Adaptive Student Knowledge Assessment in E-Tutoring Systems: An Intuitionistic Fuzzy Logic and Ontology Modeling Approach

कल्पना कीजिए कि आप एक विशाल, जादुई पुस्तकालय में घूम रहे हैं जहाँ हर किताब ज्ञान का एक टुकड़ा है। एक आदर्श दुनिया में, एक शिक्षक हर छात्र के पास खड़ा हो सकता है, यह देख सकता है कि जब वे किसी अवधारणा को समझते हैं तो उनकी आँखें कैसे चमक उठती हैं और जब वे कहीं अटक जाते हैं तो उनकी भौहें कैसे सिकुड़ जाती हैं। लेकिन ऑनलाइन लर्निंग की डिजिटल दुनिया में, शिक्षक एक कंप्यूटर है, और छात्र स्क्रीन के पीछे छिपा एक गुमनाम उपयोगकर्ता है। कंप्यूटर को कैसे पता चलेगा कि आपको वास्तव में उत्तर पता है, या आपने बस तुक्का लगाया है? यही "इंटेलिजेंट ई-ट्यूटरिंग" (Intelligent E-tutoring) की बड़ी पहेली है।

इसे हल करने के लिए, वैज्ञानिक दो मुख्य उपकरणों का उपयोग करते हैं। पहला है, स्टूडेंट मॉडल (Student Model), जो एक डिजिटल बैकपैक की तरह है जिसमें छात्र क्या जानता है, क्या नहीं जानता और वह किस बारे में अनिश्चित है, इसका एक रिकॉर्ड होता है। दूसरा है, ऑन्टोलॉजी (Ontology), जो एक शानदार मानचित्र है जो पुस्तकालय के सभी ज्ञान को व्यवस्थित करता है, यह दिखाता है कि एक विचार दूसरे विचार से कैसे जुड़ता है (जैसे कि मैराथन दौड़ने से पहले आपको अपने जूते के फीते बांधना सीखना होगा)। पेचीदा बात यह है कि सीखना हमेशा काला या सफेद नहीं होता। कभी-कभी आप किसी उत्तर के बारे में काफी आश्वस्त महसूस करते हैं, लेकिन आप 100% निश्चित नहीं होते। इस "शायद" वाली भावना को अनिश्चितता (Uncertainty) कहा जाता है। पारंपरिक कंप्यूटर "शायद" के साथ संघर्ष करते हैं, लेकिन इंट्यूशनिस्टिक फजी लॉजिक (Intuitionistic Fuzzy Logic) नामक एक विशेष प्रकार का गणित ठीक इसी तरह की धुंधली, अनिश्चित सोच को संभालने के लिए बनाया गया है।

यह शोध पत्र, जिसका शीर्षक "अडेप्टिव स्टूडेंट नॉलेज असेसमेंट इन ई-ट्यूटरिंग सिस्टम्स" (Adaptive Student Knowledge Assessment in E-Tutoring Systems) है, इन डिजिटल बैकपैक और मानचित्रों को बनाने का एक नया तरीका प्रस्तावित करता है। लेखक सुझाव देते हैं कि एक अधिक स्मार्ट और मानव जैसा ट्यूटर बनाने के लिए अनिश्चितता को संभालने वाले "फजी" गणित को ऑन्टोलॉजी के संरचित "मानचित्र" के साथ जोड़ें। उन्होंने इस विचार का परीक्षण करने के लिए एक वर्किंग प्रोटोटाइप बनाया, और उनके परिणाम बताते हैं कि यह मिश्रण उन्हें छात्र की प्रगति को अधिक सटीक रूप से ट्रैक करने की अनुमति देता है, भले ही छात्र अनुमान लगा रहा हो या अनिश्चित महसूस कर रहा हो।

समस्या: ऑनलाइन लर्निंग का "अनुमान लगाने का खेल"

कई ऑनलाइन कक्षाओं में, आप एक बहुविकल्पीय प्रश्न का उत्तर देते हैं, और कंप्यूटर बस कहता है "सही" या "गलत"। लेकिन क्या होगा अगर आपने तुक्का लगाया हो? या क्या होगा अगर आप उत्तर जानते थे लेकिन घबराए हुए थे? एक साधारण "सही" या "गलत" पूरी कहानी नहीं बताता। यह एक ऐसे शिक्षक की तरह है जो बिना कभी यह पूछे कि "आप कितने सुनिश्चित थे?" परीक्षा का मूल्यांकन कर रहा है।

लेखकों का तर्क है कि वर्तमान प्रणालियाँ अक्सर इस सूक्ष्मता को चूक जाती हैं। वे ज्ञान को एक लाइट स्विच की तरह मानते हैं: यह या तो चालू (आपको पता है) है या बंद (आपको नहीं पता)। लेकिन वास्तव में, सीखना एक डिमर स्विच की तरह है। आप 70% निश्चित हो सकते हैं, या आप पूरी तरह से खोए हुए हो सकते हैं लेकिन बेहतर की उम्मीद कर रहे हैं। पेपर का सुझाव है कि ऑनलाइन ट्यूटरिंग को वास्तव में सहायक बनाने के लिए, सिस्टम को इन ग्रे शेड्स (धुंधले क्षेत्रों) को समझने की आवश्यकता है।

समाधान: एक तीन-भाग वाला जादू

लेखक इस समस्या को हल करने के लिए तीन विशेष सामग्रियों का उपयोग करने वाला एक सिस्टम प्रस्तावित करते हैं:

1. मानचित्र (Ontology): इसे विषय वस्तु के लिए एक सख्त, व्यवस्थित नियम पुस्तिका के रूप में सोचें। अपने उदाहरण में, उन्होंने कंप्यूटर प्रोग्रामिंग लूप्स (जैसे for लूप और while लूप) का उपयोग किया। मानचित्र जानता है कि आप while लूप के बारे में तब तक नहीं सीख सकते जब तक कि आप for लूप को नहीं समझ लेते। यह सुनिश्चित करने का एक संरचित तरीका है कि कंप्यूटर चीजों के क्रम को जानता है।

2. फजी ब्रेन (Intuitionistic Fuzzy Logic): यह असली सीक्रेट सॉस है। केवल यह कहने के बजाय कि "आपने इसे सही किया," यह गणित तीन चीजों को देखता है:

   • मेंबरशिप (Membership): आप उत्तर से कितना सहमत हैं? ("हाँ" वाला हिस्सा)।
   • नॉन-मेंबरशिप (Non-membership): आप कितना असहमत हैं? ("नहीं" वाला हिस्सा)।
   • हेसिटेंसी (Hesitancy): आप कितने अनिश्चित हैं? ("मुझे नहीं पता" वाला हिस्सा)।

   एक छात्र के उत्तर देने की कल्पना करें। यदि वे आत्मविश्वासी हैं, तो उनका "हाँ" स्कोर बढ़ जाता है। यदि वे गलत हैं, तो उनका "नहीं" स्कोर बढ़ जाता है। लेकिन यदि वे अनुमान लगा रहे हैं, तो उनका "मुझे नहीं पता" स्कोर उच्च बना रहता है। यह सिस्टम को यह कहने की अनुमति देता है, "ठीक है, आपने इसे सही किया, लेकिन आप वास्तव में अनिश्चित थे, इसलिए आइए और अभ्यास करें," बजाय इसके कि केवल आगे बढ़ जाए।

3. बैकपैक (Student Model): यहीं पर सिस्टम फजी गणित के परिणामों को संग्रहीत करता है। यह हर बार जब छात्र एक प्रश्न का उत्तर देता है, तो छात्र की प्रोफाइल को अपडेट करता है, जिससे प्रत्येक विषय के लिए उनके "हाँ," "नहीं," और "शायद" स्कोर का हिसाब रखा जाता है।

यह कैसे काम करता है: एक्शन में डिजिटल ट्यूटर

शोधकर्ताओं ने अपने विचार का परीक्षण करने के लिए पायथन (Python) प्रोग्रामिंग भाषा का उपयोग करके एक प्रोटोटाइप सिस्टम बनाया। यहाँ बताया गया है कि एक छात्र इसके साथ कैसे इंटरैक्ट करेगा:

1. सेटअप: सिस्टम एक खाली स्लेट के साथ शुरू होता है। प्रत्येक विषय (जैसे "लूप्स") के लिए, छात्र का ज्ञान "अज्ञात" (0% हाँ, 0% नहीं, 100% शायद) के रूप में चिह्नित किया जाता है।
2. प्रश्न: सिस्टम अपने मानचित्र (ऑन्टोलॉजी) से एक प्रश्न चुनता है जो छात्र के तैयार होने के आधार पर होता है।
3. उत्तर: छात्र उत्तर देता है। सिस्टम केवल यह जाँचता नहीं है कि वह सही है या नहीं; यह इंट्यूशनिस्टिक फजी लॉजिक सूत्रों के आधार पर एक स्कोर की गणना करता है।
4. अपडेट: सिस्टम अपने बैकपैक को अपडेट करता है।
   • यदि छात्र सही उत्तर देता है, तो "हाँ" स्कोर बढ़ जाता है।
   • यदि वे गलत होते हैं, तो "नहीं" स्कोर बढ़ जाता है।
   • यदि वे लगातार सही उत्तर देते रहते हैं, तो "शायद" स्कोर कम हो जाता है, जिसका अर्थ है कि सिस्टम छात्र के ज्ञान के प्रति अधिक आश्वस्त हो रहा है।

पेपर इस प्रक्रिया का एक विस्तृत उदाहरण प्रदान करता है। उन्होंने एक सिम्युलेटेड छात्र के माध्यम से परीक्षण किया जो "लूप्स," "फॉर लूप्स," और "व्हाइल लूप्स" सीख रहा था। शुरुआत में, छात्र को कुछ भी नहीं पता था। कुछ प्रश्नों के उत्तर देने के बाद, सिस्टम ने नए स्कोर की गणना की। उदाहरण के लिए, परीक्षण के एक दौर के बाद, एक छात्र का "लूप्स" का ज्ञान (0, 0) से बदलकर ऐसी स्थिति में आ सकता है जहाँ उनके पास एक छोटा "हाँ" स्कोर (0.04) और एक छोटा "नहीं" स्कोर (0.13) है, जिसमें एक उच्च "शायद" स्कोर है। जैसे-जैसे उन्होंने अधिक प्रश्नों के सही उत्तर दिए, "हाँ" स्कोर बढ़ता गया, और "नहीं" स्कोर कम रहा, जो स्पष्ट प्रगति को दर्शाता है।

परिणाम क्या दर्शाते हैं

शोधकर्ताओं ने अपने प्रोटोटाइप को चलाया और देखा कि संख्याएँ कैसे बदलती हैं। उन्होंने पाया कि सिस्टम ने छात्र की यात्रा को "पूरी तरह से खो जाने" से "समझने" तक सफलतापूर्वक ट्रैक किया।

• प्रगति का दृश्यीकरण (Visualizing Progress): उन्होंने चार्ट बनाए (जैसे पेपर में चित्र 4) जो दिखाया कि जैसे-जैसे छात्र अभ्यास करता है, "हाँ" स्कोर ऊपर चढ़ता है और "नहीं" स्कोर नीचे गिरता है।
• अनिश्चितता को संभालना: सिस्टम एक ऐसे छात्र के बीच अंतर करने में सक्षम था जो उत्तर जानता था और एक ऐसे छात्र के बीच जो केवल भाग्यशाली था। यदि कोई छात्र अनुमान लगाता रहा, तो "शायद" स्कोर उच्च बना रहा, और सिस्टम ने गलत तरीके से यह नहीं माना कि उन्होंने विषय में महारत हासिल कर ली है।
• व्यक्तिगत फीडबैक: क्योंकि सिस्टम को पता था कि छात्र कहाँ अटका हुआ है (उच्च "नहीं" स्कोर) या अनिश्चित है (उच्च "शायद" स्कोर), यह सही अगले कदम सुझा सकता था। यदि कोई छात्र "व्हाइल लूप्स" के साथ संघर्ष कर रहा था, तो सिस्टम को बुनियादी बातों को फिर से दोहराने के लिए वापस जाने का पता चल जाता था।

निष्कर्ष

यह पेपर सुझाव देता है कि ज्ञान के एक संरचित मानचित्र को अनिश्चितता को समझने वाले गणितीय सिस्टम के साथ जोड़कर, हम ऐसे ऑनलाइन ट्यूटर बना सकते हैं जो वास्तविक शिक्षकों की तरह महसूस होते हैं। वे केवल आपको ग्रेड नहीं देते; वे आपके आत्मविश्वास को समझते हैं।

लेखक सावधानीपूर्वक नोट करते हैं कि यह एक प्रोटोटाइप है—एक विचार का परीक्षण करने के लिए बनाया गया एक वर्किंग मॉडल। उन्होंने यह दावा नहीं किया कि उन्होंने शिक्षा की सभी समस्याओं को हल कर दिया है, लेकिन उनका सिमुलेशन दिखाता है कि यह दृष्टिकोण काम करता है। सिस्टम ने सफलतापूर्वक प्रश्न प्राप्त किए, फजी स्कोर की गणना की, और वास्तविक समय में छात्र की प्रोफाइल को अपडेट किया। परिणाम बताते हैं कि यह विधि ऑनलाइन लर्निंग को अधिक अनुकूल (adaptive) बना सकती है, यह सुनिश्चित करते हुए कि छात्र कठिन विषयों पर जाने से पहले वास्तव में तैयार हों, और उन्हें ठीक तभी मदद मिले जब वे अनिश्चित महसूस कर रहे हों।

संक्षेप में, पेपर का तर्क है कि ऑनलाइन लर्निंग का भविष्य केवल अधिक प्रश्न पूछने के बारे में नहीं है, बल्कि सही और गलत उत्तरों के बीच के "शायद" को समझने के बारे में है।