ಆಪ್ನನ್ನು ಡೌನ್ಲೋಡ್ ಮಾಡಲು ಸ್ಕ್ಯಾನ್ ಮಾಡಿ 
ಕಲಿಕೆಯ ಫಲಿತಾಂಶಕ್ಕೆ ಬುನಾದಿಯಾಗಿ AI ಸ್ಟ್ಯಾಕ್
Embibe ತನ್ನ ಆರಂಭದಿಂದಲೇ ದತ್ತಾಂಶ-ಚಾಲಿತ, ದತ್ತಾಂಶ-ಕೇಂದ್ರಿತ, ದತ್ತಾಂಶ-ಹಂಬಲದ ಕಂಪನಿಯಾಗಿದ್ದು, ಪ್ರತಿ ವಿದ್ಯಾರ್ಥಿಗೆ ಶಿಕ್ಷಣವನ್ನು ವ್ಯಕ್ತಿವಿಶಿಷ್ಟವಾಗಿಸಲು ದತ್ತಾಂಶವು ಪ್ರಮುಖ ಅಂಶವಾಗಿದೆ ಎಂದು ಮೊದಲೇ ಅರ್ಥಮಾಡಿಕೊಂಡಿದೆ. ಇದುವರೆಗೂ ದತ್ತಾಂಶದಿಂದಲೇ ಅರ್ಧ ಚಿತ್ರ ಪೂರ್ಣಗೊಂಡಿದೆ. ತಂತ್ರಜ್ಞಾನವನ್ನು ಬಳಸಿ ಶಿಕ್ಷಣವನ್ನು ವ್ಯಕ್ತಿವಿಶಿಷ್ಟಗೊಳಿಸುವುದು ಒಂದು ರೀತಿಯಲ್ಲಿ ಸವಾಲಿನ ಸಮಸ್ಯೆಯೇ ಸರಿ. ಇದಕ್ಕೆ ಬಹು ಉಪ-ವಿಭಾಗಗಳಲ್ಲಿ ಅಗಾಧ ಪ್ರಮಾಣದ ದತ್ತಾಂಶವನ್ನು ಬಳಕೆಗೆ ತರಬಹುದಾದ ಸುಧಾರಿತ ಅಲ್ಗಾರಿದಮ್‍ಗಳ ಆಂತರಿಕ ಪ್ರಕ್ರಿಯೆಯ ಅಗತ್ಯವಿದೆ.
ನಮ್ಮ Embibe ನಲ್ಲಿ, ನಾಯಕರು ಜನ್ಮತಃ ಹುಟ್ಟಿ ಬರುತ್ತಾರೆ ಎಂದು ತಿಳಿದಿಲ್ಲ, ಈ ನಾಯಕರನ್ನು ಹೆಚ್ಚಿನ ಸಮಯ ತೆಗೆದುಕೊಂಡು ಶಿಲೆಯನ್ನು ಕೆತ್ತುವ ಹಾಗೇ ರೂಪವನ್ನು ಕೊಡಲಾಗಿದೆ. ನಮ್ಮ ಪ್ರಯಾಣದ ಜೊತೆಗೆ ಸಾವಿರಾರು ಸಣ್ಣ ಪಾಠದ ಕಲಿಕೆಯ ಅನುಭವದಿಂದ ನಮ್ಮ ಪ್ರಯಾಣ ಸಾಗುತ್ತದೆ. ಕಳೆದ ಎಂಟು ವರ್ಷಗಳ ಸತತ ನಮ್ಮ ಪರಿಶ್ರಮದಿಂದ ದತ್ತಾಂಶ ಸಂಗ್ರಹ ಮತ್ತು ಅರ್ಥವಿವರಣೆಯ ಸಾಮರ್ಥ್ಯವನ್ನು ಬೆಳೆಸಿಕೊಂಡಿದ್ದೇವೆ. ಅದೂ ಅಲ್ಲದೇ ಈ ದತ್ತಾಂಶವನ್ನು ಯಾಂತ್ರಿಕ ಕಲಿಕೆಯ ಜೊತೆಯಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ. AI ತಂತ್ರಗಳು ಅದರ ವೇದಿಕೆಯನ್ನು ಬಳಸುವ ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಅಪ್ರತಿಮ ವೈಯಕ್ತಿಕ ಶಿಕ್ಷಣದ ಅನುಭವವನ್ನು ನೀಡುತ್ತದೆ. ಕೆಳಗಿನವುಗಳಲ್ಲಿ, ನಾವು Embibeನ ತತ್ವಶಾಸ್ತ್ರವನ್ನು ದತ್ತಾಂಶ-ಚಾಲಿತ EdTechನ ವ್ಯಕ್ತಿವಿಶಿಷ್ಟಗೊಳಿಸುವಂತೆ ವಿನ್ಯಾಸ ಮಾಡಿದ್ದೇವೆ.
ದತ್ತಾಂಶ ಸೆರೆಹಿಡಿಯುವಿಕೆ ಮತ್ತು ಸಂಗ್ರಹಣೆ
ಬಳಕೆದಾರ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು, ದತ್ತಾಂಶವನ್ನು ಸಮರ್ಪಕವಾಗಿ ಬಳಸದೇ ಇದ್ದರೆ, ಆಗಿಂದಾಗಲೇ ಸಂಗ್ರಹಿಸದಿದ್ದರೆ ಮತ್ತು ಸಂಪೂರ್ಣವಾಗಿ ಸ್ವಚ್ಛಗೊಳಿಸದಿದ್ದರೆ, ಅದಕ್ಕೆ ಬೆಲೆಯೇ ಇರುವುದಿಲ್ಲ. ಇದಕ್ಕೆ ಕಾರಣ, ತೆಗೆದುಕೊಂಡ ಪ್ರಯತ್ನ ಅಥವಾ ಪರೀಕ್ಷಾ ಪ್ರಶ್ನೆಗಳು ಸರಿಯಾಗಿ ಉಪಯೋಗಕ್ಕೆ ಬಾರದೇ ಇರುವುದು. ಹೇಗೆಂದರೆ, ಪ್ರಶ್ನೆಯನ್ನು ಮೊದಲು ನೋಡಿದ್ದು, ಕೊನೆಯ ಉಳಿತಾಯದ ಸಮಯ, ಪ್ರತೀ ಬಾರಿಯ ಮರು ವೀಕ್ಷಣೆ, ಪ್ರತೀ ಬಾರಿಯ ವೀಕ್ಷಣೆಯ ಸಮಯದಲ್ಲಿ ಉತ್ತರದ ಆಯ್ಕೆ, ವೀಕ್ಷಣೆಯ ಸಮಯದಲ್ಲಿ ಅಭ್ಯಾಸಕ್ಕೆ ಪ್ರಯತ್ನದಲ್ಲಿ ಸುಳಿವು ಬಳಕೆ, ಪರೀಕ್ಷಾ ಸಮಯಯಲ್ಲಿ ಪ್ರಶ್ನೆಗಳು ಅನುಕ್ರಮದಲ್ಲಿ ಇಲ್ಲದೆ ಇರುವುದು, ಇವೇ ಮುಂತಾದವು. Embibe ಕಳೆದ ಎಂಟು ವರ್ಷಗಳಲ್ಲಿ ಕನಿಷ್ಠ ಪ್ರಮಾಣದ ದತ್ತಾಂಶವನ್ನು ಸೆರೆಹಿಡಿಯಲು ಹೆಚ್ಚು ಹೂಡಿಕೆಯನ್ನು ಮಾಡಿದೆ. Embibe ಗರಿಷ್ಠ ಮಟ್ಟದ ದತ್ತಾಂಶದ ಪ್ರಕಾರಗಳನ್ನು ಸೆರೆಹಿಡಿಯುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿದೆ:
- ಬಳಕೆದಾರ-ಸಂವಾದ ಸ್ಪಷ್ಟ ಘಟನೆಗಳು – ಕ್ಲಿಕ್‌ಗಳು, ಟಾಪ್‌ಗಳು, ಹೋವರ್‌ಗಳು, ಸ್ಕ್ರೋಲ್‌ಗಳು, ಪಠ್ಯ-ಪರಿಷ್ಕರಣೆ
- ಬಳಕೆದಾರ-ಸಂವಾದ ಸೂಚಿತ ಘಟನೆಗಳು – ಕರ್ಸರ್ ಸ್ಥಾನ, ಟ್ಯಾಪ್ ಒತ್ತಡ, ಸಾಧನದ ದೃಷ್ಟಿಕೋನ
- ಸಿಸ್ಟಂ-ಸ್ಥಾಪಿತ ಸರ್ವರ್-ಸೈಡ್ ಈವೆಂಟ್‌ಗಳು – ಪೇಜ್ ಲೋಡ್, ಸೆಷನ್ ರೀಫ್ರೆಶ್‍ಗಳು, API ಕಾಲ್‍ಗಳು
- ಸಿಸ್ಟಂ-ಸ್ಥಾಪಿತ ಗ್ರಾಹಕ-ಕಡೆಯ ಘಟನೆಗಳು – ಸಿಸ್ಟಮ್ ಫುಶ್ ನೋಟಿಫಿಕೇಶನ್‍ಗಳು ಮತ್ತು ಟ್ರಿಗ್ಗರ್‌ಗಳು
ವಿಷಯ ತಜ್ಞರು
ಸಾಮಾನ್ಯವಾಗಿ ನುರಿತ ದತ್ತಾಂಶ ವಿಜ್ಞಾನಿಗಳಿಗೆ ತಿಳಿದಿರುವ ಸಂಗತಿ, ಸೈಲೋಗಳಲ್ಲಿ ಕೆಲಸ ಮಾಡುವಾಗ ಸಾಕಷ್ಟು ಸನ್ನಿವೇಶಗಳಲ್ಲಿ ಸೆರೆಹಿಡಿದ ದತ್ತಾಂಶಕ್ಕೆ ಮೌಲ್ಯವನ್ನು ಸೇರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ ಎಂಬುದು ಅವರಿಗೆ ತಿಳಿದಿದೆ. ಏಕೆಂದರೆ ಅವರಿಗೆ ಅಂತಹ ಸಂದರ್ಭ ಒದಗಿ ಬರವುದಿಲ್ಲ. ವಿಷಯದ ಜ್ಞಾನದ ಒಳಹೊಕ್ಕು ಅರ್ಥಪೂರ್ಣ, ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸಲು ಅರಿವಿನ ಕೊರತೆಯಿಂದಲೂ ಹೀಗಾಗುತ್ತದೆ. Embibe ಇದನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡಿದೆ. ಆದ್ದರಿಂದ ದತ್ತಾಂಶ ವಿಜ್ಞಾನಿಗಳ ಮತ್ತು ವಿಷಯ ತಜ್ಞರ ನಡುವೆ ಸಾಕಷ್ಟು ಅತಿವ್ಯಾಪನೆ ಇದೆ ಎಂಬುದನ್ನು ಖಚಿತಪಡಿಸುತ್ತೇವೆ.
ಶೈಕ್ಷಣಿಕ ದತ್ತಾಂಶವನ್ನು ಸಿದ್ಧಪಡಿಸುವುದು: ಸಾರ್ವಜನಿಕ ಡೊಮೇನ್‌ನಲ್ಲಿ ಲಭ್ಯವಿಲ್ಲದ ಶೈಕ್ಷಣಿಕ ದತ್ತಾಂಶಗಳ ಸೃಷ್ಟಿ ಮತ್ತು ಸುಧಾರಿಸಲು Embibe ಸಮಯ ಮತ್ತು ಸಂಪನ್ಮೂಲಗಳನ್ನು ಹೂಡಿಕೆ ಮಾಡಿದೆ. ಉದಾಹರಣೆಗೆ ಹೇಳಬೇಕೆಂದರೆ, 30 ಬೋಧಕರ ತಂಡವು ಅನೇಕ ವರ್ಷಗಳಿಂದ ಜ್ಞಾನದ ವೃಕ್ಷವನ್ನು ಸೃಷ್ಟಿಸಿದೆ. ಸರಿಸುಮಾರು 62K ಪರಿಕಲ್ಪನೆಗಳ ಜೊತೆಗೆ ಅರೆ-ಮೇಲ್ವಿಚಾರಣೆಯ ಕ್ರಮದ ಅಡಿಯಲ್ಲಿ ಹಲವು ಸಾವಿರ ವಿಷಯಗಳು ಆಂತರಿಕವಾಗಿ ಬೆಸೆದುಕೊಂಡಿವೆ. ಇದರ ಜೊತೆಗೆ ಪ್ರತೀ ವಿಷಯಗಳಲ್ಲಿ 426 ಮೆಟಾ ವೇರಿಯಬಲ್ಸ್ ಇದ್ದು, ಪ್ರತಿ ಪರಿಕಲ್ಪನೆಯಲ್ಲಿ ಮೆಟಾ ವೇರಿಯಬಲ್‍ಗಳು ಹತ್ತಾರು ದಶಲಕ್ಷ ಮೆಟಾ-ವೇರಿಯಬಲ್‌ಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತವೆ. ಈ ತಂಡವು ಮೆಟಾ ಟ್ಯಾಗ್‌ಗಳಿಗೆ ನೂರಾರು ಸಾವಿರ ಪ್ರಶ್ನೆಗಳನ್ನು ದೈಹಿಕ ಶ್ರಮದಿಂದ ಟ್ಯಾಗ್ ಮಾಡಲಾಗಿದೆ. ಇದರಲ್ಲಿ ಜ್ಞಾನವೃಕ್ಷ, ಕೌಶಲ್ಯ, ಪರೀಕ್ಷೆಯ ಪಠ್ಯ, ಕೌಶಲ್ಯಗಳು, ಸಮಸ್ಯೆಯ ಮಟ್ಟ, ಸ್ಥಿರ ಸಮಯ, ಬ್ಲೂಮ್ ಮಟ್ಟ ಎಲ್ಲವೂ ಕೆಳಸ್ತರದ ಅಲ್ಗಾರಿದಮ್ ತರಬೇತಿಯ ದತ್ತಾಂಶವನ್ನು ಹುಟ್ಟುಹಾಕಾಲು ಅನುವು ಮಾಡಿಕೊಡಲಾಗುವುದು.
ಶೈಕ್ಷಣಿಕ + ವಿಜ್ಞಾನ : ದತ್ತಾಂಶ ವಿಜ್ಞಾನಿಗಳು ಮತ್ತು ಶೈಕ್ಷಣಿಕ ತಜ್ಞರು ಒಟ್ಟಿಗೆ ಕಾರ್ಯ ನಿರ್ವಹಿಸುವಾಗ ಕಲಿಕೆಯಲ್ಲಿ ಕೆಲವು ತಿರುವುಗಳು ಮೂಡುತ್ತವೆ. ಉದಾಹರಣೆಗೆ, ಪರೀಕ್ಷೆಯನ್ನು ನಿರ್ಧರಿಸುವಾಗ ಯಾವ ನಿಯತಾಂಕಗಳನ್ನು ಬಳಸಬೇಕು ಎಂದು ಶೈಕ್ಷಣಿಕ ತಜ್ಞರಿಗೆ ತಿಳಿದಿದೆ ಎಂಬುದು ವಿಜ್ಞಾನಿಗಳಿಗೆ ತಿಳಿದಿದೆ. ಒಬ್ಬ ವಿದ್ಯಾರ್ಥಿಗಳ ಮೇಲೆ ಹೇಗೆ ಪರೀಕ್ಷೆಯನ್ನು ವ್ಯಕ್ತಿವಿಶಿಷ್ಟಗೊಳಿಸುವುದು ಮತ್ತು ವ್ಯತ್ಯಾಸವನ್ನು ಹೇಗೆ ತರಬೇಕು ಎಂಬುದು ತಿಳಿದಿದೆ. ಶೈಕ್ಷಣಿಕ ತಜ್ಞರಿಗೆ ಅಲ್ಗಾರಿದಮಿಕ್ ಕೋಡ್‍ನ ಕಡೆಗೆ ಭಾಷಾಂತರದ ಜ್ಞಾನವನ್ನು ಅಳವಡಿಸುವುದು ಮತ್ತು ವಿಷಯ ತಜ್ಞರನ್ನು ವಿಜ್ಞಾನಿಗಳ ಪೂಲ್‌ನಲ್ಲಿ ಪರಿಣತಿಯನ್ನು ಅಳವಡಿಸುವುದು ಸಮಯ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ. Embibe ಇದರ ಮೇಲೆ ಬೋಧಕ-ವಿಜ್ಞಾನಿಗಳ ನಡುವೆ ಸಂವಾದವನ್ನು ಏರ್ಪಡಿಸಿತ್ತು. ದತ್ತಾಂಶದ ಗಣಿಗಾರಿಕೆಯ ತಂತ್ರಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಹತ್ತು ಸಾವಿರ ನುಡಿಗಟ್ಟುಗಳ ಶೈಕ್ಷಣಿಕ ರೂಪುರೇಖೆಯನ್ನು ಆಶಿಸಿತ್ತು.
ದತ್ತಾಂಶ ಮತ್ತು AI ಯನ್ನು ಉಪಯೋಗಿಸಿ ವ್ಯಕ್ತಿವಿಶಿಷ್ಟ EdTech ವೇದಿಕೆ ನಿರ್ಮಿಸುವುದು
ನೇರವಾದ ದತ್ತಾಂಶವನ್ನು ತುಂಬಾ ಸಮಯದಿಂದ ಸಂಗ್ರಹಿಸಲಾಗಿದೆ. ಒಂದು ವೇಳೆ ಬಳಕೆದಾರರನ್ನು ಆಕರ್ಷಿಸಲು ಹಣವನ್ನು ಸುರಿದರೂ ಸಮರ್ಪಕ ಮಟ್ಟದಲ್ಲಿ ಬಳಕೆದಾರರ ದತ್ತಾಂಶ ಭಾಗಿತ್ವದ ಮಾಹಿತಿ ಸಿಗುವುದಿಲ್ಲ. ಏಕೆಂದರೆ ಬಳಕೆದಾರರು ವ್ಯವಸ್ಥೆಯ ಜೊತೆಗೆ ತುಂಬಾ ಸಮಯದವರೆಗೆ ಭಾಗಿಯಾಗಿರುವುದಿಲ್ಲ. Embibe ಹೊಂದಿರುವ ಅದರ ಎಲ್ಲಾ ದತ್ತಾಂಶ ಮತ್ತು ಅದರ ಮೇಲಿನ ನಿಯಂತ್ರವು ಸುಧಾರಿತ ಅಲ್ಗಾರಿದಮ್ ಆಗಿದೆ. ಇದರಿಂದ ಅಂತರ್ನಿರ್ಮಿತ ಕೆಲವು ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಿ EdTech ಅನ್ನು ವ್ಯಕ್ತಿವಿಶಿಷ್ಟಗೊಳಿಸುತ್ತದೆ.
ಸ್ಮಾರ್ಟ್ ಟ್ಯಾಗಿಂಗ್: ಪಠ್ಯ ಮಾಹಿತಿಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಪ್ರಶ್ನೆಗಳನ್ನು ಟ್ಯಾಗ್ ಮಾಡುವುದು ಅವಶ್ಯಕ. ಪರಿಕಲ್ಪನೆ, ವಿಷಯ ಮತ್ತು ಶೈಕ್ಷಣಿಕ ಸಾಂಕೇತಿಕ ಶಬ್ದವನ್ನು ಒಳಗೊಂಡಿದೆ. ಕ್ರೋಡೀಕರಿಸಿದ ಶೈಕ್ಷಣಿಕ ಸಾಂಕೇತಿಕ ಶಬ್ದಗಳು ಸಾರ್ವಜನಿಕ ವಿಭಾಗದಲ್ಲಿ ಲಭ್ಯವಿಲ್ಲ. ಆದಾಗ್ಯೂ, ಶೈಕ್ಷಣಿಕವಲ್ಲದ ಶಬ್ದಗಗಳನ್ನು ಶೈಕ್ಷಣಿಕ ಸಾಂಕೇತಿಕ ಶಬ್ದಗಳಲ್ಲಿ ವಿಭಾಗಿಸುವುದು ಚತುರತೆಯಿಂದ ಕೂಡಿದೆ. ಮೇಲ್ನೋಟಕ್ಕೆ ಶೈಕ್ಷಣಿಕವಲ್ಲದ ಪದವಾದ ‘ಅಂತ್ಯ’ ವಾಸ್ತವವಾಗಿ ಸೂಕ್ತ ಸಂದರ್ಭದಲ್ಲಿ ಶೈಕ್ಷಣಿಕವಾಗಿದೆ. ಉದಾಹರಣೆಗೆ, “ಸುರಳಿಯ ಕೊನೆಯಲ್ಲಿ ಬಲವನ್ನು ಅನ್ವಯಿಸಲಾಗಿದೆ”. Embibe’ ನ ಸ್ಮಾರ್ಟ್ ಟ್ಯಾಗಿಂಗ್ ಅಲ್ಗಾರಿದಮ್‌ನಲ್ಲಿ 18% ಜನಸಮೂಹ ಮೂಲದ ಮಾನವ ಅಧ್ಯಾಪಕರಿಗೆ ಹೋಲಿಸಿದರೆ, 82% ಪ್ರಶ್ನೆಗೆ ಟ್ಯಾಗ್ ಮಾಡಲು ಅತ್ಯಂತ ಸೂಕ್ತವಾದ ಪರಿಕಲ್ಪನೆಯಾಗಿದೆ.
ಸ್ವಯಂಚಾಲಿತ ಪರೀಕ್ಷೆ ಸೃಷ್ಟಿ: ಮೇಲೆ ವಿವರಿಸಿದ ವಿಜ್ಞಾನಿ-ಅಧ್ಯಾಪಕರ ಅಭ್ಯಾಸವು Embibe ನ ಸ್ವಯಂಚಾಲಿತ ಪರೀಕ್ಷಾ ಜನರೇಷನ್ ಮಾಡ್ಯೂಲ್‌ಗೆ ಕಾರಣವಾಗಿದೆ, ಇದನ್ನು 62,000 ಪರಿಕಲ್ಪನೆಗಳು, ಕ್ಲಿಷ್ಟತೆಯ ಮಟ್ಟ, ಆದರ್ಶ ಸಮಯ, ಪ್ರೌಢಾವಸ್ಥೆ ಮಟ್ಟ, ಕೌಶಲ್ಯಗಳೊಂದಿಗೆ ಟ್ಯಾಗ್ ಮಾಡಲಾದ ಲಕ್ಷಗಟ್ಟಲೆ ಪ್ರಶ್ನೆಗಳಿಂದ ನೂರಾರು ಪರೀಕ್ಷಾ ಪ್ರಶ್ನೆ ಪತ್ರಿಕೆಗಳನ್ನು ರಚಿಸಲು ಬಳಸಲಾಯಿತು. ಮಾದರಿಯು ಅತ್ಯಾಧುನಿಕ ಗರಿಷ್ಟ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಬಳಸುತ್ತದೆ, ಯಾವುದೇ ನಿರ್ದಿಷ್ಟ ಪರೀಕ್ಷೆಯ ಮಟ್ಟಕ್ಕೆ ಹೊಂದಿಕೆಯಾಗುವ ಹೊಸ ಪರೀಕ್ಷಾ ಪ್ರಶ್ನೆ ಪತ್ರಿಕೆಗಳನ್ನು ರಚಿಸಲು ಜೆನೆಟಿಕ್ ಅಲ್ಗಾರಿದಮ್‍ಗಳನ್ನು ರಚಿಸಲು ಒಂದು ನಿರ್ದಿಷ್ಟ ಸಮಯದ ಒಂದು ಭಾಗದಲ್ಲಿ ಇದನ್ನು ಸಿದ್ದಪಡಿಸಲು ಅನುಭವಿ ಬೋಧಕವರ್ಗ ಬೇಕಾಗುತ್ತದೆ.
ವರ್ತನೆಗೆ ಗುರಿ ಅಳವಡಿಕೆ ಮತ್ತು ಅಂಕಗಳ ಪ್ರಗತಿಯ ಸೂಚನೆ: ಹಲವಾರು ವರ್ತನೆಯ ಬಗೆಗಿನ ಪ್ರಕರಣದ ಅಧ್ಯಯನದಂತೆ, ಭೋಧಕರ ವಿಷಯದ ಜ್ಞಾನ ಮತ್ತು ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಮಾದರಿಯ ಉತ್ಖನನದಿಂದ ವರ್ತನೆಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೇಗೆ ಅಳತೆ ಮತ್ತು ಪ್ರಗತಿ ಸಾಧಿಸಬಹುದೆಂದು Embibe ಗೆ ತಿಳಿದಿದೆ. ನೂರಾರು ಸಾವಿರಾರು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಮೌಲ್ಯಯುತ ವಿಶ್ಲೇಷಣೆಯಿಂದ ಪರಿಣಾಮ ಬೀರುವ ವರ್ತನೆಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ನಾವು ಕಂಡುಹಿಡಿಯಲು ಸಾಧ್ಯವಾಗಿದೆ. ಪ್ರಗತಿಯ ಆಧಾರದ ಮೇಲೆ ಸುಧಾರಣೆಯ ಗುರಿ ಮತ್ತು ಅಂಕದ ಪ್ರಗತಿಯಲ್ಲಿ ಮುನ್ಸೂಚನೆಯನ್ನು ನಾವು ಗುರುತಿಸಬಹುದು.
Embibe ಸ್ಕೋರ್ ಪ್ರಮಾಣ: Embibe ಯಶಸ್ಸಿನಿಂದ ಘಟನೆ ಆಧಾರಿತ ಮಟ್ಟದಲ್ಲಿ ಸೆರೆಹಿಡಿಯಲಾದ ವಿವರವಾದ ದತ್ತಾಂಶ ಸೂಚಕಗಳೊಂದಿಗೆ ನೂರಾರು ಸಾವಿರ ಮೌಲ್ಯಮಾಪನಗಳ ಮೇಲೆ ನೂರಾರು ವಿಶ್ಲೇಷಣೆಗಳಿಂದ ಹೆಚ್ಚಿನ ಪ್ರಭಾವದ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲಾಗಿದೆ. 94% ನಿಖರತೆಯಿಂದ ಅಂದಾಜು ಸ್ಕೋರ್ ಗುರುತಿಸುತ್ತೇವೆ. ಪರೀಕ್ಷೆಯ ಅಂಕಗಳ ಪ್ರಭಾವವನ್ನು 61% ರಷ್ಟು ಮಾಹಿತಿಯನ್ನು ಶೈಕ್ಷಣಿಕ ಪ್ರಮಾಣದ ನಮೂನೆಯಲ್ಲಿ 39% ರಷ್ಟು ವರ್ತನೆಯ ನಮೂನೆಯಲ್ಲಿ ಅಳವಡಿಸಿದ್ದೇವೆ. ವೇದಿಯಲ್ಲಿ ನೂರಾರು ಸಾವಿರ ಬಳಕೆದಾರರ ಪರೀಕ್ಷೆಗಳ ಲಭ್ಯತೆಯಿಂದಾಗಿ ಈ ಮಾದರಿಯು ಒಮ್ಮತವಾಗಿ ಕ್ರೋಢೀಕರಿಸಲು ಸಾಧ್ಯವಾಯಿತು. ವರ್ಗಾವಣೆಯ ಕಲಿಕೆ, ಇತರ ಪರೀಕ್ಷೆಗಳಿಗೆ ಬೂಟ್-ಸ್ಟ್ರಾಪಿಂಗ್ ಮಾದರಿಯ ಅಳವಡಿಕೆಯಿಂದ ತುಂಬಾ ಸುಲಭವಾಯಿತು.
ಶ್ರಮದಿಂದ ಅಂಕಗಳಲ್ಲಿ ಮುನ್ನಡೆ ಸುಧಾರಣೆ : Embibe ವೇದಿಯಲ್ಲಿ ಸಂವಾದದಿಂದ ಕಲಿಕೆಯ ಫಲಿತಾಂಶವನ್ನು ಅಳೆಯಲಾಗುತ್ತದೆ. ನಿಮ್ಮ ದತ್ತಾಂಶದ ಇತಿಹಾಸ ಮತ್ತು ಕೇಂದ್ರೀಕೃತ ಸಂಶೋಧನೆ, ಇದು Embibe’ನ ಮೌಲ್ಯಮಾಪನದ ರೀತಿಯಾಗಿದೆ. ಇದು ಕಲಿಕೆಯ ಫಲಿತಾಂಶವನ್ನು ಹೆಚ್ಚಿಸಲು ಪ್ರಚೋದಿಸುತ್ತದೆ. ಹೆಚ್ಚಿನ ಪ್ರಯತ್ನದಲ್ಲಿ ವಿದ್ಯಾರ್ಥಿಗಳು ~50% ನಿವ್ವಳ ಅಂಕಗಳ ಸುಧಾರಣೆಯನ್ನು ಸಾಧಿಸಿದ್ದಾರೆ.
ವಿಷಯದ ಅನ್ವೇಷಣೆ ಮತ್ತು ಶಿಫಾರಸ್ಸುಗಳು: ಕಳೆದ ಎಂಟು ವರ್ಷಗಳಿಂದ ವಿದ್ಯಾರ್ಥಿಗಳು ನಮ್ಮ ವೇದಿಕೆಯಲ್ಲಿ ನಡೆಸಿದ ಸಂವಹನದ ವಿಸ್ತೃತ ದತ್ತಾಂಶವನ್ನು Embibe’ನ ಶೋಧನೆ-ಆಧಾರಿತ UI ಸಾಮರ್ಥ್ಯದ ಮೂಲದ ಸಂಗ್ರಹಿಸಿದೆ. ನಮ್ಮ ಸರ್ಚ್ ಎಂಜಿನ್ ಪಠ್ಯ ಆಧಾರಿತ ಸೇವೆಯಾಗಿದ್ದು, ಬಳಕೆದಾರರ ಹುಡುಕಾಟದ ಸಮನ್ವಯ ಕಾರ್ಯಗಳ ಆಧಾರದ ಮೇಲೆ ಸಂಬಂಧಿತ ಫಲಿತಾಂಶಗಳನ್ನು ಸಮರ್ಪಕವಾದ ಸಮಯದಲ್ಲಿ ಮರು-ಶ್ರೇಣಿ ನೀಡುತ್ತದೆ. ಐತಿಹಾಸಿಕ ಹುಡುಕಾಟ ಪ್ರವೃತ್ತಿಗಳು ಮತ್ತು ವಿಷಯ ಬಳಕೆ ಮಾದರಿಗಳು, ಪರೀಕ್ಷಾ ಮೂಲವನ್ನು ಆಧರಿಸಿ ಪರೀಕ್ಷೆಯ ವಿಷಯದ ಮೇಲಿನ ಕ್ಲಿಷ್ಟತೆ ಮತ್ತು ಬಳಕೆದಾರರ ಹಿಂದಿನ ಬಳಕೆದಾರರ ಪರಸ್ಪರ ಸಂವಾದ, ಅಂತಹ 25 ತೂಕದ ಅಂಶಗಳ ಪೈಕಿ ನೂರಾರು ಮಿಲಿಯನ್ ಸಂಭಾವ್ಯ ಸಂಯೋಜನೆಗಳ ಆಯ್ಕೆ ಮತ್ತು ಮರು-ಶ್ರೇಣಿಯನ್ನು ನೀಡಿದೆ. ಇದರ ಜೊತೆಗೆ, ವಿದ್ಯಾರ್ಥಿಗಳು ತಮ್ಮ ಸಮಯವನ್ನು ಕೇಂದ್ರೀಕರಿಸಲು ಉದ್ದೇಶಿತ ವಿಷಯಕ್ಕಾಗಿ ಶಿಫಾರಸ್ಸುಗಳನ್ನು ತೋರಿಸಲಾಗುತ್ತದೆ. ನಮ್ಮ ವೇದಿಕೆಯಲ್ಲಿ ಸಿಗುವ ಸಾಕಷ್ಟು ದತ್ತಾಂಶದ ಲಭ್ಯತೆಯನ್ನು ಮೂಲವಾಗಿಟ್ಟುಕೊಂಡು, ವೇದಿಕೆಯೊಂದಿಗಿನ ಅವರ ಹಿಂದಿನ ಸಂವಾದದ ಪರಸ್ಪರ ಪ್ರತಿಕ್ರಿಯೆಯ ಆಧಾರದ ಮೇಲೆ ಅಥವಾ ದತ್ತಾಂಶದ ಕೊರತೆಯಿರುವ ಸಂದರ್ಭಗಳಲ್ಲಿ ಬಳಕೆದಾರರನ್ನು ಆಧರಿಸಿ ಶಿಫಾರಸ್ಸನ್ನು ಅನುಮೋದಿಸಲಾಗುತ್ತದೆ.
Edtech ಗೆ AI ವೇದಿಕೆ ಆಗಲು ಏನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ
ಇಂದು ಜಗತ್ತಿನಲ್ಲಿ ಹಲವಾರು EdTech ಕಂಪನಿಗಳಿವೆ. ಈ ಕಂಪನಿಗಳಲ್ಲಿ ಹೆಚ್ಚಿನವು ಶಿಕ್ಷಣವನ್ನು ವ್ಯಕ್ತಿವಿಶಿಷ್ಟಗೊಳಿಸಲು ಮತ್ತು EdTech ಗಾಗಿ AI- ಚಾಲಿತ ವೇದಿಕೆಯನ್ನು ನಿರ್ಮಿಸಲು ಪರಿಹರಿಸಬೇಕಾದ ಸಮಸ್ಯೆಗಳ ಕೆಲವು ಉಪವಿಭಾಗಗಳ ಮೇಲೆ ಮಾತ್ರ ಗಮನ ಹರಿಸುತ್ತವೆ. ಕೆಳಗಿನ ಕೋಷ್ಟಕವು EdTech ಕಂಪನಿಯ ವಿಕಾಸವನ್ನು ತೋರಿಸುತ್ತದೆ ಏಕೆಂದರೆ ಅದು ಪರೀಕ್ಷಾ ತಯಾರಿ ಪೋರ್ಟಲ್‌ನಿಂದ ನಿಜವಾದ EdTech ವೇದಿಕೆ ಆಗಿ ಬದಲಾಗುತ್ತದೆ:
| ವಿಷಯ | ದತ್ತಾಂಶದ ಭಾಗಿ | ವಿಷಯ ತಜ್ಞರು | ಜ್ಞಾನ ನಕ್ಷೆ | ದತ್ತಾಂಶ ವಿಜ್ಞಾನ ಪ್ರಯೋಗಾಲಯ | ಸಾಧ್ಯತೆಗಳು |
| (1) ಅಂದಾಜು 250+ ಪ್ರಶ್ನೆಗಳು ಅಧ್ಯಾಯ ಮಟ್ಟದಲ್ಲಿ, (2)ಕನಿಷ್ಠ 3 ಅಧ್ಯಾಯ ಮಟ್ಟದ ಪರೀಕ್ಷೆಗಳು, (3) 10 ಪೂರ್ಣ ಪರೀಕ್ಷೆಗಳು | ಮೂಲ ಪರೀಕ್ಷೆ ತಯಾರಿ | ||||
| (1) ಅಂದಾಜು 250+ ಪ್ರಶ್ನೆಗಳು ಅಧ್ಯಾಯ ಮಟ್ಟದಲ್ಲಿ, (2)ಕನಿಷ್ಠ 3 ಅಧ್ಯಾಯ ಮಟ್ಟದ ಪರೀಕ್ಷೆಗಳು, (3) 10 ಪೂರ್ಣ ಪರೀಕ್ಷೆಗಳು | ಪ್ರಶ್ನೆಗಳಲ್ಲಿ ಕೆಲವು ಕನಿಷ್ಠ ಸಂಖ್ಯೆಯ ಬಳಕೆದಾರ-ಮಟ್ಟದ ಪ್ರಯತ್ನಗಳು | > ಮೂಲ ಪರೀಕ್ಷೆ ತಯಾರಿ + ಮೂಲ ಬಳಕೆದಾರ -ಮಟ್ಟದಲ್ಲಿ ಮರುಮಾಹಿತಿ ವಿಶ್ಲೇಷಣೆ | |||
| (1) ಅಂದಾಜು 250+ ಅಧ್ಯಾಯ ಮಟ್ಟದಲ್ಲಿನ ಪ್ರಶ್ನೆಗಳು , (2) ಕನಿಷ್ಠ 3 ಅಧ್ಯಾಯ ಮಟ್ಟದಲ್ಲಿ ಪರೀಕ್ಷೆಗಳು, (3) 10 ಪೂರ್ಣ ಪರೀಕ್ಷೆಗಳು, (4) 5 ವಿಷಯ ಕಲಿಕೆ (ವಿಡಿಯೋಗಳು, ಪಠ್ಯ , ಲಿಂಕ್‌ಗಳು) ಪ್ರತೀ ಪಾಠದಲ್ಲಿ. | ಪ್ರಶ್ನೆಗಳಲ್ಲಿ ಕೆಲವು ಕನಿಷ್ಠ ಸಂಖ್ಯೆಯ ಬಳಕೆದಾರ-ಮಟ್ಟದ ಪ್ರಯತ್ನಗಳು | ಮೂಲ ಪರೀಕ್ಷಾ ಸಿದ್ಧತೆ + ಮೂಲ ಮರುಮಾಹಿತಿ ವಿಶ್ಲೇಷಣೆ + ಕಲಿಕೆ | |||
| (1) ಅಂದಾಜು 500+ ಅಧ್ಯಾಯದ ಮಟ್ಟದಲ್ಲಿ ಪ್ರಶ್ನೆಗಳು , (2) ಕನಿಷ್ಠ 3 ಅಧ್ಯಾಯದ ಮಟ್ಟದಲ್ಲಿ ಪ್ರಶ್ನೆಗಳು , (3) 10 ಪೂರ್ಣ ಪರೀಕ್ಷೆಗಳು, (4) 5 ಪ್ರತೀ ಅಧ್ಯಾಯ ಮಟ್ಟದಲ್ಲಿ ವಿಷಯದ ಕಲಿಕೆ | ಎಲ್ಲಾ ಪ್ರಶ್ನೆಗಳ ಮೇಲೆ ಒಟ್ಟು ~6 ದಶಲಕ್ಷ ಪ್ರಯತ್ನಗಳಿಗೆ ಪ್ರತಿ ಪ್ರಶ್ನೆಗೆ ಕನಿಷ್ಠ 25+ ಪ್ರಯತ್ನಗಳು | ಆಂತರಿಕ ಶೈಕ್ಷಣಿಕ ತಜ್ಞ (1) ವಿಷಯದ ಶುದ್ಧೀಕರಣಕ್ಕೆ, (2)ಪರೀಕ್ಷೆಗಳ ಗುಣಮಟ್ಟ ನಿಯಂತ್ರಣ, (3) ಸಂದೇಹ ಪರಿಹಾರ | ಮೂಲ ಪರೀಕ್ಷಾ ತಯಾರಿ + ವಿವರಣಾತ್ಮಕ ಮರುಮಾಹಿತಿ ವಿಶ್ಲೇಷಣೆ + ಕಲಿಕೆ +ಸಂದೇಹ ಪರಿಹಾರ | ||
| (1) ಅಂದಾಜು 500+ ಅಧ್ಯಾಯ ಮಟ್ಟದಲ್ಲಿ ಪ್ರಶ್ನೆಗಳು , (2) ಕನಿಷ್ಠ 3 ಅಧ್ಯಾಯದ ಮಟ್ಟದಲ್ಲಿ ಪರೀಕ್ಷೆಗಳು , (3) 10 ಪೂರ್ಣ ಪರೀಕ್ಷೆಗಳು , (4) 5 ವಿಷಯಕ್ಕೆ ಅನುಗುಣವಾಗಿ ಅಧ್ಯಾಯದ ಕಲಿಕೆ | ಎಲ್ಲಾ ಪ್ರಶ್ನೆಗಳ ಮೇಲೆ ಒಟ್ಟು ~6 ದಶಲಕ್ಷ ಪ್ರಯತ್ನಗಳಿಗೆ ಪ್ರತಿ ಪ್ರಶ್ನೆಗೆ ಕನಿಷ್ಠ 25+ ಪ್ರಯತ್ನಗಳು | ಆಂತರಿಕ ಶೈಕ್ಷಣಿಕ ತಜ್ಞ (1) ವಿಷಯದ ಶುದ್ಧೀಕರಣಕ್ಕೆ, (2)ಪರೀಕ್ಷೆಗಳ ಗುಣಮಟ್ಟ ನಿಯಂತ್ರಣ, (3) ಸಂದೇಹ ಪರಿಹಾರ | (1) ಟಾಪಿಕ್‌ ಮಟ್ಟದಲ್ಲಿ ಮೂಲ ವರ್ಗೀಕರಣ ( ಪ್ರತೀ ಪಾಠಕ್ಕೆ~5 ಅಂದಾಜು ಟಾಪಿಕ್‌ಗಳು) ಅಂದಾಜು ~4000 ಟಾಪಿಕ್‌ಗಳವರೆಗೆ | ಉನ್ನತ ಪರೀಕ್ಷಾ ಸಿದ್ಧತೆ = ಮೂಲ ಪರೀಕ್ಷಾ ಸಿದ್ದತೆ + ವಿವರಾತ್ಮಕ ಮರುಮಾಹಿತಿ ವಿಶ್ಲೇಷಣೆ + ಕಲಿಕೆ +ಸಂದೇಹ ಪರಿಹಾರ + ವಿಷಯ ಮಟ್ಟದ ವೈಶಿಷ್ಟ್ಯಗಳು | |
| (1) ಅಂದಾಜು 500+ ಪ್ರಶ್ನೆಗಳು ಅಧ್ಯಾಯ ಮಟ್ಟದಲ್ಲಿ , (2) ಕನಿಷ್ಠ 3 ಅಧ್ಯಾಯ ಮಟ್ಟದಲ್ಲಿ ಪರೀಕ್ಷೆಗಳು, (3) 10 ಪೂರ್ಣ ಪರೀಕ್ಷೆಗಳು , (4) 5 ಪ್ರತೀ ಅಧ್ಯಾಯಕ್ಕೆ ವಿಷಯದ ಕಲಿಕೆ | ಅಂದಾಜು 100+ ಪ್ರತೀ ಪ್ರಶ್ನೆಗೆ ಪ್ರಯತ್ನಗಳು ಅಂದಾಜು ~20 ದಶಲಕ್ಷ ಪ್ರಯತ್ನಗಳು ಒಟ್ಟಾರೆ ಎಲ್ಲಾ ಪ್ರಶ್ನೆಗಳಿಗೆ | ಆಂತರಿಕ ಶೈಕ್ಷಣಿಕ ತಜ್ಞ (1) ವಿಷಯ ಶುದ್ಧೀಕರಣಕ್ಕೆ , (2) ಗುಣಮಟ್ಟದ ಪರಿಶೀಲನೆಗೆ, (3) ಸಂದೇಹ ಪರಿಹಾರಕ್ಕೆ (4) ದತ್ತಾಂಶ ವಿಜ್ಞಾನಿಗಳೊಂದಿಗೆ AI ಕಲ್ಪನೆಯ ಸೃಷ್ಟಿ | (1) ವಿಷಯದ ಮಟ್ಟದಲ್ಲಿ ಆಳವಾದ ವರ್ಗೀಕರಣ (~100 ಪ್ರತೀ ಪಾಠದ ವಿಷಯಕ್ಕೆ ) ~40K ಪರಿಕಲ್ಪನೆಗಳವರೆಗೆ | 4 ಮಂದಿ ದತ್ತಾಂಶ ವಿಜ್ಞಾನಿಗಳ ತಂಡ 2+ ವರ್ಷಗಳಿಂದ ಕೆಲಸ ನಿರ್ವಹಿಸುತ್ತಿದೆ | ಉನ್ನತ ಪರೀಕ್ಷಾ ಸಿದ್ದತೆ + ವೈಯಕ್ತಿಕರಣ + ಕಲಿಕೆಯ ಫಲಿತಾಂಶ |
| (1) ಅಂದಾಜು 500+ ಅಧ್ಯಾಯ ಮಟ್ಟದಲ್ಲಿ ಪ್ರಶ್ನೆಗಳು, (2) ಕನಿಷ್ಠ 3 ಅಧ್ಯಾಯ ಮಟ್ಟದಲ್ಲಿ ಪರೀಕ್ಷೆಗಳು , (3) 10 ಪೂರ್ಣ ಪರೀಕ್ಷೆಗಳು , (4) ಕನಿಷ್ಠ 5 ಪ್ರತೀ ಅಧ್ಯಾಯಕ್ಕೆ ವಿಷಯದ ಕಲಿಕೆ | ಅಂದಾಜು 150+ ಪ್ರಯತ್ನಗಳು (50 ಪ್ರತೀ ಸಮೂಹಕ್ಕೆ ) ಪ್ರತೀ ಪ್ರಶ್ನೆಗೆ ~30 ದಶಲಕ್ಷ ಪ್ರಯತ್ನಗಳು ಒಟ್ಟಾರೆ ಪ್ರಶ್ನೆಗಳಿಗೆ. | ಆಂತರಿಕ ಶೈಕ್ಷಣಿಕ (1) ವಿಷಯ ಶುದ್ಧೀಕರಣಕ್ಕೆ , (2) ಗುಣಮಟ್ಟದ ಪರಿಶೀಲನೆಗೆ, (3) ಅನುಮಾನ ಪರಿಹಾರಕ್ಕೆ (4) ದತ್ತಾಂಶ ವಿಜ್ಞಾನಿಗಳೊಂದಿಗೆ AI ಕಲ್ಪನೆಯ ಸೃಷ್ಟಿಗೆ | (1) ವಿಷಯದ ಮಟ್ಟದಲ್ಲಿ ಆಳವಾದ ವರ್ಗೀಕರಣವಿಜ್ಞಾನ (~100 ಪ್ರತೀ ಪಾಠದ ವಿಷಯಕ್ಕೆ ) ~40K ಪರಿಕಲ್ಪನೆಗಳವರೆಗೆ | 8 ಮಂದಿ ವಿಜ್ಞಾನಿಯರ ತಂಡ 2+ ವರ್ಷಗಳಿಂದ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸುತ್ತಿದ್ದಾರೆ. ಅಂದರೆ, ಸ್ವಯಂ ಸೇವನೆ (OCR), ಸ್ವಯಂ ಟ್ಯಾಗಿಂಗ್ (NLP, ML), ಪ್ಯಾಕೇಜಿಂಗ್ (ಆಪ್ಟಿಮೈಸೇಶನ್), ಜ್ಞಾನ ನಕ್ಷೆ ಸಿದ್ಧತೆ ಮತ್ತು ಮಾಪನಾಂಕ ನಿರ್ಣಯ (IR , ನಕ್ಷೆ ಸಿದ್ದತೆ, ML), ವರ್ತನೆಯ ಮಧ್ಯಸ್ಥಿಕೆ (ML), ವೈಯಕ್ತಿಕರಣ (IRT , ML) | ಶಿಕ್ಷಣಕ್ಕಾಗಿ AI ವೇದಿಕೆ = ಉನ್ನತ ಪರೀಕ್ಷಾ ಸಿದ್ದತೆ + ವೈಯಕ್ತಿಕರಣ + ಕಲಿಕೆಯ ಫಲಿತಾಂಶ + ಬುದ್ದಿವಂತಿಕೆಯ ಸೇವೆ |
