Sentiment Analysis of AI Adoption in Indonesian Higher Education Using Machine Learning and Transformer-Based Models
यह अध्ययन पारंपरिक मशीन लर्निंग मॉडल की तुलना ट्रांसफॉर्मर-आधारित डिस्टिलबर्ट (DistilBERT) से करके उच्च शिक्षा में एआई (AI) अपनाने के संबंध में इंडोनेशियाई छात्रों की धारणा का मूल्यांकन करता है, जिसमें यह पाया गया कि जबकि डिस्टिलबर्ट संदर्भ को बेहतर ढंग से कैप्चर करके बेहतर सटीकता (84.78%) प्राप्त करता है, वहीं एसवीएम (SVM) 82.14% सटीकता के साथ एक प्रतिस्पर्धी और कुशल विकल्प बना हुआ है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक हलचल भरे इंडोनेशियाई विश्वविद्यालय परिसर की कल्पना करें जहाँ छात्र एक नए, शक्तिशाली उपकरण: आर्टिफिशियल इंटेलिजेंस (AI) के बारे में अपनी राय साझा करने के लिए उत्साहित हैं। कुछ इसे सीखने के लिए एक जादुई छड़ी के रूप में देखते हैं; अन्य को डर है कि यह एक 'चीट शीट' है जो उनकी आलोचनात्मक सोच को बर्बाद कर देगी। इस शोध पत्र के शोधकर्ता इस "हलचल" को सुनना चाहते थे और यह पता लगाना चाहते थे कि छात्र वास्तव में क्या महसूस कर रहे हैं। उन्होंने केवल कुछ लोगों से नहीं पूछा; उन्होंने 2,000 से अधिक लिखित राय एकत्र कीं और उन्हें खुश/समर्थक (Happy/Supportive) या चिंतित/नकारात्मक (Worried/Negative) में वर्गीकृत करने के लिए दो अलग-अलग प्रकार के "डिजिटल कानों" का उपयोग किया।
उन्होंने इसे कैसे किया, यहाँ सरल भाषा में समझाया गया है:
दो "डिजिटल कान" (तरीके)
शोधकर्ताओं ने छात्र की इन राय को समझने के दो अलग-अलग तरीकों का परीक्षण किया, जैसे कि एक तेज़, कुशल लाइब्रेरियन की तुलना एक गहन-चिंतन करने वाले प्रोफेसर से करना।
1. तेज़ लाइब्रेरियन (मशीन लर्निंग विद SVM)
- यह कैसे काम करता है: यह तरीका TF-IDF नामक तकनीक का उपयोग करता है। कल्पना करें कि छात्र द्वारा लिखे गए प्रत्येक शब्द को लिया जा रहा है और यह गिना जा रहा है कि वह कितनी बार आता है। यदि कोई छात्र लिखता है "AI महान है," तो सिस्टम नोट करता है कि "महान" उनके लिए एक मजबूत शब्द है। यह टेक्स्ट को शब्दों के एक थैले की तरह मानता है, जो खुशी या चिंता का संकेत देने वाले विशिष्ट कीवर्ड्स की तलाश करता है।
- उपकरण: उन्होंने SVM (सपोर्ट वेक्टर मशीन) नामक एक मॉडल का उपयोग किया। SVM को एक बहुत ही सटीक और कुशल सॉर्टर (छँटनी करने वाला) के रूप में समझें। यह "सकारात्मक" शब्दों को "नकारात्मक" शब्दों से अलग करने के लिए रेत में एक रेखा खींचता है। यह तेज़ है, इसके लिए बहुत अधिक कंप्यूटिंग पावर की आवश्यकता नहीं होती है, और यह सरल शब्द सूचियों में पैटर्न पहचानने में माहिर है।
- परिणाम: यह "लाइब्रेरियन" बहुत अच्छा था! इसने लगभग 82% राय सही बताईं। यह पारंपरिक तरीकों में सबसे अच्छा था, जिससे यह सिद्ध हुआ कि कभी-कभी भीड़ को समझने के लिए आपको सुपरकंप्यूटर की आवश्यकता नहीं होती है।
2. गहन-चिंतन करने वाला प्रोफेसर (ट्रांसफॉर्मर विद डिस्टिलबर्ट - DistilBERT)
- यह कैसे काम करता है: यह तरीका DistilBERT का उपयोग करता है, जो "ट्रांसफॉर्मर्स" पर आधारित एक प्रकार का AI है। उस लाइब्रेरियन के विपरीत जो केवल शब्दों को गिनता है, प्रोफेसर पूरे वाक्य को पढ़ता है और उसके संदर्भ (Context) को समझता है। वह जानता है कि "AI महान नहीं है" (AI is not great) "AI महान है" (AI is great) से बहुत अलग है, भले ही उनमें समान शब्द हों। वह सूक्ष्मता, लहजे और छिपे हुए अर्थ को समझता है।
- उपकरण: DistilBERT एक विशाल AI मस्तिष्क का एक "लाइट" संस्करण है। यह एक ऐसे प्रोफेसर की तरह है जिसने पूरे इंटरनेट को पढ़ा है लेकिन इतना छोटा है कि एक मानक लैपटॉप पर फिट हो सके।
- परिणाम: यह "प्रोफेसर" चैंपियन था, जिसने लगभग 85% राय सही बताईं। यह लाइब्रेरियन से थोड़ा बेहतर था क्योंकि इसने केवल शब्दों को ही नहीं, बल्कि शब्दों के पीछे की भावनाओं को भी समझा।
प्रयोग सेटअप
- डेटा: उन्होंने 2,295 छात्र टिप्पणियाँ एकत्र कीं। यह एक निष्पक्ष मुकाबला था: लगभग आधे छात्र नकारात्मक थे (चीटिंग या कौशल खोने के बारे में चिंतित), और आधे सकारात्मक (सीखने की दक्षता के प्रति उत्साहित)।
- परीक्षण: उन्होंने डेटा को तीन हिस्सों में विभाजित किया:
- प्रशिक्षण (Training - 80%): मॉडल्स को सिखाना।
- वैलिडेशन (Validation - 10%): उनका होमवर्क चेक करना।
- टेस्टिंग (Testing - 10%): अंतिम परीक्षा यह देखने के लिए कि उन्होंने वास्तव में क्या सीखा।
मुकाबला: कौन जीता?
| प्रतियोगी | शैली | अंतिम स्कोर (सटीकता) | गति |
|---|---|---|---|
| LightGBM | द स्पीडस्टर (गतिमान) | ~50% (लक्ष्य से चूक गया) | सुपर फास्ट |
| Random Forest | द टीम प्लेयर (टीम का खिलाड़ी) | ~59% (ठीक है, लेकिन बहुत अच्छा नहीं) | फास्ट |
| SVM | द एफिशिएंट लाइब्रेरियन | 82.14% | फास्ट |
| DistilBERT | द डीप प्रोफेसर | 84.78% | धीमी (ट्रेन करने में मिनट लगते हैं) |
- विजेता: DistilBERT ने उच्चतम सटीकता के साथ स्वर्ण पदक जीता। इसने साबित कर दिया कि वाक्य के संदर्भ को समझना मानवीय भावनाओं को बेहतर ढंग से समझने में मदद करता है।
- उपविजेता: SVM दूसरे स्थान पर आया। हालांकि यह जीता नहीं, लेकिन शोध पत्र में उल्लेख किया गया है कि यह अभी भी एक "मजबूत, कम लागत वाला विकल्प" है। यदि आपको त्वरित उत्तर चाहिए और आपके पास सुपरकंप्यूटर नहीं है, तो लाइब्रेरियन (SVM) अभी भी एक बहुत ही विश्वसनीय विकल्प है।
मुख्य निष्कर्ष
शोध पत्र निष्कर्ष निकालता है कि जबकि "डीप प्रोफेसर" (DistilBERT) स्कूलों में AI के बारे में इंडोनेशियाई छात्रों की भावनाओं को समझने में सबसे सटीक है, वहीं "एफिशिएंट लाइब्रेरियन" (SVM) अभी भी एक बहुत ही शक्तिशाली उपकरण है जिसे चलाना बहुत तेज़ और सस्ता है।
अंत में, शोधकर्ताओं ने केवल नंबरों पर ही नहीं रोका। उन्होंने एक लाइव वेब ऐप बनाया (Gradio नामक टूल का उपयोग करके) जहाँ कोई भी एक वाक्य टाइप कर सकता है, और सिस्टम तुरंत उन्हें बताएगा कि भावना सकारात्मक है या नकारात्मक, साथ ही एक कॉन्फिडेंस स्कोर भी देगा। यह छात्र की राय के लिए एक डिजिटल 'मूड रिंग' की तरह है।
संक्षेप में: AI के बारे में छात्र की भावनाओं को समझने के लिए, आप एक तेज़, कीवर्ड-आधारित सॉर्टर (SVM) का उपयोग कर सकते हैं या एक स्मार्ट, संदर्भ-जागरूक पाठक (DistilBERT) का। स्मार्ट पाठक सटीकता में जीतता है, लेकिन तेज़ सॉर्टर अभी भी एक बहुत ही उपयोगी उपकरण है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।