ఏఐ ఆధారిత అభ్యాస ఫలితాలను నిర్మించడం
Embibe అనేది ఒక డేటా ఆధారిత, డేటా మీద ఫోకస్ చేసే మరియు అధిక డేటాని కలిగి ఉన్న సంస్థ అని మనందరికీ తెలుసు. ప్రతి విద్యార్థికి అతని స్థాయికి తగినట్లు విద్యను అందించాలంటే ఇది చాలా కీలకం. అయితే ఈ డేటాతో కేవలం సగం పని మాత్రమే పూర్తవుతుంది. సాంకేతికతను ఉపయోగించడం ద్వారా విద్యను వ్యక్తిగతీకరించడం అనేది చాలా సంక్లిష్టతతో కూడుకున్నది. అనేక సబ్ డొమైన్స్లో ఆధునిక అల్గారిథం ఆధారంగా అధిక మొత్తంలో డేటాని ఉపయోగించుకొని వ్యక్తిగతీకరించిన విద్యను అందించడం అన్నది నిజంగా సవాల్తో కూడుకున్నదే.
నాయకత్వం అనేది పుట్టుకతో రాదు. అది కాలక్రమేణా మరియు అనుభవపూర్వకంగా కొన్ని వేలసార్లు చిన్న చిన్న విషయాలను సైతం వారి ప్రయాణంలో నేర్చుకుంటూ ముందుకు సాగడం వల్ల వస్తుందని Embibe నమ్ముతుంది. గత 8 ఏళ్లుగా Embibe ఈ సమాచారం అంతటినీ సేకరిస్తూ, దానిని సమర్థవంతంగా చర్చించగల స్థాయిలో దీనిని తీర్చిదిద్దింది. అంతేనా.. ఈ సమాచారం అంతటినీ అత్యాధునిక మెషీన్ లెర్నింగ్ మరియు ఏఐ సాంకేతికలతో జోడించి ఈ వేదిక ద్వారా విద్యార్థులందరికీ వ్యక్తిగతీకరించిన విద్య అందించడం ద్వారా అసమాన ప్రతిభను ఇవ్వాలనుకుంటుంది. అందుకే విద్యా సాంకేతికత ద్వారా డేటా ఆధారిత వ్యక్తిగతీకరణ మీద Embibe దృష్టి సారించింది.
డేటా సంగ్రహణ మరియు సేకరణ
సమాచారాన్ని సరిగా సేకరించకపోయినా లేక దానిని సరైన విధానంలో చెప్పకపోయినా.. అలాగే అందులో ఉన్న అనవసర విషయాలను తొలగించకపోయినా దాని విలువ తగ్గిపోతుంది. ఉదాహరణకు ఒక ప్రాక్టీస్ లేదా టెస్ట్ క్వశ్చన్ని అటెంప్ట్ చేయడం కన్నా దానిని చూడడం లేదా దానిని చివరిసారి సేవ్ చేయడం లేదా తిరిగి చూడడం , ప్రతి విజిట్లోనూ సమాధానాన్ని మార్చడం, సూచనలు ఉపయోగించడం, టెస్ట్ సెషన్లో క్వశ్చన్స్ని క్రమపద్ధతిలో చేయకపోవడం… వంటివి అంత ఉపయోగకరంగా ఉండవు. గత 8 ఏళ్లుగా సూక్ష్మస్థాయిలో ఈ డేటాని సమీకరించేందుకు Embibe కృషి చేస్తోంది. Embibeలో ఈ కింది విధమైన డేటాని సంగ్రహించగల సామర్థ్యం ఉంది.
- యూజర్ ఇంటారక్షన్ ఎక్సప్లిసిటీ ఈవెంట్స్ – క్లిక్స్, టాప్స్, హోవర్స్, స్క్రోల్స్, టెక్ట్స్ అప్డేట్స్
- యూజర్ ఇంటారక్షన్ ఇంప్లిసిట్ ఈవెంట్స్ – కర్సర్ స్థానం, టాప్ ప్రెషర్, డివైస్ ఓరియెంటేషన్
- సిస్టమ్ జనరేటెడ్ సెర్వర్ సైడ్ ఈవెంట్స్ – పేజ్ లోడ్, సెషన్ రిఫ్రెషెస్, API కాల్స్
- సిస్టమ్ జనరేటెడ్ క్లయింట్ సైడ్ ఈవెంట్స్ – సిస్టమ్ పుష్ నోటిఫికేషన్స్ అండ్ ట్రిగ్గర్స్
డొమైన్ నిపుణత
అర్థవంతమైన సూచనలు ఇచ్చేందుకు డొమైన్ నాలెడ్జ్ మరియు సందర్భానుసారంగా సంగ్రహించిన డేటాకి మరింత విలువను యాడ్ చేయడం చాలా ముఖ్యం. ఈ పని నిపుణులు, డేటా శాస్త్రవేత్తలు మాత్రమే చేయగలరు. Embibe ఈ విషయాన్ని ముందుగానే గ్రహించింది. అందుకే ఇటు డేటా సైంటిస్ట్స్తోపాటూ అటు విద్యా నిపుణులను సైతం సిద్ధంగా పెట్టుకుంది.
అకడమిక్ డేటా ప్రిపరేషన్; Embibe అకడమిక్ డేటా సమీకరించుకునేందుకు తగిన సమయం, వనరులను సిద్ధం చేసుకుంది. దాదాపు 62 వేల కంటే ఎక్కువ అంశాలకు సంబంధించిన 426 మెటా వేరియబుల్స్ గల పదుల మిలియన్ల సంఖ్యలో గల మెటా-వేరియబుల్స్ని , కొన్ని వేల ఇంటర్ కనెక్షన్స్తో ఒక నాలెడ్జ్ ట్రీని నిర్మించేందుకు దాదాపు 30 మంది అధ్యాపకుల బృందం ఓ ఏడాదిపాటు సమిష్టిగా కృషి చేసింది. కొన్ని వందలు, వేల ప్రశ్నలను వీరు మ్యానుయల్గానే ట్యాగ్ చేశారు. నాలెడ్జ్ ట్రీ, పరీక్షా సిలబస్, నైపుణ్యాలు, కఠినతా స్థాయి, ఆదర్శ సమయం, బ్లూమ్ లెవల్.. మొదలైన వాటి ద్వారా ట్రైనింగ్ డేటాని డౌన్స్ట్రీమ్ అల్గారిథంల కోసం ఉపయోగించుకుంటాయి.
అకడమిక్స్ + సైన్స్; డేటా శాస్త్రవేత్తలు మరియు అకడమిక్ నిపుణులు కలిసి పని చేస్తే వారి నుంచి నేర్చుకోవాల్సింది చాలా ఉంటుంది. ఉదాహరణకు శాస్త్రవేత్తలు పరామితులను పరిగణనలోకి తీసుకుంటే నిపుణులు విద్యార్థుల కోసం టెస్ట్స్ సెట్ చేయడం, వైవిధ్యాన్ని తీసుకురావడం, టెస్ట్స్ని వ్యక్తిగతీకరించడం వంటివి చేస్తారు. నిపుణులు విజ్ఞానాన్ని అల్గారిథం కోడ్గా రాస్తే చాలా సమయం తీసుకుంటుంది మరియు అది డొమైన్ నిపుణతను కూడా పెంచుతుంది. వివిధ డేటా మైనింగ్ ప్రక్రియలను ఉపయోగించి అధ్యాపక-శాస్త్రవేత్తల ఇంటరాక్షన్స్ని ఉపయోగించి Embibe కొన్ని వేల ఫ్రేజెస్ని ఉత్పత్తి చేసింది.
డేటా మరియు ఏఐ ని ఉపయోగించి పర్సనలైజ్డ్ విద్యా వేదికను నిర్మించడం
దీర్ఘకాలం పని చేసిన తర్వాత ఫస్ట్ హ్యాండ్ డేటా మనకు లభిస్తుంది. అధికంగా డబ్బు పోసి వినియోగదారులను కొనాలని అనుకున్నా వారు డేటాని సరైన విధంగా ఉపయోగించుకోలేకపోవచ్చు. Embibe తన వద్ద ఉన్న డేటా మొత్తాన్ని అడ్వాన్స్డ్ అల్గారిథంలను ఉపయోగించడం ద్వారా అనేక సబ్ కనెక్టెడ్ సమస్యలను పరిష్కరిస్తూ విద్యను వ్యక్తిగతీకరించి అందిస్తుంది.
స్మార్ట్ ట్యాగింగ్; ప్రశ్నలు, అంశాలు, వివిధ బకెట్స్లో ఉన్న అంశాలను ట్యాగ్ చేయడం అనేది కీవర్డ్స్కి సంబంధించి ఉంటుంది. పబ్లిక్ డొమైన్లో ఈ కీవర్డ్ డిక్షనరీలు అందుబాటులో ఉండవు. విద్యాపరమైన కీవర్డ్స్ని మిగతా వాటి నుంచి వేరు చేయడం కాస్త కష్టంతో కూడుకున్నదే. ఒక రకంగా చెప్పాలంటే ‘చివర’తో ముగిసే నాన్-అకడమిక్ పదం ఒక్కో సందర్భంలో అకడమిక్ కిందకు కూడా వస్తుంది. ఉదాహరణ – ‘ఒక స్ట్రింగ్ చివరిలో వర్తింపజేసిన బలం’. Embibe స్మార్ట్ ట్యాగింగ్ అల్గారిథాలు ప్రశ్నలను 82% సరిగ్గా ట్యాగ్ చేయడంలో బాగా తోడ్పడతాయి. క్రౌడ్ సోర్స్డ్ వాటితో పోలిస్తే 18% ఇది ఉంటుంది.
ఆటోమేటెడ్ టెస్ట్ జనరేషన్; శాస్త్రవేత్త-అధ్యాపక కాంబినేషన్ ఫలితంగా Embibeలో ఆటోమేటెడ్ టెస్ట్ జనరేషన్ ఏర్పడింది. దీని ద్వారా కొన్ని వందల సంఖ్యలో టెస్ట్ క్వశ్చన్ పేపర్స్ రూపొందించబడ్డాయి. ఇవి దాదాపు 62 వేల అంశాలకు సంబంధించి ఈ ప్రశ్నలు ఉంటాయి. స్టేట్ ఆఫ్ ఆర్ట్, హైబ్రిడ్ అల్గారిథంలను ఉపయోగించుకుని ఇవి కొత్త క్వశ్చన పేపర్స్ని క్రియేట్ చేస్తాయి. సాధారణంగా అనుభవజ్నులైన అధ్యాపక బృందం ప్రశ్నాపత్రాలను రూపొందిస్తుంది.
బిహేవిరియల్ గోల్ సెట్టింగ్ అండ్ స్కోర్ ఇంప్రూవ్మెంట్ ప్రిడిక్షన్; అనేక కేస్ స్టడీస్ చూసిన తర్వాత డొమైన్ నాలెడ్జ్, స్టాటిస్టికల్ ప్యాటర్న్ మైనింగ్, Embibeకి లేటెంట్ బిహేవియరల్ అట్రిబ్యూట్స్ని కొలవడం మరియు మెరుగుపరచడం బాగా తెలుసు. వ్యాలిడ్ అసెస్మెంట్స్ ఆధారంగా బిహేవియరల్ అట్రిబ్యూట్స్ని Embibe అంచనా వేస్తుంది.
స్కోర్ కోషియెంట్ కూడా ఒకటి. 94% ఖచ్చితత్వంతో స్కోరుని అంచనా వేేస్తూ విద్యా కోషియంట్ని 61% , ప్రవర్తనాపరమైన కోషియంట్ని 39% ఇది అంచనా వేయగలదు. దీని ద్వారా పరీక్ష ఎంత ప్రభావవంతంగా విద్యార్థులు రాయగలరో ఓ అంచనాకి రావచ్చు. ఇది లెర్నింగ్ని ట్రాన్స్ఫర్ చేయడం, బూట్ స్ట్రాపింగ్ నమూనాలను ఇతర పరీక్షల కోసం రూపొందించడం చాలా సులభతరం చేసింది.
శ్రమ అనేది మార్కులను మెరుగయ్యేలా చేస్తుంది; Embibe వేదిక మీద ప్రతి ఇంటరాక్షన్ ఫలితాల ఆధారంగా కొలవబడుతుంది. Embibe యొక్క ఆఫరింగ్ మరియు ఫీడ్ ఫలితాలను ఆప్టిమైజ్ చేస్తుంది. అధికంగా శ్రమించే విద్యార్థులు 50% నెట్ స్కోరుతో మెరుగైన ఫలితాలను సాధించగలరు.
కంటెంట్ ఆవిష్కరణ మరియు రికమెండేషన్స్; విద్యార్థులు మాతో కలిసి చదవడం ద్వారా గత ఎనిమిదేళ్లలో అధిక మొత్తంలో సేకరించిన డేటాని ఉపయోగించి Embibe యొక్క శోధన ఆధారిత UI అందించబడుతుంది. వినియెగదారుల శోధన ఆధారంగా కంటెంట్ని అందించే మా సెర్చ్ ఇంజిన్ వినియోగదారు సమన్వయ అసైన్మెంట్లు, హిస్టారికల్ సెర్చ్ ట్రెండ్స్ మరియు కంటెంట్ కన్జంప్షన్ ప్యాటర్న్స్ కంటెంట్ కఠినత స్థాయి ఎంత ఉండాలో నిర్ణయిస్తాయి. అలాగే విద్యార్థులకు వారి లక్ష్యాలను చేరుకునేందుకు మార్గం సుగుమం చేస్తూ రికమెండెషన్స్ కూడా అందుతాయి. ఇవి వారి గత ఇంటరాక్షన్స్ ఆధారంగా ఉంటాయి.
విద్యా సాంకేతికతో AI వేదికగా ఉండాలంటే.
ప్రపంచంలో ఈ రోజు అనేక విద్యాసాంకేతిక సంస్థలు ఉన్నాయి. ఈ సంస్థల్లో చాలావరకు ఉపసమస్యలపైనే దృష్టి పెడుతున్నాయి. ఇవి వ్యక్తిగతీకరించిన విద్యకు అడ్డంకులను చెప్పచ్చు. వీటిని సరిచేస్తూ AI ఆధారంగా పని చేసే విద్యాసాంకేతిక వేదికని రూపొందిస్తారు. ఈ కింద ఉన్న టేబుల్లో విద్యా సాంకేతిక సంస్థ ఏ విధంగా వృద్ధి చెందాయో ఓసారి చూద్దాం.
కంటెంట్ | అటెంప్ట్ డేటా | డొమైన్ నిపుణత | నాలెడ్జ్ గ్రాఫ్ | డేటా సైన్స్ ల్యాబ్ | సాధ్యాసాధ్యాలు |
---|---|---|---|---|---|
(1) యావరేజ్ 250+ చాప్టర్ లెవల్లో ప్రశ్నలు, (2) కనీసం 3 చాప్టర్ లెవల్ టెస్ట్స్, (3) 10 ఫుల్ టెస్ట్స్ | బేసిక్ టెస్ట్ ప్రిప్ | ||||
(1) యావరేజ్ 250+ చాప్టర్ లెవల్లో ప్రశ్నలు, (2) కనీసం 3 చాప్టర్ లెవల్ టెస్ట్స్, (3) 10 ఫుల్ టెస్ట్స్ | ప్రశ్నల మీద కొంత కనీస సంఖ్యలో గల వినియోగదారుల అటెంప్ట్స్ | బేసిక్ టెస్ట్ ప్రిప్+బేసిక్ యూజర్ లెవల్ ఫీడ్బ్యాక్ అనలిటిక్స్ | |||
(1) యావరేజ్ 250+ చాప్టర్ లెవల్లో ప్రశ్నలు, (2) కనీసం 3 చాప్టర్ లెవల్ టెస్ట్స్, (3) 10 ఫుల్ టెస్ట్స్, (4) 5 లెర్న్ కంటెంట్ (వీడియోలు, టెక్ట్స్ లింక్స్) అధ్యాయాల వారీగా | ప్రశ్నల మీద కొంత కనీస సంఖ్యలో గల వినియోగదారుల అటెంప్ట్స్ | బేసిక్ టెస్ట్ ప్రిప్ + బేసిక్ ఫీడ్బ్యాక్ అనలిటిక్స్ + లెర్న్ | |||
(1) యావరేజ్ 250+ చాప్టర్ లెవల్లో ప్రశ్నలు, (2) కనీసం 3 చాప్టర్ లెవల్ టెస్ట్స్, (3) 10 ఫుల్ టెస్ట్స్, (4) 5 లెర్న్ కంటెంట్ (వీడియోలు, టెక్ట్స్ లింక్స్) అధ్యాయాల వారీగా | ఒక ప్రశ్నకి యావరేజ్గా 25+ అటెంప్ట్స్, మొత్తానికి అన్ని ప్రశ్నలకూ 6 మిలియన్ అటెంప్ట్స్ | ఇన్హౌస్ అకడమీసియన్ (1), కంటెంట్ హైజీన్ (2), క్వాలిటీ కంట్రోల్ ఆన్ టెస్ట్స్ (3), సందేహ నివృత్తి | బేసిక్ టెస్ట్ ప్రిప్ + వివరణాత్మక ఫీడ్బ్యాక్ అనలిటిక్స్ + లెర్న్ + సందేహ నివృత్తి | ||
(1) యావరేజ్ 500+ ప్రశ్నలు చాప్టర్ లెవల్లో, (2) చాప్టర్ లెవల్ టెస్ట్స్ కనీసం 3, (3) 10 ఫుల్ టెస్ట్స్, (4) చాప్టర్కి 5 లెర్న్ కంటెంట్ | ఒక ప్రశ్నకి యావరేజ్గా 25+ అటెంప్ట్స్, మొత్తానికి అన్ని ప్రశ్నలకూ 6 మిలియన్ అటెంప్ట్స్ | ఇన్హౌస్ అకడమీసియన్ (1), కంటెంట్ హైజీన్ (2), క్వాలిటీ కంట్రోల్ ఆన్ టెస్ట్స్ (3), సందేహ నివృత్తి | (1) టాపిక్ లెవల్ వరకు ప్రాథమిక టాక్సానమీ (అధ్యాయానికి 5 అంశాలు) 4000 అంశాల వరకు | అడ్వాన్స్డ్ టెస్ట్ ప్రిప్ = బేసిక్ టెస్ట్ ప్రిప్ + వివరణాత్మక ఫీడ్బ్యాక్ అనలిటిక్స్ + లెర్న్ + సందేహ నివృత్తి + టాపిక్ లెవల్ ఫీచర్స్ | |
(1) యావరేజ్ 500+ ప్రశ్నలు చాప్టర్ లెవల్లో, (2) చాప్టర్ లెవల్ టెస్ట్స్ కనీసం 3, (3) 10 ఫుల్ టెస్ట్స్, (4) చాప్టర్కి 5 లెర్న్ కంటెంట్ | ఒక ప్రశ్నకి యావరేజ్గా 100+ అటెంప్ట్స్, మొత్తానికి అన్ని ప్రశ్నలకూ 20 మిలియన్ అటెంప్ట్స్ | ఇన్హౌస్ అకడమీసియన్ (1), కంటెంట్ హైజీన్ (2), క్వాలిటీ కంట్రోల్ ఆన్ టెస్ట్స్ (3), సందేహ నివృత్తి, (4)డేటా శాస్త్రవేత్తలతో AI హైపోథెసిస్ జనరేషన్ | (1) కాన్సెప్ట్ లెవల్ వరకు లోతైన టాక్సానమీ (అధ్యాయానికి 100 అంశాలు) లేదా 40 వేల అంశాల వరకు | నలుగురు వ్యక్తులు గల డేటా సైన్స్ బృందం 2 సంవత్సరాలకు పైగా పని చేస్తుంది. | అడ్వాన్స్డ్ టెస్ట్ ప్రిప్ + పర్సనలైజేషన్ + లెర్నింగ్ అవుట్కమ్స్ |
(1) యావరేజ్ 500+ ప్రశ్నలు చాప్టర్ లెవల్లో, (2) చాప్టర్ లెవల్ టెస్ట్స్ కనీసం 3, (3) 10 ఫుల్ టెస్ట్స్, (4) చాప్టర్కి 5 లెర్న్ కంటెంట్ | ఒక ప్రశ్నకి యావరేజ్గా 150+ అటెంప్ట్స్, మొత్తానికి అన్ని ప్రశ్నలకూ 30 మిలియన్ అటెంప్ట్స్ | ఇన్హౌస్ అకడమీసియన్ (1), కంటెంట్ హైజీన్ (2), క్వాలిటీ కంట్రోల్ ఆన్ టెస్ట్స్ (3), సందేహ నివృత్తి, (4)డేటా శాస్త్రవేత్తలతో AI హైపోథెసిస్ జనరేషన్ | (1) కాన్సెప్ట్ లెవల్ వరకు లోతైన టాక్సానమీ (అధ్యాయానికి 100 అంశాలు) లేదా 40 వేల అంశాల వరకు | 8 మంది వ్యక్తులు గల డేటా సైన్స్ బృందం 2 సంవత్సరాలకు పైగా ఆటో ఇంజెషన్ (OCR), ఆటో ట్యాగింగ్ (NLP, ML), ప్యాకేజింగ్ (ఆప్టిమైజేషన్), నాలెడ్జ్ గ్రాఫ్ జనరేషన్ మరియు సామర్థ్య (ఐఆర్, గ్రాఫ్ మైనింగ్, ఎంఎల్), బిహేవియర్ ఇంటర్వెన్షన్, పర్సనలైజేషన్ (ఐఆర్టీ, ఎంఎల్) | విద్య నిమిత్తం AI వేదిక = అడ్వాన్స్డ్ టెస్ట్ ప్రిప్ + పర్సనలైజేషన్ + లెర్నింగ్ అవుట్కమ్స్+ఇంటెలిజెన్స్ ఒక సర్వీస్గా |