EMBIBE स्कोर अनुपात: आउटकम में सुधार के लिए मशीनी लर्निंग
हम जानते हैं कि जब किसी छात्र में सुधार होता है तो उसको मापा जा सकता है इसका अर्थ यह हुआ कि मापन क्षमता, सुधार पर आधारित होती है। EMBIBE स्कोर अनुपात एक संख्यात्मक मापदंड है जो छात्रों की परीक्षा में स्कोर करने की क्षमता को दर्शाता है। EMBIBE स्कोर अनुपात की निम्नलिखित विशेषताएँ हैं:
- प्रतिभा का प्रतिबिंब: EMBIBE स्कोर अनुपात छात्र के प्रदर्शन की अव्यक्त विशेषताओं के आधार पर छात्र की क्षमता को प्रतिबिंबित होता है।
- भविष्यवाणी: यह छात्र के प्रदर्शन की वर्तमान प्रवृत्ति के आधार पर भविष्यवाणी करता है।
- क्षमता पूर्ण: छात्र की एक भी खराब या अच्छी परीक्षा से उसके स्कोर अनुपात पर प्रतिकूल प्रभाव नहीं पड़ता।
- सामान्यीकृत: इसे अलग-अलग टेस्ट कठिनाई स्तरों में गुणज के लिए सामान्यीकृत किया जाना चाहिए।
Embibe ने निम्नलिखित तथ्यों का उपयोग करते हुए मापदंड के आधार पर, छात्र के स्कोर अनुपात की गणना करने के लिए एक एल्गोरिथ्म विकसित किया है:
- अव्यक्त विशेषताएँ: अव्यक्त विशेषताएँ या EMBIBE स्कोर अनुपात सुविधा छात्रों की अंतर्निहित क्षमता को प्रतिबिंबित करती हैं। ये अव्यक्त विशेषताएँ प्रयास स्तर के ईवेंट डेटा से ली जाती हैं जो प्लेटफ़ॉर्म पर ग्रहण की जाती हैं क्योंकि छात्र टेस्ट देते हैं और प्रैक्टिस सत्र की प्रैक्टिस करते हैं।
- सर्वश्रेष्ठ सत्र: N सर्वश्रेष्ठ टेस्ट या प्रैक्टिस सत्रों को ध्यान में रखते हुए, जहाँ N विन्यास योग्य है, EMBIBE स्कोर अनुपात को अन्य छात्रों की तुलना में प्रदर्शन में और मजबूत बनाता है। इसके अलावा, उच्च स्कोरिंग सत्रों से कम स्कोरिंग सत्रों तक महत्व भारांक को कम करने के लिए हरात्मक श्रेढ़ी का उपयोग किया जाता है।
- हाल के सत्र: पिछले K टेस्ट या प्रैक्टिस सत्रों के प्रदर्शन को ध्यान में रखते हुए EMBIBE स्कोर अनुपात, भविष्यवाणी करता है और वर्तमान में छात्र की क्षमता को भी प्रतिबिंबित करता है। यदि सामान्यीकृत सत्र स्कोर प्रत्येक सत्र के बाद ऊपर की ओर रुझान दिखाता है, तो संभावना है कि छात्र निकट भविष्य में भी अच्छा प्रदर्शन करेगा।
EMBIBE स्कोर अनुपात तीन लंबपूर्ण अक्ष- अकादमिक, व्यवहारिक और टेस्ट देने के कौशल पर आधारित है। ये छात्र के अलग-अलग अक्ष- अकादमिक क्षमता, व्यवहारिक अनुपात और टेस्ट देने के कौशल समूह पर छात्र की अव्यक्त विशेषताओं को ग्रहण करता है।
EMBIBE स्कोर अनुपात ~ अकादमिक अनुपात + व्यवहार अनुपात + टेस्ट देने के कौशल का अनुपात
इस आर्टिकल में शामिल अध्ययन के लिए, हमने कई शैक्षणिक सत्रों के हजारों वैध टेस्ट सत्रों पर विचार किया है। एक टेस्ट सत्र को तभी वैध माना जाता है जब किसी छात्र ने उस पर कुछ न्यूनतम सीमा समय बिताया हो और कुछ न्यूनतम प्रश्नों का प्रयास किया हो।
अकादमिक अनुपात विषय ज्ञान से संबंधित होता है। छात्र हाइपर-पर्सनलाइज्ड लर्निंग फीडबैक पर काम करके लगातार अपने टेस्ट में अकादमिक अनुपात में सुधार कर सकते हैं – पर्सनलाइज्ड प्रैक्टिस पैक के रूप में वितरित अकादमिक सुझावों का एक रूप है जिसमें छात्रों की अकादमिक कमजोरियों के अनुरूप प्रश्नों का एक उच्च प्रभावशाली सेट होता है। परिणामस्वरूप, शैक्षणिक अनुपात में लगातार सुधार हो रहा है जैसा कि चित्र 1 में देखा जा सकता है।
व्यवहार अनुपात छात्र के उद्देश्य से संबंधित होता है कि छात्र उच्च स्कोर करने के लिए कितना प्रेरित, सचेत और प्रतिबद्ध है।
Embibe पहले छात्र के व्यवहार संबंधी लक्षणों को निर्धारित करके और फिर वृद्धिशील सुधार के लिए प्रगतिशील लक्ष्य निर्धारित करके छात्रों को उनके व्यवहारिक अनुपात को बेहतर बनाने में मदद करता है [1]। एक बार जब छात्र को पता चल जाता है कि उसके अव्यक्त व्यवहार-उद्देश्य में कहाँ कमी है, तो वह इसके बारे में जागरुक होकर अपने व्यवहारिक अनुपात में सुधार कर सकता है। जैसा कि चित्र 2 में देखा जा सकता है, प्रारंभिक व्यवहार सुधार बहुत तेजी से होता है और बाद में प्रत्येक लगातार टेस्ट के बाद एक धीमा लेकिन स्थिर सुधार होता है।
टेस्ट देने के कौशल का अनुपात समय प्रबंधन, टेस्ट सत्र में उत्तर दिए जाने वाले प्रश्नों की प्राथमिकता से संबंधित होता है।
टेस्ट देने के कौशल के अनुपात में सुधार स्वाभाविक रूप से Embibe स्कोर अनुपात में सुधार करता है क्योंकि परीक्षा में बेहतर स्कोर करने की रणनीति लर्निंग आउटकम को अधिकतम करती है। जैसा कि चित्र 3 में देखा जा सकता है, टेस्ट देने के कौशल के अनुपात में सुधार शुरू में अधिक होता है, उसके बाद धीमा लेकिन स्थिर वृद्धि होती है।
Embibe स्कोर अनुपात को अकादमिक, व्यवहारिक और टेस्ट देने के कौशल के अनुपात में खंडित करके लर्निंग आउटकम पाने के लिए प्रभावशाली सुझाव एनेबल होते हैं।
संदर्भ:
- Faldu K., Thomas A., Donda C. and Avasthi A., “Behavioural nudges that work for learning outcomes”, Data Science Lab, Embibe, https://www.embibe.com/ai-detail?id=2, 2016.
- Faldu, K., Avasthi, A. and Thomas, A., Indiavidual Learning Pvt Ltd, 2020. Adaptive learning machine for score improvement and parts thereof. U.S. Patent 10,854,099.
- Donda, C., Dasgupta, S., Dhavala, S. S., Faldu, K., & Avasthi, A. (2020). A framework for predicting, interpreting, and improving Learning Outcomes. arXiv preprint arXiv:2010.02629.
