विद्यार्थ्यांना साध्य करण्यात मदत करण्यासाठी सखोल ज्ञान अनुरेखन

विद्यार्थ्याची ज्ञान पातळी समजणे हा एक प्रवासच आहे. आम्ही या ज्ञानाचा उपयोग त्यांच्या 'पर्सनलाइज्ड अचिव्हमेंट जर्नी' तक्ता तयार करण्यासाठी करतो.

‘लर्न’, ‘प्रॅक्टिस’ आणि ‘टेस्ट’ जर्नीतील विद्यार्थ्यांच्या डेटाद्वारे समर्थित प्रत्येक ध्येयासाठी तयार केलेले ‘पर्सनलाइज्ड अचिव्हमेंट जर्नी’ ‘अचिव्ह’ तयार करते. ‘अचिव्ह’ चा पाया Embibe च्या कॉन्सेप्टवरील प्रभुत्वासाठी सखोल ज्ञान अनुरेखन अल्गोरिदमवर बांधला गेला आहे. खालील ‘अचिव्ह’ ची ठळक वैशिष्ट्ये आहेत:

  1. Embibe च्या AI द्वारे स्वयंचलित टेस्ट जनरेटरद्वारे तयार केलेल्या गतिमानपणे व्युत्पन्न निदान मूल्यांकनांद्वारे ‘अचिव्ह’ हे विद्यार्थ्याचे सामर्थ्य आणि उणिवा शोधते.
  2. हे पूर्व-तयारीआवश्यक असेलल्या टॉपिक्सवर प्रभुत्व मिळवणे, सध्याची परीक्षा/धडा/विषयावर प्रभुत्व मिळवणे,आगामी काळातील जीवनातील ध्येये आणि कौशल्यांचा पाया मजबूत करणे यासह एक किंवा अनेक साध्य उद्दिष्टे निवडते.
  3. हे अनेक पायऱ्यांमध्ये यशाचे उद्दिष्ट खंडित करते आणि Embibe’s च्या मालकीच्या अचिव्हमेंट इंजिनवर आधारित प्रत्येक पायरीसाठी एक जर्नी तयार करते.
  4. प्रत्येक पायरी ही लर्निंग कॉन्टेन्टचा संच असते, जसे व्हिडिओ किंवा प्रॅक्टिस कॉन्टेन्टचा संच, जसे प्रश्न.
  5. यातील प्रत्येक संच हा विद्यार्थ्यांचे कॉन्सेप्टवरील सामर्थ्य आणि उणिवांवर आधारित पर्सनलाइज्ड आणि गतिमानपणे तयार केला जातो. पायऱ्यांचे गतिमानपणे पुन्ह: अंशाकन हे प्रवासाच्या आधीच्या पायऱ्यांमधील कामगिरीवर आधारित असते.
  6. जर्नीच्या शेवटी विद्यार्थ्याच्या सामर्थ्याचे आणि उणीवांचे ते पुन्हा मूल्यांकन करते.

मशीन लर्निंग पद्धती, नियमानुसार, बोधात्मक सेटिंग्जमध्ये गंभीरपणे लागू केल्या जातात. त्यांचा उपयोग क्षमता आणि पात्रता, ग्रेड टेस्ट, सामाजिक विद्वत्तापूर्ण उदाहरणे पाहण्यासाठी, उपलब्ध उत्तरांचे मूल्यांकन करण्यासाठी, योग्य सूचनात्मक दायित्वाची शिफारस करण्यासाठी आणि तुलनात्मक शिक्षण गुणधर्म किंवा शैक्षणिक आवडी असलेले विद्यार्थी एकत्र करण्यासाठी किंवा भागीदार करण्यासाठी केला जातो.

‘अचिव्ह’ हे सखोल ज्ञान अनुरेखन तंत्रावर आधारित आहे. AI-पॉवर्ड लर्निंग हे जागतिक दर्जाचे शिक्षण आणि सूचनांमध्ये मुक्त प्रवेशाचे आश्वासन देते आणि शिक्षणाचा वाढता खर्च कमी करते. ज्ञान अनुरेखन हे विद्यार्थी भविष्यातील परस्परसंवादात अचूकपणे कसे कामगिरी करतील याचा अंदाज लावण्यासाठी विद्यार्थ्यांच्या ज्ञानाचे कालांतराने मॉडेलिंग केले जाते. या कार्यात सुधारणा करणे म्हणजे विद्यार्थ्यांना त्यांच्या वैयक्तिक गरजा आणि कॉन्टेन्टच्या आधारावर संसाधने सुचवली जाऊ शकतात जी खूप सोपी किंवा खूप कठीण असल्याचा अंदाज लावला जाऊन वगळले जाऊ शकते किंवा विलंबीत केले जाऊ शकते.

दोन प्रमाणित विचलनांच्या क्रमात एका विद्यार्थ्यासाठी एक मानवी प्रशिक्षक हे  सरासरी विद्यार्थ्याच्या शिकण्यात फायदा निर्माण करू शकते. मशीन लर्निंगची उत्तरे हे उच्च-गुणवत्तेच्या वैयक्तिक लर्निंगचे फायदे जगातील कोणालाही विनामूल्य प्रदान करू शकतात.

Embibe वर ‘अचिव्ह’ द्वारे पाऊल टाकल्याने विद्यार्थ्यांना त्यांचे सामर्थ्य आणि त्यांच्यातील उणिवा तपासण्यात मदत होते. या थीममध्ये अधिक ऊर्जा गुंतवून आणि त्यांनी किती सुधारणा केली हे जाणून घेण्यासाठी अधिक टेस्ट देऊन विद्यार्थ्यांना त्यांच्या कमकुवत विषयांवर सुधारणा करण्यास मदत करते. Embibe विद्यार्थ्याच्या कमकुवत थीम शिकते आणि त्यांना त्यांच्यातील उणिवा दूर करण्यासाठी साहित्य आणि अपेक्षित दिशा देते. त्याचप्रमाणे, खरे विद्यार्थी त्यांच्या उणिवांना भरून काढण्यासाठी किती प्रयत्नशील आहेत हे लक्षात येण्यासाठी सिंसॉरिटी स्कोअर आहे.

Embibe विद्यार्थ्यांनी दिलेल्या टेस्टवर विविध प्रकारचे विश्लेषण प्रदान करते:

एकूणच विश्लेषण: विद्यार्थी परीक्षेचा कसा प्रयत्न करतो यावर आधारित, त्यांचे वर्तन बेफिकीर, सलग एका विषयाचा अभ्यास न करणे कधी या तर कधी त्या विषयाचा अभ्यास करणे, अंदाजित उत्तरे देणारे इ. सारखे वेगवेगळे असू शकते.

प्रश्ननिहाय विश्लेषण: हे एका विद्यार्थ्याने सहा श्रेणींमध्ये प्रयत्न केलेल्या प्रत्येक प्रश्नाचे विश्लेषण प्रदान करते, ते म्हणजे, खूप वेगवान अयोग्य, परिपूर्ण प्रयत्न, ज्यादा वेळ घेऊन केलेला अयोग्य प्रयत्न, ज्यादा वेळ घेऊन केलेला योग्य प्रयत्न, वाया गेलेला प्रयत्न, चुकीचा प्रयत्न आणि न केलेला प्रयत्न.

कौशल्यानुसार विश्लेषण: प्रश्नांचे वर्गीकरण विविध स्तरांनुसार केले जाते, जसे की उपयोजन, आकलन, घोकंपट्टी आणि विश्लेषण. विद्यार्थ्याच्या प्रयत्नांच्या परिणामकारकतेवर आधारित, त्यांचे कौशल्य-स्तरीय विश्लेषण दिले जाते.