கற்றல் வெளிப்பாடுகளின் AI அடுக்கின் உருவாக்கம்

ஒவ்வொரு மாணவருக்கும், தனிப்பயனாக்கப்பட்ட கற்றலை உருவாக்க ஆனிவேராக இருப்பது தரவு. அதை முதலிலேயே புரிந்துக்கொண்டு, Embibe ஆரம்பித்திலிருந்தே, தரவு சார்ந்த, தரவு-மையப்படுத்தப்பட்ட, தரவை தேடும் ஒரு நிறுவனமாக இருந்து வருகிறது. இருப்பினும், தரவு என்பது மாணவர்களின் பாதித் தேவையை மட்டுமே பூர்த்தி செய்கிறது. டெக்னாலஜி மூலம் கற்றலைத் தனிப்பயனாக்குவது என்பது சவாலான பிரச்சனையாகும். பல்வேறு துணை-பாடத்திட்டங்களில் கொட்டிக்கிடக்கும் தரவுகளை வகைப்படுத்த, நமக்கு மேம்படுத்தப்பட்ட அல்காரிதத்தின் உதவி அவசியம் தேவை.

Embibe ஐ பொறுத்தவரை, தலைவன் என்பவன் தலைவனாகவே பிறப்பதில்லை, அவனது வாழ்க்கை கற்றுத்தரும் பாடம் ஒவ்வொன்றும் அவனை செதுக்குகிறது என்பதை நாங்கள் ஆழமாக நம்புகிறோம். கடந்த எட்டு ஆண்டுகளாக, Embibe தளம், தரவை சேகரித்தல் மற்றும் பொருள் விளக்கதிற்கான திறன் போன்றவற்றை மிக சிரத்தையுடன் கொணர்ந்துள்ளது என்றால் மிகையாகாது. மேலும் இந்த தரவு அனைத்தும், எங்கள் தளத்தில் மேம்பட்ட இயந்திர கற்றல் மற்றும் AI நுட்பங்களில் பயன்படுத்தப்பட்டு, மாணவர்களுக்கு இணையற்ற தனிப்பயனாக்கப்பட்ட கல்வி அனுபவத்தை வழங்குகிறது. பின்வருபவைகள் மூலம், எட்டெக்கின் தரவு சார்ந்த தனிப்பயனாக்கலுக்கு Embibe தளத்தின் தத்துவத்தையே பின்பற்றுகிறோம்.

தரவுகளை கொணர்தல் மற்றும் சேகரித்தல்

மாணவருக்கு அதிக பயனளிக்கும் தரவு, நேர்த்தியாக உட்செலுத்தப்படவில்லை என்றாலோ, அவ்வப்போது சேகரிக்கப்படவில்லை என்றாலோ, சரிபார்க்கப்படவில்லை என்றாலோ தரவு பயனுள்ள ஒன்றாக இருக்காது. எடுத்துக்காட்டிற்கு, கேள்வியை முதல் முறை பார்ப்பதற்கான நேரம், கடைசியாக சேமித்ததன் நேரம், ஒவ்வொரு வருகைக்குமான நேரம், ஒவ்வொரு வருகையின் போதும் பதிலின் விருப்பத்தேர்விற்கான மாற்றம், பயிற்சி செய்யும் போது பயன்படுத்தப்படும் குறிப்புகள், டெஸ்ட் பிரிவில் தோன்றும் சம்மந்தமில்லாத கேள்விக்கு பதிலளிக்கும் மைக்ரோ நிகழ்வுகளை போல, பிராக்டிஸ் அல்லது டெஸ்ட் கேள்விகளை முயற்சி மட்டும் செய்தால் போதாது. Embibe கடந்த எட்டு ஆண்டுகளில் சிறு தரவுகளை சேமிப்பதில் அதிக முதலீடு செய்துள்ளது. Embibe தளம், கீழே கொடுக்கப்பட்டுள்ள பயனுள்ள தரவுகளுக்கு ஏற்றது என்றாலும், பின்வருபவை அதற்கு பொருந்தாது:

• பயனரின் கருத்தை பரிமாறும் வெளிப்படையான நிகழ்வுகள்- கிளிக்ஸ், டேப்ஸ், ஹோவர்ஸ், ஸ்க்ரோல் செய்தல் , கேள்விகளின் புதுப்பிப்புகள்
• பயனரின் கருத்தை பரிமாறும் மறைமுகமான நிகழ்வுகள் – கர்சர் நிலை, டேப் பிரஷர், சாதனத்தின் நிலை.
• அமைப்பு உருவாக்கிய சர்வர்- பக்க நிகழ்வுகள்-பக்க சுமை, பிரிவு புதுப்பிக்கப்படுதல், API அழைப்புகள்.
• அமைப்பு உருவாக்கிய கிளைன்ட்- பக்க நிகழ்வுகள்-அமைப்பின் அறிவிப்புகள் மற்றும் தூண்டுதல்கள்(ட்ரிக்கர்ஸ்).

பாடத்திட்டத்தில் கைதேர்ந்தவர்கள்

இது பொதுவாக கற்றல் துறையில் திறம் பெற்றவர்களை குறிப்பிடுகிறது. தரவு தொகுப்புகளில் பணிபுரியும் தரவு விஞ்ஞானிகளால், அவர்கள் சேகரித்த தரவுகளை தரமாக வெளிப்படுத்த முடியாது. அதாவது அவர்களிடம் பாடத்திட்டம் சம்பந்தமான நுண்ணறிவிற்குரிய சூழல் மற்றும் பாடம் சார்ந்த கற்றல் பற்றிய போதிய விபரம் இல்லாததே இதற்கு காரணம். எங்கள் Embibe தளம், இதைப் புரிந்துகொண்டு தரவு விஞ்ஞானிகள் மற்றும் கற்றல் திறன் நிபுணர்களிடையே போதிய அளவு இடைவெளி இருத்தல் வேண்டும் என்பதை உறுதி செய்துள்ளது.

கற்றல் தரவைத் தயார் படுத்துதல்: எங்கள் Embibe தளம், பொது பாடத்திட்டத்தில் கிடைக்காத கற்றல் தரவை சுயமாக உருவாக்கி அதன் தரத்தை சரிபார்க்க, துறை சார்ந்த வல்லுநர்கள் மற்றும் அவர்களுக்கு போதிய நேரத்தையும் வழங்கியுள்ளது. உதாரணத்திற்கு, 30 ஆசிரியர்கள் கொண்ட குழு, ஒவ்வொரு கருத்திற்கும் 426 மெட்டா வேரியபிள்ஸ் என்ற விகிதத்தில் பத்து மில்லியன் மெட்டா வேரியபிள்ஸ் உடனும், செமி-சூப்பர்வைஸ்ட் அல்காரிதம்களை வைத்து பல்லாயிரக்கணக்கான தொடர்புகள் மூலம் 62000 கருத்துக்கள் வரையிலான அறித்திறன் களத்தை உருவாக்கியுள்ளது என்பது குறிப்பிடத்தக்கது. கீழ்நிலை வழிமுறைகளுக்கான பயிற்சித் தரவை உருவாக்குவதற்காக, அறிவு வரைபடம், தேர்வு பாடத்திட்டம், திறன்கள், கடின நிலை, சிறந்த நேரம், மலர்ச்சி நிலை போன்றவற்றை இந்த குழு நூறாயிரக்கணக்கான கேள்விகளில் உள்ள மெட்டா குறிச்சொற்களுடன் இணைக்கிறது.

கல்வி +அறிவியல்: தரவு விஞ்ஞானிகள் மற்றும் கல்வியாளர்கள் ஒன்றாக வேலை செய்யும் போது ஒரு கற்றல் வளைவு உண்டாகிறது. உதாரணமாக, விஞ்ஞானிகள் டெஸ்ட்களை அமைக்கும் போது கல்வியாளர்கள் என்ன அளவுருக்களை கருத்தில் கொள்கிறார்கள், எப்படி மாறுபாடுகளை கொண்டு வருகிறார்கள், தனிப்பட்ட மாணவர்களுக்கான தேர்வுகளை எவ்வாறு தனிப்பயனாக்குகிறார்கள் போன்றவைகளை அறிந்து கொள்ள வேண்டும். கல்வியாளரின் அறிவை நெறிப்பாட்டு குறியீடாக மாற்ற அதிக நேரம் எடுக்கும் மற்றும் இது விஞ்ஞானிகளின் மத்தியில்   கள நிபுணத்துவத்தை  உருவாக்குகிறது. தரவுச் செயலாக்கம்  நுட்பங்களைப் பயன்படுத்தி பல்லாயிரக்கணக்கான சொற்றொடர்களைக் கொண்ட கல்வித் தொகுப்பை உருவாக்க ஆசிரிய-விஞ்ஞானிகளின் தொடர்புகளையும்  Embibe  பயன்படுத்தி இருக்கிறது.

தனிப்பயனாக்கப்பட்ட எட்டெக் தளத்தை உருவாக்க தரவு மற்றும் AI-ஐப் பயன்படுத்துதல்

முதன்மை தரவு என்பது  போதுமான அளவு நேரத்தைப் பயன்படுத்தி பெறப்படுகிறது. பயனர்களைப் பெற ஒருவர் நிறைய பணம் செலவழித்தாலும், பயனர்கள் கணினியுடன் போதுமான அளவு தொடர்பு கொள்ளாதபோது, காலப்போக்கில் அவர்களிடம் போதுமான கருத்து பரிமாற்ற தரவு இருக்காது. Embibe அதன் அனைத்து தரவையும் சொந்தமாக வைத்திருக்கிறது மற்றும் எட்டெக்கினை தனிப்பயனாக்க, மேம்பட்ட வழிமுறைகளைப் பயன்படுத்தி பல ஒன்றோடொன்று இணைந்த துணை-சிக்கல்களைத் தீர்க்க, இந்தத் தரவைப் பயன்படுத்துகிறது.

ஸ்மார்ட் டேகிங்: ஒவ்வொரு கேள்வியையும் கருத்துகள், தலைப்புகள் மற்றும் பிறவற்றோடு Tag செய்வது கல்விச் கீவோர்டுகளை பொறுத்து அமைகிறது. பொது களத்தில், ஒருங்கிணைந்த கல்வி கீவோர்டு அகராதி கிடைக்கவில்லை. மேலும், கல்விச் கீவோர்டுகளை கல்வி அல்லாதவற்றிலிருந்து வேறுபடுத்துவது கடினமானது. ‘முடிவு’ போன்ற ஒரு கல்விசாராத வார்த்தை உண்மையில் பொருத்தமான சூழலில் கல்விசார்ந்ததாகும். உதாரணமாக, “கயிற்றின் முடிவில் விசை பயன்படுத்தப்படுகிறது”. Embibe தளத்தின்  Smart Tagging வழிமுறைகளால், 82 சதவீத நேரத்தில் ஒரு கேள்விக்கு Tag செய்ய மிகவும் பொருத்தமான கருத்துக்களை அடையாளம் காண முடியும்.

தானியக்க டெஸ்ட் உருவாக்கம்: மேலே விவரிக்கப்பட்ட விஞ்ஞானி-ஆசிரிய பயிற்சியின் விளைவாக, Embibe தளத்தின் தானியக்க டெஸ்ட் உருவாக்கம் செய்யும் கூறானது 62,000 கருத்துகள், சிரம நிலை, சரியான நேரம், மலர்ச்சி நிலை, திறன்கள் ஆகியவற்றுடன் Tag செய்யப்படும் பல தேர்வுகளில இருந்து எடுக்கப்பட்ட  நூற்றுக்கணக்கான டெஸ்ட் வினாத்தாள்களை உருவாக்க பயன்படுகிறது. இந்த கூறு ஒரு அதிநவீன கலப்பின வழிமுறையைப் பயன்படுத்துகிறது. இது உருவகப்படுத்தப்பட்ட அனீலிங்  மற்றும் மரபணு வழிமுறைகளைப் பயன்படுத்தி எந்தவொரு குறிப்பிட்ட தேர்வின் நிலைக்கும் பொருந்தக்கூடிய புதிய டெஸ்ட் வினாத்தாள்களை உருவாக்குகிறது. அனுபவம் வாய்ந்த ஆசிரியர்கள் போல் இதை செய்ய, இதற்கு மிகக் குறைவான நேரமே எடுக்கும்.

ஒழுக்கநெறிக்கான இலக்கு அமைத்தல் மற்றும் மதிப்பெண் மேம்பாட்டு முன்கணிப்பு: பல செயல் நிலை  ஆய்வுகள், ஆசிரிய கள அறிவு மற்றும் புள்ளியியலுக்குரிய மாதிரி  வடிவ செயலாக்கம் காரணமாக, மறைந்த செயல் பண்புகளை அளவிட மற்றும் மேம்படுத்துவது Embibe தளத்துக்கு மிகவும் சுலபம். நூறாயிரக்கணக்கான புள்ளியியல் ரீதியாக செல்லுபடியாகும் மதிப்பீடுகளின் அடிப்படையில், பெரும்பாலான தாக்கத்தை ஏற்படுத்தும் செயல் பண்புகளை அடையாளம் காணவும், முற்போக்கான இலக்குகளை நிர்ணயிக்கவும் மற்றும் அந்த மேம்பாடுகளின் அடிப்படையில் மதிப்பெண் முன்னேற்றத்தை கணிக்கவும் முடியும்.

Embibe மதிப்பீட்டு அளவீடு: நிகழ்வு நிலையில் கைப்பற்றப்பட்ட விரிவான தரவு சமிக்ஞைகளுடன் நூறாயிரக்கணக்கான மதிப்பீடுகளில் நூற்றுக்கணக்கான கருதுகோள்களிலிருந்து பல உயர் தாக்க அம்சங்களை Embibe வெற்றிகரமாக அடையாளம் கண்டுள்ளது. எங்களால் 94% துல்லியத்துடன் மதிப்பெண்களை மதிப்பிட முடிந்தது மற்றும் மதிப்பெண்களின் தாக்கத்தை நிறுவ கல்வி அளவீடு 61% மற்றும் ஒழுக்கநெறி 39% உள்ளதா என்பதை கணிக்க முடிந்தது .

முயற்சியால் ஏற்படும் மதிப்பெண் மேம்பாடு: Embibe தளத்தில் ஒவ்வொரு கருத்து பரிமாற்றமும் கற்றல் வெளிப்பாடுகளை கொண்டு அளவிடப்படுகிறது. கற்றல் வெளிப்பாடுகளை பெறுவதற்கு நாலு பருவங்களின் வரலாற்று தரவுகள் மற்றும் ஆராய்ச்சியுடன் Embibe-யின் உள்ளடங்கள் மற்றும் பக்கங்களை இது சரிபார்க்கிறது.  இதன் விளைவாக அதிகமாக முயற்சி செய்யும் குழுவில் உள்ள மாணவர்களின் மதிப்பெண்கள் 50 சதவீதம் மேம்பட்டுள்ளது.

உள்ளடக்கங்களை கண்டறிதல் மற்றும் பரிந்துரைகள்: Embibe தளத்தின் தேடல் அடிப்படையிலான UI கடந்த எட்டு ஆண்டுகளில் சேகரிக்கப்பட்ட பரந்த அளவிலான தரவைப் பயன்படுத்தி இயக்கப்படுகிறது. இதற்கு மாணவர்கள் எங்கள் தளத்துடன் கருத்து பரிமாற்றம் செய்து கொண்டதே காரணம். பயனர் தேடல்களின் அடிப்படையில் உள்ளடக்கத்தை வழங்கும் எங்கள் தேடுபொறி, மொத்த பயனர் பயிற்சிகள், வரலாற்று தேடல் போக்குகள் மற்றும் உள்ளடக்க நுகர்வு முறைகள், சிரம நிலை மற்றும் பயனரின் கடந்த கருத்து பரிமாற்றம் போன்ற 25 காரணிகளின் அடிப்படையில் நிகழ்நேரத்தில் தொடர்புடைய முடிவுகளை மறுவரிசைப்படுத்துகிறது. மேலும், மாணவர்களுக்கு தேவையான தரவுகள் இருப்பின் கடந்த கருத்து  பரிமாற்றங்களின் அடிப்படையில் அவர்கள் கவனம் செலுத்த உள்ளடக்கங்களை பரிந்துரைக்கிறது. அப்படி தேவையான தரவுகள் இல்லையெனில் அந்த மாணவரின் நிலையில் இருக்கும் பிற பயனர்களின் தரவுகளின் அடிப்படையில் உள்ளடக்கங்களை பரிந்துரைக்கிறது.

எட்டெக்கிற்கான AI தளமாக இருக்க எதெல்லாம் அவசியம்

இன்று உலகில் எட்டெக் நிறுவனங்கள் பல உள்ளன. இந்த நிறுவனங்களில் பெரும்பாலானவை கல்வியைத் தனிப்பயனாக்க மற்றும் எட்டெக்கிற்கான AI- இயங்கும் தளத்தை உருவாக்க குறிப்பிட்ட பிரச்சனைகளின் சில உட்பிரிவுகளில் மட்டுமே கவனம் செலுத்துகின்றன. கீழே உள்ள அட்டவணை ஒரு எட் டெக் நிறுவனத்தின் பரிணாம வளர்ச்சியை விவரிக்கிறது. ஒரு தளம் எப்படி டெஸ்ட் தளமாக இருந்து உண்மையான எட்டெக் தளமாக மாறுகிறது என்று நீங்கள் இதில் பார்க்கலாம்: 

உள்ளடக்கம்	முயற்சித் தரவு	கள நிபுணத்துவம்	அறிவு வரைபடம்	தரவு அறிவியல் ஆய்வகம்	வாய்ப்புகள்
(1) அத்தியாய நிலையில் சராசரியாக 250 + கேள்விகள்,(2) குறைந்தது 3 அத்தியாய நிலை டெஸ்ட்கள், (3) 10 முழு டெஸ்ட்கள்					அடிப்படையான டெஸ்டிற்கு தயாராகுதல்
(1) அத்தியாய நிலையில் சராசரியாக 250 + கேள்விகள்,(2) குறைந்தது 3 அத்தியாய நிலைடெஸ்ட்க ள், (3) 10 முழு டெஸ்ட்கள்	கேள்விகளுக் கான பயனர் நிலை முயற்சிகளின் குறைந்தபட்ச எண்ணிக்கை				> அடிப்படையான டெஸ்டிற்கு தயாராகுதல்   +அடிப்படை பயனர் நிலை Feedback பகுப்பாய்வு
அத்தியாய நிலையில் சராசரியாக 250+ கேள்விகள், (2) குறைந்தது 3 அத்தியாய நிலைச் டெஸ்ட்கள், (3) 10 முழுச் டெஸ்ட்கள், (4)ஒவ்வொரு அத்தியாயத்தி ற்கும் 5 லேர்ன் உள்ளடக்கம் (வீடியோக்கள், உரை, இணைப்புகள்) கற்றுக்கொள் ளுங்கள்	கேள்விகளுக் கான பயனர் நிலை முயற்சிகளின் குறைந்தபட்ச எண்ணிக்கை				அடிப்படையான டெஸ்டிற்கு தயாராகுதல் +அடிப்படை பயனர் நிலை Feedback பகுப்பாய்வு+ லேர்ன்
(1) அத்தியாய நிலையில் சராசரியாக 500+ கேள்விகள், (2) குறைந்தது 3 அத்தியாய நிலைச்டெஸ்ட் கள், (3) 10 முழுச்டெஸ்ட்க ள், (4) ஒவ்வொரு அத்தியாயத்தி ற்கும் 5 லேர்ன் உள்ளடக்கங்க ள்	ஒரு கேள்விக்கு சராசரியாக 25 + முயற்சிகள் ~ஒட்டுமொத்த கேள்விகளுக்கு 6 மில்லியன் முயற்சிகள்	(1) உள்ளடக்க சுகாதாரம், (2) டெஸ்ட்களில் தரக் கட்டுப்பாடு, (3) சந்தேகத் தீர்ப்பான் போன்றவைக ளுக்கான சொந்த கல்வியாளர்			அடிப்படையான டெஸ்டிற்கு தயாராகுதல் +அடிப்படை பயனர் நிலை Feedback பகுப்பாய்வு+ லேர்ன் +சந்தேகத் தீர்ப்பான்
அத்தியாய நிலையில் சராசரியாக 500+ கேள்விகள், (2) குறைந்தது 3 அத்தியாய நிலைச் டெஸ்ட்கள், (3) 10 முழுச் டெஸ்ட்கள், (4) ஒவ்வொரு அத்தியாயத்தி ற்கும் 5 லேர்ன் உள்ளடக்கங்க ள்	ஒரு கேள்விக்கு குறைந்தபட்சம் 25 + முயற்சிகள், அனைத்து கேள்விகளுக்கு ம் ஒட்டுமொத்தம் ~6 மில்லியன் முயற்சிகள்	(1) உள்ளடக்க நலவியல், (2) டெஸ்ட்களில் தரக் கட்டுப்பாடு, (3) சந்தேகத் தீர்ப்பான் போன்றவைக ளுக்கான சொந்த கல்வியாளர்	(1) டாபிக் நிலை வரை அடிப்படை வகைபிரித்தல் (ஒரு பிரிவிற்கு ~ 5 டாபிக்கள்) ~ 4000 டாபிக்கள் வரை		மேம்பட்ட டெஸ்டை தயாரித்தல்=அ டிப்படை டெஸ்டை தயாரித்தல் +அடிப்படை பயனர் நிலை Feedback பகுப்பாய்வு+ லேர்ன் +சந்தேகத் தீர்ப்பான்+ தலைப்பு-நிலை அம்சங்கள்
(1) அத்தியாய நிலையில் சராசரியாக 500+ கேள்விகள், (2) குறைந்தது 3 அத்தியாய நிலைச் டெஸ்ட்கள், (3) 10 முழுச் டெஸ்ட்கள், (4) ஒவ்வொரு அத்தியாயத்தி ற்கும் 5 லேர்ன் உள்ளடக்கங்க ள்	ஒவ்வொரு கேள்விக்கும் சராசரியாக 100 + முயற்சிகள் மற்றும் எல்லா கேள்விகளுக்கு ம் ~20 மில்லியன் முயற்சிகள் வரை	(1) உள்ளடக்க நலவியல், (2) டெஸ்ட்களில் தரக் கட்டுப்பாடு, (3) சந்தேகத் தீர்ப்பான் (4) தரவு விஞ்ஞானிகளு டன் AI கருதுகோள் உருவாக்கம் போன்றவைக ளுக்கான சொந்த கல்வியாளர்	(1) கருத்து நிலை வரை உள்ள விரிவான வகைபிரித்தல்( ஒரு அத்தியாயத்தி ற்கு ~ 100 கருத்துக்கள்) ~ 40K கருத்துகள் வரை	4 நபர் கொண்ட தரவு அறிவியல் குழு, 2 ஆண்டுகளுக்கு ம் மேலாக இதற்காக வேலை செய்கிறது	மேம்பட்ட டெஸ்ட் தயாரித்தல்+த னிப்பயனாக்கு தல் +கற்றல் வெளிப்பாடுக ள்
அத்தியாய நிலையில் சராசரியாக 500 + கேள்விகள், (2) குறைந்தது 3 அத்தியாய நிலைச் டெஸ்ட்கள், (3) 10 முழுச் டெஸ்ட்கள், (4)ஒவ்வொரு அத்தியாயத்தி ற்கும் குறைந்தது 5 லேர்ன் உள்ளடக்கங்கள்	ஒவ்வொரு கேள்விக்கும் சராசரியாக 150 + முயற்சிகள் (ஒரு குழுவிற்கு 50) எல்லா கேள்விக்களுக் கும் ~30 மில்லியன் முயற்சிகள் வரை	(1) உள்ளடக்க நலவியல், (2) டெஸ்ட்களில் தரக் கட்டுப்பாடு, (3) சந்தேகத் தீர்ப்பான் (4) தரவு விஞ்ஞானிகளு டன் AI கருதுகோள் உருவாக்கம் போன்றவைக ளுக்கான சொந்த கல்வியாளர்	(1) கருத்து நிலை வரை உள்ள விரிவான வகைபிரித்தல் (ஒரு அத்தியாயத்தி ற்கு ~ 100 கருத்துக்கள்) ~ 40K கருத்துகள் வரை	தானியக்க உட்செலுத்துத ல்(OCR), தானியக்க Tag செய்தல் (NLP, ML), பேக்கேஜிங் (Optimization), அறிவு வரைபடம் உருவாக்கம் மற்றும் அளவுத்திருத்த ம் (IR, வரைபட செயலாக்கம், ML), ஒழுக்கநெறி குறுக்கீடு (ML), தனிப்பயனாக் குதல் (IRT, ML) போன்ற பிரச்சனைக ளை தீர்க்கும் 8 நபர் கொண்ட தரவு அறிவியல் குழு 2 வருடங்களுக்கு ம் மேலாக இதற்காக வேலை செய்கிறது.	கல்விக்கான AI தளம்=மேம்பட் ட டெஸ்ட் தயாரித்தல்+ தனிப்பயனாக் குதல் +கற்றல் வெளிப்பாடுக ள்+ஒரு சேவையாக நுண்ணறிவு