চ্যাপ্টার ৭ 

বিশ্বব্যাপী শিক্ষা সংকট এবং পেশাগত বিবর্তনের প্রেক্ষাপট

একবিংশ শতাব্দীতে বৈশ্বিক শিক্ষা ব্যবস্থা এক নজিরবিহীন কাঠামোগত চ্যালেঞ্জের সম্মুখীন হয়েছে। ইউনেস্কো এবং আন্তর্জাতিক শিক্ষক টাস্কফোর্সের সাম্প্রতিক পরিসংখ্যান অনুযায়ী, ২০৩০ সালের মধ্যে সর্বজনীন প্রাথমিক ও মাধ্যমিক শিক্ষা নিশ্চিত করার লক্ষ্যমাত্রা অর্জনের জন্য সারা বিশ্বে প্রায় ৪৪ মিলিয়ন অতিরিক্ত শিক্ষকের প্রয়োজন। এই শিক্ষক ঘাটতি কেবল একটি সংখ্যাগত সমস্যা নয়, বরং এটি শিক্ষা ব্যবস্থার গুণগত মান এবং সামাজিক সমতার ওপর সরাসরি প্রভাব ফেলছে। বিশেষ করে দক্ষিণ এশিয়া এবং সাব—সাহারান আফ্রিকা অঞ্চলে এই সংকট অত্যন্ত প্রকট, যেখানে যথাক্রমে ২৫ বিলিয়ন এবং ৩৫ বিলিয়ন ডলার অতিরিক্ত বিনিয়োগ প্রয়োজন কেবল নতুন শিক্ষক নিয়োগ ও প্রশিক্ষণের জন্য। এই সংকটের একটি বড় অংশ জুড়ে রয়েছে শিক্ষকদের পেশা ত্যাগের উচ্চ হার বা ‘অ্যাট্রিশন রেট’। বিশ্বজুড়ে প্রাথমিক শিক্ষকদের পেশা ত্যাগের হার ২০১৫ সালের ৪.৬২ শতাংশ থেকে বেড়ে ২০২২ সালে ৯.০৬ শতাংশে দাঁড়িয়েছে।

শিক্ষক সংকটের এই ভয়াবহতার পেছনে একাধিক প্রভাবক কাজ করছে। বিভিন্ন বৈশ্বিক প্রতিবেদন অনুসারে, প্রায় ৫০ শতাংশ শিক্ষক অত্যধিক প্রশাসনিক কাজের চাপের কারণে মানসিক চাপে ভুগছেন। এছাড়া শ্রেণিকক্ষে শিক্ষার্থীদের ক্রমবর্ধমান বৈচিত্র্য এবং অন্তর্ভুক্তিমূলক শিক্ষার প্রয়োজনীয়তা শিক্ষকদের ওপর বাড়তি চাপ সৃষ্টি করছে। প্রায় ৩৭ শতাংশ শিক্ষক মনে করেন যে, বিশেষ চাহিদা সম্পন্ন বা ভিন্ন ভাষাগত প্রেক্ষাপট থেকে আসা শিক্ষার্থীদের জন্য পাঠ্যক্রম পরিবর্তন করা একটি বড় চ্যালেঞ্জ। এই পরিস্থিতির পরিপ্রেক্ষিতে কৃত্রিম বুদ্ধিমত্তা বা এআই ভিত্তিক ব্যক্তিগত শিক্ষা ব্যবস্থা এবং শিক্ষক সহায়তাকারী টুলগুলো একটি গেম—চেঞ্জার হিসেবে আবির্ভূত হয়েছে। এআই প্রযুক্তির সঠিক ব্যবহারের মাধ্যমে শিক্ষকদের রুটিন কাজের চাপ কমিয়ে তাদের মূল পাঠদান এবং শিক্ষার্থীদের সাথে মানবিক সংযোগ স্থাপনের জন্য পর্যাপ্ত সময় তৈরি করা সম্ভব।

ঐতিহাসিকভাবে শিক্ষা ব্যবস্থায় প্রযুক্তিগত সংযোজন ধীরগতিতে হলেও, বর্তমানে শিক্ষা প্রতিষ্ঠানগুলো অত্যন্ত দ্রুত গতিতে জেনারেটিভ এআই গ্রহণ করছে, যা অন্য যেকোনো শিল্পের তুলনায় দ্রুততম। এই পরিবর্তনটি কেবল প্রক্রিয়াগত নয়, বরং এটি শিক্ষার দর্শনেই পরিবর্তন আনছে। প্রচলিত ‘সবার জন্য একই’ মডেল থেকে সরে এসে শিক্ষা ব্যবস্থা এখন প্রতিটি শিক্ষার্থীর ব্যক্তিগত সক্ষমতা এবং চাহিদাকে গুরুত্ব দিচ্ছে। ব্যক্তিগত শিক্ষা ব্যবস্থা মূলত এমন একটি ইকোসিস্টেম তৈরি করছে যেখানে এআই প্রযুক্তি শিক্ষার্থীর মেধা ও শেখার গতি অনুযায়ী পাঠ্যক্রম স্বয়ংক্রিয়াভাবে পরিবর্তন করতে সক্ষম, যা অ্যাডাপ্টিভ লার্নিং বা অভিযোজনযোগ্য শিক্ষা নামে পরিচিত।

অ্যাডাপ্টিভ লার্নিং: শিক্ষার্থীর মেধা ও গতি অনুযায়ী পাঠ্যক্রমের রূপান্তর

অ্যাডাপ্টিভ লার্নিং হলো কৃত্রিম বুদ্ধিমত্তার এমন একটি প্রয়োগ যা প্রতিটি শিক্ষার্থীর অনন্য মেধা, শেখার গতি এবং দুর্বলতাগুলো রিয়েল—টাইমে বিশ্লেষণ করে শিক্ষার বিষয়বস্তু ও গতিপথ পরিবর্তন করে। এটি মূলত একটি ডিজিটাল জিপিএস—এর মতো কাজ করে, যা শিক্ষার্থীর বর্তমান অবস্থানের ওপর ভিত্তি করে পরবর্তী গন্তব্য নির্ধারণ করে। সনাতন পদ্ধতিতে একজন শিক্ষকের পক্ষে একটি জনাকীর্ণ শ্রেণিকক্ষে প্রতিটি শিক্ষার্থীর ব্যক্তিগত উন্নতির দিকে নজর দেওয়া প্রায় অসম্ভব। কিন্তু এআই চালিত এই প্ল্যাটফর্মগুলো প্রতিটি শিক্ষার্থীর জন্য একজন ব্যক্তিগত টিউটর হিসেবে কাজ করতে পারে, যা শিক্ষক সংকটের এই সময়ে অত্যন্ত কার্যকরী।

অ্যালগরিদমিক কাঠামো এবং কার্যপ্রণালী

অ্যাডাপ্টিভ লার্নিং সিস্টেমগুলো অত্যন্ত জটিল গাণিতিক ও প্রযুক্তিগত কাঠামোর ওপর ভিত্তি করে কাজ করে। এর কেন্দ্রে রয়েছে মাল্টিমোডাল বিহেভিয়ারাল মডেলিং, যা শিক্ষার্থীর প্রতিটি ক্লিক, প্রশ্নের উত্তর দিতে ব্যয় করা সময় এবং এমনকি তাদের বিষণ্ণতা বা উৎসাহের মাত্রা বিশ্লেষণ করে। এই প্রযুক্তির মূল চালিকাশক্তি হলো মাল্টিমোডাল ফিউশন অ্যালগরিদম। এই অ্যালগরিদমটি শিক্ষার্থীর টেক্সট রেকর্ড, চিত্র বা ডায়াগ্রামের প্রতি প্রতিক্রিয়া এবং ইন্টারঅ্যাকশন লগের মতো ভিন্নধর্মী ডেটাগুলোকে একত্রিত করে একটি পূর্ণাঙ্গ আচরণগত পোট্রের্ট তৈরি করে। এই প্রক্রিয়ায় ‘স্ট্যাকড ডিনয়েজিং অটোনেকোডার’ এবং ‘রেস্ট্রিক্টেড বোল্টজম্যান মেশিন’ ব্যবহার করা হয় যাতে বিভিন্ন ফিচারের মধ্যে গভীর সম্পর্ক স্থাপন করা যায়। লং শর্ট—টার্ম মেমরি নেটওয়ার্ক ব্যবহারের মাধ্যমে শিক্ষার্থীর দীর্ঘমেয়াদী শিখনের ধরন এবং মনোযোগের ওঠানামা পর্যবেক্ষণ করা হয়।

অ্যাডাপ্টিভ লার্নিং মডিউলটি মূলত একটি স্টুডেন্ট—রিসোর্স ইন্টারঅ্যাকশন গ্রাফ তৈরি করে। গ্রাফ—এনহ্যান্সড কন্ট্রাস্টিভ লার্নিং স্ট্র্যাটেজি ব্যবহার করে সিস্টেমটি বুঝতে পারে যে কোন শিক্ষার্থী কোন ধরনের পাঠ্য উপকরণে বেশি স্বাচ্ছন্দ্যবোধ করছে। এটি কেবল সঠিক বা ভুল উত্তরের ওপর নির্ভর করে না, বরং কেন একজন শিক্ষার্থী ভুল করছে, সেই মূল কারণটি খুঁজে বের করার চেষ্টা করে। উদাহরণস্বরূপ, যদি কোনো শিক্ষার্থী গণিতের একটি বিশেষ থিওরেম বুঝতে সমস্যায় পড়ে, সিস্টেমটি তাকে সরাসরি উত্তর না দিয়ে আরও সহজ কিছু উদাহরণ বা একটি ভিডিও চিত্র প্রদান করে। যখন শিক্ষার্থী সেই ধারণাটি আয়ত্ত করে নেয়, তখন সিস্টেমটি স্বয়ংক্রিয়ভাবে পরবর্তী কঠিন ধাপে উন্নীত হয়। এই পদ্ধতির মাধ্যমে শিক্ষার্থীরা তাদের নিজ নিজ গতিতে শিখতে পারে, যা দ্রুত শিখতে সক্ষম শিক্ষার্থীদের বিরক্তি থেকে বাঁচায় এবং ধীরগতির শিক্ষার্থীদের পিছিয়ে পড়ার হাত থেকে রক্ষা করে।