একজন শিক্ষার্থীর প্রতিটি ধারণা আয়ত্ত করার দক্ষতা নির্ধারণের কঠিন সমস্যা সমাধান করা

শিক্ষার্থীদের ধারণার আয়ত্তীকরণে সহায়তা করার জন্য Embibe কীভাবে তথ্য ব্যবহার করে তা বোঝো!

যদি কেউ যোগ না জানে তাহলে সে গুণও করতে পারে না। গণিত এবং বিজ্ঞানের ধারণাগুলি একে অপরের সাথে সহজাতভাবে সংযুক্ত থাকে। যে-শিক্ষার্থী এই ধারণাটি বুঝতে পারে, সে সহজেই ও দ্রুত একটি ফলাফল নির্ণয় করতে পারে। Embibe-এর প্রাথমিক লক্ষ্য হল শিক্ষার্থীর জ্ঞানের অবস্থার সাথে সামঞ্জস্য রেখে ব্যক্তিগতকৃত শিক্ষা। ধারণার পর্যায়ে প্ল্যাটফর্মের সাথে শিক্ষার্থীদের আদানপ্রদান পর্যবেক্ষণের মাধ্যমে জ্ঞানের পরিধি নির্ণয় করা সম্ভব হয়। এই আদানপ্রদানগুলি ভিডিও দেখা, প্রশ্ন অনুশীলন করা, টেস্ট নেওয়া এবং এমনকি টেস্ট ফিডব্যাক দেখা পর্যন্ত বিস্তৃত। ‘ধারণা আয়ত্তীকরণ’ হল এই আদানপ্রদানগুলির আদর্শ প্রক্রিয়া যা কোনও ছাত্র একটি ধারণা আয়ত্ত করেছে কিনা তা খুঁজে বের করে।

‘ধারণা আয়ত্তীকরণ’ আদর্শযুক্ত সহজাতভাবে জটিল কারণ এর জন্য মানুষের বোঝার নমুনা প্রয়োজন  এবং কীভাবে একজন মানুষ জ্ঞান অর্জন করে। একজন ব্যক্তি কিভাবে জ্ঞান অর্জন করেন তা সাধারণত আদানপ্রদানর মাধ্যমে লিপিবদ্ধ করা হয়। এছাড়াও, বিভিন্ন ধারণার উপর শিক্ষার্থীদের আদানপ্রদানর ইতিহাস যথেষ্ট নয়। এই অপ্রতুলতা ছাত্রের শক্তি ও দুর্বলতার ত্রুটিযুক্ত সনাক্তকরণের দিকে পরিচালিত করে। তা ছাড়া, একজন ব্যক্তি কতটা সফল হবেন, তা নির্ধারণ করার জন্য যদি মাত্র 1 ও 0 সংখ্যাই যথেষ্ট হতো, তাহলে কোনো সফল ব্যক্তিই স্কুলে অকৃতকার্য হতেন না। এইভাবে, পদ্ধতিকে একাধিক মাত্রায় জ্ঞান বিশ্লেষণ করতে হবে।

লার্ন:  যে কোনও ধারণাকে আয়ত্ত করার প্রথম ধাপ হল সেটা বোঝা। প্রদত্ত ধারণাগুলির মানসিক চিত্র তৈরি করার ক্ষেত্রে দৃশ্যগত শিক্ষাকে কোনও কিছুই পরাস্ত করে না। Embibe-এর ‘লার্ন’ বিশ্বের সেরা 3D ইমারসিভ বিষয়বস্তু নিয়ে গঠিত, জটিল ধারণাগুলো দৃশ্যগত করে শেখাকে সহজ করে তোলে। শিক্ষার অভিজ্ঞতাটি শিল্পের সর্বাধিক বিস্তৃত জ্ঞান লেখচিত্রের 74,000-এর বেশী ধারণা এবং 2,03,000-এর বেশী দক্ষতার দৃঢ় ভিত্তির উপর নির্মিত। Embibe তার সমস্ত শেখার বিষয়বস্তুকে তার 74,000-এর বেশী ধারণার জ্ঞান লেখচিত্রের শিক্ষাবিজ্ঞানের সাথে একত্রিত করেছে। এটি শ্রেণী, পরীক্ষা এবং লক্ষ্যগুলিতে গভীর ব্যক্তিগতকরণ নিশ্চিত করে।

প্র্যাক্টিসযেকোনো কিছু আয়ত্ত করতে হলে অনুশীলন করতে হয়। একই কথা প্রযোজ্য ‘ধারণা আয়ত্তীকরণ’-এর ক্ষেত্রেও। Embibe-এর ‘অনুশীলন’ বৈশিষ্ট্যটি 10 লক্ষেরও বেশি আদানপ্রদানমূলক প্রশ্নের একক নিয়ে গঠিত, যা 1,400-এরও বেশি বইয়ের অধ্যায় এবং বিষয়গুলিতে প্যাকেজ করা হয়েছে। একটি অভিযোজিত অনুশীলন কাঠামো গভীর জ্ঞান বর্ণনা অ্যালগরিদমের মাধ্যমে প্রতিটি শিক্ষার্থীর জন্য অনুশীলন পথগুলি ব্যক্তিগতকরণের মাধ্যমে ‘অনুশীলন’-কে আরও শক্তিশালী করে। সমাধানকারী এবং মাপদণ্ড নিয়ামক ব্যবহার করে, এটি গতিশীলভাবে চলমান সময়ে ব্যক্তিগতকৃত প্রশ্ন তৈরি করে। শেখার হস্তক্ষেপের জন্য একটি সুপারিশকৃত যন্ত্রের ভিডিও এবং ইঙ্গিতের মাধ্যমে স্বয়ংক্রিয় সহায়তা প্রদান করে যখন কোনও শিক্ষার্থী একটি ধারণা বা পারদর্শিতার সাথে লড়াই করছে। ‘খুব দ্রুত সঠিক’, ‘নিখুঁত প্রচেষ্টা’, ‘অতিরিক্ত সময় প্রচেষ্টা’, ‘অপব্যায়িত প্রচেষ্টা’, ‘ভুল প্রচেষ্টা’ এবং ‘অতিরিক্ত সময় ভুল প্রচেষ্টা’ এই শ্রেণিভুক্ত প্রতিটি প্রশ্নের পর প্রচেষ্টার মানের ধারাবাহিক প্রতিক্রিয়া সম্পর্কে শিক্ষার্থীকে অবহিত ও সচেতন রাখে।

টেস্ট: Embibe এমন টেস্ট সরবরাহ করে যা একজন শিক্ষার্থীর প্রস্তুতির জীবনচক্রের প্রতিটি পর্যায়ে পূরণ করে। এছাড়াও, শিক্ষার্থীরা বিস্তারিত টেস্টের প্রতিক্রিয়াও পায় যা তাদের শিক্ষাগত এবং আচরণগত ফাঁকগুলি সনাক্ত করে। উদাহরণস্বরূপ, Embibe-এর কৃত্রিম বুদ্ধিমত্তা একটি টেস্টে অন্তর্ভুক্ত টপিকগুলিকে ‘যে-অধ্যায়গুলো আপনি ঠিকঠাক করেছেন’, ‘যে-অধ্যায়গুলো তুমি ভুল করেছো’ এবং ‘যে-অধ্যায়গুলো তুমি চেষ্টা করোনি’-এ চিহ্নিত করে এবং শ্রেণিবদ্ধ করে। শিক্ষার্থীরা তাদের সিনসিয়ারিটি স্কোর পরীক্ষা করতে পারে এবং ধারণাগত, আচরণগত এবং সময় ব্যবস্থাপনার বিষয়গুলি বুঝতে পারে যা তাদের উন্নতির জন্য কাজ করতে হবে। 

Embibe-তে, ‘ধারণা আয়ত্তীকরণ’ শেখার ফলাফল ইঞ্জিনের কেন্দ্রে থাকে। একজন শিক্ষার্থীর ‘ধারণা আয়ত্তীকরণ’ নির্ধারণ করার জন্য এই পদ্ধতিটি 74,000 এরও বেশি সংযুক্ত ধারণার সাথে Embibe-এর জ্ঞান লেখচিত্র ব্যবহার করে। জ্ঞান লেখচিত্র পদ্ধতিকে মূল ধারণাগুলি সনাক্ত করতে দেয় যেখানে ছাত্র তাদের লক্ষ্যের জন্য তাদের বর্তমান ‘ধারণা আয়ত্তীকরণ’ উন্নত করার অভাব রয়েছে। উপরন্তু, ব্লুম এর শ্রেণীবিন্যাস জ্ঞানকে বোঝার এবং প্রয়োগে পৃথক করতে শেখার জন্য আরও একটি মাত্রা যোগ করতে ব্যবহৃত হয়। এছাড়াও, ছাত্রের জ্ঞান স্তরের সাথে মানিয়ে নেওয়ার জন্য কাঠিন্য-স্তরের সাথে প্রশ্নগুলি ট্যাগ করা হয়। এইভাবে, আমরা গত আট বছরে সংগৃহীত বিলিয়ন আদানপ্রদানর মাত্রা হিসাবে জ্ঞান লেখচিত্র, ব্লুম-এর শ্রেণীবিন্যাস, কাঠিন্য স্তর এবং অন্তর্নিহিত চলক ব্যবহার করে আদর্শযুক্ত ‘ধারণা আয়ত্তীকরণ’ এর সমস্যার সমাধান করে থাকি।