Scan to download the app 
విద్యార్థుల అభ్యాస శైలుల పరిధికి అనుగుణంగా విద్యను అందించడం
అసలు అభ్యాస శైలులు అంటే ఏంటి?
స్కూలు మరియు కాలేజీల్లో బోధకులు ఎంపిక చేసుకునే బోధనాపద్ధతులకు అనుగుణంగా విద్యార్థుల అభ్యాస శైలిలు అనేవి ఉంటాయి. బాగా ప్రాచుర్యం పొందిన ఫెల్డర్ సిల్వర్‌మ్యాన్ మరియు కోల్బ్స్ అభ్యాస శైలిలు అనేవి Embibe యొక్క డిజిటల్ వేదికను, బోధనాశాస్త్రాన్ని బాగా ప్రభావితం చేయడమే కాదు.. వాటికి పునాదిగానూ వ్యవహరిస్తాయి.
ఫెల్డర్ సిల్వర్‌మ్యాన్ ప్రతిపాదించిన అభ్యాస శైలిలు ఉత్సాహం- పరావర్తనం, దృశ్యపరమైన లేదా వినదగిన, ఇంద్రియపరమైనదిగా లేదా సహజమైనదిగా మరియు సీక్వెన్షియల్‌గా లేదా ప్రపంచవ్యాప్తంగా ఉంటాయి. వీటి ద్వారా అభ్యాసం అనేది వ్యక్తిగతంగా సాగే అవకాశం ఉంటుంది. పద్ధతి కలిగిన ఫ్రేమ్‌వర్క్, కోల్బ్ నిర్వచించిన అభ్యాస దశలు అనేవి క్రియాశీలక ప్రయోగాలకు, మొత్తం అనుభవానికి, పరిశీలనా ప్రతిబింబానికి మరియు నైరూప్య భావనలను కలిగి ఉంటాయి. దీని కంటే ముందు వర్గీకరణ కూడా వ్యక్తిగత లక్షణాల ఆధారంగా ప్రతిఒక్కరికీ అనుభవపూర్వక విద్య లేదా విజ్ఞానం అనేది ఆ అంశంలో పట్టు సాధించడానికి వివిధ దశల్లో సహాయపడే విధంగా రూపొందించబడ్డాయి.
Embibe పరిష్కారం అంటే ఏంటి?
విద్యార్థుల అభ్యాస వేదికను Embibe రెండు ముఖ్యమైన ఆలోచనల ద్వారా నిర్మించింది. వాటిలో ఒకటి వ్యక్తిగతీకరణ ఫ్రేమ్‌వర్క్ (ఫెల్డర్ సిల్వర్‌మ్యాన్) అయితే మరొకటి అభ్యాస ఫలితాలు (కోల్బ్). ఒక తరగతిలో 4 నుంచి 5గురు విద్యార్థులు ఉన్నప్పుడు బోధకులు వారికి బోధించే సహజత్వం, విద్యార్థుల భౌతిక మరియు మానసిక ఎమోషన్స్ ద్వారా వాస్తవ సమయాధారిత ఫీడ్‌బ్యాక్ ద్వారా వారి అభ్యాస శైలి ఎలా ఉంటుందనేది తెలుసుకోవచ్చు. దాదాపు 400 పరీక్షలు మరియు మిలియన్ల సంఖ్యలో ఉన్న 10 నుంచి 25 ఏళ్ల వయసు మధ్య గల విద్యార్థులు Embibe కృత్రిమ మేథస్సు మరియు ఇంజినీరింగ్ టీమ్స్ సహాయంతో అందిస్తుంది.
500 విభాగాలకు చెందిన నిపుణుల అనుభవం మరియు 2000 విద్యార్థులతో పరీక్షల పట్ల ప్రత్యేకమైన వినియోగదారుల అధ్యయన సర్వేల ఆధారంగా మేము విద్యార్థుల యొక్క మెథడాలజీ అనేది ఫెల్డర్- సిల్వర్‌మ్యాన్ శైలిలో ఉంటుందని గుర్తించాం. అలాగే విద్యార్థులు తమ సామర్థ్యం పెంచుకోలేకపోవడానికి కారణం వారికి అభ్యాసం అనేది సరైన శైలిలో జరగకపోవడం లేదా కోల్బ్స్ నైపుణ్య దశల్లో ఒక దశను మిస్ అవ్వడం అయినా అయి ఉండచ్చు.
కాబట్టి ఇక్కడున్న రెండు సమస్యలకు సంబంధించిన వ్యాఖ్యలను మేం శూన్యీకరిస్తున్నాం. ఇవి వ్యక్తిగతపరమైన సమాచారం అందించడానికి మరియు అభ్యాస ఫలితాన్ని పొందడానికి మాకు ఉపయోగపడతాయి. వివిధ పరిధుల్లో గల ఫీచర్లను అన్ని అభ్యాస శైలిలకు అర్థమయ్యేలా చేసి వారిని అన్వేషించడం ద్వారా వారి శ్రమ మరియు పెర్ఫార్మెన్స్‌ని సూక్ష్మస్థాయి నుంచి గమనించవచ్చు. అలాగే ఏయే అంశాల్లో పట్టు సాధించారో కూడా తెలుసుకోవచ్చు.
అన్ని అభ్యాస శైలులకు సంబంధిత అనుభవాలను Embibe ఎలా అందిస్తుంది?
అభ్యాసంలో ముఖ్యంగా మూడు ప్రాథమిక లూప్స్ ఉన్నాయి. వాటి ద్వారానే వివిధ అభ్యాస శైలిలను ఇక్కడ అందిస్తున్నాం. అవి ఏవంటే లెర్న్, ప్రాక్టీస్ మరియు టెస్ట్ మాడ్యూల్స్. వీటిలో రెండవ లూప్ సీక్వెన్స్‌ని కలిగి ఉంటుంది మరియు కంటెంట్ ఈ కింది మాడ్యూల్స్‌లో సేవ్ అయి ఉంటుంది.
- వివిధ వీడియో రకాలు, అంశాల యొక్క 3D ఇంటరాక్టివ్ వివరణలు- ఉత్తమమైన అధ్యాపకులచే అతి కష్టమైన సమస్యలను కూడా దశలవారీగా సులభంగా సాధించే విధానాలను లెర్న్ అందిస్తుంది.
- లెర్న్ ద్వారా అభ్యసించిన ప్రశ్నల ఆధారంగా మరిన్ని ప్రశ్నలను అభ్యాసం చేయడానికి ప్రాక్టీస్ ఉపయోగపడుతుంది. సంబంధిత వీడియోలు, సారాంశాలు అందించడం ద్వారా విద్యార్థి సూక్ష్మస్థాయి నుంచి ప్రతి అంశాన్నీ చక్కగా నేర్చుకోవచ్చు.
- పరీక్షల స్థాయిలో ఉండే ప్రీ-జనరేటెడ్ టెస్ట్స్‌ని మనం టెస్ట్‌లో చూడచ్చు. వీటితోపాటూ పాఠ్యప్రణాళిక మరియు కఠినతర స్థాయిలను మనమే ఎంపిక చేసుకుని స్వయంగా మన కోసం మనం టెస్ట్ రూపొందించుకునే సౌలభ్యం కూడా ఇందులో ఉంది. విద్యార్థి యొక్క ప్రస్తుత దశ మరియు భవిష్య సామర్థ్యతను టెస్ట్ సమగ్రమైన ఫీడ్‌బ్యాక్‌ని కూడా అందిస్తుంది. ఈ టెస్ట్స్ ద్వారా విద్యార్థి యొక్క నైపుణ్యాలు, ఆలోచించే నైపుణ్యాలు ఎక్కడ లోపిస్తున్నాయి? ప్రయాణాన్ని పూర్తి చేయడానికి సూక్ష్మస్థాయి వివరాలను అందిస్తుంది. బలాలు, బలహీనతలను అవి తెలియజేస్తాయి.
ఇక మూడవ లూప్ అయిన అంతర్గత లూప్ సమస్యలను పరిష్కరించేటప్పుడు వాటికి సంబంధించిన సూచనలను అందిస్తుంది. అలాగే ఒక కష్టతరమైన సమస్యను సాధించడానికి దశల వారీగా స్టెప్స్‌ని వివరిస్తుంది. ఇలా ప్రశ్నకు సమాధానం చెప్పే క్రమంలో వాటిలో గల ఫీచర్లను కనుగొనడం లేదా ఫీచర్లని కనిపెడుతుంది.
వాస్తవంగా వ్యక్తిగతపరమైన అనుభవాన్ని మనం ఎలా పొందవచ్చు?
కంటెంట్ క్రియేట్ చేసేటప్పుడు మరియు విద్యార్థితో కంటెంట్‌పరంగా చర్చించేటప్పుడు మేం సంగ్రహించే డేటా అనేది Embibe అందించే వ్యక్తిగతీకరణకు చాలా కీలకం. దాని ద్వారానే వారికి ఇంకా ఏ అంశాలు అవసరం అవుతాయి అనేది ఊహించి తదనుగుణంగా సమాచారాన్ని అందించే అవకాశం ఉంటుంది. అటువంటి కంటెంట్ ద్వారా విద్యార్థులకు కూడా చక్కని అనుభవం సొంతమవుతుంది. అలాగే పరీక్షల్లో చక్కని మార్కులు తెచ్చుకోవడంతోపాటూ విజ్ఞానం కూడా పొందుతారు.
Embibeలో కంటెంట్ వేదికలో ఉండే సూక్ష్మస్థాయి నాలెడ్జ్ గ్రాఫ్స్ రూపంలో స్టోర్ చేయబడిన అంశాలు. వీటిని వివిధ బంధాల ద్వారా పరీక్షలకు అనుబంధం చేస్తారు. వీటిలో అధిక స్థాయి అంశాలంటే టాపిక్స్, అంశాల కలెక్షన్, అధ్యాయాలు, టాపిక్స్ కలెక్షన్. ఒక అంశం లేదా కొన్ని అంశాల సమూహం వీడియో, ప్రశ్న మరియు టెస్ట్‌ని గుర్తించేందుకు ఉపయోగపడతాయి.
అభ్యాస వస్తువులతో విద్యార్థులు ఇంటరాక్ట్ అయినప్పుడు Embibe యొక్క బయేసియన్ నాలెడ్జ్ ట్రేసింగ్ అల్గారిథం 0 మరియు 1 మధ్య వారి విలువను అంచనా వేస్తుంది. దాని ద్వారా ఒక అంశం మీద విద్యార్థికి ఎంత నైపుణ్యం ఉందో తెలుసుకోవచ్చు. ఇలా Embibe నాలెడ్జ్ గ్రాఫ్‌లో దాదాపు 60,000 అంశాలు ఉన్నాయి.
ఈ నైపుణ్యత విలువలు మెటాడేటా పరిధిలో నైపుణ్యాలు, బ్లూమ్ మరియు కఠినతల గురించి తెలియజేస్తాయి. ప్రతి అభ్యాస వస్తువు లైవ్ సెషన్‌లో మనం అభ్యాసం చేసే క్రమంలో దానిని మధ్యలో వదిలేసే అవకాశాలు ఎంతవరకు ఉన్నాయో తెలుపుతుంది. అలాగే ఇతరత్రా అభ్యాస ప్రక్రియలను సూచించడం ద్వారా విజ్ఞానంలోని సూక్ష్మఅంతరాలను సరి చేసుకోవచ్చు.
విద్యార్థులు అభ్యాస వస్తువులతో ముఖ్యంగా ప్రశ్నలతో ఇంటరాక్ట్ అయ్యే కొద్దీ మేము ప్రతి విద్యార్థికీ ప్రత్యేకంగా ఒక విద్యాపరమైన మరియు ప్రవర్తనాపరమైన కోషియెంట్‌తో ముందుకు వస్తాం. ఇదేవిధంగా ప్రతి పరీక్షకి ప్రాతినిధ్యం వహించే హై డైమెన్షనల్ స్పేస్ కూడా ఉంటుంది. ఇందుకు గతేడాది పరీక్షాపత్రాల సహాయం కూడా తీసుకుంటాం. ఈ కారకాలన్నీ విద్యార్థి యొక్క ప్రస్తుత సామర్థ్యాన్ని అంచనా వేయడానికి మాకు ఉపయోగపడతాయి. అలాగే ఏ పరీక్షకు ఎంత శ్రమ అవసరం అవుతుంది అనేది కూడా వారికి తెలియజేస్తుంది. Embibe యొక్క టెస్ట్ ఫీడ్‌బ్యాక్ లక్ష్యం కూడా ఇదే.
వ్యక్తిగతపరమైన అనుభవంలో Embibe యొక్క ప్రధాన బేధం అనేది ప్రపంచస్థాయిలో వినియోగదారుల సెషన్ సూక్ష్మీకరణ, అభ్యాస సమయం, చూసే వీడియోలు మరియు టెస్ట్ సెషన్స్‌లో వచ్చే ప్రవర్తనాపరమైన మార్పుల ద్వారా వస్తుంది. ఈ మార్పులు ప్రతి విద్యార్థి మరియు అటెంప్ట్ నాణ్యత, ప్రస్తుత నైపుణ్య స్థాయి మరియు కంటెంట్ మెటాడేటా.. వంటి అభ్యాస ప్రక్రియలో జరిపే చర్చల ఆధారంగా ఉత్పన్నమవుతాయి.
రెఫెరెన్స్
[1] Sabine Graf, Silvia Rita Viola and Tommaso Leo, Kinshuk. “In-Depth Analysis of the Felder-Silverman Learning Style Dimensions.” Journal of Research on Technology in Education, 2007, 40(1), 79–93
[2] Doreen J. Gooden, Robert C. Preziosi, F. Barry Barnes. “An Examination Of Kolb’s Learning Style Inventory” American Journal of Business Education (AJBE) 2(3) DOI:10.19030/ajbe.v2i3.4049
[3] Cho, et al., “What is Bayesian Knowledge Tracing?”, Proceedings of the Workshop on Visualization for AI explainability (VISxAI), 2018.
[4] Keyur Faldu, Aditi Avasthi, and Achint Thomas. “Adaptive Learning Machine for Score Improvement and Parts Thereof.” US Patent No. 10854099 B2.
[5] Keyur Faldu, Aditi Avasthi, and Achint Thomas.“System and method for behavioral analysis and recommendations.” US20200312178A1.
[6] Keyur Faldu, Aditi Avasthi, and Achint Thomas. “System and method for recommending personalized content using contextualized knowledge base” US20200311152A1
[7] Lalwani, Amar, and Sweety Agrawal. “What Does Time Tell? Tracing the Forgetting Curve Using Deep Knowledge Tracing.” In International Conference on Artificial Intelligence in Education, pp. 158-162. Springer, Cham, 2019.
