ઓટો ટેસ્ટ જનરેશન

ઓટોમેટિક ટેસ્ટ જનરેશનનો ઉદ્દેશ્ય સંસ્થાઓ અને વિદ્યાર્થીઓ દ્વારા ઉચ્ચ ગુણવત્તાની, વ્યક્તિગત ટેસ્ટની શ્રેણીને સ્વચાલિત કરવાનો છે જેથી કરીને શિક્ષકોનો કિંમતી સમય બચાવી શકાય અને વ્યક્તિગત વલણને ટાળી શકાય.

મોટાભાગના વિદ્યાર્થીઓને ખર્ચ અને વસ્તી વિષયકતાને કારણે શ્રેષ્ઠ સંસાધનોની મેળવવામાં અક્ષમ છે. ઉપરાંત, શિક્ષકનો સમય નિર્ણાયક છે. ઓટો ટેસ્ટ જનરેશનની મદદથી, અમે શિક્ષકોને ટેસ્ટ જનરેટ કરવા કરતાં ભણાવવામાં વધુ સમય ફાળવવામાં મદદ કરવાનો પ્રયાસ કરી રહ્યા છીએ. જ્યારે મેન્યુઅલી કરવામાં આવે ત્યારે ઉચ્ચ-ગુણવત્તાનું ટેસ્ટ પેપર બનાવવું એ એક પડકારજનક પ્રક્રિયા છે.

આ સમસ્યાને ઉકેલવા માટે, અમે એક ઈન્ટેલિજન્ટ સિસ્ટમ વિકસાવી છે જે ટેસ્ટ પેપર ડિઝાઇન કરવા માટે એક કરતા વધારે પરિમાણોને ધ્યાનમાં લે છે:

  • અભ્યાસક્રમ કવરેજ,
  • વિષયનું મહત્વ,
  • મુશ્કેલી સ્તર,
  • પાછલા વર્ષના ટ્રેન્ડ,
  • વિવિધ પ્રકારના પ્રશ્નો,
  • યુઝરની કોન્સેપ્ટમાં માસ્ટરી (પર્સનલાઈઝેશન)
  • યુઝરની વર્તણૂકલક્ષી પ્રોફાઇલ (પર્સનલાઈઝેશન)

આ ઉપયોગિતા શિક્ષકોને મહત્તમ કસ્ટમાઇઝેશન સાથે ઝડપી સમયમાં ટેસ્ટ પેપર જનરેટ કરવામાં મદદ કરે છે. તે જ સમયે, તે ઉચ્ચ ગુણવત્તાની ખાતરી કરે છે જે Embibe દ્વારા વિકસિત ટેસ્ટ ગુણવત્તા સ્કોર અલ્ગોરિધમનો ઉપયોગ કરીને તપાસવામાં આવે છે.

ટેસ્ટ ગુણવત્તા સ્કોર અને પ્રશ્ન ભેદભાવ પરિબળ

ટેસ્ટ ગુણવત્તા સ્કોરનો ઉપયોગ એ ચકાસવા માટે થાય છે કે જનરેટ થયેલ ટેસ્ટ શિક્ષક/સંસ્થા દ્વારા મુશ્કેલી અને પ્રકરણોના કવરેજના સંદર્ભમાં પસંદ કરાયેલા ધોરણો અનુસાર છે.

આઈટમ પ્રતિભાવ સિદ્ધાંતનો ઉપયોગ યુઝર-પ્રશ્ન પ્રયાસ ડેટાનો ઉપયોગ કરીને પ્રશ્નોના ભેદભાવ પરિબળનો અંદાજ કાઢવા માટે થાય છે. પ્રશ્નની પસંદગી કરતી વખતે ઉચ્ચ ભેદભાવ ધરાવતા પ્રશ્નોને વધુ પ્રાધાન્ય આપવામાં આવે છે અને તે ટેસ્ટની એકંદર ગુણવત્તામાં સુધારો કરે છે.

તમારી પોતાની ટેસ્ટ બનાવો

અમે તમારી પોતાની ટેસ્ટ બનાવો વિશેષતા વિકસાવ્યું છે જે વિદ્યાર્થીને ચોક્કસ લક્ષ્ય અને પરીક્ષા માટે કસ્ટમાઇઝ્ડ રીતે પસંદ કરેલા પ્રકરણો અને મુશ્કેલીના સ્તરોનો ઉપયોગ કરીને ટેસ્ટ બનાવવામાં મદદ કરે છે. આ ટેસ્ટ વિદ્યાર્થી દ્વારા પસંદ કરાયેલ અવરોધોને સંતોષવા માટે વિવિધ ઓપ્ટિમાઇઝેશન અલ્ગોરિધમનો ઉપયોગ કરીને જનરેટ કરવામાં આવે છે અને તે વિદ્યાર્થી માટે વ્યક્તિગત કરેલ છે.

ડાઇગ્નોસ ટેસ્ટ

સારી ડાયગ્નોસ્ટિક ટેસ્ટ એ છે જે (i) આપેલ કૌશલ્ય સમૂહ માટે વિવિધ ક્ષમતાઓ ધરાવતા વિદ્યાર્થીઓ વચ્ચે તફાવત કરી શકે છે, (ii) ભૂમિગત સત્ય ડેટા સાથે સુસંગત હોઈ શકે છે અને (iii) શક્ય તેટલા ઓછા મૂલ્યાંકન પ્રશ્નો સાથે આ મેળવી શકે છે. વિદ્યાર્થીએ લક્ષ્ય હાંસલ કરવા માટે જરૂરી કોન્સેપ્ટમાં કેટલી નિપુણતા મેળવી છે તેની ચકાસણી કરવામાં મદદ કરવા માટે અમે વિદ્યાર્થી માટે વ્યક્તિગત અચીવમેન્ટ યાત્રાના ભાગ રૂપે ચકાસણી માટેના ટેસ્ટ બનાવીએ છીએ. આ 2 ટેસ્ટનો ઉપયોગ કરીને કરવામાં આવે છે:

  • પૂર્વજરૂરી ટેસ્ટ:

વિદ્યાર્થી દ્વારા પસંદ કરેલ લક્ષ્ય હાંસલ કરવા માટે જરૂરી મૂળભૂત પૂર્વજરૂરી કોન્સેપ્ટને અનુરૂપ પ્રશ્નો પુરા પાડે છે.

  • ટેસ્ટ અચીવ કરો:

ઉલ્લેખિત પરીક્ષા અને લક્ષ્ય માટે સૌથી મહત્વપૂર્ણ કોન્સેપ્ટને આવરી લેતા પ્રશ્નો પુરા પાડે છે.

સંદર્ભ

  • ધવલ, સોમા, ચિરાગ ભાટિયા, જોય બોઝ, કેયુર ફાલદુ અને અદિતિ અવસ્થી. “ડાયગ્નોસ્ટિક એસેસમેન્ટ અને તેમની ગુણવત્તા મૂલ્યાંકનનું ઓટો જનરેશન.” ઇન્ટરનેશનલ એજ્યુકેશનલ ડેટા માઇનિંગ સોસાયટી (2020).
  • દેસાઈ, નિશિત, કેયુર ફાલદુ, અચિંત થોમસ અને અદિતિ અવસ્થી. “એસેસમેન્ટ પેપર બનાવવા અને તેની ગુણવત્તા માપવા માટેની સિસ્ટમ અને પદ્ધતિ.” યુ.એસ. પેટન્ટ એપ્લિકેશન 16/684,434, ઓક્ટોબર 1, 2020 ના રોજ ફાઇલ કરવામાં આવી.
  • વિન્સેન્ટ લેબ્લેન્ક, માઈકલ એ.એ. કોક્સ, “શાળાની પરીક્ષાના સંદર્ભમાં બિંદુ-બાયસીરીયલ સહસંબંધ ગુણાંકનું અર્થઘટન,” જાન્યુઆરી 2017, મનોવિજ્ઞાન 13(1):46-56 માટેની માત્રાત્મક પદ્ધતિઓ
  • લિન્ડેન, ડબલ્યુ. ડી. અને આર. હેમ્બલટન. “આધુનિક આઇટમ રિસ્પોન્સ થિયરીની હેન્ડબુક.” (1997), બાયોમેટ્રિક્સ 54:1680
  • રોનાલ્ડ કે હેમ્બલટન અને વિમ જે લિન્ડેન. આધુનિક આઈટમ રિસ્પોન્સ થિયરીની હેન્ડબુક. વોલ્યુમ બે: આંકડાકીય સાધનો. CRC પ્રેસ, USA, 2016.
  • ગુઆન્ગ સેન ,યુક્ષીઓ ડોન્ગ, વાનલીન ગાઓ, લીના યુ, સિમોન સી, કિંગ વાન્ગ , યિંગ યાંગ , અને હોંગબીનો જિઆંગ. ઓટોમેટિક પરીક્ષા પેપર જનરેશન સિસ્ટમનો અમલ. મેથેમેટિકલ એન્ડ કોમ્પ્યુટર મોડલિંગ, 51, 2010.
  • “ડાયગ્નોસ્ટિક ટેસ્ટ અને તેમની ગુણવત્તા મૂલ્યાંકનનું ઓટો જનરેશન – EDM:2020”, EDM 2020 પ્રસ્તુતિ, જુલાઈ 2020,
    https://www.youtube.com/watch?v=7wZz0ckqWFs
  • લાલવાણી, અમર અને સ્વીટી અગ્રવાલ. “ડીપ નોલેજ ટ્રેસિંગનો ઉપયોગ કરીને સુધારેલા બ્લૂમના વર્ગીકરણને માન્ય કરવું.” શિક્ષણમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ પર ઇન્ટરનેશનલ કોન્ફરન્સ, પૃષ્ઠ 225-238. સ્પ્રિંગર, ચામ, 2018.
  • ફાલદુ, કેયુર, અદિતિ અવસ્થી અને અચિંત થોમસ. “સ્કોરના સુધારણા અને તેના ભાગો માટે અનુકૂલનશીલ લર્નિંગ મશીન.” યુ.એસ. પેટન્ટ 10,854,099, 1 ડિસેમ્બર, 2020 ના રોજ જારી કરેલ
  • ડોંડા, ચિંતન, સયાન દાસગુપ્તા, સોમા એસ. ધવલ, કેયુર ફાલદુ અને અદિતિ અવસ્થી. “લર્નિંગ આઉટકમના અનુમાન માટે, અર્થઘટન કરવા અને સુધારવા માટેનું માળખું.” arXiv preprint arXiv:2010.02629 (2020).
  • ફાલદુ, કેયુર, અચિંત થોમસ અને અદિતિ અવસ્થી. “સંદર્ભિત જ્ઞાન આધારનો ઉપયોગ કરીને વ્યક્તિગત કોન્ટેન્ટની ભલામણ કરવા માટેની સિસ્ટમ અને પદ્ધતિ.” યુ.એસ. પેટન્ટ એપ્લિકેશન 16/586,512, ઑક્ટોબર 1, 2020 ફાઇલ કરવામાં આવી.
  • ફાલદુ, કેયુર, અચિંત થોમસ અને અદિતિ અવસ્થી. “વર્તણૂક વિશ્લેષણ અને ભલામણો માટેની સિસ્ટમ અને પદ્ધતિ.” યુ.એસ. પેટન્ટ એપ્લિકેશન 16/586,525, ઑક્ટોબર 1, 2020 ના રોજ ફાઇલ કરવામાં આવી.