AI ट्यूटर कोई असरदार संकेत दे सकता है, बिना यह जाने कि शिक्षार्थी उसका उपयोग करेगा या नहीं। StudentSim एक शोध ढाँचा है, जिसका वर्णन 1 सितंबर के प्रीप्रिंट और 12 अक्टूबर के Microsoft Research लेख में किया गया है। इसका उद्देश्य ट्यूटर विकसित करने वालों को पहले ही प्रतिक्रिया का संकेत देना है। यह अलग-अलग शिक्षार्थियों का प्रतिनिधित्व करने के लिए मॉडल प्रशिक्षित करता है, फिर उनके शुरुआती उत्तर और मार्गदर्शन पर प्रतिक्रियाएँ परखता है।

AI ट्यूटर का मूल्यांकन करने वाले शोधकर्ताओं के लिए यह अंतर महत्त्वपूर्ण है। नौसिखिए जैसा बोलने वाला मॉडल ऐसी समस्याएँ भी हल कर सकता है जिन्हें वह नौसिखिया नहीं सुलझा सकता। दूसरा मॉडल किसी शिक्षार्थी की गलतियों का अनुमान लगा सकता है, लेकिन लिखित संकेत को समझने का तरीका उसके पास न हो। StudentSim का बेंचमार्क इन क्षमताओं को अलग-अलग मापता है। उसके नतीजे ट्यूटर पर आगे के शोध का समर्थन करते हैं, जबकि वास्तविक छात्रों पर प्रभाव अभी मापा नहीं गया है।

बड़ा बदलाव

  • क्या बदला: टीम ने दो चरणों वाली प्रशिक्षण विधि और StudentSimEval प्रकाशित किया। इस बेंचमार्क में शतरंज, दूसरी भाषा के रूप में अंग्रेज़ी लेखन और गणित के 60 शिक्षार्थी शामिल हैं। यह सिम्युलेटर का दर्ज व्यवहार से मेल और मार्गदर्शन के बाद सुधार तक पहुँचने की क्षमता परखता है।
  • यह क्यों महत्त्वपूर्ण है: ट्यूटर विकसित करते समय इस्तेमाल होने वाले प्रतिनिधि मॉडल की ये उपयोगी जाँचें हैं। मार्गदर्शन का स्कोर उस विशेष शिक्षार्थी के दर्ज संशोधन के बजाय मानक सुधरे हुए उत्तर का उपयोग करता है। इसलिए ऊँचा स्कोर यह स्थापित नहीं करता कि छात्र संकेत से कैसे सीखेगा।
  • आगे क्या देखें: इस शोध-संकेत से छात्रों के लिए उपयोग का समर्थन मिलने से पहले, स्वतंत्र पुनरुत्पादन और वास्तविक शिक्षार्थियों के अध्ययनों को समय के साथ सीखने, सुरक्षा और कक्षा में अनुकूलता की जाँच करनी होगी।

दोनों स्कोर क्या मापते हैं

StudentSimEval मूल्यांकन के लिए 30 शतरंज खिलाड़ियों, 15 अंग्रेज़ी शिक्षार्थियों और 15 गणित छात्रों के रिकॉर्ड अलग रखता है। शोधपत्र की औपचारिक परिभाषा में व्यवहारगत समानता यह पूछती है कि सिम्युलेटर की प्रतिक्रिया उस विशेष शिक्षार्थी की दर्ज प्रतिक्रिया जैसी है या नहीं। शतरंज में यह देखता है कि अनुमानित चाल वही है जो खिलाड़ी ने चली थी। चार विकल्पों वाले गणित प्रश्नों में चुने हुए विकल्प की जाँच करता है, गलत विकल्पों की भी। अंग्रेज़ी लेखन में तैयार निबंधों की गलतियों की दर और प्रकार की तुलना शिक्षार्थी की गलतियों के स्वरूप से होती है। इसलिए एक ही स्कोर-नाम अलग-अलग कामों को समेटता है, सभी विषयों में एक-दूसरे की जगह इस्तेमाल हो सकने वाला एक ही माप नहीं है।

मार्गदर्शन पर प्रतिक्रिया की क्षमता एक गलत उत्तर और ट्यूटर के संदेश से शुरू होती है, फिर स्कोर देती है कि सिम्युलेटर तय सुधार तक पहुँचा या नहीं। शतरंज में लक्ष्य इंजन के अनुसार सबसे अच्छी चाल, अंग्रेज़ी में लेखन का सुधरा हिस्सा और गणित में सही उत्तर होता है। इससे परखा जाता है कि अनुकरण किया गया शिक्षार्थी मार्गदर्शन का उपयोग करके उत्तर की ओर बढ़ सकता है या नहीं। यह उसी हस्तक्षेप पर शिक्षार्थी के अपने बाद के उत्तर से सीधी तुलना नहीं है। लेखकों का कहना है कि ऐसे व्यक्तिगत अगले उत्तरों को बेंचमार्क के पैमाने पर जुटाना भविष्य की डेटा-चुनौती बना हुआ है।

यह प्रशिक्षण प्रक्रिया पहले एक विषय के छात्रों के संयुक्त डेटा से स्वरूप सीखती है, फिर एक छात्र के रिकॉर्ड पर सिम्युलेटर को विशेषीकृत करती है। बेंचमार्क में शतरंज और गणित ट्यूटर के संदेश भाषा मॉडल से बनाए गए थे, जो निश्चित इंजन-लक्ष्यों या जाँचे गए उत्तरों पर आधारित थे; अंग्रेज़ी कॉर्पस में ट्यूटर के सुधार शामिल हैं। मूल्यांकन में हर शिक्षार्थी के प्रशिक्षण से अलग रखे गए रिकॉर्ड इस्तेमाल होते हैं। तय सूची एक ही सामग्री पर विधियों की तुलना का तरीका है, इस बात का प्रमाण नहीं कि 60 शिक्षार्थी व्यापक स्कूल आबादी का प्रतिनिधित्व करते हैं।

नतीजे क्या दिखाते हैं

शतरंज में StudentSim ने खिलाड़ियों की मूल्यांकन के लिए अलग रखी गई चालों से मेल के लिए व्यवहारगत समानता का 0.5150 स्कोर पाया। शतरंज-विशिष्ट Maia2 मॉडल का स्कोर 0.4535 और प्रॉम्प्ट दिए गए GPT-5.4 का 0.2316 था। मार्गदर्शन पर प्रतिक्रिया का स्कोर 0.9067 था, जबकि अन्य दोनों के क्रमशः 0.2721 और 0.7186 थे। शोधपत्र की परिणाम तालिकाएँ अंग्रेज़ी लेखन और गणित में भी अपने आधारभूत मॉडलों से ऊँचे स्कोर बताती हैं। इन क्षेत्रों में अलग माप इस्तेमाल होते हैं और परीक्षण सूची में शिक्षार्थियों की संख्या कम है।

टीम ने फिर स्थिर पैरामीटर वाले सिम्युलेटर का उपयोग करके AI शतरंज ट्यूटर को पुरस्कृत किया, जब उसके मार्गदर्शन से अनुकरण किए गए खिलाड़ी ने Stockfish इंजन के अनुसार बेहतर चाल चली। ट्यूटर के उत्तरों के ब्लाइंड मूल्यांकन में आठ प्रतिस्पर्धी शतरंज खिलाड़ियों ने 30 स्थितियों पर 74 अंतिम टिप्पणियाँ दीं। StudentSim पुरस्कार से प्रशिक्षित ट्यूटर के 90.5% उत्तर गंभीर, भ्रामक तथ्यात्मक गलती से मुक्त माने गए। रीइन्फोर्समेंट लर्निंग के बिना ट्यूटर के लिए यह 75.7% और प्रॉम्प्ट दिए गए GPT-5.4 सिम्युलेटर से प्रशिक्षित ट्यूटर के लिए 71.6% था। प्रकाशित मार्गदर्शन और वैयक्तिकरण रेटिंग में भी वह आगे था। ये तैयार की गई शतरंज सलाह पर विशेषज्ञों के निर्णय हैं। प्रयोग ने उस सलाह के बाद शिक्षार्थी में आए सुधार को नहीं मापा।

इस अवधारणा-प्रदर्शन में डिज़ाइन की एक और सीमा है: शतरंज ट्यूटर के पुरस्कार में संयुक्त डेटा पर प्रशिक्षित सिम्युलेटर और शिक्षण-शैली तथा बिसात के वर्णन की गलतियों की जाँच इस्तेमाल हुई। इसमें अलग-अलग प्रशिक्षित छात्र मॉडलों को व्यक्तिगत पुरस्कार के रूप में इस्तेमाल नहीं किया गया। लेखकों ने शतरंज कुछ हद तक इसलिए चुना कि शतरंज इंजन चालों को स्कोर दे सकता है; इसी प्रशिक्षण चक्र को खुले उत्तर वाले स्कूल कार्यों पर लागू करने के लिए उपयुक्त पुरस्कार-माप चाहिए होगा।

शिक्षार्थियों के उपयोग से पहले क्या बाकी है

इस प्रकाशित कोड भंडार में शोधकर्ताओं के लिए प्रशिक्षण और मूल्यांकन कोड है। उसकी पारदर्शिता टिप्पणी कहती है कि इस विधि को सबसे व्यापक रूप से शतरंज में परखा गया है, इसमें छात्रों के लिए सीधे तैनाती योग्य उत्पाद नहीं है और इसका उपयोग किसी पहचाने जा सकने वाले शिक्षार्थी का मूल्यांकन या रैंकिंग करने के लिए नहीं होना चाहिए। Microsoft Research इसे विकास का साधन बताता है, कक्षा का उत्पाद या शिक्षकों का विकल्प नहीं।

AI ट्यूटर से जुड़े दावों पर विचार कर रहे शिक्षकों के लिए ये नतीजे एक सीमित प्रारंभिक प्रश्न का उत्तर देते हैं: इस बेंचमार्क में क्या अनुकरण किया गया शिक्षार्थी दर्ज उत्तरों के कुछ स्वरूप बनाए रखता है और मार्गदर्शित सुधार पर प्रतिक्रिया देता है? यह अभी खुला प्रश्न है कि असली शिक्षार्थी ज्ञान सँजोकर रखते हैं, कई सत्रों में लाभ पाते हैं, या कक्षा में सुरक्षित और उपयोगी प्रतिक्रिया देते हैं या नहीं। शोधकर्ता इन परिणामों के लिए मानव प्रतिभागियों के अध्ययन ज़रूरी मानते हैं। BIG CHANGE ने शोधपत्र, शोध-विवरण और कोड दस्तावेज़ देखे; हमने StudentSim नहीं चलाया और उसके स्कोर स्वतंत्र रूप से पुनरुत्पादित नहीं किए।

स्रोत और आगे पढ़ें

  • StudentSim: LLM-आधारित छात्र सिम्युलेटर का प्रशिक्षण, प्रीप्रिंट संस्करण 1, 1 सितंबर 2026। विधियाँ, बेंचमार्क की परिभाषाएँ, परिणाम तालिकाएँ और शतरंज ट्यूटर अध्ययन। मानदंड-आधारित मार्गदर्शन लक्ष्य और सत्यापन के दायरे के लिए परिशिष्ट F पढ़ें।
  • Microsoft Research का विवरण, 12 अक्टूबर 2026। उद्देश्य, विधि और सीमाओं पर शोध टीम का विवरण; यह स्वतंत्र मूल्यांकन नहीं है।
  • StudentSim कोड और README। लेखकों द्वारा दिए गए प्रशिक्षण व मूल्यांकन के प्रवेश-बिंदु और क्षेत्र के अनुसार डेटा की तैयारी। केवल कोड उपलब्ध होने से बताए गए नतीजे पुनरुत्पादित नहीं हो जाते।
  • StudentSim पारदर्शिता टिप्पणी। शोध के लिए तय उपयोग, छात्रों के उपयोग की सीमाएँ और इस रिलीज़ का शतरंज पर अधिक सीमित ज़ोर।