पर्सनलाइज्ड शिक्षा के लिए इंटेलिजेंट सर्च
जब यूजर द्वारा मांग की जाने वाली सूचना प्रदान करने की बात आती है, तो बड़े पैमाने पर दो यूजर अनुभव प्रतिमान होते हैं। पहले में एक अच्छी तरह से तैयार की गयी मैन्यू-आधारित नेविगेशन प्रणाली है तथा दूसरा सर्च है जो यूजर क्वेरी के आधार पर कंटेंट प्रदान करता है।
सर्च एक बेहतर तरीका है जिसके द्वारा हम आज वेब पर सूचना प्राप्त करते हैं। जबकि मैन्यू-आधारित प्रणाली पूर्ण रूप से यूजर को उनके द्वारा खोजी जा रही सटीक जानकारी तक ले जाती है, मैन्यू विकल्पों की सीमित संख्या इसे कम संगत विकल्प बनाती है, खासकर जब सूचना का ब्रह्मांड बहुत बड़ा हो। यह उल्लेख करने की जरूरत नहीं है, मैन्यू और टैब के संचय के तहत कंटेंट सर्च करना एक धीमी और कठिन प्रक्रिया बन जाती है यही कारण है कि सर्च-आधारित यूआई तकनीक की सहायता से यूजर के लिए Embibe का कंटेंट उपलब्ध कराया गया है।
प्रोडक्ट डिज़ाइन के नजरिए से देखे तो, एक सर्च-आधारित यूआई तकनीक अधिक व्यावहारिक है क्योंकि यह स्वयं को अलग-अलग यूजर के अनुसार ढाल सकती है। जैसे-जैसे हम सैकड़ों पाठ्यक्रमों में हजारों परीक्षाओं में अपने कंटेंट को विस्तृत करते हैं और यूजर द्वारा प्लेटफ़ॉर्म के साथ इंटरैक्ट करने के दौरान Embibe द्वारा पहले ही एकत्र किए गए डेटा की भारी मात्रा के कारण कंटेंट की सर्च और सरफेसिंग तकनीकों को विकसित करना संभव होता है जो व्यक्तिगत यूजर के लिए पर्सनलाइज्ड हैं, जिससे जल्दी से उनके द्वारा पूछे गए प्रश्न का समाधान करके उन्हें प्रसन्न किया जा सकता है।
जैसा कि पहले कहा गया है, पिछले 8 वर्षों से Embibe बड़ी मात्रा में डेटा इकट्ठा कर रहा है और यही हमारी सर्च-आधारित पर्सनलाइज्ड कंटेंट खोज प्रणाली को शक्ति प्रदान करता है। चित्र 1 नियंत्रण आरेख को दिखाता है जैसा कि यूजर तब तक क्वेरी करता है जब तक कि रिजल्ट नहीं आते है। Embibe पर्सनलाइज्ड कंटेंट खोज शुद्ध Elasticsearch पर इन-हाउस कस्टम विकसित प्री- और पोस्ट-प्रोसेसिंग फ्रेमवर्क का उपयोग करके संचालित होती है जो यूजर लुकअप, क्वेरी री-राइटिंग, इंटेंट डिटेक्शन, मल्टी-पास रीट्रीवल, रिजल्ट री-रैंकिंग और क्वेरी डिसऐम्बिग्युएशन को हैंडल करती है। सिस्टम और परफॉरमेंस मैट्रिक्स के अलग-अलग घटकों का विवरण इस लेख के दायरे से बाहर है।
हमारा सर्च इंजन सभी ग्रेडों में यूजर क्वेरी के अनुसार कंटेंट प्रदान करता है। यह 25 ऐसे कारकों के बीच यूजर ग्रेड, कोहोर्ट असाइनमेंट, हिस्टोरिकल सर्च ट्रेंड और कंटेंट कंजम्पशन पैटर्न, परीक्षा के आधार पर कंटेंट की कठिनाई और पास्ट यूजर इंटरैक्शन के आधार पर प्रासंगिक रिजल्ट को रीरैंक करता है।
प्रश्न संख्या टेम्पलेट (क्यूएनटी) सर्च: एक अनूठा फीचर जो छात्रों को किसी विशिष्ट पुस्तक के प्रश्न को सीधे खोजने और उसकी प्रैक्टिस करने और हल प्राप्त करने की सुविधा प्रदान करती है। यह उन छात्रों के लिए बहुत समय बचाती है जो निकट भविष्य में किसी परीक्षा में शामिल होने जा रहे हैं।
इसके अतिरिक्त, छात्रों को पर्याप्त डेटा उपलब्ध होने पर, या डेटा अपर्याप्त मामलों में समान दिखने वाले यूजर के आधार पर, प्लेटफ़ॉर्म पर उनके पिछले क्रियाकलाप अथवा बातचीत के आधार पर अपना समय केंद्रित करने के लिए लक्षित कंटेंट के लिए सुझाव संबंधी कंटेंट उपलब्ध कराए जाते हैं।
पर्सनलाइज्ड सुझाव दो प्रकार के होते हैं – शैक्षिक कंटेंट के लिए सुझाव जहाँ यूजर अपने प्रदर्शन समूह के बाकी सदस्यों की तुलना में बहुत कम प्रतिशत के कारण सबसे पीछे होता है और व्यवहार-लक्षित प्रैक्टिस के विशेष कटौती वाले प्रश्न पैक के लिए सुझाव, जैसे टॉप रैंकर्स की गलतियाँ, अधिकांश छात्रों की लापरवाह गलतियाँ आदि। ये प्रैक्टिस पैक विशिष्ट यूजर व्यवहार संबंधी कमियों को दूर करने में उपयोगी हैं।
