वैयक्तिक कामगिरी प्रवास

वैयक्तिकृत कामगिरी प्रवास (PAJ) चे उद्दिष्ट विद्यार्थ्याला त्यांची सध्याची ज्ञान पातळी पूर्वनिर्धारित कालावधी पूर्व निर्धारित अभ्यासक्रम विद्यार्थ्यांच्या लक्ष परीक्षेसाठी संकल्पनांचे महत्त्व आणि प्रत्येक संकल्पनेवर प्रभुत्व मिळवण्यासाठी आवश्यक असलेले प्रयत्न या बाबी लक्षात घेऊन त्यांना उत्तम शिक्षणाचा  मार्ग प्रदान करणे हे आहे.

शिक्षणाचे परिणाम वितरित करण्यासाठी AI प्लॅटफॉर्म, Embibe साठी PAJ हे सर्वोतोपरी महत्वाचे आहे. Embibe मध्ये, आपण विद्यार्थ्यांचे शैक्षणिक परिणाम साध्य करण्यासाठी संदर्भित ज्ञान आलेख आणि वर्तणुकीशी संबंधित प्रोफाईलवर संकल्पना प्रभुत्व बुद्धिची आकलनक्षमता मोजतो. PAJ हि अति वैयक्तिकृत पद्धतीने शिकणे, सराव आणि मूल्यांकन पॅक विद्यार्थ्यांचे शिक्षण वेगाने  करण्यासाठी संधी आहे.

सुयोग्य शिक्षण मार्ग डिझाईन करण्याची समस्या दोन उपसमस्यांमध्ये विभागली जाऊ शकते –  संकल्पनांची निवड आणि शिकलेल्या गोष्टींचा क्रम, संकल्पना स्पष्ट करणारे व्हिडिओ आणि सराव प्रश्न. आपण गतिमान प्रोग्रामिंग समस्या म्हणून निवड प्रक्रिया मॉडेल तयार केले आहे. जे वैयक्तिक यशाचा प्रवास पूर्ण करण्यासाठी उरलेल्या वेळेवर आधारित सर्वात महत्त्वाच्या संकल्पना निवडते.

प्रत्येक संकल्पना पूर्ण झाल्यानंतर उरलेल्या शैक्षणिक गोष्टींमधून निवड करण्यासाठी किंमत आणि खर्चाचा पैलु पाहणे आवश्यक आहे. निवडीसह आणखी एक विचार म्हणजे पूर्व-आवश्यक संकल्पना गाळणे टाळावे. आणि या कारणास्तव आपण वैयक्तिक संकल्पनांच्या ऐवजी खर्च आणि किंमतीचे मूल्यमापन करण्यासाठी आमच्या संकल्पना ज्ञान आलेखांमधील उपआलेख वापरतो.

मग ते किंमत /खर्च  गुणोत्तर यावर आधारित उपसमूह संकल्पना निवडते, जेथे उपसमूहाचे मूल्य अंतिम परीक्षेतील मूलभूत आणि उपयुक्तता दर्शवते तर विद्यार्थ्यांना विशिष्ट वर्तणुकी संबंधित गुणधर्मांवर आधारित उपसमूहावर प्रभुत्व मिळवण्यासाठी विद्यार्थ्यांना किती वेळ खर्च करावा लागतो, जेणे करून विद्यार्थी जास्तीत जास्त शैक्षणिक परिणाम प्राप्त करू शकतात.

अल्गोरिदम हे देखील ठरवते की विद्यार्थ्यांना शिक्षण सामग्रीची आवश्यकता आहे की नाही. वापरकर्त्याला अनुकूल सराव अल्गोरिदम वर आधारित दिलेल्या संकल्पना उपसमूहाअंतर्गत सर्व क्षमतांचा अंतर्भाव करेपर्यंत हे सराव प्रश्न देखील प्रदान करते.

वर सांगितलेल्या दोन्ही अटी मार्कोव्ह साखळीवर आधारित आहेत ज्याची संकल्पना प्रभुत्व करू म्हणून सर्वात अलीकडील स्थिती आहे जी बेजीय संभाव्यता वापरून अद्यावत केलेली आहे, ज्याला बेजीय ज्ञान अनुरेखन असेही म्हणतात. शिवाय, प्रत्येक टप्प्यावर अनुकूल वेळ वाटप निश्चित करण्यासाठी अल्गोरिदम पुन्हा बुद्धीची आकलन क्षमता मोजते.

वैयक्तिकृत कामगिरी प्रवास अल्गोरिदम मागील इयत्तांच्या पूर्व आवश्यक संकल्पनांचा देखील विचार करते जा लक्ष्यीत परीक्षेसाठी महत्त्वाच्या आहेत. त्यामुळे, एखाद्या विद्यार्थ्याचा दिलेल्या अभ्यासक्रमाचा मूलभूत पाया कच्चा असल्यास अल्गोरिदम मूलभूत संकल्पनांचा खोलवर शोध घेते आणि मागील इयत्तेतील किमान शिक्षण सामग्री निवडतो ज्यामुळे विद्यार्थ्यांना सध्याच्या इयत्तेत पुढे जाण्यापूर्वी त्यांच्या मूलभूत गोष्टीं शिकण्यात मदत होते.

संदर्भ

[1]“#RAISE2020 – Embibe – वैयक्तिकृत शिक्षणासाठी AI-पॉवर्ड लर्निंग परिणाम प्लेटफार्म”, MyGov India, ऑक्टोबर 2020

[2] फाल्दू, केयूर, अदिती अवस्थी आणि अचिंत थॉमस. “स्कोअर सुधारण्यासाठी आणि त्याच्या भागांसाठी अनुकूलन शिक्षण मशीन.” यू.एस. पेटंट 10,854,099, 1 डिसेंबर 2020 रोजी जारी केले.

[3]थॉमस, अचिंत, केयुर फाल्दू आणि अदिती अवस्थी. “शैक्षणिक सामग्रीच्या वैयक्तिकृत पुनर्प्राप्तीसाठी श्रेणीबद्ध पद्धती प्रणाली आणि पद्धत.” यू.एस. पेटंट अर्ज 16/740,223, 1 ऑक्टोबर 2020 रोजी दाखल.

[4]फाल्दू, केयुर, अचिंत थॉमस आणि अदिती अवस्थी. “संदर्भीय ज्ञान आधार वापरून वैयक्तिकृत सामग्रीची शिफारस करण्याची प्रणाली आणि पद्धत.” यू.एस. पेटंट अर्ज 16/586,512, 1 ऑक्टोबर 2020 रोजी दाखल.

[5]फाल्दू, केयुर, अचिंत थॉमस आणि अदिती अवस्थी. “वर्तणूक विश्लेषण आणि शिफारसींसाठी प्रणाली आणि पद्धत.” यू.एस. पेटंट अर्ज 16/586,525, 1 ऑक्टोबर 2020 रोजी दाखल.

[6]देसाई, निशित, केयूर फाल्दू, अचिंत थॉमस आणि अदिती अवस्थी. “मूल्यांकन पेपर तयार करण्यासाठी आणि त्याची गुणवत्ता मोजण्यासाठी प्रणाली आणि पद्धत.” यू.एस. पेटंट अर्ज 16/684,434, 1 ऑक्टोबर 2020 रोजी दाखल.

[7]धवला, सोमा, चिराग भाटिया, जॉय बोस, केयूर फाल्दू आणि अदिती अवस्थी. “निदान मूल्यमापन आणि त्यांच्या गुणवत्ता मूल्यांकनाची स्वयं निर्मिती.” इंटरनॅशनल एज्युकेशनल डेटा मायनिंग सोसायटी (2020).

[8]लालवानी, अमर आणि स्वीटी अग्रवाल. “वेळ काय सांगते? सखोल ज्ञान अनुरेखन वापरून विसरले जाण्याचा वक्र अनुरेखन.” इन इंटरनॅशनल कॉन्फरन्स ऑन आर्टिफिशियल इंटेलिजन्स , pp. 158-162. स्प्रिंगर, चाम, 2019.

[9]अग्रवाल, एस. आणि ए. लालवाणी. “सखोल ज्ञान अनुरेखनाचा वापर करून सुधारित ब्लूमच्या वर्गीकरणावर आधारित समस्या अनुक्रम धोरणांचे विश्लेषण करणे.” इंटेलिजेंट ट्युटोरिंग सिस्टम्सवर इंट कॉन्फ (ITS) च्या प्रोक. बर्लिन: स्प्रिंगर 407410 (2018).