വിദ്യാർത്ഥികളെ അച്ചീവ് ചെയ്യുന്നതിന് സഹായിക്കുന്നതിനായി ആഴത്തിലുള്ള അറിവ് കണ്ടെത്തൽ

ഒരു വിദ്യാർത്ഥിയുടെ വിജ്ഞാന തലങ്ങൾ മനസ്സിലാക്കുക എന്നത് തന്നെ ഒരു യാത്രയാണ്. അവരുടെ 'പേഴ്സണലൈസ്ഡ് അച്ചീവ്മെന്‍റ് ജേർണി' ചാർട്ട് ചെയ്യാൻ ഞങ്ങൾ ഈ അറിവ് ഉപയോഗിക്കുന്നു

ലേൺ, പ്രാക്ടീസ്, ടെസ്റ്റ് എന്നീ യാത്രകളിലുടനീളമുള്ള വിദ്യാർത്ഥികളുടെ ഡാറ്റ ഉപയോഗിച്ച് പ്രവർത്തിക്കുന്ന എല്ലാ ലക്ഷ്യങ്ങൾക്കും അനുസൃതമായി  ‘അച്ചീവ് വ്യക്തിഗത അച്ചീവ്മെന്‍റ്  ജേര്‍ണി സൃഷ്ടിക്കുന്നു. പാഠ്യഭാഗ പ്രാവീണ്യത്തിന് വേണ്ടിയുള്ള Embibe-ന്‍റെ ആഴത്തിലുള്ള വിജ്ഞാന ട്രെയ്‌സിംഗ് അൽഗോരിതത്തിലാണ്  ‘അച്ചീവ്’ എന്നതിന്‍റെ അടിസ്ഥാനം നിർമ്മിച്ചിരിക്കുന്നത്. ‘അച്ചീവ്’-ന്‍റെ പ്രധാന സവിശേഷതകൾ താഴെ കൊടുത്തിരിക്കുന്നവയാണ്:

  1. Embibe-ന്‍റെ AI- ൽ പ്രവർത്തിക്കുന്ന ഓട്ടോമേറ്റഡ് ടെസ്റ്റ് ജനറേറ്റർ വഴി സൃഷ്‌ടിച്ച പ്രയാസനിർണയ അസസ്‌മെന്‍റുകളിലൂടെ ഒരു വിദ്യാർത്ഥിയുടെ ശക്തിയും ബലഹീനതയും ‘അച്ചീവ്’ കണ്ടെത്തുന്നു.
  2. ആവശ്യമായ വൈദഗ്ദ്ധ്യം നേടുക, നിലവിലെ പരീക്ഷ/അധ്യായം/വിഷയം എന്നിവയിൽ പ്രാവീണ്യം നേടുക, ഭാവി ജീവിത ലക്ഷ്യങ്ങൾക്കും കഴിവുകൾക്കുമുള്ള അടിത്തറ ശക്തിപ്പെടുത്തുക തുടങ്ങി ഒന്നോ അതിലധികമോ നേട്ട ലക്ഷ്യങ്ങൾ തിരഞ്ഞെടുക്കുന്നു.
  3. ഇത് അചീവ്മെൻ്റ് ലക്ഷ്യത്തെ ഒന്നിലധികം ഘട്ടങ്ങളായി വിഭജിക്കുകയും Embibe-ന്‍റെ ഉടമസ്ഥതയിലുള്ള അച്ചീവ്‌ എഞ്ചിനെ അടിസ്ഥാനമാക്കി ഓരോ ഘട്ടത്തിനും ഒരു യാത്ര സൃഷ്ടിക്കുകയും ചെയ്യുന്നു.
  4. ഓരോ സ്റ്റെപ്പും വിഡിയോകൾ പോലെയുള്ള ലേൺ ഉള്ളടക്കങ്ങളുടെ ഒരു കൂട്ടമോ, ചോദ്യങ്ങൾ പോലെയുള്ള പ്രാക്‌ടീസ്‌ ഉള്ളടക്കങ്ങളുടെ കൂട്ടമോ ആണ്.
  5. ഈ സെറ്റുകളിൽ ഓരോന്നും വ്യക്തിഗതമാക്കുകയും ചലനാത്മകമായി സൃഷ്ടിക്കപ്പെടുകയും ചെയ്യുന്നത് വിദ്യാർത്ഥികളുടെ ശക്തിയും ദൗർബല്യവും അടിസ്ഥാനമാക്കിയാണ്. ഒരു ജേർണിയുടെ മുൻ ഘട്ടങ്ങളിലെ പ്രകടനത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് ചുവടുകളുടെ ഡൈനാമിക് റീ-കാലിബ്രേഷൻ.
  6. യാത്രയുടെ അവസാനത്തിൽ വിദ്യാർത്ഥിയുടെ ശക്തിയും ബലഹീനതയും ഇത് വീണ്ടും വിലയിരുത്തുന്നു.

മെഷീൻ ലേണിംഗ് രീതികൾ, ഒരു നിയമം പോലെ, പ്രബോധന ക്രമീകരണങ്ങളിൽ ഗൗരവമായി പ്രയോഗിക്കുന്നു. കഴിവുകൾ, ഗ്രേഡ് ടെസ്റ്റുകൾ, സാമൂഹിക പണ്ഡിത ഉദാഹരണങ്ങൾ, ലഭ്യമായ ഉത്തരങ്ങൾ വിലയിരുത്തൽ, ശരിയായ പ്രബോധന ആസ്തികൾ ശുപാർശ ചെയ്യൽ എന്നിവ താരതമ്യപ്പെടുത്താവുന്ന പഠന ഗുണങ്ങളോ അക്കാദമിക് താൽപ്പര്യങ്ങളോ ഉള്ള വിദ്യാർത്ഥികളെ ഒന്നിപ്പിക്കാനോ പങ്കാളിയാക്കാനോ ഉപയോഗിക്കുന്നു.

ഡീപ് നോളജ് ട്രെയ്‌സിംഗ് ടെക്‌നിക്കിനെ അടിസ്ഥാനമാക്കിയുള്ളതാണ് ‘അച്ചീവ്’. AI-അധിഷ്ഠിത വിദ്യാഭ്യാസം ലോകോത്തര അധ്യാപനത്തിലേക്കും ബോധനത്തിലേക്കും തുറന്ന പ്രവേശനം വാഗ്ദാനം ചെയ്യുകയും വർദ്ധിച്ച് വരുന്ന പഠനച്ചെലവ് കുറയ്ക്കുകയും ചെയ്യുന്നു. ഭാവിയിലെ ഇടപെടലുകളിൽ വിദ്യാർത്ഥികൾ എങ്ങനെ കൃത്യമായി പ്രവർത്തിക്കുമെന്ന് പ്രവചിക്കാൻ കാലക്രമേണ വിദ്യാർത്ഥികളുടെ അറിവിനെ മാതൃകയാക്കുന്നതാണ് നോളജ് ട്രെയ്‌സിംഗ്. ഈ ടാസ്‌ക്കിലെ മെച്ചപ്പെടുത്തൽ അർത്ഥമാക്കുന്നത് വിദ്യാർത്ഥികൾക്ക് അവരുടെ വ്യക്തിഗത ആവശ്യങ്ങൾ അടിസ്ഥാനമാക്കി റിസോഴ്സുകൾ നിർദ്ദേശിക്കാമെന്നും വളരെ എളുപ്പമുള്ളതോ വളരെ ബുദ്ധിമുട്ടുള്ളതോ ആണെന്ന് പ്രവചിക്കപ്പെടുന്ന ഉള്ളടക്കം ഒഴിവാക്കുകയോ വൈകിക്കുകയോ ചെയ്യാമെന്നുമാണ്.

രണ്ട് സ്റ്റാൻഡേർഡ് ഡീവിയേഷനുകളുടെ ക്രമത്തിൽ ഒരു ശരാശരി വിദ്യാർത്ഥിക്ക് പഠന നേട്ടം ഉണ്ടാക്കാൻ വൺ-ഓൺ-വൺ ഹ്യൂമൻ ട്യൂട്ടറിങ്ങിന് കഴിയും. മെഷീൻ ലേണിംഗ് സൊല്യൂഷനുകൾക്ക് ഉയർന്ന നിലവാരമുള്ള വ്യക്തിഗതമാക്കിയ അധ്യാപനത്തിന്റെ ഈ നേട്ടങ്ങൾ ലോകത്തിലെ ആർക്കും സൗജന്യമായി നൽകാൻ കഴിയും.

Embibe-ലെ ‘അച്ചീവ്’ വിദ്യാർത്ഥികളെ അവരുടെ ശക്തിയും ബലഹീനതയും അന്വേഷിക്കാൻ സഹായിക്കുന്നു. ഈ തീമുകളിൽ കൂടുതൽ ശ്രദ്ധ ചെലുത്തുകയും അവർ മെച്ചപ്പെടുത്തിയ അളവ് അറിയാൻ കൂടുതൽ പരിശോധനകൾ നൽകുകയും ചെയ്തുകൊണ്ട് അവരുടെ ദുർബലമായ വിഷയങ്ങൾ മെച്ചപ്പെടുത്താൻ ഇത് വിദ്യാർത്ഥികളെ സഹായിക്കുന്നു. Embibe വിദ്യാർത്ഥിയുടെ ദുർബലമായ തീമുകൾ പഠിക്കുകയും അവരുടെ പോരായ്മകളെ പരാജയപ്പെടുത്തുന്നതിനുള്ള മെറ്റീരിയലും പ്രതീക്ഷിക്കുന്ന ദിശയും നൽകുകയും ചെയ്യുന്നു. അതുപോലെ, തങ്ങളുടെ പോരായ്മകളെ പരാജയപ്പെടുത്താനുള്ള അവരുടെ ശ്രമങ്ങളിൽ എത്രത്തോളം ആത്മാർത്ഥത ഉണ്ടെന്ന് മനസ്സിലാക്കാൻ ഒരു ആത്മാര്‍ത്ഥത സ്കോർ ഉണ്ട്.

വിദ്യാർത്ഥികൾ എടുക്കുന്ന പരീക്ഷയിൽ Embibe വിവിധ തരം വിശകലനങ്ങൾ നൽകുന്നു:

മൊത്തത്തിലുള്ള വിശകലനം: ഒരു വിദ്യാർത്ഥി എങ്ങനെ പരീക്ഷയ്ക്ക് ശ്രമിക്കുന്നു എന്നതിനെ അടിസ്ഥാനമാക്കി, അവരുടെ പെരുമാറ്റം അശ്രദ്ധ, ജംപിങ് എറൌണ്ട്, ഗെറ്റിംഗ് ദേർ മുതലായവയിൽ നിന്ന് വ്യത്യാസപ്പെടാം.

ചോദ്യാടിസ്ഥാനത്തിലുള്ള വിശകലനം: അമിതവേഗ-തെറ്റ്, മികച്ച അറ്റെംപ്റ്റ്, അധികസമയ-തെറ്റ്, അധികസമയ-ശരി, പാഴായ അറ്റെംപ്റ്റ്, തെറ്റായ ഉത്തരം, അറ്റെംപ്റ്റ് ചെയ്യാത്തത്  എന്നിങ്ങനെ ആറ് വിഭാഗങ്ങൾക്ക് കീഴിൽ ഒരു വിദ്യാർത്ഥി ശ്രമിച്ച ഓരോ ചോദ്യത്തിന്‍റെയും വിശകലനം ഇത് നൽകുന്നു.
പ്രാവീണ്യത്തെ അടിസ്ഥാനമാക്കിയുള്ള വിശകലനം: ആപ്ലിക്കേഷൻ, കോംപ്രിഹെൻഷൻ, റോട്ട് ലേണിംഗ്, അനാലിസിസ് എന്നിങ്ങനെ വിവിധ ബ്ലൂം ലെവലുകൾക്ക് കീഴിൽ ചോദ്യങ്ങൾ തരം തിരിച്ചിരിക്കുന്നു. വിദ്യാർത്ഥിയുടെ ശ്രമത്തിന്‍റെ ഫലപ്രാപ്തിയെ അടിസ്ഥാനമാക്കി, അവരുടെ പ്രാവീണ്യം അടിസ്ഥാനമാക്കിയുള്ള വിശകലനം നൽകുന്നു.