AI ची सुप्त किंमत: शिक्षणातील हानी समोर येण्यास दोन वर्षे का लागतात?
जरी AI साधने अभूतपूर्व कार्यक्षमता देण्याचे आश्वासन देत असली, तरी एका मोठ्या नवीन अभ्यासातून एक चिंताजनक विरोधाभास समोर आला आहे: विद्यार्थी जितके जास्त त्यांचे काम AI कडे "आउटसोर्स" (सोपवणे) करतात, तितकेच काळानुसार त्यांचे मूलभूत ज्ञान क्षीण होत जाते. हे संशोधन एका महत्त्वपूर्ण "लर्निंग लॅग" (शिक्षणातील विलंब) कडे लक्ष वेधते, ज्यामुळे AI वरील अवलंबनामुळे होणारे दीर्घकालीन नुकसान अल्पकाळात ओळखणे कठीण होते.
कार्यक्षमतेचा सापळा: गृहपाठ चांगला, पण परीक्षा खराब
२६,००० विद्यार्थ्यांचा मागोवा घेणाऱ्या एका अभ्यासात असे दिसून आले की, DeepSeek V2.5 आणि DeepSeek R1 सारख्या मॉडेल्सच्या प्रकाशनानंतर AI चा वापर शून्यापासून थेट सुमारे ८०% पर्यंत वाढला. उत्पादकतेवर झालेला तात्काळ परिणाम नाकारता येण्यासारखा नव्हता. AI स्वीकारल्यानंतर सहा महिन्यांच्या आत, विद्यार्थ्यांच्या गृहपाठातील गुण १८% ने वाढले, तर प्रत्येक असाइनमेंटसाठी लागणारा सरासरी वेळ ६४ मिनिटांवरून केवळ ४५ मिनिटांवर खाली आला.
तथापि, या कार्यक्षमतेची मोठी संज्ञानात्मक (cognitive) किंमत चुकवावी लागली. गृहपाठाचे ग्रेड वाढले असले तरी, मासिक 'क्लोज्ड-बुक' (पुस्तके न वापरता दिल्या जाणाऱ्या) परीक्षांमधील गुण २०% ने घसरले. डेटा असे सूचित करतो की, ८१% दीर्घकालीन वापरकर्त्यांसाठी, उच्च ग्रेड आणि काम पूर्ण करण्याचा वेग हे प्रभुत्वाचे संकेत नसून "आउटसोर्सिंग"चे निर्देशक होते—म्हणजेच प्रत्यक्ष शिकण्यासाठी आवश्यक असलेला मानसिक प्रयत्न टाळण्यासाठी AI चा वापर करणे.
संज्ञानात्मक घसरणीतील दोन वर्षांचा विलंब
कदाचित सर्वात महत्त्वाचा निष्कर्ष म्हणजे या शिक्षणातील हानीचे विलंबित स्वरूप. नियमित परीक्षांच्या कामगिरीमध्ये सहा महिन्यांच्या आत घट झाली असली तरी, Zhongkao आणि Gaokao सारख्या महत्त्वाच्या प्रवेश परीक्षांवर होणारा परिणाम पूर्णपणे दिसून येण्यास साधारण दोन वर्षे लागली. संशोधकांनी असे निरीक्षण नोंदवले की, या दोन वर्षांच्या कालावधीनंतरच प्रवेश परीक्षांच्या गुणांमध्ये १८% ते २४% पर्यंत घट दिसून आली.
ही "सुप्त किंमत" स्पष्ट करते की शिक्षक आणि धोरणकर्ते प्रतिसाद देण्यास उशीर का करत आहेत. विद्यार्थ्यांच्या सरासरी गुणांवर होणारा एकत्रित परिणाम हळूहळू वाढत असल्याने, शैक्षणिक संकटाचे पूर्ण स्वरूप नुकसान खोलवर पोहोचल्याशिवाय दिसत नाही.
प्रभावाचे विश्लेषण: विषय आणि लोकसंख्याशास्त्र
ज्ञानाची ही घट सर्व विषयांमध्ये सारखी नव्हती. AI प्रामुख्याने गणित किंवा कोडिंगवर परिणाम करते, या सामान्य समजाच्या उलट, अभ्यासात असे आढळले की सामाजिक शास्त्र विषयांमध्ये सर्वाधिक घट झाली:
- सामाजिक शास्त्रे (राजकारण, भूगोल): २७% घट
- STEM विषय: २२% घट
- इंग्रजी: १७% घट
- चिनी: ९% घट
लोकसंख्याशास्त्रीय डेटामधून विशिष्ट असुरक्षितता देखील समोर आली. माध्यमिक शाळेतील लहान विद्यार्थ्यांमध्ये (२४%) मोठ्या विद्यार्थ्यांपेक्षा (१७%) जास्त नुकसान झाले आणि मुलांवर मुलींच्या तुलनेत (२१.६% विरुद्ध १८.४%) जास्त परिणाम झाला, याचे मुख्य कारण म्हणजे मुलांचा AI वापर जास्त होता. सर्वात धक्कादायक बाब म्हणजे, उत्कृष्ट कामगिरी करणाऱ्या विद्यार्थ्यांचे सर्वाधिक नुकसान झाले, जिथे पहिल्या एक तृतीयांश विद्यार्थ्यांच्या परीक्षा कामगिरीमध्ये २४% घट दिसून आली.
AI-प्रतिरोधक शिक्षणाकडे वाटचाल
अभ्यासाचा निष्कर्ष असा आहे की AI स्वतःहून हानिकारक नाही; उलट, जेव्हा ते स्वतंत्र विचार करण्याच्या प्रक्रियेची जागा घेते, तेव्हा नुकसान होते. ज्या विद्यार्थ्यांनी AI चा वापर 'ट्यूटर' (शिक्षक) म्हणून केला—आणि ज्यांचा गृहपाठ पूर्ण करण्याचा वेळ इतर विद्यार्थ्यांसारखाच होता—त्यांनी प्रत्यक्षात परीक्षेत चांगली कामगिरी केली.
"आउटसोर्सिंग"च्या या महामारीचा सामना करण्यासाठी, तज्ज्ञ अध्यापन पद्धतीत मूलभूत बदलाचा सल्ला देतात. AI द्वारे तयार केलेल्या गृहपाठावर पाळत ठेवण्याऐवजी, शिक्षकांनी ग्रेडिंगचे महत्त्व प्रत्यक्ष, 'क्लोज्ड-बुक' मूल्यमापनावर केंद्रित केले पाहिजे. डेटा हे सिद्ध करतो की, जेव्हा गृहपाठाच्या ग्रेडचा "सिग्नल" AI मुळे दूषित होतो, तेव्हा खरी बुद्धिमत्ता मोजण्याचे एकमेव विश्वसनीय साधन म्हणजे डिजिटल मदतीशिवाय काम करण्याची क्षमता हेच राहते.
मुख्य निष्कर्ष
- आउटसोर्सिंगचा संकेत: उच्च गृहपाठ ग्रेड, काम पूर्ण करण्याचा वेग आणि कमी परीक्षा गुण हे प्रत्यक्ष शिकण्याऐवजी AI वरील अवलंबनाचे प्राथमिक निर्देशक आहेत.
- विलंबित परिणाम: उच्च-स्तरीय शैक्षणिक कामगिरीवर होणारा AI चा खरा परिणाम पूर्णपणे समोर येण्यास दोन वर्षांपर्यंत लागू शकतात, ज्यामुळे दीर्घकालीन शैक्षणिक खर्च झाकला जातो.
- विषयांची असुरक्षितता: जरी AI चर्चेचा केंद्रबिंदू अनेकदा STEM विषय असतात, तरीही सामाजिक शास्त्र विषयांमध्ये २७% इतकी मोठी शैक्षणिक हानी दिसून आली.
