ज्ञान पातळी आणि वर्तन पद्धती यांचा मागोवा घेऊन विध्यार्थ्याची गुण मिळविण्याची क्षमता मोजणे

“प्रत्येकजण हुशार आहे. पण जर आपण एखाद्या माशाची त्याच्या झाडावर चढण्याच्या क्षमतेवरून परीक्षा केली तर संपूर्ण आयुष्य तो मूर्ख आहे असे मानून जगेल.” — आईन्स्टाईन

हे वाक्य जगभरातील विद्यार्थ्यांच्या त्रासाचा सारांश देते. शैक्षणिक संस्था आणि नियुक्ती करणारे केवळ परीक्षांनाच उत्कृष्टतेचा पुरावा मानतात. वर्षभर सर्वोत्कृष्ट किंवा वाईट असूनही, विद्यार्थी परीक्षेत काय करतो हे महत्वाचे आहे. या त्रासात भर म्हणजे, गुणवत्तापूर्ण शिक्षकांची मागणी आणि पुरवठा यातील मोठी तफावत यामुळे विद्यार्थी-शिक्षक गुणोत्तर कमी झाले आहे. शिक्षक प्रभावीपणे प्रत्येक विद्यार्थ्याकडे वैयक्तिकृत, वैयक्तिक लक्ष देऊ शकत नाहीत. या सर्व समस्यांवर मात करण्यासाठी, आपण विद्यार्थ्यांना त्यांच्या पूर्ण क्षमतेपर्यंत पोहोचण्यासाठी त्यांना आवश्यक असलेल्या गोष्टी, त्यांना आवश्यक असताना आणि त्यांच्या गतीने प्रदान करणे आवश्यक आहे.

हे साध्य करण्यासाठी, ‘Embibe स्कोअर कोशंट’ म्हणून ओळखल्या जाणार्‍या वैज्ञानिक पॅरामीटर्सचा वापर करून परीक्षेत विद्यार्थ्यांची कामगिरी करण्याची सध्याची क्षमता मोजते. Embibe, एकंदरीत, विद्यार्थ्याची गुण मिळवण्याची क्षमता अनेक सूक्ष्म-सुप्त गुणधर्मांमधील शैक्षणिक प्रवीणता आणि आचरणावर अवलंबून असते. हे आपल्याला कमी टेस्ट गुणांसाठी जबाबदार असलेल्या अचूक घटकांची कमतरता दर्शवू देते.

आपल्या प्रणालीला जागेवरच शिफारसी प्रदान करणाऱ्या ‘Embibe स्कोअर कोशंट’ चे मुख्य घटक आहेत:

1. शैक्षणिक कोशंट: हे विद्यार्थ्यांची शैक्षणिक क्षमता दर्शवते. Embibe येथे, विद्यार्थ्यांची शैक्षणिक क्षमता त्यांच्या कॉन्सेप्टवरील प्रभुत्वाच्या मदतीने मोजली जाते. कॉन्सेप्टवरील प्रभुत्व विद्यार्थ्याच्या कॉन्सेप्टवरील प्रभुत्वाचे मोजमाप आहे जे विद्यार्थी व्हिडिओ पाहणे, प्रश्नांची प्रॅक्टिस करणे, टेस्ट देणे किंवा टेस्ट अभिप्रायाची समीक्षा करणे आणि अशा इतर अनेक कृती करत असताना रिअल-टाइममध्ये कॅलिब्रेट केले जाते. 
2. वर्तन कोशंट हे टेस्ट देण्याच्या संदर्भात विद्यार्थ्याचे आचरण विषयक स्वभाववैशिष्ट्य दर्शविते. यात उप-श्रेणींचा समावेश होतो, जसे की वर्तन कोशंट आणि टेस्ट देण्याच्या कौशल्याच्या कोशंटचा समावेश आहे.
   1. उद्देश्य कोशंट विद्यार्थ्याच्या ज्ञानाचा विचार न घेता त्याचा शैक्षणिक दृष्टीकोन किंवा हेतू दर्शविते. या श्रेणीमध्ये विचारात घेतलेली काही अ-परिपूर्ण वैशिष्ट्ये आहेत, व्यर्थ प्रयत्नांची संख्या, विषय बदलण्याची संख्या, कोणत्याही प्रश्नाचा प्रयत्न न करता घालवलेला वेळ आणि इतर तत्सम वैशिष्ट्ये.
   2. टेस्ट देण्याच्या कौशल्याचा कोशंट एखाद्या विद्यार्थ्याची टेस्ट-देण्याची क्षमता दर्शवितो. अधिक चांगली कॉन्सेप्ट देण्यासाठी, या श्रेणीमध्ये विचारात घेतलेल्या इतर समान वैशिष्ट्यांसह काही आहेत पाहिलेल्या प्रश्नांची संख्या आणि पुनरावलोकनासाठी चिन्हांकित केलेल्या प्रश्नांची संख्या.

3.  प्रयत्नाचे कोशंट विद्यार्थी शिकताना किती मेहनत घेतो हे दर्शवते. प्रयत्नाचे कोशंट आपल्याला विद्यार्थ्याची परीक्षेत गुण मिळविण्याची क्षमता समजून घेण्यास अनुमती देते. या श्रेणी अंतर्गत थेट व्याख्या करण्यायोग्य वैशिष्ट्ये म्हणजे प्रॅक्टिस सत्राची संख्या, प्रॅक्टिसमध्ये घालवलेला एकूण वेळ आणि इतर तत्सम कृतींची संख्या.

जागेवरच देण्यात येणाऱ्या शिफारसीसाठी मशीन लर्निंग मॉडेल

मशीन लर्निंग मॉडेल वास्तविकते बाबतचा अंदाज आहे. परिमाणवाचक किंवा नैसर्गिक भाषेत त्या वास्तविकतेचे प्रतिपादन करण्यासाठी आकलन हे एक माध्यम मानले जाऊ शकते. शक्य असेल तेथे व्याख्या करण्यायोग्य मॉडेल वापरण्याचे आवाहन केले जाते. अगदी अपारदर्शक सखोल लर्निंग मॉडेलमध्ये देखील व्याख्या प्रदान करण्यात वाढ दिसत आहे. व्याख्याक्षमता लक्षात ठेवून, अशा समृद्ध आणि अत्यंत व्याख्या करण्यायोग्य वैशिष्ट्यांसह रचलेला Embibe स्कोअर कोशंट विद्यार्थ्यांना तत्क्षणी शिफारसी प्रदान करण्याची सुविधा देतो. तत्क्षणी शिफारशींचा उद्देश त्यांच्या कमकुवत कॉन्सेप्टमध्ये सुधारणा करणे आणि आचरणविषयक अभिप्राय अतिसूक्ष्म आणि कृती-केंद्रित पद्धतीने प्रदान करणे आहे.

उदाहरणार्थ, उच्च शैक्षणिक कोशंट असलेल्या विद्यार्थ्यासाठी, उच्च उद्देश्य कोशंट परंतु टेस्ट देण्याच्या कौशल्याचे कमी कोशंट, प्रणाली असे सुचवेल, “आपण विषयाच्या कॉन्टेन्टबद्दल अनिश्चित असलेल्या प्रश्नांवर खूप वेळ घालवता. आपल्या टेस्टसाठी आपल्याला अधिक वेळ देता येईल यासाठी तो वेळ कमी करा.” विविध परिस्थितींसाठी विविध सूचना दिल्या जातात.

निष्कर्ष असा आहे की, Embibe स्कोअर कोशंट, जो विद्यार्थ्यांच्या शैक्षणिक, आचरण विषयक आणि प्रयत्न परिमाणांमध्ये क्षमतेचा अंदाज आहे, ते Embibe च्या AI इंजिनला व्यक्तिनिष्ठ, वैयक्तिक लक्ष प्रदान करून शिक्षक-विद्यार्थी गुणोत्तर कमी करण्याची अनुमती देते. याव्यतिरिक्त, Embibe स्कोअर कोशंटसह आपण AI इंजिनच्या कोअरमध्ये प्रणालीचा मानवी संवाद देखील सुधारतो आणि तिला स्पष्टीकरण करण्यायोग्य AI च्या अधिक जवळ आणतो.