অ্যাডাপ্টিভ লার্নিং সিস্টেম - অ্যাডাপটিভিটির ফ্যাক্টর

অ্যাডাপটিভিটির বিভিন্ন ভাগ

এখন প্রশ্ন আসতে পারে কিভাবে একজন শিক্ষার্থীর আচরণ এবং তার পারফরম্যান্স একটা কোর্সওয়ার্ককে ‘পার্সোনালাইজড’ করতে পারে? এখানে অ্যাডাপটিভিটি কিছু ফ্যাক্টর নিয়ে আলাপ করা যায়। শিক্ষার্থী কেমন করছে, এর আগে তাঁর লার্নিং মেথডোলজি কেমন ছিল, কতটুকু জ্ঞান নিতে পেরেছেন এ পর্যন্ত, কি ধরনের কনটেন্ট উনি পছন্দ করছেন রিয়েল টাইমে, কী কী ভুল ধারণা আছে এখনো তার মধ্যে, এরকম আরো কিছু ডাটা সোর্স থেকে ফিডব্যাক নিয়ে কোর্সকে ডায়নামিকভাবে পরিবর্তন করতে পারবেন কোর্স ডিজাইনার। এখানে প্রযুক্তির সাহায্য নিয়ে তার জন্য দরকারী কাটছাঁট অথবা বাড়তি যদি কোন কনটেন্ট লাগে সেটার ব্যবস্থা, এছাড়াও শিক্ষার্থীর জন্য উৎসাহমূলক কথাবার্তা সবকিছুই চলে আসছে এই সিস্টেমে।

এই ফ্যাক্টরগুলো প্রতিটা শিক্ষার্থীর জন্য আলাদা হবে বলে শিক্ষার্থীদের একেকজনের শেখার রাস্তা একেক রকম হবে ধারণা করা যায়। সেকারণে তার জন্য কিছু কিছু কন্টেন্ট আগে থেকে নির্ধারিত থাকলেও এর প্রয়োজনীয় হিন্ট মানে ইনপুট তাকে ওই রাস্তায় থাকতে সাহায্য করবে অথবা ইনপুট ভিন্ন হলে তার জন্য একদম নতুন রাস্তা খুলে দেবে। ফলাফল ভালো না হলে একবারে ‘ইউটার্ন’ নিতে পারে সিস্টেম!

অ্যাডাপটিভিটি ফ্যাক্টর নির্ধারনী বিষয়

শেখার অভিজ্ঞতা

Adaptivity factors can trigger unique responses, using adaptivity types. Based on what has happened in the student’s learning journey, do you move them along as planned, provide hints, or reroute their learning pathway entirely? There are many ways to create a great adaptive learning experience.

-- Let's Talk About Adaptive Learning, Smart Sparrow, Pty Ltd

শিক্ষার্থীদের আলাদা আলাদা ‘প্রোফাইল’ থাকছে বলে তাদের আচরণ এবং পারফরম্যান্স বেঞ্চমার্ক পাল্টাতে থাকবে যদিও শুরুতে তাদের জন্য আরেকটা ‘লার্নিং অভিজ্ঞতা’ সেট করা হয়েছিল। শিক্ষার্থী প্রশ্নের উত্তরে কোন কোন জায়গায় খারাপ করছে এবং ‘সেটা কি সে পুরো সময় ধরে করছে’ নাকি শুধুমাত্র একটা লেসনের জন্য করছে সেটা ইনপুট হিসেবে যাবে তার প্রোফাইলে। শিক্ষার্থীর শেখার গতি প্রতিটা লেসনে একই রকম ছিল নাকি একটা নির্দিস্ট লেসনে সেটা বেড়ে গিয়েছে সে ধরনের ইভালুয়েশন থাকছে এই সিস্টেমে।

যখন একজন শিক্ষার্থীকে একজন শিক্ষক পড়াতে থাকেন, তখন শিক্ষার্থীকে কোন কাজ দেওয়া হলে সে যখন ভুল করতে থাকে - তখন শিক্ষক তাকে যেভাবে গাইড করেন (ঘাড়ের ওপর দিয়ে), সেরকম ‘রিয়েল টাইম’ ফিডব্যাক আনা সম্ভব এই সিস্টেমগুলোতে। এতে যেকোনো বিষয়ে তার আগের ভুল ধারণা কমিয়ে আনা সম্ভব।

অ্যাডাপটিভ কনটেন্ট / সিকোয়েন্স / অ্যাসেসমেন্ট

যখন একজন শিক্ষার্থী বর্তমান লেসন থেকে পরবর্তী লেসনে যেতে চাইবে তখন এই সিস্টেম আগের কনসেপ্ট এবং নতুন কনসেপ্টের মধ্যে শিক্ষার্থীর কতটুকু নলেজ গ্যাপ আছে সেটা বের করে তার জন্য আলাদা লেসন সাজেশন হিসেবে দিতে পারে এই সিস্টেম। সিস্টেমের এই অ্যাডাপটিভিটির মানে পরিবর্তনশীল সংজ্ঞা কয়েক ধরনের হতে পারে। যেমন ‘অ্যাডাপটিভ কনটেন্ট’ যা নির্ভর করছে শিক্ষার্থীর কিছু স্পেসিফিক রেসপন্স এর উপর যা পুরো কোর্সওয়ার্ক এর শেখানোর সিকোয়েন্স পাল্টাবে না। দরকার হলে কিছু প্রশ্ন বাড়িয়ে সে কনটেন্টকে আপগ্রেড করবে।

এদিকে ‘অ্যাডাপটিভ সিকোয়েন্স’ হলে সে শিক্ষার্থীর ডাটাকে পুরো সময় ধরে সংগ্রহ এবং সেটাকে অ্যানালাইজ করে শিক্ষার্থী পরের কি কনটেন্ট দেখবে সেটা নির্ধারণ করে দেয়। এর পাশাপাশি পরিবর্তনশীল মানে ‘অ্যাডাপটিভ অ্যাসেসমেন্ট এ পূর্ববর্তী কি কি প্রশ্ন এবং তার উত্তর ছিল, সেটাকে ট্র্যাক করে সামনের প্রশ্নগুলো কি ধরনের হবে - সেটার উপরে আগের প্রশ্নের উত্তরের পারফরম্যান্স নির্ভর করবে। ব্যাপারটা এরকম যে প্রশ্নগুলো ততোই কঠিন হবে যখন শিক্ষার্থী সেগুলোকে সঠিকভাবে উত্তর দেবে। এদিকে প্রশ্ন সহজ হতে থাকবে যখন শিক্ষার্থী প্রশ্নগুলোর সঠিক উত্তর দিতে পারবে না। সাধারণ ই-লার্নিং কোর্সেও এগুলো দেখেছি আমরা।

দেশীয় শিক্ষানীতি এবং ডাইভারসিটি পড়াশোনা

তবে এর অনেক কিছুই নির্ভর করবে একটা দেশের শিক্ষানীতির ওপরে। শিক্ষার্থী এবং শিক্ষকদের মধ্যে কনটেন্টের যে মডেল এবং এর পাশাপাশি ফিচারগুলোর কাস্টমাইজেশন সবকিছুই পাল্টে দিতে পারে দেশের শিক্ষা নীতিমালা। সেখানে স্কুলের নিজস্ব বাড়তি কনটেন্ট নীতিমালা এক স্কুল থেকে আরেক স্কুলের মধ্যে প্রতিযোগিতামুলক সিস্টেম তৈরি করে দেবে। শিক্ষা আসবে সারাজীবনের জন্য। সেখানে আসবে বাড়তি লাইফ স্কিল। এখানে দেশীয় নীতিমালা দেখবে শিক্ষার্থীরা সেগুলো ঠিকমত গ্রহণ করতে পারছে কিনা। সেখানেও সাহায্য করতে পারবে কৃত্রিম বুদ্ধিমত্তা।