Analysis of Artificial Intelligence in Education Systems Based on an Advanced Fuzzy Decision-Making Model
यह अध्ययन अनिश्चितता की स्थितियों में शैक्षिक प्रणालियों को बढ़ाने के लिए आर्टिफिशियल इंटेलिजेंस उपकरणों का प्रभावी ढंग से मूल्यांकन और रैंकिंग करने हेतु कॉम्प्लेक्स इंटरवल-वैल्यूड क्यू-रंग ऑर्थोपेयर फजी एग्रीगेशन ऑपरेटर्स का उपयोग करते हुए एक नवीन बहु-विशेषता समूह निर्णय लेने वाले ढांचे का प्रस्ताव करता है।
मूल पेपर CC BY 4.0 (https://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
आधुनिक दुनिया में, निर्णय शायद ही कभी काले और सफेद होते हैं। जब एक स्कूल बोर्ड एक नया सॉफ़्टवेयर चुनता है, एक डॉक्टर उपचार के विकल्पों पर विचार करता है, या एक निवेशक एक पोर्टफोलियो चुनता है, तो उपलब्ध जानकारी अक्सर अव्यवस्थित, अधूरी या विरोधाभासी होती है। पारंपरिक गणित इस तरह की अस्पष्टता के साथ संघर्ष करता है क्योंकि यह सटीक संख्याओं की मांग करता है। मानवीय निर्णय के ग्रे क्षेत्रों (धूसर क्षेत्रों) को संभालने के लिए, गणितज्ञों ने 'फजी लॉजिक' (fuzzy logic) नामक एक क्षेत्र विकसित किया। "हाँ" और "नहीं" के बीच चुनाव करने के लिए मजबूर करने के बजाय, फजी लॉजिक सत्य के स्तरों की अनुमति देता है, यह स्वीकार करते हुए कि कुछ आंशिक रूप से सत्य या आंशिक रूप से असत्य हो सकता है। समय के साथ, यह अवधारणा और भी अधिक जटिल अनिश्चितताओं को संभालने के लिए विकसित हुई है, जिसमें वे स्थितियाँ शामिल हैं जहाँ डेटा समय के साथ बदलता है या जहाँ विशेषज्ञ विभिन्न मूल्यों के बीच झिझकते हैं। यह गणितीय टूलकिट वास्तविक दुनिया में नेविगेट करने के लिए आवश्यक है, जहाँ निश्चितता एक विलासिता है और सूक्ष्मता (nuance) एक नियम है।
शोधकर्ताओं की एक टीम, जो पाकिस्तान और अफगानिस्तान के विश्वविद्यालयों से है, ने अब इस टूलकिट को और आगे बढ़ाया है, जिससे भ्रमित करने वाली या विरोधाभासी जानकारी का सामना करते समय बेहतर निर्णय लेने में मदद करने के लिए एक नई विधि बनाई है। उनका काम एक विशिष्ट चुनौती पर केंद्रित है: उन मतों को कैसे संसाधित किया जाए जब वे मत न केवल अस्पष्ट हों, बल्कि एक साथ दो अलग-अलग प्रकार की अनिश्चितता भी रखते हों। कल्पना कीजिए कि एक विशेषज्ञ एक नई तकनीक का वर्णन करने का प्रयास कर रहा है। वे इसकी क्षमता के बारे में आश्वस्त (एक सकारात्मक दृष्टिकोण) हो सकते हैं लेकिन इसके जोखिमों को लेकर चिंतित (एक नकारात्मक दृष्टिकोण) भी हो सकते हैं। इसके अलावा, उनका आत्मविश्वास उतार-चढ़ाव भरा हो सकता है, या वे अपनी भावनाओं को एकल संख्याओं के बजाय श्रेणियों (ranges) में व्यक्त कर सकते हैं। शोधकर्ताओं ने इन सभी परतों को—सकारात्मक, नकारात्मक, श्रेणियों और उतार-चढ़ाव को—एक एकल, प्रबंधनीय ढांचे में समाहित करने के लिए एक परिष्कृत प्रणाली विकसित की है। वे इस ढांचे को "कॉम्प्लेक्स इंटरवल-वैल्यूड क्यू-रंग ऑर्थोपैर फजी सेट" (complex interval-valued q-rung orthopair fuzzy set) कहते हैं। सरल शब्दों में, यह जटिल, हिचकिचाते और बदलते मानवीय निर्णयों को एक ऐसे प्रारूप में पैक करने का एक तरीका है जिसे कंप्यूटर सूक्ष्म विवरणों को खोए बिना संसाधित कर सके।
अध्ययन का मुख्य भाग नए गणितीय नियमों, या "ऑपरेटर्स" को बनाने में शामिल है, जो इन जटिल विचारों के लिए एक ब्लेंडर (मिक्सी) की तरह कार्य करते हैं। जिस तरह एक ब्लेंडर सामग्रियों को मिलाकर एक स्मूथ ड्रिंक बनाता है, ये नए ऑपरेटर्स विचारों को मिलाते हैं ताकि एक एकल, स्पष्ट सिफारिश प्राप्त की जा सके। शोधकर्ताओं ने दो मुख्य प्रकार के मिक्सर डिजाइन किए हैं: एक जो विचारों का औसत निकालता है (अरिथमेटिक मीन/अंकगणितीय माध्य) और दूसरा जो उन्हें आपस में गुणा करता है (जियोमेट्रिक मीन/गुणोत्तर माध्य)। उन्होंने सिद्ध किया कि ये मिक्सर विश्वसनीय हैं; ये ऐसे परिणाम उत्पन्न नहीं करते जो असंभव या विरोधाभासी हों, और ये इनपुट डेटा में थोड़े बदलाव होने पर भी लगातार व्यवहार करते हैं। अपने निर्माण का परीक्षण करने के लिए, टीम ने इसे एक बहुत ही व्यावहारिक समस्या पर लागू किया: एक शिक्षा प्रणाली के लिए सर्वश्रेष्ठ आर्टिफिशियल इंटेलिजेंस (AI) टूल चुनना।
शोधकर्ताओं ने एक परिदृश्य तैयार किया जहाँ एक विशेषज्ञ ने पांच अलग-अलग प्रकार के AI टूल्स का मूल्यांकन किया: एडेप्टिव लर्निंग प्लेटफॉर्म, एजुकेशनल चैटबॉट्स, ऑटोमेटेड ग्रेडिंग सिस्टम, लैंग्वेज लर्निंग ऐप्स और इंटेलिजेंट ट्यूटरिंग सिस्टम। विशेषज्ञ ने प्रत्येक टूल का मूल्यांकन पांच मानदंडों के आधार पर किया: लागत-प्रभावशीलता, अनुकूलन क्षमता (adaptability), सीखने के मानकों के साथ संरेखण, फीडबैक तंत्र, और क्या डिज़ाइन ठोस अनुसंधान पर आधारित है। विशेषज्ञ के निर्णय साधारण स्कोर नहीं थे; वे जटिल मानों की श्रेणियाँ थे जो अनिश्चितता और हिचकिचाहट को दर्शाते थे। उदाहरण के लिए, विशेषज्ञ को लग सकता था कि एक टूल "कुछ हद तक" लागत-प्रभावी है लेकिन "बहुत अधिक" अनुकूलनीय है, और प्रभावशीलता का सटीक स्तर एक विशिष्ट सीमा के भीतर बदल रहा था।
अपने नए गणितीय मिक्सर का उपयोग करके, शोधकर्ताओं ने इस अव्यवस्थित डेटा को संसाधित किया। उन्होंने पाया कि ऑटोमेटेड ग्रेडिंग सिस्टम शीर्ष विकल्प के रूप में उभरा, उसके बाद इंटेलिजेंट ट्यूटरिंग सिस्टम, फिर लैंग्वेज लर्निंग ऐप्स, और अन्य टूल्स निचले पायदान पर रहे। अपने तरीके की शुद्धता सुनिश्चित करने के लिए, टीम ने अपने परिणामों की तुलना कई मौजूदा गणितीय तकनीकों से की। उन्होंने पाया कि जबकि कुछ पुराने तरीके रैंकिंग देने में विफल रहे या अलग परिणाम दिए, उनके नए दृष्टिकोण ने लगातार ऑटोमेटेड ग्रेडिंग सिस्टम को सबसे अच्छा विकल्प के रूप में पहचाना। यह निरंतरता तब भी बनी रही जब शोधकर्ताओं ने अपने गणितीय सेटिंग्स में बदलाव किया, यानी परिणामों को पलटने के लिए मापदंडों (parameters) को बदला। यह तथ्य कि शीर्ष विकल्प इन समायोजनों के बावजूद समान रहा, यह दर्शाता है कि यह पद्धति मजबूत और स्थिर है।
अध्ययन ने यह भी रेखांकित किया कि यह नया दृष्टिकोण क्यों आवश्यक है। शोधकर्ताओं ने दिखाया कि पुराने तरीके, जो अनिश्चितता के सरल रूपों को संभालते हैं, अक्सर वास्तविक दुनिया के परिदृश्यों में पाए जाने वाले जटिल, द्वि-आयामी डेटा का सामना करने पर विफल हो जाते हैं। विशेषज्ञ की हिचकिचाहट की पूरी गहराई या उनके सकारात्मक और नकारात्मक विचारों की दोहरी प्रकृति को पकड़ने में विफल होकर, वे पुराने तरीके कम सटीक निर्णय ले सकते हैं। इसके विपरीत, नया ढांचा उस पूरी जानकारी को सुरक्षित रखता है, जिससे अधिक सूक्ष्म और विश्वसनीय परिणाम प्राप्त होता है। शोधकर्ताओं ने प्रदर्शित किया कि उनकी विधि न केवल शिक्षा के लिए, बल्कि उन अन्य क्षेत्रों के लिए भी अच्छी तरह से काम करती है जहाँ निर्णय कठिन होते हैं, जैसे वित्तीय जोखिम मूल्यांकन, निवेश चयन और चिकित्सा मूल्यांकन।
अंततः, यह कार्य अनिश्चित दुनिया को देखने के लिए एक अधिक शक्तिशाली लेंस प्रदान करता है। यह मानवीय विशेषज्ञों के जटिल, विरोधाभासी और हिचकिचाते विचारों को एक स्पष्ट, कार्रवाई योग्य मार्ग में बदलने का एक तरीका प्रदान करता है। सूचनाओं को एकत्रित करने के उपकरणों को परिष्कृत करके, शोधकर्ताओं ने निर्णय लेने वालों को आधुनिक जीवन की जटिलताओं को नेविगेट करने के लिए एक बेहतर तरीका दिया है, यह सुनिश्चित करते हुए कि अंतिम विकल्प केवल सबसे सरल हिस्सों के बजाय उपलब्ध साक्ष्य के पूर्ण भार को प्रतिबिंबित करे।
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।