‹ News Blitz Social Settled

AI ഉപയോഗവും മികച്ച മാർക്കുകളും തമ്മിൽ ലളിതമായ ബന്ധമൊന്നുമില്ലെന്ന് PISA പഠനം കണ്ടെത്തുന്നു

English हिंदी ಕನ್ನಡ മലയാളം தமிழ் తెలుగు

First brief 14 Sep, 9:32 pm IST Updated 14 Sep, 9:32 pm IST 0 developments 1 min read

File: School laptops — Kaden Pitt / U.S. Army · Public domain

Where it stands

ഒരു അന്താരാഷ്ട്ര സ്കൂൾ പഠനം സൂചിപ്പിക്കുന്നത് മികച്ച പഠനം ഉറപ്പാക്കാൻ AI ചാറ്റ്ബോട്ടിലേക്കുള്ള (AI chatbot) പ്രവേശനം മാത്രം പോരാ എന്നാണ്. വിശദീകരണങ്ങൾ ചോദിക്കുന്നത് മുതൽ അസൈൻമെന്റുകൾ ഡ്രാഫ്റ്റ് ചെയ്യാനും വായിക്കുന്ന കാര്യങ്ങൾ സംഗ്രഹിക്കാനും വരെ വിദ്യാർത്ഥികൾ വ്യത്യസ്ത ആവശ്യങ്ങൾക്കായി ഈ ടൂളുകൾ ഉപയോഗിക്കുന്നു. PISA 2025 ആ റിപ്പോർട്ട് ചെയ്യപ്പെട്ട ശീലങ്ങളെ വിദ്യാർത്ഥികളുടെ ശാസ്ത്ര പ്രകടനവുമായി താരതമ്യം ചെയ്തു. നിർദ്ദിഷ്ട സ്കൂൾ വർക്ക് ജോലികൾക്കായി AI ഉപയോഗിക്കുന്ന വിദ്യാർത്ഥികളേക്കാൾ ശാസ്ത്രത്തിൽ പൊതുവെ കൂടുതൽ സ്കോർ ചെയ്തത് അത് ഉപയോഗിക്കാത്തവരാണ്. എന്നാൽ സാമൂഹിക-സാമ്പത്തിക പശ്ചാത്തലത്തിലെ വ്യത്യാസങ്ങൾ പരിഗണിച്ചതിന് ശേഷം, പഠിക്കാൻ സഹായിക്കുന്നതിന് പ്രതിവാരം AI ഉപയോഗിക്കുന്ന വിദ്യാർത്ഥികൾ ഉപയോഗിക്കാത്തവരെപ്പോലെ തന്നെ പ്രവർത്തിച്ചു. AI കാരണം ഒരു സ്കോർ ഉയർന്നുവെന്നോ കുറഞ്ഞുവെന്നോ ഈ പാറ്റേണുകൾ തെളിയിക്കാത്തതിനാൽ വ്യത്യാസം പ്രധാനമാണ്. ടൂളുകൾ തിരഞ്ഞെടുക്കുന്ന വിദ്യാർത്ഥികൾ അവരുടെ ആവശ്യങ്ങൾ, അവസരങ്ങൾ, പഠന ശീലങ്ങൾ എന്നിവയിൽ ഇതിനകം വ്യത്യാസപ്പെട്ടിരിക്കാം. സ്ഥിരമായി ഉപയോഗിക്കുന്നവരിൽ മികച്ച പ്രകടനവും സ്കൂളിലെ AI സൃഷ്ടിച്ച വിവരങ്ങൾ വിലയിരുത്താനുള്ള അവസരങ്ങളും തമ്മിലുള്ള ബന്ധവും (association) പഠനം കണ്ടെത്തി. പിന്നാക്കം നിൽക്കുന്ന വിദ്യാർത്ഥികൾക്ക് ഇത്തരം അവസരങ്ങൾ കുറവായിരുന്നു. 2026 സെപ്റ്റംബർ 8 ന് OECD പ്രസിദ്ധീകരിച്ച ഈ കണ്ടെത്തലുകൾ AI-യിലേക്കുള്ള പ്രവേശനത്തിനൊപ്പം സ്കൂൾ മാർഗ്ഗനിർദ്ദേശങ്ങളും സൂക്ഷ്മമായി പരിശോധിക്കാൻ ക്ഷണിക്കുന്നു. ഈ ഫലങ്ങളിൽ ഇന്ത്യ ഉൾപ്പെട്ടിട്ടില്ല, അതിനാൽ ഇവ ഇന്ത്യൻ വിദ്യാർത്ഥികളുടെ അളവുകോലായി അവതരിപ്പിക്കരുത്.

Background

ഉത്തരത്തിലെ ഓരോ ഘട്ടവും മനസ്സിലാക്കാതെ തന്നെ ഒരു ചാറ്റ്ബോട്ടിന്റെ സഹായത്തോടെ വിദ്യാർത്ഥിക്ക് ഒരു അസൈൻമെന്റ് പൂർത്തിയാക്കാൻ കഴിയും. പൂർത്തിയാക്കിയ അസൈൻമെന്റിനപ്പുറം, ഒരു ആശയം വിശദീകരിക്കാനും തെളിവുകൾ വിലയിരുത്താനും മറ്റെവിടെയെങ്കിലും പ്രയോഗിക്കാനും കഴിയുക എന്നതാണ് മനസ്സിലാക്കുക എന്നതുകൊണ്ട് അർത്ഥമാക്കുന്നത്. വിദ്യാഭ്യാസത്തിൽ AI-യുടെ സ്വാധീനം ഒരു ടൂൾ സമയം ലാഭിക്കുന്നുണ്ടോ അല്ലെങ്കിൽ വ്യക്തമായ വാക്കുകൾ ഉത്പാദിപ്പിക്കുന്നുണ്ടോ എന്ന് മാത്രം വെച്ച് വിലയിരുത്താൻ കഴിയാത്തതിന്റെ കാരണം ഇതാണ്. ജലചക്രത്തെക്കുറിച്ച് വായിക്കുന്ന ഒരു സാങ്കൽപ്പിക (hypothetical) വിദ്യാർത്ഥിയെ പരിഗണിക്കുക. ഖണ്ഡിക സംഗ്രഹിക്കാൻ ഒരു ചാറ്റ്ബോട്ടിനോട് ആവശ്യപ്പെടുന്നത് വായനാ ജോലിയെ കുറച്ചേക്കാം. തണുക്കുന്ന നീരാവി ജലത്തുള്ളികൾ ഉണ്ടാക്കുന്നത് എന്തുകൊണ്ടാണെന്ന് ചോദിക്കുകയും, തുടർന്ന് പാഠവുമായി വിശദീകരണം താരതമ്യം ചെയ്ത് പരിശോധിക്കുകയും ചെയ്യുന്നതിൽ വ്യത്യസ്തമായ ഒരു ഇടപെടൽ ഉൾപ്പെടുന്നു. ഇവ വ്യത്യസ്ത ഉപയോഗങ്ങളുടെ ഉദാഹരണങ്ങളാണ്, അല്ലാതെ പഠനത്തിൽ നിരീക്ഷിക്കപ്പെട്ട കേസുകളോ ഒരു രീതി എല്ലായ്പ്പോഴും പ്രവർത്തിക്കുന്നു എന്നതിന്റെ തെളിവോ അല്ല. വിദ്യാർത്ഥികൾ എത്ര തവണ AI ഉപയോഗിക്കുന്നു എന്നതിനൊപ്പം, വിദ്യാർത്ഥികൾ അവ ഉപയോഗിച്ച് എന്ത് ചെയ്യുന്നുവെന്നും ഗവേഷകർ ചോദിക്കേണ്ടത് എന്തുകൊണ്ടാണെന്ന് ഇവ കാണിക്കുന്നു. അന്താരാഷ്ട്ര വിദ്യാർത്ഥി വിലയിരുത്തൽ പരിപാടി (PISA), ഏകദേശം 15 വയസ്സ് പ്രായമുള്ള വിദ്യാർത്ഥികൾ വായന, ഗണിതം, ശാസ്ത്രം എന്നീ അറിവുകൾ എങ്ങനെ പ്രയോഗിക്കുന്നുവെന്ന് പരിശോധിക്കുന്നു. ടെസ്റ്റുകൾക്കൊപ്പം, വിവരങ്ങൾ ശേഖരിക്കുന്ന ചോദ്യാവലികൾ അവരുടെ പശ്ചാത്തലങ്ങളെയും പഠന ചുറ്റുപാടുകളെയും കുറിച്ചുള്ള വിവരങ്ങൾ ശേഖരിക്കുന്നു. ഗവേഷകർക്ക് AI ഉപയോഗം ഉൾപ്പെടെ റിപ്പോർട്ട് ചെയ്യപ്പെട്ട ശീലങ്ങളുമായി ടെസ്റ്റ് പ്രകടനത്തെ താരതമ്യം ചെയ്യാം. എന്നാൽ വിദ്യാർത്ഥികളെ AI ഉപയോഗിക്കുന്നതോ അല്ലാത്തതോ ആയ ഗ്രൂപ്പുകളായി ക്രമരഹിതമായി (randomly) നിയോഗിച്ചിട്ടില്ല. അതിനാൽ ഗ്രൂപ്പുകൾ തമ്മിലുള്ള വ്യത്യാസങ്ങൾ മുൻകാല നേട്ടങ്ങൾ, വീട്ടിലെ പിന്തുണ, സാങ്കേതികവിദ്യയിലേക്കുള്ള പ്രവേശനം അല്ലെങ്കിൽ മറ്റ് സ്വാധീനങ്ങൾ എന്നിവയെ പ്രതിഫലിപ്പിച്ചേക്കാം. സ്ഥിതിവിവരക്കണക്കുകളിലെ പൊരുത്തപ്പെടുത്തലുകൾക്ക് (Statistical adjustments) അളന്ന പശ്ചാത്തല വ്യത്യാസങ്ങൾ കണക്കിലെടുക്കാൻ കഴിയും, എന്നാൽ മറ്റെല്ലാ സ്വാധീനങ്ങളും നീക്കം ചെയ്യപ്പെട്ടുവെന്ന് സ്ഥാപിക്കാൻ അവയ്ക്ക് കഴിയില്ല. അതിനാൽ എല്ലാ വിദ്യാർത്ഥികൾക്കും AI ഉപയോഗത്തിന്റെ ഒരു സാർവത്രിക അളവ് നിർദ്ദേശിക്കുന്നതിനേക്കാൾ, സ്കൂളുകൾ അന്വേഷിക്കേണ്ട ചോദ്യങ്ങൾ തിരിച്ചറിയാൻ കണ്ടെത്തലുകൾ ഉപയോഗപ്രദമാണ്. ഒരു ഉത്തരം ആശ്രയിക്കുന്നതിനുമുമ്പ് ആത്മവിശ്വാസം തോന്നിപ്പിക്കുന്ന ഒരു വിശദീകരണം വിലയിരുത്തേണ്ടതുണ്ട് എന്നതിനാൽ, ഉത്തരത്തിന്റെ തെളിവുകളും യുക്തിയും പരിശോധിക്കുന്നതിനുള്ള മാർഗ്ഗനിർദ്ദേശങ്ങൾ പ്രധാനമാണ്.

How it developed

8 September 2026: PISA results released

How it started
അസസ്മെന്റ് AI പ്രവേശനത്തെ പഠന പാറ്റേണുകളിൽ നിന്ന് വേർതിരിക്കുന്നു

PISA 2025 ഫലങ്ങളുടെ ആദ്യ വോള്യം OECD 2026 സെപ്റ്റംബർ 8 ന് പുറത്തിറക്കി. 91 രാജ്യങ്ങളിൽ നിന്നും സമ്പദ്‌വ്യവസ്ഥകളിൽ നിന്നുമായി 7,60,000-ത്തിലധികം വിദ്യാർത്ഥികൾ പങ്കെടുത്തു. വായന, ഗണിതം, ഡിജിറ്റൽ ലോകത്തെ പഠനം എന്നിവയ്ക്കൊപ്പം സയൻസിലായിരുന്നു അസസ്മെന്റ് ശ്രദ്ധ കേന്ദ്രീകരിച്ചത്. നൽകിയിട്ടുള്ള വാചകങ്ങൾ സംഗ്രഹിക്കുന്നതിനും പുതിയ വിഷയങ്ങൾ ഗവേഷണം ചെയ്യുന്നതിനും അസൈൻമെന്റുകൾ ഡ്രാഫ്റ്റ് ചെയ്യുന്നതിനും പഠിക്കാൻ സഹായിക്കുന്നതിനുമുള്ള AI ഉപയോഗത്തെക്കുറിച്ച് ചോദ്യാവലികൾ വിദ്യാർത്ഥികളോട് ചോദിച്ചു. ഈ ഉദ്ദേശ്യങ്ങൾ എന്തിനാണ് വെവ്വേറെ പരിശോധിക്കേണ്ടതെന്ന് ഫലങ്ങൾ കാണിക്കുന്നു. നിർദ്ദിഷ്ട സ്കൂൾ വർക്ക് ടാസ്ക്കുകൾക്കായി AI ഉപയോഗിക്കുന്നവരേക്കാൾ പൊതുവെ ശാസ്ത്രത്തിൽ മികച്ച പ്രകടനം നടത്തിയത് അത് ഉപയോഗിക്കാത്തവരാണ്. പഠിക്കാൻ സഹായിക്കുന്നതിന് പ്രതിവാരം ഉപയോഗിക്കുന്നത് വ്യത്യസ്തമായ ഒരു പാറ്റേൺ കാണിച്ചു. സാമൂഹിക-സാമ്പത്തിക പശ്ചാത്തലം കണക്കിലെടുത്തതിന് ശേഷം, പഠിക്കാൻ സഹായിക്കുന്നതിന് പ്രതിവാരം AI ഉപയോഗിക്കുന്ന വിദ്യാർത്ഥികൾ ഉപയോഗിക്കാത്തവരെപ്പോലെ പ്രവർത്തിച്ചു. സ്ഥിരമായി ഉപയോഗിക്കുന്നവരിൽ, സ്കൂളിലെ AI സൃഷ്ടിച്ച വിവരങ്ങൾ വിലയിരുത്താനുള്ള അവസരങ്ങൾ അല്പം മികച്ച പ്രകടനവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. പിന്നാക്കം നിൽക്കുന്ന വിദ്യാർത്ഥികളാണ് ഈ പഠനാവസരങ്ങൾ കുറവായി റിപ്പോർട്ട് ചെയ്തത്. ഈ താരതമ്യങ്ങൾക്ക് കാരണവും ഫലവും സ്ഥാപിക്കാൻ കഴിയില്ല. എങ്കിലും AI ഔട്ട്പുട്ട് മനസ്സിലാക്കുന്നതിലും വിലയിരുത്തുന്നതിലും സഹായം ലഭിക്കുന്നതിന് വിദ്യാർത്ഥികൾക്കുള്ള അസമമായ അവസരങ്ങളിലേക്ക് അവ ചൂണ്ടിക്കാണിക്കുന്നു.

OECD OECD Business Standard

Why it matters for UPSC

GS2GS3

GS2 ന്, പഠന ഫലങ്ങളെ വിദ്യാഭ്യാസ പിന്തുണയുടെ ഗുണനിലവാരവും ന്യായവുമായി ബന്ധിപ്പിക്കുക. GS3 ന്, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിന്റെ (artificial intelligence) ഉത്തരവാദിത്തമുള്ള ഉപയോഗങ്ങളും ഡിജിറ്റൽ വിഭജനവും (digital divide) പരിശോധിക്കുക. ഒരു സർവേയിൽ നിന്ന് ഒരു നയ നിഗമനത്തിൽ എത്തുന്നതിന് മുമ്പ്, നിരീക്ഷിച്ച അസോസിയേഷനെ (association) കാണിച്ചിട്ടുള്ള കാരണത്തിൽ (cause) നിന്ന് വേർതിരിക്കുക.

Key terms

അന്താരാഷ്ട്ര വിദ്യാർത്ഥി വിലയിരുത്തൽ പരിപാടി (PISA)ഏകദേശം 15 വയസ്സ് പ്രായമുള്ള വിദ്യാർത്ഥികൾ വായന, ഗണിതം, ശാസ്ത്രം എന്നിവയിൽ അറിവ് എങ്ങനെ പ്രയോഗിക്കുന്നുവെന്ന് ഇത് താരതമ്യം ചെയ്യുന്നു. ടെസ്റ്റുകൾക്കൊപ്പം പഠനത്തെയും പശ്ചാത്തലത്തെയും കുറിച്ചുള്ള ചോദ്യാവലികളും ഉണ്ടാകും. ഒരു പ്രത്യേക പാഠപുസ്തകത്തിൽ നിന്ന് ഓർമ്മിച്ചെടുത്ത വസ്തുതകളേക്കാൾ കൂടുതലായി ഇത് പരിശോധിക്കുന്നു. ഫലങ്ങൾ പങ്കെടുക്കുന്ന വിദ്യാഭ്യാസ സമ്പ്രദായങ്ങളെ വിവരിക്കുന്നു, എല്ലാ രാജ്യത്തെയും ഓട്ടോമാറ്റിക് ആയിട്ടല്ല.

ഓർഗനൈസേഷൻ ഫോർ ഇക്കണോമിക് കോ-ഓപ്പറേഷൻ ആൻഡ് ഡെവലപ്മെന്റ് (OECD)സാമ്പത്തിക സാമൂഹിക നയങ്ങൾ പഠിക്കുന്ന ഒരു അന്താരാഷ്ട്ര സംഘടനയാണ് ഇത്. ഇതിലെ അംഗങ്ങളല്ലാത്ത ചില രാജ്യങ്ങൾ ഉൾപ്പെടെ, പങ്കെടുക്കുന്ന രാജ്യങ്ങളുമായും സമ്പദ്‌വ്യവസ്ഥകളുമായും ചേർന്ന് ഇത് PISA പ്രവർത്തിപ്പിക്കുന്നു. അതിനാൽ OECD രാജ്യങ്ങളുടെ ശരാശരി PISA-യിൽ പങ്കെടുക്കുന്ന എല്ലാ സിസ്റ്റത്തിന്റെയും സ്വയമേവയുള്ള ശരാശരിയല്ല.

AI ചാറ്റ്ബോട്ട് (AI chatbot)പ്രോംപ്റ്റുകളോട് (prompts) സംഭാഷണ പ്രതികരണങ്ങൾ സൃഷ്ടിക്കുന്ന ഒരു കമ്പ്യൂട്ടർ സിസ്റ്റം. ഒരു വിഷയം വിശദീകരിക്കുന്നതിനോ വാചകം നിർദ്ദേശിക്കുന്നതിനോ വിവരങ്ങൾ സംഗ്രഹിക്കുന്നതിനോ വിദ്യാർത്ഥികൾ ഇത് ഉപയോഗിച്ചേക്കാം. വ്യക്തമായ ഒരു പ്രതികരണത്തിൽ ഇപ്പോഴും പിശകുകൾ അടങ്ങിയിരിക്കാം അല്ലെങ്കിൽ പ്രധാനപ്പെട്ട നിബന്ധനകളും മുന്നറിയിപ്പുകളും (qualifications) ഒഴിവാക്കിയേക്കാം. അത്തരമൊരു ഉപകരണം ഉപയോഗിക്കുന്നതും അതിന്റെ ഉത്തരം മനസ്സിലാക്കുന്നതും പഠനത്തിലെ പ്രത്യേക ഘട്ടങ്ങളാണ്.

പരസ്പര ബന്ധവും കാരണവും (Correlation and causation)നിരീക്ഷിച്ച ഡാറ്റയിൽ രണ്ട് കാര്യങ്ങൾ ഒരുമിച്ച് വ്യത്യാസപ്പെട്ടിരിക്കുന്നു എന്നാണ് കോറിലേഷൻ (Correlation) അർത്ഥമാക്കുന്നത്. ഒന്നിലെ മാറ്റം മറ്റൊന്നിൽ മാറ്റമുണ്ടാക്കുന്നു എന്നാണ് കോസേഷൻ (Causation) അർത്ഥമാക്കുന്നത്. AI ഉപയോക്താക്കൾക്കും അല്ലാത്തവർക്കും ഇടയിലുള്ള സ്കോർ വ്യത്യാസം മാത്രം AI-യുടെ സ്വാധീനത്തെ തെളിയിക്കുന്നില്ല. വിദ്യാർത്ഥികൾ തമ്മിലുള്ള മറ്റ് വ്യത്യാസങ്ങൾ ഫലം വിശദീകരിക്കാൻ സഹായിച്ചേക്കാം.

സാമൂഹിക സാമ്പത്തിക പശ്ചാത്തലം (Socioeconomic background)കുടുംബ വിഭവങ്ങളും വിദ്യാഭ്യാസ അവസരങ്ങളും ഉൾപ്പെടെ ഒരു വിദ്യാർത്ഥിക്ക് ചുറ്റുമുള്ള സാമൂഹികവും സാമ്പത്തികവുമായ സാഹചര്യങ്ങൾ. ഈ സാഹചര്യങ്ങൾക്ക് ഉപകരണങ്ങളിലേക്കുള്ള പ്രവേശനം, പഠന പിന്തുണ, സ്കൂൾ പ്രകടനം എന്നിവയെ ബാധിക്കാൻ കഴിയും. ഗ്രൂപ്പുകളെ താരതമ്യം ചെയ്യുമ്പോൾ ഗവേഷകർ അവ പരിഗണിക്കുന്നു, അതിനാൽ അളന്ന വ്യത്യാസങ്ങൾ (measured differences) ഉടനടി പഠിക്കുന്ന സാങ്കേതികവിദ്യയിൽ ആരോപിക്കപ്പെടുന്നില്ല.

സ്ഥിതിവിവരക്കണക്കുകളിലെ പൊരുത്തപ്പെടുത്തലുകൾ (Statistical adjustment)വ്യക്തമാക്കിയ അളന്ന വ്യത്യാസങ്ങൾ കണക്കിലെടുത്ത ശേഷം ഫലങ്ങളെ താരതമ്യം ചെയ്യുന്നതിനുള്ള ഒരു രീതി. ഇവിടെ, ശാസ്ത്ര സ്കോറുകൾ താരതമ്യം ചെയ്യുമ്പോൾ ഗവേഷകർ സാമൂഹിക സാമ്പത്തിക പശ്ചാത്തലം പരിഗണിക്കുന്നു. ക്രമീകരണത്തിന് ഒരു താരതമ്യം മെച്ചപ്പെടുത്താൻ കഴിയും, പക്ഷേ അത് സാധ്യമായ എല്ലാ സ്വാധീനത്തെയും നീക്കം ചെയ്യുകയോ സർവേയെ ഒരു റാൻഡമൈസ്ഡ് പരീക്ഷണമാക്കി (randomised experiment) മാറ്റുകയോ ചെയ്യുന്നില്ല.

AI സാക്ഷരത (AI literacy)AI ഉപകരണങ്ങളും അവയുടെ ഔട്ട്പുട്ടുകളും മനസ്സിലാക്കാനും ഉപയോഗിക്കാനും വിമർശനാത്മകമായി വിലയിരുത്താനുമുള്ള കഴിവ്. ഒരു വിദ്യാർത്ഥിയെ സംബന്ധിച്ചിടത്തോളം, ഒരു ഉത്തരത്തിന് മികച്ച തെളിവുണ്ടോ, ചോദ്യത്തിന് അനുയോജ്യമാണോ, പിശകുകൾ ഉണ്ടോ എന്ന് പരിശോധിക്കുന്നത് ഇതിൽ ഉൾപ്പെടുന്നു. ഒരു പ്രോംപ്റ്റ് എങ്ങനെ ടൈപ്പുചെയ്യണമെന്നോ പ്രതികരണം പകർത്തണമെന്നോ അറിയുക മാത്രമല്ല, വിധിയെഴുതുന്നതും ഇതിൽ ഉൾപ്പെടുന്നു.

ഡിജിറ്റൽ വിഭജനം (Digital divide)ഡിജിറ്റൽ സാങ്കേതികവിദ്യ ആക്സസ് ചെയ്യാനും അതിൽ നിന്ന് പ്രയോജനം നേടാനുമുള്ള അസമമായ അവസരങ്ങൾ. ഈ വിടവിൽ ഉപകരണങ്ങളും ഇന്റർനെറ്റ് കണക്ഷനുകളും ഉൾപ്പെടാം, മാത്രമല്ല വൈദഗ്ദ്ധ്യം, മാർഗ്ഗനിർദ്ദേശം, പിന്തുണ എന്നിവയും ഉൾപ്പെടാം. വിദ്യാഭ്യാസത്തിൽ, വിദ്യാർത്ഥികൾക്ക് ഒരു ടൂൾ നൽകുന്നത് അത് ഫലപ്രദമായി ഉപയോഗിക്കുന്നതിൽ എല്ലാവർക്കും തുല്യമായ സഹായം ലഭിക്കുന്നുണ്ടെന്ന് ഉറപ്പാക്കുന്നില്ല.

Sources (3)

OECD · official · PISA 2025 Results, Volume I8 Sep, 1:00 pm
OECD · official · PISA: student school life and beyond8 Sep, 1:00 pm
Business Standard · AI helps with work, but more use does not mean better scores8 Sep, 1:00 pm