सिंगापुर छात्रों को AI इस्तेमाल करना सिखा रहा है—अपनी सोच छोड़ना नहीं

सिंगापुर की शिक्षा व्यवस्था में generative AI के आने से सबसे अहम सवाल बदल रहा है। अब केवल यह पूछना पर्याप्त नहीं कि किसी छात्र ने असाइनमेंट खुद लिखा या नहीं। स्कूलों और विश्वविद्यालयों को यह भी देखना होगा कि छात्र AI का आलोचनात्मक ढंग से इस्तेमाल कर सकता है या नहीं, उसके इस्तेमाल का खुलासा करता है या नहीं और क्या वह फिर भी स्वतंत्र समझ का प्रदर्शन कर सकता है।

सिंगापुर का उभरता हुआ रुख न तो AI को पूरी तरह खुली छूट देता है और न ही हर जगह प्रतिबंध लगाता है। इसे मानव-नियंत्रित मॉडल कहा जा सकता है: जहां AI सीखने में मदद करे, वहां उसका उपयोग हो, लेकिन पढ़ने, लिखने, गणना, चर्चा और समस्या-समाधान जैसे वे अभ्यास सुरक्षित रहें जिनसे सीख लंबे समय तक टिकती है।

सिंगापुर के पास पहले से डिजिटल आधार था

यह बदलाव ChatGPT से शुरू नहीं हुआ। सिंगापुर पहले ही Student Learning Space (SLS), छात्रों को उपकरण उपलब्ध कराने और adaptive learning तथा automated feedback जैसे पुराने डिजिटल प्रयोगों के जरिए तकनीक-आधारित शिक्षा की मजबूत नींव बना चुका था। सितंबर 2023 में शुरू किया गया EdTech Masterplan 2030 इसी आधार पर आगे बढ़ता है। इसका उद्देश्य डिजिटल साक्षरता मजबूत करना और AI जैसी तकनीकों से सीखने को अधिक व्यक्तिगत बनाना तथा शिक्षकों की मदद करना है।

SLS इस रणनीति का केंद्रीय हिस्सा है। शिक्षा मंत्रालय (MOE) के अनुसार, प्राथमिक स्तर से pre-university यानी उच्च-माध्यमिक पूर्व स्तर तक के छात्रों को पाठ्यक्रम से जुड़े संसाधन उपलब्ध हैं। SLS में सीखने और पढ़ाने में सहायता देने वाली AI-सक्षम सुविधाएं भी शामिल की जा रही हैं। सरकारी तकनीकी रिपोर्टों के अनुसार, ये उपकरण व्यक्तिगत सीखने और शिक्षकों को छात्रों की प्रगति समझने में मदद कर सकते हैं, साथ ही इनमें सुरक्षा उपाय और उम्र के अनुरूप इस्तेमाल के नियम हैं।

इससे चुनौती केवल हर छात्र को उपकरण देने की नहीं रह जाती। छात्रों को यह भी सीखना होगा कि AI के उत्तरों पर सवाल कैसे उठाएं, गलतियां कैसे पहचानें और कब AI का इस्तेमाल असाइनमेंट के मूल उद्देश्य को ही कमजोर कर देगा।

असली खतरा है सोच का काम AI को सौंप देना

Cognitive offloading यानी मानसिक बोझ को बाहरी उपकरणों पर डालना अपने-आप में नुकसानदेह नहीं है। हम कैलकुलेटर, संदर्भ-पुस्तक या spellchecker का इस्तेमाल अक्सर गैर-जरूरी मानसिक मेहनत कम करने के लिए करते हैं। इससे ध्यान अधिक कठिन काम पर लगाया जा सकता है।

समस्या तब शुरू होती है जब छात्र किसी काम की मुख्य सीखने वाली प्रक्रिया भी बिना खुद कोशिश किए AI को सौंप देता है। उदाहरण के लिए, वह AI से पहले ही तर्क बनवा ले, प्रमाणों की व्याख्या करवा ले, किसी अनजान समस्या का हल निकलवा ले या पूरी व्याख्या लिखवा ले।

ऐसे में जमा किया गया काम चमकदार दिख सकता है, लेकिन सीख कमजोर रह सकती है। AI गति, भाषा और दिखने वाली सटीकता बढ़ा सकता है, जबकि छात्र के पास वह मानसिक ढांचा न बने जिससे वह:

• सुनने में विश्वसनीय लेकिन गलत दावे को पकड़ सके;
• किसी विचार को नई समस्या पर लागू कर सके;
• समझा सके कि कोई तर्क प्रभावी क्यों है;
• छूटे हुए प्रमाणों को पहचान सके; या
• AI के बिना अपने काम का बचाव कर सके।

यही वजह है कि शिक्षाविद productive struggle की बात करते हैं। इसका अर्थ है याद करना, खुद प्रयास करना, गलती करना, प्रतिक्रिया पाना और फिर सुधार करना। हर कठिन कदम हटा देने से काम आसान हो सकता है, लेकिन वही अभ्यास भी खत्म हो सकता है जिससे तर्क करने की क्षमता विकसित होती है।

शोध क्या बताता है—और क्या नहीं बताता

उपलब्ध प्रमाण चिंता का आधार देते हैं, लेकिन यह सरल निष्कर्ष नहीं निकालते कि AI हर स्थिति में critical thinking को कमजोर करता है।

Higher education पर generative AI की एक scoping review में लेखन, feedback, problem-solving और research में लाभ बताए गए हैं। साथ ही cognitive offloading, AI पर निर्भरता और learner agency को लेकर चिंताएं भी दर्ज की गई हैं। 89 अध्ययनों की एक व्यापक systematic review में प्रभाव एक जैसे नहीं पाए गए। इसमें 40.4% अध्ययनों में सकारात्मक परिणाम और 23.6% में मिश्रित या परिस्थितियों पर निर्भर परिणाम मिले। इसी समीक्षा में अति-निर्भरता, कम होती विश्लेषणात्मक स्वायत्तता और cognitive offloading प्रमुख जोखिमों में शामिल थे।

अन्य समीक्षाएं भी सावधानी की सलाह देती हैं। कक्षा में सीखने पर आधारित एक शोध-संश्लेषण के अनुसार, जब सामान्य-purpose AI कौशल सीखने के लिए जरूरी संघर्ष को दरकिनार कर देता है, तो analysis, reasoning और creativity जैसी higher-order thinking क्षमताएं प्रभावित हो सकती हैं। इसकी सिफारिश है कि पहले बुनियादी ज्ञान विकसित किया जाए, फिर AI साक्षरता सिखाई जाए और उसके बाद उपकरणों का उपयोग चरणबद्ध ढंग से कराया जाए।

फिर भी शोध का आधार अभी विकसित हो रहा है। अलग-अलग अध्ययनों में critical thinking की परिभाषा, विषय, उम्र, कार्य और AI सहायता का स्तर अलग है। इसलिए सबसे संतुलित निष्कर्ष यह है:

AI सीखने में तब अधिक मददगार होता है जब वह छात्र की सोच को सहारा दे, feedback partner बने या उसके तर्क को चुनौती दे। लेकिन जब वह बुनियादी व्याख्या और विश्लेषण की जगह लेने लगे, तो सीख कमजोर पड़ सकती है।

सबसे महत्वपूर्ण अंतर काम पूरा करने की क्षमता और टिकाऊ सीख के बीच हो सकता है। छात्र असाइनमेंट बेहतर ढंग से पूरा कर ले, लेकिन उसे वह ज्ञान और निर्णय-क्षमता न मिले जिसे विकसित करने के लिए असाइनमेंट बनाया गया था।

plagiarism पकड़ने से learning design तक

2022 में ChatGPT के सार्वजनिक रूप से उपलब्ध होने के बाद दुनियाभर के संस्थानों की शुरुआती चिंता cheating, plagiarism और academic integrity पर केंद्रित रही। सिंगापुर के विश्वविद्यालयों की वर्तमान नीतियां अब अधिक अलग-अलग परिस्थितियों को ध्यान में रखने वाला मॉडल दिखाती हैं। कुछ coursework में AI की अनुमति हो सकती है, लेकिन नियम हर course के अनुसार बदलते हैं। जमा किए गए काम की सटीकता, ईमानदारी और attribution की जिम्मेदारी छात्र की ही रहती है।

NUS की guidance छात्रों से AI के इस्तेमाल का खुलासा करने, शिक्षकों से अपेक्षाएं स्पष्ट करने और अपने काम की गुणवत्ता व integrity की जिम्मेदारी लेने को कहती है। इसकी नीति AI के सीधे output को अपना बताने के साथ-साथ AI के output को बिना बताए paraphrase करके अपना काम प्रस्तुत करने को भी plagiarism का अनुचित रूप मानती है।

AI detectors की सीमाएं भी स्पष्ट हो रही हैं। Nanyang Technological University (NTU) ने कहा है कि वह 2027 से अपने संस्थागत AI detector का इस्तेमाल बंद करेगी। विश्वविद्यालय ने इसके पीछे तकनीक की अविश्वसनीयता और academic misconduct साबित करने के लिए पर्याप्त empirical validity न होने का कारण बताया है। इसके बजाय छात्रों की काम करने की प्रक्रिया और standardised AI-use disclosures पर अधिक जोर दिया जाएगा।

इससे assessment की एक अलग सोच सामने आती है। केवल अंतिम लेख देखकर यह अनुमान लगाने के बजाय कि लेखक कौन है, शिक्षक यह देख सकते हैं कि छात्र निष्कर्ष तक कैसे पहुंचा:

• बिना AI के किया गया पहला प्रयास;
• drafts और revision history;
• स्रोतों पर किए गए annotations;
• प्रक्रिया पर लिखे गए reflection notes;
• मौखिक explanation या defence;
• विषय-विशेष, स्थानीय या व्यक्तिगत प्रमाण; और
• ऐसी समस्याएं जिनमें अवधारणाओं को किसी नई परिस्थिति में लागू करना पड़े।

लक्ष्य assessment को “AI-proof” बनाना नहीं, बल्कि जिस सीख का मूल्यांकन हो रहा है उसे दिखाई देना बनाना है।

जिम्मेदार AI इस्तेमाल कैसा दिखता है

छात्रों के लिए एक व्यावहारिक नियम हो सकता है: AI का इस्तेमाल अपनी सोच के बाद, उसके साथ या उसके खिलाफ करें—उसकी जगह नहीं।

छात्रों के लिए

1. पहले बिना AI के शुरुआत करें। रूपरेखा बनाएं, सवाल हल करने का प्रयास करें, उपयोगी स्रोत पहचानें या AI tool खोलने से पहले अपना प्रारंभिक मत लिखें।
2. AI को thinking partner बनाएं। उससे counterarguments, छिपी धारणाएं, search terms, practice questions या draft की आलोचना मांगें।
3. AI के output को प्रमाण न मानें। तथ्यों, उद्धरणों, citations, calculations और interpretations को विश्वसनीय प्राथमिक या आधिकारिक स्रोतों से जांचें।
4. AI इस्तेमाल का रिकॉर्ड रखें। tool, prompts, महत्वपूर्ण output, स्वीकार या अस्वीकार किए गए हिस्से और verification का तरीका लिखें। NUS guidance में acknowledgement और व्यक्तिगत जिम्मेदारी पर जोर है, जबकि कुछ विभाग अधिक विस्तृत declaration मांगते हैं।
5. स्वतंत्र पकड़ बनाए रखें। छात्र को अपने हर बड़े दावे की व्याख्या और रक्षा AI के बिना कर पाने में सक्षम होना चाहिए।

शिक्षकों और संस्थानों के लिए

हर assignment के लिए AI की अनुमति का स्पष्ट स्तर तय किया जा सकता है:

• प्रतिबंधित: जब task बिना सहायता के recall, calculation, writing या किसी अन्य बुनियादी कौशल को मापता हो।
• खुलासा करने की शर्त के साथ अनुमति: AI research, feedback या editing में मदद कर सकता है, लेकिन छात्र को इस्तेमाल दर्ज करना और परिणाम की जांच करना होगी।
• अपेक्षित: जब मूल्यांकन इस बात पर हो कि छात्र AI के output की जांच, सुधार या आलोचना कैसे करता है।

एक प्रभावी workflow इस तरह हो सकता है: पहले बिना AI के प्रयास, फिर AI से guided feedback, उसके बाद स्वतंत्र revision और अंत में यह reflection कि AI कहां सही, अधूरा या गलत था।

शिक्षकों को prompt लिखने और विषय समझने के बीच का फर्क भी स्पष्ट करना चाहिए। जटिल prompt इस बात का प्रमाण नहीं कि छात्र विषय समझता है। इसके विपरीत, AI के विश्वसनीय दिखने वाले उत्तर को ठोस कारणों के साथ खारिज कर पाना सीख का बेहतर प्रमाण हो सकता है।

छोटे बच्चों के लिए MOE का स्पष्ट रुख है कि AI का इस्तेमाल सीखने और विकास में लाभ पहुंचाने वाला, उद्देश्यपूर्ण, उम्र और विकास के अनुरूप, सुरक्षित और जिम्मेदार होना चाहिए। हालिया रिपोर्टों में MOE द्वारा विकसित tools को Primary 4 से शिक्षक की निगरानी में चरणबद्ध ढंग से शुरू करने और शिक्षकों के लिए AI training बढ़ाने का भी उल्लेख है। इसलिए बच्चों को खुला, निजी और अनियंत्रित access देने के बजाय कक्षा में guided use और वयस्क सहायता की जरूरत होगी।

उपकरणों तक समान पहुंच, AI साक्षरता की समानता नहीं

सिंगापुर का केंद्रीकृत digital infrastructure उपकरणों और approved learning tools तक असमान पहुंच कम करने में मदद कर सकता है। MOE के अनुसार, स्कूलों को digital infrastructure, devices और software के लिए सहायता मिलती है और पूरे school system में छात्र SLS का उपयोग कर सकते हैं।

लेकिन समान access का अर्थ समान critical use नहीं है। जिन परिवारों के पास अधिक समय, आत्मविश्वास या शैक्षणिक अनुभव है, वे बच्चों को उत्तरों पर सवाल उठाना, स्रोतों की जांच करना और सतही explanation पहचानना बेहतर ढंग से सिखा सकते हैं। स्पष्ट प्रशिक्षण के बिना यह अंतर शिक्षा में असमानता का नया रूप बन सकता है।

स्कूल इस अंतर को कम करने के लिए विशेषज्ञ व्यवहार को कक्षा में स्पष्ट रूप से सिखा सकते हैं:

• verification और source evaluation का उदाहरण देना;
• AI के अच्छे और कमजोर इस्तेमाल के नमूने व structured prompts उपलब्ध कराना;
• metacognition सिखाना—यानी छात्र यह समझें कि उन्हें कैसे पता है कि वे किसी बात को समझते हैं;
• संस्थागत निगरानी वाले tools तक supervised access देना; और
• शिक्षकों को training देना, ताकि मार्गदर्शन केवल व्यक्तिगत staff confidence पर निर्भर न रहे।

MOE की वर्तमान AI-literacy दिशा में AI के लाभ, सीमाएं और जोखिम समझना, output पर सवाल उठाना तथा bias या गलत और भ्रामक जानकारी पहचानना शामिल है।

2029 तक सिंगापुर की संभावित दिशा

उपलब्ध नीतिगत संकेत पीछे हटने के बजाय AI के अधिक गहरे एकीकरण की ओर इशारा करते हैं। सिंगापुर में अलग-अलग learning stages पर AI literacy को और मजबूती से शामिल किए जाने, approved AI-enabled tools के विस्तार और SLS के जरिए personalised practice तथा formative feedback बढ़ने की संभावना है।

विश्वविद्यालय भी detector-आधारित enforcement के बजाय disclosure, accountability और course-level rules को प्राथमिकता दे सकते हैं। जहां सीखने का लक्ष्य स्वतंत्र reasoning है, वहां assessment में process, application, dialogue और judgment की अहमियत बढ़ेगी।

मुख्य परीक्षा यह होगी कि AI छात्रों की सोचने की क्षमता बढ़ाता है या चुपचाप उस अभ्यास की जगह ले लेता है जिसकी सोच को विकसित करने के लिए जरूरत होती है। इसलिए सिंगापुर का सबसे मजबूत मॉडल “हर जगह AI” या “कहीं भी AI नहीं” नहीं, बल्कि संरचित इस्तेमाल और बिना सहायता के प्रयास के लिए सुरक्षित समय है।

छात्रों को ऐसा graduate बनना चाहिए जो AI के साथ प्रभावी ढंग से काम कर सके, उसकी गलती पहचान सके, यह तय कर सके कि कब AI का इस्तेमाल नहीं करना है और tool उपलब्ध न होने पर भी मजबूत तर्क दे सके। यही AI के साथ सीखने और सीखने की जिम्मेदारी AI को सौंप देने के बीच का फर्क है।