Scan to download the app 
ઈન્ટેલિજન્ટ કોન્ટેન્ટ ઈન્જેશન
અમે દૃઢપણે માનીએ છીએ કે વિદ્યાર્થીઓ Embibe પ્લેટફોર્મ પર અમર્યાદિત પ્રશ્નોના જવાબ આપી શકે છે. Embibe પર વિદ્યાર્થીઓ અભ્યાસ કરી શકે અથવા ટેસ્ટ આપી શકે તે માટે વિશાળ માહિતી સંગ્રહ છે. જો કે આ પ્રશ્નોનો પદ્ધતિમાં સમાવેશ કરવો એ એક કંટાળાજનક અને સમય માંગી લે તેવી પ્રક્રિયા છે.
ઐતિહાસિક રીતે આ બધાં પ્રશ્નોની માહિતી ડેટા એન્ટ્રી ઓપરેટર દ્વારા ઇન્ટરનેટ પર મળતા પ્રશ્નસંગ્રહોમાંથી અથવા અમારી ભાગીદાર સંસ્થાઓ પાસેથી મેળવવામાં આવે છે. તેઓ જાતે આ બધા પ્રશ્નો વેબ આધારિત UI માં ટાઈપ કરે છે. આ માહિતી ત્યારબાદ Embibe ના ડેટાબેઝમાં સંગ્રહિત થાય છે અને વિદ્યાર્થીઓ સુધી પહોંચાડતા પહેલાં નીચેના અન્ય ભાગોને મોકલવામાં આવે છે.
- ડેટા એન્ટ્રી ઓપરેટર સામાન્ય રીતે જે ઈનપુટ પદ્ધતિ અપનાવે છે તેમાં વિવિધ સઘન પગલાં હોય છે.
- પ્રશ્નના પ્રારૂપની ઓળખ કરવી,
- પ્રશ્નના માળખા વિષે માહિતી ટાઈપ કરવી,
- ગાણિતિક અને વૈજ્ઞાનિક ચિહ્નો અને હિન્ટની ગોઠવણ કરવી,
- પ્રશ્નોમાં ચિત્રો અને આકૃતિઓની ઓળખ કરવી,
- યોગ્ય રિઝોલ્યુશન વાળા ચિત્રો એક્સ્ટ્રેક્ટ કરવા,
- ચિત્રના ટેગ સાથે પ્રશ્નોમાં તેમનું સ્થાન દર્શાવવું,
- એક તથા બહુવિકલ્પી પ્રશ્નો માટે ઉત્તરના વિકલ્પોની યાદી તૈયાર કરવી,
- જો આપેલ હોય તો સાચા જવાબની નોંધ કરવી, તથા
- ઉત્તર સમજૂતી, સૂચન, અને/અથવા જો મૂળ ડૉક્યુમેન્ટમાં ઉપલબ્ધ હોય તો પ્રશ્નના ઉકેલ માટે હિન્ટ જેવી નાની માહિતીની નોંધ કરવી.
માહિતીનો સમાવેશ કરવાની પ્રક્રિયા વિસ્તારતી અને તે દ્વારા પડતર ઘટાડતી આ પદ્ધતિ સ્વયંસંચાલન માટે પરિપક્વ છે. જેમ જેમ આપણે સેંકડો અભ્યાસક્રમ વિષેની હજારો ટેસ્ટ વિષેની આપણી માહિતી વિસ્તરણ કરતાં જઈએ છીએ તેમ તેમ માહિતીના સ્વયં સંચાલનની માંગ સમયની સાથે વધતી જાય છે.
Embibe એ ઇન-હાઉસ ઈન્જેશન પદ્ધતિ વિકસાવી છે – એક હાઇબ્રિડ પાર્સર ફ્રેમવર્ક કે જે બહુવિધ ઇનપુટ ટેમ્પલેટ્સમાં ઝડપથી સ્વીકારી શકાય છે. ફ્રેમવર્કના તમામ મોડ્યુલો સ્વયં-સમાયેલ છે, જે સરળ ઉન્નત્તિકરણો અને રિપ્લેસમેન્ટ માટે પરવાનગી આપે છે. જ્યારે નવી ટેમ્પલેટ શૈલીને ઇંજેસ્ટ કરવાની જરૂર હોય, ત્યારે દરેક મોડ્યુલને સ્વતંત્ર વિકાસકર્તાઓ દ્વારા ઝડપથી અપડેટ કરી શકાય છે જેઓ ટેક્સ્ટ પેટર્ન મેચ અને પાર્સર/એક્સટ્રેક્ટર સ્ક્રિપ્ટ્સને અપડેટ કરે છે.
આ કાર્ય જાતે કરવું પડે છે, પણ તે સમાવેશ કરવાની માહિતીના વ્યાપ અને નવા સમાવેશ કરવાના ટેમ્પ્લેટના ઉકેલ વચ્ચે સ્વીકાર્ય તાલમેલ મેળવવામાં મદદ કરે છે. નીચેની આકૃતિ 1 હાઇબ્રીડ વિશ્લેષક માળખામાં વિવિધ પેટા સંરચનાઓ દર્શાવે છે.
નીચેના કોષ્ટક 1 માં બતાવ્યા પ્રમાણે આપણે માળખાની પ્રદર્શન રિકોલ અને ચોકસાઈની માપણી કરી. આપણે ઇચ્છિત યાદ મૂલ્યને નિયંત્રિત કરીને સ્વીકાર્ય રિકોલ દર વચ્ચે સુમેળ સાધી શકીએ.
