पर्सनलाइज्ड अचीवमेंट जर्नी

पर्सनलाइज्ड अचीवमेंट जर्नी (PAJ) का उद्देश्य एक छात्र को उसके वर्तमान ज्ञान स्तर, एक पूर्वनिर्धारित समय अवधि, एक पूर्वनिर्धारित पाठ्यक्रम, एक छात्र की लक्षित परीक्षा के लिए कॉन्सेप्ट के महत्व और प्रत्येक कॉन्सेप्ट में विशेषज्ञता हासिल करने के लिए आवश्यक प्रयास को देखते हुए एक इष्टतम लर्निंग का मार्ग प्रदान करना है। लर्निंग आउटकम प्रदान करने के लिए AI प्लेटफ़ॉर्म पर्सनलाइज्ड अचीवमेंट जर्नी, Embibe के लिए सर्वोपरि है। Embibe में, हम लर्निंग आउटकम को अचीव करने के लिए प्रासंगिक नॉलेज ग्राफ और प्रासंगिक व्यवहार प्रोफ़ाइल पर छात्रों की कॉन्सेप्ट विशेषज्ञता की जांच करते हैं। PAJ अत्यंत पर्सनलाइज्ड तरीके से लर्न, प्रैक्टिस और असेसमेंट पैक का सुझाव देकर छात्रों की लर्निंग प्रक्रिया में तेजी लाने एक अवसर है।

इष्टतम लर्निंग का मार्ग डिजाइन करने की प्रॉब्लम को दो सबप्रॉब्लम में बांटा जा सकता है- कॉन्सेप्ट का चयन और शिक्षण सामग्री का अनुक्रम, कॉन्सेप्ट एक्सप्लेनर विडियो और प्रैक्टिस प्रश्न। हमने सेलेक्शन यानी चयन को एक डाइनैमिक प्रोग्रामिंग प्रॉब्लम के रूप में मॉडल किया है, जो पर्सनलाइज्ड अचीवमेंट जर्नी को पूरा करने के लिए शेष समय के आधार पर सबसे महत्वपूर्ण कॉन्सेप्ट का चयन करता है।

प्रत्येक कॉन्सेप्ट के पूरा होने के बाद बाकी शिक्षण सामग्री में से चयन के लिए महत्व और उद्यम दृष्टिकोण को देखने की आवश्यकता होती है। चयन करते समय अगर हम पुनः विचार करते हैं, तो हम पहले के महत्वपूर्ण कॉन्सेप्ट को छोड़ने से बच सकते हैं। और इस कारण से, हम प्रत्येक कॉन्सेप्ट के स्थान पर महत्व और उद्यम के सामंजस्य का मूल्यांकन करने के लिए अपने कॉन्सेप्ट नॉलेज ग्राफ से सबग्राफ का उपयोग करते हैं।

फिर यह महत्व/उद्यम अनुपात के आधार पर कॉन्सेप्ट के उपसमूह को चुनता है, जहां उपसमूह का महत्व अंतिम परीक्षा में मौलिकता और प्रासंगिकता को इंगित करना है, जबकि उद्यम यह है कि छात्र को विशेषज्ञता प्राप्त करने में कितने समय की आवश्यकता होती है जो प्रत्येक कॉन्सेप्ट पर छात्र-विशिष्ट व्यवहार विशेषताओं और कॉन्सेप्ट विशेषज्ञता के आधार पर उपसमूह में बांटा जाता है, ताकि छात्र अधिकतम लर्निंग आउटकम प्राप्त कर सकें।

एल्गोरिथम यह भी तय करता है कि छात्र को शिक्षण सामग्री की आवश्यकता है या नहीं। यह प्रैक्टिस प्रश्न भी प्रदान करता है जब तक कि यूजर ऐडैप्टिव प्रैक्टिस एल्गोरिदम के आधार पर दिए गए कॉन्सेप्ट उपसमूह के तहत् सभी दक्षताओं को सीख नहीं लेते हैं।

उपरोक्त दोनों उल्लेख की गयी स्थितियां मार्कोव श्रृंखला के हालिया रीसर्च पर आधारित हैं, जिनका कार्य कॉन्सेप्ट मास्टरी पर है, जिसे बायेसियन प्रोबैबिलिटी का उपयोग करके अपडेट किया गया है, और इसे बायेसियन नॉलेज ट्रेसिंग के रूप में भी जाना जाता है। इसके अलावा, प्रत्येक स्टेप में, इष्टतम समय निर्धारण सुनिश्चित करने के लिए एल्गोरिथ्म की पुनः जांच की जाती है।

पर्सनलाइज्ड अचीवमेंट जर्नी एल्गोरिथम पिछले ग्रेड से पहले के महत्वपूर्ण कॉन्सेप्ट पर भी विचार करता है जो लक्ष्य परीक्षा के लिए महत्वपूर्ण हैं। अतः, यदि किसी छात्र की कॉन्सेप्ट के प्रति आधारभूत समझ दिए गए सिलेबस के अनुसार कम है या नहीं के बराबर है , तो एल्गोरिथम मौलिक कॉन्सेप्ट का गहन विश्लेषण करता है और पिछली कक्षा से न्यूनतम लर्निंग कंटेंट को चुनता है जो छात्रों को वर्तमान ग्रेड में आगे बढ़ने से पहले उनके पूर्व ग्रेड से संबंधित विषय के  मूलभूत कॉन्सेप्ट को समझने और ठीक करने में मदद करता है।

डेमो वीडियो

संदर्भ 

[1] “#RAISE2020 – Embibe – AI-Powered learning outcomes platform for personalized education”, MyGov India, Oct 2020, https://www.youtube.com/watch?v=kuwFtHgN3qU

[2] Faldu, Keyur, Aditi Avasthi, and Achint Thomas. “Adaptive learning machine for score improvement and parts thereof.” U.S. Patent 10,854,099, issued December 1, 2020.

[3] Thomas, Achint, Keyur Faldu, and Aditi Avasthi. “System and method for personalized retrieval of academic content in a hierarchical manner.” U.S. Patent Application 16/740,223, filed October 1, 2020.

[4] Faldu, Keyur, Achint Thomas, and Aditi Avasthi. “System and method for recommending personalized content using contextualized knowledge base.” U.S. Patent Application 16/586,512, filed October 1, 2020.

[5] Faldu, Keyur, Achint Thomas, and Aditi Avasthi. “System and method for behavioral analysis and recommendations.” U.S. Patent Application 16/586,525, filed October 1, 2020.

[6] Desai, Nishit, Keyur Faldu, Achint Thomas, and Aditi Avasthi. “System and method for generating an assessment paper and measuring the quality thereof.” U.S. Patent Application 16/684,434, filed October 1, 2020.

[7] Dhavala, Soma, Chirag Bhatia, Joy Bose, Keyur Faldu, and Aditi Avasthi. “Auto Generation of Diagnostic Assessments and Their Quality Evaluation.” International Educational Data Mining Society (2020).

[8] Lalwani, Amar, and Sweety Agrawal. “What Does Time Tell? Tracing the Forgetting Curve Using Deep Knowledge Tracing.” In International Conference on Artificial Intelligence in Education, pp. 158-162. Springer, Cham, 2019.

[9] Agrawal, S., and A. Lalwani. “Analysing problem sequencing strategies based on revised Bloom’s taxonomy using deep knowledge tracing.” Proc ofInt ConfonIntelligent TutoringSystems (ITS). Berlin: Springer 407410 (2018).

← AI होम पर वापस जाएं