தமிழ் கற்றல் கற்பித்தலில் செயற்கை நுண்ணறிவின் பங்கு: கல்வி முறைமைகளின் தொழில்நுட்ப மற்றும் மொழியியல் பகுப்பாய்வு - முனைவர் பீ. பெரியசாமி

தமிழ் கற்றல் கற்பித்தலில் செயற்கை நுண்ணறிவின் பங்கு: கல்வி முறைமைகளின் தொழில்நுட்ப மற்றும் மொழியியல் பகுப்பாய்வு

1. அறிமுகம் (Introduction)

இருபத்தியோராம் நூற்றாண்டின் கல்விச் சூழலில் தொழில்நுட்பத்தின் ஆதிக்கம் முன்னெப்போதும் இல்லாத வகையில் புதிய பாய்ச்சலைச் சந்தித்துள்ளது. குறிப்பாக, உலகளவில் பேசப்படும் தொன்மையான செம்மொழிகளுள் ஒன்றான தமிழ் மொழியைக் கற்றல் மற்றும் கற்பித்தல் செயல்பாடுகளில் செயற்கை நுண்ணறிவின் (Artificial Intelligence - AI) பயன்பாடு ஒரு புதிய மறுமலர்ச்சியை ஏற்படுத்தியுள்ளது (Sultana, 2025; Nikolic, 2024). தமிழ் மொழி அதன் வளமான இலக்கியப் பின்னணியையும், ஒட்டுநிலை (Agglutinative) மொழியியல் கூறுகளையும் கொண்டது (Rajendran, 2026). இத்தகைய ஒரு மொழியை நவீனத் தலைமுறையினருக்கும், புலம்பெயர்ந்து வாழும் தமிழர்களுக்கும் எளிய முறையில் கொண்டு சேர்க்க வேண்டிய கட்டாயம் இன்று எழுந்துள்ளது (Tamil Virtual Academy).

ஆரம்பகாலக் கணினி யுகத்தில் தமிழ் எழுத்துருக்கள் (Fonts) மற்றும் ஒருங்குறி (Unicode) சார்ந்த சிக்கல்களே முதன்மைச் சவால்களாக இருந்தன (Vidathanet, 2019). ஆனால், இன்றைய காலகட்டத்தில் இயற்கை மொழி ஆய்வு (Natural Language Processing - NLP), நரம்பியல் வலைப்பின்னல்கள் (Neural Networks), ஆழக் கற்றல் (Deep Learning) மற்றும் பெருமொழி மாதிரிகள் (Large Language Models - LLMs) போன்ற அதிநவீனத் தொழில்நுட்பங்கள் கணினித் தமிழ் மற்றும் மொழிக்கல்வியின் போக்கையே மாற்றியமைத்துள்ளன (Vidathanet, 2019; Jha, 2010). இப்பின்னணியில், தமிழ் மொழிக்கல்வியைச் செயற்கை நுண்ணறிவு எவ்வாறு மேம்படுத்துகிறது, இதனால் ஏற்படும் கற்பித்தல் மாற்றங்கள் என்ன, மற்றும் மொழியியல் ரீதியாக எதிர்கொள்ளப்படும் சவால்கள் யாவை என்பதைப் பற்றி விரிவாக ஆராய்வதே இந்த ஆய்வுக் கட்டுரையின் நோக்கமாகும் (RSIS International, 2026).

2. கல்வித் தொழில்நுட்பப் பரிணாமமும் கோட்பாட்டுப் பின்னணியும் (Theoretical & Historical Context)

2.1 தொழில்நுட்பப் பரிணாமத்தின் வரலாற்றுப் பார்வை

மனித வரலாற்றில் கல்விச் செயல்பாடுகளில் தொழில்நுட்பத்தின் பயன்பாடு என்பது தொடர்ச்சியான மாற்றங்களைக் கொண்டதாகும் (Parkin, 2025). 1801 ஆம் ஆண்டில் ஜேம்ஸ் பில்லான்ஸ் (James Pillans) என்பவரால் கரும்பலகை (Chalkboard) கண்டறியப்பட்டதில் தொடங்கி, அச்சு இயந்திரத்தின் வருகை, இருபதாம் நூற்றாண்டின் இறுதியில் அறிமுகமான தனிநபர் கணினிகள் (Personal Computers), மற்றும் 1990களின் இணைய வெடிப்பு வரை கல்வி முறைமைகள் பல்வேறு தொழில்நுட்ப உருமாற்றங்களைக் கண்டுள்ளன (Muttappallymyalil et al., 2016; Croteau et al., 2022; Parkin, 2025).

தொழில்நுட்பத்தின் சமூகப் பங்களிப்பைப் புரிந்துகொள்ள இரண்டு முக்கிய அணுகுமுறைகள் உள்ளன:

• தொழில்நுட்பத் தீர்மானவாதம் (Technological Determinism): இக்கோட்பாட்டின்படி, தொழில்நுட்பம் தன்னிச்சையாக சமூக மற்றும் கல்வி மாற்றங்களை ஏற்படுத்துகிறது (Croteau, Hoynes & Childress, 2022).

• சமூகக் கட்டுமானவாதம் (Social Constructionism): இக்கோட்பாடு, மனிதர்களே தொழில்நுட்பத்தை எவ்வாறு பயன்படுத்த வேண்டும் அல்லது பயன்படுத்தக் கூடாது என்பதைத் தீர்மானிக்கிறார்கள் என்று விளக்குகிறது (Croteau, Hoynes & Childress, 2022).

வரலாற்றுச் சகாப்தம்	முக்கியத் தொழில்நுட்ப அறிமுகம்	கல்வி முறையில் ஏற்பட்ட தாக்கம்
15 ஆம் நூற்றாண்டு	அச்சு இயந்திரம் (Printing Press)	அறிவு பரவலாக்கப்பட்டது, பொதுக் கல்வி முறை உருவானது.
1801	கரும்பலகை (Chalkboard)	தனிநபர் கற்பித்தலிலிருந்து குழுவுக் கற்பித்தலாக மாறியது.
1840கள் - 1870கள்	தந்தி மற்றும் தொலைபேசி	தொலைதூரத் தகவல் தொடர்பு மற்றும் கற்பித்தல் சாத்தியமானது.
1920கள் - 1950கள்	வானொலி, தொலைக்காட்சி, புரொஜெக்டர்	பல்லூடகம் வழி தொலைதூரக் கல்வி முறைகள் அறிமுகமாயின.
1970கள் - 1990கள்	தனிநபர் கணினிகள், இணைய வெடிப்பு	கணினி வழித் தமிழ் கற்றல் மற்றும் இணையவழித் தேடல்கள் தொடங்கின.
2010கள் - 2026	செயற்கை நுண்ணறிவு, பெருமொழி மாதிரிகள் (LLMs)	தனிப்பயனாக்கப்பட்ட கற்றல் மற்றும் தானியங்கி மதிப்பீடு.

2.2 அமைப்புவழிக் கோட்பாடும் (Systems Theory) செயற்கை நுண்ணறிவும்

தமிழ் கற்றல் கற்பித்தலில் செயற்கை நுண்ணறிவின் ஒருங்கிணைப்பைப் புரிந்துகொள்ள 1940களில் லுட்விக் வான் பெர்டலான்ஃபி (Ludwig von Bertalanffy) முன்மொழிந்த "அமைப்புவழிக் கோட்பாடு" (Systems Theory) மிகச் சிறந்த தத்துவார்த்த வழிகாட்டியாக அமைகிறது (Banathy, 1968; Bertalanffy, 1940s). இக்கோட்பாட்டின்படி, கல்விச் செயல்பாடுகள் அனைத்தும் ஒன்றோடொன்று தொடர்புடைய துணை அமைப்புகளைக் கொண்ட ஒரு திறந்த அமைப்பாகும் (UNESCO, 2003; Percival & Ellington, 1988).

செயற்கை நுண்ணறிவு இக்கல்வி அமைப்பில் ஒரு புதிய துணை அமைப்பாக (Subsystem) நுழையும்போது, அது பின்வரும் நான்கு முக்கியக் கூறுகளிலும் மாற்றங்களை ஏற்படுத்துகிறது (Weller, 2020):

1. உள்ளீடு (Input): செயற்கை நுண்ணறிவு சார்ந்த இணையத்தளங்கள், மென்பொருள்கள் மற்றும் தமிழ் பெருமொழி மாதிரிகள் (Tamil LLMs) உள்ளீடுகளாகச் செயல்படுகின்றன (U.S. Department of Education, 2023).

2. செயல்முறை (Process): கற்பித்தல் செயல்முறையானது ஒரே மாதிரியான கற்பித்தலிலிருந்து மாறி, ஒவ்வொரு மாணவனின் திறனுக்கேற்பத் தகவமைத்துக் கொள்ளும் தனிப்பயனாக்கப்பட்ட கற்றலாக (Personalized Learning) மாறுகிறது (Cox & Webb, 2004).

3. வெளியீடு (Output): மாணவர்களின் மொழித் திறன் மேம்படுதல், பிழையற்ற எழுத்து நடை மற்றும் தமிழ் உச்சரிப்புத் திறன் ஆகியவை வெளியீடுகளாக அமைகின்றன (Seng, Li & Cheong, 2025).

4. பின்னூட்டம் (Feedback): உடனடியான மற்றும் துல்லியமான மதிப்பீட்டுப் பொறிமுறையை (Real-time Feedback) செயற்கை நுண்ணறிவு வழங்குகிறது (U.S. Department of Education, 2023).

3. தமிழ் இலக்கணக் கற்பித்தலில் தொழில்நுட்பப் புத்தாக்கம் (Technology Innovation in Grammar Teaching)

தமிழ் மொழியின் அடிப்படை இலக்கணப் பகுதியான பெயர்ச்சொல்லைக் கற்பிப்பதில் முந்தைய தலைமுறைத் தொழில்நுட்பக் கருவிகள் எவ்வாறு புத்தாக்கத்தை ஏற்படுத்தின என்பதைப் பகுப்பாய்வு செய்வது, தற்போதைய செயற்கை நுண்ணறிவு அடிப்படையிலான கற்பித்தல் மாற்றங்களைப் புரிந்துகொள்ள உதவும் ஒரு சிறந்த அடித்தளமாகும் (Shanmugam, 2023).

3.1 பவர்பாயிண்ட், யூடியூப் மற்றும் வலைப்பதிவுகளின் பயன்பாடு

வழக்கமான வகுப்பறைச் சூழல்களில் கடினமான பகுதியாகக் கருதப்படும் இலக்கணப் பகுதியை எளிமைப்படுத்த, மைக்ரோசாப்ட் பவர்பாயிண்ட் 2019 போன்ற செயலிகளின் துணையுடன் வண்ணமயமான விளக்கப்படங்கள் மற்றும் விளக்கக் குரல் பதிவுகள் (Voice Overs) ஒருங்கிணைக்கப்பட்டுப் பாடங்கள் தயாரிக்கப்பட்டன (Shanmugam, 2023).

தமிழ் இலக்கணத்தின் பெயர்ச்சொல் பிரிவுகளான பொருட்பெயர், இடப்பெயர், காலப்பெயர், சினைப்பெயர், பண்புப்பெயர் மற்றும் தொழிற்பெயர் ஆகியவற்றை விளக்கும் வகையில் தயாரிக்கப்பட்ட இந்த விளக்கக்காட்சிகள் பின்னர் காணொலிகளாக (Videos) மாற்றப்பட்டு, உலகெங்கிலும் உள்ள ஆசிரியர்கள் மற்றும் மாணவர்களின் எளிதான பயன்பாட்டிற்காக யூடியூப் (YouTube) தளங்களிலும், கற்பித்தல் வலைப்பதிவுகளிலும் (Blogs) பகிரப்பட்டன (Shanmugam, 2023).

இருப்பினும், இத்தகைய முந்தைய தொழில்நுட்பக் கருவிகள் ஒருவழித் தகவல் தொடர்பை மட்டுமே சாத்தியமாக்கின. இதனால் மாணவர்களால் தங்களின் சந்தேகங்களை உடனுக்குடன் தீர்த்துக்கொள்ளவோ அல்லது தங்களின் உச்சரிப்புப் பிழைகளைத் திருத்திக்கொள்ளவோ இயலவில்லை. இந்த இடத்தில்தான் இருவழித் தகவல் தொடர்பையும், ஊடாடும் தன்மையையும் கொண்ட செயற்கை நுண்ணறிவுக் கருவிகளின் தேவை ஏற்படுகிறது (Fitria, 2021a).

4. தமிழ் மொழிக் கற்றலுக்கான செயற்கை நுண்ணறிவுக் கருவிகளின் வகைப்பாடு (Classification of Tamil AI Tools)

செயற்கை நுண்ணறிவுத் தொழில்நுட்பங்கள் கல்வித்தளங்களில் அவற்றின் செயல்பாட்டுத் தன்மையின் அடிப்படையில் பல்வேறு பிரிவுகளாக வகைப்படுத்தப்படுகின்றன (Fitria, 2021; Dobrovská et al., 2024).

4.1 மெய்நிகர் வழிகாட்டிகள் மற்றும் தனிப்பயனாக்கப்பட்ட கற்பித்தல் (Virtual Mentors & Personalized Learning)

பள்ளி அல்லது பல்கலைக்கழக எல்லைகளைக் கடந்து மாணவர்களுக்குத் தனிப்பட்ட முறையில் வழிகாட்டும் முறைமைகளாக மெய்நிகர் வழிகாட்டிகள் செயல்படுகின்றன (Klamma et al., 2020; Zhang, 2016). இவை மாணவர்களின் முந்தைய கற்றல் வரலாற்றைப் பகுப்பாய்வு செய்து, அவர்களின் பலவீனங்களைக் கண்டறிந்து, அதற்கேற்பப் பாடத் திட்டங்களை வடிவமைக்கின்றன (Fitria, 2021a).

• டாக் பால் (Talkpal AI): இது மேம்பட்ட பேச்சு அங்கீகாரத் தொழில்நுட்பத்தின் மூலம் மாணவர்களின் உச்சரிப்பு மற்றும் வாசிப்புத் திறனைக் கண்காணித்து, அவர்களின் கற்றல் வேகத்திற்கேற்பத் தனிப்பயனாக்கப்பட்ட தமிழ் பாடங்களை வடிவமைக்கிறது (Talkpal AI, 2026).

• டாக்இஒஏஐ (Talkio AI): செயற்கை நுண்ணறிவுப் பின்னூட்டப் பொறிமுறையைக் கொண்டு, உரையாடல் பயிற்சிகளின் போது மாணவர்களின் உச்சரிப்பு மற்றும் வாக்கியக் கட்டமைப்பை உடனுக்குடன் மதிப்பீடு செய்து திருத்தங்களை முன்மொழிகிறது (Talkio AI, 2026).

• மெம்ரைஸ் (Memrise): அறிவியல் பூர்வமாக நிரூபிக்கப்பட்ட இடைவெளிவிட்டு நினைவுபடுத்தும் முறையைப் (Spaced-Repetition System) பயன்படுத்தி, தமிழ் சொற்களஞ்சியங்களை நீண்ட கால நினைவாற்றலில் நிறுத்த உதவுகிறது (Memrise, 2026).

4.2 உரையாடல் செயலிகள் (Chatbots)

தற்போது புழக்கத்தில் உள்ள பொதுவான செயற்கை நுண்ணறிவு உரையாடல் செயலிகள் தமிழ் மொழியைக் கையாள்வதில் கணிசமான ஆற்றலைப் பெற்றுள்ளன (Radhaconsultancy, 2024).

• கிளாட் (Claude): தமிழ் மொழியை மிகத் துல்லியமாகவும் இயல்பாகவும் கையாளும் திறன் கொண்ட இச்செயலி, கவிதைகள், கட்டுரைகள் மற்றும் மொழியாக்கங்களைச் சூழலுக்குப் பொருத்தமாக உருவாக்குகிறது.

• கூகுள் ஜெமினி (Google Gemini): படங்களையும் குரல் பதிவுகளையும் புரிந்துகொண்டு பதிலளிக்கும் பல்லூடகம் (Multimodal) சார்ந்த திறனைக் கொண்டது.

• சாட்ஜிபிடி (ChatGPT): ஆக்கப்பூர்வமான எழுத்துப் பணிகள், மொழிபெயர்ப்பு மற்றும் சந்தேகத் தீர்வுக்கான எளிய உரையாடல் தளமாகப் பயன்படுகிறது.

4.3 தானியங்கி மதிப்பீட்டு முறைமைகள் (Automatic Assessment Systems)

ஆசிரியர்களின் பணிப் பளுவைக் குறைக்கும் நோக்கில் பயிற்சிகளைத் தானாகவே உருவாக்கி, அவற்றைத் திருத்தி மதிப்பெண்களை வழங்கும் முறைமைகள் இதில் அடங்கும் (Fitria, 2021b). எடுத்துக்காட்டாக, Kejarcita போன்ற தளங்கள் ஆன்லைன் வினாடி-வினாக்களைத் தானாகவே உருவாக்கி, திருத்தி, மாணவர்களின் கற்றல் குறைபாடுகளைப் பகுப்பாய்வு செய்து ஆசிரியர்களுக்குத் தரவுகளாக வழங்குகின்றன.

4.4 விளையாட்டு வழிக் கற்றல் (Gamified Learning)

விளையாட்டுகளின் மூலம் தமிழ் எழுத்துகளையும் சொற்களையும் கற்பிக்கும் செயலிகள் இதில் அடங்கும் (Yunanto, 2017).

• புதையல் (Pudhaiyal): தமிழ் சொற்களைக் கண்டறியும் ஒரு புதிர்ப் பாதை விளையாட்டு (Anitha Narasimhan et al., 2018).

• பொருள் (Porul): தமிழ் சொற்களஞ்சியத்தை மேம்படுத்தும் அட்டவணை விளையாட்டு.

• சொற்கோ (Sorkoa): எழுத்து நீக்கல் அல்காரிதம் மூலம் சொற்களைக் கண்டறியும் விளையாட்டு (Rajapandian et al., 2018).

5. தமிழ் இலக்கண மற்றும் எழுத்துத் திருத்திக் கருவிகள் (Spell & Grammar Checkers)

தமிழ் போன்ற ஒட்டுநிலை மொழியில் சந்திப்பிழைகள், எழுத்துப் பிழைகள் மற்றும் இலக்கணப் பிழைகளைக் கண்டறிவது மிகவும் சவாலான ஒரு பணியாகும் (Vidathanet, 2019). இதற்குச் செயற்கை நுண்ணறிவைப் பயன்படுத்தும் சில அதிநவீனக் கருவிகள் தற்போது உருவாக்கப்பட்டுள்ளன (Karthik, 2026).

5.1 சாரியா (Chariyaa) மற்றும் தமிழ் கிராமர் செக்கர் (Tamil Grammar Checker)

• சாரியா (Chariyaa): இது கற்கி ஆராய்ச்சி நிறுவனத்தால் (Karky Research Foundation) உருவாக்கப்பட்ட ஒரு அறிவார்ந்த எழுத்து மற்றும் இலக்கணத் திருத்தியாகும். இது வெறும் எழுத்துப் பிழைகளைத் திருத்துவதோடு நின்றுவிடாமல், வாக்கியத்தின் சூழலைப் (Context) புரிந்து கொண்டு பொருத்தமான இலக்கணத் திருத்தங்களையும் தூய தமிழ்ச் சொல் பரிந்துரைகளையும் வழங்குகிறது.

• தமிழ் கிராமர் செக்கர் (tamilgrammarchecker.com): கூகுளின் ஜெமினி 2.5 புரோ (Gemini 2.5 Pro) ஏஐ மாதிரியை அடிப்படையாகக் கொண்டு உருவாக்கப்பட்ட இத்தளம், தமிழ் எழுத்தாளர்கள், மாணவர்கள் மற்றும் ஊடகவியலாளர்களின் பயன்பாட்டிற்காக வாக்கிய அமைப்பில் உள்ள சந்திப்பிழைகளையும் சொற்பிழைகளையும் உடனுக்குடன் கண்டறிந்து திருத்துகிறது (Karthik, 2026).

6. தமிழ் மொழியியல் அமைப்பும் எந்திர மொழிபெயர்ப்புச் சவால்களும் (Linguistic Structure & Machine Translation Challenges)

செயற்கை நுண்ணறிவின் மிக முக்கியமான ஒரு பங்களிப்பு இருமொழித் தொடர்பாடலுக்கான எந்திர மொழிபெயர்ப்புப் பொறிமுறையாகும் (Vasuki & Sankaravelayuthan, 2013). எனினும், ஆங்கிலம் மற்றும் தமிழ் போன்ற முற்றிலும் வேறுபட்ட மொழிக்குடும்பங்களைச் சேர்ந்த இரு மொழிகளுக்கு இடையே எந்திர மொழிபெயர்ப்பை மேற்கொள்வது மொழியியல் ரீதியாகப் பெரும் சவால்களைக் கொண்டது (Kamakshi & Rajendran, 2004).

6.1 மொழியியல் கட்டமைப்பு வேறுபாடுகள்

ஆங்கிலம் என்பது விறைப்பான சொல் ஒழுங்கு ஒழுங்கமைப்பைக் கொண்ட (Subject-Verb-Object - SVO) மொழியாகும். மாறாக, தமிழ் என்பது வினைச்சொல்லை இறுதியில் கொண்ட (Subject-Object-Verb - SOV) ஒட்டுநிலை மொழியாகும் (Vasuki & Sankaravelayuthan, 2013).

ஆங்கில கட்டமைப்பு (SVO):

The president of America [S] will visit [V] the capital of Tamilnadu [O].

தமிழ் கட்டமைப்பு (SOV):

அமெரிக்கக் குடியரசுத் தலைவர் [S] தமிழ்நாட்டின் தலைநகரத்தை [O] சென்று பார்த்தார் [V].

மொழியியல் கூறுகள்	ஆங்கில கட்டமைப்பு (SVO)	தமிழ் கட்டமைப்பு (SOV)
வாக்கிய அமைப்பு	Subject + Verb + Object	Subject + Object + Verb
இடைச்சொற்கள்	முன்னிடைச்சொற்கள் (Prepositions)	பின்னிடைச்சொற்கள்/வேற்றுமை உருபுகள் (Postpositions)
வினாக்கள்	துணை வினைச்சொல் வாக்கியத்தின் முன்னால் நகரும்	வாக்கியத்தின் இறுதியில் வினா விகுதி (ஆ) இணையும்
சார்பு வாக்கியங்கள்	முதன்மை வாக்கியத்திற்குப் பின் வரும்	முதன்மை வாக்கியத்திற்கு முன் வரும்

6.2 மரபுத்தொடர்கள் மற்றும் கூட்டு வினைகளைக் கையாளுதல் (Idioms & Phrasal Verbs)

பொதுவான எந்திர மொழிபெயர்ப்புக் கருவிகள் கூட்டு வினைகளையும் மரபுத்தொடர்களையும் சொல்லுக்குச் சொல் மொழிபெயர்க்கும்போது பெரும் பொருள் சிதைவு ஏற்படுகிறது. எடுத்துக்காட்டாக, "He passed out" என்ற வாக்கியத்தைச் சொல்லுக்குச் சொல் மொழிபெயர்த்தால் "அவன் கடந்து வெளியேறினான்" என்று தவறான பொருளைத் தரும். அதன் உண்மையான பொருள் "அவன் மயக்கமடைந்தான்" என்பதாகும்.

இச்சிக்கலைத் தீர்க்க, செயற்கை நுண்ணறிவு அடிப்படையிலான முறைமைகளில் "பகுப்பாய்வு மற்றும் குழுவாக்க நிலைகள்" (Analyzing and Grouping Phases) பயன்படுத்தப்படுகின்றன (Vasuki & Sankaravelayuthan, 2013).

6.3 சொற்றொடர் அடிப்படையிலான புள்ளிவிவர மொழிபெயர்ப்பு மாதிரி (Phrase-Based SMT)

புள்ளிவிவர எந்திர மொழிபெயர்ப்பில் (Statistical Machine Translation - SMT), மூல மொழி வாக்கியத்தை (E) இலக்கு மொழி வாக்கியமாக (T) மாற்றுவதற்கான நிகழ்தகவு பின்வரும் கணித சமன்பாட்டின் மூலம் கணக்கிடப்படுகிறது:

$$P(T|E) = \prod_{i=1}^I \phi(T_i | E_i) \cdot d(a_i - b_{i-1})$$

இங்கு, $\phi(T_i | E_i)$ என்பது சொற்றொடர் மொழிபெயர்ப்பு நிகழ்தகவையும், $d(a_i - b_{i-1})$ என்பது சொற்களின் ஒழுங்கமைப்பு மாற்றத்திற்கான விலகல் நிகழ்தகவையும் குறிக்கின்றன (Vasuki & Sankaravelayuthan, 2013).

7. பேராசிரியர்கள் மற்றும் மாணவர்களின் மனப்பாங்கு பகுப்பாய்வு (Attitudes and Perceptions Analysis)

உயர்கல்வி நிறுவனங்களில் பயிலும் மாணவர்கள் மற்றும் கற்பிக்கும் பேராசிரியர்களிடையே செயற்கை நுண்ணறிவின் பயன்பாடு குறித்து மேற்கொள்ளப்பட்ட பண்புசார் ஆய்வுகள் (Qualitative Inquiries) பல சுவாரசியமான முரண்பாடுகளை வெளிப்படுத்துகின்றன (Khalil & Saleem, 2026).

7.1 மாணவர்களின் அணுகுமுறை (Student Perspective)

மாணவர்கள் செயற்கை நுண்ணறிவைத் தங்களின் உற்பத்தித்திறனை அதிகரிக்கும் ஒரு செயல்பாட்டுத் துணைக்கருவியாகப் பார்க்கிறார்கள் (Fitria, 2021). குறிப்பாக, நீண்ட கட்டுரைகளைச் சுருக்கமாகப் பெறுவதற்கும் (Summarization), புதிய பாடங்களைப் புரிந்துகொள்வதற்கும், தட்டச்சு மற்றும் எழுத்துப் பிழைகளைத் திருத்துவதற்கும் மாணவர்கள் செயற்கை நுண்ணறிவைப் பெரிதும் நம்பியிருக்கிறார்கள் (Khalil & Saleem, 2026).

7.2 பேராசிரியர்களின் அணுகுமுறை (Faculty Perspective)

பேராசிரியர்களின் அணுகுமுறையானது மிகுந்த எச்சரிக்கை உணர்வுடனும், சூழல் சார்ந்ததாகவும் காணப்படுகிறது (Enrichment Review, 2025; Lien, 2025). செயற்கை நுண்ணறிவின் பயன்பாடு மாணவர்களின் சுயசிந்தனை, விமர்சனப் பகுப்பாய்வுத் திறன் மற்றும் கல்வி நேர்மை (Academic Integrity) ஆகியவற்றைக் குலைத்துவிடுமோ என்ற அச்சம் பேராசிரியர்களிடம் ஆழமாக உள்ளது (Yan et al., 2025).

தொழில்நுட்ப ஏற்பு மாதிரிகளின் (Technology Acceptance Model - TAM) அடிப்படையில் கண்டறியப்பட்ட ஐந்து முக்கியக் கருப்பொருள் சார்ந்த பிரிவுகள்:

1. பயனுடைமை (Usefulness): கற்றல் செயல்திறன் மற்றும் நேர மேலாண்மையை மேம்படுத்தும் திறன்.

2. நம்பகத்தன்மை (Trustworthiness): AI வழங்கும் பதில்களின் உண்மைத்தன்மை மற்றும் பிழையற்ற தன்மை.

3. தனியுரிமை மற்றும் நெறிமுறைகள் (Privacy & Ethics): பயனர் தரவு பாதுகாப்பு மற்றும் கல்விசார் முறுகல்களைத் தடுத்தல்.

4. அறிவாற்றல் மற்றும் சார்புத் தன்மை (Cognitive Effects): AI-ஐத் தொடர்ந்து பயன்படுத்துவதால் ஏற்படும் சுயசிந்தனை வீழ்ச்சி.

5. மனித தீர்ப்பின் மதிப்பு (Value of Human Judgment): ஆசிரியரின் மதிப்பீடு மற்றும் வழிகாட்டலின் முக்கியத்துவம்.

8. செயற்கை நுண்ணறிவின் எதிர்மறைத் தாக்கங்களும் கல்விச் சவால்களும் (Negative Impacts and Challenges)

செயற்கை நுண்ணறிவு பல கல்வி நன்மைகளைத் தந்தாலும், அதன் கட்டுப்பாடற்ற பயன்பாடு கற்றல் சூழலில் கடுமையான எதிர்மறைத் தாக்கங்களை ஏற்படுத்துகிறது (Kevogo, 2026).

8.1 பள்ளி வருகை வீழ்ச்சியும் வகுப்பறை ஈடுபாட்டுக் குறைவும்

நவீன மாணவர்கள் தங்களுக்குத் தேவையான அனைத்துத் தகவல்களும் குறிப்புகளும் செயற்கை நுண்ணறிவுக் கருவிகளில் கிடைக்கின்றன என்று நம்புவதால், வகுப்பறைகளுக்கான தேவை மற்றும் பள்ளி வருகை விகிதம் குறையக்கூடும் (Kevogo, 2026).

8.2 அறிவாற்றல் சோம்பலும் நினைவாற்றல் வீழ்ச்சியும்

செயற்கை நுண்ணறிவை அதிகமாகச் சார்ந்திருக்கும்போது மனித மூளையின் நினைவாற்றல் மற்றும் சிக்கல்களைத் தீர்க்கும் திறன் (Problem Solving Skills) மந்தமடைகின்றன. ஒரு சர்வதேச ஆய்வறிக்கையின்படி, மனித சோம்பலுக்குச் செயற்கை நுண்ணறிவு மீதான அதீத சார்புநிலை 68.9% காரணியாக அமைகிறது என்று சுட்டிக்காட்டப்பட்டுள்ளது (Al-Huwail et al., 2025).

8.3 தகவல் மாயத்தோற்றங்கள் (Hallucinations)

செயற்கை நுண்ணறிவுக் கருவிகள் சில நேரங்களில் முற்றிலும் தவறான அல்லது கற்பனையான தகவல்களைத் துல்லியமான வடிவில் முன்வைக்கும் "தகவல் மாயத்தோற்றங்களை" (Hallucinations) உருவாக்குகின்றன (Ukwandu et al., 2025).

9. அரசுக்கொள்கைகளும் தமிழ் தொழில்நுட்ப முன்னெடுப்புகளும் (Government Policies and Language Tech Startups)

தமிழ் மொழியின் டிஜிட்டல் பரவலை உறுதி செய்யவும், செயற்கை நுண்ணறிவுத் தளங்களில் தமிழின் பங்களிப்பை அதிகரிக்கவும் தமிழ்நாடு அரசு பல ஆக்கப்பூர்வமான முயற்சிகளை மேற்கொண்டு வருகிறது.

9.1 தமிழ் லேங்டெக் ஸ்டார்ட்அப் நிதி (Tamil Nadu LangTech Startup Fund)

தமிழ் மொழிக்கான பிரத்யேகப் பெருமொழி மாதிரிகள் (Tamil LLMs), எந்திர மொழிபெயர்ப்புப் பொறிமுறைகள் மற்றும் பேச்சு அங்கீகாரக் கருவிகளை உருவாக்கும் ஸ்டார்ட்அப் நிறுவனங்களை ஆதரிப்பதற்காகத் தமிழ்நாடு அரசு ₹2.5 கோடி முதலீட்டுடன் கூடிய LangTech சிறப்பு நிதியை உருவாக்கியுள்ளது.

9.2 தமிழ்நாடு செயற்கை நுண்ணறிவு இயந்திர மொழிபெயர்ப்புக் கருவி (TN-AIM)

அரசுத் துறைகளில் உள்ள மொழித் தடைகளைக் களைந்து, அரசு ஆவணங்களைத் தமிழ் மற்றும் ஆங்கில மொழிகளுக்கிடையே உடனுக்குடன் துல்லியமாக மொழிபெயர்ப்பதற்காகத் தமிழ் மெய்நிகர் அகாடமி TN-AIM என்ற பிரத்யேகத் தளத்தை உருவாக்கி வருகிறது (Tamil Virtual Academy).

10. தமிழ் கற்றல் கற்பித்தலுக்கான புதிய பெருமொழி மாதிரிகள் (Tamil Large Language Models in 2026)

தமிழ் மொழியின் தனித்துவமான ஒட்டுநிலை அமைப்பைக் கையாள்வதற்காகப் பிரத்யேகமாக வடிவமைக்கப்பட்ட தமிழ் பெருமொழி மாதிரிகள் (Tamil LLMs) 2026 ஆம் ஆண்டில் பெரும் பாய்ச்சலைச் சந்தித்துள்ளன (SiliconFlow, 2026).

10.1 தமிழ் பெருமொழி மாதிரிகளின் முக்கியத்துவம்

தமிழில் ஒரு சொல் பல அடுக்குகளைக் கொண்டதாக இருக்கும். எடுத்துக்காட்டாக, "போகிறேன்" என்ற ஒற்றைச் சொல் போ (root) + கிறு (present tense) + ஏன் (first person singular) ஆகிய மூன்றையும் தன்னுள் அடக்கியுள்ளது (Rajendran, 2026). இத்தகைய ஒட்டுநிலை அமைப்பைச் சரியாகப் புரிந்துகொள்ளப் பிரத்யேக மாதிரிகள் அவசியமாகின்றன.

10.2 முன்னணி தமிழ் ஏஐ மாதிரிகள் (Leading Tamil LLM Models)

• தமிழன் 2 (Tamilan 2): மெர்வின் பிரைசன் (Mervin Praison) என்பவரால் உருவாக்கப்பட்டது. இது 2B, 9B மற்றும் 27B அளவுகளில் கிடைக்கிறது (Praison, 2026).

• Qwen3-235B-A22B: நூற்றுக்கும் மேற்பட்ட மொழிகளை ஆதரிக்கும் மாபெரும் பன்மொழி மாதிரியாகும்.

• Meta-Llama-3.1-8B-Instruct: உரையாடல் பயிற்சிகளுக்காகவும் துல்லியமான தமிழ் மொழிபெயர்ப்புகளுக்காகவும் மேம்படுத்தப்பட்ட ஒரு சிறிய மற்றும் திறமையான மாதிரியாகும்.

11. முறையான வழிகாட்டுதல்களும் கொள்கைப் பரிந்துரைகளும் (Policy Recommendations)

தமிழ் கற்றல் கற்பித்தலில் செயற்கை நுண்ணறிவின் நன்மைகளை அதிகப்படுத்தி, சவால்களைக் களைவதற்குப் பின்வரும் கொள்கைப் பரிந்துரைகள் முன்வைக்கப்படுகின்றன (Kevogo, 2026):

1. முறையான நெறிமுறைப் பயிற்சி: ஆசிரியர்களும் மாணவர்களும் செயற்கை நுண்ணறிவைப் பொறுப்புமிக்க முறையில் பயன்படுத்த நெறிமுறைப் பயிற்சியைப் பெற வேண்டும்.

2. உண்மைத்தன்மை வாய்ந்த மதிப்பீட்டு முறைகள்: படைப்பாற்றல் சார்ந்த பயிற்சிகளையும், நேரடி வாய்மொழித் தேர்வுகளையும் ஆசிரியர்கள் வடிவமைக்க வேண்டும்.

3. கல்வி நிறுவனங்களில் AI கொள்கை: பள்ளிகள் மற்றும் பல்கலைக்கழகங்கள் தெளிவான வழிகாட்டுதல்களை உருவாக்க வேண்டும்.

4. தரவுத் தனியுரிமை: பயனர் தரவுப் பாதுகாப்பை உறுதி செய்வதைக் கட்டாயமாக்க வேண்டும்.

12. முடிவுரை (Conclusion)

செயற்கை நுண்ணறிவு என்பது தமிழ் மொழி வழிக்கல்வியைப் புதிய தளத்திற்கு இட்டுச்செல்லும் ஒரு மாபெரும் ஆற்றல் மூலமாகும் (Rajendran, 2026). எனினும், அதன் அபாயங்களை உணர்ந்து, மனித ஆசிரியரின் வழிகாட்டுதல் மற்றும் உணர்வுபூர்வமான பிணைப்புடன் அதனைச் சரியாக ஒருங்கிணைக்கும்போது மட்டுமே தமிழ் மொழியின் வளர்ச்சியையும் மாணவர்களின் கல்வித்தரத்தையும் ஒருசேரப் பாதுகாக்க முடியும் (Kevogo, 2026).

13. துணை நூற்பட்டியல் (Bibliography / References)

• Kevogo, N. (2026). "Technological Evolution, Educational Transformation and the Promise of Artificial Intelligence." African Journal of Education and Practice, Vol. 12, Issue 2.

• Khalil, A., & Saleem, M. (2026). "Attitudes toward Artificial Intelligence among Students and Faculty: A Qualitative Inquiry." Journal of Social Sciences Advancement, Vol. 7, No. 1.

• Shanmugam, L. (2023). "தொழில்நுட்பத்தின் பயன்பாட்டைக் கொண்டு புத்தாக்கம் செய்தல்: Innovation with the use of technology in grammar teaching." Journal of Valartamil, Vol. 4, No. 1.

• Vasuki, G., & Sankaravelayuthan, R. (2013). English to Tamil Machine Translation System Using Parallel Corpus. Thanjavur, India.

• Fitria, T. Nur (2021). "Artificial Intelligence (AI) in Education: Using AI Tools for Teaching and Learning Process." AAS Indonesia.

• Rajendran, J. (2026). "The Rise of Tamil Large Language Models: Why Tamil Needs Its Own AI Ecosystem." Medium (Tamil NLP Research).

• Tamil Virtual Academy. (2026). Tamil Nadu LangTech Startup Fund Guidelines. Chennai.