फैसले खुद लेने चाहिए और अंतिम व्याख्या खुद तैयार करनी चाहिए। AI की भूमिका सवाल, आपत्तियां, वैकल्पिक अर्थ, परीक्षण और फीडबैक देने की होनी चाहिए। खुद प्रयास करने, तुलना करने, आलोचना करने, संशोधन करने और समझाने के ये दोहराए गए चक्र ही AI की मदद को लंबे समय तक टिकने वाली सीख में बदलते हैं—आउटसोर्स किए गए काम में नहीं।

इन तरह के प्रॉम्प्ट आजमाएं:

• “मेरे हल के हर चरण की जांच करो। बताओ कि मेरा तर्क पहली बार कहां गलत होता है, लेकिन सवाल हल मत करो।”
• “मुझे धीरे-धीरे संकेत दो: पहले अवधारणा, फिर रणनीति और फिर अगला चरण।”
• “दो संभावित तरीके दिखाओ और फिर मुझसे उनकी तुलना करने को कहो।”
• “क्या यह कथन हमेशा सही है? अगर नहीं, तो प्रति-उदाहरण दो और मुझसे उसकी व्याख्या करने को कहो।”
• “इसी तरह का एक नया सवाल बनाओ जिसे मैं बिना मदद के हल कर सकूं।”

जहां संभव हो, बीजगणितीय, ग्राफ़ीय, संख्यात्मक या ज्यामितीय तरीकों की तुलना करें। फिर भी यह फैसला छात्र को करना चाहिए कि कौन-सा तरीका लागू होगा और वह क्यों काम करता है।

खुद कोशिश करने से पहले “हर चरण के साथ पूरा हल” मांगने से बचें। इससे समझ का आभास तो हो सकता है, लेकिन समाधान खुद बनाने की क्षमता विकसित नहीं होती।

निबंध लेखन: AI को सख्त पाठक बनाएं

थीसिस, प्रमाण, संरचना और लेखन-शैली पर छात्र का स्वामित्व रहना चाहिए। AI एक सख्त पाठक की भूमिका निभा सकता है, जो कमजोरियां बताए, लेकिन पूरा लेख अपने हाथ में न ले।

AI को अपनी थीसिस और रूपरेखा देकर पूछें:

• “क्या अस्पष्ट, बिना प्रमाण के या तार्किक रूप से असंगत है?”
• “मेरे दावों और उन्हें समर्थन देने वाले प्रमाणों को अलग-अलग पहचानो।”
• “मैंने कहां सारांश को विश्लेषण समझ लिया है?”
• “एक संदेहशील पाठक की तरह मेरी थीसिस के खिलाफ तर्क दो।”
• “कौन-सा प्रमाण मेरे निष्कर्ष को कमजोर कर सकता है?”
• “तर्क, संरचना, प्रमाण, अनुच्छेदों की संगति और शैली की अलग-अलग समीक्षा करो। निबंध को दोबारा मत लिखो।”

एक हिस्से को खुद संशोधित करें और फिर पूछें कि क्या संशोधन ने पहले बताई गई समस्या को दूर किया। विचार और तर्क तय हो जाने के बाद ही व्याकरण तथा स्पष्टता के लिए AI का इस्तेमाल करें। किसी सुझाए गए वाक्य को तभी रखें, जब आप उसका अर्थ समझते हों और बदलाव को सचमुच अपनी पसंद से स्वीकार कर रहे हों।

छात्रों द्वारा AI के इस्तेमाल पर हुए शोधों में जटिल विषयों को समझने, प्रमाण खोजने, संशोधन और प्रूफरीडिंग में लाभ देखे गए हैं। हालांकि आलोचनात्मक सोच और मौलिकता से जुड़े निष्कर्ष अब भी मिले-जुले हैं। एक हालिया समीक्षा में बेहतर परिणाम तब दिखे, जब छात्रों ने शिक्षक के मार्गदर्शन में AI का चयनात्मक और बार-बार होने वाले संशोधन चक्रों में इस्तेमाल किया। अन्य शोधों के अनुसार, व्यवस्थित AI फीडबैक आलोचनात्मक लेखन में मदद कर सकता है, लेकिन इसका लाभ तभी अधिक होता है जब छात्र उसे स्वतः स्वीकार करने के बजाय सक्रिय रूप से परखें और लागू करें।

विषय-विशेष का निर्णय, अवधारणात्मक विकास और संदर्भ समझने में शिक्षक तथा सहपाठी अब भी महत्वपूर्ण हैं। छात्रों को अपने स्कूल, कॉलेज या विश्वविद्यालय के AI इस्तेमाल और उसके खुलासे से जुड़े नियमों का भी पालन करना चाहिए।

शोध और पठन: स्रोतों से सवाल पूछने के लिए AI का उपयोग करें

AI को पढ़ने का विकल्प नहीं, पढ़ने को गहरा करने वाला साथी बनाएं। चैटबॉट खोलने से पहले पाठ का छोटा-सा सार लिखें, लेखक की मुख्य थीसिस पहचानें और उस पाठ को लेकर कम-से-कम दो सवाल बनाएं।

इसके बाद पूछ सकते हैं:

• “लेखक ने कौन-सी धारणाएं बनाई हैं?”
• “हर बड़े दावे का समर्थन कौन-सा प्रमाण करता है?”
• “एक आलोचक क्या कह सकता है?”
• “किन शब्दों की सटीक परिभाषा जरूरी है?”
• “कौन-सा प्रमाण अनुपस्थित है?”
• “इसी प्रमाण के लिए कौन-सी वैकल्पिक व्याख्याएं संभव हैं?”

AI खोज-शब्द, संबंधित अवधारणाएं और संभावित स्रोतों के संकेत दे सकता है। लेकिन उसे स्रोतों का भरोसेमंद डेटाबेस न मानें। महत्वपूर्ण दावों को मूल प्रकाशन से जरूर जांचें—खासकर उद्धरण, संदर्भ, आंकड़े और तकनीकी विवरण।

दो लेखों या शोध-पत्रों की तुलना के लिए तालिका उपयोगी हो सकती है, लेकिन उसके हर खाने को छात्र को मूल पाठ के आधार पर खुद भरना और जांचना चाहिए। एक शोध-डायरी रखें, जिसमें अलग-अलग दर्ज हो:

• स्रोत में स्पष्ट रूप से क्या लिखा है;
• उससे आप क्या निष्कर्ष निकालते हैं;
• AI ने क्या सुझाया; और
• आपने स्वतंत्र रूप से क्या सत्यापित किया।

चर्चा के बाद AI टूल बंद करें और लेखक का तर्क स्मृति से लिखें। उसमें एक सीमा या अनसुलझा सवाल भी शामिल करें। अगर आप ऐसा नहीं कर पाते, तो संभव है कि आपने पढ़ने को गहरा करने के बजाय उसे टाल दिया हो।

विज्ञान: समझाएं, कमियां खोजें और अनुमान लगाएं

Feynman तकनीक में विद्यार्थी किसी अवधारणा को सरल भाषा में याद करके समझाता है, अपनी व्याख्या में मौजूद कमियां पहचानता है, उन्हें दूर करता है और फिर उसे और सरल बनाकर समझाता है। AI इस प्रक्रिया को संवादात्मक बना सकता है—कभी जिज्ञासु शुरुआती विद्यार्थी की तरह और कभी संदेहशील समीक्षक की तरह।

उपयोगी प्रॉम्प्ट:

• “मैं प्रकाश-संश्लेषण समझाऊंगा। एक जिज्ञासु शुरुआती विद्यार्थी की तरह एक-एक करके सवाल पूछो।”
• “मेरी व्याख्या में इस्तेमाल हर अपरिभाषित तकनीकी शब्द को चिन्हित करो।”
• “ऐसा उदाहरण दो जिसमें मेरी व्याख्या गलत परिणाम का अनुमान लगाए।”
• “इन दो परिकल्पनाओं में अंतर करने के लिए कौन-सा अवलोकन जरूरी होगा?”
• “मेरी व्याख्या का कौन-सा हिस्सा प्रक्रिया या कारण-तंत्र बताता है और कौन-सा हिस्सा केवल सहसंबंध है?”
• “एक चर बदलो और मुझसे पूछो कि अब क्या होगा।”

आरेख बनाना, कारणों की शृंखला बताना और परिणाम का अनुमान लगाना छात्र को खुद करना चाहिए। इसके बाद AI किनारे के मामलों, गलतफहमियों और प्रति-उदाहरणों से उसकी समझ को परख सकता है। अंतिम परीक्षा यह है कि छात्र बिना AI देखे किसी काल्पनिक शुरुआती विद्यार्थी को अवधारणा समझा सके।

कोडिंग: सुधार मांगने से पहले तर्क की समीक्षा करें

कोडिंग में AI समीक्षक, डिबगर और टेस्टिंग पार्टनर के रूप में उपयोगी है। पहले प्रोग्राम का शुरुआती संस्करण खुद लिखें और फिर पूरी समस्या को बदलने के बजाय गलती का स्थान खोजने को कहें।

उदाहरण के लिए पूछें:

• “सबसे छोटी असफल धारणा पहचानो। कोड दोबारा मत लिखो।”
• “वेरिएबल्स को तब तक ट्रेस करो जब तक आउटपुट गलत न हो जाए।”
• “कौन-सा invariant हमेशा सही रहना चाहिए?”
• “ऐसा इनपुट दो जो इस एल्गोरिदम को विफल कर दे।”
• “सामान्य, सीमा, अमान्य, खाली और प्रतिकूल इनपुट के लिए टेस्ट सुझाओ।”
• “इन दोनों तरीकों की समय और मेमोरी जटिलता की तुलना करो।”

फिक्स खुद लागू करें, टेस्ट चलाएं और समझाएं कि बदलाव क्यों काम करता है। इसके बाद किसी एक आवश्यकता को बदलकर प्रोग्राम में संशोधन भी बिना AI से सब कुछ दोबारा जनरेट करवाए करें।

एक उपयोगी मानक यह है कि छात्र अपने जमा किए गए कोड की हर पंक्ति समझा सके, बग को दोबारा पैदा कर सके, सुधार को सही ठहरा सके और कम-से-कम एक ऐसा टेस्ट लिख सके जो AI ने नहीं दिया था।

सिंगापुर का Learning Assistant और Feynman Bot क्या सही करते हैं

सिंगापुर का शिक्षा मंत्रालय, यानी Ministry of Education (MOE), Student Learning Space में AI टूल्स को ऐसे शैक्षिक सिस्टम के रूप में बताता है जो सीधे उत्तर देने के बजाय सवालों, चरणबद्ध सहारे और फीडबैक के जरिए सीखने में मदद करते हैं। Learning Assistant अलग-अलग भूमिकाएं निभा सकता है, जिनमें लेखन-सहायक की भूमिका भी शामिल है, और समझ को बेहतर बनाने के लिए छात्र से लगातार सवाल करता है।

इस डिजाइन से एक महत्वपूर्ण सिद्धांत सामने आता है: केंद्र में AI का उत्तर नहीं, छात्र की प्रतिक्रिया रहती है। AI अगला सवाल पूछकर, किसी कमी की ओर इशारा करके या स्पष्टीकरण मांगकर सीखने में उपयोगी चुनौती पैदा करता है, न कि तुरंत पूरा काम कर देता है।

फिर भी ये सुरक्षा-व्यवस्थाएं सिस्टम को अचूक नहीं बनातीं। MOE की छात्र मार्गदर्शिका के अनुसार Learning Assistant के जवाब संभाव्यता पर आधारित होते हैं और कभी-कभी गलत हो सकते हैं। छात्रों को दूसरे स्रोतों से तथ्य-जांच करने और मिले हुए उत्तरों पर विचार करने की सलाह दी जाती है।

SUTD का Feynman Bot अवधारणात्मक सीखने में इसी मॉडल को लागू करता है। छात्र अपनी अध्ययन-सामग्री अपलोड करते हैं, उपयुक्त स्तर चुनते हैं और विषय समझाते हैं; इसके बाद बॉट उनकी कमजोरियों के आधार पर अनुकूलित सवाल पूछता है। रिपोर्टों के अनुसार, छात्र के लगभग तीन या चार बार “मुझे नहीं पता” कहने के बाद बॉट कोई तरीका सुझा सकता है और उसी कमजोरी पर आधारित नया सवाल पूछता है। संबंधित शोध इस बॉट को स्व-नियंत्रित सीखने के लिए Feynman तकनीक के AI-आधारित रूप में प्रस्तुत करता है।

इसका मतलब यह नहीं कि हर AI ट्यूटर को हमेशा जवाब देने से मना करते रहना चाहिए। असली सबक यह है कि टूल को इतना समय देना चाहिए कि विद्यार्थी पहले प्रयास करे, अपनी समझ समझाए और अपनी कमियों का सामना करे।

छात्र की लेखकीय जिम्मेदारी बचाने वाले नियम

छात्र, शिक्षक और संस्थान कुछ सरल सीमाएं अपना सकते हैं:

• AI इस्तेमाल करने से पहले स्वतंत्र प्रयास करें।
• समाधान मांगने से पहले सवाल, संकेत, आलोचना या निदान मांगें।
• ऐसा गद्य, प्रमाण, कोड या विश्लेषण जमा न करें जिसे आप समझा नहीं सकते।
• अंत में बिना AI के व्याख्या या समानांतर सवाल जरूर रखें।
• तथ्यों, गणनाओं, उद्धरणों, संदर्भों और कोड की जांच करें।
• जहां खुलासा आवश्यक हो, वहां ड्राफ्ट, प्रॉम्प्ट, फीडबैक और संशोधन-नोट सुरक्षित रखें।
• निर्णय, प्रेरणा, नैतिकता और उच्च-दांव वाले मूल्यांकन के लिए शिक्षकों और सहपाठियों की मदद लें।
• AI की असहमति को जांच का कारण मानें, अपने गलत होने का प्रमाण नहीं।

छात्र को शुरुआती सोच देनी चाहिए, महत्वपूर्ण फैसले खुद लेने चाहिए और अंतिम व्याख्या खुद तैयार करनी चाहिए। AI की भूमिका सवाल, आपत्तियां, वैकल्पिक अर्थ, परीक्षण और फीडबैक देने की होनी चाहिए। खुद प्रयास करने, तुलना करने, आलोचना करने, संशोधन करने और समझाने के ये दोहराए गए चक्र ही AI की मदद को लंबे समय तक टिकने वाली सीख में बदलते हैं—आउटसोर्स किए गए काम में नहीं।