শেখার ফলাফলের AI সম্ভার তৈরি করা

Embibe তার সূচনা থেকেই একটি তথ্য-চালিত, তথ্য-কেন্দ্রিক, তথ্য-ক্ষুধার্ত সংস্থা, যারা খুব তাড়াতাড়ি বুঝতে পেরেছিল যে প্রতিটি শিক্ষার্থীর জন্য শিক্ষাকে ব্যক্তিগতকরণ করতে সক্ষম হওয়ার ক্ষেত্রে তথ্যই মূল উপাদান। এবং এখনও, তথ্য এককভাবে মাত্র অর্ধেক ছবি সম্পূর্ণ করে। প্রযুক্তি ব্যবহার করে শিক্ষার ব্যক্তিগতকরণ একটি কঠিন সমস্যা যার জন্য উন্নত অ্যালগরিদমগুলির আন্তঃ উপস্থাপনা প্রয়োজন যা একাধিক সাব-ডোমেনে প্রচুর পরিমাণে তথ্য ব্যবহার করতে পারে।

Embibe-এ, আমরা বিশ্বাস করি যে নেতারা জন্মগ্রহণ করেন না, তারা সময়ের সাথে সাথে তৈরি হন এবং নিজেদের যাত্রাপথে হাজার হাজার ছোট শিক্ষার অভিজ্ঞতা লাভ করেন। গত আট বছরে, Embibe নিরলসভাবে তার তথ্য সংগ্রহ এবং ব্যাখ্যার ক্ষমতাকে উন্নত করেছে এবং এই প্লাটফর্ম ব্যবহার করে শিক্ষার্থীদের জন্য একটি অতুলনীয় ব্যক্তিগতকৃত শিক্ষার অভিজ্ঞতা প্রদান করতে উন্নত যান্ত্রিক প্রশিক্ষণ এবং AI কৌশলগুলির সাথে এই তথ্য ব্যবহার করেছে। এর পরে, আমরা EdTech-এর তথ্য-চালিত ব্যক্তিগতকরণের জন্য Embibe-এর দর্শনকে তুলে ধরব।

তথ্যের কৌশলগত আবদ্ধিকরন এবং সংগ্রহ

ব্যবহারকারীর কাছে মান ঠিক করার জন্য সঠিকভাবে উপকরণ না তৈরি করা, ঘন ঘন সংগ্রহ করা এবং পুঙ্খানুপুঙ্খভাবে পরিষ্কার করা না হলে তথ্যরই খুব বেশি মূল্য থাকে না। উদাহরণস্বরূপ, একটি অনুশীলন বা পরীক্ষার প্রশ্ন করার চেষ্টা করা হয়েছিল তা প্রায় ততটা কার্যকর নয় যেমন একটি প্রচেষ্টা সম্পর্কিত সমস্ত মাইক্রো-ইভেন্ট যেমন প্রশ্নের প্রথম দেখার সময়, শেষ সংরক্ষণের সময়, প্রতিটি পুনরায় দেখার সময়, উত্তর পছন্দ প্রতিটি পরিদর্সনের সময় পালটানো, অনুশীলনের প্রচেষ্টায় পরিদর্শনের সময় ব্যবহৃত ইঙ্গিত, পরীক্ষার অধিবেশনে ক্রমানুযায়ী প্রশ্ন ইত্যাদি। Embibe গত আট বছরে সুক্ষ তথ্য আবদ্ধিকরনে প্রচুর বিনিয়োগ করেছে। Embibe এর সমৃদ্ধ তথ্যের ধরণ আবদ্ধিকরন করার ক্ষমতা রয়েছে যা সীমাবদ্ধ নয়:

● ব্যবহারকারী-মিথস্ক্রিয়া স্পষ্ট ঘটনা – ক্লিক, ট্যাপ, হোভার, স্ক্রোল, পাঠ্য-আপডেট

● ব্যবহারকারী-মিথস্ক্রিয়া অন্তর্নিহিত ঘটনা – কার্সার অবস্থান, ট্যাপ চাপ, ডিভাইস অভিযোজন

● সিস্টেম-উৎপন্ন সার্ভার-সাইড ইভেন্ট – পৃষ্ঠা লোড, সেশন রিফ্রেশ, API কল

● সিস্টেম-উৎপন্ন  ক্লায়েন্ট-সাইড ইভেন্ট – সিস্টেম পুশ বিজ্ঞপ্তি এবং ট্রিগার

ডোমেন বিশেষজ্ঞ

এই শিল্পে দক্ষ ব্যক্তিরা সাধারণত জানেন যে সাইলোতে কাজ করা তথ্য বিজ্ঞানীরা ক্যাপচার করা তথ্যতে মূল্য যোগ করতে সক্ষম হবেন না কারণ তাদের কাছে অর্থপূর্ণ অন্তর্দৃষ্টির জন্য যথেষ্ট প্রসঙ্গ এবং ডোমেনের জ্ঞান নেই। Embibe এটি বুঝেছে এবংতথ্য বিজ্ঞানী এবং পাঠ্যক্রম বিশেষজ্ঞদের মধ্যে যথেষ্ট সমাপতন নিশ্চিত করেছে।

তথ্যের প্রস্তুতি: Embibe-এ পাঠ্যক্রম তথ্য তৈরি এবং কিউরেশনর সময় এবং সংস্থান বিনিয়োগ করেছে যা সামাজিক কর্মক্ষেত্রে উপলব্ধ নয়। উদাহরণস্বরূপ, বছরের পর বছর ধরে 30টি অনুষদের একটি দল আধা-তত্ত্বাবধান করা অ্যালগরিদম ব্যবহার করে কয়েক হাজার আন্তঃসংযোগ সহ প্রায় 62K ধারণার একটি জ্ঞানবৃক্ষ তৈরি করেছে, যার ফলে প্রতিটি ধারণায় 426টি মেটা ভেরিয়েবল রয়েছে।

আধা-তত্ত্বাবধান করা অ্যালগরিদম ব্যবহার করে আন্তঃসংযোগ, প্রতিটি আনুমানের 426 টি  মেটা ভেরিয়েবল সহ লক্ষ লক্ষ মেটা-ভেরিয়েবল।  অ্যালগরিদমের জন্য প্রশিক্ষণের তথ্য তৈরি করার জন্য এই দলটি জ্ঞানবৃক্ষ, পরীক্ষার পাঠ্যক্রম, দক্ষতা, অসুবিধার স্তর, আদর্শ সময়, ব্লুম লেভেলের মতো মেটা ট্যাগগুলিতে কয়েক হাজার প্রশ্ন  অযান্ত্রিক ভাবে জুড়ে দিয়েছে করেছে।

শিক্ষাবিদ + বিজ্ঞান: যখন তথ্য বিজ্ঞানী এবং শিক্ষাবিদ একসাথে কাজ করেন তখন একটি শেখার বক্ররেখা থাকে। উদাহরণ স্বরূপ, বিজ্ঞানীদের জানতে হবে পরীক্ষা নির্ধারণের সময় শিক্ষাবিদরা কী কী পড়িসর বিবেচনা করেন, তারা কীভাবে বৈচিত্র্য আনেন এবং কীভাবে তারা পৃথক ছাত্রদের জন্য পরীক্ষা ব্যক্তিগতকৃত করেন। অ্যালগরিদমিক সংকেত শিক্ষাবিদদের জ্ঞানের এই অনুবাদটি সময়সাপেক্ষ এবং বিজ্ঞানীদের কর্মক্ষেত্রে দক্ষতা তৈরি করে। এমবাইবে তথ্য তালাশ কৌশল ব্যবহার করে হাজার হাজার বাক্যাংশের একটি তৈরি করতে অনুষদ-বিজ্ঞানী একত্রকরণ ও ব্যবহার করেছে।

একটি ব্যক্তিগতকৃত EdTech প্লাটফর্ম তৈরি করতে তথ্য এবং AI ব্যবহার করা 

প্রাথমিক তথ্য যথেষ্ট দীর্ঘ সময়ের জন্য অর্জিত হয়। এমনকি যদি কেউ ব্যবহারকারীদের অর্জনের জন্য প্রচুর অর্থ বিনিয়োগ করে, তবে সময়ের সাথে সাথে তাদের কাছে পর্যাপ্ত নিয়জিত তথ্য নাও থাকতে পারে কারণ ব্যবহারকারীরা সিস্টেমের সাথে যথেষ্ট খাপখাইয়ে নিতে পারেনি। Embibe এর সমস্ত তথ্যের মালিক এবং EdTech ব্যক্তিগতকৃত করার জন্য আন্তঃসংযুক্ত উপ-সমস্যাগুলির একটি সংখ্যা সমাধান করতে উন্নত অ্যালগরিদম ব্যবহার করে এই তথ্য ব্যবহার করে৷

বুদ্ধিদিপ্ত সংযোজনা: ধারণা, বিষয় এবং অন্যান্য উপাদানে সংযোজনা প্রশ্নে পাঠ্য তথ্যের সারমর্ম পাঠ্যক্রম মুলালোচনায়  রয়েছে। একত্রিত পাঠ্যক্রম মুলালোচনা অভিধান সামাজিক কর্মক্ষেত্রে উপলব্ধ নয়। তাছাড়া, পাঠ্যক্রম মুলালোচনাকে অ-পাঠ্যক্রমজাত থেকে আলাদা করা কঠিন। একটি আপাতদৃষ্টিতে অ-পাঠ্যক্রম শব্দ যেমন ‘শেষ’ প্রকৃতপক্ষে উপযুক্ত প্রেক্ষাপটে পাঠ্যক্রম, উদাহরণস্বরূপ, “স্ট্রিং এর শেষে বল প্রয়োগ করা হয়”। Embibe-এর বুদ্ধিদিপ্ত সংযোজনা অ্যালগরিদমগুলি একটি প্রশ্নে সংযোজিত করার জন্য সবচেয়ে প্রাসঙ্গিক ধারণাগুলিকে চিহ্নিত করতে পারে 82% সময়, যেখানে ভিড় থেকে প্রাপ্ত মনুস্য অনুসদের জন্য মাত্র 18%।

স্বয়ংক্রিয় পরীক্ষা জেনারেশন: উপরে বর্ণিত বিজ্ঞানী-অনুষদ অনুশীলনের ফলে এমবাইবের স্বয়ংক্রিয় পরীক্ষা জেনারেশন মডিউল তৈরি হয়েছে যা প্রায় 62,000 ধারণা, অসুবিধা স্তর, আদর্শ সময়, ব্লুম লেভেল সহ ট্যাগ করা লক্ষ লক্ষ প্রশ্ন থেকে অনেক পরীক্ষায় শত শত পরীক্ষার প্রশ্নপত্র তৈরি করতে ব্যবহৃত হয়েছিল। , দক্ষতা। পরিমাপের প্রমাণটি একটি অত্যাধুনিক বর্ণসঙ্কর অ্যালগরিদম ব্যবহার করে যা সিমুলেটেড অ্যানিলিং এবং জেনেটিক অ্যালগরিদম ব্যবহার করে নতুন পরীক্ষার প্রশ্নপত্র তৈরি করে যা কোনও নির্দিষ্ট পরীক্ষার স্তরের সাথে মেলে, এটি করতে অভিজ্ঞ অনুষদের সময় লাগবে।

আচরণগত লক্ষ্য নির্ধারণ এবং স্কোর উন্নতির পূর্বাভাস: অসংখ্য আচরণগত কেস স্টাডি, অনুষদের কর্মক্ষেত্রর জ্ঞান এবং পরিসংখ্যানগত উৎকৃষ্ট উদাহরণ বা নিদর্শন খনন সহ,Embibe জানে কিভাবে সুপ্ত আচরণগত বৈশিষ্ট্যগুলি পরিমাপ করা যায় এবং উন্নত করা যায়। শত সহস্র পরিসংখ্যানগতভাবে বৈধ মূল্যায়নের উপর ভিত্তি করে, আমরা সবচেয়ে প্রভাবিত আচরণগত বৈশিষ্ট্যগুলি সনাক্ত করতে, প্রগতিশীল লক্ষ্য সেট করতে এবং সেই উন্নতিগুলির উপর ভিত্তি করে স্কোর উন্নতির পূর্বাভাস দিতে সক্ষম।

Embibe স্কোর কোশেন্ট: Embibe সফলভাবে ঘটনা স্তরে গ্রহন করা বিশদ তথ্য সংকেত সহ কয়েক হাজার মূল্যায়নের শত শত অনুমান থেকে বেশ কয়েকটি উচ্চ প্রভাব বৈশিষ্ট্য সনাক্ত করেছে। আমরা 94% নির্ভুলতার সাথে স্কোর অনুমান করতে সক্ষম হয়েছি এবং পরীক্ষা স্কোরকে কী প্রভাবিত করে তার মধ্যে পাঠ্যক্রম ভাগফল 61% এবং আচরণগত গঠন 39% নির্ধারণ করতে সক্ষম।মঞ্চে কয়েক হাজার ব্যবহারকারীর পরীক্ষার উপলব্ধতার কারণে মডেলটি একত্রিত হতে সক্ষম হয়েছিল। স্থানান্তর শেখার সাথে, অন্যান্য পরীক্ষার জন্য বুট-স্ট্র্যাপিং মডেলগুলি খুব সহজ হয়ে উঠেছে।

প্রচেষ্টার মূল স্কোর উন্নতি: এমবাইবের মঞ্চে প্রতিটি মিথস্ক্রিয়া শেখার ফলাফলের বিরুদ্ধে পরিমাপ করা হয়। চারটি মরশুমের ঐতিহাসিক তথ্য এবং নিবদ্ধ গবেষণার সাথে, এটি এমবিবের প্রতিবেদনকে যাচাই করে এবং শেখার ফলাফলগুলিকে যাচাই করতে এগিয়ে দেয়। উচ্চ প্রচেষ্টার গোষ্ঠীর ছাত্ররা ফলস্বরূপ ~50% নেট স্কোর উন্নতি অর্জন করেছে।

বিষয়বস্তু আবিষ্কার এবং সুপারিশ: Embibe-এর অনুসন্ধান-ভিত্তিক UI গত আট বছরে ছাত্ররা আমাদের মঞ্চের সাথে সংযোগসাধনের সময় সংগ্রহ করা বিপুল পরিমাণ তথ্য ব্যবহার করে চালিত হয়। আমাদের সার্চ ইঞ্জিন যা ব্যবহারকারীর খোঁজের উপর ভিত্তি করে বিষয়বস্তু পরিবেশন করে তা ব্যবহারকারীর কোহর্ট অ্যাসাইনমেন্ট, ঐতিহাসিক অনুসন্ধানের প্রবণতা এবং বিষয়বস্তু ব্যবহারের ধরণ, পরীক্ষায় অসুবিধা এবং ব্যবহারকারীর অতীত ব্যবহারকারীর সংযোগের উপর ভিত্তি করে আসল প্রাসঙ্গিক ফলাফলগুলিকে পুনরায় নম্বর প্রদান করে। বাছাই এবং পুনরায় নম্বর প্রদান করার জন্য কয়েক মিলিয়ন সম্ভাব্য সংমিশ্রণের একটি সম্মিলিত অনুসন্ধান স্থান। অতিরিক্তভাবে, ছাত্রদের তাদের সময় ফোকাস করার জন্য লক্ষ্যযুক্ত বিষয়বস্তুর জন্য সুপারিশ দেখানো হয়, যদি পর্যাপ্ত তথ্য পাওয়া যায় তাহলে মঞ্চের সাথে তাদের অতীতের মিথস্ক্রিয়া বা তথ্য অপর্যাপ্ত ক্ষেত্রে চেহারার ব্যবহারকারীদের উপর ভিত্তি করে।

EdTech-এর AI প্লাটফর্ম-হওয়ার জন্য যা প্রয়োজন

বর্তমানে বিশ্বে বেশ কয়েকটি EdTech কোম্পানি রয়েছে। এই কোম্পানিগুলির বেশিরভাগই শুধুমাত্র কিছু উপসেটের উপর লক্ষ্যস্থির করে যা শিক্ষাকে ব্যক্তিগতকৃত করতে এবং EdTech-এর জন্য একটি AI-চালিত প্ল্যাটফর্ম তৈরি করার জন্য সমাধান করা প্রয়োজন। নীচের সারণীটি একটি EdTech কোম্পানির বিবর্তন তুলে ধরেছে কারণ এটি একটি টেস্ট প্রিপ পোর্টাল থেকে সত্যিকারের EdTech মঞ্চে পরিণত হয়:

বিষয়বস্তু	প্রচেষ্টাকৃত তথ্য	ডোমেন বিশেষজ্ঞ	জ্ঞান গ্রাফ	তথ্য বিজ্ঞান গবেষণাগার	সম্ভাবনা
1) অধ্যায় স্তরে গড় 250+ প্রশ্ন, (2) কমপক্ষে 3টি অধ্যায় স্তরের টেস্ট, (3) 10টি সম্পূর্ণ টেস্ট					প্রাথমিক টেস্টর প্রস্তুতি
(1) অধ্যায় স্তরে গড় 250+ প্রশ্ন, (2) কমপক্ষে 3টি অধ্যায় স্তরের টেস্ট, (3) 10টি সম্পূর্ণ টেস্ট	প্রশ্নগুলিতে ব্যবহারকারী-স্তরের প্রচেষ্টার কিছু ন্যূনতম সংখ্যা				প্রাথমিক টেস্টর প্রস্তুতি + মৌলিক ব্যবহারকারী-স্তরের প্রতিক্রিয়া বিশ্লেষণ
(1) অধ্যায় স্তরে গড় 250+ প্রশ্ন, (2) কমপক্ষে 3টি অধ্যায় স্তরের টেস্ট, (3) 10টি সম্পূর্ণ টেস্ট, (4) 5টি বিষয়বস্তু (ভিডিও, পাঠ্য, লিঙ্ক) প্রতি অধ্যায় শেখো			প্রাথমিক টেস্টর প্রস্তুতি + মৌলিক প্রতিক্রিয়া বিশ্লেষণ + শেখো
(1) অধ্যায় স্তরে গড় 500+ প্রশ্ন, (2) কমপক্ষে 3টি অধ্যায় স্তরের টেস্ট, (3) 10টি সম্পূর্ণ টেস্ট, (4) 5 অধ্যায় প্রতি বিষয়বস্তু শিখুন	সমস্ত প্রশ্নে ~6 মিলিয়ন চেষ্টার জন্য প্রতি প্রশ্নে 25+ প্রচেষ্টার গড়	(1) বিষয়বস্তু স্বাস্থ্যবিধি, (2) টেস্টর মান নিয়ন্ত্রণ, (3) সন্দেহ সমাধানের জন্য ইন-হাউস শিক্ষাবিদ বা গৃহ শিক্ষক			প্রাথমিক টেস্টর প্রস্তুতি + বিস্তারিত প্রতিক্রিয়া বিশ্লেষণ + জানুন + সন্দেহ সমাধান
(1) অধ্যায় স্তরে গড় 500+ প্রশ্ন, (2) কমপক্ষে 3টি অধ্যায় স্তরের টেস্ট, (3) 10টি সম্পূর্ণ টেস্ট, (4) 5টি অধ্যায় প্রতি বিষয়বস্তু শেখো	সমস্ত প্রশ্নের জন্য মোট ~6 মিলিয়ন চেষ্টার জন্য প্রতি প্রশ্নে ন্যূনতম 25+ প্রচেষ্টা	(1) বিষয়বস্তু স্বাস্থ্যবিধি, (2) টেস্টর মান নিয়ন্ত্রণ, (3) সন্দেহ সমাধানের জন্য ইন-হাউস শিক্ষাবিদ বা গৃহ শিক্ষক	(1) সাধারন শ্রেণীবিন্যাস বিসয় বস্তুর স্তর পর্যন্ত (প্রতি অধ্যায়ে 5টি বিষয়) ~4000টি বিষয় পর্যন্ত		উন্নত টেস্টের প্রস্তুতি = প্রাথমিক টেস্টের প্রস্তুতি + বিস্তারিত প্রতিক্রিয়া বিশ্লেষণ + শিখুন + সন্দেহ সমাধান + বিষয়-স্তরের বৈশিষ্ট্য
((1) অধ্যায় স্তরে গড় 500+ প্রশ্ন, (2) কমপক্ষে 3টি অধ্যায় স্তরের টেস্ট, (3) 10টি সম্পূর্ণ টেস্ট, (4) 5 অধ্যায় প্রতি বিষয়বস্তু শিখুন	সমস্ত প্রশ্নে ~20 মিলিয়ন চেষ্টার জন্য প্রতি প্রশ্নে 100+ প্রচেষ্টার গড়	(1) বিষয়বস্তু গ্রহণযোগ্যতা, (2) টেস্টর মান নিয়ন্ত্রণ, (3) সন্দেহের সমাধান, (4) তথ্য বিজ্ঞানীদের সাথে এআই হাইপোথিসিস তৈরির জন্য ইন-হাউস শিক্ষাবিদ বা গৃহ শিক্ষক	(1) ~40K ধারণার জন্য ধারণা স্তর পর্যন্ত গভীর শ্রেণীবিন্যাস (প্রতি অধ্যায়ে 100 ধারণা)	4 জন তথ্য বিজ্ঞানীর দল 2+ বছর ধরে কাজ করছে	উন্নত টেস্টর প্রস্তুতি + ব্যক্তিগতকরণ + শেখার ফলাফল
(1) অধ্যায় স্তরে গড় 500+ প্রশ্ন, (2) কমপক্ষে 3টি অধ্যায় স্তরের টেস্ট, (3) 10টি সম্পূর্ণ টেস্ট, (4) প্রতি অধ্যায়ে কমপক্ষে 5টি বিষয়বস্তু শেখো	সমস্ত প্রশ্নে ~30 মিলিয়ন চেষ্টার জন্য প্রতি প্রশ্নে 150+ প্রচেষ্টার গড় (50টি সমগোত্রীয়)	(1) বিষয়বস্তু গ্রহণযোগ্যতা, (2) টেস্টর মান নিয়ন্ত্রণ, (3) সন্দেহের সমাধান, (4) তথ্য বিজ্ঞানীদের সাথে এআই হাইপোথিসিস তৈরির জন্য ইন-হাউস শিক্ষাবিদ বা গৃহ শিক্ষক	(1) ~40K ধারণার জন্য ধারণা স্তর পর্যন্ত গভীর শ্রেণীবিন্যাস (প্রতি অধ্যায়ে 100 ধারণা)	অটো ইনজেশন (OCR), অটো ট্যাগিং (NLP, ML), প্যাকেজিং (অপ্টিমাইজেশান), নলেজ গ্রাফ জেনারেশন এবং ক্যালিব্রেশন (IR, গ্রাফ মাইনিং, ML), আচরণের হস্তক্ষেপ (ML) এর মতো সমস্যা সমাধানের জন্য 8 জন তথ্য বিজ্ঞানীর দল 2+ বছর ধরে কাজ করছে ), ব্যক্তিগতকরণ (IRT, ML)	শিক্ষার জন্য এআই মঞ্চ = উন্নত টেস্টের প্রস্তুতি + ব্যক্তিগতকরণ + শিক্ষার ফলাফল + বুদ্ধিমত্তার প্রদর্সন