AI యొక్క దాగి ఉన్న ఖర్చు: అభ్యాస నష్టాలు బయటపడటానికి రెండు సంవత్సరాలు ఎందుకు పడుతుంది

AI సాధనాలు అపూర్వమైన సామర్థ్యాన్ని వాగ్దానం చేస్తున్నప్పటికీ, ఒక భారీ కొత్త అధ్యయనం ఒక ఆందోళనకరమైన వైరుధ్యాన్ని వెల్లడిస్తోంది: విద్యార్థులు తమ పనిని AIకి ఎంత ఎక్కువగా "అవుట్‌సోర్స్" (outsource) చేస్తే, కాలక్రమేణా వారి ప్రాథమిక జ్ఞానం అంత ఎక్కువగా క్షీణిస్తుంది. ఈ పరిశోధన ఒక కీలకమైన "లెర్నింగ్ ల్యాగ్" (అభ్యాస జాప్యం) గురించి తెలియజేస్తోంది, దీనివల్ల AIపై ఆధారపడటం వల్ల కలిగే దీర్ఘకాలిక నష్టాన్ని స్వల్ప కాలంలో గుర్తించడం కష్టమవుతుంది.

సామర్థ్య ఉచ్చు: మెరుగైన హోంవర్క్, అధ్వాన్నమైన పరీక్షలు

26,000 మంది విద్యార్థులపై చేసిన అధ్యయనం ప్రకారం, DeepSeek V2.5 మరియు DeepSeek R1 వంటి మోడళ్ల విడుదల తర్వాత AI వినియోగం సున్నా నుండి దాదాపు 80%కి పెరిగింది. ఉత్పాదకతపై దీని తక్షణ ప్రభావం తిరుగులేనిది. AIని స్వీకరించిన ఆరు నెలల లోపు, విద్యార్థుల హోంవర్క్ స్కోర్లు 18% పెరిగాయి, అదే సమయంలో ప్రతి అసైన్‌మెంట్‌కు పట్టే సగటు సమయం 64 నిమిషాల నుండి కేవలం 45 నిమిషాలకు పడిపోయింది.

అయితే, ఈ సామర్థ్యం భారీ మేధోపరమైన మూల్యాన్ని చెల్లించుకోవాల్సి వచ్చింది. హోంవర్క్ గ్రేడ్‌లు పెరిగినప్పటికీ, నెలవారీ క్లోజ్డ్-బుక్ (పుస్తకాలు చూడకుండా రాసే) పరీక్షల్లో స్కోర్లు 20% తగ్గాయి. 81% మంది దీర్ఘకాలిక వినియోగదారుల విషయానికి వస్తే, అధిక గ్రేడ్‌లు మరియు వేగంగా పూర్తి చేయడం అనేది నైపుణ్యానికి సంకేతాలు కావు, అవి "అవుట్‌సోర్సింగ్"కు సూచికలు—అంటే అసలు అభ్యాసానికి అవసరమైన మానసిక శ్రమను తప్పించుకోవడానికి AIని ఉపయోగించడం అని డేటా సూచిస్తోంది.

మేధో క్షీణతలో రెండు సంవత్సరాల జాప్యం

బహుశా ఈ అధ్యయనంలో అత్యంత ముఖ్యమైన విషయం ఏమిటంటే, ఈ అభ్యాస నష్టాలు ఆలస్యంగా బయటపడటం. సాధారణ పరీక్షల పనితీరు ఆరు నెలల లోపే పడిపోయినప్పటికీ, Zhongkao మరియు Gaokao వంటి కీలక ప్రవేశ పరీక్షలపై ప్రభావం పూర్తిగా కనిపించడానికి దాదాపు రెండు సంవత్సరాలు పట్టింది. ఈ రెండు సంవత్సరాల కాలం తర్వాత మాత్రమే ప్రవేశ పరీక్షల స్కోర్లు 18% నుండి 24% వరకు తగ్గుముఖం పట్టడాన్ని పరిశోధకులు గమనించారు.

విద్యావేత్తలు మరియు విధాన నిర్ణేతలు స్పందించడంలో ఎందుకు ఆలస్యం చేశారో ఈ "దాగి ఉన్న ఖర్చు" వివరిస్తుంది. విద్యార్థుల సగటుపై మొత్తం ప్రభావం నెమ్మదిగా పెరుగుతుంది కాబట్టి, నష్టం లోతుగా వేళ్లూనుకునే వరకు విద్యా సంక్షోభం యొక్క పూర్తి స్థాయి కనిపించదు.

ప్రభావ విశ్లేషణ: సబ్జెక్టులు మరియు జనాభా వివరాలు

జ్ఞాన క్షీణత అన్ని విభాగాలలో ఒకేలా లేదు. AI ప్రధానంగా గణితం లేదా కోడింగ్‌పై ప్రభావం చూపుతుందనే సాధారణ అంచనాలకు విరుద్ధంగా, సోషల్ సైన్స్ (సామాజిక శాస్త్ర) సబ్జెక్టులు అత్యధికంగా క్షీణించాయని అధ్యయనం కనుగొంది:

• Social Sciences (Politics, Geography): 27% క్షీణత
• STEM Subjects: 22% క్షీణత
• English: 17% క్షీణత
• Chinese: 9% క్షీణత

జనాభా వివరాలు కూడా కొన్ని నిర్దిష్ట బలహీనతలను వెల్లడించాయి. సీనియర్ విద్యార్థుల (17%) కంటే లోయర్ సెకండరీ పాఠశాలల్లోని చిన్న విద్యార్థులు (24%) ఎక్కువ నష్టాన్ని చవిచూశారు. అలాగే, వినియోగ రేట్లు ఎక్కువగా ఉండటం వల్ల అమ్మాయిల కంటే (18.4%) అబ్బాయిలు (21.6%) ఎక్కువగా ప్రభావితమయ్యారు. అత్యంత ఆశ్చర్యకరమైన విషయం ఏమిటంటే, అత్యుత్తమ ప్రతిభ కనబరిచే విద్యార్థులే అత్యధికంగా నష్టపోయారు; టాప్ థర్డ్ (టాప్ 1/3 వంతు) విద్యార్థుల పరీక్షల పనితీరులో 24% క్షీణత కనిపించింది.

AI-నిరోధక అభ్యాసం వైపు అడుగులు

AI అనేది సహజంగా హానికరమైనది కాదని, అది స్వతంత్ర ఆలోచనను భర్తీ చేసినప్పుడు మాత్రమే నష్టం జరుగుతుందని ఈ అధ్యయనం ముగింపునిస్తోంది. AIని ట్యూటర్‌గా ఉపయోగించిన విద్యార్థులు—అంటే AI వాడని విద్యార్థుల మాదిరిగానే హోంవర్క్ పూర్తి చేయడానికి సమయం తీసుకున్న వారు—నిజానికి పరీక్షల్లో మెరుగైన ప్రతిభ కనబరిచారు.

ఈ "అవుట్‌సోర్సింగ్" మహమ్మారిని ఎదుర్కోవడానికి, బోధనా పద్ధతుల్లో ప్రాథమిక మార్పు అవసరమని నిపుణులు సూచిస్తున్నారు. AI ద్వారా రూపొందించబడిన హోంవర్క్‌ను పర్యవేక్షించడం కంటే, విద్యావేత్తలు గ్రేడింగ్ ప్రాధాన్యతను ప్రత్యక్షంగా, క్లోజ్డ్-బుక్ అసెస్‌మెంట్‌లకు మార్చాలి. డేటా నిరూపించినట్లుగా, హోంవర్క్ గ్రేడ్‌ల "సిగ్నల్" AI వల్ల దెబ్బతిన్నప్పుడు, నిజమైన తెలివితేటలను కొలిచే ఏకైక నమ్మదగిన కొలమానం డిజిటల్ సహాయం లేకుండా పని చేయగల సామర్థ్యమే.

ముఖ్య అంశాలు

• అవుట్‌సోర్సింగ్ సిగ్నల్: అధిక హోంవర్క్ గ్రేడ్‌లు, వేగంగా పూర్తి చేయడం మరియు తక్కువ పరీక్షా స్కోర్లు ఉండటం అనేది నిజమైన అభ్యాసానికి బదులుగా AI-ఆధారిత స్థితికి ప్రధాన సూచికలు.
• ఆలస్యంగా బయటపడటం: కీలకమైన విద్యా పనితీరుపై AI యొక్క నిజమైన ప్రభావం పూర్తిగా బయటపడటానికి రెండు సంవత్సరాల సమయం పట్టవచ్చు, ఇది దీర్ఘకాలిక విద్యా నష్టాన్ని కప్పివేస్తుంది.
• సబ్జెక్టుల బలహీనత: AI చర్చల్లో తరచుగా STEM సబ్జెక్టుల గురించి మాట్లాడినప్పటికీ, సోషల్ సైన్స్ సబ్జెక్టులు 27% తో అత్యంత భారీ అభ్యాస నష్టాలను ఎదుర్కొన్నాయి.