কোনো অ্যাসাইনমেন্টে AI ডিটেক্টর উচ্চ স্কোর দেখালেই শিক্ষার্থী অসদুপায় নিয়েছে—এমন সিদ্ধান্ত নির্ভরযোগ্য নয়। আবার স্কোর কম হলেই কাজটি পুরোপুরি শিক্ষার্থীর নিজের, সেটিও প্রমাণিত হয় না। শিক্ষার্থীদের AI ব্যবহার মূল্যায়নের কার্যকর উপায় হলো চূড়ান্ত লেখার পাশাপাশি তারা কীভাবে প্রশ্ন বুঝেছে, উৎস বেছে নিয়েছে, যুক্তি তৈরি করেছে, ভুল সংশোধন করেছে এবং প্রযুক্তিগত সহায়তা ব্যবহারের সিদ্ধান্ত ব্যাখ্যা করেছে—সেসব প্রমাণ দেখা। এর অর্থ AI ব্যবহারের নিয়ম তুলে দেওয়া নয়। বরং মূল্যায়নের কেন্দ্র বদলানো। “লেখাটি মানুষ নাকি AI তৈরি করেছে” প্রশ্নের পাশাপাশি দেখতে হবে শিক্ষার্থী কী শিখেছে এবং নিজের বোঝাপড়ার প্রমাণ দিতে পারছে কি না।
AI ডিটেক্টর চূড়ান্ত প্রমাণ নয়
AI ডিটেক্টর সাধারণত লেখার কিছু ভাষাগত বৈশিষ্ট্য বিশ্লেষণ করে সম্ভাব্য শ্রেণিবিন্যাস বা স্কোর দেয়। এই ফল লেখাটির প্রকৃত লেখক নিশ্চিত করতে পারে না।
একই লেখা ভিন্ন ডিটেক্টরে ভিন্ন ফল দিতে পারে। মানুষের লেখা AI-তৈরি বলে চিহ্নিত হতে পারে, আবার AI দিয়ে তৈরি বা পুনর্লিখিত লেখাও শনাক্ত না-ও হতে পারে। বানান, বাক্যগঠন বা লেখার ধরন সামান্য বদলালেও ফল পাল্টে যেতে পারে।
এই সীমাবদ্ধতার কারণে AI ডিটেক্টরের স্কোরকে কোনো শিক্ষার্থীর বিরুদ্ধে একমাত্র প্রমাণ হিসেবে ব্যবহার করা ঠিক নয়। স্কোরটি সর্বোচ্চ একটি সতর্কসংকেত হতে পারে। এরপর শিক্ষার্থীর খসড়া, উৎস, আগের কাজ, ব্যাখ্যা এবং প্রতিষ্ঠানের নীতিমালা বিবেচনা করতে হবে।
ভাষাগত পার্থক্যও ভুল ফল তৈরি করতে পারে
সব শিক্ষার্থী একইভাবে লেখে না। কারও বাক্য ছোট, কারও শব্দচয়ন সরল, আবার কেউ দ্বিতীয় বা তৃতীয় ভাষায় লিখতে পারে। এসব স্বাভাবিক পার্থক্য কখনো ডিটেক্টরের ফলকে প্রভাবিত করতে পারে।
বিশেষ করে যে শিক্ষার্থীরা ইংরেজি বা অন্য কোনো ভাষায় পুরোপুরি স্বচ্ছন্দ নয়, তাদের নিয়মিত ও সরল বাক্যকে যান্ত্রিক লেখা মনে হওয়ার ঝুঁকি থাকে। বাংলা ভাষার ক্ষেত্রে একই ফল কতটা ঘটে, সে বিষয়ে সরাসরি প্রমাণ সীমিত। তারপরও ভাষার ধরন, শব্দচয়ন বা দুর্বল ব্যাকরণকে AI ব্যবহারের প্রমাণ ধরে নেওয়া ন্যায্য নয়।
শিক্ষার্থী আগে কীভাবে লিখেছে, বিষয়টি বুঝতে পারে কি না এবং নিজের বক্তব্য ব্যাখ্যা করতে পারে কি না—এসব প্রমাণ বেশি গুরুত্বপূর্ণ।
আগে ঠিক করুন, কী শেখা মূল্যায়ন করছেন
অ্যাসাইনমেন্টটি কোন শেখার ফল যাচাই করছে, সেটি আগে স্পষ্ট করতে হবে। তথ্য মনে রাখা, ধারণা প্রয়োগ, প্রমাণ বিচার, সমস্যা সমাধান, যুক্তি তৈরি এবং নিজের কাজ সংশোধন—এসব দক্ষতা একইভাবে মূল্যায়ন করা যায় না।
ধরা যাক, একটি ইতিহাসের প্রবন্ধে লক্ষ্য হলো কোনো ঘটনার কারণ ও পরিণতির সম্পর্ক ব্যাখ্যা করা। সেখানে ভাষার মান মোট নম্বরের একটি অংশ হতে পারে। তবে বেশি গুরুত্ব পাওয়া উচিত:
- কোন প্রমাণ কেন বেছে নেওয়া হয়েছে;
- বিপরীত ব্যাখ্যা বিবেচনা করা হয়েছে কি না;
- উৎসের সীমাবদ্ধতা বোঝা গেছে কি না;
- নতুন তথ্য পাওয়ার পর সিদ্ধান্ত সংশোধন করা হয়েছে কি না।
এভাবে rubric তৈরি করলে AI দিয়ে ভাষা মসৃণ করাই উচ্চ নম্বর পাওয়ার প্রধান পথ থাকে না। শিক্ষার্থীকে নিজের বোঝাপড়া ও বিচারবোধ দেখাতে হয়।
শেখার প্রক্রিয়া দৃশ্যমান করার উপায়
বড় জমাকে কয়েকটি অর্থবহ ধাপে ভাগ করুন
শুধু চূড়ান্ত অ্যাসাইনমেন্ট নেওয়ার বদলে প্রাথমিক প্রশ্ন, উৎসের তালিকা, রূপরেখা, খসড়া এবং সংশোধনের ব্যাখ্যা—এসবের মধ্য থেকে দুই বা তিনটি ধাপ বেছে নেওয়া যায়।
প্রতিটি পর্যায়ে নম্বর দেওয়ার প্রয়োজন নেই। একটি মাঝামাঝি checkpoint শিক্ষককে বুঝতে সাহায্য করে শিক্ষার্থী কীভাবে কাজটি এগিয়ে নিচ্ছে। এতে শেষ মুহূর্তে সম্পূর্ণ কাজ অন্য কোথাও থেকে তৈরি বা সংগ্রহ করার সুযোগও কমে।
তবে প্রক্রিয়া মূল্যায়নের নামে অতিরিক্ত নথি চাওয়া উচিত নয়। একটি সাধারণ অ্যাসাইনমেন্টে একটি রূপরেখা বা খসড়া এবং সংক্ষিপ্ত revision note অনেক ক্ষেত্রেই যথেষ্ট।
সিদ্ধান্তের সংক্ষিপ্ত ব্যাখ্যা চাইুন
চূড়ান্ত কাজের সঙ্গে একটি ছোট process note যোগ করা যেতে পারে। সেখানে শিক্ষার্থী লিখবে:
- কোন অংশটি সবচেয়ে কঠিন ছিল;
- কোন উৎস বা ধারণা বাদ দিয়েছে এবং কেন;
- feedback পাওয়ার পর কী পরিবর্তন করেছে;
- AI ব্যবহার করলে কোন নির্দিষ্ট কাজে করেছে;
- AI-এর কোনো পরামর্শ প্রত্যাখ্যান করেছে কি না এবং কেন।
এই নোটের উদ্দেশ্য শিক্ষার্থীর কাছ থেকে স্বীকারোক্তি আদায় করা নয়। বরং তার সিদ্ধান্ত গ্রহণের প্রমাণ দেখা।
শিক্ষার্থী যদি নিজের নির্বাচন, সংশোধন ও ভুল ব্যাখ্যা করতে পারে, তাহলে বোঝা যায় সে কাজটির সঙ্গে সক্রিয়ভাবে যুক্ত ছিল। কেবল মসৃণ লেখা জমা দেওয়ার চেয়ে এই ব্যাখ্যা শেখার শক্তিশালী প্রমাণ দেয়।
উৎস যাচাইকে আলাদা মানদণ্ড করুন
AI-তৈরি উত্তরে সঠিক ও ভুল তথ্য পাশাপাশি থাকতে পারে। তাই শিক্ষার্থী সঠিক তথ্য লিখেছে কি না দেখার সঙ্গে সেটি কীভাবে যাচাই করেছে, তাও মূল্যায়ন করা উচিত।
দুই বা তিনটি গুরুত্বপূর্ণ দাবির জন্য শিক্ষার্থীকে জানাতে বলা যেতে পারে:
- দাবিটির মূল উৎস কী;
- উৎসটি কেন উপযোগী;
- অন্য কোনো নির্ভরযোগ্য উৎস ভিন্ন তথ্য দেয় কি না;
- তথ্য অনিশ্চিত হলে বক্তব্য কীভাবে সীমিত করা হয়েছে।
এতে citation সাজানোর দক্ষতার বদলে প্রমাণ বিচার করার ক্ষমতা দেখা যায়।
সংক্ষিপ্ত মৌখিক ব্যাখ্যা রাখুন
প্রতিটি শিক্ষার্থীর দীর্ঘ viva নেওয়া অনেক শ্রেণিতে সম্ভব নয়। এর বদলে পাঁচ মিনিটের ব্যাখ্যা, ছোট দলের প্রশ্নোত্তর, রেকর্ড করা সংক্ষিপ্ত বক্তব্য বা নির্বাচিত কাজের মৌখিক যাচাই রাখা যায়।
প্রশ্নগুলো সাধারণ না হয়ে জমা দেওয়া কাজের নির্দিষ্ট অংশ নিয়ে হওয়া ভালো। যেমন:
- “এই উৎসটি বাদ দিলে তোমার সিদ্ধান্ত কীভাবে বদলাবে?”
- “এই ধাপে অন্য পদ্ধতি কেন ব্যবহার করোনি?”
- “এই অনুচ্ছেদের বক্তব্য নিজের ভাষায় ব্যাখ্যা করো।”
- “AI-এর দেওয়া কোনো তথ্য যাচাই করতে হয়েছিল কি?”
মূল সমস্যার একটি শর্ত সামান্য বদলে প্রশ্ন করলেও বোঝাপড়া যাচাই করা যায়। শিক্ষার্থী নিজের যুক্তি নতুন পরিস্থিতিতে প্রয়োগ করতে পারলে সেটি শেখার শক্তিশালী প্রমাণ।
AI ব্যবহারের নিয়ম কাজভেদে লিখুন
“AI ব্যবহার নিষিদ্ধ” অথবা “AI ব্যবহার করা যাবে”—এই দুই ধরনের সাধারণ নির্দেশ অধিকাংশ অ্যাসাইনমেন্টের জন্য যথেষ্ট নয়। ধারণা তৈরি, ভাষা সম্পাদনা, অনুবাদ, code debugging, উৎস খোঁজা এবং পূর্ণ উত্তর তৈরি করা একই ধরনের সহায়তা নয়।
অ্যাসাইনমেন্টের নির্দেশনায় তিনটি বিষয় পরিষ্কার রাখা যায়:
অনুমোদিত ব্যবহার: প্রাথমিক ধারণা সাজানো, অনুশীলনী প্রশ্ন তৈরি বা ভাষাগত feedback নেওয়া।
অননুমোদিত ব্যবহার: AI-এর তৈরি বিশ্লেষণ নিজের কাজ হিসেবে অপরিবর্তিত জমা দেওয়া।
ঘোষণার নিয়ম: কোন টুল, কী কাজে এবং তার ফল কীভাবে যাচাই বা পরিবর্তন করা হয়েছে।
নিয়ম যত নির্দিষ্ট হবে, শিক্ষার্থীর জন্য সঠিক সীমা বোঝা তত সহজ হবে। পরে অভিযোগ বা শাস্তির প্রয়োজন হলে শিক্ষকও আগে জানানো নির্দেশনার ভিত্তিতে সিদ্ধান্ত নিতে পারবেন।
একাধিক ধরনের প্রমাণ মিলিয়ে সিদ্ধান্ত নিন
একটি take-home essay-এর ওপর পুরো ফল নির্ভর করলে লেখাটি কে তৈরি করেছে, সেই সন্দেহ মূল্যায়নে বেশি প্রভাব ফেলতে পারে। একই শেখার ফল কয়েকটি আলাদা মাধ্যমে দেখা গেলে সিদ্ধান্ত তুলনামূলকভাবে শক্ত হয়।
প্রমাণ হিসেবে ব্যবহার করা যেতে পারে:
- শ্রেণিকক্ষে লেখা সংক্ষিপ্ত বিশ্লেষণ;
- বাড়িতে করা বিস্তারিত অ্যাসাইনমেন্ট;
- সহপাঠীর feedback;
- সংশোধিত সংস্করণ;
- মৌখিক ব্যাখ্যা;
- কোনো সূত্র, নকশা বা সিদ্ধান্ত নিয়ে প্রতিফলন।
সব শিক্ষার্থীকে সব ধরনের প্রমাণ দিতে হবে না। বিষয়, বয়স, শ্রেণির আকার, বিশেষ সহায়তার প্রয়োজন এবং শিক্ষকের সময় অনুযায়ী দুই বা তিনটি উপযুক্ত পদ্ধতি নির্বাচন করা যায়।
একটি প্রক্রিয়াভিত্তিক rubric কেমন হতে পারে
মূল্যায়নের দিকগুলো ছোট ও পর্যবেক্ষণযোগ্য রাখা দরকার।
| মূল্যায়নের দিক | কী প্রমাণ দেখা হবে | দুর্বলতার সম্ভাব্য লক্ষণ |
| বিষয়বস্তুর বোঝাপড়া | নিজের ভাষায় ব্যাখ্যা ও নতুন পরিস্থিতিতে প্রয়োগ | সংজ্ঞা আছে, প্রয়োগ নেই |
| যুক্তি ও প্রমাণ | দাবি, উৎস ও সিদ্ধান্তের সম্পর্ক | উৎস আছে, কিন্তু প্রাসঙ্গিকতা অস্পষ্ট |
| যাচাই ও সংশোধন | ভুল শনাক্ত, feedback ব্যবহার ও পরিবর্তনের কারণ | পরিবর্তন আছে, ব্যাখ্যা নেই |
| AI ব্যবহারে স্বচ্ছতা | কোথায়, কেন এবং কীভাবে AI ব্যবহৃত হয়েছে | সাধারণ ঘোষণা আছে, নির্দিষ্ট তথ্য নেই |
নম্বরের ভার শেখার লক্ষ্য অনুযায়ী বদলাতে হবে। ভাষার শুদ্ধতা যদি কাজটির প্রধান লক্ষ্য না হয়, তাহলে অত্যন্ত মসৃণ লেখাকে অতিরিক্ত নম্বর দেওয়া উচিত নয়। এতে প্রকৃত বোঝাপড়ার বদলে চূড়ান্ত উপস্থাপনাই বেশি গুরুত্ব পায়।
সন্দেহ হলে অভিযোগের আগে কথা বলুন
AI ডিটেক্টরের স্কোর, হঠাৎ বদলে যাওয়া লেখার ধরন, অস্বাভাবিক citation বা শিক্ষার্থীর আগের কাজের সঙ্গে বড় পার্থক্য সন্দেহ তৈরি করতে পারে। এমন সংকেত পাওয়া গেলে প্রথম পদক্ষেপ হওয়া উচিত নির্দিষ্ট অসঙ্গতি নিয়ে আলোচনা করা।
শিক্ষার্থীকে জিজ্ঞেস করা যেতে পারে:
- এই অনুচ্ছেদের মূল বক্তব্য নিজের ভাষায় বলো;
- উৎসটি কোথা থেকে পেয়েছ;
- খসড়া থেকে এই পরিবর্তন কেন করেছ;
- ব্যবহৃত টুল বা অন্য সহায়তার ভূমিকা কী ছিল;
- এখন সংশোধন করতে হলে কোন অংশ বদলাবে?
একটি শতাংশ বা সফটওয়্যার রিপোর্ট দেখিয়ে সরাসরি অভিযোগ করা ন্যায্য পদ্ধতি নয়। শিক্ষার্থীকে নিজের কাজ ব্যাখ্যা করার সুযোগ দিতে হবে এবং সিদ্ধান্ত নেওয়ার সময় একাধিক প্রমাণ বিবেচনা করতে হবে।
প্রক্রিয়া মূল্যায়ন যেন নজরদারিতে না বদলায়
শেখার প্রক্রিয়া মূল্যায়ন মানে প্রতিটি keystroke রেকর্ড করা, সব prompt জমা নেওয়া বা শিক্ষার্থীর ব্যক্তিগত অ্যাকাউন্টে প্রবেশ চাওয়া নয়। এমন ব্যবস্থা গোপনীয়তা, সমতা এবং শিক্ষকের কাজের চাপ বাড়াতে পারে।
কিছু সীমা রাখা প্রয়োজন:
- ব্যক্তিগত বা সংবেদনশীল তথ্যসহ সম্পূর্ণ chat history চাইবেন না;
- কাগজে বা offline কাজ করা শিক্ষার্থীর জন্য বিকল্প প্রমাণ রাখুন;
- paid AI tool ব্যবহারের সুযোগ সবার আছে বলে ধরে নেবেন না;
- অনুমোদিত accessibility tool-কে অসদুপায়ের সঙ্গে গুলিয়ে ফেলবেন না;
- process log-কে দীর্ঘ প্রশাসনিক ফর্মে পরিণত করবেন না।
শিক্ষার্থীর শেখার প্রমাণ চাওয়া এবং তার ব্যক্তিগত ডিজিটাল কার্যক্রম নজরদারি করা এক বিষয় নয়। মূল্যায়নের জন্য যতটুকু তথ্য প্রয়োজন, তার বেশি সংগ্রহ না করাই ভালো।
পরিবর্তন শুরু করুন একটি অ্যাসাইনমেন্ট দিয়ে
পুরো মূল্যায়ন ব্যবস্থা একসঙ্গে বদলানোর প্রয়োজন নেই। প্রথমে এমন একটি অ্যাসাইনমেন্ট বেছে নিন, যেখানে শুধু চূড়ান্ত উত্তর দেখে প্রকৃত বোঝাপড়া নির্ধারণ করা কঠিন।
তারপর চারটি পরিবর্তন করুন:
১. শেখার ফল এক বাক্যে লিখুন।
২. একটি মাঝামাঝি checkpoint যোগ করুন।
৩. যুক্তি, যাচাই ও সংশোধনের জন্য rubric-এ নম্বর রাখুন।
৪. AI ব্যবহারের অনুমোদিত সীমা ও ঘোষণার নিয়ম পরিষ্কার করুন।
শিক্ষার্থীদের AI ব্যবহার মূল্যায়নের উদ্দেশ্য প্রযুক্তি ব্যবহারকারীকে ধরে ফেলা নয়। ভালো মূল্যায়ন দেখবে শিক্ষার্থী বিষয়টি বুঝেছে কি না, নিজের সিদ্ধান্ত ব্যাখ্যা করতে পারে কি না এবং মানুষ, উৎস ও প্রযুক্তির সহায়তা দায়িত্বশীলভাবে ব্যবহার করেছে কি না। এসব প্রমাণ যত দৃশ্যমান হবে, AI ডিটেক্টরের অনিশ্চিত স্কোরের ওপর নির্ভরতা তত কমবে।
শেষ কথা
শিক্ষার্থীর লেখা AI তৈরি করেছে কি না, শুধু সেটি খুঁজে বের করাই ভালো মূল্যায়নের লক্ষ্য হতে পারে না। আরও গুরুত্বপূর্ণ হলো—শিক্ষার্থী বিষয়টি বুঝেছে কি না, নিজের যুক্তি ব্যাখ্যা করতে পারে কি না, উৎস যাচাই করেছে কি না এবং প্রযুক্তির সহায়তা দায়িত্বশীলভাবে ব্যবহার করেছে কি না।
AI ডিটেক্টর সন্দেহের একটি সংকেত দিতে পারে, কিন্তু সেটি চূড়ান্ত প্রমাণ নয়। তাই সিদ্ধান্ত নেওয়ার আগে খসড়া, সংশোধন, উৎস, মৌখিক ব্যাখ্যা এবং কাজের প্রক্রিয়া একসঙ্গে দেখা দরকার। এতে ভুল অভিযোগের ঝুঁকি কমে এবং প্রকৃত শেখার প্রমাণ সামনে আসে।
মূল্যায়নের কেন্দ্র যখন “কে লিখেছে” থেকে “কী শিখেছে”-তে যায়, তখন শিক্ষকও বেশি ন্যায্য সিদ্ধান্ত নিতে পারেন। একই সঙ্গে শিক্ষার্থীরা বুঝতে শেখে যে AI ব্যবহার মানেই শর্টকাট নয়; বরং এর ফল যাচাই করা, সীমা জানা এবং নিজের সিদ্ধান্তের দায় নেওয়াই দায়িত্বশীল ব্যবহারের আসল পরিচয়।
প্রায়শই জিজ্ঞাসিত প্রশ্ন
AI ডিটেক্টরের ফল কি শিক্ষার্থীকে জিজ্ঞাসাবাদের জন্য যথেষ্ট?
ফলটি কোনো অসংগতি খতিয়ে দেখার কারণ হতে পারে, কিন্তু অভিযোগের জন্য যথেষ্ট নয়। শিক্ষার্থীর খসড়া, আগের কাজ, উৎস, মৌখিক ব্যাখ্যা এবং অ্যাসাইনমেন্টের নিয়ম একসঙ্গে বিবেচনা করা উচিত।
AI ব্যবহার করলেই কি সেটি নকল হিসেবে গণ্য হবে?
না। এটি নির্ভর করে কী কাজে AI ব্যবহার করা হয়েছে এবং অ্যাসাইনমেন্টে কী অনুমতি দেওয়া হয়েছিল তার ওপর। ধারণা সাজানো বা ভাষাগত ভুল ঠিক করার অনুমতি থাকতে পারে, কিন্তু AI-এর পূর্ণ বিশ্লেষণ নিজের নামে জমা দেওয়া নিষিদ্ধ হতে পারে।
শিক্ষার্থীকে কি প্রতিটি AI prompt জমা দিতে বলা উচিত?
সাধারণভাবে সম্পূর্ণ chat history চাওয়া প্রয়োজন নেই। এতে ব্যক্তিগত বা সংবেদনশীল তথ্য থাকতে পারে। শিক্ষক বরং কোন টুল কী কাজে ব্যবহার করা হয়েছে এবং ফল কীভাবে যাচাই বা পরিবর্তন করা হয়েছে—এমন সংক্ষিপ্ত ঘোষণা চাইতে পারেন।
বড় শ্রেণিতে শেখার প্রক্রিয়া মূল্যায়ন কীভাবে সম্ভব?
প্রতিটি ধাপ বিস্তারিতভাবে পরীক্ষা করার দরকার নেই। একটি সংক্ষিপ্ত রূপরেখা, একটি মাঝামাঝি খসড়া এবং ছোট revision note দিয়েই শুরু করা যায়। সন্দেহজনক বা নির্বাচিত কয়েকটি কাজের ক্ষেত্রে মৌখিক ব্যাখ্যা নেওয়া যেতে পারে।
শিক্ষার্থী AI ব্যবহার না করার দাবি করলে কী করবেন?
দাবিটি সরাসরি বিশ্বাস বা অবিশ্বাস—কোনোটিই না করে কাজের প্রমাণ দেখুন। শিক্ষার্থীকে নির্দিষ্ট অনুচ্ছেদ, উৎস বা সিদ্ধান্ত ব্যাখ্যা করতে বলুন। সে নিজের যুক্তি নতুন পরিস্থিতিতে প্রয়োগ করতে পারে কি না, সেটিও দেখা যেতে পারে।
AI ব্যবহারের ঘোষণা কি নম্বরের অংশ হওয়া উচিত?
স্বচ্ছতা যদি শেখার লক্ষ্য বা প্রতিষ্ঠানের নীতির অংশ হয়, তাহলে ঘোষণার জন্য সীমিত নম্বর রাখা যেতে পারে। তবে শিক্ষার্থী AI ব্যবহার করেছে কি না, তার চেয়ে ঘোষণাটি নির্দিষ্ট, সৎ এবং যাচাইযোগ্য কি না—সেটি বেশি গুরুত্বপূর্ণ।
অভিভাবকেরা কীভাবে বুঝবেন AI শিক্ষায় সহায়তা করছে নাকি ক্ষতি করছে?
শিশু উত্তরটি ব্যাখ্যা করতে পারে কি না, নিজের ভুল শনাক্ত করতে পারে কি না এবং AI ছাড়া একই ধরনের সহজ সমস্যা সমাধান করতে পারে কি না—এসব দেখুন। শুধু দ্রুত বা সুন্দর উত্তর পাওয়া শেখার প্রমাণ নয়।
