લર્નિંગ આઉટકમ પર વિદ્યાર્થીઓના વર્તણુકની અસરો

લર્નિંગ આઉટકમ પર વિદ્યાર્થીઓના વર્તણુકની અસરો

શૈક્ષણિક સફળતા એ શિક્ષણ અને મૂલ્યાંકનના ક્ષેત્રમાં એક સ્થાપિત શબ્દ છે જેની વ્યાખ્યામાં વર્ષોથી ઘણા ફેરફારો થયા છે. જ્યારે કેટલાક પરીક્ષાઓની શ્રેણીમાં ગ્રેડ જેવા સામાન્ય માપદંડોના સંદર્ભમાં ‘શૈક્ષણિક સફળતા’ વ્યાખ્યાયિત કરે છે, અન્ય લોકો આ શબ્દનો વધુ વ્યાપક અર્થમાં ઉપયોગ કરવા તરફ વલણ ધરાવે છે. શૈક્ષણિક સફળતા એ માત્ર પરીક્ષામાં મેળવેલા માર્કસ જ નહીં, પરંતુ કોઈપણ પરીક્ષા અથવા શૈક્ષણિક સમસ્યાઓ પ્રત્યે વિદ્યાર્થીના વલણમાં સુધારા સહિતનો અભ્યાસ અને સર્વગ્રાહી વિકાસ પણ દર્શાવે છે તે માપદંડોને ઓળખવા માટે અભ્યાસનું ઝડપી વિસ્તરણ કરવામાં આવ્યુ છે. અન્યથા, Embibe ખાતે, અમે Embibe ગુણાંક જેવી પરીક્ષાઓમાં વિદ્યાર્થીના પ્રદર્શનને માપવા માટે પહેલાથી જ વિવિધ પરિમાણો વિકસાવ્યા છે. અમે કોન્સેપ્ટ માસ્ટરી જેવા વિવિધ પ્રમાણિત મોડલનો ઉપયોગ કરી રહ્યા છીએ જે બાયસિયન નોલેજ ટ્રેસિંગ અલ્ગોરિધમ પર આધાર રાખે છે.

તાજેતરમાં, અમે એક નવું મેટ્રિક વિકસાવ્યું છે – પ્રમાણિકતા સ્કોર જે વિદ્યાર્થીને ત્રણ પરિમાણોમાં માપે છે અને વર્તન અથવા વર્તણૂકોના સંયોજનને ફાળવે છે.

• ચોકસાઈ: પરીક્ષામાં વિદ્યાર્થી દ્વારા પ્રયાસ કરાયેલા કુલ પ્રશ્નોની બરાબર વિદ્યાર્થીએ સાચે કરેલા પ્રશ્નોની ટકાવારી
• પ્રયાસની ટકાવારી: પરીક્ષાના કુલ પ્રશ્નોના વિદ્યાર્થી દ્વારા પ્રયાસ કરાયેલ પ્રશ્નોની ટકાવારી
• સમયની ટકાવારી: પરીક્ષા માટે ફાળવેલ કુલ સમય માટે વિદ્યાર્થી દ્વારા લેવામાં આવેલા સમયની ટકાવારી

દરેક પરિમાણને વિવિધ વિભાગમાં વર્ગીકૃત કરવામાં આવે છે જે 10 અનન્ય વર્તણૂકોમાં પરિણમે છે – ચાર હકારાત્મક, પાંચ નકારાત્મક અને એક તટસ્થ વર્તન. શ્રેષ્ઠ વર્તણૂકથી લઈને સૌથી ખરાબ શક્ય વર્તણૂક સુધી દરેક વર્તણૂકને એક રેન્ક ફાળવવામાં આવે છે. ઓછા સકારાત્મક ક્રમાંકિત વર્તનની તુલનામાં દરેક વર્તણૂકના ટેસ્ટ-ઓન-ટેસ્ટ સ્કોર સુધારણાને ઓળખવા માટે અલ્ગોરિધમ વિકસાવવા માટે 2.5 મિલિયનથી વધુ માન્ય ટેસ્ટ સત્રોનું વિશ્લેષણ કરવામાં આવે છે. પરિણામો ડેટા-આધારિત ચકાસવામાં આવે છે અને પ્રમાણિત કરે છે જે હકીકત લાંબા સમયથી સાચી માનવામાં આવે છે કે વિદ્યાર્થીનું વલણ તેમની પ્રગતિ નક્કી કરવામાં મદદ કરે છે અને સરેરાશથી નીચેના વિદ્યાર્થીને પણ ઉત્તમ પરિણામો પ્રાપ્ત કરવામાં મદદ કરી શકે છે. વિદ્યાર્થીઓના ટેસ્ટ સત્રની વર્તણૂકની શરૂઆત અને વર્ગીકરણના આધારે, અમે ઓછા હકારાત્મક વર્તણૂકની તુલનામાં સરેરાશ કેટલી ઝડપથી વર્તણૂક સુધરે છે તે નક્કી કરી શકીએ છીએ અને વિદ્યાર્થીઓને યોગ્ય વર્તણૂક તરફ ધકેલતા હોઈએ છીએ, અને સુધારેલ વર્તણૂક સાથે તેઓ જે પ્રગતિ દર હાંસલ કરી શકે છે તેના વિશે વિદ્યાર્થીઓને ઘનિષ્ઠપણે જાણ કરી શકીએ છીએ, આમ લર્નિંગ આઉટકમમાં સુધારો થાય છે.

પ્રમાણિકતા બેજ	અર્થ	(1->શ્રેષ્ઠ, 10-> સૌથી ખરાબ)	વિશેષતા
નિયંત્રણમાં	બાળક જરૂરી પ્રયત્નો કરે છે અને વારંવાર સફળ થાય છે	1	હકારાત્મક
મેરેથોનર	સરેરાશ સત્ર સમયની સહનશક્તિ વધારે છે	2	હકારાત્મક
સખત પ્રયાસ	બાળક ખૂબ પ્રયત્નો કરે છે અને તેમ છતાં ઘણી વાર સફળ થવામાં અસમર્થ હોય છે	3	હકારાત્મક
ત્યાં જવું	સરેરાશ સત્રના સમયની સહનશક્તિ સરેરાશ છે	4	હકારાત્મક
ધીમા	બાળક ઘણી મહેનતથી સફળ થઈ શકે છે	5	તટસ્થ
સખત મહેનત	બાળક ઘણી વાર સફળ થવા માટે પૂરતા પ્રયત્નો કરતું નથી	6	નકારાત્મક
વધુ આત્મવિશ્વાસ	બાળક વધુ પડતો આત્મવિશ્વાસ ધરાવે છે અને પૂરતા પ્રયત્નો કર્યા વિના પોતાની જાતને અજમાવે છે	7	નકારાત્મક
ઓછો આત્મવિશ્વાસ	બાળક પોતાને અજમાવવા માટે પૂરતો આત્મવિશ્વાસ ધરાવતો નથી	8	નકારાત્મક
આસપાસ કૂદવું	સરેરાશ સત્ર સમયની સહનશક્તિ ખૂબ ઓછી છે	9	નકારાત્મક
બેદરકાર(રુચિનો અભાવ, ધ્યાનનો અભાવ, એકાગ્રતાનો અભાવ)	બાળક હાથમાં આપવામાં આવેલ કોન્ટેન્ટ પોતાની જાતને વર્ચસ્વરૂપે ઓછો અજમાવી રહ્યું છે અને પરિણામે ગુણ ગુમાવી રહ્યું છે.	10	નકારાત્મક

અલ્ગોરિધમ:

ઇનપુટ:

N: હકારાત્મક સ્કોર સુધારણા સાથે માન્ય ટેસ્ટ સત્રોની કુલ સંખ્યા

P: પ્રમાણિકતા સ્કોર વર્તણુકની સંખ્યા.

આઉટપુટ:

દરેક પ્રમાણિકતા સ્કોર વર્તણુક (રેન્ક 1-9) માટે, સરેરાશ, બધા ઓછા સકારાત્મક પ્રમાણિકતા સ્કોર વર્તણુક માટે ટેસ્ટ-ઓન-ટેસ્ટ સુધારણા કેટલી ઝડપથી જોવા મળે છે.

શબ્દકોષ:

1. પ્રી-ટેસ્ટ: ચોક્કસ પરીક્ષા પર યુઝર દ્વારા આપવામાં આવતી કોઈપણ બે ક્રમિક ટેસ્ટ(ટાઇમસ્ટેમ્પ દ્વારા વર્ગીકૃત) વચ્ચે, બે વચ્ચેની પ્રથમ ટેસ્ટને પ્રી-ટેસ્ટ કહેવામાં આવે છે.
2. પોસ્ટ-ટેસ્ટ: ચોક્કસ પરીક્ષા પર યુઝર દ્વારા આપવામાં આવતી કોઈપણ બે ક્રમિક ટેસ્ટ (ટાઇમસ્ટેમ્પ દ્વારા વર્ગીકૃત) વચ્ચે, બે વચ્ચેની બીજી ટેસ્ટને પોસ્ટ-ટેસ્ટ કહેવામાં આવે છે.
3. માન્ય ટેસ્ટ સત્ર: ટેસ્ટ સત્ર માન્ય ગણવામાં આવે છે જો કોઈ વિદ્યાર્થી:
4. ટેસ્ટ માટે ફાળવેલ સમય>= 10% વિતાવે છે
5. ટેસ્ટ માટે ફાળવેલ સમય>= 10% વિતાવે છે
6. ટેસ્ટમાં માર્કસ >= 0
7. ઓછી સકારાત્મક પ્રમાણિકતા સ્કોર વર્તણૂક: જો કોષ્ટક 1 પર આધારિત તેનું રેન્ક મૂલ્ય, બીજા કરતા વધારે હોય, તો એક પ્રમાણિકતા સ્કોર વર્તણૂક બીજા પ્રમાણિકતા સ્કોર વર્તન કરતાં ઓછી હકારાત્મક ગણવામાં આવે છે. તેવી જ રીતે, પ્રમાણિકતા સ્કોર વર્તણૂકને બીજી વર્તણૂક કરતાં વધુ સારી અથવા વધુ સકારાત્મક પ્રમાણિકતા સ્કોર વર્તણૂક ગણવામાં આવે છે જો તેને બીજા વર્તન કરતાં નીચું ક્રમ આપવામાં આવે.

પ્રક્રિયા:

1. Embibe ના તમામ ટેસ્ટ સત્રોમાંથી, માત્ર માન્ય ટેસ્ટ સત્રો જ ગણવામાં આવે છે.
આ પગલા માટે સમયની જટિલતા = O(N)

2. દરેક યુઝર માટે, તેમના ટેસ્ટ સત્રને સચોટતા, પ્રયાસની ટકાવારી અને તે ટેસ્ટ સત્રમાં વિતાવેલા સમયના આધારે પ્રમાણિકતા સ્કોર વર્તનમાં વર્ગીકૃત કરવામાં આવ્યું હતું.
આ પગલા માટે સમયની જટિલતા = O(N)

3. પ્રી-ટેસ્ટ અને પોસ્ટ-ટેસ્ટ વચ્ચેનો સ્કોર તફાવત, ટાઇમસ્ટેમ્પ દ્વારા વર્ગીકૃત થયેલ, સમાન ધ્યેયના નામ અને ટેસ્ટના નામ સાથે વિદ્યાર્થી દ્વારા આપવામાં આવે છે. આ સ્ટેપ માટે સમયની જટિલતા = O(NlogN)

4.કોષ્ટક 1 પર આધારિત રેન્ક, પ્રી-ટેસ્ટમાં દર્શાવેલ સૌથી ખરાબ પ્રમાણિકતા સ્કોર વર્તન પર લાગુ થાય છે. કોઈપણ ટેસ્ટ સત્રમાં વિદ્યાર્થીને 2 અથવા વધુ વર્તણૂકોમાં વર્ગીકૃત કરી શકાય છે.
આ સ્ટેપ માટે સમયની જટિલતા = O(N)

5. તમામ ટેસ્ટ એન્ટ્રીઓ જેમાં વિદ્યાર્થીએ પ્રદર્શિત કર્યું છે કે પોસ્ટ-ટેસ્ટમાં વર્તણુક દરેક વર્તણુક માટે પસંદ કરવામાં આવે છે.

• માત્ર તે જ ટેસ્ટ એન્ટ્રીઓ જેમાં વિદ્યાર્થીની વર્તણૂક સુધરી છે, આપેલ રેન્કિંગ મુજબ, પૂર્વ અને પોસ્ટ-ટેસ્ટની વચ્ચે લેવામાં આવી હતી. આપણે સ્કોર સુધારણા પર વર્તણૂકના સંક્રમણનો ભારાંકિત સરેરાશ મળે છે. વેઈટેડ-મીન  = ((Σ) પૂર્વનું વજન -ટેસ્ટ પ્રમાણિકતાનો સ્કોર- ટેસ્ટ પછીના પ્રમાણિકતાનો વેઈટેડ સ્કોર)* સ્કોર_સુધારણા_પ્રાપ્તિ_વપરાશકર્તા દ્વારા )/ જૂથનું કદ) * (સામાન્યીકરણ અવયવ) જ્યાં સામાન્યીકરણ અવયવ= પ્રમાણિકતા સ્કોરની સંખ્યા/Σ (દરેક પ્રમાણિકતા સ્કોરને ફાળવેલ વેઈટેડ) = 10/55

અમે દરેક ક્રમને અસમાન વેઇટેજ આપ્યું હોવાથી, અમારે સામાન્યીકરણ અવયવ શામેલ કરવાની જરૂર છે.

જો આપણે દરેક રેન્કને સમાન વેઇટેજ આપ્યું હોત એટલે કે, જો દરેક રેન્કનું વેઇટેજ 1 હોય, તો રેન્કના વેઇટેજનો સરવાળો 10 હોત.

જો કે, આપણા કિસ્સામાં, આપણે સમાન વેઇટેજ આપતા નથી. આપણે એ સુનિશ્ચિત કરવાની જરૂર છે કે તુલનાત્મક રીતે, બેદરકારની સરખામણીમાં નિયંત્રણનું વેઇટેજ 10 ગણું ઓછું છે. “નિયંત્રણમાં” ને 10/55 વેઇટેજ અને “બેદરકાર” ને 10 x 10/55 વેઇટેજ આપીને આ પ્રાપ્ત થાય છે. એ જ રીતે, દરેક વર્તણુકને રેન્ક * (10/55) નું વેઇટેજ આપવામાં આવે છે.

અવલોકન કરો કે રેન્ક ∈ Z અને રેન્ક ∈ [1,10] માટે Σ(રેન્ક * 10/55) 10 આપે છે, જે જો કોઈ વેઇટેજ પરિમાણ ન હોત તો મેળવવામાં આવ્યું હોત.

આ સ્ટેપ માટે સમયની જટિલતા = O(pN)

6. મૂલ્યને 1.63 ના અવયવ દ્વારા સ્કેલ કરો.

• સ્કેલ ડાઉન વેલ્યુ = ( રેન્ક વચ્ચે મહત્તમ સંક્રમણ શક્ય છે ) * સામાન્યીકરણ અવયવ

                                    = (10 – 1) *(10/55) = 9 * 10/55

                                  = 1.63

• આ સ્ટેપ માટે સમયની જટિલતા = O(p)

ફ્લો ચાર્ટ

અવલોકનો

વર્તણુક	સરેરાશ સુધારણા ગુણોત્તર	આનો મતલબ શું થયો?
નિયંત્રણમાં	6.59	નિયંત્રણ પ્રમાણિકતા બેજમાં વિદ્યાર્થીઓ સામાન્ય રીતે નીચા વર્તણૂકનું પ્રદર્શન કરતા વિદ્યાર્થીઓ કરતાં 6.6x વધુ ઝડપથી સુધારો કરે છે
મેરેથોનર	7.14	મેરેથોનર પ્રમાણિકતા બેજના વિદ્યાર્થીઓ સામાન્ય રીતે નીચા વર્તણુકનું પ્રદર્શન કરતા વિદ્યાર્થીઓ કરતાં 7.1 ગણો વધુ ઝડપથી સુધારો કરે છે.
સખત પ્રયાસ	8.49	સખત પ્રમાણિકતા બેજના વિદ્યાર્થીઓ સામાન્ય રીતે નીચા વર્તણુકનું પ્રદર્શન કરતા વિદ્યાર્થીઓ કરતાં 8.5 ગણો વધુ ઝડપથી સુધારો કરે છે.
ત્યાં જવું	6.19	ત્યાં પહોંચવું પ્રમાણિકતા બેજના વિદ્યાર્થીઓ સામાન્ય રીતે નીચા વર્તણુકનું પ્રદર્શન કરતા વિદ્યાર્થીઓ કરતાં 6.2 ગણો વધુ ઝડપથી સુધારો કરે છે.
ધીમું	4.28	ધીમા પ્રમાણિકતા બેજના  વિદ્યાર્થીઓ સામાન્ય રીતે નીચા વર્તણુકનું પ્રદર્શન કરતા વિદ્યાર્થીઓ કરતાં 4.3 ગણો વધુ ઝડપથી સુધારો કરે છે
સખત તાલીમ	3.85	સખત તાલીમ પ્રમાણિકતા બેજના વિદ્યાર્થીઓ સામાન્ય રીતે નીચા વર્તણુકનું પ્રદર્શન કરતા વિદ્યાર્થીઓ કરતાં 3.8 ગણો વધુ ઝડપથી સુધારો કરે છે.
વધુ આત્મવિશ્વાસ	5.51	વધુ આત્મવિશ્વાસુ પ્રમાણિકતા બેજ વિદ્યાર્થીઓ સામાન્ય રીતે નીચા વર્તણુકનું પ્રદર્શન કરતા વિદ્યાર્થીઓ કરતાં 5.5x વધુ ઝડપથી સુધારો કરે છે
ઓછો આત્મવિશ્વાસ	1.05	ઓછો આત્મવિશ્વાસ પ્રમાણિકતા બેજના વિદ્યાર્થીઓ સામાન્ય રીતે નીચા વર્તણુકનું પ્રદર્શન કરતા વિદ્યાર્થીઓ કરતાં 1.0x વધુ ઝડપથી સુધારો કરે છે.
આસપાસ કુદવું	0.69	આસપાસ કૂદકો મારતા પ્રમાણિકતા બેજના વિદ્યાર્થીઓ સામાન્ય રીતે ઓછા વર્તણુકનું પ્રદર્શન કરતા વિદ્યાર્થીઓ કરતાં 0.7x વધુ ઝડપથી સુધારો કરે છે

ભવિષ્યનું કાર્ય:

1. વિદ્યાર્થીઓની વર્તણૂકને ઓળખવા માટે દેખરેખ વિનાના શિક્ષણનો ઉપયોગ – આ સિસ્ટમને સમય, સચોટતા અને પ્રયાસની ટકાવારી અંગેના પૂર્વગ્રહને દૂર કરવામાં સક્ષમ બનાવશે.
2. ન્યુરલ નેટવર્ક અને અન્ય ડીપ લર્નિંગ-આધારિત પદ્ધતિઓ દ્વારા શીખેલા ઉદ્દેશ્ય કાર્યોનો ઉપયોગ કરીને સ્કોરમાં સુધારણાનું સામાન્યકરણ
3. ચોક્કસ ટેસ્ટ પ્રકાર પર યુઝરની ભવિષ્યની સફળતાની વાર્તાનું અનુમાન અને Embibe ગુણાંકની સાથે અમારા મોડેલના પ્રદર્શનનું વિશ્લેષણ કરો
4. વ્યક્તિગત કરેલ સફળતાની વાર્તાઓના આધારે શ્રેષ્ઠ મટીરીયલ અને ટેસ્ટ આપવા માટે પર્સનલાઈઝડ એન્જિન.