प्रीप्रिंट एजेंसी को विघटित करना, उत्तरदेयता को अलग करना: AI-सहायता प्राप्त सीखने में वह विकसित करना जो सौंपा नहीं जा सकता (टोमिता, 2026) की एक सरल-भाषा व्याख्या।
प्रीप्रिंट: https://osf.io/preprints/edarxiv/hvbfe*
(जापानी संस्करण: *https://researchmap.jp/ketomy/others/54141521
जब कोई सिस्टम एक निबंध की योजना बना सकता है, उसका मसौदा तैयार कर सकता है, उसे संशोधित कर सकता है, और अनुरोध पर अपने स्वयं के तर्क की व्याख्या कर सकता है, तो एक प्रश्न जो कभी अलंकारिक हुआ करता था, अपरिहार्य हो जाता है: जब AI काम कर सकता है, तो सीखने वाले के लिए क्या बचता है जिसे वह स्वयं उत्पन्न करे?
संस्थानों ने ज्यादातर दो तरीकों में से एक में उत्तर दिया है — क्षमताओं की रक्षा के लिए उपकरणों पर प्रतिबंध लगाएं, या उपकरणों को स्वीकार करें और उम्मीद करें कि क्षमताएं बची रहेंगी। दोनों प्रतिक्रियाएं एजेंसी को एक एकल मात्रा के रूप में मानती हैं जिसे AI या तो खतरा पहुंचाता है या नहीं। यह लेख तर्क देता है कि यह समस्या का गलत आकार है। एजेंसी एक चीज़ नहीं है। एक बार जब आप इसे सही कट से अलग करते हैं, तो इसका अधिकांश भाग प्रशिक्षित, समर्थित, या मानव-AI प्रणालियों में वितरित करने योग्य हो जाता है — और एक छोटा, सटीक शेष भाग बिल्कुल भी कोई क्षमता नहीं होता है।
एक अलग कट: मनोविज्ञान से नहीं, बल्कि सौंपने की क्षमता से
एजेंसी को विघटित करने के क्लासिक तरीके इसे मनोवैज्ञानिक कार्य (बंडुरा, 2001) या लौकिक अभिविन्यास (एमिरबेयर और मिशे, 1998) द्वारा काटते हैं। दोनों अपने स्वयं के प्रश्नों में अच्छे हैं। कोई भी उस प्रश्न के लिए नहीं बनाया गया था जो AI अब मजबूर करता है। इसलिए यह लेख एक अलग धुरी पर काटता है — सौंपने की क्षमता — जिसे एक एकल परीक्षण द्वारा परिभाषित किया गया है: क्या होता है जब आप प्रत्येक भाग को सौंपने का प्रयास करते हैं?
तीन घटक सामने आते हैं।
- दिशा — सीखने वाला किस ओर उन्मुख है: मूल्यांकनात्मक प्रतिबद्धता जो किसी समस्या को केवल सौंपे जाने के बजाय उनकी अपनी बनाती है।
- ड्राइव, दो परतों में — सामान्य ड्राइव (लक्षण-जैसी ऊर्जा और गतिविधि स्तर) और प्रेरक ड्राइव (किसी विशेष वस्तु की ओर राज्य-जैसा बल)।
- मोड — वह विशिष्ट पैटर्न जिसमें वह ड्राइव सीखने वाले के स्वभाव से गुज़रता है: चाहे वह आमतौर पर बनाता, जोड़ता, आलोचना करता, या बनाए रखता है। जो सीखने वाला अपने सामने रखे गए किसी भी मसौदे को निखारता है लेकिन किसी की उत्पत्ति नहीं करता, वह एजेंसी में कम नहीं है; वे एक ही मोड में काम कर रहे हैं।
ये सौंपने की क्षमता विश्लेषण के लिए छँटाई के डिब्बे हैं, कोई नया मनोविज्ञान नहीं। मुद्दा यह है कि जब प्रत्येक को परीक्षण के विरुद्ध चलाया जाता है तो क्या होता है।
इसका अधिकांश भाग साफ-साफ छंट जाता है
तालिका 1. सौंपने की क्षमता धुरी के तहत सीखने वाले की एजेंसी।
परीक्षण चलाएँ और अधिकांश एजेंसी छंट जाती है: सामान्य ड्राइव चयन योग्य और समर्थनीय है; मोड प्रशिक्षित और समर्थनीय है — AI कमजोर मोड को सीधे मचान प्रदान कर सकता है (मसौदा तैयार करना ताकि आलोचक के पास एक वस्तु हो, संरचना करना ताकि जोड़ने वाले के पास सामग्री हो), जो इसे सबसे कम विवादित घटक बनाता है; प्रेरक ड्राइव सामान्य ड्राइव से परिवर्तनीय है।
अकेली दिशा प्रतिरोध करती है — लेकिन सटीकता मायने रखती है। जो प्रतिरोध करता है वह उम्मीदवार दिशाओं की आपूर्ति नहीं है। प्रस्ताव सस्ते हैं: एक शिक्षक दस सुझाव दे सकता है, एक AI अनुरोध पर पचास उत्पन्न कर सकता है, और दोनों की सीखने वाले के सामने आने वाली चीज़ों को व्यापक बनाने में एक वैध भूमिका है। जो सौंपा नहीं जा सकता वह है स्वामित्व। एक प्रस्तावित दिशा सीखने वाले की अपनी बन जाती है — या बनने में विफल रहती है — एक ऐसी प्रक्रिया के माध्यम से जिसे प्रस्तावक नियंत्रित नहीं करता है, और एक स्थापित दिशा और एक स्वामित्व वाली दिशा के बीच का अंतर व्यवहारिक रूप से दिखाई देता है: अनुपालन पर्यवेक्षक के ध्यान को ट्रैक करता है; प्रतिबद्धता नहीं करती। आत्म-निर्णय सिद्धांत एक अन्य कोण से इस भेद के लिए अभिसरण समर्थन प्रदान करता है — बाह्य रूप से प्रस्तावित लक्ष्य केवल उन शर्तों के तहत एकीकृत होते हैं, न कि केवल अनुपालन किए जाते हैं, जो सूचनात्मक होने के साथ-साथ संबंधपरक भी होती हैं (रयान और डेसी, 2000)।
वर्तमान विघटन पर, यह एजेंसी के वितरण दृष्टिकोण को प्रमाणित करता है (कुकुरोवा, 2026) इन घटकों के लिए: योजना मचान, सामान्य ड्राइव के लिए समर्थन, मोड-विस्तार उपकरण, मौजूदा प्रेरणा के आसपास रखरखाव वास्तुकला — ये सभी वास्तव में मानव-AI विन्यासों में वितरित होते हैं। लेख वितरित एजेंसी की अस्वीकृति नहीं है। यह एक प्रतिबंध है कि वितरण क्या समझा सकता है। वितरण खाते इस बारे में सही हैं कि क्या वितरित होता है — और इस बारे में चुप हैं कि क्या नहीं होता है।
शेष भाग जो कभी कोई घटक नहीं था
चित्र 1. एक में घटक हैं; एक उत्तरदेयता में खड़ा है।
जब छँटाई समाप्त हो जाती है, तो कुछ बच जाता है जो कभी सूची में नहीं था — और यह चौथा घटक नहीं है। यह एक संबंध है: उत्तरदेयता, एक निर्णय के लिए उत्तर देने की गैर-हस्तांतरणीय स्थिति, किसी ऐसे व्यक्ति को जो पूछने का हकदार है। (शिक्षा में, उत्तरदेयता का एक बख्तिनियन वंश भी है; यहाँ प्रयुक्त अर्थ संकीर्ण और डारवालियन है — किसी ऐसे व्यक्ति को उत्तर देने की स्थिति जो पूछने का हकदार है।)
लेख इसे दूसरे-व्यक्तिगत रूप से आधारित करता है, और उधार को सटीक रूप से चिह्नित किया जाना चाहिए। डारवॉल (2006) से यह दूसरे-व्यक्तिगत संबोधन की संरचना लेता है: दावे और माँगें व्यक्ति से व्यक्ति के बीच की जाती हैं, और उत्तरदेय होने का अर्थ है वह होना जिसे उत्तर देने के लिए बुलाया जा सकता है। जो उधार लिया गया है वह वह संबोधन संरचना है। जो मौलिक है वह यहाँ विस्तार है — इसे आचरण (डारवॉल का अपना विषय) से एक निर्णय के वारंट तक ले जाना: कि एक मूल्यांकनात्मक निर्णय, एक क्रिया से कम नहीं, एक वाहक की आवश्यकता होती है जिसे संबोधित किया जा सकता है, चुनौती दी जा सकती है, और जिसे उत्तर देना होगा।
डारवॉल के विवरण में एक विषमता को यहाँ निर्णायक माना गया है। दावा करने वाला पक्ष स्पष्ट रूप से प्रतिनिधित्व की अनुमति देता है — एक ट्रस्टी दूसरे की ओर से माँग कर सकता है, एक तीसरा पक्ष पीड़ित के लिए क्रोधित हो सकता है। उत्तर देने वाले पक्ष पर कोई समानांतर प्रॉक्सी दिखाई नहीं देता है: अपराध की प्राकृतिक अभिव्यक्तियाँ स्वीकारोक्ति, माफी और स्व-संबोधित फटकार हैं। लेख इस विषमता को उस जोड़ के रूप में लेता है जिस पर तर्क टिका है: उत्तर देना सीखने वाले की ओर से नहीं किया जा सकता है।
दो भेद इसे पड़ोसी विचारों में धुंधला होने से बचाते हैं:
- जवाबदेही बनाम उत्तरदेयता। जवाबदेही संस्थागत रूप से आवंटित करने योग्य है: यह फैल सकती है, ऑडिट की जा सकती है, और पुन: असाइन की जा सकती है। उत्तरदेयता संबंधपरक और व्यक्ति-अनुक्रमित है: एक निर्णय का वारंट उस विशेष एजेंट में लंगर डाले रहता है जिसे उत्तर देना होगा (टोमिता, 2026b)।
- अधिकार बनाम स्थिति। यह स्थिति ज़िंग एट अल. (2026) द्वारा जांचे गए AI-एजेंट प्राधिकरण के विपरीत दिशा में चलती है। वर्तमान विवरण पर, अधिकार सीखने वाले द्वारा प्रदान किया जाता है और कथित क्षमता को ट्रैक करता है, जबकि स्थिति उस व्यक्ति द्वारा बनाए रखी जाती है जो निर्णय करता है और उत्तरदेयता को ट्रैक करता है। एजेंट को अधिक अधिकार दिया जा सकता है, बिना इसके स्थिति प्राप्त किए।
AI इसमें क्यों खड़ा नहीं हो सकता — और यह क्षमता का दावा क्यों नहीं है
एक कुशल धोखेबाज के पास प्रचुर मात्रा में दिशा होती है, और किसी को जवाब नहीं देता — जब तक उसे मजबूर न किया जाए। योग्यता ही मुद्दा है: एक मानव धोखेबाज को उत्तर देने के लिए मजबूर किया जा सकता है; वही अतिसंवेदनशीलता — संबोधित किए जाने, चुनौती दिए जाने, पकड़े जाने के प्रति — क्रिया में दूसरे-व्यक्तिगत क्षमता है। एक वर्तमान AI सिस्टम का आउटपुट इस अर्थ में उत्तर देने के लिए मजबूर नहीं किया जा सकता है: इससे कुछ भी नहीं लिया जा सकता है, इसकी अपनी कोई प्रतिबद्धता दांव पर नहीं है, और स्क्रिप्टेड आत्म-निंदा बेकार होगी। अंतर किसी भी घटक आयाम के साथ डिग्री का नहीं है। यह एक संबंध को अस्वीकार करने और एक में खड़े होने में असमर्थ होने के बीच का अंतर है।
दो गलत व्याख्याओं को खारिज किया जाना चाहिए:
- यह कार्य-क्षमता का दावा नहीं है। योजना, मसौदा तैयार करना, स्पष्टीकरण, या आत्म-निगरानी क्षमता का कोई भी संचय अपने आप में दूसरे-व्यक्तिगत स्थिति स्थापित नहीं करता है — डारवॉल की दूसरे-व्यक्तिगत धारणाएँ (अधिकार, वैध दावा, दूसरा-व्यक्तिगत कारण, और जिम्मेदारी-से) एक अंतर्परिभाषित चक्र बनाती हैं जिसमें बाहर से प्रवेश नहीं किया जा सकता है। प्रासंगिक प्रश्न यह है कि क्या कोई सिस्टम संबोधन और प्रतिक्रिया के संबंध में प्रवेश कर सकता है, न कि यह कि वह कितने कार्य कर सकता है। लेख यह तय नहीं करता है कि क्या कोई भविष्य प्रणाली दूसरे-व्यक्तिगत क्षमता प्राप्त कर सकती है; यह अकेले क्षमता को एक शॉर्टकट के रूप में खारिज करता है। सीमा क्षमता का अनुसरण करती है, सब्सट्रेट का नहीं।
- यह अभिजात्यवाद नहीं है। उत्तरदेयता कुछ प्रतिभाशाली लोगों के पास नहीं होती है। एक निवासी लाइसेंस प्राप्त करने के पहले दिन से उत्तर देने की स्थिति रखता है; एक छात्र उस क्षण से इसे रखता है जब काम उनके अपने नाम के तहत प्रस्तुत किया जाता है। प्रशिक्षण जो बनाता है वह स्थिति नहीं है, बल्कि इसे अच्छी तरह से ग्रहण करने की क्षमता है।
दूसरी दिशा में भी एक व्यावहारिक धार है: अविवेकपूर्ण प्रतिनिधिमंडल सीखने वाले के पक्ष को अछूता नहीं छोड़ता — यह भारी निर्भरता के तहत योजना, निगरानी और मूल्यांकन में जुड़ाव को कमजोर कर सकता है (फैन एट अल., 2025)। यही कारण है कि नुस्खा प्रतिनिधिमंडल को कुछ ऐसा मानता है जिसे आकार दिया जाना है, न कि केवल अनुमति दी जानी है।
दिशा कहाँ से आती है
यदि दिशा स्थापित नहीं की जा सकती है, तो यह कहाँ से आती है? लेख तीन आंदोलनों में एक अतिरिक्त तंत्र प्रस्तावित करता है: एक समस्या-धारक के साथ सन्निहित मुठभेड़ मूल्यांकनात्मक प्रतिबद्धता के क्रिस्टलीकरण को अवक्षेपित करती है; क्रिस्टलीकृत दिशा तब सामान्य ड्राइव को प्रेरक ड्राइव में परिवर्तित करती है। प्रत्येक आंदोलन एक शर्त का नाम देता है, गारंटी का नहीं।
चिकित्सा ने इस डिज़ाइन को एक सदी से चलाया है। क्लिनिकल क्लर्कशिप छात्रों को रोगियों के माध्यम से इस स्पष्ट आधार पर मार्गदर्शित करती है कि देखभाल की ओर दिशा बिस्तर के पास बनती है, व्याख्यान कक्ष में स्थापित नहीं होती है। मॉडल एक डिज़ाइन ह्यूरिस्टिक के रूप में काम कर सकता है जहाँ भी एक पाठ्यक्रम उन लोगों के साथ निरंतर, प्रारंभिक, सन्निहित संपर्क बना सकता है जो समस्याओं को धारण करते हैं।
एक दो-चरणीय नुस्खा
दो-परत संरचना दो चरणों में एक नुस्खा देती है, और चरणों को विलय नहीं किया जाना चाहिए।
चरण एक — विघटन जो कुछ भी रख सकता है उसके लिए।
- एक नैदानिक कम्पास। OECD के लर्निंग कम्पास 2030 ने एजेंसी को केंद्र में रखा कि कैसे सीखने वाले एक अनिश्चित दुनिया में नेविगेट करते हैं, लेकिन यह यात्रा करने की दिशा की ओर इशारा करता है, बजाय इसके कि उस दिशा को उन भागों में हल किया जाए जिन्हें एक शिक्षक पढ़ सकता है (OECD, 2019)। यह चरण दूसरे प्रकार की आपूर्ति करता है: एक सीखने वाले की दिशा, सामान्य ड्राइव, प्रेरक ड्राइव और मोड को अलग-अलग पढ़ें, सौंपने की क्षमता छँटाई के विरुद्ध, उन्हें एक एकल "योग्यता" में जोड़ने के बजाय। इसे किसी नए साइकोमेट्रिक्स की आवश्यकता नहीं है — केवल मौजूदा उपकरणों को अलग तरह से पढ़ा जाता है। एक आरक्षण सावधानीपूर्ण नहीं, बल्कि संवैधानिक है: कम्पास केवल वही पढ़ता है जिसे बाहरी किया जा सकता है। उत्तरदेयता किसी सुई पर दिखाई नहीं देती है, और एक कम्पास जो इसे स्कोर करने का दावा करेगा, वह उसी भ्रम को फिर से आयात करेगा जिसका यह पेपर निदान करता है। कार्य उदाहरण। एक सीखने वाला "अप्रेरित" के रूप में प्रस्तुत होता है। कम्पास अलग करता है: सामान्य ड्राइव उच्च (वही छात्र कहीं और सजीव है), दिशा अनुपस्थित, मोड मुख्य रूप से आलोचनात्मक। यह प्रेरणा की कमी नहीं है, बल्कि एक पूर्व-क्रिस्टलीकरण अवस्था है — बिना किसी वस्तु के एक मजबूत इंजन — और लीवर उपदेश नहीं, बल्कि मुठभेड़ों के संपर्क में आना है। कम्पास अपना उद्देश्य खोजें (एक द्विआधारी मांग जो ज्यादातर पंगु बना देती है) को अपने स्वयं के ग्रेडिएंट का निरीक्षण करें से बदल देता है, जो एक पूर्व-क्रिस्टलीकरण सीखने वाला वास्तव में कर सकता है।
- मुठभेड़ इंजीनियरिंग। यदि मुठभेड़ दिशा को अवक्षेपित करती है, तो पाठ्यक्रम को मुठभेड़ घनत्व के लिए डिज़ाइन किया जा सकता है — समस्या-धारकों के साथ संरचित संपर्क, प्रारंभिक और सन्निहित, इससे पहले कि क्षमता पारंपरिक रूप से इसे "उचित" ठहराए।
- AI सुरक्षा रेलिंग। AI को कॉन्फ़िगर करें ताकि प्रतिनिधिमंडल सीखने वाले के लिए प्रतिस्थापन किए बिना बाधाओं को दूर करे। लेकिन सीमा पर ध्यान दें: AI के साथ संवाद, चाहे कितनी भी अच्छी तरह से कॉन्फ़िगर किया गया हो, उत्तरदेयता विकसित नहीं करता है — सिस्टम प्रतिबद्धताओं को उत्पन्न कर सकता है, लेकिन यह वह नहीं हो सकता जिसके प्रति सीखने वाला उत्तर देता है। सुरक्षा रेलिंग चरण एक की सेवा करती हैं। वे चरण दो के लिए प्रतिस्थापन नहीं करती हैं।
चरण दो — उसके लिए जो चरण एक तक नहीं पहुँच सकता।
उत्तरदेयता केवल दूसरे-व्यक्तिगत आदान-प्रदान के अंदर बढ़ती है: प्रश्न किया जाना, उत्तर देना, और उत्तर का स्वामित्व लेना। शिक्षक का अपूरणीय कार्य — जो उपकरणों का कोई विन्यास अवशोषित नहीं करता है — दूसरा व्यक्ति होना है: सीखने वाले से पूछना आपका आकलन क्या है? और उन्हें उनकी बात पर कायम रखना। नैदानिक पर्यवेक्षण ने हमेशा इस तरह से काम किया है — निवासी उत्तर देता है, मामले दर मामले, किसी ऐसे व्यक्ति को जो पूछने का हकदार है, और इस तरह एक ऐसी स्थिति पर उत्तर देने की क्षमता बनाई जाती है जो शुरू से ही थी।
यह संरचनात्मक रूप से आधारित है, पुरानी यादों से नहीं। नोनाका और ताकेउची के SECI मॉडल (1995) का उपयोग करते हुए, टोमिता (2026b) तर्क देता है कि जब AI ज्ञान के बाहरीकरण और संयोजन को गति देता है, तो प्रभावी दर-सीमित प्रक्रियाएँ समाजीकरण और आंतरिककरण की ओर स्थानांतरित हो जाती हैं — और समाजीकरण, जहाँ मूल्यांकनात्मक प्रतिबद्धताओं पर व्यक्तियों के बीच विवाद और संशोधन किया जाता है, वास्तव में दूसरे-व्यक्तिगत स्थल है। आत्म-निर्णय सिद्धांत ने आंतरिककरण के लिए जो संबंधपरक स्थितियाँ आवश्यक पाईं, वे उसी तरह इशारा करती हैं (रयान और डेसी, 2000)। हाइब्रिड मानव-AI विन्यास सही पात्र है, और चरण एक इसे भरता है; लेकिन किसी भी विन्यास के भीतर, जो पक्ष उत्तर देता है वह उसमें मानव है, विन्यास नहीं।
इसका निहितार्थ क्या है
तो सीखने वाले के लिए क्या बचता है का उत्तर दो प्रकार का है, और उन्हें अलग रखना लेख का केंद्रीय अनुशासन है:
- दिशा — एक घटक जो स्थापना का प्रतिरोध करता है लेकिन मुठभेड़ के आगे झुक जाता है।
- उत्तरदेयता — बिल्कुल भी कोई घटक नहीं, बल्कि वह स्थिति है जिसमें एक सीखने वाला किसी निर्णय के लिए किसी को उत्तर देता है।
AI उस संबंध के आस-पास की हर चीज़ की अर्थव्यवस्था को बदल देता है, शिक्षण और सीखने दोनों से बाहरीकरण के बोझ को हटा देता है। यह जो नहीं बदलता है वह स्वयं संबंध है: किसे उत्तर देना है, और किसको। शिक्षक की स्थिति इस प्रकार स्पष्ट होती है, कम नहीं — मुठभेड़ों को डिज़ाइन करें, उपकरणों को कॉन्फ़िगर करें, कम्पास को पढ़ें; और फिर वह व्यक्ति बनें जिसे सीखने वाला उत्तर देता है।
AI शिक्षा के बाहरीकरण के बोझ को हटा देता है; यह जो नहीं हटा सकता वह दूसरा व्यक्ति है।
AI के युग में शिक्षा स्वचालन के खिलाफ मानवीय कार्यों की रक्षा नहीं है। यह उस चीज़ की खेती है जो कभी कोई कार्य नहीं था।
यह एक बड़े ढाँचे में कैसे फिट बैठता है
यह एक कार्यश्रृंखला का तीसरा टुकड़ा है कि AI क्या संपीड़ित करता है और क्या नहीं। पहले ने बाहरीकरण लागत (जिसे AI हटा देता है) को विशिष्टता से अलग किया — डोमेन निर्णय जो AI सहायता अपने आप में ढाँचे के लक्ष्य डोमेन में आपूर्ति नहीं करता है (टोमिता, 2026a)। दूसरे ने विशिष्टता को तथ्य-प्रकार (Sein) और मूल्य-युक्त (Sollen) घटकों में हल किया और एक प्रतिनिधिमंडल वैधता सीमा का पता लगाया — वह रेखा जिसके पार AI आउटपुट उत्पन्न कर सकता है लेकिन उनकी वैधता का स्रोत नहीं हो सकता है (टोमिता, 2026b)। यह उस चर को खोलता है जिसे उन पेपरों ने स्थिर रखा — सीखने वाला — और मानवीय किनारे पर एक मात्रा के बजाय एक संबंध पाता है। ऑपरेटर स्थिर है; विवादित अवधारणा बदलती है।
संदर्भ (भार वहन करने वाले; पूरी सूची प्रीप्रिंट में)
प्रीप्रिंट प्रति-चक्रीयता तर्क, तंत्र मॉडल की साक्ष्य सीमाएँ, और इस छोटे विवरण से छोड़ी गई संस्थागत योग्यताएँ विकसित करता है।
- बंडुरा, ए. (2001). सोशल कॉग्निटिव थ्योरी: एन एजेंटिक पर्सपेक्टिव। एनुअल रिव्यू ऑफ साइकोलॉजी, 52, 1–26.
- कैथकार्ट, एस., प्रीस्टली, एम., प्रीस्टली, ए., और रशटन, ई. ए. सी. (2026). अनरैवलिंग एजेंसी। रिव्यू ऑफ एजुकेशन, 14(1), e70131.
- कुकुरोवा, एम. (2026). एजेंसी ऐज़ अ सिस्टम प्रॉपर्टी इन ह्यूमन–AI इंटरेक्शन इन एजुकेशन। ब्रिटिश जर्नल ऑफ एजुकेशनल टेक्नोलॉजी, 57(4), 1065–1070.
- डारवॉल, एस. (2006). द सेकंड-पर्सन स्टैंडपॉइंट: मोरालिटी, रिस्पेक्ट, एंड अकाउंटेबिलिटी। हार्वर्ड यूनिवर्सिटी प्रेस।
- एमिरबेयर, एम., और मिशे, ए. (1998). व्हाट इज़ एजेंसी? अमेरिकन जर्नल ऑफ सोशियोलॉजी, 103(4), 962–1023.
- फैन, वाई., एट अल. (2025). बिवेयर ऑफ मेटाकॉग्निटिव लेज़ीनेस। ब्रिटिश जर्नल ऑफ एजुकेशनल टेक्नोलॉजी, 56(2), 489–530.
- नोनाका, आई., और ताकेउची, एच. (1995). द नॉलेज-क्रिएटिंग कंपनी। ऑक्सफोर्ड यूनिवर्सिटी प्रेस।
- OECD. (2019). OECD लर्निंग कम्पास 2030: ए कॉन्सेप्चुअल लर्निंग फ्रेमवर्क।
- रयान, आर. एम., और डेसी, ई. एल. (2000). सेल्फ-डिटरमिनेशन थ्योरी एंड द फैसिलिटेशन ऑफ इंट्रिन्सिक मोटिवेशन। अमेरिकन साइकोलॉजिस्ट, 55(1), 68–78.
- टोमिता, के. (2026a). डोमेन-नेटिव डेवलपमेंट: ए मेकिकी फ्रेमवर्क फॉर AI-असिस्टेड नॉलेज वर्क [प्रीप्रिंट]. SocArXiv.
- टोमिता, के. (2026b). फिलॉसफी ऐज़ कॉग्निटिव असे [प्रीप्रिंट]. SocArXiv.
- ज़िंग, डब्ल्यू., एट अल. (2026). अनवीलिंग इंटरेक्शन पैटर्न्स बिटवीन स्टूडेंट्स एंड अ जेनरेटिव AI टीचेबल एजेंट। ब्रिटिश जर्नल ऑफ एजुकेशनल टेक्नोलॉजी, 57(4), 896–923.
- ज़िमरमैन, बी. जे. (2000). अटेनिंग सेल्फ-रेगुलेशन: अ सोशल कॉग्निटिव पर्सपेक्टिव। इन हैंडबुक ऑफ सेल्फ-रेगुलेशन (पृ. 13–39). एकेडमिक प्रेस।
पी.एस. यह व्याख्या घनी है, और इसके पीछे का पेपर उससे भी घना है। बेझिझक किसी AI से इसे अपने साथ पढ़वाएँ — सारांशित करें, अनुवाद करें, खोलें। यह ठीक उसी तरह का बाहरीकरण है जिसे AI को आपके हाथों से लेना चाहिए। AI तर्क का परीक्षण भी कर सकता है: तर्क की जाँच करें, प्रतिउदाहरण सामने लाएँ, साक्ष्य का मूल्यांकन करें। यह जो नहीं कर सकता वह है आपके लिए यह तय करना कि इसे स्वीकार करना है या नहीं। तर्क को प्रमाणित मानना और उसके पीछे खड़ा होना, आपका ही रहता है।
