AI के दौर में स्कूल: ज्ञान से ज्यादा व्यावहारिक समझ सिखानी होगी

एआई का उपयोग करने वाली कक्षाएं छात्रों के लिए अपने उत्तरों को जांचने और सही करने का समय होना चाहिए, न कि उन्हें लिखने का।

कोई छात्र AI से कहता है, “इस सामग्री को तालिका में व्यवस्थित करो।” कुछ सेकंड में तालिका आ जाती है। वह कहता है, “इसे हाई स्कूल के छात्र के स्तर पर समझाओ।” AI समझाने का स्तर नीचे कर देता है। वह कहता है, “इसे प्रस्तुति में बदलो।” AI रूपरेखा और स्लाइड का पहला ड्राफ्ट बना देता है।

सामग्री खोजना, सारांश बनाना, लिखना, कोड करना, तालिका साफ करना और प्रस्तुति बनाना, ये सब काम AI अब तेजी से कर सकता है। इंसान की दिशा और जांच अभी भी जरूरी है, लेकिन छात्र जो कई काम अकेले सामग्री खोजकर, लिखकर, table और presentation बनाकर करते थे, वे काम धीरे-धीरे AI करने लगेगा। इसलिए स्कूल अगर अब भी ज्यादातर समय ज्ञान समझाने, छात्रों से रटवाने और परीक्षा में जवाब लिखवाने पर खर्च करते रहेंगे, तो वह तरीका कमजोर पड़ जाएगा।

स्कूलों को ज्ञान से ज्यादा व्यावहारिक समझ सिखानी होगी। छात्रों को सिर्फ AI चलाना सीखना काफी नहीं है। छात्रों को व्यावहारिक अवधारणाएं सीखनी होंगी और उन्हें असली लोगों, असली वस्तुओं और असली परिस्थितियों पर लागू करना होगा। छात्रों को जांचना होगा कि AI का जवाब वास्तविकता में काम करता है या नहीं, और गलत हिस्सों को फिर से सुधारना होगा।

ज्ञान समझाने में AI बेहतर है

स्कूलों के लिए यह बात असहज हो सकती है। लेकिन अगर बात केवल ज्ञान समझाने की है, तो AI पहले से बहुत अच्छा है।

छात्र को कक्षा समझ नहीं आती, तो AI फिर से समझाता है। फिर भी समझ नहीं आता, तो AI और आसान भाषा में समझाता है। छात्र दूसरा उदाहरण मांगता है, तो AI दूसरा उदाहरण देता है। AI गणित का प्रश्न चरण-दर-चरण हल कर सकता है, अंग्रेजी वाक्य सुधार सकता है, और इतिहास की घटनाओं को क्रम में रख सकता है। छात्र एक ही सवाल कई बार पूछ सकता है, बिना शर्मिंदा हुए।

बेशक AI गलत भी होता है। इसलिए छात्रों को AI के उत्तर पर सवाल करना और उसे जांचना सीखना होगा। लेकिन अवधारणा समझाना अब स्कूल की अकेली ताकत नहीं है। अगर काम सिर्फ छात्र तक ज्ञान पहुंचाना है, तो AI पाठ्यपुस्तक से अधिक धैर्यवान और ट्यूशन से अधिक सस्ता है।

फिर भी कई स्कूल पुराने तरीके से पढ़ाते हैं। शिक्षक समझाते हैं, छात्र नोट लिखते हैं, और परीक्षा से पहले याद करके उत्तर लिखते हैं। असाइनमेंट भी अक्सर वैसे ही होते हैं। छात्र सामग्री खोजता है, सारांश बनाता है, रिपोर्ट लिखता है और प्रस्तुति बनाता है।

समस्या यह है कि ये ज्यादातर काम सामग्री खोजने, लिखने और table या presentation बनाने तक सीमित रहते हैं। जो काम computer पर अकेले पूरे हो सकते हैं, उन्हें AI सबसे तेजी से बदलता है।

हाई स्कूल को सबसे ज्यादा बदलना होगा

विश्वविद्यालयों को भी बदलना होगा, लेकिन बड़ी समस्या हाई स्कूल में है।

हाई स्कूल अभी भी छात्रों को जल्दी सही जवाब खोजने की ट्रेनिंग देने में बहुत समय लगाते हैं। छात्र अवधारणाएं याद करते हैं, प्रश्न हल करते हैं, और जिन प्रकारों में गलती हुई उन्हें फिर याद करते हैं। अच्छे अंक इस पर निर्भर करते हैं कि कौन सही जवाब ज्यादा जल्दी और सही लिखता है। छात्र दिए गए प्रश्न हल करने वाले व्यक्ति के रूप में प्रशिक्षित होता है। और साफ कहें तो, छात्र पहले से तय जवाब निकालने वाला व्यक्ति बनता है।

बुनियादी क्षमता जरूरी है। छात्र को गणना करनी चाहिए, पढ़ना चाहिए, और न्यूनतम ज्ञान अपने दिमाग में रखना चाहिए। समस्या अनुपात की है। स्कूल बहुत ज्यादा समय सही उत्तर लिखने में लगाते हैं। छात्र बहुत कम समय खुद समस्या तय करने, बाहर जाकर जांचने, असफल होने और फिर सुधारने में लगाता है।

AI के दौर में स्कूलों को समय अलग ढंग से खर्च करना होगा। सही उत्तर खोजना AI अच्छी तरह करता है। छात्रों को स्कूल में ज्यादा सीखना चाहिए कि वास्तविकता में समस्या कैसे खोजी जाती है। छात्रों को AI के जवाब में छूटी हुई शर्तें पहचाननी चाहिए। छात्रों को सिर्फ दिया गया प्रश्न हल करके नहीं रुकना चाहिए; उन्हें यह जांचना चाहिए कि असली व्यक्ति को कौन सी परेशानी है।

बदलाव हाई स्कूल से शुरू होना चाहिए। अगर छात्र बारह साल तक सिर्फ सही जवाब लिखने का आदी हो जाता है, तो विश्वविद्यालय में अचानक वास्तविक समस्या संभालना कठिन होगा। स्कूल पहले छात्रों को तय जवाबों का आदी बना दे और बाद में कहे कि छात्रों में रचनात्मकता कम है, यह ठीक नहीं है।

AI वह काम कर रहा है जो नए कर्मचारी करते थे

नए कर्मचारियों की जरूरत आगे भी रहेगी। कंपनी में नए लोग आते रहेंगे। कोई अगला कामकाजी पेशेवर बनेगा, और कोई अगला टीम लीडर। समस्या यह नहीं है कि नए लोगों की जरूरत खत्म हो रही है। समस्या यह है कि कंपनी में नए लोगों को शुरुआत में जो काम मिलता था, उसे AI करने लगा है।

पहले कंपनी नए कर्मचारियों को अपेक्षाकृत आसान काम देती थी। वे सामग्री खोजते थे, ग्राहकों पर शोध करते थे, बैठक के नोट्स व्यवस्थित करते थे और रिपोर्ट का पहला ड्राफ्ट लिखते थे। डेवलपमेंट में नए लोग सरल कोड बदलाव या टेस्ट करते थे। कंपनी के लिए ये बड़े परिणाम नहीं थे। लेकिन नए कर्मचारी के लिए ये महत्वपूर्ण सीखने की प्रक्रिया थी।

नए कर्मचारी आसान काम करते हुए कंपनी का काम सीखते थे। उन्हें पता चलता था कि कौन सा स्रोत उपयोगी है, रिपोर्ट कितनी पूरी होनी चाहिए, संख्या कहां गलत हो सकती है, और वरिष्ठ कोई खास सवाल क्यों पूछता है। कंपनी आसान काम के जरिए नए लोगों को काम करना सिखाती थी।

अब AI आसान काम तेजी से करता है। AI सामग्री खोजता है, सामग्री का सारांश बनाता है, ड्राफ्ट लिखता है, तालिका व्यवस्थित करता है और सरल कोड बनाता है। AI का उपयोग करने वाला अनुभवी कर्मचारी वह काम कम समय में कर सकता है जो पहले कई नए कर्मचारी करते थे। कंपनी के लिए सिर्फ प्रशिक्षण के लिए नए कर्मचारी को आसान काम देने की वजह घटती है।

इसलिए नए कर्मचारी के लिए अपेक्षा बदलती है। कंपनी को “मुझे अभी नहीं आता, लेकिन मैं मेहनत से सीखूंगा” काफी नहीं लगता। कंपनी नए कर्मचारी से भी न्यूनतम व्यावहारिक समझ चाहती है। नए कर्मचारी को पता होना चाहिए कि काम कैसे बांटना है, AI से क्या करवाना है, AI के परिणाम पर कहां संदेह करना है, और वास्तविक परिस्थिति में क्या जांचना है।

यहीं स्कूल की जिम्मेदारी बढ़ती है। अगर कंपनी आसान काम देकर लंबे समय तक नए लोगों को प्रशिक्षित नहीं कर सकती, तो कंपनी में जाने से पहले की कुछ ट्रेनिंग स्कूल को करनी होगी। छात्र को स्नातक होने से पहले कम से कम एक बार किसी व्यावहारिक अवधारणा को शुरू से अंत तक लागू करना चाहिए। उसे AI से शोध कराना चाहिए, ड्राफ्ट बनाना चाहिए, उस ड्राफ्ट को वास्तविक उपयोगकर्ता को दिखाना चाहिए और जो हिस्सा मेल नहीं खाता उसे सुधारना चाहिए।

जब छात्र कक्षा के बाहर AI के जवाब में छूटी शर्तें खोजते हैं, तो अगली बार जवाब पढ़ते समय उन्हें बेहतर याद रहता है कि किस बात पर संदेह करना है।

छात्र को देखना होगा कि AI का जवाब असली परिस्थिति से मेल खाता है या नहीं

भविष्य के नए कर्मचारी को AI को संरचित तरीके से काम देना आना चाहिए। अगर वह बस “यह कर दो” कहकर पूरा काम AI को दे देता है, तो कंपनी ऐसे व्यक्ति को ज्यादा मूल्य नहीं देगी। उसे काम को बांटना होगा: क्या शोध करना है, किस आधार पर तुलना करनी है, ड्राफ्ट का उद्देश्य क्या है, गणना में कौन सी शर्तें जरूरी हैं, और जांच के मानदंड क्या होंगे। फिर उसे देखना होगा कि AI का परिणाम वास्तविक परिस्थिति से मेल खाता है या नहीं।

कंपनी के काम में कई शर्तें होती हैं जो स्क्रीन या दस्तावेज़ में नहीं लिखी होतीं। सामान देर से आता है, ग्राहक अपनी बात बदलता है, उपकरण योजना के अनुसार काम नहीं करता। लोग ऐसे कारणों से विरोध करते हैं जो दस्तावेज में नहीं लिखे होते। AI का उत्तर साफ दिख सकता है, लेकिन वास्तविक परिस्थिति में शर्तें छूटी हो सकती हैं या लागत गलत हो सकती है।

इसलिए छात्र को लोगों से मिलना होगा। छात्र को वस्तुओं को खुद देखना होगा। छात्र को उपकरण चलाना होगा। छात्र को उपयोगकर्ता से पूछना होगा कि उसे असल में क्या असुविधा है। छात्र को AI की योजना वास्तविक परिस्थिति में लागू करनी होगी और जो हिस्सा फिट नहीं बैठता उसे फिर सुधारना होगा।

व्यावहारिक समझ सिर्फ व्याख्यान सुनने से नहीं आती। अधिक प्रश्न हल करने से भी नहीं आती। व्यावहारिक समझ तब बनती है जब छात्र असली लोगों और असली शर्तों से जूझता है।

स्कूल को व्यावहारिक अवधारणाएं लागू करानी होंगी

स्कूल बदलना कोई बड़ा नारा नहीं है। इसका मतलब है कि कक्षा में छात्रों से व्यावहारिक अवधारणाओं को वास्तविक समस्याओं पर लागू कराया जाए।

छात्र खुद समस्या तय करे। छात्र AI से पहला ड्राफ्ट बनवाए। छात्र उस ड्राफ्ट को वास्तविक उपयोगकर्ता को दिखाए और पूछे कि क्या छूटा है। छात्र यह भी पूछे कि क्या उसे सचमुच यह परेशानी है। छात्र देखे कि परिणाम सच में उपयोगी है या नहीं, और अगर उपयोगी नहीं है तो फिर कारण खोजे।

हाई स्कूल के छात्र भी यह कर सकते हैं। वे स्कूल के भीतर बर्बादी कम करने का उपकरण बना सकते हैं। वे पास की दुकान की असुविधाजनक प्रक्रिया की जांच कर सकते हैं। वे ऐसा छोटा ऐप या दस्तावेज बना सकते हैं जिसे दोस्त सचमुच उपयोग करें। पैमाना महत्वपूर्ण नहीं है। महत्वपूर्ण यह है कि क्या असली उपयोगकर्ता है, असली प्रतिक्रिया है, और सुधारने लायक काम है।

विश्वविद्यालयों को और अधिक बदलना होगा। इंजीनियरिंग कक्षाओं को उपकरण, डेटा और वास्तविक शर्तों से निपटना चाहिए। बिजनेस कक्षाओं को ग्राहक, कीमत और बिक्री से निपटना चाहिए। मानविकी में भी लेख जमा करके रुकना नहीं चाहिए; ऐसे परिणाम तक जाना चाहिए जिसे असली लोग पढ़ें और प्रतिक्रिया दें।

उद्यमिता शिक्षा भी यहां महत्वपूर्ण होती है। इसका मतलब यह नहीं कि हर छात्र को संस्थापक बनना चाहिए। छात्र को किसी के लिए उपयोगी परिणाम बनाना चाहिए, चाहे वह छोटी सेवा हो, ऑटोमेशन टूल हो, उत्पाद हो या रिपोर्ट। छात्र को परिणाम दिखाना चाहिए, अस्वीकृति सुननी चाहिए और फिर सुधारना चाहिए। यह प्रक्रिया व्यावहारिक समझ बनाती है।

स्कूल को छात्र के पास परिणाम छोड़ना चाहिए

अच्छे स्कूल का मानक बदलेगा। जो स्कूल केवल बहुत ज्ञान समझाता है, उसके लिए अच्छा स्कूल बने रहना कठिन होगा। ज्ञान समझाने में AI बहुत अच्छा है।

अच्छा स्कूल वह है जो छात्र से AI का उपयोग कराते हुए व्यावहारिक अवधारणाएं वास्तविक समस्याओं पर लागू कराता है। अच्छा स्कूल छात्र से यह जांच कराता है कि कक्षा में सीखी बात वास्तविक परिस्थिति में क्यों नहीं मिलती। अच्छा स्कूल असफलता को अंक पर खत्म नहीं करता; वह छात्र से असफल परिणाम को फिर सुधारवाता है।

AI युग में नए कर्मचारियों की जरूरत रहेगी। लेकिन जो नया कर्मचारी केवल AI के जवाब और documents संभाल सकता है, उसका मूल्य कम होगा। कंपनियां ऐसे लोगों को खोजेंगी जो AI का पूरा उपयोग करते हुए व्यावहारिक अवधारणाओं को वास्तविक परिस्थितियों में लागू कर सकें।

हाई स्कूल और विश्वविद्यालय दोनों को एक ही सवाल का सामना करना होगा। छात्र के पास स्नातक होने पर सिर्फ परीक्षा के अंक बचते हैं? या कम से कम एक परिणाम है जिसे उसने असली व्यक्ति को दिखाया, अस्वीकार कराया और सुधारा?

स्कूल को यही फर्क बनाना होगा। छात्र को मेज पर AI का उपयोग करना चाहिए, और फिर उठकर असली लोगों से मिलना चाहिए। छात्र को व्यावहारिक अवधारणाओं को दिमाग में समझने पर नहीं रुकना चाहिए। उसे जांचना चाहिए कि वे अवधारणाएं वास्तविकता में काम करती हैं या नहीं।