AI की छिपी हुई लागत: सीखने में होने वाला नुकसान सामने आने में दो साल क्यों लगते हैं

जहाँ AI टूल्स अभूतपूर्व दक्षता का वादा करते हैं, वहीं एक बड़े नए अध्ययन ने एक परेशान करने वाला विरोधाभास उजागर किया है: छात्र जितना अधिक अपने काम को AI को "आउटसोर्स" करते हैं, समय के साथ उनका मौलिक ज्ञान उतना ही कम होता जाता है। यह शोध एक महत्वपूर्ण "लर्निंग लैग" (सीखने में देरी) को रेखांकित करता है, जो AI पर निर्भरता से होने वाले दीर्घकालिक नुकसान का अल्पकाल में पता लगाना कठिन बना देता है।

दक्षता का जाल: बेहतर होमवर्क, खराब परीक्षाएँ

26,000 छात्रों पर नज़र रखने वाले एक अध्ययन में पाया गया कि DeepSeek V2.5 और DeepSeek R1 जैसे मॉडल्स के आने के बाद AI का उपयोग लगभग शून्य से बढ़कर लगभग 80% हो गया। उत्पादकता पर इसका तत्काल प्रभाव निर्विवाद था। AI अपनाने के छह महीनों के भीतर, छात्रों के होमवर्क स्कोर में 18% की वृद्धि देखी गई, जबकि प्रति असाइनमेंट खर्च किया जाने वाला औसत समय 64 मिनट से घटकर केवल 45 मिनट रह गया।

हालाँकि, इस दक्षता की एक भारी संज्ञानात्मक (cognitive) कीमत चुकानी पड़ी। जहाँ होमवर्क के ग्रेड बढ़े, वहीं मासिक क्लोज्ड-बुक परीक्षाओं के स्कोर में 20% की गिरावट आई। डेटा बताता है कि 81% दीर्घकालिक उपयोगकर्ताओं के लिए, उच्च ग्रेड और काम पूरा करने का तेज़ समय महारत के संकेत नहीं थे, बल्कि "आउटसोर्सिंग" के संकेतक थे—यानी वास्तविक सीखने के लिए आवश्यक मानसिक प्रयास से बचने के लिए AI का उपयोग करना।

संज्ञानात्मक गिरावट में दो साल का अंतराल

शायद सबसे महत्वपूर्ण निष्कर्ष इन सीखने के नुकसानों की विलंबित प्रकृति है। जहाँ नियमित परीक्षा प्रदर्शन छह महीने के भीतर गिर गया, वहीं उच्च-दांव वाली प्रवेश परीक्षाओं—जैसे कि Zhongkao और Gaokao—पर इसका प्रभाव पूरी तरह से दिखने में लगभग दो साल लग गए। शोधकर्ताओं ने इस दो साल की अवधि के बाद ही प्रवेश परीक्षा के स्कोर में 18% से 24% तक की गिरावट देखी।

यह "छिपी हुई लागत" बताती है कि शिक्षाविद् और नीति निर्माता प्रतिक्रिया देने में धीमे क्यों रहे हैं। क्योंकि छात्रों के औसत पर समग्र प्रभाव धीरे-धीरे बढ़ता है, इसलिए शैक्षिक संकट का पूरा पैमाना तब तक अदृश्य रहता है जब तक कि नुकसान गहराई से जड़ें न जमा ले।

प्रभाव का विश्लेषण: विषय और जनसांख्यिकी

ज्ञान का क्षरण सभी विषयों में एक समान नहीं था। इस सामान्य धारणा के विपरीत कि AI मुख्य रूप से गणित या कोडिंग को प्रभावित करता है, अध्ययन में पाया गया कि सामाजिक विज्ञान के विषयों में सबसे महत्वपूर्ण गिरावट आई:

  • सामाजिक विज्ञान (राजनीति, भूगोल): 27% की गिरावट
  • STEM विषय: 22% की गिरावट
  • अंग्रेजी: 17% की गिरावट
  • चीनी: 9% की गिरावट

जनसांख्यिकीय डेटा ने विशिष्ट कमजोरियों को भी उजागर किया। लोअर सेकेंडरी स्कूलों के युवा छात्रों में पुराने छात्रों (17%) की तुलना में अधिक नुकसान (24%) देखा गया, और लड़कों पर लड़कियों (21.6% बनाम 18.4%) की तुलना में अधिक प्रभाव पड़ा, जिसका मुख्य कारण उच्च उपयोग दर थी। सबसे आश्चर्यजनक बात यह है कि शीर्ष प्रदर्शन करने वाले छात्रों को सबसे अधिक नुकसान हुआ, जिसमें शीर्ष एक-तिहाई छात्रों के परीक्षा प्रदर्शन में 24% की गिरावट देखी गई।

AI-प्रतिरोधी (AI-Resilient) सीखने की ओर बढ़ना

अध्ययन का निष्कर्ष है कि AI स्वाभाविक रूप से हानिकारक नहीं है; बल्कि, नुकसान तब होता है जब यह स्वतंत्र सोच की जगह ले लेता है। जिन छात्रों ने AI का उपयोग ट्यूटर के रूप में किया—और होमवर्क पूरा करने में गैर-उपयोगकर्ताओं के समान ही समय लिया—उन्होंने वास्तव में परीक्षाओं में बेहतर प्रदर्शन किया।

"आउटसोर्सिंग" की महामारी से निपटने के लिए, विशेषज्ञ शिक्षाशास्त्र (pedagogy) में एक मौलिक बदलाव का सुझाव देते हैं। AI-जनित होमवर्क की निगरानी करने के बजाय, शिक्षाविदों को ग्रेडिंग का भार व्यक्तिगत, क्लोज्ड-बुक मूल्यांकन पर स्थानांतरित कर देना चाहिए। जैसा कि डेटा साबित करता है, जब होमवर्क ग्रेड का "सिग्नल" AI द्वारा दूषित हो जाता है, तो वास्तविक बुद्धिमत्ता का एकमात्र विश्वसनीय पैमाना डिजिटल सहायता के बिना प्रदर्शन करने की क्षमता ही रह जाता है।

मुख्य बातें

  • आउटसोर्सिंग का संकेत: होमवर्क में उच्च ग्रेड के साथ-साथ काम पूरा करने का तेज़ समय और कम परीक्षा स्कोर, वास्तविक सीखने के बजाय AI-निर्भरता के प्राथमिक संकेतक हैं।
  • विलंबित प्रकटीकरण: उच्च-दांव वाले शैक्षणिक प्रदर्शन पर AI का वास्तविक प्रभाव पूरी तरह से सामने आने में दो साल तक का समय लग सकता है, जो दीर्घकालिक शैक्षिक लागत को छिपा देता है।
  • विषय की संवेदनशीलता: हालाँकि AI चर्चा का केंद्र अक्सर STEM होता है, लेकिन सामाजिक विज्ञान के विषयों में 27% की सबसे नाटकीय सीखने की हानि देखी गई।