मानव–Generative AI सहकार-अभिकल्पनम्, पुनरावृत्तिपरकः शिक्षण-अभिकल्पन-उपक्रमः अस्ति, यस्मिन् शिक्षणलक्ष्याणि, मानकानि, गुणवत्तासम्बद्धाः निर्णयाश्च मानवेन अभिकल्पनं कुर्वता निर्धारिताः भवन्ति; Generative AI तु कथनस्य दृश्यरूपरेखाणां च निर्माणे योगदानं करोति, परिणामाः मानवेन परीक्ष्यन्ते, आवश्यकतायां पुनः निर्मीयन्ते च। इदं अध्ययनं पश्यति यत् Google Gemini इत्यस्य एतादृशसहकार्यभागिनः रूपेण उपयोगेन सङ्गणकविज्ञानस्य कृत्रिमबुद्धिमत्तायाश्च विषयान् वहन्त्यः चतस्रः चित्रकथाधारिताः शिक्षणसामग्र्यः कथं विकसिताः, तथा ताः प्राथमिकविद्यालयस्य उच्चतरकक्षासु अध्ययनरतैः 11 विद्यार्थिभिः कथं अनुभूताः। विद्यार्थिनां बहवः चित्रकथाः रोचकाः इति अमन्यन्त; अष्टौ विद्यार्थिनः दृश्यसामग्री सङ्गणकविज्ञानस्य कृत्रिमबुद्धिमत्तायाश्च संकल्पनाः अवगन्तुं साहाय्यम् अकरोत् इति निवेदितवन्तः; विद्यार्थिनः कृत्रिमबुद्धिमत्तायाः लाभान् जोखिमांश्च उक्तवन्तः, नव विद्यार्थिनश्च भविष्ये ज्ञातुमिच्छन्तं विशिष्टं AI-विषयं निर्दिष्टवन्तः। तथापि इदं अध्ययनम् अधिगमसफलतायाः प्रयोगः नास्ति; परिणामाः लघुनिदर्शनात् प्राप्तान् गुणात्मकान् प्रारम्भिकांश्च विद्यार्थ्यनुभवान् प्रतिनिधित्वेन दर्शयन्ति.

अध्ययनस्य मुख्यः अभिकल्पनविचारः अयं नास्ति यत् Generative AI शिक्षकस्य अथवा शिक्षण-अभिकल्पनं कुर्वतः मानवस्य स्थानं गृह्णीयात्; अपि तु मानवीयशैक्षणिकपर्यवेक्षणस्य अधीनं निर्माणक्षमतां विस्तारयेत्। अभिकल्पनं कुर्वन् मानवः लक्ष्य-मानकम्, अधिगमलक्ष्यम्, संवादम्, वयःस्तरम्, दृश्यरूपम्, सुरक्षासीमाश्च निर्धारयति; Google Gemini दृश्यं निर्माति; मानवः परिणामं शुद्धतायाः उपयुक्ततायाश्च दृष्ट्या परीक्षते; असफलाः outputs नूतनैः prompt-ैः संशोध्यन्ते; स्वीकृतानि दृश्यानि Canva मध्ये अन्तिमश्रेणीसामग्रीरूपेण संयोज्यन्ते.

अध्ययनेन समाधातुं प्रयत्यमाना समस्या

अध्ययनस्य आरम्भबिन्दुः अयं यत् कृत्रिमबुद्धिमत्ता अमेरिकादेशस्य K-12 सङ्गणकविज्ञानमानकेषु अधिकाधिकं दृश्यतां प्राप्नोति, तथापि विशेषतः प्राथमिकविद्यालयस्तरे कक्षायां प्रत्यक्षतया उपयोक्तुं शक्याः, मानकैः सह अनुरूपीकृताः, विकासस्तरानुकूलाश्च AI-शिक्षणसामग्र्यः सीमिताः सन्ति। शोधकर्तारः एतं अभावं केवलं “विद्यार्थिभ्यः कृत्रिमबुद्धिमत्तां शिक्षयितुम्” इति समस्यारूपेण न, अपि तु शिक्षकैः Generative AI इत्यस्य उत्तरदायित्वपूर्णोपयोगेन शिक्षणसामग्रीणाम् अभिकल्पनस्य समस्यारूपेणापि विचारितवन्तः.

अध्ययने Generative AI निष्क्रियं पाठ-चित्रनिर्माणसाधनरूपेण न स्थाप्यते। शोधकर्तारः तादृशं सहकार्य-अभिकल्पन-मॉडल् निर्मान्ति यस्मिन् मानवा अभिकल्पनकर्तारः शैक्षणिकनिर्णयाधिकारं रक्षन्ति, कृत्रिमबुद्धिमत्ता तु कथनस्य दृश्यनिर्माणस्य च प्रक्रियायां सक्रियं भागं गृह्णाति। अतः अध्ययनस्य केन्द्रे उत्पन्नाः चतस्रः चित्रकथाः तथा एताः सामग्र्यः उत्पादितवान् मानव–AI परस्परक्रियाप्रक्रमश्च स्तः.

अध्ययनस्य शोधप्रश्नः

अध्ययनस्य मुख्यः प्रश्नः अयं यत् प्राथमिकविद्यालयस्य उच्चतरकक्षासु विद्यार्थिनः मानवेन Generative AI इत्यनेन च सहकार्येण अभिकल्पिताः चित्रकथाधारिताः कथाः सहभागिता, दृश्य-अभिकल्पनम्, शैक्षिकमूल्यम्, सङ्गणकविज्ञान-कृत्रिमबुद्धिमत्तयोः प्रति उत्पन्ना रुचिः इत्येतैः पक्षैः कथम् अनुभवन्ति। शोधकर्तारः विशेषतः चित्रणानि, panel-संरचना, दृश्यसंकेताः, पात्राणि च प्रति विद्यार्थिनां मतानि, तथा सङ्गणकविज्ञानस्य कृत्रिमबुद्धिमत्तायाश्च संकल्पनाः ते कथम् अर्थयन्ति इति परीक्षितवन्तः.

मानकैः सह अनुरूपणम्

अभिकल्पनप्रक्रिया Alabama राज्यस्य 2025 Digital Literacy and Computer Science (DLCS) Course of Study इति दस्तावेजस्य Emerging Technology क्षेत्रेण सह सम्बद्धा। स्रोतसि अनुरूपणं 3–5. कक्षाणां मानकानि उपयुङ्क्ते: 3. कक्षायां नूतनप्रौद्योगिकीनां शिक्षणे दैनन्दिनजीवने च कथमुपयोगः भवेत् इति अन्वेषणं व्याख्यानं च; 4. कक्षायां तासां लाभानां कठिनतानां च विश्लेषणं चर्चा च; 5. कक्षायां नूतनप्रौद्योगिकीनां समाजे सकारात्मक-नकारात्मकप्रभावयोः मूल्याङ्कनम्.

अत्र स्रोतसः एकं महत्त्वपूर्णं विवरणम् अस्ति: लेखस्य सारांशे उद्देश्यभागे च चतस्रः शिक्षणसामग्र्यः 4–6. कक्षाभ्यः निर्दिष्टाः, किन्तु DLCS-मानकानुरूपणं 3–5. कक्षास्तरेषु कृतम्। विद्यार्थिसाक्षात्कारचरणे तु निदर्शनं 4. तथा 5. कक्षां प्रति गच्छद्भिः विद्यार्थिभिः निर्मितम्। अतः एतानि त्रीणि स्तरसम्बद्धानि विवरणानि समानानि इति न मन्तव्यम्.

मानव–GenAI सहकार-अभिकल्पन-कार्यप्रवाहः कथं कार्यं करोति?

अध्ययनस्य सहकार-अभिकल्पनप्रक्रिया मानवेन शिक्षणलक्ष्याणां prompt-सीमानां च निर्धारणेन आरभ्यते; Google Gemini एतेभ्यः inputs-भ्यः चित्रकथादृश्यानि निर्माति; मानवाः outputs पञ्चभिः गुणवत्तामानदण्डैः मूल्ययन्ति; असफलदृश्येषु prompt संशोध्य निर्माणं पुनः क्रियते, केवलं स्वीकृतं content Canva मध्ये अन्तिमश्रेणीसामग्रीरूपेण परिणम्यते.

“Guardrail” पद्धतेः कार्यम्

शोधकर्तारः prompt-ान् केवलं “इदं चित्रं निर्माहि” इति प्रकारेण न प्रयुक्तवन्तः। prompt-ेषु तथा अनन्तरसंशोधनचक्रेषु कृत्रिमबुद्धिमत्तायाः ज्ञातदोषरूपाणि सीमितुं नियमाः योजिताः। एतेषु मिथ्या अथवा अस्थिरसूचनानिर्माणस्य नियन्त्रणम्, जनसांख्यिक-पक्षपातस्य न्यूनीकरणम्, विभिन्नेषु panel-ेषु पात्रस्य समानरूपता, पात्राणां वयोनुकूलता, सांस्कृतिकरूपेण अनावश्यक-रूढीकरणस्य परिहारश्च अन्तर्भवन्ति.

अस्याः पद्धतेः महत्त्वपूर्णः पक्षः अयं यत् सर्वाः समस्याः प्रथम-prompt मध्ये पूर्वमेव अनुमानयितुं न शक्यन्ते इति स्वीक्रियते। उदाहरणतः अध्ययने पात्रस्य वस्त्रस्य वा रूपस्य परिवर्तनम्, अनिच्छितानां thought/speech bubble-ानाम् उत्पत्तिः, पाठदोषाः, असम्बद्धदृश्यांशाश्च निर्माणानन्तरं दृष्टाः; अभिकल्पनकर्तारः reference image, संशोधन-prompt अथवा negative constraint उपयुज्य नूतनानि निर्माणचक्राणि कृतवन्तः। अतः “guardrail” केवलं प्रारम्भिकनिर्देशः न, किन्तु निर्माणप्रक्रियायां विकसितः दोषसंशोधनतन्त्रः अस्ति.

Google Gemini तथा Canva इत्येतयोः भिन्नानि कार्याणि

Google Gemini इत्यस्य कार्यं मुख्यतः मानवेन निर्मितेभ्यः prompt-ेभ्यः चित्रकथादृश्यानि निर्मातुम्। Canva तु कृत्रिमबुद्धिमत्तया निर्मितस्य चित्रस्य स्थानं गृह्णन् द्वितीयः generative model न, किन्तु स्वीकृतदृश्यानि speech bubble-ैः, पाठपेटिकाभिः, panel-विन्यासैः, शुद्धया typography-या च अन्तिमश्रेणीसामग्रीरूपेण परिवर्तयितुं सम्पादनस्तररूपेण प्रयुक्तम्। एषः भेदः महत्त्वपूर्णः, यतः अध्ययने AI-निर्मितलेखनस्य केचन दोषाः चित्रं पुनः पुनः निर्मातुं न, अपि तु अन्तिम-अभिकल्पनचरणे विश्वसनीयपाठविन्यासेन संशोधिताः.

CTML-तत्त्वानि चित्रकथा-अभिकल्पने कथं प्रयुक्तानि?

Mayer इत्यस्य Cognitive Theory of Multimedia Learning (CTML) अध्ययने AI-prompt-ान् स्वयंचालितान् कुर्वन् algorithm न, किन्तु मानव-अभिकल्पनकर्तृभिः कानि दृश्यानि वाचिकानि च तत्त्वानि स्वीकरणीयानि इति निर्णयं मार्गदर्शयन् शैक्षणिकः ढाँचा अस्ति; अध्ययनं विशेषतः शब्द-दृश्ययोः संयुक्तप्रस्तुतिः, अनावश्यकविषयस्य निष्कासनम्, ध्याननिर्देशनम्, सम्बद्धतत्त्वानां निकटसमकालीनप्रस्तुतिः, विषयस्य खण्डीकरणम्, पूर्वज्ञानप्रदानम्, अधिकव्यक्तिगतवर्णनम्, विद्यार्थिनः सक्रियचिन्तनं जनयन्ति क्रियाकलापाश्च इत्येतेषु केन्द्रितम्.

द्वौ मार्गौ, सीमिता क्षमता, सक्रियप्रक्रिया च

CTML इत्यस्य सैद्धान्तिकाधारः त्रिषु मूलकल्पनासु स्थितः। प्रथमम्, विद्यार्थिनः वाचिकं दृश्यं च ज्ञानं पृथक् किन्तु परस्परक्रियाशीलयोः मार्गयोः प्रक्रिययन्ति। द्वितीयम्, प्रत्येकस्य मार्गस्य एकस्मिन् समये प्रक्रियितुं शक्यस्य ज्ञानस्य परिमाणं सीमितम्। तृतीयम्, सार्थकमधिगमः निष्क्रियसम्पर्केण न, अपि तु सम्बद्धज्ञानस्य चयनम्, मनसि व्यवस्थापनम्, पूर्वज्ञानेन सह एकीकरणं च इत्येतैः प्रक्रियाभिः भवति.

अतः चित्रकथारूपं केवलं सौन्दर्यगतविकल्परूपेण न प्रयुक्तम्। सम्बद्धचित्रस्य सम्बद्धपाठस्य च एकस्मिन् panel मध्ये अथवा परस्परं समीपे स्थापना, एकस्यां दृश्यस्थितौ अत्यधिकसंकल्पनानां सञ्चयस्य परिहारः, प्रत्येकस्य panel इत्यस्य विशिष्टमुख्यविचारे केन्द्रणं च विद्यार्थिनः सीमितां संज्ञानात्मकक्षमताम् अधिगमलक्ष्यसम्बद्धसूचनां प्रति निर्देशयितुं प्रयुक्तम्.

अध्ययने केन्द्रितानि नव तत्त्वानि

उदाहरणतः The AI Adventures इति कथायां camera, scanning, mapping इत्यादयः संकल्पनाः पृथक् panel-ेषु क्रमशः प्रस्तुताः; speech bubble-ानि सम्बद्धपात्राणां समीपे स्थाप्यन्ते। The AI Journey with Milo & Zada इति कथायां smart system इत्यनेन दीपप्रज्वलनादिघटना तथा तस्यां पात्रस्य प्रतिक्रिया पार्श्वयोः प्रस्तूयमाने Temporal Contiguity इति विचारः समर्थ्यते। Think Like an Engineer इति कथायां सरीसृपस्य tank इत्यस्य “अतिशीतम्” तथा “अत्युष्णम्” अवस्थे पृथक् समस्यारूपेण विभज्येते; ततः सुरक्षिततापमाननियन्त्रणाय conditional logic चिन्तयितुं विद्यार्थी निर्देश्यते.

परिशिष्ट A इत्यस्य अनुरूपणानुसारं Multimedia, Coherence, Signaling, Spatial Contiguity, Temporal Contiguity, Segmenting, Pre-training तथा Personalization चतुर्षु अपि कथासु प्रयुक्तानि। Generative Activity तु The AI Journey with Milo & Zada इत्यस्याः अतिरिक्तं अन्यासु तिसृषु कथासु चिह्नितम्.

Generative AI इत्यस्य अभिकल्पनलाभः स्वयमेव किमर्थं पर्याप्तः नास्ति?

अध्ययनं दर्शयति यत् Generative AI एकस्मै शिक्षकाय अथवा अभिकल्पनकर्त्रे तादृशाः कथाः दृश्यानि च निर्मातुं साहाय्यं कर्तुं शक्नोति ये सामान्यतः लेखकस्य चित्रकारस्य च साहाय्यं अपेक्षेरन्; तथापि स्वयंचालितनिर्माणं कक्षास्तरीयगुणवत्तायुक्ता सामग्री एव इति न भवति इति विशेषतया प्रकाशयति। पात्र-शैलीसातत्यं, चित्रस्य resolution, अशुद्धलेखनानि label-ानि च, असम्बद्धवस्तूनि, visual hallucination-ानि, असफलसंशोधनप्रयत्नाश्च शोधकर्तृभिः अनुभूताः मुख्यसमस्याः आसन्.

अध्ययनस्य विधिः परिणामाश्च

चरणम् 1 — मानव–AI सहकार-शिक्षण-अभिकल्पनम्

प्रथमचरणे शोधकर्तारः प्रथमं सामग्रीः Alabama DLCS Emerging Technology मानकैः सह अनुरूपितवन्तः, ततः मानव–GenAI सहकारनिर्माणचक्रं प्रयुक्तवन्तः। मानवीय-input सम्पूर्णतया शोधकर्तृभिः सिद्धम्। प्रत्येकस्य panel इत्यस्य लक्ष्य-मानकम्, अधिगमलक्ष्यम्, दृश्यस्थः संवादः, लक्ष्यकक्षास्तरम्, चित्रकथारूपम्, प्रयोज्यभाषास्वरश्च निर्धारिताः.

Google Gemini इत्यस्य “version-pro” संस्करणम् अध्ययने चित्रकथाशैलीयुक्तदृश्यानां मुख्यं generative साधनम् इति निवेदितम्। प्रत्येकं निर्मितं दृश्यं प्रथमाभ्यां द्वाभ्यां लेखकेभ्यां पञ्चभिः मूलमानदण्डैः परीक्षितम्: दृश्यस्य संवादेन सह अनुरूपता, वयोनुकूलता, दृश्यस्पष्टता, कृत्रिमबुद्धिमत्ता-hallucination-अभावः, पर्याप्तं चित्र-resolution च। मानदण्डेषु एकः अपूर्णः सति prompt परिवर्तितः तथा दृश्यं पुनः निर्मितम्.

स्वीकृतानि दृश्यानि अनन्तरं Canva मध्ये संयोजितानि; पाठपेटिकाः, speech bubble-ानि, panel-विन्यासाः, typography च तत्र पूर्णीकृतानि। एतत् चरणं विशेषतः AI-निर्मितलेखने दोषसम्भावनायां महत्त्वपूर्णम् आसीत्.

चरणम् 2 — विद्यार्थ्यनुभवस्य परीक्षणम्

द्वितीयचरणे अमेरिकादेशस्य आग्नेयभागे उपनगरस्वरूपे विश्वविद्यालयनगरे आयोजिते एकसप्ताहिके coding ग्रीष्मशिबिरे भागं गृहीतवन्तः प्राथमिकविद्यालयस्य उच्चतरकक्षासु 11 विद्यार्थिनः स्वेच्छया साक्षात्कारेषु भागं गृहीतवन्तः। निदर्शने सप्त बालकाः चतस्रः बालिकाश्च आसन्; जातीयपृष्ठभूमेः विद्यालयस्य च सूचना न संगृहीता। षट् विद्यार्थिनः 4. कक्षां, पञ्च विद्यार्थिनः 5. कक्षां च प्रवेष्टुम् उद्यताः आसन्। अध्ययनम् Institutional Review Board-अनुमोदनेन सञ्चालितम्, मातापित्रोः हस्ताक्षरितसम्मतिः तथा विद्यार्थी-assent च प्राप्तम्.

प्रत्येकं विद्यार्थिनं प्रति एकैकशः कृताः अर्धसंरचिताः साक्षात्काराः प्रायः 10–12 minutes यावत् अभवन्। प्रश्नाः चित्रकथाभिः विद्यार्थिषु उत्पन्ना सहभागिता, दृश्य-अभिकल्पन-अनुभवः, शैक्षिकमूल्यम्, सङ्गणकविज्ञान-कृत्रिमबुद्धिमत्तयोः विषये जिज्ञासा च इत्येतेषु केन्द्रिताः आसन्.

Thematic analysis कथं कृतम्?

साक्षात्कारदत्तांशः षट्पदीयेन thematic analysis प्रक्रियया परीक्षितः। प्रथमलेखकः transcripts पुनः पुनः पठित्वा दत्तांशेन परिचितः अभवत्; अर्थपूर्णानि विद्यार्थीवचनानि हस्तेन coded कृतवान्; सम्बद्धान् codes विस्तृतविषयेषु समूहीकृतवान्; सम्भावितान् themes सर्वदत्तांशेन सह तुलयित्वा पुनरवलोकितवान्; themes परिभाष्य नामानि दत्तवान्, अन्ते परिणामान् उदाहरणैः सह निवेदितवान्। द्वितीयतृतीयलेखकौ coding इत्यस्य cross-check कृतवन्तौ तथा coding-प्रक्रियायां प्रथमलेखकेन सह सहमतिं प्राप्तवन्तौ.

एषा पद्धतिः quantitative hypothesis test नास्ति। अध्ययने p value, confidence interval, effect size, regression model अथवा experimental control group न निवेदिताः। मुख्यविश्लेषण-एककं विद्यार्थिनां साक्षात्कारवचनेषु अर्थप्रतिरूपाणि सन्ति.

परिणामः 1 — चित्रकथाधारित-अधिगमे सहभागिता

एकादशसु विद्यार्थिषु अष्टौ सामान्यतः चित्रकथारूपे अथवा पठितासु विशिष्टकथासु रुचिं दर्शितवन्तः। विद्यार्थिनः अनुभवम् अधिकतया मनोरञ्जकं, नूतनं, सुलभग्राह्यं च इति वर्णितवन्तः। शोधकर्तारः अस्य निदर्शनस्य विषये चित्रकथारूपं कृत्रिमबुद्धिमत्ताविषयपरिचयाय रोचकं माध्यमं भवितुं शक्नोति इति प्रारम्भिकं निरीक्षणं निवेदितवन्तः.

परिणामः 2 — दृश्यानि सङ्गणकविज्ञान-कृत्रिमबुद्धिमत्तासंकल्पनानाम् अवबोधं समर्थितवन्ति

एकादशसु विद्यार्थिषु अष्टौ चित्राणि सङ्गणकविज्ञानस्य कृत्रिमबुद्धिमत्तायाश्च content अवगन्तुं साहाय्यं कृतवन्ति इति निवेदितवन्तः। केचन विद्यार्थिनः विशेषतः पाठस्य चित्रस्य च संयुक्तकार्येण संकल्पनावबोधः सुकरः अभवत् इति उक्तवन्तः। speech bubble, वर्णाः, label-ानि च इत्यादिभिः दृश्यसंकेतैः महत्त्वपूर्णभागेषु ध्यानाकर्षणम् अपि विद्यार्थिभिः उपयोगी इति मन्यते स्म.

एषः परिणामः CTML इत्यस्य multimedia, signaling, coherence इति तत्त्वैः अनुरूपः: चित्रशब्दयोः परस्परसाहाय्यम्, महत्त्वपूर्णसूचनायाः दृश्यसंकेतैः स्पष्टीकरणम्, अनावश्यकcontent-स्य न्यूनीकरणं च विद्यार्थिनां ध्यानम् अधिगमलक्ष्ये स्थापयितुं शक्नोति। तथापि इदं अध्ययनं एते तत्त्वाः अधिगमसफलतायां कारणात्मकं वर्धनं जनयन्ति इति प्रयोगेण न दर्शितवान्.

परिणामः 3 — विद्यार्थिनः कृत्रिमबुद्धिमत्तायाः लाभान् जोखिमांश्च उभयान् अभिज्ञातवन्तः

एकादशसु विद्यार्थिषु अष्टौ कथानन्तरं विशिष्टानि AI-प्रयोगक्षेत्राणि अथवा क्षमताः वर्णितवन्तः। उदाहरणेषु गृहकार्यसाहाय्यम्, वाहनानि, गृहपाठसाहाय्यम्, accessibility, सुरक्षासम्बद्धोपयोगाश्च आसन्। तथैव reliability, गोपनीयता, surveillance इत्यादयः जोखिमाः अपि विद्यार्थिनां उत्तरैः प्रकटिताः.

एषः परिणामः महत्त्वपूर्णः, यतः अध्ययनस्य एकं लक्ष्यं कृत्रिमबुद्धिमत्तां केवलं उपयोगिनी अथवा केवलं संकटपूर्णा प्रौद्योगिकी इति प्रदर्शयितुं नास्ति; अपि तु विद्यार्थिनः लाभान् जोखिमांश्च सह मूल्ययितुं शक्नुवन्ति तादृशं शिक्षणसन्दर्भं निर्मातुम्। विशेषतः camera उपयुञ्जानस्य robot-स्य scenario विद्यार्थिनः गोपनीयता-surveillance-विषये स्वचिन्ताः व्यक्तुं प्रेरितवान्.

परिणामः 4 — कृत्रिमबुद्धिमत्ताविषये नूतनाः प्रश्नाः जिज्ञासा च उत्पन्ना

चित्रकथाः पठित्वा विद्यार्थिनः कृत्रिमबुद्धिमत्ताविषये अधिकं ज्ञातुमिच्छन्ति इति निवेदितवन्तः। एकादशसु विद्यार्थिषु नव भविष्ये ज्ञातुमिच्छन्तं विशिष्टं विषयं वक्तुं शक्तवन्तः। एतेषु कृत्रिमबुद्धिमत्ता कथम् उत्पन्ना, केन विकसिताऽभवत्, सूचनां कथं प्रक्रिययति, चित्रं data च कथं परिचिनोति, AI programming, robot-यन्त्राणि, कृत्रिमबुद्धिमत्तया कथा अथवा चित्रं कथं निर्मीयते इत्यादयः आसन्.

किमिदम् अध्ययनं विद्यार्थ्यधिगमे कारणात्मकं प्रभावं प्रमाणयति?

न। अध्ययनं मानव–GenAI सहकार-अभिकल्पनेन विकसिताः सामग्र्यः विद्यार्थिभिः रोचकाः सुबोधाश्च इति अनुभूताः इत्यस्य प्रारम्भिकं गुणात्मकं प्रमाणं ददाति; किन्तु control group, randomization, pre-test/post-test, quantitative अधिगमसफलतामापनम् अथवा दीर्घकालीनानुगमनम् नास्ति, अतः चित्रकथाः अथवा GenAI-सहायताप्राप्तम् अभिकल्पनं विद्यार्थ्यधिगमं कारणात्मकतया वर्धयति इति निष्कर्षः न कर्तुं शक्यते.

अध्ययनेन समर्थिताः बिन्दवः

• मानवपर्यवेक्षितः, मानकैः सह अनुरूपितश्च GenAI सहकार-अभिकल्पनप्रक्रमः चतस्रः कक्षासामग्र्यः निर्मातुं प्रयोजयितुं शक्यते.
• GenAI outputs मध्ये पात्रसातत्यं, अशुद्धलेखनम्, अनिच्छितवस्तु, hallucination इत्यादयः समस्याः मानवीयपरीक्षणं पुनरावृत्त-prompt-संशोधनानि च अपेक्षन्ते.
• अस्मिन् निदर्शने बहवः विद्यार्थिनः चित्रकथारूपं सकारात्मकतया स्वीकृतवन्तः.
• अस्मिन् निदर्शने बहवः विद्यार्थिनः चित्र-पाठयोः संयुक्तप्रस्तुतिम् अवबोधसहायिनी इति अनुभूतवन्तः.
• विद्यार्थिनः कृत्रिमबुद्धिमत्तायाः उपयोगक्षेत्राणि तथा गोपनीयता-reliability इत्यादीन् जोखिमान् व्यक्तुं शक्तवन्तः.
• विद्यार्थिनां महत्त्वपूर्णः भागः कृत्रिमबुद्धिमत्ताविषये अधिकं ज्ञातुमिच्छन्तः विशिष्टान् विषयान् निर्दिष्टवान्.

अध्ययनेन असमर्थिताः बिन्दवः

• GenAI द्वारा अभिकल्पिताः चित्रकथाः पारम्परिकशिक्षणात् अधिकप्रभाविण्यः इति प्रयोगात्मकश्रेष्ठतादावा.
• चित्रकथाः विद्यार्थिनां परीक्षासफलतां विशिष्टपरिमाणेन वर्धयन्ति इति दावा.
• परिणामानां सर्वेषु प्राथमिकविद्यालयविद्यार्थिषु, विभिन्नदेशेषु विद्यार्थिषु अथवा सर्वेषु कक्षास्तरेषु प्रत्यक्षसामान्यीकरणम्.
• Google Gemini अन्येभ्यः GenAI-platform-ेभ्यः श्रेष्ठम् इति निष्कर्षः.
• शिक्षकः अथवा शिक्षण-अभिकल्पनकर्ता GenAI द्वारा प्रतिस्थापयितुं शक्यते इति निष्कर्षः.
• अल्पकालिका जिज्ञासा दीर्घकालीनसङ्गणकविज्ञानशिक्षाचयनरूपेण परिवर्तते इति निष्कर्षः.

मुख्याः सीमाः

शोधकर्तारः अध्ययनं अभिकल्पनाधारितं गुणात्मकं परीक्षणम् इति स्थापयन्ति। निदर्शनं केवलं 11 विद्यार्थिभिः निर्मितम् तथा विशिष्टस्य ग्रीष्मशिबिरस्य सन्दर्भात् आगतम्। अध्ययने केवलम् एकः Generative AI-platform, Google Gemini, प्रयुक्तः। विभिन्नाः models समानैः prompt-ैः भिन्नानि outputs दातुं शक्नुवन्ति। अपि च, अध्ययनं विशिष्टैः CTML-तत्त्वैः अभिकल्पिताः सामग्र्यः परीक्षते; प्रत्येकस्य पृथक् तत्त्वस्य विद्यार्थिनि प्रभावः कियत् इति पृथक् प्रयोगैः न मापितः.

भावी-अध्ययनेभ्यः बृहत्तरनिदर्शनानि, वास्तविककक्षाप्रयोगाः, प्रयोगात्मकतुलनाः, दीर्घकालीनाधिगममापनानि, बहूनां GenAI-platform-ानां तुलना, भिन्नपूर्वज्ञानस्तरैः अथवा भिन्नाधिगमावश्यकताभिः युक्तानां विद्यार्थिनां परीक्षणं च अनुशस्यते। शुद्धता, पक्षपातः, पारदर्शिता, data-गोपनीयता, शिक्षकपर्यवेक्षणं च भावी मानव–AI सहकार-अभिकल्पन-model-ानां मुख्यनैतिकपरिवर्त्यरूपेण विचारणीयानि.

स्रोतः तथा विधिविषयकं विवरणम्

मूल-अध्ययनम्: Generative Artificial Intelligence as a Collaborative Designer for Elementary Computer Science Education

लेखकाः: Fatema Nasrin; Mohammad Mohi Uddin; Feiya Luo.

संस्था: Instructional Technology, College of Education, University of Alabama, Tuscaloosa, Alabama, अमेरिका.

Corresponding author: Feiya Luo.

पत्रिका: Education Sciences.

प्रकाशकः: MDPI.

वर्षम् / खण्डः / अङ्कः / लेखसङ्ख्या: 2026; 16(9); 1426.

प्रकाशनदिनाङ्कः: 2 September 2026.

DOI: 10.3390/educsci16091426

स्रोतः-प्रकारः: समकक्ष-समीक्षितः मुक्तप्रवेश-अनुसन्धानलेखः; अभिकल्पनप्रकरणं गुणात्मक-विद्यार्थिसाक्षात्कारांशांश्च संयोजयति.

अनुज्ञप्तिः: Creative Commons Attribution (CC BY). तथापि Verianla-पाठः स्रोतलेखस्य वाक्यानि, अनुच्छेदान्, सारणीन् अथवा दृश्यप्रस्तुतिं न प्रतिलिप्य, वैज्ञानिकतथ्यानि पद्धतिं च आधृत्य स्वतन्त्रतया निर्मितः.

वित्तपोषणम्: अध्ययनं National Science Foundation द्वारा 2342738 सङ्ख्यकस्य award अन्तर्गतं वित्तपोषितम्.

दत्तांशोपलब्धता:परिचयचिह्नरहितः दत्तांशः युक्तियुक्त-अनुरोधे उपलब्धः भवितुं शक्नोति इति निवेदितम्.

हितसंघर्षः:लेखकाः अध्ययनसम्बद्धं हितसंघर्षं न निवेदितवन्तः.

नीतिशास्त्रीय-अनुमोदनम्: विद्यार्थिसाक्षात्कारचरणम् Institutional Review Board द्वारा अनुमोदितम्; मातापित्रोः हस्ताक्षरितसम्मतिः तथा विद्यार्थी-assent प्राप्तम् इति निवेदितम्। स्रोतपाठे अस्मिन् विभागे विशिष्टः IRB protocol-सङ्ख्या न दीयते.

लेखकयोगदानानि

स्रोतस्य CRediT-विवरणानुसारं conceptualization तथा methodology — Feiya Luo तथा Fatema Nasrin; validation — त्रयः लेखकाः; formal analysis तथा investigation — Fatema Nasrin; resources, supervision, project administration तथा funding acquisition — Feiya Luo; data curation — Fatema Nasrin; first draft — Fatema Nasrin तथा Mohammad Mohi Uddin; review तथा editing — त्रयः लेखकाः; visualization — Fatema Nasrin तथा Mohammad Mohi Uddin.

स्रोतस्यान्तरिक-सुसङ्गतता-विवरणानि

स्रोते कक्षास्तरसम्बद्धवचनानि एकस्मिन् सङ्ख्यापरासे न संक्षेपणीयानि: सारांशे उद्देश्यविवरणे च सामग्र्यः 4–6. कक्षाभ्यः प्रस्तुताः, DLCS-अनुरूपणं तु 3–5. कक्षाभ्यः, विद्यार्थिनिदर्शनं च 4. तथा 5. कक्षां प्रति गच्छद्भिः विद्यार्थिभिः सम्बद्धम्.

CTML दृष्ट्यापि स्रोतस्यान्तरे असुसङ्गतिः अस्ति। विधिभागे Embodiment-तत्त्वं मुद्रितचित्रकथा-अभिकल्पने अप्रयुक्तेषु तत्त्वेषु गणितम्, परिशिष्ट A सारण्यां च चतसृषु कथासु अप्रयुक्तम् इति दर्शितम्। किन्तु चर्चाभागे Embodiment-तत्त्वेन Zappy, Milo तथा Zada इत्यादिपात्राणां सर्जनशीलोपयोगः प्रोत्साहितः इति लिखितम्। Verianla एतयोः वचनयोः एकं निःशब्दं न संशोधितवान्, न च अन्येन प्रतिस्थापितवान्.

अध्ययनं कुलतः 11 सहभागिनः निवेदयति, तथापि परिणामभागस्य केषुचित् विद्यार्थी-उद्धरणेषु P12 code प्रयुक्तः। स्रोतः सहभागिसङ्ख्याः किमर्थं क्रमिकाः न सन्ति इति न व्याख्यायति; अतः अस्मिन् विषये अतिरिक्तं अनुमानं न कृतम्.

अन्तिम-व्याख्यासिमा: अध्ययनस्य प्रमुखतमं योगदानं “GenAI विद्यार्थिसफलतां वर्धयति” इति निष्कर्षस्य प्रमाणनं नास्ति। मुख्यं योगदानं तु विस्तृत-अभिकल्पनप्रकरणेन दर्शयितुं यत् Generative AI शैक्षणिकमानकैः, CTML-तत्त्वैः, guardrail-ैः, निरन्तरमानवीयपर्यवेक्षणेन च नियन्त्रितायां शिक्षणसामग्रीनिर्माणप्रक्रियायां कथं समावेश्यते; तथा लघु-विद्यार्थिनिदर्शनात् एताः सामग्र्यः कथम् अनुभूताः इति प्रारम्भिकं गुणात्मकं दत्तांशं प्रदातुम्.