បញ្ហា (The Problem)៖ ការវាយតម្លៃដោយដៃលើចម្លើយទ្រឹស្តីរបស់សិស្សគឺមានភាពលម្អៀង មិនស៊ីសង្វាក់គ្នា និងចំណាយពេលច្រើន ជាពិសេសនៅពេលមានចំនួនសិស្សច្រើន។ ការសិក្សានេះមានគោលបំណងដោះស្រាយបញ្ហាទាំងនេះតាមរយៈការបង្កើតប្រព័ន្ធវាយតម្លៃដោយស្វ័យប្រវត្តិ។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានរៀបចំក្របខ័ណ្ឌវាយតម្លៃស្វ័យប្រវត្តិដោយប្រើប្រាស់បច្ចេកវិទ្យាដំណើរការភាសាធម្មជាតិ (NLP) និងការរៀនដោយម៉ាស៊ីន (Machine Learning) ដើម្បីវិភាគ ដាក់ពិន្ទុ និងផ្តល់មតិកែលម្អ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Traditional Manual Grading ការដាក់ពិន្ទុដោយដៃតាមបែបប្រពៃណី (ដោយគ្រូបង្រៀន) |
អនុញ្ញាតឱ្យមានការវាយតម្លៃស៊ីជម្រៅ អាចចាប់យកភាពស្មុគស្មាញ បរិបទ និងផ្តល់មតិកែលម្អផ្ទាល់ខ្លួនយ៉ាងលម្អិតដល់សិស្ស។ | មានភាពលម្អៀង (Subjectivity) ខ្ពស់ ចំណាយពេលច្រើន ងាយមានការនឿយហត់ក្នុងការកែ និងមិនអាចឆ្លើយតបបានលឿនសម្រាប់សិស្សចំនួនច្រើន។ | ប្រើជាគោល (Baseline) សម្រាប់ប្រៀបធៀបក្នុងការសិក្សា (ពិន្ទុគ្រូ៖ ២, ២ និង ១ សម្រាប់ករណីទាំង៣)។ |
| Automated Assessment System (NLP & ML) ប្រព័ន្ធវាយតម្លៃស្វ័យប្រវត្តិដោយប្រើ NLP និង Machine Learning |
ផ្តល់ការវាយតម្លៃបានរហ័ស ស៊ីសង្វាក់គ្នា កាត់បន្ថយភាពលម្អៀង និងមានសមត្ថភាពពង្រីកទំហំការងារ (Scalability) សម្រាប់ថ្នាក់រៀនធំៗ។ | ជួបការលំបាកក្នុងការយល់ដឹងពីបរិបទពេញលេញ ភាពស៊ីជម្រៅ និងគុណភាពនៃអំណះអំណាង ដែលអាចនាំឱ្យមានគម្លាតពិន្ទុពីគ្រូ។ | មានកម្រិតលម្អៀងមធ្យម (Mean Absolute Error - MAE) ០.៦៧ បើធៀបនឹងការវាយតម្លៃដោយគ្រូ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ទោះបីជាឯកសារមិនបានបញ្ជាក់ពីទំហំថវិកា ឬចំណាយលម្អិតក៏ដោយ ក៏យើងអាចសន្និដ្ឋានបានថាការអភិវឌ្ឍប្រព័ន្ធនេះទាមទារធនធានបច្ចេកវិទ្យា និងទិន្នន័យកម្រិតខ្ពស់។
ការសិក្សានេះត្រូវបានសាកល្បងលើទិន្នន័យចម្លើយសរសេរដោយដៃរបស់សិស្សតែ ៣ នាក់ប៉ុណ្ណោះ នៅក្នុងបរិបទសាកលវិទ្យាល័យ Shri JJT ក្នុងប្រទេសឥណ្ឌា ដែលជាទំហំទិន្នន័យដ៏តូចបំផុត និងងាយមានភាពលម្អៀង។ សម្រាប់ប្រទេសកម្ពុជា ការបង្វឹកម៉ូដែលនេះទាមទារទិន្នន័យជាភាសាខ្មែរដែលមានទំហំធំ និងចម្រុះ ដើម្បីធានាបាននូវភាពយុត្តិធម៌ និងប្រសិទ្ធភាពសម្រាប់សិស្សខ្មែរគ្រប់ស្រទាប់ជាន់ថ្នាក់។
ប្រព័ន្ធវាយតម្លៃស្វ័យប្រវត្តិនេះមានសក្តានុពលខ្ពស់ក្នុងការផ្លាស់ប្តូរ និងសម្រួលដល់ការវាយតម្លៃការសិក្សានៅកម្ពុជា ជាពិសេសសម្រាប់ការអប់រំក្នុងទ្រង់ទ្រាយធំ។
ជារួម ការអនុវត្តប្រព័ន្ធនេះនៅកម្ពុជានឹងតម្រូវឱ្យមានការស្រាវជ្រាវ និងកែសម្រួលយ៉ាងច្រើនទៅលើបច្ចេកវិទ្យា NLP សម្រាប់ភាសាខ្មែរ ប៉ុន្តែវាផ្តល់នូវអត្ថប្រយោជន៍ដ៏ធំធេងក្នុងការធ្វើឱ្យការវាយតម្លៃកាន់តែមានតម្លាភាព លឿនរហ័ស និងមានប្រសិទ្ធភាព។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Natural language processing (NLP) | ជាបច្ចេកវិទ្យាមួយនៃបញ្ញាសិប្បនិម្មិត (AI) ដែលអនុញ្ញាតឱ្យកុំព្យូទ័រអាចអាន យល់ បកស្រាយ និងទាញយកអត្ថន័យពីភាសាសរសេររបស់មនុស្ស ដើម្បីឱ្យម៉ាស៊ីនអាចវាយតម្លៃអត្ថបទចម្លើយរបស់សិស្សបាន។ | ដូចជាការបង្រៀនកុមារតូចម្នាក់ឱ្យចេះស្តាប់ និងយល់ពីអត្ថន័យនៃពាក្យសម្តីដែលយើងកំពុងនិយាយប្រាប់គេអញ្ចឹងដែរ។ |
| Tokenization | គឺជាដំណើរការនៃការបំបែកអត្ថបទវែងៗ ឬប្រយោគទាំងមូល ទៅជាបំណែកតូចៗ (ហៅថា Tokens) ដូចជាពាក្យនីមួយៗ ឬឃ្លា ដើម្បីងាយស្រួលឱ្យម៉ាស៊ីនធ្វើការវិភាគរចនាសម្ព័ន្ធវេយ្យាករណ៍របស់វា។ | ដូចជាការដោះផ្ទាំងរូបភាពល្បែងផ្គុំរូប (Jigsaw Puzzle) ទៅជាបំណែកតូចៗ ដើម្បីពិនិត្យមើលថាតើបំណែកនីមួយៗមានរូបរាងយ៉ាងណា។ |
| Stemming and Lemmatization | ជាបច្ចេកទេសកាត់បន្ថយពាក្យដែលប្រែប្រួលទម្រង់ (ឧទាហរណ៍៖ "running", "ran") ឱ្យទៅជាទម្រង់ដើម ឬឫសគល់របស់វា (ឧទាហរណ៍៖ "run") ដោយពិចារណាលើវេយ្យាករណ៍និងបរិបទ ដើម្បីកុំឱ្យម៉ាស៊ីនយល់ច្រឡំថាវាជាពាក្យខុសគ្នា។ | ដូចជាការចាត់ថ្នាក់ផ្លែស្វាយទុំ ស្វាយខ្ចី និងស្វាយចន្ទី ចូលទៅក្នុងកន្ត្រកតែមួយដែលមានឈ្មោះថា "ផ្លែស្វាយ" ដើម្បីងាយស្រួលរាប់ដោយមិនគិតពីស្ថានភាពរូបរាងរបស់វា។ |
| Feature Extraction | ជាដំណើរការទាញយកព័ត៌មាន ឬលក្ខណៈសំខាន់ៗចេញពីអត្ថបទដែលបានសម្អាតរួច (ដូចជារចនាសម្ព័ន្ធវេយ្យាករណ៍ អត្ថន័យ និងវាក្យសព្ទ) ដើម្បីបំប្លែងវាទៅជាទិន្នន័យលេខ ដែលម៉ូដែល Machine Learning អាចយល់បានសម្រាប់ការផ្តល់ពិន្ទុ។ | ដូចជាការស្កេនមើលមុខម្ហូបមួយចាន រួចកត់ត្រាទុកតែគ្រឿងផ្សំសំខាន់ៗដូចជា សាច់ បន្លែ និងអំបិល ដើម្បីវាយតម្លៃថាវាឆ្ងាញ់ឬអត់ ដោយមិនខ្វល់ពីប្រភេទចានដែលដាក់នោះទេ។ |
| BERT | ជាម៉ូដែលបណ្តាញសរសៃប្រសាទកម្រិតខ្ពស់ (Bidirectional Encoder Representations from Transformers) ដែលអានអត្ថបទទាំងសងខាង (ពីឆ្វេងទៅស្តាំ និងពីស្តាំទៅឆ្វេង) ក្នុងពេលតែមួយ ដើម្បីយល់ពីបរិបទ និងអត្ថន័យស៊ីជម្រៅនៃពាក្យនីមួយៗនៅក្នុងប្រយោគរបស់សិស្ស។ | ដូចជាអ្នកអានសៀវភៅដ៏ពូកែម្នាក់ ដែលមិនត្រឹមតែអានពាក្យម្តងមួយៗទេ តែសម្លឹងមើលប្រយោគទាំងមូលដើម្បីចាប់យកអត្ថន័យបង្កប់ពិតប្រាកដ។ |
| Cross-Validation | គឺជាបច្ចេកទេសវាយតម្លៃម៉ូដែលដោយបែងចែកទិន្នន័យជាច្រើនផ្នែក ដោយផ្នែកខ្លះសម្រាប់បង្វឹកម៉ាស៊ីន (Training data) និងផ្នែកខ្លះទៀតសម្រាប់ធ្វើតេស្ត (Validation data) ឆ្លាស់គ្នា ដើម្បីធានាថាម៉ូដែលនោះអាចទស្សន៍ទាយបានត្រឹមត្រូវលើទិន្នន័យថ្មីៗដែលវាមិនធ្លាប់ឃើញពីមុនមក។ | ដូចជាការធ្វើតេស្តសិស្សដោយប្រើវិញ្ញាសាខុសៗគ្នាជាច្រើនដង ដើម្បីប្រាកដថាសិស្សនោះពិតជាយល់មេរៀនមែន មិនមែនគ្រាន់តែទន្ទេញចាំមាត់នូវវិញ្ញាសាចាស់នោះទេ។ |
| mean absolute error (MAE) | ជារង្វាស់ស្ថិតិដែលប្រើសម្រាប់គណនាកម្រិតខុសគ្នាមធ្យមរវាងពិន្ទុដែលម៉ាស៊ីនទស្សន៍ទាយបាន និងពិន្ទុជាក់ស្តែងដែលគ្រូបានផ្តល់ឱ្យ។ បើ MAE កាន់តែតូច មានន័យថាម៉ាស៊ីនដាក់ពិន្ទុកាន់តែសុក្រឹតនិងខិតជិតការសម្រេចចិត្តរបស់មនុស្ស។ | ដូចជាការវាស់ចម្ងាយរវាងព្រួញដែលអ្នកបាញ់ទៅចំគោលដៅ ជាមួយនឹងចំណុចកណ្តាលនៃផ្ទាំងស៊ីប ដើម្បីដឹងថាអ្នកបាញ់ខុសគោលដៅប៉ុន្មានសង់ទីម៉ែត្រជាមធ្យម។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
