दृष्टिकोण
AI पाठ्यक्रम बना सकता है। यह कभी भी सबसे कठिन भाग नहीं था।
AI तेजी से एक विचार और एक पूर्ण सीखने की वस्तु के बीच की दूरी को कम कर रहा है। लेकिन तेजी से उत्पादन कठिन प्रश्न को हल नहीं करता: क्या हम सही समस्या के लिए सही समाधान बना रहे हैं?
हम उस बिंदु पर पहुँच गए हैं जहाँ AI लगभग हर दृश्य घटक को eLearning पाठ्यक्रम का उत्पादन कर सकता है।
इसे एक विषय दें और यह रूपरेखा विकसित कर सकता है। इसे स्रोत सामग्री दें और यह स्टोरीबोर्ड लिख सकता है, दृश्य उत्पन्न कर सकता है, वर्णन तैयार कर सकता है, इंटरएक्शन बना सकता है, मूल्यांकन लिख सकता है, और सब कुछ LMS के लिए पैकेज कर सकता है।
जो कभी कई विशेष उपकरणों और उत्पादन के हफ्तों की आवश्यकता होती थी, वह अब तेजी से संकेतों, AI प्लेटफार्मों, और स्वचालित कार्यप्रवाहों के संग्रह के माध्यम से पूरा किया जा सकता है।
यह एक उल्लेखनीय तकनीकी उपलब्धि है।
यह भी वह突破 नहीं है जिसकी सीखने और विकास को सबसे अधिक आवश्यकता है।
हम गलत दूरी को छोटा कर रहे हैं
हमारे पेशे में एआई के बारे में बातचीत का अधिकांश हिस्सा इस पर केंद्रित है कि हम “मुझे पता है कि मुझे क्या सिखाना है” से “कोर्स लाइव है” तक कितनी तेजी से पहुंच सकते हैं।
उन दो बयानों के बीच की जगह तेजी से छोटी होती जा रही है। स्टोरीबोर्ड जो पहले दिनों में बनते थे, अब मिनटों में तैयार किए जा सकते हैं। इंटरैक्शन जो विकास विशेषज्ञता की आवश्यकता रखते थे, अब एक विवरण से उत्पन्न किए जा सकते हैं। वॉयसओवर अब रिकॉर्डिंग सत्र की आवश्यकता नहीं रखते। यहां तक कि एक कोर्स का तकनीकी पैकेजिंग और तैनाती भी स्वचालित किया जा सकता है।
उत्पादन के दृष्टिकोण से, यह प्रगति है।
लेकिन सीखने के डिज़ाइन में सबसे महत्वपूर्ण दूरी सामग्री होने और कोर्स प्रकाशित करने के बीच नहीं है।
यह “हमारे पास एक समस्या है” और “हम समझते हैं कि वास्तव में इसका कारण क्या है” के बीच की दूरी है।
सबसे कठिन और सबसे महत्वपूर्ण काम पहले होता है जब पहला प्रॉम्प्ट एआई से कुछ बनाने के लिए कहा जाता है।
कार्यप्रवाह एक बिना परीक्षण की गई धारणा से शुरू होता है
“मुझे पता है कि मुझे क्या सिखाना है” एक उचित प्रारंभिक बिंदु की तरह लगता है। कई संगठनों में, यह प्रारंभिक बिंदु है।
एक स्टेकहोल्डर पहचानता है कि लोगों को क्या जानने की आवश्यकता है। एक सीखने का अनुरोध प्रस्तुत किया जाता है। instructional designer सामग्री को व्यवस्थित करता है, उद्देश्यों को लिखता है, गतिविधियाँ बनाता है, एक मूल्यांकन तैयार करता है, और अंतिम कोर्स प्रकाशित करता है।
यह प्रक्रिया काम करती हुई प्रतीत होती है क्योंकि यह कुछ ठोस उत्पन्न करती है।
लेकिन यह शुरू करना कि हम क्या सिखाना चाहते हैं, का मतलब है कि कई महत्वपूर्ण निर्णय पहले ही बिना पर्याप्त जांच के किए जा चुके हैं। हमने मान लिया है कि सिखाना आवश्यक है। हमने मान लिया है कि ज्ञान या कौशल की कमी समस्या का कारण है। हमने मान लिया है कि एक कोर्स सही हस्तक्षेप है। हमने मान लिया है कि अनुरोधित सामग्री काम से संबंधित है। हमने मान लिया है कि LMS में कुछ प्रकाशित करने से लोगों का प्रदर्शन अलग होगा।
ये धारणाएँ जनरेटिव एआई से बहुत पहले मौजूद थीं। एआई बस हमें उन्हें बहुत तेजी से पॉलिश किए गए सीखने के आर्टिफैक्ट्स में बदलने की अनुमति देता है।
गायब सवाल
एआई से कोर्स बनाने के लिए पूछने से पहले, हमें यह पूछना चाहिए कि क्या प्रदर्शन की समस्या कोर्स की आवश्यकता है।
वस्तु परिणाम नहीं है
लर्निंग और डेवलपमेंट ने दशकों से अपने काम का वर्णन डिलीवरबल्स के माध्यम से किया है।
हम कोर्स, वीडियो, नौकरी सहायता, सिमुलेशन, कार्यशालाएँ, और मूल्यांकन बनाते हैं। हम नामांकन, पूर्णता, संतोष, और स्कोर को ट्रैक करते हैं। हमारे प्लेटफार्म सामग्री के चारों ओर व्यवस्थित हैं, और हमारी प्रक्रियाएँ अक्सर उस सामग्री को प्रकाशन की ओर ले जाने के लिए डिज़ाइन की जाती हैं।
परिणामस्वरूप, यह सीखने के आर्टिफैक्ट के उत्पादन को प्रदर्शन समस्या के समाधान के रूप में गलत समझना आसान है।
एक कोर्स खूबसूरती से डिज़ाइन किया जा सकता है और फिर भी अनावश्यक हो सकता है। एक शाखा परिदृश्य इंटरैक्टिव हो सकता है और फिर भी गलत निर्णयों का अभ्यास कर सकता है। एक ज्ञान जांच सही स्कोर उत्पन्न कर सकती है और फिर भी हमें नौकरी पर प्रदर्शन के बारे में कुछ नहीं बता सकती। एक SCORM पैकेज ठीक उसी तरह कार्य कर सकता है जैसे इरादा था और फिर भी एक भी महत्वपूर्ण व्यवहार को बदलने में असफल हो सकता है।
इनमें से कोई भी आर्टिफैक्ट्स को स्वाभाविक रूप से खराब नहीं बनाता। उनका मूल्य बस उन निर्णयों की गुणवत्ता पर निर्भर करता है जिन्होंने उन्हें आकार दिया।
निर्माण शुरू करने से पहले, हमें यह समझने की आवश्यकता है कि लोगों से क्या करने की अपेक्षा की जा रही है, वे आज क्या कर रहे हैं, और उन्हें उस अंतर को बंद करने से क्या रोक रहा है।
क्या समस्या वास्तव में ज्ञान की कमी है? या कर्मचारी एक टूटे हुए प्रक्रिया के भीतर काम कर रहे हैं? क्या अपेक्षाएँ स्पष्ट नहीं हैं? क्या आवश्यक उपकरणों का उपयोग करना कठिन है? क्या प्रोत्साहन गलत व्यवहार को पुरस्कृत करते हैं? क्या प्रबंधक एक अलग प्राथमिकता को मजबूत कर रहे हैं? क्या महत्वपूर्ण जानकारी आवश्यकता के क्षण में उपलब्ध नहीं है?
एक कोर्स हर प्रदर्शन बाधा को हल नहीं कर सकता।
कोर्स को तेजी से उत्पन्न करना इस बात को नहीं बदलता।
बिना मेहनत के उत्पादन कमजोर निर्णयों को बढ़ा सकता है
एआई सामग्री उत्पादन की अर्थशास्त्र को बदल रहा है। स्टोरीबोर्ड, स्क्रिप्ट, चित्रण, वॉयसओवर, इंटरैक्शन, मूल्यांकन, और कार्यशील कोड अब समय के एक अंश में उत्पन्न किए जा सकते हैं।
यह सीखने की टीमों के लिए विशाल अवसर पैदा करता है। यह एक नया जोखिम भी पैदा करता है।
जब कोर्स बनाना आसान हो जाता है, तो संगठन अधिक कोर्स बना सकते हैं बिना यह तय किए कि कौन से कोर्स होने चाहिए। हर नीति अपडेट एक मॉड्यूल बन सकता है। हर स्टेकहोल्डर अनुरोध एक कोर्स बन सकता है। हर प्रदर्शन चिंता को LMS की ओर भेजा जा सकता है क्योंकि हाँ कहने की लागत कम होती हुई प्रतीत होती है।
लेकिन एक अप्रभावी कोर्स की असली लागत कभी भी इसे बनाने के लिए आवश्यक घंटों तक सीमित नहीं थी।
वहाँ शिक्षार्थी का समय है। वहाँ काम से हटाए गए संचालन का समय है। वहाँ सामग्री द्वारा खपत किया गया ध्यान है जो प्रासंगिक नहीं हो सकता। वहाँ एक और संपत्ति द्वारा उत्पन्न रखरखाव का बोझ है। वहाँ उच्च पूर्णता दरों से आने वाला झूठा आत्मविश्वास है। वहाँ वास्तविक बाधा को संबोधित न करने का अवसर लागत है।
एआई उत्पादन की लागत को कम कर सकता है, लेकिन यह गलत समस्या को हल करने के परिणामों को समाप्त नहीं करता।
यह वास्तव में उन परिणामों को गुणा करना आसान बना सकता है।
अवसर स्वचालित कोर्स उत्पादन से बड़ा है
सीखने के डिज़ाइन में एआई की सबसे रोमांचक भूमिका अंतिम आर्टिफैक्ट उत्पन्न करने में नहीं हो सकती।
यह हमें इससे पहले के निर्णयों में सुधार करने में मदद कर सकता है।
एआई को हमें एक अनुरोध की जांच करने में मदद करनी चाहिए इससे पहले कि हम इसे पूरा करें। इसे हमें एक अनुभव की गई प्रदर्शन अंतर के पीछे के साक्ष्य की जांच करने में मदद करनी चाहिए। इसे हमें ज्ञान समस्या, कौशल समस्या, पर्यावरण समस्या, और प्रेरणा समस्या के बीच भेद करने में मदद करनी चाहिए। इसे हमें व्यावसायिक आवश्यकताओं को अवलोकनीय व्यवहारों से और उन व्यवहारों को महत्वपूर्ण अभ्यास से जोड़ने में मदद करनी चाहिए।
इसे उन उद्देश्यों को चुनौती देनी चाहिए जिन्हें देखा नहीं जा सकता। इसे उन मूल्यांकनों की पहचान करनी चाहिए जो गलत चीज़ को मापते हैं। इसे यह प्रकट करना चाहिए कि कब एक परिदृश्य वास्तविक काम के दबाव, अस्पष्टता, या परिणामों से मेल नहीं खाता। इसे हमें यह निर्धारित करने में मदद करनी चाहिए कि क्या शिक्षार्थियों को निर्देश, अभ्यास, फीडबैक, प्रदर्शन समर्थन, कार्यप्रवाह परिवर्तन, या इनमें से किसी संयोजन की आवश्यकता है।
सबसे महत्वपूर्ण बात, इसे हमें यह पहचानने में मदद करनी चाहिए कि कब एक कोर्स की आवश्यकता नहीं है।
एआई का यह संस्करण केवल instructional designers को तेज नहीं बनाता। यह उन्हें अधिक कठोर बनाने में मदद करता है।
बेहतर उपकरणों की आवश्यकता मजबूत डिज़ाइनरों की होती है
जैसे-जैसे एआई अधिक उत्पादन कार्य संभालता है, सीखने के डिज़ाइनर की भूमिका अधिक रणनीतिक होती जाती है, कम महत्वपूर्ण नहीं।
डिज़ाइनरों को बेहतर समस्या फ्रेमर बनना होगा। उन्हें पहचानना होगा कि कब एक सीखने का अनुरोध एक धारणा पर आधारित है। उन्हें संगठनात्मक लक्ष्यों को विशिष्ट व्यवहारों और विश्वसनीय साक्ष्यों से जोड़ना होगा। उन्हें ऐसे अभ्यास डिज़ाइन करने होंगे जो वास्तविक निर्णयों को दर्शाते हों, न कि सामग्री को इंटरैक्शन के साथ सजाते हों।
उन्हें पाठ्यक्रम की सीमाओं से परे सोचने की आवश्यकता होगी और प्रदर्शन के चारों ओर के पूरे सिस्टम पर विचार करना होगा।
यदि हम शैक्षणिक डिज़ाइन को मुख्य रूप से सामग्री को पाठ्यक्रमों में परिवर्तित करने की क्षमता के रूप में स्थापित करते हैं, तो एआई स्वाभाविक रूप से उस कार्य के अधिकांश हिस्से को प्रतिस्थापित करता हुआ दिखाई देगा।
यदि हम सीखने के डिज़ाइन को प्रदर्शन की आवश्यकताओं का निदान करने, अर्थपूर्ण अभ्यास डिज़ाइन करने, स्थानांतरण का समर्थन करने और परिवर्तन को मापने के अभ्यास के रूप में परिभाषित करते हैं, तो एआई कुछ अलग बन जाता है।
यह एक बहुत बड़े डिज़ाइन अनुशासन के भीतर एक शक्तिशाली उत्पादन भागीदार बन जाता है।
एआई स्टोरीबोर्ड तैयार कर सकता है। यह इंटरैक्शन उत्पन्न कर सकता है। यह कोड लिख सकता है। यह वॉयसओवर बना सकता है। यह पाठ्यक्रम को पैकेज कर सकता है।
लेकिन यह गलत समस्या के चारों ओर निर्मित समाधान को नहीं बचा सकता।
हमें मानक को ऊंचा उठाना चाहिए।
एआई कार्यप्रवाह के माध्यम से उत्पन्न एक कार्यशील पाठ्यक्रम उस तकनीक की दिशा में एक प्रभावशाली प्रदर्शन है।
हमें इससे सीखना चाहिए। हमें इसके साथ प्रयोग करना चाहिए। हमें विचार करना चाहिए कि यह हमारे काम को कैसे तेज और अधिक सुलभ बना सकता है।
लेकिन "यह LMS में लाइव है" हमारी सफलता की परिभाषा नहीं रह सकती।
सीखने के डिज़ाइन का भविष्य इस बात से नहीं मापा जाना चाहिए कि हम सामग्री से पाठ्यक्रम में कितनी जल्दी जा सकते हैं। इसे इस बात से मापा जाना चाहिए कि हम कुछ भी बनाने से पहले किए गए निर्णयों की गुणवत्ता क्या है।
क्या हमने वास्तविक प्रदर्शन समस्या की पहचान की? क्या हमने यह निर्धारित किया कि क्या सीखना आवश्यक था? क्या हमने उस व्यवहार को परिभाषित किया जो बदलना था? क्या हमने अभ्यास के लिए अर्थपूर्ण अवसर बनाए? क्या हमने काम के चारों ओर की स्थितियों को संबोधित किया? क्या हमने आवश्यकता के क्षण में समर्थन प्रदान किया? क्या अनुभव के बाद कुछ सुधरा?
एआई हमें उन प्रश्नों के उत्तर देने में मदद कर सकता है, लेकिन केवल तभी जब हम इसे निर्माण से अधिक करने के लिए कहें।
सीखने के डिज़ाइन का भविष्य इस बात से निर्धारित नहीं होगा कि कौन सबसे अधिक पाठ्यक्रम उत्पन्न कर सकता है या कौन सबसे तेज़ी से सामग्री को LMS में स्थानांतरित कर सकता है। यह इस बात से निर्धारित होगा कि कौन अधिक शक्तिशाली उपकरणों का उपयोग करके यह तय कर सकता है कि लोगों को वास्तव में क्या चाहिए।
एआई पाठ्यक्रम बना सकता है। यह कभी भी सबसे कठिन हिस्सा नहीं था।
Learning Rewired Lab
एआई का उपयोग सोचने में सुधार करने के लिए करें, न कि केवल निर्माण को तेज करने के लिए।
The Lab एक संपूर्ण पेशेवर कार्यक्षेत्र है जो एक शिक्षण अनुरोध को एक ठोस प्रदर्शन समाधान में बदलता है। अनुरोध को चुनौती दें, प्रणाली की जांच करें, प्रतिक्रिया डिज़ाइन करें, और एक जुड़े हुए प्रोजेक्ट में सबूत की योजना बनाएं।
अनुरोध को चुनौती दें, प्रणाली की जांच करें, और उत्पादन शुरू होने से पहले प्रदर्शन के लिए डिज़ाइन करें।
- एक जुड़े हुए प्रोजेक्ट रिकॉर्ड
- अनुरोध और प्रदर्शन निदान
- उत्पाद-उन्मुख शिक्षण उपकरण
- AI-सहायता प्राप्त डिज़ाइन कार्यप्रवाह
- व्यावहारिक कार्यस्थल अनुप्रयोग