स्मार्ट टॅगींग – इंटेलिजन्ट कॉन्टेन्टकडे

स्मार्ट टॅगींग – इंटेलिजन्ट कॉन्टेन्टकडे 

विद्यार्थ्याला कॉन्सेप्ट कितपत समजली आहे याचे अनुमान लावण्याकरीता ऑनलाईन मुल्यांकन वापरतात, मूल्यमापन प्रणालीमध्ये वापरलेले प्रश्न संकल्पना आणि इतर मेटाडेटा जसे की काठिण्य पातळी, सोडवण्यास लागणारा वेळ, कौशल्ये इत्यादींसह टॅग करणे आवश्यक आहे, त्या कॉन्टेन्टच्या संदर्भात त्याचा उपयोग विद्यार्थी कॉन्सेप्टमध्ये कमजोर आहे किंवा ती समजण्याची पातळी ओळखण्यासाठी  केला जाऊ शकतो.

सामान्यतः, मेटाडेटा चे रूपरेखन तज्ञ शिक्षकांद्वारे व्यक्तिश: केले जाते. तथापि, प्रश्नांचा मोठा डेटासंच रूपरेखा करणे आवश्यक असताना हे प्रतिबंधितपणे महाग आहे. शिवाय, डेटा संचाच्या वेगवेगळ्या उपसमूहांवर काम करणारे अनेक व्यक्ती व्याख्या करणारे असल्यामुळे जेव्हा डेटासेटचे व्यक्तीश: हाताने रूपरेखन होते तेव्हा ते नेहमीच मानवी पूर्वाग्रहीत असतो.

Embibe ने मशिन लर्निंग दृष्टीकोन विकसित केला आहे ज्याचे दोन फायदे आहेत जे प्रश्नांना मेटाडेटा रूपरेखन करण्यासाठी व्यक्तीश: व्याख्या केलेले डेटा संच आणि सार्वजनिकरित्या मुक्त वापरासाठी उपलब्ध असलेले डेटा स्त्रोतचा वापर करते. या लेखामध्ये, आपण संकल्पनाचे रूपरेखन करण्यासाठी वापरण्यात येणारी  Embibe ची स्मार्ट टॅगिग प्रणाली पाहणार आहोत.

Embibe ची स्मार्ट टॅगिग प्रणाली मजकूर कॉन्टेन्ट समजून घेण्यासाठी नैसर्गिक भाषा प्रक्रीया/ नैसर्गिक भाषा समज (NLP/NLU) , प्रतिमे पासून अर्थ शोधून काढण्यासाठी डिप लर्नीग (सखोल शिकणे) वापरतात, आणि दोन्ही पर्यवेक्षीत आणि अपर्यवेक्षीत ML अल्गोरिदम हे कॉन्सेप्टची क्रमबद्ध सूची ठरवण्यासाठी ज्यांची विशिष्ट प्रश्नाशी संबधीत असण्याची सर्वाधिक शक्यता असते.

वरील आकृती 1 मध्ये  Embibe च्या स्मार्ट टॅगीग सिस्टम ही हजारो प्रश्नांचा समावेश असलेल्या यादृच्छिकपणे निवडलेल्या संचावर संकल्पना करीताचे परिणाम दाखवते. आम्ही Embibe च्या स्मार्ट टॅगीग सिस्टम आणि गर्दीचा असलेल्या प्रशिक्षकांच्या परिणामांची तुलना करतो. या चाचण्यांसाठी सत्य आधारीत मुलभूत डेटासंच तीन वेगळ्या विद्याशाखांमध्ये स्वतंत्र तज्ञांच्या बहुमतांच्या मतदानाचा वापर करून तयार केला गेला आहे.

आकृती 1 मध्ये डावीकडील आलेख असा दर्शवितो की स्मार्ट टॅगिग आणि लोंकानी निवडलेले प्रशिक्षक हे  दोन्ही संबंधित संकल्पना – टॉप पाच सर्वात संबंधित कॉन्सेप्ट- एका प्रश्नासाठी नियुक्त करताना समान दराने कार्य करतात.आकृती 1 मधील उजवीकडील आलेख मनोरंजक आहे. हे दर्शविते की कॉन्सेप्ट सुंसगता गुणसंख्येद्वारे क्रमबद्ध केल्यावर प्रश्नासाठी नियुक्त केलेली सर्वात संबंधित संकल्पना लोंकानी निवडलेले प्रशिक्षकाच्या तुलनेत स्मार्ट टॅगिंगद्वारे नियुक्त केली जाण्याची शक्यता चार पट जास्त असते.