ଆର୍ଟିଫିସିଆଲ୍ ଇଣ୍ଟେଲିଜେନ୍ସ ମାଧ୍ୟମରେ ଶିକ୍ଷାକ୍ଷେତ୍ରରେ ଲର୍ଣ୍ଣିଂ ଆଉଟକମ୍‌କୁ ପ୍ରଭାବିତ କରିବା

ଆର୍ଟିଫିସିଆଲ୍ ଇଣ୍ଟେଲିଜେନ୍ସ ମାଧ୍ୟମରେ ଶିକ୍ଷାକ୍ଷେତ୍ରରେ ଲର୍ଣ୍ଣିଂ ଆଉଟକମ୍‌କୁ ପ୍ରଭାବିତ କରିବା

ସାରା ବିଶ୍ୱ ଡିଜିଟାଲ୍ ଯୁଗରେ ପ୍ରବେଶ କରିସାରିଛି । ବ୍ୟବସାୟ, ଯୋଗାଯୋଗ, ଭ୍ରମଣ, ସ୍ୱାସ୍ଥ୍ୟ କିମ୍ବା ଶିକ୍ଷା, ସବୁ କ୍ଷେତ୍ରରେ ଆଜି ମଣିଷ ପାଇଁ ଟେକ୍ନୋଲୋଜି କାର୍ଯ୍ୟ କରୁଛି । ବିଶ୍ୱସ୍ତରରେ ଉନ୍ନତ ଟେକ୍ନୋଲୋଜିକୁ ଗ୍ରହଣ କରି ଶିକ୍ଷାକ୍ଷେତ୍ରରେ ଅନେକ ଚମତ୍କାରିତା ଦେଖିବାକୁ ମିଳିଛି । ଦ୍ରୁତ ଗତିରେ ବିକଶିତ ହେଉଥିବା ଟେକ୍ନୋଲୋଜିଗୁଡ଼ିକ ମଧ୍ୟରେ ମୁଖ୍ୟ ହେଉଛି ଆର୍ଟିଫିସିଆଲ୍ ଇଣ୍ଟେଲିଜେନ୍ସ ଏବଂ ଏହାର ପ୍ରଭାବ ସୁଦୂରପ୍ରସାରୀ । ଆର୍ଟିଫିସିଆଲ୍ ଇଣ୍ଟେଲିଜେନ୍ସର ଅନେକ ସିଦ୍ଧାନ୍ତ ଦଶନ୍ଧି ପୁରୁଣା ହୋଇଥିବାବେଳେ, କମୋଡିଟି କମ୍ପ୍ୟୁଟିଂ ହାର୍ଡୱେରର ବିସ୍ତାର ଏହାକୁ ପୂର୍ବ ଅପେକ୍ଷା ଅଧିକ ସୁଗମ ଏବଂ ବ୍ୟବହାରଯୋଗ୍ୟ କରିଛି ।

ଭାରତରେ ବିଦ୍ୟାଳୟସ୍ତରୀୟ ଶିକ୍ଷା ବିଗତ ଦଶନ୍ଧି ମଧ୍ୟରେ ବେଶ୍ ଉନ୍ନତି କରିଛି । 90 ଦଶକର ମୋଟ ନାମଲେଖାର ସର୍ବାଧିକ ଅନୁପାତ ଏବଂ ପୂର୍ବ ବର୍ଷଗୁଡିକ ତୁଳନାରେ ଅଧିକ ବଜେଟ୍ ବ୍ୟବସ୍ଥା ଯୋଗୁଁ ଶିକ୍ଷା ବ୍ୟବସ୍ଥା ଅଗ୍ରଗତି କରିଛି । ତଥାପି, ବିଦ୍ୟାର୍ଥୀ ଧାରଣ ହାର ହ୍ରାସ ଏବଂ ଲର୍ଣ୍ଣିଂ ଆଉଟକମ୍‌ରେ ଧୀର ବିକାଶ ଆଦି ସମସ୍ୟା ଯୋଗୁଁ ବିଶ୍ୱସ୍ତରୀୟ ମାନଦଣ୍ଡ ସହ ସମକକ୍ଷ ହେବା ଏବେ ବି ଭାରତ ପାଇଁ ଏକ ଚ୍ୟାଲେଞ୍ଜ ହୋଇ ରହିଛି । ଭାରତର ଶିକ୍ଷାଗତ ଦୃଶ୍ୟପଟ୍ଟରେ ଅଧିକାଂଶ ପରିବର୍ତ୍ତନ ସାଧାରଣତଃ ବେସରକାରୀ ସଂସ୍ଥାଗୁଡିକ ପକ୍ଷରୁ ଆରମ୍ଭ ହୋଇଥାଏ ଏବଂ ତଥ୍ୟ ଭିତ୍ତିକ ଆଭିମୁଖ୍ୟ ଦ୍ୱାରା ପରିଚାଳିତ ନୂତନ ଆବିଷ୍କାରଗୁଡ଼ିକ ଭାରତର ପ୍ରମୁଖ ବିଦ୍ୟାଳୟଗୁଡ଼ିକରେ କାର୍ଯ୍ୟ କରିଥାଏ  ।

ଉନ୍ନତ ଡାଟା ମାଇନିଂ, ବିଷୟବସ୍ତୁ ବୋଧ, ଶିକ୍ଷାର୍ଥୀ ପ୍ରୋଫାଇଲ୍ ଓ ଶିକ୍ଷକଙ୍କ କାର୍ଯ୍ୟ ବୃଦ୍ଧି ଲର୍ଣ୍ଣିଂ ଆଉଟକମ୍‌ରେ ଉନ୍ନତିକୁ ଦର୍ଶାଇଥାଏ । ଶିକ୍ଷା, ଛାତ୍ର, ଶିକ୍ଷକ ଓ ଅନୁଷ୍ଠାନ ଆଦି ସମସ୍ତ ହିତାଧିକାରୀଙ୍କ ପାଇଁ ପାରମ୍ପାରିକ ଶିକ୍ଷା ନିଦର୍ଶନରେ ବ୍ୟାଘାତର ମଧ୍ୟ ଏହା ପ୍ରତିଫଳନ । ଆର୍ଟିଫିସିଆଲ୍ ଇଣ୍ଟେଲିଜେନ୍ସ-ଆଧାରିତ ଟେକ୍ନୋଲୋଜି ପ୍ଲାଟଫର୍ମଗୁଡିକ ସମଗ୍ର ଦେଶରେ ଶିକ୍ଷା କ୍ଷେତ୍ରକୁ ପ୍ରଭାବିତ କରିବାରେ ଲାଗିଛି । ଏହି ବ୍ୟବସ୍ଥାରେ ବ୍ୟକ୍ତିଗତ ପାଠ୍ୟକ୍ରମ ପ୍ରସ୍ତୁତି, ଛାତ୍ରମାନଙ୍କ ପାଇଁ ଶିକ୍ଷଣ ପ୍ରସ୍ତାବ, ଶିକ୍ଷାର୍ଥୀମାନଙ୍କର ଏକାଡେମିକ୍ ଓ ଆଚରଣଗତ ଦୁର୍ବଳତାକୁ ଚିହ୍ନଟ ସହିତ ସମୟ ସାପେକ୍ଷ, ପୁନରାବୃତ୍ତି କାର୍ଯ୍ୟଗୁଡ଼ିକୁ ସ୍ୱୟଂଚାଳିତ କରିବାର ସୁବିଧା ଥିବାରୁ ଶିକ୍ଷକମାନେ ଶିକ୍ଷାଦାନ ଉପରେ ଭଲ ଭାବରେ ଧ୍ୟାନ ଦେଇପାରୁଛନ୍ତି ।

ଆର୍ଟିଫିସିଆଲ୍ ଇଣ୍ଟେଲିଜେନ୍ସ-ଚାଳିତ  EdTech ପ୍ଲାଟଫର୍ମ ଶିକ୍ଷାଗତ ଜ୍ଞାନ ଆଧାର, ଇଣ୍ଟେଲିଜେଣ୍ଟ୍ କଣ୍ଟେଣ୍ଟ୍ ଅଟୋମେସନ୍ ଓ କ୍ୟୁରେସନ୍ ଆଦି ଆଧାରଶିଳା ଉପରେ ପ୍ରସ୍ତୁତ ହୋଇଛି । ଶିକ୍ଷାର୍ଥୀ ଓ ଦକ୍ଷ ଶିକ୍ଷାଦାନ ଉପାୟ ବ୍ୟବସ୍ଥାର ପାରସ୍ପରିକ ସୂକ୍ଷ୍ମ ତଥ୍ୟକୁ ଧରି ରଖିଥିବା ଏକ ଶୈକ୍ଷିକ ତଥ୍ୟସ୍ଥଳୀ ଶିକ୍ଷାର୍ଥୀମାନଙ୍କ ଜୀବନକୁ ବହୁତ ପ୍ରଭାବିତ କରିଥାଏ ।

ଏଠାରୁ ସମ୍ପୂର୍ଣ୍ଣ ଆର୍ଟିକିଲ୍ ଡାଉନଲୋଡ୍ କରନ୍ତୁ ।

ସନ୍ଦର୍ଭ:

  1. Corbett, A. T. and Anderson, J. R. (1994), “Knowledge tracing: Modeling the acquisition of procedural knowledge,” User modeling and user-adapted interaction, vol. 4, no. 4, pp. 253–278, 1994
  2. Cukier, Kenneth (2019). “Ready for Robots? How to Think about the Future of AI”. Foreign Affairs. 98 (4): 192, August 2019.
  3. Faldu, K., Avasthi, A. and Thomas, A. (2018) “Adaptive learning machine for score improvement and parts thereof,” US20180090023A1, Mar 29, 2018.
  4. Lin, Y., Liu, Z., Sun, M., Liu, Y., & Zhu, X. (2015). Learning entity and relation embeddings for knowledge graph completion. In 29th AAAI Conference on Artificial Intelligence, Feb 2015.