NYC और LA छात्र AI को प्रतिबंधित कर रहे हैं। हमने इसका उपयोग यह उजागर करने के लिए किया कि स्कूल ने क्या छोड़ा—और छह सप्ताह में दो साल के अंतराल को भरा। एक श्रृंखला का भाग 1।
मेरे पति और मेरे बीच, हमारे तीन माता-पिता सरकारी स्कूलों में शिक्षक थे। चौथे ने भी, कुछ समय के लिए, सरकारी स्कूल प्रणाली में काम किया था। हमें स्वयं प्रणाली के प्रति अत्यधिक सम्मान था।
मैं भूतकाल का उपयोग एक कारण से कर रही हूँ।
बारह वर्षों तक हमने मान लिया था: हमने मान लिया कि एक अच्छे स्कूल जिले में होने से, हम सार्वजनिक शिक्षा के पतन से सुरक्षित रहेंगे।
मेरा बेटा ("बॉबी") प्राथमिक विद्यालय में एक उत्कृष्ट छात्र था, लेकिन उसे मिडल स्कूल में समायोजित होने में परेशानी हुई। हमने स्थानीय निजी स्कूल का दौरा करना शुरू किया, और यह देखकर हैरान रह गए कि वे सरकारी स्कूली शिक्षा से कितना आगे थे। निजी स्कूल तीसरी कक्षा तक घसीट लिपि में निबंध लिखना अनिवार्य कर रहा था, छठी कक्षा में बीजगणित पढ़ा रहा था, और वास्तव में छात्रों को कम उम्र से ही जवाबदेह ठहराता था।
हमें एहसास हुआ कि हम माता-पिता के रूप में अपने बच्चों के साथ असफल हो रहे थे, और हमारे हाथों में एक आपात स्थिति थी। हमने बॉबी को लगभग छह सप्ताह के लिए मेरे माता-पिता द्वारा होमस्कूल करने के लिए भेजा, उसके शेष कार्यकाल को घसीट लिपि और वाक्य आरेखण सीखते हुए पूरा किया। फिर हमने उसे निजी स्कूल में पूर्णकालिक समर स्कूल भेजा, और उम्मीद की कि यह पर्याप्त होगा।
वर्ष शुरू होने से एक महीने पहले, उसने एक प्रवेश परीक्षा दी। वह सातवीं कक्षा में प्रवेश करने वाला था।
बॉबी प्रवेश परीक्षा में असफल रहा।
वह छठी कक्षा के प्लेसमेंट में भी असफल रहा, जिससे वह प्रभावी रूप से दो साल पीछे हो गया।
यह पूरे परिवार के लिए एक झटका था। बॉबी ने इस पर बहुत रोया - अपनी सारी मेहनत और पूरी गर्मी का बलिदान देने के बाद, वह पास नहीं हुआ।
लेकिन कहानी का सुखद अंत है। छह सप्ताह के बाद, बॉबी प्लेसमेंट रीटेस्ट पास करने में सक्षम हुआ।
यह कहानी है कि कैसे हमने Saxon गणित और व्याकरण में दो साल की कमियों को ठीक करने के लिए AI का उपयोग किया।
हमने एक समय सीमा को एक इंजीनियरिंग समस्या में बदल दिया
जिन विषयों में बॉबी असफल हुआ, वे गणित और व्याकरण थे। निजी स्कूल में Saxon गणित पाठ्यक्रम था। हमारे पास फिर से प्रयास करने के लिए छह सप्ताह थे। हम एक पाठ्यक्रम का उपयोग नहीं कर सकते थे और पहले पेज से शुरू नहीं कर सकते थे। हमें लापता पूर्वापेक्षाओं और कमजोरियों को खोजने और पहचानने, उन्हें ठीक करने और उसे छह सप्ताह में परीक्षा पास करवाने की आवश्यकता थी।
मैंने Saxon गणित की पाठ्यपुस्तकें डाउनलोड कीं। मैंने AI को छठी कक्षा तक के Saxon गणित को कवर करने वाला एक व्यापक नैदानिक परीक्षण डिजाइन करने को कहा।
बॉबी ने अपने प्रारंभिक मूल्यांकन में 60 में से 35 अंक प्राप्त किए। लंबी भागाकार और दशमलव गुणा के साथ संरचनात्मक कमजोरियों की पहचान की गई। परीक्षण से यह भी पता चला कि उसे कभी प्रतिशत, संक्रियाओं का क्रम, ज्यामिति या सांख्यिकी नहीं सिखाई गई थी। कुछ सुधार योग्य आदतों की पहचान की गई: अनुपातों और अंतिम उत्तरों को सरल करने में विफलता।
बॉबी के नैदानिक परिणाम।
व्याकरण के लिए एक अलग मरम्मत योजना की आवश्यकता थी। वहाँ, अंतर बहुत अधिक गंभीर था: वह संज्ञा और क्रिया के बीच का अंतर नहीं जानता था। (यह कैसे और क्यों यूटा के सरकारी स्कूलों में हुआ, यह भाग 2 का विषय है)। उसने वाक्य आरेखण सीख लिया था, इसलिए उसे अंग्रेजी संरचना की सहज समझ थी, लेकिन उसे उनके लिए उचित लेबल सीखने की आवश्यकता थी।
बॉबी ने कभी चैटबॉट से बातचीत नहीं की
बॉबी ने ये छह सप्ताह कंप्यूटर स्क्रीन के सामने नहीं बिताए। उसने जो भी काम किया, वह AI द्वारा उत्पन्न पेन और पेपर वर्कशीट पर था।
चक्र:
- बॉबी को बिना संकेत या समीक्षा के एक नैदानिक परीक्षण दें।
- प्रत्येक गलती के पीछे का कारण पहचानें।
- AI से उस समस्या पर लक्षित एक छोटा पेपर पाठ या परीक्षण तैयार करवाएं।
- परिवार में किसी वयस्क को इसे प्रशासित और स्कोर करने दें, और परिणाम AI के साथ साझा करें।
- AI तय करता है कि प्रत्येक गलती एक लापता अवधारणा, एक अस्थिर प्रक्रिया, या एक साधारण चूक से आई है या नहीं।
- उसके अनुसार अगली वर्कशीट बदलें।
- बाद में बिना संकेत और बाद की सामग्री के साथ मिलाकर कौशल का परीक्षण करें।
AI पाठ्यक्रम ने कैसे काम किया।
अलग-अलग त्रुटियों के लिए अलग-अलग काम की आवश्यकता थी। यदि बॉबी नहीं जानता था कि प्रतिशत क्या है, तो उसे निर्देश की आवश्यकता थी। यदि बॉबी प्रतिशत समझता था लेकिन कर जोड़ने के बजाय घटा देता था, तो उसे दिशा जांच की आवश्यकता थी। यदि उसने अवधारणा के बजाय अंकगणित में ही गलतियाँ कीं, तो अवधारणा को दोहराना केवल समय बर्बाद करना होगा।
AI द्वारा अनुकूलित इस दृष्टिकोण ने ठीक वहीं लक्ष्य किया जहाँ बॉबी को Saxon गणित में महारत हासिल करने की आवश्यकता थी।
उदाहरण के लिए, बॉबी शुरू में प्रतिशत के बारे में बिल्कुल नहीं जानता था। मूल अवधारणा सीखने के बाद, वह जल्दी से भिन्नों, दशमलवों और प्रतिशतों के बीच रूपांतरण में पारंगत हो गया। फिर उसकी त्रुटियाँ गलत गणना करने के बारे में नहीं रह गईं, बल्कि उन्हें सही ढंग से लागू करने के बारे में अधिक हो गईं। इसलिए AI ने उसकी वर्कशीट को शब्द समस्याओं और वास्तविक जीवन के परिदृश्यों पर जोर देने के लिए विकसित करने का निर्णय लिया।
इन छह सप्ताहों के बीच में, उसने एक चेकपॉइंट पर 26 में से 22 अंक प्राप्त किए, जिससे साबित हुआ कि महारत का दावा करने से पहले उसे अभी भी अतिरिक्त अभ्यास की आवश्यकता थी।
वर्कशीट का नमूना।
AI उन आदतों की पहचान करने में सक्षम था जो एक माता-पिता शायद न कर पाएं। बॉबी ने संक्रियाओं के क्रम में 29 में से 24 अंक प्राप्त किए, लेकिन हर गलती एक ही आदत से आई। जब गुणा या भाग एक पंक्ति में जोड़ या घटाव के साथ साझा करते थे, तो वह सख्त बाएँ-से-दाएँ गणना पर लौट जाता था। एक कस्टम वर्कशीट ने बस उसे सही क्रम पर गोला बनाने के लिए कहा। आदत को ठीक करने के लिए उसे थकाऊ समीकरण करने की आवश्यकता नहीं थी।
वैयक्तिकरण ने काम को और मजेदार बना दिया
छह सप्ताह में दो साल के Saxon गणित में महारत हासिल करना एक बच्चे के लिए बहुत काम है। बॉबी को मशीनें, विज्ञान कथा, रबर डक और बोर्ड गेम पसंद हैं, इसलिए वर्कशीट को उसकी रुचियों के अनुसार अनुकूलित किया गया था।
गणित ट्रैक टर्मिनेटर के इर्द-गिर्द केंद्रित था। प्रत्येक प्रमुख अवधारणा में महारत हासिल करने पर उसे अगले टर्मिनेटर मॉडल के रूप में पदोन्नत किया जाएगा।
वर्कशीट को गेमीफाई करना।
अनुकूलन ने उसकी सोच शैली के साथ भी काम किया। उदाहरण के लिए, अवधारणाओं को एक असेंबली लाइन के रूप में संरचित करने से उसे उनमें तेजी से महारत हासिल करने में मदद मिली। बॉबी को केवल तभी "आगे बढ़ने" की अनुमति थी जब वह बिना सहायता के अवधारणा जांच पास कर लेता था।
AI ने उत्पादन अर्थशास्त्र बदल दिया
एक परिवार को पता हो सकता है कि एक बच्चे को प्रतिशत के साथ अधिक अभ्यास की आवश्यकता है। लेकिन सही अभ्यास का उत्पादन करना जो कम से कम समय में महारत को सक्षम बनाता है, पूरी तरह से अलग बात है।
केवल एक प्रणाली जो पहले से ही बॉबी को अंदर और बाहर से जानती थी, जानती है कि एक वर्कशीट को प्रतिशत को "प्रति सौ" के रूप में समझाना चाहिए और बॉबी के भिन्नों के मौजूदा ज्ञान का लाभ उठाकर उसकी महारत को गति देनी चाहिए। और जब सिस्टम पता लगाता है कि बॉबी छूट को बिक्री मूल्य के साथ भ्रमित कर रहा है, तो सिस्टम को अनुकूलित होना चाहिए और उस त्रुटि को रातोंरात जल्दी से ठीक करना चाहिए।
AI ने उस संशोधन को रातोंरात करने के लिए पर्याप्त सस्ता बना दिया। कुल मिलाकर, हमने 6 सप्ताह में 60 वर्कशीट तैयार कीं, जो कुल 398 पृष्ठ थीं।
जब भी सबूत बदलते थे, हम एक टाइपसेट पाठ, एक नई उत्तर कुंजी और एक ताजा मूल्यांकन तैयार कर सकते थे। इस स्वचालन के बिना, हम लगभग निश्चित रूप से इतनी कम समय सीमा में महारत के किसी स्पष्ट मार्ग के बिना मानक Saxon अभ्यास देने में फंस जाते।
हमने क्या सीखा
AI कार्रवाई करने के लिए पर्याप्त संकीर्ण रूप से निदान करने में सक्षम है।
"पीछे" जैसा एक व्यापक लेबल सुधारना मुश्किल है। AI में सटीक कमजोरियों पर गहराई से जाने और समग्र महारत के लिए सबसे तेज़ मार्ग स्थापित करने के लिए ताकत (जैसे, भिन्नों में महारत) का लाभ उठाने की क्षमता है।
AI सबसे छोटा उपयोगी पाठ उत्पन्न करने में सक्षम है।
पूरे एक वर्ष में अवधारणाओं को सीखते समय Saxon गणित के बार-बार अभ्यास उपयोगी हो सकते हैं। वे छह सप्ताह में प्रवेश परीक्षा पास करने का प्रयास करते समय लगभग उतने उपयोगी नहीं होते हैं। AI महारत प्राप्त करने के लिए न्यूनतम संज्ञानात्मक भार का निदान करने में सक्षम था। जब एक बुरी आदत की पहचान की गई, तो बॉबी को उसे ठीक करने के लिए बार-बार थकाऊ गणनाओं से गुजरने की आवश्यकता नहीं थी। वह इसके बजाय रिक्त स्थान भरता या वृत्त बनाता था।
AI समीकरण से मनुष्यों को नहीं हटाता है।
परिवार में एक वयस्क यह बता सकता था कि क्या बॉबी प्रश्नों के माध्यम से जल्दबाजी कर रहा था, निर्देश पढ़ने से इनकार कर रहा था, और कुछ संकेत देकर सुधार करने में सक्षम था। ये अंतर अक्सर वास्तविक स्कोर की तुलना में AI के लिए पाठों के अगले सेट उत्पन्न करने में अधिक उपयोगी होते थे।
AI का उपयोग प्रगति को पुरस्कृत करने और मज़ा बनाने के लिए किया जा सकता है।
अति-स्थानीयकृत स्कोरिंग गाइड बॉबी को पुरस्कृत (या दंडित) करने में सक्षम थे जब उसने इकाइयाँ छोड़ दीं, या जब वह निर्देश पढ़ने से चूक गया। बॉबी की रुचियों के अनुसार वर्कशीट को गेमीफाई करने से बॉबी उनके साथ मज़ा करने में सक्षम हुआ, बजाय इसके कि वे उन्हें थकाऊ लगें।
मनुष्य अभी भी दुर्लभ संसाधन थे।
AI ने पाठ्यक्रम उत्पादन की लागत कम कर दी। AI ने वर्कशीट प्रिंट नहीं की, या बॉबी के साथ नहीं बैठा, या कार्यक्रम लागू नहीं किया, या काम को स्कोर नहीं किया, या एक थके हुए बच्चे को फिर से प्रयास करने के लिए राजी नहीं किया। यह एक उच्च तीव्रता वाला पारिवारिक हस्तक्षेप था।
अंतिम निष्कर्ष
परिणाम एक छोटी पाठ्यक्रम इंजीनियरिंग टीम जैसा दिखता था जो एक छात्र के आसपास संगठित थी। AI ने बार-बार एक छात्र के आसपास पाठ, मूल्यांकन, प्रोत्साहन और संचयी समीक्षा को फिर से लिखा।
बॉबी ने अभी भी कागज पर काम किया और कभी स्क्रीन से परामर्श नहीं किया। वयस्कों ने अभी भी निर्णय बनाए रखा। छह सप्ताह का पास पारिवारिक परिणाम था।
लेकिन अभी भी एक शेष प्रश्न है: एक अच्छे सरकारी स्कूल जिले में एक उच्च प्रदर्शन करने वाले के पास गणित और व्याकरण में इतने अंतराल कैसे हो सकते हैं?
भाग 2 पता लगाता है कि सरकारी स्कूल प्रणालियाँ इस स्थिति में क्यों और कैसे पहुँचीं।
