విద్యార్థి విజ్ఞాన స్థాయి మరియు ప్రవర్తనా విధానాలను తెలుసుకోవడం ద్వారా వారి మార్కుల సాధనా సామర్థ్యాన్ని కొలవడం
Embibe స్కోర్ కోషియెంట్ అనేది విద్యార్థి ఒక టెస్ట్లో ఎంత స్కోర్ చేయగలరో ఊహించడానికి సహాయపడే మెకానిజం
Embibe స్కోర్ కోషియెంట్ అనేది విద్యార్థి ఒక టెస్ట్లో ఎంత స్కోర్ చేయగలరో ఊహించడానికి సహాయపడే మెకానిజం
‘‘అందరూ తెలివైనవారే. కానీ ఒక చేప యొక్క సామర్థ్యాన్ని అది చెట్టు ఎక్కగలగడం ద్వారా నిర్ణయించాలని ప్రయత్నిస్తే; దాని జీవితం అంతా తనని తాను అసమర్థ జీవిగా భావిస్తూనే ఉంటుంది’’ – ఐన్స్టైన్
ఈ ఉదాహరణ ప్రపంచవ్యాప్తంగా ఉన్న విద్యార్థుల కష్టాలను తెలిజేస్తుంది. ప్రతిభకు నిదర్శనంగా కేవలం పరీక్షలను మాత్రమే విద్యా వ్యవస్థలు మరియు రిక్రూటర్లు పరిగణిస్తున్నారు. ఏడాదంతా బాగా చదవినా లేక అసలు చదవకపోయినా, ఒక విద్యార్థి పరీక్షలో ఏం రాశాడు అన్నదే ఇక్కడ అంతిమ విషయం. ఈ కష్టాలకు తోడు నాణ్యత గల ఉపాధ్యాయులకు గల డిమాండ్ మరియు అందుబాటులో ఉన్న అటువంటి వారి సంఖ్య ప్రాంతాల వారిగా చాలా తేడా ఉంటోంది. ఫలితంగా విద్యార్థులు – ఉపాధ్యాయుల నిష్పత్తిలో చాలా అంతరం కనిపిస్తోంది. ఈ కారణంగా ఉపాధ్యాయులు ప్రతి విద్యార్థికీ వ్యక్తిగతపరమైన విద్యను అందించలేరు. ఈ సమస్యలన్నింటినీ అధిగమించడానికి విద్యార్థులకు వారికి ఏమి అవసరమో, ఎప్పుడు అవసరమో గమనిస్తూ వాటిని వారికి అనుకూల సమయాల్లో అందించాలి. అప్పుడే వారు తమ పూర్తి సామర్థ్యానికి అనుగుణంగా చదవగలరు.
దీనిని సాధించడానికి Embibe విద్యార్థుల యొక్క ప్రస్తుత సామర్థ్యాన్ని ‘Embibe స్కోర్ కోషియెంట్’ అని పిలువబడే శాస్త్రీయ పద్దతి ద్వారా అంచనా వేయబడుతుంది. ఒక విద్యార్థి మార్కులు సాధించే సామర్థ్యం మొత్తంగా అతను/ఆమె విద్యా నైపుణ్యం మరియు ప్రవర్తన వంటి లక్షణాల మీద ఆధారపడి ఉంటుంది. పరీక్షలో తక్కువ మార్కులు రావడానికి గల అంశాల గురించి నిశితంగా తెలుసుకునేందుకు ఇది సహాయపడుతుంది.
మా వ్యవస్థ ద్వారా అప్పటికప్పుడు సిఫార్సులు అందించడానికి ఉపయోగపడే ‘Embibe స్కోర్ కోషియెంట్’లోని ప్రధాన భాగాలు ఇవే
ఇక ప్రవర్తనా కోషియెంట్లో ఉన్న ఉప విభాగాల వివరాలకు వస్తే…
మిషన్ లర్నింగ్ నమూనా
వాస్తవికత యొక్క ఒక అంచనా. పరిమాణాత్మకంగా లేదా సహజ భాషలో వాస్తవికతను తెలియజేయడానికి ఇది ఉపయోగపడుతుంది. పారదర్శకమైన లోతైన అభ్యాస నమూనాలకు కూడా ఇక్కడ చక్కని వివరణలు ఉంటాయి. ఈ వివరణలను దృష్టిలో పెట్టుకుని ‘Embibe స్కోర్ కోషియెంట్’ అనేది వివరణాత్మక లక్షణాల ఆధారంగా అప్పటికప్పుడు సిఫార్సులను విద్యార్థులకు అందిస్తుంది. ఈ సిఫార్సుల ద్వారా విద్యార్థులకు వారి బలహీన అంశాలు మరియు ప్రవర్తనాపరమైన ఫీడ్బ్యాక్ని అందిస్తుంది. ఇవి బాగా సూక్ష్మ స్థాయిలో ఉండటం వల్ల వెంటనే తగిన చర్యలు తీసుకోవడానికి వీలవుతుంది.
రెఫెరెన్స్:
[1] Keyur Faldu, Aditi Avasthi, and Achint Thomas. Adaptive learning machine for score improvement and parts thereof, US Patent No. 10854099 B2.
[2] C. Rudin. Stop Explaining Black-Box Machine Learning Models for High Stakes Decisions and Use Interpretable Models Instead. arXiv e-prints, 11 2018.