স্মাৰ্ট টেগিং– বুদ্ধিমত্তাসম্পন্ন সমলৰ দিশত

স্মাৰ্ট টেগিং – বুদ্ধিমত্তাসম্পন্ন সমলৰ দিশত

এগৰাকী শিক্ষাৰ্থীৰ ধাৰণাবোৰৰ বুজাবুজি মূল্যাঙ্কন কৰিবলৈ ব্যৱহৃত অনলাইন মূল্যাঙ্কনত, মূল্যাঙ্কন প্ৰণালীত ব্যৱহৃত প্ৰশ্নবোৰ ধাৰণা আৰু অন্যান্য মেটাডাটা যেনে কঠিনতাৰ স্তৰ, সমাধান কৰাৰ বাবে প্ৰয়োজনীয় সময়, দক্ষতা আদিৰ সৈতে টেগ কৰিব লাগিব, যাক সেই সমলৰ সন্দৰ্ভত শিক্ষাৰ্থীগৰাকী দুৰ্বল ধাৰণা বা বুজাবুজিৰ স্তৰ চিনাক্ত কৰিবলৈ ব্যৱহাৰ কৰিব পাৰি। সাধাৰণতে, বিশেষজ্ঞ অনুষদৰ দ্বাৰা মেটাডাটা টেগিং মেনুৱেলি সম্পাদন কৰা হয়। অৱশ্যে, যেতিয়া প্ৰশ্নৰ এক বৃহৎ তথ্যগোট টেগ কৰিব লগা হয় তেতিয়া ই অত্যাধিক ব্যয়বহুল হয়। তদুপৰি, তথ্যগোটৰ বিভিন্ন উপ-সংহতিত কাম কৰা একাধিক মানৱ এনোটেটৰ থকাৰ বাবে তথ্যগোট এটাৰ মেনুৱেল টেগিং হ’লে সদায়ে মানুহৰ পক্ষপাতিত্ব থাকে।

Embibeয়ে মেচিন লাৰ্ণিং পদ্ধতি বিকশিত কৰিছে যি প্ৰশ্নবোৰত মেটাডাটা টেগ কৰাৰ বাবে ইন-হাউচ মেনুৱেলি এনোটেটেড তথ্যগোট আৰু লগতে ৰাজহুৱাভাৱে উপলব্ধ ব্যৱহাৰৰ বাবে বিনামূলীয়া তথ্য উৎস দুয়োটা ৰেহাই দিয়ে। এই প্ৰবন্ধটোত, আমি ধাৰণা টেগিংৰ বাবে Embibeৰ স্মাৰ্ট টেগিং প্ৰণালীটো চাওঁ। Embibeৰ ধাৰণা টেগিং প্ৰণালীয়ে পাঠ্য সমল বুজিবলৈ NLP/NLU ব্যৱহাৰ কৰে, ছবিৰ পৰা অৰ্থ আহৰণ কৰিবলৈ গভীৰ শিক্ষণ, আৰু এটা নিৰ্দিষ্ট প্ৰশ্নৰ সৈতে প্ৰাসঙ্গিক হোৱাৰ সৰ্বাধিক সম্ভাৱনা থকা ধাৰণাবোৰৰ এক ৰেংকিং তালিকা আৱণ্টন কৰিবলৈ তত্বাৱধান কৰা আৰু তত্বাৱধান নকৰা ML এলগ’ৰিথম দুয়োটা ব্যৱহাৰ কৰে।

চিত্ৰ 1: টেগ কৰা ধাৰণাবোৰৰ প্ৰাসংগিকতা দেখুওৱা স্মাৰ্ট টেগিং প্ৰণালীৰ ফলাফল আৰু লগতে আটাইতকৈ প্ৰাসঙ্গিক ধাৰণা টেগ কৰা

ওপৰৰ চিত্ৰ 1-ত, হাজাৰ হাজাৰ প্ৰশ্নৰে গঠিত যাদৃচ্ছিকভাৱে বাছনি কৰা গোট এটাত ধাৰণাবোৰৰ বাবে Embibeৰ স্মাৰ্ট টেগিং চিষ্টেমৰ ফলাফল প্ৰদৰ্শন কৰে। আমি Embibeৰ স্মাৰ্ট টেগিং চিষ্টেম আৰু গোট-উৎসৰ অনুষদৰ মাজত ফলাফল তুলনা কৰোঁ। এই পৰীক্ষাবোৰৰ বাবে গ্ৰাউণ্ড ট্ৰুথ তথ্যগোট তিনিটা পৃথক স্বতন্ত্ৰ বিশেষজ্ঞ অনুষদৰ মাজত সংখ্যাগৰিষ্ঠ ভোটদান ব্যৱহাৰ কৰি সৃষ্টি কৰা হৈছিল। চিত্ৰ 1-ত বাওঁফালৰ প্লটটোৱে দেখুৱাইছে যে স্মাৰ্ট টেগিং আৰু ক্ৰাউড-উৎসৰ অনুষদ দুয়োটাই প্ৰাসঙ্গিক ধাৰণা – শীৰ্ষ পাঁচটা আটাইতকৈ প্ৰাসঙ্গিক ধাৰণা – এটা প্ৰশ্নৰ বাবে নিৰ্ধাৰণ কৰাৰ ক্ষেত্ৰত প্ৰায় একে হাৰত প্ৰদৰ্শন কৰে। চিত্ৰ 1 ত সোঁফালৰ প্লটটো অধিক আকৰ্ষণীয়। ই দেখুৱায় যে ধাৰণা প্ৰাসংগিকতা নম্বৰৰ দ্বাৰা অৰ্ডাৰ কৰিলে প্ৰশ্ন এটাত নিৰ্ধাৰণ কৰা আটাইতকৈ প্ৰাসঙ্গিক ধাৰণাটো গোট-উৎসৰ অনুষদৰ তুলনাত স্মাৰ্ট টেগিং-ৰ দ্বাৰা নিৰ্ধাৰণ কৰাৰ সম্ভাৱনা চাৰিগুণ বেছি।

স্মাৰ্ট টেগিং প্ৰণালীৰ ৰূপায়ণৰ তথ্য আৰু বিৱৰণ এই লেখৰ পৰিসৰৰ বাহিৰৰ যিহেতু এই কাম বৰ্তমান কৃতিস্বত্ব কৰা হৈ আছে।