ਕਿਸੇ ਵਿਦਿਆਰਥੀ ਦੇੇ ਗਿਆਨ ਦੀ ਸਮਰੱਥਾ ਅਤੇ ਵਿਵਹਾਰਕ ਪੈਟਰਨ ਨੂੰ ਦੇਖਕੇ ਅੰਕ ਲੈਣ ਦੀ ਯੋਗਤਾ ਨੂੰ ਮਾਪਣਾ

“ਹਰ ਕੋਈ ਇੱਕ ਪ੍ਰਤਿਭਾਵਾਨ ਹੈ। ਪਰ ਜੇਕਰ ਤੁਸੀਂ ਇੱਕ ਮੱਛੀ ਨੂੰ ਦਰਖਤ ‘ਤੇ ਚੜ੍ਹਨ ਦੀ ਯੋਗਤਾ ਦੁਆਰਾ ਨਿਰਣਾ ਕਰਦੇ ਹੋ, ਤਾਂ ਉਹ ਆਪਣੀ ਪੂਰੀ ਜ਼ਿੰਦਗੀ ਇਹ ਮੰਨਦੀ ਰਹੇਗੀ ਕਿ ਉਹ ਮੂਰਖ ਹੈ।” — ਆਈਨਸਟਾਈਨ

ਇਹ ਹਵਾਲਾ ਦੁਨੀਆ ਭਰ ਦੇ ਵਿਦਿਆਰਥੀਆਂ ਦੀਆਂ ਮੁਸ਼ਕਲਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਵਿਦਿਅਕ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਭਰਤੀ ਕਰਨ ਵਾਲੇ ਸਿਰਫ਼ ਇਮਤਿਹਾਨਾਂ ਨੂੰ ਹੀ ਉੱਤਮਤਾ ਦਾ ਸਬੂਤ ਮੰਨਦੇ ਹਨ। ਸਾਰਾ ਸਾਲ ਸਭ ਤੋਂ ਵਧੀਆ ਜਾਂ ਮਾੜਾ ਹੋਣ ਦੇ ਬਾਵਜੂਦ, ਇੱਕ ਵਿਦਿਆਰਥੀ ਪ੍ਰੀਖਿਆ ਵਿੱਚ ਕੀ ਕਰਦਾ ਹੈ ਉਹ ਸਭ ਤੋਂ ਹੇਠਲੀ ਲਾਈਨ ਹੈ। ਮੁਸੀਬਤਾਂ ਨੂੰ ਜੋੜਦੇ ਹੋਏ, ਮਿਆਰੀ ਅਧਿਆਪਕਾਂ ਦੀ ਮੰਗ ਅਤੇ ਸਪਲਾਈ ਵਿੱਚ ਇੱਕ ਵੱਡਾ ਪਾੜਾ ਹੋਣ ਕਾਰਨ ਵਿਦਿਆਰਥੀ-ਅਧਿਆਪਕ ਅਨੁਪਾਤ ਵਿੱਚ ਕਮੀ ਆਈ ਹੈ। ਅਧਿਆਪਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਹਰੇਕ ਵਿਦਿਆਰਥੀ ਨੂੰ ਵਿਅਕਤੀਗਤ, ਵਿਅਕਤੀਗਤ ਧਿਆਨ ਨਹੀਂ ਦੇ ਸਕਦੇ ਹਨ। ਇਹਨਾਂ ਸਾਰੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਦੂਰ ਕਰਨ ਲਈ, ਸਾਨੂੰ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਉਹ ਪ੍ਰਦਾਨ ਕਰਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਉਹਨਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਜਦੋਂ ਉਹਨਾਂ ਨੂੰ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਅਤੇ ਉਹਨਾਂ ਦੀ ਪੂਰੀ ਸਮਰੱਥਾ ਤੱਕ ਪਹੁੰਚਣ ਲਈ ਉਹਨਾਂ ਦੀ ਆਪਣੀ ਗਤੀ ਨਾਲ।

ਇਸ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, Embibe ‘Embibe ਅੰਕ ਵੰਡ’ ਵਜੋਂ ਜਾਣੇ ਜਾਂਦੇ ਵਿਗਿਆਨਕ ਮਾਪਦੰਡਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪ੍ਰੀਖਿਆ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਦੀ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਮੌਜੂਦਾ ਯੋਗਤਾ ਨੂੰ ਮਾਪਦਾ ਹੈ। Embibe, ਸਮੁੱਚੇ ਤੌਰ ‘ਤੇ, ਮੰਨਦਾ ਹੈ ਕਿ ਇੱਕ ਵਿਦਿਆਰਥੀ ਦੀ ਸਕੋਰ ਕਰਨ ਦੀ ਯੋਗਤਾ ਅਕਾਦਮਿਕ ਮੁਹਾਰਤ ਅਤੇ ਵਿਹਾਰ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ਜੋ ਕਿ ਬਹੁਤ ਸਾਰੇ ਵਧੀਆ-ਗੁਪਤ ਗੁਣਾਂ ਵਿੱਚ ਹੁੰਦੀ ਹੈ। ਇਹ ਸਾਨੂੰ ਘੱਟ ਟੈਸਟ ਸਕੋਰਾਂ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਸਹੀ ਤੱਤਾਂ ਦੀ ਘਾਟ ਨੂੰ ਦਰਸਾਉਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ।

ਪਰ, ਇਸ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ, ਸਾਨੂੰ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਪ੍ਰੀਖਿਆ ਵਿੱਚ ਪਾਲਣਾ ਕਰਨ ਦੀ ਵਰਤਮਾਨ ਯੋਗਤਾ ਨੂੰ ਮਾਪਣਾ ਚਾਹੀਦਾ ਹੈ। ਹੁਣ, ਇਕੱਲੇ ਅੰਕ ਕਿਸੇ ਵਿਦਿਆਰਥੀ ਦੀ ਯੋਗਤਾ ਦੀ ਸਮੁੱਚੀ ਜਾਣਕਾਰੀ ਨਹੀਂ ਦੇ ਸਕਦੇ ਕਿਉਂਕਿ ਇੱਥੇ ਵਿਦਿਆਰਥੀ ਹਨ ਜੋ ਕਲਾਸ ਵਿੱਚ ਵਧੀਆ ਪਾਲਣਾ ਕਰਦੇ ਹਨ ਪਰ ਪ੍ਰੀਖਿਆ ਵਿੱਚ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਇਸ ਲਈ, ਐਮਬਾਇਬ ਨੇ ਐਮਬਾਇਬ ਅੰਕ ਵੰਡ ਵਜੋਂ ਜਾਣੀ ਜਾਂਦੀ ਪ੍ਰੀਖਿਆ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਨ ਕਰਨ ਦੀ ਵਿਦਿਆਰਥੀ ਦੀ ਯੋਗਤਾ ਨੂੰ ਮਾਪਣ ਲਈ ਇੱਕ ਮਾਪਦੰਡ ਪੇਸ਼ ਕੀਤਾ।  ਐਮਬਾਈਬ, ਸਮੁੱਚੇ ਤੌਰ ‘ਤੇ, ਦੱਸਦਾ ਹੈ ਕਿ ਕਿਸੇ ਵਿਦਿਆਰਥੀ ਦੀ ਅੰਕ ਲੈਣ ਦੀ ਯੋਗਤਾ ਅੰਕਾਂ ਅਤੇ ਉਪਭੋਗਤਾ ਦੇ ਵਿਵਹਾਰ ‘ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ ਜੋ ਕਈ ਵਧੀਆ-ਦਾਣੇ ਵਾਲੇ ਲੁਕਵੇਂ ਗੁਣਾਂ ਵਿੱਚ ਹੈ। ਐਮਬਾਈਬ ਅੰਕ ਵੰਡ ਸਾਨੂੰ ਵਿਵਹਾਰਕ ਲੱਛਣਾਂ ਕਰਕੇ ਸਿੱਖਿਆ ਸੰਬੰਧੀ ਮੁਹਾਰਤ ਜਾਂ ਗਲਤੀਆਂ ਦੀ ਕਮੀ ਨੂੰ ਦਰਸਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਜੋ ਘੱਟ ਟੈਸਟ ਸਕੋਰਾਂ ਦਾ ਕਾਰਨ ਬਣਦੇ ਹਨ।

Embibe ਅੰਕ ਵੰਡ ਦੇ ਮੁੱਖ ਭਾਗ ਜੋ ਸਾਡੀ ਵਿਵਸਥਾ ਨੂੰ ਸਪਾਟ ਸਿਫਾਰਸ਼ਾਂ ਦੇਣ ਦੀ ਆਗਿਆ ਦਿੰਦੇ ਹਨ ਉਹ ਹਨ ਸਿੱਖਿਆ ਸੰਬੰਧੀ ਵੰਡ, ਵਿਵਹਾਰ ਵੰਡ, ਅਤੇ ਕੋਸ਼ਿਸ਼ ਵੰਡ

1.ਸਿੱਖਿਆ ਸੰਬੰਧੀ ਵੰਡ: ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਸਿੱਖਿਆ ਸੰਬੰਧੀ ਸਮਰੱਥਾ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਐਮਬਾਈਬ ਵਿਖੇ, ਇੱਕ ਵਿਦਿਆਰਥੀ ਦੀ ਸਿੱਖਿਆ ਸੰਬੰਧੀ ਸਮਰੱਥਾ ਦੀ ਗਣਨਾ ਸੰਕਲਪ ਮਾਸਟਰੀ ਦੀ ਮਦਦ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਸੰਕਲਪ ਮੁਹਾਰਤ ਕਿਸੇ ਵਿਦਿਆਰਥੀ ਦੀ ਇੱਕ ਸੰਕਲਪ ਦੀ ਮੁਹਾਰਤ ਦਾ ਪੈਮਾਨਾ ਹੈ ਜੋ ਅਸਲ ਸਮੇਂ ਵਿੱਚ ਦਰਜ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਕਿ ਵਿਦਿਆਰਥੀ ਵੀਡੀਓ ਦੇਖਣ, ਸਵਾਲਾਂ ਦਾ ਅਭਿਆਸ ਕਰਨ, ਟੈਸਟ ਲੈਣ ਜਾਂ ਟੈਸਟ ਦੀ ਪੁਸ਼ਟੀ ਸਮੀਖਿਆ ਕਰਨ, ਅਤੇ ਹੋਰ ਬਹੁਤ ਸਾਰੀਆਂ ਗਤੀਵਿਧੀਆਂ ਕਰਦਾ ਹੈ।

2.ਵਿਵਹਾਰਿਕ ਵੰਡ ਟੈਸਟ ਲੈਣ ਨਾਲ ਸਬੰਧਿਤ ਵਿਦਿਆਰਥੀ ਦੇ ਵਿਵਹਾਰਿਕ ਲੱਛਣਾਂ ਨੂੰ ਦਰਸਾਉਂਦਾ ਹੈ। ਇਸ ਵਿੱਚ ਉਪ-ਸ਼੍ਰੇਣੀਆਂ ਸ਼ਾਮਲ ਹਨ, ਜਿਵੇਂ ਕਿ ਉਦੇਸ਼ ਵੰਡ ਅਤੇ ਟੈਸਟ ਲੈਣ ਦੇ ਹੁਨਰਾਂ ਦੀ ਵੰਡ।

1.ਉਦੇਸ਼ ਵੰਡ ਕਿਸੇ ਵਿਦਿਆਰਥੀ ਦੇ ਸਕੂਲੀ ਰਵੱਈਏ ਜਾਂ ਉਦੇਸ਼ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਚਾਹੇ ਉਹ ਕਿਸੇ ਵੀ ਗਿਆਨ ਦਾ ਹੋਵੇ। ਇਸ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਵਿਚਾਰੀਆਂ ਗਈਆਂ ਕੁਝ ਗੈਰ-ਸੰਪੂਰਨ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਬਰਬਾਦ ਕੀਤੀਆਂ ਕੋਸ਼ਿਸ਼ਾਂ ਦੀ ਗਿਣਤੀ, ਪਾਤਰਾਂ ਦੀ ਅਦਲਾ-ਬਦਲੀ ਦੀ ਗਿਣਤੀ, ਕਿਸੇ ਸਵਾਲ ਦੀ ਕੋਸ਼ਿਸ਼ ਨਾ ਕਰਨ ਵਿੱਚ ਬਿਤਾਇਆ ਸਮਾਂ, ਅਤੇ ਹੋਰ ਅਜਿਹੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹਨ।

2.ਟੈਸਟ ਲੈਣ ਦੀ ਮੁਹਾਰਤ ਵੰਡ ਕਿਸੇ ਵਿਦਿਆਰਥੀ ਦੀ ਟੈਸਟ ਲੈਣ ਦੀ ਯੋਗਤਾ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਇੱਕ ਬਿਹਤਰ ਵਿਚਾਰ ਦੇਣ ਲਈ, ਇਸ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਵਿਚਾਰੀਆਂ ਗਈਆਂ ਕੁਝ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਹੋਰ ਸਮਾਨ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਦੇ ਨਾਲ-ਨਾਲ, ਉਹਨਾਂ ਸਵਾਲਾਂ ਦੀ ਗਿਣਤੀ ਅਤੇ ਸਮੀਖਿਆ ਲਈ ਚਿੰਨ੍ਹਿਤ ਪ੍ਰਸ਼ਨਾਂ ਦੀ ਸੰਖਿਆ ਹਨ।

3.ਕੋਸ਼ਿਸ਼ ਵੰਡ ਇੱਕ ਵਿਦਿਆਰਥੀ ਦੁਆਰਾ ਸਿੱਖਦੇ ਸਮੇਂ ਕੀਤੀ ਗਏ ਜਤਨ ਪੱਧਰ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ। ਜਤਨ ਵੰਡ ਸਾਨੂੰ ਇਮਤਿਹਾਨਾਂ ਵਿੱਚ ਅੰਕ ਲੈਣ ਦੀ ਵਿਦਿਆਰਥੀ ਦੀ ਸਮਰੱਥਾ ਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਇਸ ਸ਼੍ਰੇਣੀ ਦੇ ਤਹਿਤ ਕੁਝ ਸਿੱਧੇ ਤੌਰ ‘ਤੇ ਵਿਆਖਿਆਯੋਗ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਅਭਿਆਸ ਸੈਸ਼ਨਾਂ ਦੀ ਸੰਖਿਆ, ਅਭਿਆਸ ਵਿੱਚ ਬਿਤਾਏ ਗਏ ਕੁੱਲ ਸਮੇਂ, ਅਤੇ ਹੋਰ ਅਜਿਹੀਆਂ ਯੋਜਨਾਵਾਂ ਹਨ।.

ਸਪਾਟ ਸਿਫ਼ਾਰਿਸ਼ ਲਈ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ

ਇੱਕ ਮਸ਼ੀਨ ਮਾਡਲ ਸਿੱਖਣਾ ਹਕੀਕਤ ਦਾ ਅਨੁਮਾਨ ਹੈ। ਇੱਕ ਅਨੁਵਾਦ ਨੂੰ ਇੱਕ ਮਾਧਿਅਮ ਮੰਨਿਆ ਜਾ ਸਕਦਾ ਹੈ ਤਾਂ ਜੋ ਇਹ ਦਾਅਵਾ ਕੀਤਾ ਜਾ ਸਕੇ ਕਿ ਅਸਲੀਅਤ ਜਾਂ ਤਾਂ ਮਾਤਰਾਤਮਿਕ ਜਾਂ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਵਿੱਚ ਹੈ। ਇਸ ਨੂੰ ਵਿਆਖਿਆਯੋਗ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਅਪੀਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿੱਥੇ ਸੰਭਵ ਹੋਵੇ  ਅਪਾਰਦਰਸ਼ੀ ਜਾਪਦੇ ਡੂੰਘੇ ਸਿੱਖਣ ਦੇ ਮਾਡਲਾਂ ਨੂੰ ਵੀ ਵਿਆਖਿਆਵਾਂ ਦੇਣ ਵਿੱਚ ਵਾਧਾ ਹੋਇਆ ਹੈ। ਵਿਆਖਿਆ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ, ਐਮਬਾਇਬ ਅੰਕ ਵੰਡ ਜੋ ਅਜਿਹੀਆਂ ਵਧੀਆ ਅਤੇ ਬਹੁਤ ਵਿਆਖਿਆਯੋਗ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨਾਲ ਬਣਾਇਆ ਗਿਆ ਹੈ, ਸਾਨੂੰ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਸਪਾਟ ਸਿਫਾਰਸ਼ਾਂ ਦੇਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਸਪਾਟ ਸਿਫਾਰਸ਼ਾਂ ਦਾ ਉਦੇਸ਼ ਉਹਨਾਂ ਦੇ ਕਮਜ਼ੋਰ ਸੰਕਲਪਾਂ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨਾ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਦਾਣੇਦਾਰ ਅਤੇ ਕਾਰਵਾਈ-ਮੁਖੀ ਤਰੀਕੇ ਨਾਲ ਵਿਵਹਾਰਕ ਪੁਸ਼ਟੀ ਕਰਨਾ ਹੈ।

ਉਦਾਹਰਨ ਲਈ, ਉੱਚ ਸਿੱਖਿਆ ਸੰਬੰਧੀ ਵੰਡ, ਉੱਚ ਉਦੇਸ਼ ਵਾਲੇ ਵੰਡ ਵਾਲੇ ਪਰ ਘੱਟ ਟੈਸਟ ਲੈਣ ਵਾਲੇ ਵਿਦਿਆਰਥੀ ਲਈ, ਵਿਵਸਥਾ ਦੱਸੇਗੀ, “ਤੁਸੀਂ ਉਹਨਾਂ ਸਵਾਲਾਂ ‘ਤੇ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਮਾਂ ਬਿਤਾਉਂਦੇ ਹੋ ਜਿੱਥੇ ਤੁਹਾਨੂੰ ਵਿਸ਼ਾ ਸੂਚੀ ਬਾਰੇ ਪੱਕਾ ਪਤਾ ਨਹੀਂ ਹੈ। ਆਪਣੇ ਟੈਸਟ ‘ਤੇ ਤੁਹਾਨੂੰ ਸਮੁੱਚੇ ਤੌਰ ‘ਤੇ ਵੱਧ ਸਮਾਂ ਦੇਣ ਲਈ ਉਸ ਸਮੇਂ ਨੂੰ ਘਟਾਓ।” ਜਾਂ “ਤੁਸੀਂ ਆਪਣੇ ਟੈਸਟ ਦੀ ਕੋਸ਼ਿਸ਼ ਸ਼ੁਰੂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸਾਰੇ ਸਵਾਲਾਂ ਨੂੰ ਪੜ੍ਹਨ ਵਿੱਚ ਬਹੁਤ ਘੱਟ ਸਮਾਂ ਬਿਤਾਉਂਦੇ ਹੋ।” ਪਹਿਲੀ ਵਾਰ ਪੜ੍ਹਨ ਲਈ ਵੱਧ ਸਮਾਂ ਬਿਤਾਓ ਤਾਂ ਜੋ ਤੁਸੀਂ ਆਪਣੇ ਟੈਸਟ ਮਾਰਗ ਦੀ ਬਿਹਤਰ ਯੋਜਨਾ ਬਣਾ ਸਕੋ।

ਸਿਸਟਮ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨ ਵਾਲੇ ਅਤੇ ਐਮਬਾਇਬ ਸਕੋਰ ਵੰਡ ਨੂੰ ਘੱਟ ਸਿੱਖਿਆ ਸੰਬੰਧੀ ਵੰਡ ਨਾਲ ਤਿਆਰ ਕਰਨ ਲਈ, ਪਰ ਉੱਚ ਉਦੇਸ਼ ਵੰਡ ਅਤੇ ਉੱਚ ਟੈਸਟ ਲੈਣ ਵਾਲੇ ਭਾਗ ਲੈਣ ਲਈ, ਇੰਜਣ ਵਿਦਿਆਰਥੀ ਨੂੰ ਇੱਕ  ਅਸਥਾਨ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ ਜਿਵੇਂ, “ਤੁਹਾਨੂੰ ਅਧਿਆਇ X ਲਈ ਵਿਸ਼ਾ ਸੂਚੀ  ਦਾ ਅਭਿਆਸ ਕਰਨ ਲਈ ਵੱਧ ਸਮਾਂ ਚਾਹੀਦਾ ਹੈ, ਤਾਂ ਜੋ ਵਧੀਆ ਪਾਲਣਾ ਕੀਤੀ ਜਾ ਸਕੇ

ਅੰਤ ਵਿੱਚ, ਐਮਬਾਈਬ ਸਕੋਰ ਵੰਡ, ਜੋ ਸਿੱਖਿਆ ਸੰਬੰਧੀ, ਵਿਵਹਾਰਕ ਅਤੇ ਕੋਸ਼ਿਸ਼ ਦੇ ਆਯਾਮਾਂ ਵਿੱਚ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਯੋਗਤਾ ਦਾ ਅਨੁਮਾਨ ਹੈ, ਐਮਬਾਈਬ ਦੇ AI ਇੰਜਣ ਵਿਦਿਆਰਥੀ ਨੂੰ ਵਿਅਕਤੀਗਤ ਧਿਆਨ ਦੇ ਕੇ ਘੱਟ ਅਧਿਆਪਕ-ਵਿਦਿਆਰਥੀ ਅਨੁਪਾਤ ਨੂੰ ਘੱਟ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, AI ਇੰਜਣ ਦੇ ਮੂਲ ਵਿੱਚ ਐਮਬਾਈਬ ਅੰਕ ਵੰਡ ਦੇ ਨਾਲ, ਅਸੀਂ ਵਿਵਸਥਾ ਦੀ ਮਨੁੱਖੀ ਵਿਆਖਿਆ ਨੂੰ ਵੀ ਵਧਾਉਂਦੇ ਹਾਂ, ਜਿਸ ਨਾਲ ਇਹ ਵਿਆਖਿਆਯੋਗ AI ਦੇ ਨੇੜੇ ਆ ਜਾਂਦਾ ਹੈ।

ਨਿਰਦੇਸ਼:

[1] ਕੀਉਰ ਫਾਲਡੂ, ਅਦਿਤੀ ਅਵਸਥੀ, ਅਤੇ ਅਚਿੰਤ ਥਾਮਸ। ਸਕੋਰ ਸੁਧਾਰ ਅਤੇ ਇਸ ਦੇ ਕੁਝ ਹਿੱਸਿਆਂ ਲਈ ਵਧੀਆ ਸਿਖਲਾਈ ਮਸ਼ੀਨ, US ਪੇਟੈਂਟ ਨੰਬਰ 10854099 B2।

[2] C ਰੂਡਿਨ। ਉੱਚ ਦਾਅ ਫੈਸਲਿਆਂ ਲਈ ਬਲੈਕ-ਬਾਕਸ ਮਸ਼ੀਨ ਸਿਖਣ ਮਾਡਲਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ ਬੰਦ ਕਰੋ ਅਤੇ ਇਸ ਦੀ ਬਜਾਏ ਵਿਆਖਿਆਯੋਗ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ। ਆਰਕਸੀਵ ਈ-ਪ੍ਰਿੰਟ, 11 2018।