AI ପ୍ରଶିକ୍ଷଣ ସଫଳ ହୋଇଛି କି ନାହିଁ କିପରି ମାପିବେ?

ସଂକ୍ଷେପରେ, AI ପ୍ରଶିକ୍ଷଣର ଫଳ କିପରି ମାପିବେ?

କ୍ରମ ଅନୁସାରେ ତିନୋଟି ସ୍ତରରେ ମାପନ କରନ୍ତୁ: ଲୋକେ ନିର୍ଦ୍ଧାରିତ ମାନଦଣ୍ଡ ଅନୁସାରେ କାମ କରିପାରୁଛନ୍ତି କି, ପ୍ରକୃତ କାମରେ ତାହା କରୁଛନ୍ତି କି, ଏବଂ ବ୍ୟବସାୟ ପାଇଁ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ କୌଣସି ବିଷୟରେ ପରିବର୍ତ୍ତନ ଆସିଛି କି। ସମାପ୍ତି ହାର ଏବଂ ସନ୍ତୁଷ୍ଟି ଅଙ୍କ ଲେଖି ରଖିବା ଉପଯୋଗୀ, କିନ୍ତୁ ସେଗୁଡ଼ିକ କେବଳ ଲୋକେ ଯୋଗ ଦେଇଥିଲେ ଏବଂ ତାହା ପସନ୍ଦ କରିଥିଲେ ବୋଲି ଦେଖାଏ, ସେମାନେ ଶିଖିଛନ୍ତି ବୋଲି ନୁହେଁ।

ଏହା ବହୁଳ ଭାବେ ବ୍ୟବହୃତ କିର୍କପାଟ୍ରିକ୍ ମଡେଲ୍ ସହ ମେଳ ଖାଏ, ଯାହାର ଚାରିଟି ସ୍ତର ହେଉଛି ପ୍ରତିକ୍ରିୟା, ଶିକ୍ଷଣ, ଆଚରଣ ଓ ଫଳାଫଳ। ଏହି ମଡେଲ୍‌ର ନିଜସ୍ୱ ସଂଜ୍ଞା ଅନୁସାରେ, ସ୍ତର 3 ହେଉଛି ଲୋକମାନେ ନିଜ ପରିବେଶରେ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଆଚରଣଗୁଡ଼ିକୁ କେତେ ମାତ୍ରାରେ କାର୍ଯ୍ୟରେ ଦେଖାନ୍ତି, ଏବଂ ସ୍ତର 4 ହେଉଛି ସଂଗଠନର ଲକ୍ଷ୍ୟଭିତ୍ତିକ ଫଳାଫଳ କେତେ ମାତ୍ରାରେ ହାସଲ ହୁଏ। AI ପ୍ରଶିକ୍ଷଣ ପାଇଁ ସାଧାରଣତଃ ସ୍ତର 2 ଓ 3ରେ ଉପଯୋଗୀ ପ୍ରମାଣ ମିଳେ।

କାମର ନମୁନା ପାଇଁ ଏକ ଭଲ ମାନଦଣ୍ଡ କିପରି ହୋଇଥାଏ?

ଭଲ ମାନକ ହେଉଛି ଏପରି ଏକ ସଂକ୍ଷିପ୍ତ ମୂଲ୍ୟାୟନ ମାର୍ଗଦର୍ଶିକା, ଯାହାକୁ ଅନ୍ୟ କେହି ପ୍ରୟୋଗ କରି ସମାନ ନିଷ୍କର୍ଷରେ ପହଞ୍ଚିପାରିବେ। AI ସହାୟତାରେ ଲେଖାଯାଇଥିବା ଗ୍ରାହକ ଉତ୍ତର ପାଇଁ ଏଥିରେ ରହିପାରେ: କେବଳ ଦିଆଯାଇଥିବା ତଥ୍ୟ ବ୍ୟବହାର କରୁଛି, ଗ୍ରାହକଙ୍କ ପ୍ରକୃତ ପ୍ରଶ୍ନର ଉତ୍ତର ଦେଉଛି, ସଂସ୍ଥାର ଲେଖନ ଶୈଳୀ ସହ ମେଳ ଖାଉଛି, ଅନିଶ୍ଚିତ ବିଷୟ ଚିହ୍ନଟ କରୁଛି ଏବଂ ପଠାଇବା ପୂର୍ବରୁ ସଂଶୋଧନ ଦରକାର ହେବା ଭଳି କିଛି ନାହିଁ।

ପ୍ରତ୍ୟେକ ବିଷୟକୁ ସରଳ ଭାବରେ ମୂଲ୍ୟାଙ୍କନ କରନ୍ତୁ, ଯେପରିକି ପୂରଣ ହୋଇଛି, ଆଂଶିକ ପୂରଣ ହୋଇଛି କିମ୍ବା ପୂରଣ ହୋଇନାହିଁ, ଏବଂ ସମୀକ୍ଷକଙ୍କ ଟିପ୍ପଣୀ ରଖନ୍ତୁ। ଟିପ୍ପଣୀଟି ପ୍ରାୟତଃ ଅଙ୍କ ଅପେକ୍ଷା ଅଧିକ ଉପଯୋଗୀ, କାରଣ ଏହା ପରବର୍ତ୍ତୀ ସମୟରେ କ’ଣ ଅଭ୍ୟାସ କରିବାକୁ ହେବ ତାହା ଦର୍ଶାଏ।

ପୂର୍ବ ଓ ପରର ସ୍ଥିତି ମଧ୍ୟରେ ତୁଳନା କିପରି କରାଯାଏ?

ଫର୍ନହିଲ୍ ଆଉଟଡୋର୍ସ ନାମକ ଏକ କାଳ୍ପନିକ 15-ଜଣିଆ ଅନଲାଇନ୍ ଖୁଚୁରା ବିକ୍ରେତା ଏହାର ଚାରି ଜଣ ଗ୍ରାହକ ସହାୟତା କର୍ମଚାରୀଙ୍କୁ ତାଲିମ ଦେଲା। ତାଲିମ ପୂର୍ବରୁ ପ୍ରତ୍ୟେକେ ChatGPT ବ୍ୟବହାର କରି ଏକ ନମୁନା ଅଭିଯୋଗର ଉତ୍ତର ଚିଠା ଲେଖିଲେ। ସାଧାରଣତଃ ଚିଠାଗୁଡ଼ିକ ଭଦ୍ର ଥିଲା, କିନ୍ତୁ ଟଙ୍କା ଫେରସ୍ତ ନୀତିର ଏକ ବିବରଣୀ ମନଗଢ଼ା ଥିଲା ଏବଂ ଡେଲିଭରି ତାରିଖ ବିଷୟରେ ଗ୍ରାହକଙ୍କ ପ୍ରଶ୍ନର ଉତ୍ତର ଛାଡ଼ି ଦିଆଯାଇଥିଲା।

ଚାରି ସପ୍ତାହ ପରେ ପ୍ରତ୍ୟେକ ସେବା ପ୍ରତିନିଧି ସମାନ ମୂଲ୍ୟାୟନ ମାନଦଣ୍ଡ ଅନୁଯାୟୀ ଭିନ୍ନ ଭିନ୍ନ ଅଭିଯୋଗର ଉତ୍ତର ଖସଡ଼ା କଲେ। ସହାୟତା ବିଭାଗର ମୁଖ୍ୟ କେଉଁ ମାନଦଣ୍ଡ ପୂରଣ ହୋଇଥିଲା ତାହା ରେକର୍ଡ କଲେ ଏବଂ ଲକ୍ଷ୍ୟ କଲେ ଯେ ଚାରୋଟି ଖସଡ଼ା ମଧ୍ୟରୁ ତିନୋଟିରେ ଏବେ ବିତରଣ ତାରିଖ ମନଗଢ଼ା ଭାବେ ଲେଖିବା ବଦଳରେ ତାହା ଅନିଶ୍ଚିତ ବୋଲି ଦର୍ଶାଯାଇଥିଲା। ଏହା ଚାରିଜଣ ଲୋକ ଗୋଟିଏ କାମରେ ଶିଖିଥିବାର ପ୍ରମାଣ। ଏହା ଦ୍ରୁତତର ସହାୟତା କିମ୍ବା ଅଧିକ ସନ୍ତୁଷ୍ଟ ଗ୍ରାହକଙ୍କ ପ୍ରମାଣ ନୁହେଁ, ଏବଂ ପୃଷ୍ଠାରେ ସେପରି ଦାବି କରାଯିବା ଉଚିତ ନୁହେଁ।

ଲୋକମାନେ ପ୍ରକୃତ କାମରେ ସେହି ଦକ୍ଷତା ବ୍ୟବହାର କରୁଛନ୍ତି କି ନାହିଁ କିପରି ବୁଝିବେ?

ଲୋକଙ୍କୁ ସେମାନେ ଏହା ବ୍ୟବହାର କରୁଛନ୍ତି କି ନାହିଁ ପଚାରିବା ପରିବର୍ତ୍ତେ ସାଧାରଣ କାମରେ ତାହାର ବ୍ୟବହାର ଦେଖନ୍ତୁ। ଉପଯୋଗୀ ସଙ୍କେତ ହେଉଛି ମିଳିତ ଫୋଲ୍ଡରରେ ସମୀକ୍ଷା କରାଯାଇଥିବା କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ସହାୟତାରେ ପ୍ରସ୍ତୁତ ଖସଡ଼ା ରହିବା, ପ୍ରଶିକ୍ଷଣରେ ଲକ୍ଷ୍ୟ ରଖାଯାଇଥିବା ପ୍ରକାରର ସଂଶୋଧନ କମୁଥିବା ପରିଚାଳକ ଦେଖିବା, ଏବଂ ପଦକ୍ଷେପ ନେବା ପୂର୍ବରୁ ଲୋକେ କେଉଁ ତଥ୍ୟ ଦିଆଯାଇପାରିବ ସେ ବିଷୟରେ ପ୍ରଶ୍ନ ଉଠାଇବା।

ଟୁଲ୍ ବ୍ୟବହାର ସମ୍ବନ୍ଧୀୟ ରିପୋର୍ଟଗୁଡ଼ିକ ବ୍ୟବହାର ସୁବିଧା ସମ୍ବନ୍ଧୀୟ ଦିଗ ବୁଝିବାରେ ସାହାଯ୍ୟ କରେ। ଉଦାହରଣ ସ୍ୱରୂପ, Microsoft ର Copilot ବ୍ୟବହାର ରିପୋର୍ଟରେ ସକ୍ରିୟ ବ୍ୟବହାରକାରୀ ଏବଂ ଶେଷ କାର୍ଯ୍ୟକଳାପର ତାରିଖ ଦେଖାଯାଏ। କାର୍ଯ୍ୟକଳାପରୁ ଟୁଲ୍‌ଟି ବ୍ୟବହାର କରାଯାଇଛି ବୋଲି ଜଣାପଡ଼େ, ଭଲ ଭାବେ ବ୍ୟବହାର କରାଯାଇଛି ବୋଲି ନୁହେଁ। ତେଣୁ ଏହା ସହିତ ପ୍ରକୃତ କାମର ସମୀକ୍ଷା ମଧ୍ୟ କରନ୍ତୁ।

ଆପଣ AI ପ୍ରଶିକ୍ଷଣରେ ହୋଇଥିବା ନିବେଶର ପ୍ରତିଫଳ ହିସାବ କରିପାରିବେ କି?

ଆପଣ ଏହାର ଆକଳନ କରିପାରିବେ, କିନ୍ତୁ କେଉଁ ଦାବି କରୁଛନ୍ତି ସେଥିପ୍ରତି ସତର୍କ ରୁହନ୍ତୁ। କର୍ମଚାରୀମାନେ କହୁଥିବା ସମୟ ସଞ୍ଚୟ ସେମାନଙ୍କ ଅନୁଭବ, ମାପର ଫଳ ନୁହେଁ। କୌଣସି ଫଳାଫଳ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ହେଲେ, ପୂର୍ବରୁ ଓ ପରେ ସମାନ ଧରଣର କାମ ପାଇଁ ଲାଗୁଥିବା ସମୟ ମାପନ୍ତୁ, କିମ୍ବା ସମୀକ୍ଷା ହୋଇଥିବା ଫଳାଫଳର ଗୁଣବତ୍ତା ତୁଳନା କରନ୍ତୁ। ଏହି ଆକଳନରେ କେତେ ଜଣ ଲୋକ ଓ କେତୋଟି କାମ ସାମିଲ ଅଛି, ତାହା ମଧ୍ୟ ଲେଖି ରଖନ୍ତୁ।

ଶିକ୍ଷାର୍ଥୀ ଓ ସମୀକ୍ଷକଙ୍କ ସମୟ ସହିତ ସମସ୍ତ ଖର୍ଚ୍ଚର ସଠିକ୍ ହିସାବ ମଧ୍ୟ କରନ୍ତୁ। ଅନେକ ଛୋଟ ଦଳ ପାଇଁ ନିବେଶରୁ ଲାଭର ଏକମାତ୍ର ଆକଳନ ଅପେକ୍ଷା ସମୀକ୍ଷା ହୋଇଥିବା କାମର ନମୁନାଗୁଡ଼ିକ ଏବଂ ଲୋକେ ନିୟମିତ ବ୍ୟବହାର କରୁଥିବା ଏକ କାର୍ଯ୍ୟପଦ୍ଧତି ଅଧିକ ସ୍ପଷ୍ଟ ପ୍ରମାଣ ହେବ। ଆଗକୁ ଜାରି ରଖିବେ କି ନାହିଁ ନିଷ୍ପତ୍ତି ନେବା ପାଇଁ ଏହା ଏକ ଦୃଢ଼ ଆଧାର।

Tosheo.ai କେଉଁ କାମ ପାଇଁ ଉପଯୁକ୍ତ?

Tosheo.ai ଏପରି ଭାବେ ତିଆରି କରାଯାଉଛି ଯେ ପ୍ରତ୍ୟେକ ପାଠ ଏକ କାମ ସହ ଶେଷ ହେବ, ଯାହାକୁ ଦେଖିହେଉଥିବା ମୂଲ୍ୟାୟନ ମାନଦଣ୍ଡ ଅନୁସାରେ ଅଙ୍କ ଏବଂ ନିର୍ଦ୍ଦିଷ୍ଟ ମତାମତ ଦିଆଯିବ। ଶିକ୍ଷାର୍ଥୀମାନେ କୌଣସି ଅଙ୍କ ସହ ଏକମତ ନ ହେଲେ ତାହାକୁ ସମୀକ୍ଷା ପାଇଁ ଚିହ୍ନିତ କରିପାରିବେ। ପରିଚାଳକମାନେ ଭୂମିକା ଅନୁଯାୟୀ ଦକ୍ଷତାର ପ୍ରଗତି ଦେଖିପାରିବେ ବୋଲି ଯୋଜନା ରହିଛି, ଯାହା ଶିଖିବାର ପ୍ରମାଣ ଦେବ। ଏହା ଆପଣଙ୍କ ପାଇଁ ଆପଣଙ୍କ ବ୍ୟବସାୟିକ ଫଳାଫଳ ମାପିପାରିବ ନାହିଁ।

କେଉଁ ପରିସ୍ଥିତିରେ Tosheo.ai ସମାଧାନ ନୁହେଁ?

ଅର୍ଥଦାତା କିମ୍ବା ପରିଚାଳନା ପରିଷଦ ପାଇଁ ନିୟନ୍ତ୍ରଣ ଦଳ କିମ୍ବା ନିରୀକ୍ଷିତ ଆକଳନ ସହିତ ଏକ ଆନୁଷ୍ଠାନିକ ମୂଲ୍ୟାୟନ ଦରକାର ହେଲେ, ଆପଣଙ୍କୁ ଜଣେ ମୂଲ୍ୟାୟନ ବିଶେଷଜ୍ଞ ଦରକାର। ମୁଖ୍ୟତଃ ଉପକରଣର ଲାଇସେନ୍ସ ଓ କାର୍ଯ୍ୟକଳାପର ହିସାବ ରଖିବା ଦରକାର ହେଲେ, ଆପଣଙ୍କ ପ୍ରଦାନକାରୀଙ୍କ ପ୍ରଶାସନିକ ରିପୋର୍ଟ ତାହା କରେ। ଆରମ୍ଭ ସମୟରେ Tosheo.ai କୌଣସି ଶିକ୍ଷଣ ପରିଚାଳନା ବ୍ୟବସ୍ଥା ସହ ସଂଯୁକ୍ତ ହୁଏ ନାହିଁ।

ଉତ୍ସ ଓ ପରିସର

କିର୍କପାଟ୍ରିକ ପାର୍ଟନର୍ସ, କିର୍କପାଟ୍ରିକ ମଡେଲ, 16 ଅକ୍ଟୋବର 2026 ରେ ଯାଞ୍ଚ କରାଯାଇଛି ↗

Microsoft ଶିକ୍ଷା, Microsoft Copilot ବ୍ୟବହାର ରିପୋର୍ଟ, 14 July 2026 ↗