വ്യക്തിഗത അച്ചീവ്മെൻ്റ് ജേർണി

ഒരു വിദ്യാർത്ഥിക്ക് അവരുടെ നിലവിലെ വിജ്ഞാന നിലവാരം, മുൻകൂട്ടി നിശ്ചയിച്ച സമയ ദൈർഘ്യം, മുൻകൂട്ടി നിർവചിച്ച പാഠ്യപദ്ധതി, ഒരു വിദ്യാർത്ഥി എഴുതാന്‍ ആഗ്രഹിക്കുന്ന പരീക്ഷയ്ക്കുള്ള ആശയങ്ങളുടെ പ്രാധാന്യം, ഓരോ ആശയവും പ്രാവീണ്യം നേടാന്‍ ആവശ്യമായ പ്രയത്നം എന്നിവയ്ക്ക് അനുയോജ്യമായ ഒരു പഠനപാത നൽകാൻ ലക്ഷ്യമിടുന്നതാണ് പേഴ്സണലൈസ്ഡ് അച്ചീവ്മെൻ്റ് ജേർണി (PAJ). പഠന ഫലങ്ങൾ നൽകുന്നതിനുള്ള AI പ്ലാറ്റ്‌ഫോമായ Embibe ന് PAJ പരമപ്രധാനമാണ്. Embibe ൽ, പഠന ഫലങ്ങൾ കൈവരിക്കുന്നതിന് പ്രസക്തമായ സന്ദർഭോചിതമായ നോളജ് ഗ്രാഫിലൂടെയും പെരുമാറ്റ പ്രൊഫൈലിലൂടെയും ഞങ്ങൾ വിദ്യാർത്ഥികളുടെ ആശയ വൈദഗ്ദ്ധ്യം അളക്കുന്നു. വളരെ മികച്ച രീതിയില്‍ വ്യക്തിഗതമാക്കിയ പഠനവും പരിശീലനവും മൂല്യനിർണ്ണയ പാക്കുകളും നിർദ്ദേശിച്ചുകൊണ്ട് വിദ്യാർത്ഥികളുടെ പഠനം വേഗത്തിലാക്കാനുള്ള ഒരു അവസരം കൂടിയാണ് PAJ.

സമുചിതമായ ഒരു ലേണിംഗ് പാത രൂപകൽപന ചെയ്യുന്നതിലെ പ്രശ്‌നത്തെ രണ്ട് ഉപപ്രശ്നങ്ങളായി തിരിക്കാം – ആശയങ്ങളുടെ തിരഞ്ഞെടുപ്പും പഠനോപാധികളുടെ ക്രമവും, ആശയ വിശദീകരണ വീഡിയോകളും പരിശീലന ചോദ്യങ്ങളും എന്നിവയാണവ. പേഴ്സണലൈസ്ഡ് അച്ചീവ്മെന്റ് ജേർണി പൂർത്തിയാക്കാൻ അവശേഷിക്കുന്ന സമയത്തെ അടിസ്ഥാനമാക്കി ഏറ്റവും പ്രധാനപ്പെട്ട ആശയങ്ങൾ തിരഞ്ഞെടുക്കുന്ന ഒരു ഡൈനാമിക് പ്രോഗ്രാമിംഗ് പ്രശ്‌നമായി ഞങ്ങൾ സെലക്ഷനെ മാതൃകയാക്കി.

ഓരോ ആശയ പൂർത്തീകരണത്തിനു ശേഷവും അവശേഷിക്കുന്ന പഠനോപാധികളിൽ നിന്നുള്ള തിരഞ്ഞെടുക്കലിന് മൂല്യവും ചെലവും നോക്കേണ്ടതുണ്ട്. തിരഞ്ഞെടുക്കലിനൊപ്പം തന്നെ പരിഗണിക്കേണ്ട മറ്റൊന്ന് മുൻകൂട്ടി അറിഞ്ഞിരിക്കേണ്ടവ ഒഴിവാക്കുക എന്നതാണ്. ഇക്കാരണത്താൽ, വ്യക്തിഗത ആശയങ്ങൾക്ക് പകരം മൂല്യവും ചെലവും വിലയിരുത്തുന്നതിന് ഞങ്ങളുടെ ആശയ നോളജ് ഗ്രാഫിൽ നിന്നുള്ള ഉപഗ്രാഫുകൾ ഞങ്ങൾ ഉപയോഗിക്കുന്നു.

തുടർന്ന് അത് മൂല്യം/ചെലവ് അനുപാതത്തെ അടിസ്ഥാനമാക്കി ഉപഗ്രൂപ്പ് ആശയങ്ങൾ തിരഞ്ഞെടുക്കുന്നു, അവിടെ ഉപഗ്രൂപ്പിന്റെ മൂല്യം അന്തിമ പരീക്ഷയിലെ മൗലികതയെയും പ്രസക്തിയെയും സൂചിപ്പിക്കുന്നു. അതേസമയം വിദ്യാർത്ഥിയുടെ നിർദ്ദിഷ്ട പെരുമാറ്റ ഗുണങ്ങളെ അടിസ്ഥാനമാക്കി ആ ഉപഗ്രൂപ്പിൽ വൈദഗ്ധ്യം നേടാൻ വിദ്യാർത്ഥിക്ക് എത്ര സമയം ആവശ്യമാണ്, ഓരോ ആശയത്തിലുമുള്ള ആശയ വൈദഗ്ധ്യം എന്നിവ വിദ്യാർത്ഥികൾക്ക് പരമാവധി പഠന ഫലങ്ങൾ നേടാൻ കഴിയുന്ന തരത്തിലാണ്.

വിദ്യാർത്ഥിക്ക് ഒരു പഠന ഉള്ളടക്കം ആവശ്യമുണ്ടോ ഇല്ലയോ എന്ന് അൽഗോരിതം തീരുമാനിക്കുന്നു. അഡാപ്റ്റീവ് പ്രാക്ടീസ് അൽഗോരിതം അടിസ്ഥാനമാക്കി നൽകിയിരിക്കുന്ന ആശയം ഉപഗ്രൂപ്പിന് കീഴിലുള്ള എല്ലാ കഴിവുകളും വിദ്യാര്‍ത്ഥികള്‍  ഉൾക്കൊള്ളുന്നത് വരെ ഇത് പരിശീലന ചോദ്യങ്ങളും നൽകുന്നു.

മുകളിൽ സൂചിപ്പിച്ച രണ്ട് വ്യവസ്ഥകളും ഒരു മാർക്കോവ് ശൃംഖലയെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. അത് ആശയ വൈദഗ്ധ്യം എന്ന നിലയിൽ അതിന്റെ ഏറ്റവും പുതിയ അവസ്ഥയുള്ളതാണ്, അത് ബയേസിയൻ നോളജ് ട്രെയ്‌സിംഗ് എന്നറിയപ്പെടുന്ന ബയേസിയൻ പ്രോബബിലിറ്റി ഉപയോഗിച്ച് അപ്‌ഡേറ്റ് ചെയ്യുന്നു. മാത്രമല്ല, ഓരോ ഘട്ടത്തിലും, സമുചിതമായ സമയ വിഹിതം ഉറപ്പാക്കാൻ അൽഗോരിതം പുനഃക്രമീകരിക്കും.

ലക്ഷ്യമിടുന്ന പരീക്ഷയ്ക്ക് പ്രാധാന്യമുള്ള മുൻ ഗ്രേഡുകളിൽ നിന്നുള്ള മുൻകൂട്ടി അറിഞ്ഞിരിക്കേണ്ട ആശയങ്ങളും വ്യക്തിഗതമാക്കിയ ജൈത്ര യാത്രാ അൽഗോരിതം പരിഗണിക്കുന്നു. അതിനാൽ, ഒരു വിദ്യാർത്ഥിക്ക് നൽകിയിരിക്കുന്ന സിലബസിന് മോശം അടിസ്ഥാനതത്വങ്ങളുണ്ടെങ്കിൽ, അൽഗോരിതം അടിസ്ഥാന ആശയങ്ങളിലേക്ക് ആഴ്ന്നിറങ്ങുകയും നിലവിലെ ഗ്രേഡിൽ നിന്ന് മുന്നേറുന്നതിന് മുമ്പ് അവരുടെ അടിസ്ഥാനകാര്യങ്ങൾ പരിഹരിക്കാൻ വിദ്യാർത്ഥികളെ സഹായിക്കുന്ന മുൻ ഗ്രേഡിൽ നിന്നുള്ള ഏറ്റവും കുറഞ്ഞ നിലയിലുള്ള പഠന ഉള്ളടക്കം തിരഞ്ഞെടുക്കുകയും ചെയ്യുന്നു.

DEMO VIDEO

References

[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).