Children Education: మీ పిల్లలు పెద్దయ్యాక చదువుల్లో రాణిస్తారా ? ఇలా తెలుసుకోవచ్చు

కొంతమంది పిల్లలు చదువుల్లో వెనుకబడి, ఆటపాటల్లో ముందుంటారు. మరికొంతమంది చదువులపై దృష్టి పెట్టి మంచి మార్కులు తెచ్చుకుంటారు. తక్కువ వయసు ఉన్నప్పుడు వారి ఆసక్తులను అంచనా వేయడం కష్టం. కానీ ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) ద్వారా పిల్లలు పెద్దయ్యాక చదువుల్లో మెరుగ్గా ఉంటారా లేదా అనేది తెలుసుకోవచ్చని పరిశోధకులు చెబుతున్నారు. ఇందుకు వారి సామాజిక మాధ్యమాల పోస్టులను అంచనా వేస్తే సరిపోతుందని వారు వివరిస్తున్నారు.

సోషల్ మీడియా పోస్టు ఆధారంగా పిల్లలు విద్యావంతులు అవుతారా లేదా అనేది తెలుసుకోవచ్చని రష్యన్ పరిశోధకుల బృందం తెలిపింది. ఇందుకు వారు AI-బేస్డ్ మోడళ్లను ఉపయోగించారు. ఈ విధానంలో మ్యాథమెటికల్ టెక్స్‌టువల్ ఎనాలసిస్ ద్వారా యూజర్ల ఒకాబ్యులరీ, అక్షరాలు, సింబల్స్, పోస్ట్ లెన్త్, వర్డ్ లెన్త్ వంటి వాటిని పరిశోధకులు విశ్లేషించారు. ప్రతి పదానికి నిర్ణీత రేటింగ్ (ఒక రకమైన ఐక్యూ)ను నిర్ణయించారు.



పదాలకు రేటింగ్
శాస్త్రీయ(సైంటిఫిక్), సాంస్కృతిక(కల్చరల్) విషయాలు, ఆంగ్ల పదాలు, ఎక్కువ పొడవు ఉన్న పోస్టుల్లోని పదాలకు ఎక్కువ రేటింగ్ ఇచ్చారు. ఇవి గుడ్ ఎకనామిక్ పెర్ఫామెన్స్‌కు సూచికలుగా పనిచేస్తాయని పరిశోధకులు తెలిపారు. ‘ఎమోజీల వాడకం, క్యాపిటల్ లెటర్లలో రాసిన పదాలు, పదబంధాలు, జాతకాలు, డ్రైవింగ్, మిటలరీ సేవలకు సంబంధించిన ఒకాబులరీ వంటివి తక్కువ గ్రేడ్లను సూచిస్తాయి. కానీ కొన్ని పోస్ట్‌లు చాలా తక్కువగా ఉన్నా, మంచి సమాచారం ఇచ్చే ట్వీట్లను గుర్తించాం’ అని మాస్కోలోని ఇన్స్‌టిట్యూట్ ఆఫ్ ఎడ్యుకేషన్ ఆఫ్ హయ్యర్ స్కూల్ ఆఫ్ ఎకనామిక్స్ సంస్థకు చెందిన పరిశోధకుడు, అధ్యయన బృంద సభ్యుడు ఇవాన్ స్మిర్నోవ్ చెబుతున్నారు.

విద్యార్థుల కెరీర్‌ల విశ్లేషణ
ఈ అధ్యయనంలో రష్యాలోని 42 ప్రాంతాల నుంచి 4,400 మంది విద్యార్థుల కెరీర్ పాత్లను విశ్లేషించారు. ఇలాంటి డిజిటల్ డేటాను సేకరించడం, దాన్ని వాడటం కష్టమని స్మిర్నోవ్ చెప్పారు. ఈ రకమైన డేటాసెట్ ఇతర సెట్టింగులకు వర్తించే నమ్మకమైన మోడల్ను అభివృద్ధి చేయడానికి ఉపయోగపడుతుందన్నారు. ఆ ఫలితాలను మిగతా హైస్కూల్, మిడిల్ స్కూల్ విద్యార్థులందరికీ వర్తింపజేయవచ్చని ఆయన తెలిపారు. ఈ అధ్యయనాన్ని EPJ డేటా సైన్స్ జర్నల్లో ప్రచురించారు.

అన్ని మాధ్యమాల డేటాపై పనిచేస్తుంది
రష్యన్ ఆన్‌లైన్‌సోషల్ మీడియా, సోషల్ నెట్‌వర్కింగ్ ప్లాట్ ఫామ్‌లు, ట్విట్టర్ వంటి వివిధ సోషల్ మీడియా సైట్ల డేటాసెట్లలో ఈ మోడల్ విజయవంతంగా పనిచేస్తుందని పరిశోధకులు పేర్కొన్నారు. విద్యార్థులకు సంబంధించి స్టూడెంట్ అకాడమిక్ పర్ఫామెన్స్ నుంచి ఇన్కమ్, డిప్రెషన్ వంటి భిన్నమైన లక్షణాలను అంచనా వేయడానికి ఈ నమూనాను ఉపయోగించవచ్చు.

ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ సాయంతో..
ఈ అధ్యయనంలో నియంత్రించడానికి అవకాశం లేని మెషీన్ లెర్నింగ్ వర్డ్ వెక్టార్ రిప్రజెంటేషన్(ఆర్టిఫిషియల్ ఇంటెలిజెన్స్) సాయంతో సోషల్ మీడియా పోస్ట్లను విశ్లేషించారు. మొత్తం 1.9 బిలియన్ పదాలు, 2.5 మిలియన్ ప్రత్యేక పదాలను పరిశీలించారు. అనంతరం డేటా సెట్ను సింప్లర్ సూపర్వైజ్డ్ మెషీన్ లెర్నింగ్ మోడళ్లతో కలిపారు. దీని ద్వారా సులభంగా ప్రోగ్రామ్ ఫర్ ఇంటర్నేషనల్ స్టూడెంట్స్ అసెస్మెంట్ స్కోర్(PISA)లను అంచనా వేశారు.

పబ్లిక్ పేజీల డేటాతో శాంపిల్స్
రష్యన్ సామాజిక మాధ్యమాల్లో పబ్లిక్ వ్యూయబుల్ పేజీలను ట్రైనింగ్ శాంపిల్స్గా ఉపయోగించారు. వీటి నుంచి మొత్తం 1,30,575 పోస్టుల ద్వారా 2,468 సబ్జెక్టుల PISA స్కోర్లను అంచనా వేశారు. ఈ పరీక్ష ద్వారా విద్యార్థుల అకడమిక్ ఆప్టిట్యూడ్ను, తెలివితేటలను ఆచరణలో పెట్టగల సామర్థ్యాన్ని అంచనా వేయగలిగామని పరిశోధకులు వివరించారు.