गणित को चलते हुए देखना उसे समझने में क्यों मदद करता है
एनिमेशन गणित को स्थिर तस्वीरों से बेहतर सिखाते हैं, जब वे कॉन्सेप्ट को ही दिखाएं, रंग से फ़ॉर्मूले को तस्वीर से जोड़ें और दर्शक को समय दें। ये रहे सबूत।
Chasca टीम की ओर से पढ़ने में 8 मिनट
गणित का कोई कॉन्सेप्ट तब ज़्यादा जल्दी समझ आता है जब आप उसे होते हुए देख सकें: ऐसा ग्रिड जिसे मैट्रिक्स तिरछा कर देता है, आयत जो पतले होते-होते वक्र के नीचे का क्षेत्रफल बन जाते हैं, वक्र पर सरकती स्पर्श रेखा, जिसकी ढाल साथ-साथ बदलती है। तस्वीरों से सीखने पर हुई रिसर्च इसकी पुष्टि करती है, कुछ शर्तों के साथ। एनिमेशन को कॉन्सेप्ट को ही दिखाना चाहिए, शब्द और तस्वीर आपस में जुड़े होने चाहिए, और दर्शक को हर बदलाव समझने का समय मिलना चाहिए।
क्या गणित को चलते हुए देखना छात्रों को सीखने में मदद करता है?
औसतन हां। Tim Höffler और Detlev Leutner के 2007 के मेटा-एनालिसिस ने 76 तुलनाओं वाली 26 स्टडीज़ को एक साथ जोड़ा और पाया कि पढ़ाई के लिए बने एनिमेशन स्थिर तस्वीरों से बेहतर रहे (d = 0.37)। जब एनिमेशन ने सामग्री को सजाने के बजाय खुद सामग्री को दिखाया, तब यह फ़ायदा कायम रहा (d = 0.40)। बाद में Sandra Berney और Mireille Bétrancourt के एक मेटा-एनालिसिस ने, जिसमें 61 स्टडीज़ और 7,036 सीखने वाले शामिल थे, कुल मिलाकर इससे छोटा फ़ायदा पाया (g = 0.23), जो तब बढ़ गया जब एनिमेशन के साथ बोलकर समझाइश दी गई (g = 0.34)।
गणित को खास तौर पर चलती तस्वीरों से फ़ायदा होता है। GeoGebra से बने डायनैमिक विज़ुअलाइज़ेशन पर 20 साल की रिसर्च के 2025 के एक मेटा-एनालिसिस ने गणित सीखने पर मध्यम स्तर का असर पाया (g = 0.653), जो कैलकुलस और ज्यामिति में सबसे ज़्यादा था। डायनैमिक ज्यामिति सॉफ़्टवेयर पर इससे पहले के एक रिव्यू ने इससे भी बड़ा असर बताया, हालांकि नौ छोटे अर्ध-प्रयोगों के आधार पर, जो असर को अक्सर बढ़ा-चढ़ाकर दिखाते हैं।
इसकी वजह है तालमेल। Barbara Tversky, Julie Morrison और Mireille Bétrancourt ने इसे अनुरूपता का सिद्धांत कहा: तस्वीर तब सबसे अच्छा काम करती है जब उसका रूप उस बात से मेल खाता है जो वह पहुंचाती है। गणित का बड़ा हिस्सा बदलाव के बारे में है: कोई रूपांतरण हर बिंदु के साथ क्या करता है, वक्र के साथ-साथ ढाल कैसे बदलती है, पतले आयतों का योग किसी क्षेत्रफल के कैसे करीब पहुंचता है। समय के साथ होने वाला बदलाव ठीक वही है जो एनिमेशन दिखा सकता है और किताब की आकृति नहीं दिखा सकती।
एनिमेशन कब मदद नहीं करता?
जब वह बहुत तेज़ हो, बहुत ज़्यादा चीज़ों से भरा हो या सिर्फ़ सजावटी हो। 2002 के उसी पेपर ने पाया कि एनिमेशन की कई शुरुआती जीतें असमान तुलनाओं से आई थीं, जिनमें एनिमेशन वाले वर्ज़न में बस ज़्यादा जानकारी थी। इसमें बताया गया बोधगम्यता का सिद्धांत चेताता है कि तस्वीर तभी मदद करती है जब उसे ठीक-ठीक देखा और समझा जा सके, और यह भी कि दर्शक लगातार होते बदलाव को अक्सर अलग-अलग कदमों की एक कड़ी की तरह समझते हैं। Berney और Bétrancourt के डेटा में, ज़्यादातर अलग-अलग तुलनाओं में न एनिमेशन आगे रहे, न स्थिर तस्वीरें।
इसलिए काम का सवाल यह नहीं कि एनिमेट करें या नहीं, बल्कि यह कि कैसे करें। दो नतीजे रास्ता दिखाते हैं:
- एक बार में एक बदलाव, बीच-बीच में ठहराव के साथ। Günter Daniel Rey और साथियों के सेगमेंटिंग पर एक मेटा-एनालिसिस (56 स्टडीज़, 7,713 सीखने वाले) ने पाया कि पाठ को हिस्सों में बांटने से ट्रांसफ़र बेहतर हुआ (d = 0.36), और प्रेज़ेंटेशन में ही रखे गए ठहराव भी कारगर रहे।
- शब्द बोले जाएं, तस्वीर के ऊपर लिखे नहीं। Berney और Bétrancourt के विश्लेषण में बोलकर दी गई समझाइश उन हालात में से एक है जिनमें एनिमेशन ने सबसे ज़्यादा मदद की, क्योंकि आंखें तस्वीर पर टिकी रहती हैं, जबकि कान समझाइश सुनते हैं।
फ़ॉर्मूले को तस्वीर के रंगों में क्यों रंगें?
क्योंकि गणित के डायग्राम का सबसे मुश्किल हिस्सा अक्सर यह जानना होता है कि कौन-सा चिह्न किस आकृति का है। Erol Ozcelik और साथियों की एक आई-ट्रैकिंग स्टडी में, जिन सीखने वालों की सामग्री में टेक्स्ट और तस्वीर को रंग से जोड़ा गया था, उन्होंने मेल खाते हिस्से ज़्यादा जल्दी ढूंढे और याद रखने और ट्रांसफ़र में ज़्यादा स्कोर किया। टेक्स्ट और तस्वीरों को जोड़ने वाले संकेतों, जैसे साझा रंगों, पर एक मेटा-एनालिसिस ने 27 स्टडीज़ में समझ और ट्रांसफ़र में फ़ायदा पाया, और 103 स्टडीज़ पर संकेतों के एक ज़्यादा व्यापक मेटा-एनालिसिस ने याद रखने (g = 0.53) और ट्रांसफ़र (g = 0.33) में फ़ायदा पाया।
फ़ॉर्मूला तस्वीर के बगल में भी होना चाहिए, और तभी आना चाहिए जब उसके बारे में बताया जाए। Paul Ginns के निकटता पर मेटा-एनालिसिस ने संबंधित जानकारी को जगह में (d = 0.72) और समय में (d = 0.78) साथ रखने के बड़े असर पाए, और गणित की स्टडीज़ में यह असर 0.88 रहा। मल्टीमीडिया लर्निंग की रिसर्च पर Richard Mayer का 2024 का रिव्यू बताता है कि ट्रांसफ़र में, तस्वीरों के साथ शब्द अकेले शब्दों से 13 में से सभी 13 टेस्ट में बेहतर रहे (मीडियन d = 1.35)।
एक ठोस उदाहरण से शुरुआत क्यों करें?
क्योंकि चिह्नों का मतलब तब ज़्यादा होता है जब उनके पास दर्शाने के लिए कोई चीज़ हो। Emily Fyfe और साथियों का कॉन्क्रीटनेस फ़ेडिंग पर सिस्टमैटिक रिव्यू सलाह देता है कि गणित और विज्ञान के पाठ एक ठोस उदाहरण से शुरू हों, फिर कदम-दर-कदम अमूर्त चिह्नों की ओर बढ़ें, और हर कदम साफ़ तौर पर पिछले कदम से जुड़ा हो। वे सबूतों को उम्मीद जगाने वाले, लेकिन अभी सीमित बताते हैं।
गणित के वीडियो में यह ऐसा दिखता है: “कोई भी वेक्टर” से पहले वेक्टर (3, 2), ds और dt से पहले 3 सेकंड और 3.01 सेकंड पर एक कार, डिटरमिनेंट से पहले क्षेत्रफल 1 वाला इकाई वर्ग। फिर सामान्य फ़ॉर्मूला किसी ऐसी चीज़ के विवरण की तरह आता है जिसे दर्शक पहले ही देख चुका है।
गणित की बेहतर समझाइश किसे चाहिए?
बहुत से छात्रों को। OECD के PISA 2022 आकलन में, OECD देशों के 15 साल के 31% छात्र गणित में बुनियादी दक्षता के स्तर से नीचे रहे, और गणित के औसत स्कोर 2018 के मुकाबले करीब 15 अंक गिरे, यानी लगभग तीन-चौथाई साल की पढ़ाई जितने।
मदद के लिए इनमें से बहुत से छात्र पहले से वीडियो का ही रुख करते हैं। अमेरिका के टीचरों के 2026 के एक राष्ट्रीय सर्वे में, करीब तीन-चौथाई ने कहा कि वे क्लास में YouTube इस्तेमाल करते हैं, और पढ़ाने के समय का औसतन 17.9% हिस्सा वीडियो में गया। ग्रामीण भारत में, 14 से 18 साल के 34,745 युवाओं पर हुए ASER 2023 सर्वे ने पाया कि जो स्मार्टफ़ोन इस्तेमाल कर सकते थे, उनमें से 66% ने सर्वे से पहले के हफ़्ते में पढ़ाई से जुड़ी कोई ऑनलाइन गतिविधि की थी।
दिक्कत उपलब्धता की है। सबसे अच्छी विज़ुअल समझाइश हाथ से, सीन-दर-सीन एनिमेट की जाती है, इसलिए वह सबसे लोकप्रिय टॉपिक के लिए ही मिलती है, और ज़्यादातर अंग्रेज़ी में। कोई खास छात्र जिस कॉन्सेप्ट पर अटका है, उसके स्तर पर और उसकी भाषा में, उसकी अक्सर कोई समझाइश होती ही नहीं।
एक अच्छे विज़ुअल गणित एक्सप्लेनर में क्या होना चाहिए?
रिसर्च को एक साथ रखें, तो एक छोटी सूची बनती है:
- सवाल से शुरू करें। उस पहेली से शुरुआत करें जिसका जवाब यह कॉन्सेप्ट देता है, ताकि दर्शक जाने कि वह क्या ढूंढ रहा है।
- असली संख्याओं वाला एक ठोस उदाहरण दिखाएं, सामान्य नियम से पहले।
- वह एनिमेट करें जो बदलता है, सजावट नहीं। हर चलती चीज़ गणित का हिस्सा होनी चाहिए।
- एक बार में एक बदलाव, और अहम बदलाव के बाद एक ठहराव, ताकि उसे समझा जा सके।
- बोलकर समझाएं। स्क्रीन पर शब्दों को सिर्फ़ गणित तक, और ज़्यादा से ज़्यादा एक छोटे सवाल तक, सीमित रखें।
- फ़ॉर्मूले को तस्वीर के बगल में रखें, और उसके हिस्सों को उन्हीं चीज़ों के रंग दें जिन्हें वे दर्शाते हैं।
- सटीक बनाएं। वक्र को उसके फ़ंक्शन का ही रूप होना चाहिए और बदले हुए ग्रिड को उसके मैट्रिक्स का; थोड़ा-सा गलत स्केच गलत बात सिखाता है।
- आखिर में फ़ॉर्मूले को वापस तस्वीर से जोड़ें, और शुरुआती सवाल का जवाब दें।
Chasca से ऐसा वीडियो कैसे बनाएं?
Chasca की Visual maths स्किल इस तरह का वीडियो किसी टॉपिक, सवाल या आपकी अपनी स्क्रिप्ट से बनाती है:
- पहले तस्वीर आती है। असली संख्याओं वाला एक खास उदाहरण समझाए जाने के साथ-साथ बनता है: ऐसे ग्रिड पर जिसे मैट्रिक्स बदलते हैं, सरकती स्पर्श रेखा वाले ग्राफ़ पर, संख्या रेखा पर, ज्यामिति की आकृति में, या धीरे-धीरे घूमते कैमरे के साथ 3D में।
- हर चीज़ अपनी संख्याओं से बनती है: ग्राफ़ अपने फ़ंक्शन से, बदला हुआ ग्रिड अपने मैट्रिक्स से, ठोस अपने आयामों से।
- समीकरण तस्वीर के बगल में अपने आप लिखे जाते हैं, हर हिस्सा उस चीज़ के रंग में जिसे वह दर्शाता है, और वे पद-दर-पद अपने अगले रूप में बदलते हैं।
- हर बदलाव ठीक उन्हीं शब्दों पर होता है जो उसे बताते हैं, और जब तस्वीर चलती है, तब नैरेशन रुक जाता है।
- वीडियो बनने से पहले स्क्रिप्ट और उसके समीकरणों में गणित की गलतियां जांची जाती हैं; अगर किसी चीज़ को देखने की ज़रूरत हो, तो वीडियो का पेज बताता है कि कहां।
- 79 भाषाओं में से कोई भी, स्क्रीन पर शब्द उसी भाषा में, और अरबी समीकरण दाएं से बाएं लिखे हुए (अरबी में गणित)।
इस पेज पर सबसे ऊपर दिया गया वीडियो इसी से बना एक मिनट का उदाहरण है: मैट्रिक्स समतल के साथ क्या करता है, और उसका डिटरमिनेंट क्षेत्रफल क्यों नापता है।
यह वर्कशीट हल करने के बजाय कॉन्सेप्ट समझाती है। परीक्षा के ऐसे सवालों के लिए जो लाइन-दर-लाइन, बॉक्स में आए जवाब तक हल हों, Maths problems इस्तेमाल करें, और दोनों को साथ जोड़ें: पहले कॉन्सेप्ट, फिर अभ्यास।
आपके पहले दो वीडियो फ़्री हैं, हर वीडियो एक मिनट तक का, वॉटरमार्क के साथ, बिना कार्ड के। प्लान $9.99 प्रति महीने से शुरू होते हैं (कीमतें)।
स्रोत
- Höffler, T. N., & Leutner, D. (2007). Instructional animation versus static pictures: A meta-analysis. Learning and Instruction, 17(6), 722–738.
- Berney, S., & Bétrancourt, M. (2016). Does animation enhance learning? A meta-analysis. Computers & Education, 101, 150–167.
- Zhang, Y., Wang, P., Jia, W., Zhang, A., & Chen, G. (2025). Dynamic visualization by GeoGebra for mathematics learning: A meta-analysis of 20 years of research. Journal of Research on Technology in Education, 57(2), 437–458.
- Chan, K. K., & Leung, S. W. (2014). Dynamic geometry software improves mathematical achievement: Systematic review and meta-analysis. Journal of Educational Computing Research, 51(3), 311–325.
- Tversky, B., Morrison, J. B., & Bétrancourt, M. (2002). Animation: can it facilitate? International Journal of Human-Computer Studies, 57(4), 247–262.
- Rey, G. D., Beege, M., Nebel, S., Wirzberger, M., Schmitt, T. H., & Schneider, S. (2019). A meta-analysis of the segmenting effect. Educational Psychology Review, 31(2), 389–419.
- Ozcelik, E., Karakus, T., Kursun, E., & Cagiltay, K. (2009). An eye-tracking study of how color coding affects multimedia learning. Computers & Education, 53(2), 445–453.
- Richter, J., Scheiter, K., & Eitel, A. (2016). Signaling text-picture relations in multimedia learning: A comprehensive meta-analysis. Educational Research Review, 17, 19–36.
- Schneider, S., Beege, M., Nebel, S., & Rey, G. D. (2018). A meta-analysis of how signaling affects learning with media. Educational Research Review, 23, 1–24.
- Ginns, P. (2006). Integrating information: A meta-analysis of the spatial contiguity and temporal contiguity effects. Learning and Instruction, 16(6), 511–525.
- Mayer, R. E. (2024). The past, present, and future of the cognitive theory of multimedia learning. Educational Psychology Review, 36, 8.
- Fyfe, E. R., McNeil, N. M., Son, J. Y., & Goldstone, R. L. (2014). Concreteness fading in mathematics and science instruction: A systematic review. Educational Psychology Review, 26(1), 9–25.
- OECD (2023). PISA 2022 Results (Volume I): The State of Learning and Equity in Education.
- Pritchard, C., Carpenter, J. P., & Rosenberg, J. M. (2026). Teachers’ instructional use of YouTube: A national survey. Educational Researcher, 55(8), 520–523.
- ASER Centre (2024). ASER 2023 ‘Beyond Basics’: main findings.
वीडियो की ट्रांसक्रिप्ट ऊपर दिए 1:00 के एक्सप्लेनर में नैरेटर की कही हर बात।
What does a matrix do to space, and why does its determinant measure area?
Start with a unit square: one unit across, one unit up. Its area is one.
Watch this matrix stretch and shear the whole grid. The horizontal arrow doubles; the vertical arrow tilts.
The square becomes a parallelogram. Its base is two, its height is one, so its area is two.
The matrix records where those arrows land. Its columns are two, zero and one, one.
Its determinant is two times one minus one times zero: two. That matches the area we measured.
So a matrix reshapes space, and its determinant measures area scaling. In general, the transformed unit square’s area is the determinant’s absolute value.
लोग अक्सर पूछते हैं
औसतन हां, जब एनिमेशन कॉन्सेप्ट को ही दिखाए। 26 स्टडीज़ के एक मेटा-एनालिसिस में एनिमेशन स्थिर तस्वीरों से बेहतर रहे (d = 0.37), और गणित में GeoGebra से बने डायनैमिक विज़ुअलाइज़ेशन के 2025 के एक मेटा-एनालिसिस में मध्यम स्तर का असर मिला (g = 0.653), जो कैलकुलस और ज्यामिति में सबसे ज़्यादा था। बहुत तेज़ या बहुत ज़्यादा चीज़ों से भरे एनिमेशन कम मदद करते हैं।
क्योंकि इससे दिखता है कि फ़ॉर्मूले का कौन-सा हिस्सा तस्वीर के किस हिस्से का है। एक आई-ट्रैकिंग स्टडी में, कलर-कोडिंग वाली सामग्री से सीखने वालों ने मेल खाते हिस्से ज़्यादा जल्दी ढूंढे और याद रखने और ट्रांसफ़र में ज़्यादा स्कोर किया, और संकेतों पर हुए मेटा-एनालिसिस समझ और ट्रांसफ़र में फ़ायदा पाते हैं।
किसी कॉन्सेप्ट को पहले एक ठोस उदाहरण से पढ़ाना, फिर कदम-दर-कदम अमूर्त चिह्नों की ओर बढ़ना, हर कदम को पिछले कदम से जोड़ते हुए। 2014 का एक सिस्टमैटिक रिव्यू गणित और विज्ञान के लिए इसकी सलाह देता है, और साथ ही बताता है कि इसके सीधे सबूत अभी सीमित हैं।
Chasca की Visual maths स्किल किसी टॉपिक, सवाल या आपकी अपनी स्क्रिप्ट से ऐसा वीडियो बनाती है: तस्वीर असली संख्याओं से ग्रिड, ग्राफ़, संख्या रेखा या 3D में बनती है, और हर समीकरण उसके बगल में अपने आप लिखा जाता है, उन्हीं चीज़ों के रंगों में जिन्हें वह दर्शाता है।
हां। Visual maths स्किल Chasca की 79 भाषाओं में से किसी में भी नैरेशन करती है, स्क्रीन पर शब्द उसी भाषा में होते हैं, और अरबी अक्षरों और अंकों वाले अरबी समीकरण दाएं से बाएं लिखे जाते हैं।