AI-प्रेरित ग्रेड मुद्रास्फीति (Grade Inflation): अधिक अंक कम सीखने का संकेत क्यों हो सकते हैं
शिक्षा जगत में जनरेटिव AI का तेजी से होता एकीकरण छात्रों के ग्रेड में महत्वपूर्ण उछाल ला रहा है, लेकिन नए शोध से पता चलता है कि यह रुझान बढ़ी हुई संज्ञानात्मक क्षमताओं के बजाय 'आउटसोर्स किए गए श्रम' (outsourced labor) को दर्शाता है। जैसे-जैसे A-ग्रेड का वितरण ऊपर की ओर बढ़ रहा है, शिक्षक और उद्योग जगत के नेता एक आसन्न "कौशल क्षय" (skill atrophy) की चेतावनी दे रहे हैं, जो शैक्षणिक प्रमाणों को वास्तविक क्षमता से अलग कर सकता है।
ग्रेड में उछाल के पीछे का डेटा
शोधकर्ता इगोर चिरिकोव (Igor Chirikov) द्वारा किए गए एक व्यापक अध्ययन में, जिसने 2018 से 2025 तक 84 विभागों के 319 पाठ्यक्रमों का विश्लेषण किया है, शैक्षणिक प्रदर्शन में एक चौंकाने वाला रुझान सामने आया है। नवंबर 2022 में ChatGPT की रिलीज़ के बाद से, A-ग्रेड की हिस्सेदारी में 13 प्रतिशत अंकों की वृद्धि हुई है—जो 2022 के आधार स्तर से लगभग 30% अधिक है। इस बदलाव के कारण औसत GPA में 0.12 अंकों की वृद्धि हुई है और समग्र ग्रेड वितरण काफी संकुचित हो गया है।
अध्ययन इस बात पर प्रकाश डालता है कि यह मुद्रास्फीति सभी विषयों में एक समान नहीं है। इसके बजाय, यह "AI एक्सपोज़र" वाले पाठ्यक्रमों में सबसे अधिक स्पष्ट है—विशेष रूप से वे जिनमें लेखन और कोडिंग असाइनमेंट का भारी मिश्रण है। दिलचस्प बात यह है कि डेटा दिखाता है कि A-माइनस और B-प्लस ग्रेड को अक्सर सीधे A में "बढ़ा" दिया जा रहा है, जो मूल्यांकन में एक व्यवस्थित ऊपर की ओर झुकाव का सुझाव देता है।
होमवर्क बनाम प्रॉक्टर्ड परीक्षाएँ: असली वजह (The Smoking Gun)
शोध का सबसे महत्वपूर्ण निष्कर्ष इस बात में निहित है कि ग्रेड में यह वृद्धि कहाँ हो रही है। यदि AI वास्तव में सीखने की क्षमता को बढ़ा रहा होता, तो ग्रेड में सुधार सभी प्रकार के मूल्यांकन में दिखाई देता। हालाँकि, डेटा ग्रेड मुद्रास्फीति और बिना निगरानी वाले असाइनमेंट के बीच एक स्पष्ट संबंध दिखाता है।
उन पाठ्यक्रमों में जहाँ होमवर्क का भार अंतिम ग्रेड के औसत भार से अधिक है, समान AI एक्सपोज़र वाले कम होमवर्क वाले पाठ्यक्रमों की तुलना में A-ग्रेड में अतिरिक्त 16 प्रतिशत अंकों की वृद्धि हुई। इसके विपरीत, प्रॉक्टर्ड परीक्षाओं या मौखिक प्रस्तुतियों पर निर्भर पाठ्यक्रमों में—जहाँ AI की उपयोगिता काफी कम है—ग्रेड स्थिर रहे। यह सुझाव देता है कि ग्रेड में यह उछाल वास्तविक शैक्षणिक लाभ का प्रतिबिंब होने के बजाय, छात्रों द्वारा बिना निगरानी वाले कार्यों को पूरा करने के लिए AI का उपयोग करने का सीधा परिणाम है।
शैक्षणिक संकेत (Academic Signaling) और आलोचनात्मक सोच का क्षरण
दशकों से, हार्वर्ड जैसे संस्थानों में ग्रेड मुद्रास्फीति एक चिंता का विषय रही है, जहाँ 2005 में A-ग्रेड 24% थे जो 2025 तक बढ़कर 60% से अधिक हो गए। हालाँकि, चिरिकोव का तर्क है कि AI एक मौलिक रूप से अलग समस्या पैदा करता है। जहाँ मुद्रास्फीति के पिछले कारक ग्रेडिंग चरण के दौरान होते थे, वहीं AI उत्पादन (production) चरण को बदल देता है, जिससे काम के निर्माण का तरीका ही बदल जाता है, इससे पहले कि कोई प्रशिक्षक उसे देख सके।
यह व्यापक तकनीकी और पेशेवर परिदृश्य के लिए दो प्रमुख जोखिम पैदा करता है:
- मूल्यहीन प्रमाण पत्र (Devalued Credentials): यदि कोडिंग और लेखन-प्रधान पाठ्यक्रमों में ग्रेड मानवीय कौशल के बजाय AI आउटपुट को दर्शाते हैं, तो नियोक्ताओं और स्नातक कार्यक्रमों को सटीक चयन निर्णय लेने में संघर्ष करना होगा।
- कौशल क्षय (Skill Atrophy): OpenAI के CEO सैम ऑल्टमैन ने चेतावनी दी है कि प्रणालीगत शैक्षिक परिवर्तनों के बिना, आलोचनात्मक सोच कौशल के "महत्वपूर्ण क्षय" का खतरा है। यदि छात्र उन्हीं कार्यों को आउटसोर्स कर देते हैं जो मस्तिष्क को प्रशिक्षित करते हैं—जैसे लेखन और प्रोग्रामिंग—तो वे उन उपकरणों में महारत हासिल करने के लिए आवश्यक मौलिक तर्क की कमी के साथ स्नातक हो सकते हैं जिनका वे उपयोग करते हैं।
मुख्य निष्कर्ष
- बिना निगरानी वाले कार्य के साथ संबंध: ग्रेड मुद्रास्फीति उन पाठ्यक्रमों में सबसे अधिक आक्रामक है जहाँ होमवर्क का भार अधिक होता है, जो यह सुझाव देता है कि AI का उपयोग सीखने को बढ़ाने के बजाय उसे दरकिनार करने के लिए किया जा रहा है।
- विशिष्ट कमजोरियाँ: लेखन और कोडिंग-प्रधान पाठ्यक्रम इन क्षेत्रों में LLMs की उच्च दक्षता के कारण "आउटसोर्स" ग्रेड मुद्रास्फीति के उच्चतम जोखिम पर हैं।
- सिग्नलिंग संकट: यह बदलाव शैक्षणिक ग्रेड को वास्तविक कौशल स्तरों से अलग करने का खतरा पैदा करता है, जिससे संभावित रूप से एक ऐसा कार्यबल तैयार हो सकता है जिसमें जटिल समस्या-समाधान के लिए आवश्यक बुनियादी आलोचनात्मक सोच की कमी हो।