OpenAI

27 ઑગસ્ટ, 2026

કંપની

વધુ સારા જવાબો, વ્યાપક વિચાર: ChatGPT અને વિવેચનાત્મક વિચારની તાલીમના લાભ

1,000થી વધુ વિદ્યાર્થીઓ સાથેના અવ્યવસ્થિત પ્રયોગમાં ChatGPTની સુલભતા અને કારણાત્મક રિઝનિંગની તાલીમે પરસ્પર પૂરક રીતે વિદ્યાર્થીનું કાર્ય સુધાર્યું.

વિદ્યાર્થીઓ વાસ્તવિક જીવનના કાર્યમાં ChatGPTનો ઉપયોગ કરે ત્યારે શું થાય છે? ગુણવત્તામાં સુધારો શું મૌલિકતાના ભોગે થાય છે?

OpenAIના આર્થિક સંશોધન વિભાગના સહયોગથી બોકોની યુનિવર્સિટીના સંશોધકોએ કરેલા નવા પ્રયોગમાં જાણવા મળ્યું કે ChatGPTની સુલભતા અને વિવેચનાત્મક વિચારની તાલીમની અસરો અલગ છતાં પરસ્પર પૂરક હતી. ChatGPTની સુલભતાથી વિદ્યાર્થીઓના કાર્યની ગુણવત્તા અને સુસંગતતા સુધરી, જ્યારે વિવેચનાત્મક વિચારના એક પ્રકાર એવા કારણાત્મક રિઝનિંગની કસરતથી તેમણે વધુ અનોખા વિચારો રજૂ કર્યા. ChatGPTની સુલભતા અને તાલીમ બંને મેળવનારા વિદ્યાર્થીઓમાં બંને અસરો જોવા મળી.

પરિણામો વિદ્યાર્થીની પ્રગતિનું મૂલ્યાંકન કરતી વખતે સર્વાંગી અભિગમનું મહત્વ પણ દર્શાવે છે. કૃત્રિમ બુદ્ધિમત્તાથી વિદ્યાર્થીઓ માટે સુઘડ જવાબો તૈયાર કરવાનું સરળ બનતાં, મૌલિકતા જેવા અન્ય ઇચ્છિત ગુણો માપવા માટે સોંપણીઓમાં ફેરફાર કરવાની જરૂર પડી શકે છે. 

કૃત્રિમ બુદ્ધિમત્તાએ વિદ્યાર્થીઓની નિપુણતાનું અંતર ઘટાડ્યું

પ્રયોગ દરમિયાન બોકોની યુનિવર્સિટીના પ્રથમ વર્ષના 1,000થી વધુ સ્નાતક વિદ્યાર્થીઓએ યુનિવર્સિટીના ચીજવસ્તુ ભંડાર માટે માર્કેટિંગ ભલામણો તૈયાર કરવાના વાસ્તવિક વ્યવસાયિક કેસ પર કામ કર્યું.

વર્ગના સમયગાળા પ્રમાણે વિદ્યાર્થીઓને અવ્યવસ્થિત રીતે ચાર જૂથમાંથી કોઈ એકમાં મૂકવામાં આવ્યા: ChatGPT (GPT‑4o)ની સુલભતા, કારણાત્મક રિઝનિંગની તાલીમ, બંને અથવા એકેય નહીં. કારણાત્મક રિઝનિંગ એ કારણ અને પરિણામને જોડવા તથા કોઈ ઉકેલ શા માટે કામ કરી શકે કે ન પણ કરી શકે તે સમજાવવા સંબંધિત વિવેચનાત્મક વિચારનું વિશિષ્ટ સ્વરૂપ છે. વિદ્યાર્થીઓને મળેલી તાલીમ કૃત્રિમ બુદ્ધિમત્તાથી સંબંધિત નહોતી. તેના બદલે, રમત, ઉદાહરણો, પ્રશ્નો અને પ્રતિસાદ ધરાવતી કસરત દ્વારા તેમને કારણાત્મક રિઝનિંગની વિભાવનાઓ શીખવવામાં આવી. 

પ્રશિક્ષિત માનવ મૂલ્યાંકનકારોએ પાંચ-ગુણની માપદંડસૂચિથી વિદ્યાર્થીઓની રજૂઆતોનું મૂલ્યાંકન કર્યું. અલગથી, સંશોધકોએ દરેક રજૂઆતમાં વિચારોની સંખ્યા અને વિવિધતા, કારણાત્મક રિઝનિંગનાં ચિહ્નો તથા ત્રણ નિષ્ણાતોની રજૂઆતો સાથેની સમાનતા માપવા સ્વચાલિત લખાણ વિશ્લેષણનો ઉપયોગ કર્યો. 

“ChatGPTની સુલભતા અને વિવેચનાત્મક વિચારની તાલીમથી વિદ્યાર્થીઓને પરસ્પર પૂરક લાભ મળ્યા” શીર્ષકવાળો આકૃતિ-નકશો, જેમાં ChatGPTની સુલભતા અને કારણાત્મક રિઝનિંગની તાલીમ પ્રમાણે ચાર જૂથોની તુલના કરાઈ છે અને બંને મેળવનારા જૂથમાં રિઝનિંગ કૌશલ્યનો સૌથી વધુ સુધારો દર્શાવાયો છે.

ChatGPTની સુલભતા ધરાવતા વિદ્યાર્થીઓએ પાંચ-ગુણના માપદંડ પર લગભગ એક ગુણ વધુ મેળવ્યો. તેમના જવાબોમાં વધુ વિચારો હતા, તર્ક વધુ સ્પષ્ટ હતો અને તે નિષ્ણાતોએ લખેલી ભલામણો સાથે વધુ મળતા આવતા હતા. બીજા શબ્દોમાં, કૃત્રિમ બુદ્ધિમત્તાએ નવોદિતોને વધુ વ્યાવસાયિક લાગતું કાર્ય તૈયાર કરવામાં મદદ કરી. મહત્વનું એ છે કે વિદ્યાર્થીઓ પોતાની સોંપણીઓ સીધી ChatGPTને સોંપી રહ્યા નહોતા. તેમણે શું પૂછવું, મળેલા જવાબોનું મૂલ્યાંકન કેવી રીતે કરવું અને અંતિમ રજૂઆતમાં શું સામેલ કરવું તે હજી પણ જાતે નક્કી કરવાનું હતું. 

વિવેચનાત્મક વિચારની તાલીમથી જુદી રીતે મદદ મળી

વિવેચનાત્મક વિચારની કસરતથી વધુ અણધાર્યું પરિણામ મળ્યું. કસરત પૂરી કરનારા વિદ્યાર્થીઓએ તેમના વિચારો શા માટે કામ કરી શકે અને ક્યારે નિષ્ફળ જઈ શકે તે વધુ સ્પષ્ટ રીતે સમજાવ્યું, પરંતુ માપદંડસૂચિમાં તેમને વધુ ગુણ મળ્યા નહીં. તેમાં માત્ર એ માપવામાં આવ્યું હતું કે ભલામણોએ માર્કેટિંગના બે પ્રમાણભૂત લક્ષ્યો—યુનિવર્સિટીના ભંડાર વિશે જાગૃતિ અને તેનો ઉપયોગ વધારવો—કેટલી સારી રીતે સિદ્ધ કર્યા.

લખાણ વિશ્લેષણથી એક બીજો લાભ સામે આવ્યો, જે માપદંડસૂચિમાં નોંધાયો નહોતો. સમગ્ર જૂથમાં કસરત પૂરી કરનારા વિદ્યાર્થીઓએ પોતાના સહપાઠીઓ કરતાં વધુ વિશાળ શ્રેણીના અને વધુ અલગ વિચારો રજૂ કર્યા. આ મહત્વનું છે, કારણ કે આ પ્રયોગમાં વિદ્યાર્થીઓના મૂલ્યાંકન માટે વપરાયેલી પરંપરાગત માપદંડસૂચિ સ્પષ્ટ અને સુવ્યવસ્થિત જવાબને પુરસ્કૃત કરી શકે છે, પરંતુ વિદ્યાર્થીએ એવો વિચાર રજૂ કર્યો કે નહીં જે બીજા કોઈને ન આવ્યો હોય તેની અવગણના કરી શકે છે.

કૃત્રિમ બુદ્ધિમત્તાની સુલભતા વિચારકૌશલ્યને પૂરક બની શકે છે

શિક્ષણ અંગેની ચર્ચાને વિદ્યાર્થીઓએ જાતે વિચારવાનું શીખવું જોઈએ કે કૃત્રિમ બુદ્ધિમત્તાનો ઉપયોગ કરવાનું, એવા બેમાંથી એક વિકલ્પ તરીકે રજૂ કરવાનું આકર્ષક લાગી શકે છે.

આ પ્રયોગ દર્શાવે છે કે બંનેનું મહત્વ અલગ અલગ રીતે છે. કૃત્રિમ બુદ્ધિમત્તાની સુલભતાએ વિદ્યાર્થીઓને વધુ સુઘડ, વિચારસભર અને તાર્કિક રીતે વધુ સુસંગત જવાબો તૈયાર કરવામાં મદદ કરી. વિવેચનાત્મક વિચારની તાલીમે તેમને મૌલિક વિચારોની વધુ વિશાળ શ્રેણી વિકસાવવા, ધારણાઓ પર સવાલ ઉઠાવવા અને તેમના વિચારો શા માટે કામ કરવા જોઈએ તે સમજાવવા પ્રેર્યા.

બંને સાથે મળીને એકબીજાને પૂરક બને છે. 

ChatGPTની સુલભતા અને વિવેચનાત્મક વિચારની કસરત બંને મેળવનારા વિદ્યાર્થીઓમાં બંનેના લાભ જોવા મળ્યા. તેમના વિચારોની વિવિધતા માત્ર કસરત પૂરી કરનારા વિદ્યાર્થીઓ જેટલી જ હતી. માપદંડસૂચિ પરના તેમના ગુણ અને વિચારોની સંખ્યા માત્ર ChatGPTની સુલભતા ધરાવતા વિદ્યાર્થીઓ જેટલી જ હતી. તેમના કાર્યમાં વધુ મજબૂત તાર્કિક સુસંગતતા અને સમજૂતીઓ શોધવા તથા ધારણાઓ પર સવાલ ઉઠાવવાના વધુ પુરાવા પણ જોવા મળ્યા. એકંદરે, આ જૂથે સૌથી વધુ પ્રકારનાં માપદંડોમાં સુધારો દર્શાવ્યો. 

પ્રયોગની અવ્યવસ્થિત રચનાને કારણે સંશોધકો આ વિવિધ પરિબળોનું ઊંડાણપૂર્વક વિશ્લેષણ કરી શક્યા અને ChatGPTની સુલભતા તથા વિવેચનાત્મક વિચારની કસરતની અલગ અસરોને બંનેના સંયુક્ત પ્રભાવથી જુદી પાડી શક્યા. આ કારણે આ પ્રયોગ વિદ્યાર્થીઓ પર કૃત્રિમ બુદ્ધિમત્તાની અસર તથા તેમના શિક્ષણને શ્રેષ્ઠ રીતે કેવી રીતે ગોઠવવું અને ટેકો આપવો તે અંગે ઝડપથી વધતા સંશોધનમાં ખાસ ઉપયોગી યોગદાન આપે છે. 

શાળાઓ સામેનો પડકાર

વિદ્યાર્થીઓ પર કસરતની અસર અને પરંપરાગત માપદંડસૂચિમાં નોંધાયેલી અસર વચ્ચેનો તફાવત શાળાઓ સામેના વધુ વ્યાપક પડકાર તરફ નિર્દેશ કરે છે. 

જો કૃત્રિમ બુદ્ધિમત્તા વિદ્યાર્થીઓને સુઘડ અને નિષ્ણાત જેવું કાર્ય તૈયાર કરવામાં મદદ કરી શકે, તો માત્ર અંતિમ જવાબ જોવાથી વિદ્યાર્થી ખરેખર શું સમજે છે તે વિશે ઓછી માહિતી મળે છે. 

ઘણા શિક્ષકો પહેલેથી જ એ સંભાવના પર વિચાર કરી રહ્યા છે કે સોંપણીઓ અને મૂલ્યાંકનોમાં ફેરફાર કરવાની જરૂર પડી શકે છે. આ આધુનિક સમાજમાં વિદ્યાર્થીઓને જરૂરી કૌશલ્યો વિકસાવવામાં મદદ કરવા માટે ટેક્નોલોજી અને શિક્ષણ સાથે વિકસતા આવ્યાની અનેક દાયકાઓ જૂની પરંપરાને અનુસરે છે.

આ પરિણામો દર્શાવે છે કે માત્ર સૌથી પરંપરાગત કે સુઘડ જવાબો માટે નહીં, પરંતુ મૌલિકતા, રિઝનિંગ અને અનેક અભિગમો પર વિચાર દર્શાવતા કાર્ય માટે વિદ્યાર્થીઓને પુરસ્કૃત કરવું મહત્વનું છે. 

મુખ્ય તારણ: કૃત્રિમ બુદ્ધિમત્તાએ વિદ્યાર્થીઓને પોતાના જવાબો સુધારવામાં મદદ કરી. વિવેચનાત્મક વિચારની તાલીમે તેમના વિચારોને વધુ વ્યાપક બનાવવામાં મદદ કરી. વિદ્યાર્થીઓને ભવિષ્ય માટે તૈયાર કરવામાં બંને પરસ્પર પૂરક ભૂમિકાઓ ભજવે છે.

ઉલ્લેખ

ઉલ્લેખ

1
@techreport{openaiecon2026novices,
2
author = {Hemanth Asirvatham and Chiara Betti and Rachel Brown and Arnaldo Camuffo and Aaron Chatterji and Chiara Fumagalli and Alfonso Gambardella and Myriam Mariani and Abhinav Pandey and Steve Ramos and Giovanni Salvucci and Vladimir Simic},
3
title = {Training novices to think, or giving them {LLMs}? Evidence from an {RCT}},
4
date = {2026-08},
5
year = {2026},
6
institution = {Centre for Economic Policy Research},
7
type = {Working paper},
8
number = {21882},
9
url = {https://cdn.openai.com/pdf/novices-and-llm-august-2026.pdf},
10
}