ਭਾਰਤ ਵਿੱਚ AI-ਅਧਾਰਿਤ ਮੁਲਾਂਕਣ: ਡਿਜ਼ਾਈਨ ਵਿਕਲਪ ਇਕੁਇਟੀ ਪ੍ਰੀਮੀਅਮ ਨੂੰ ਆਕਾਰ ਦੇਣਗੇ

ਕਲਪਨਾ ਕਰੋ ਕਿ ਕੱਲ੍ਹ ਤੋਂ, ਭਾਰਤ ਦੇ ਕਲਾਸਰੂਮਾਂ ਵਿੱਚ ਹਰ ਇਮਤਿਹਾਨ ਨੂੰ ਏਆਈ-ਅਧਾਰਤ ਪ੍ਰਣਾਲੀ ਦੁਆਰਾ ਗ੍ਰੇਡ ਕੀਤਾ ਜਾਵੇਗਾ। ਕੀ ਇਹ ਵਿਦਿਆਰਥੀਆਂ ਲਈ ਚੀਜ਼ਾਂ ਨੂੰ ਨਿਰਪੱਖ ਬਣਾਵੇਗਾ – ਜਾਂ ਮੌਜੂਦਾ ਬੇਇਨਸਾਫ਼ੀ ਦੀ ਦਿੱਖ ਨੂੰ ਤੇਜ਼ ਅਤੇ ਵਧਾਏਗਾ?

ਇਹ ਕੋਈ ਕਾਲਪਨਿਕ ਸਵਾਲ ਨਹੀਂ ਹੈ। ਕਈ ਭਾਰਤੀ ਰਾਜਾਂ ਵਿੱਚ, AI- ਸਮਰਥਿਤ ਮੁਲਾਂਕਣ ਟੂਲ ਪਹਿਲਾਂ ਹੀ ਸਰਕਾਰਾਂ ਅਤੇ ਗੈਰ-ਲਾਭਕਾਰੀ ਸੰਸਥਾਵਾਂ ਨਾਲ ਸਾਂਝੇਦਾਰੀ ਵਿੱਚ ਪਾਇਲਟ ਕੀਤੇ ਜਾ ਰਹੇ ਹਨ: ਸਿਸਟਮ ਜੋ ਬੱਚਿਆਂ ਨੂੰ ਉੱਚੀ ਆਵਾਜ਼ ਵਿੱਚ ਪੜ੍ਹਦੇ ਸੁਣਦੇ ਹਨ, ਹੱਥ ਲਿਖਤ ਉੱਤਰ ਪੱਤਰੀਆਂ ਨੂੰ ਸਕੈਨ ਕਰਦੇ ਹਨ, ਅਤੇ ਵਿਦਿਆਰਥੀਆਂ ਦੀਆਂ ਗਲਤੀਆਂ ਨੂੰ “ਗਲਤਫਹਿਮੀਆਂ” ਵਿੱਚ ਟਰੈਕ ਕਰਦੇ ਹਨ। ਇਹ ਟੂਲ ਸਧਾਰਨ ਪੇਪਰ ਟੈਸਟਾਂ ਅਤੇ ਘੱਟ ਕੀਮਤ ਵਾਲੇ ਸਮਾਰਟਫ਼ੋਨਾਂ ਪਿੱਛੇ ਕੰਮ ਕਰਦੇ ਹਨ, ਚਮਕਦਾਰ ਰੋਬੋਟ ਨਹੀਂ। ਚੁੱਪ-ਚੁਪੀਤੇ, ਉਹ ਆਪਣੇ ਵਿਦਿਆਰਥੀਆਂ ਦੇ ਸਿੱਖਣ ਬਾਰੇ ਅਧਿਆਪਕ ਕੀ ਦੇਖਦੇ ਹਨ – ਅਤੇ ਉਹ ਕੀ ਗੁਆਉਂਦੇ ਹਨ – ਨੂੰ ਮੁੜ ਆਕਾਰ ਦੇਣ ਲੱਗੇ ਹਨ।

ਜਨਤਕ ਬਹਿਸ ਨੂੰ ਅਕਸਰ “AI: ਚੰਗਾ ਜਾਂ ਬੁਰਾ?” ਤੱਕ ਸੀਮਾਵਾਂ. ਸ਼ੁਰੂਆਤੀ ਪਾਇਲਟਾਂ ਤੋਂ ਸਬੂਤ ਇੱਕ ਹੋਰ ਅਨਿਯਮਤ ਤਸਵੀਰ ਦਾ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ। ਮੁਲਾਂਕਣ ਵਿੱਚ AI ਸਖ਼ਤ ਮਿਹਨਤ ਅਤੇ ਸਤਹ ਦੇ ਪੈਟਰਨਾਂ ਨੂੰ ਹਟਾ ਸਕਦਾ ਹੈ ਜੋ ਕੋਈ ਮਨੁੱਖੀ ਅਧਿਆਪਕ ਪੈਮਾਨੇ ‘ਤੇ ਨਹੀਂ ਦੇਖ ਸਕਦਾ ਹੈ। ਇਹ ਕੀਮਤੀ ਚੀਜ਼ ਨੂੰ ਵੀ ਸੀਮਤ ਕਰ ਸਕਦਾ ਹੈ, ਭਾਸ਼ਾ ਅਤੇ ਸੱਭਿਆਚਾਰਕ ਪੱਖਪਾਤ ਨੂੰ ਏਨਕੋਡ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਸ਼ੁਰੂਆਤੀ ਡੇਟਾ ਨੂੰ ਨਿਗਰਾਨੀ ਦੇ ਨਵੇਂ ਰੂਪਾਂ ਵਿੱਚ ਬਦਲ ਸਕਦਾ ਹੈ। ਕੀ ਇਹ ਨੁਕਸਾਨ ਤੋਂ ਵੱਧ ਚੰਗਾ ਕਰਦਾ ਹੈ ਜਾਂ ਨਹੀਂ ਇਹ ਪੂਰੀ ਤਰ੍ਹਾਂ ਹੁਣ ਕੀਤੇ ਜਾ ਰਹੇ ਡਿਜ਼ਾਈਨ ਵਿਕਲਪਾਂ ‘ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ।

ਜਿੱਥੇ AI ਪਹਿਲਾਂ ਹੀ ਉਪਯੋਗੀ ਹੈ

ਰਾਜਸਥਾਨ ਦੇ ਇੱਕ ਜ਼ਿਲ੍ਹੇ ਵਿੱਚ ਇੱਕ ਪਾਇਲਟ ਵਿੱਚ, 6ਵੀਂ ਜਮਾਤ ਦੇ ਹਜ਼ਾਰਾਂ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਹੱਥ ਲਿਖਤ ਗਣਿਤ ਦੀ ਪ੍ਰੀਖਿਆ AI ਸਿਸਟਮ ਰਾਹੀਂ ਸਕੈਨ ਕੀਤੀ ਗਈ। ਦਿਨਾਂ ਦੇ ਅੰਦਰ, ਅਧਿਆਪਕਾਂ ਨੂੰ ਪ੍ਰਸ਼ਨ-ਵਾਰ ਅੰਕ ਅਤੇ ਗਲਤੀ ਪੈਟਰਨ ਪ੍ਰਾਪਤ ਹੋਏ ਜਿਨ੍ਹਾਂ ਨੂੰ ਹੱਥੀਂ ਕੰਪਾਇਲ ਕਰਨ ਵਿੱਚ ਹਫ਼ਤੇ ਲੱਗ ਗਏ ਹੋਣਗੇ। ਇੱਕ ਸਿੰਗਲ “8/20” ਦੀ ਬਜਾਏ, ਉਹ ਦੇਖ ਸਕਦੇ ਸਨ ਕਿ ਵਿਦਿਆਰਥੀਆਂ ਦਾ ਇੱਕ ਵੱਡਾ ਹਿੱਸਾ ਖਾਸ ਤੌਰ ‘ਤੇ ਘਟਾਓ ਜਾਂ ਬਾਰ ਗ੍ਰਾਫਾਂ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਿੱਚ ਮੁੜ ਸੰਗਠਿਤ ਕਰਨ ਲਈ ਸੰਘਰਸ਼ ਕਰ ਰਿਹਾ ਸੀ।

ਇਸੇ ਤਰ੍ਹਾਂ, AI-ਅਧਾਰਿਤ ਮੌਖਿਕ ਰੀਡਿੰਗ ਫਲੂਐਂਸੀ ਟੂਲ ਹੁਣ ਬਹੁਤ ਸਾਰੇ ਸਰਕਾਰੀ ਪ੍ਰਣਾਲੀਆਂ ਵਿੱਚ ਵਰਤੇ ਜਾਂਦੇ ਹਨ, ਇੱਕ ਅਧਿਆਪਕ ਨੂੰ ਇੱਕ ਬੱਚੇ ਨੂੰ ਇੱਕ ਛੋਟਾ ਪਾਸਾ ਪੜ੍ਹਣ ਨੂੰ ਰਿਕਾਰਡ ਕਰਨ ਅਤੇ ਗਤੀ, ਸ਼ੁੱਧਤਾ, ਅਤੇ ਗਲਤੀ ਕਿਸਮਾਂ ‘ਤੇ ਰੀਅਲ-ਟਾਈਮ ਫੀਡਬੈਕ ਪ੍ਰਾਪਤ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ। ਮੁਲਾਂਕਣ ਅਜੇ ਵੀ ਛਾਪੇ ਗਏ ਅੰਸ਼ਾਂ ਦੇ ਨਾਲ ਇਕ-ਦੂਜੇ ਨਾਲ ਹੈ; ਫਰਕ ਇਹ ਹੈ ਕਿ ਉਹ ਪ੍ਰਕਿਰਿਆ ਜਿਸ ਲਈ ਇੱਕ ਵਾਰ ਸਟੌਪਵਾਚ, ਟੇਲੀ ਮਾਰਕ, ਅਤੇ ਬਾਅਦ ਵਿੱਚ ਡੇਟਾ ਐਂਟਰੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਸੀ, ਨੂੰ ਅਧਿਆਪਕਾਂ ‘ਤੇ ਦਬਾਅ ਪਾਏ ਬਿਨਾਂ ਅਕਸਰ ਦੁਹਰਾਇਆ ਜਾ ਸਕਦਾ ਹੈ।

ਇਹ ਉਦਾਹਰਨਾਂ ਵਿਦਿਆਰਥੀ ਮੁਲਾਂਕਣ ਵਿੱਚ AI ਦੀਆਂ ਤਿੰਨ ਅਸਲ ਸ਼ਕਤੀਆਂ ਨੂੰ ਦਰਸਾਉਂਦੀਆਂ ਹਨ:

ਨਿਯਮਤ ਮਾਰਕਿੰਗ ਲੋਡ ਨੂੰ ਘਟਾਉਣਾ: ਐਲਗੋਰਿਦਮ ਕੁਝ ਪੈਟਰਨਾਂ ਨੂੰ ਪਛਾਣਨ ਲਈ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੁੰਦੇ ਹਨ – ਜਿਵੇਂ ਕਿ ਅੰਕ, ਛੋਟੇ ਜਵਾਬ, ਜਾਂ ਵਿਘਨ ਵਾਲੀ ਲਿਖਤ ਜਾਂ ਭਾਸ਼ਣ ਫਾਰਮੈਟ। ਇਸ ਕੰਮ ਨੂੰ ਕਰਨ ਨਾਲ ਅਧਿਆਪਕ ਨੂੰ ਉਹ ਕੰਮ ਕਰਨ ਲਈ ਸਮਾਂ ਕੱਢਣ ਦੀ ਇਜਾਜ਼ਤ ਮਿਲਦੀ ਹੈ ਜੋ ਸਿਰਫ਼ ਇਨਸਾਨ ਹੀ ਕਰ ਸਕਦੇ ਹਨ: ਅੰਸ਼ਕ ਸਮਝ ਦੀ ਜਾਂਚ ਕਰੋ, ਰਣਨੀਤੀਆਂ ‘ਤੇ ਚਰਚਾ ਕਰੋ, ਅਤੇ ਵਿਅਕਤੀਗਤ ਫੀਡਬੈਕ ਦਿਓ।

ਵੱਡੇ ਪੱਧਰ ‘ਤੇ ਗਲਤ ਧਾਰਨਾਵਾਂ ਦਾ ਪ੍ਰਦਰਸ਼ਨ: ਜਦੋਂ AI ਹਜ਼ਾਰਾਂ ਇੱਕੋ ਜਿਹੇ ਗਲਤ ਜਵਾਬਾਂ ਨੂੰ ਇਕੱਠਾ ਕਰਦਾ ਹੈ, ਤਾਂ ਤਸਵੀਰ “ਅੱਧੀ ਜਮਾਤ ਨੂੰ ਪ੍ਰਸ਼ਨ 7 ਗਲਤ ਮਿਲਿਆ” ਤੋਂ ਬਦਲ ਜਾਂਦੀ ਹੈ “ਬਹੁਤ ਸਾਰੇ ਵਿਦਿਆਰਥੀ ਅੰਕਾਂ ਵਿੱਚ ਵਿਵਸਥਿਤ ਰੂਪ ਵਿੱਚ ਡਿਨੋਮੀਨੇਟਰਾਂ ਦੀ ਗਲਤ ਵਿਆਖਿਆ ਕਰ ਰਹੇ ਹਨ।” ਅਜਿਹੀਆਂ ਸੂਝ-ਬੂਝਾਂ ਪਾਠ ਯੋਜਨਾਬੰਦੀ, ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਮੁੜ-ਡਿਜ਼ਾਇਨ ਕਰਨ, ਅਤੇ ਨਿਸ਼ਾਨੇ ਵਾਲੇ ਹੱਲਾਂ ਨੂੰ ਉਹਨਾਂ ਤਰੀਕਿਆਂ ਨਾਲ ਸੂਚਿਤ ਕਰ ਸਕਦੀਆਂ ਹਨ ਜਿਨ੍ਹਾਂ ਦੀ ਰਵਾਇਤੀ ਸਕੋਰ ਸਾਰਾਂਸ਼ ਘੱਟ ਹੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ।

ਮੁਲਾਂਕਣ ਨੂੰ ਸਕ੍ਰੀਨ ਤੋਂ ਪਰੇ ਲਿਜਾਣਾ: ਭਾਰਤ ਲਈ ਮਹੱਤਵਪੂਰਨ ਤੌਰ ‘ਤੇ, ਇਹਨਾਂ ਸਾਧਨਾਂ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਡਿਜੀਟਲ ਕਲਾਸਰੂਮਾਂ ਦੀ ਲੋੜ ਨਹੀਂ ਹੈ। ਉਹ ਕਾਗਜ਼ ਅਤੇ ਪੈਨਸਿਲ ਟੈਸਟਾਂ ਅਤੇ ਘੱਟ ਕੀਮਤ ਵਾਲੇ ਐਂਡਰੌਇਡ ਫੋਨਾਂ ‘ਤੇ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ, ਜੋ ਉਹਨਾਂ ਨੂੰ ਨਾ ਸਿਰਫ਼ ਖਾਸ ਸੈਟਿੰਗਾਂ ਲਈ, ਸਗੋਂ ਸਰਕਾਰੀ ਅਤੇ ਘੱਟ ਫੀਸ ਵਾਲੇ ਪ੍ਰਾਈਵੇਟ ਸਕੂਲਾਂ ਲਈ ਵੀ ਢੁਕਵੇਂ ਬਣਾਉਂਦੇ ਹਨ।

ਇਸ ਤਰੀਕੇ ਨਾਲ ਵਰਤਿਆ ਗਿਆ, AI ਮਾਈਕ੍ਰੋਸਕੋਪ ਵਾਂਗ ਕੰਮ ਕਰਦਾ ਹੈ: ਅਧਿਆਪਕਾਂ ਅਤੇ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਸਿੱਖਣ ਨੂੰ ਬਿਹਤਰ ਤਰੀਕੇ ਨਾਲ ਦੇਖਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਵਾਲੇ ਪੈਟਰਨਾਂ ਨੂੰ ਉਜਾਗਰ ਕਰਨਾ। ਇਸ ਸਮੇਂ, ਇਹਨਾਂ ਸਾਧਨਾਂ ਦੀ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਵਰਤੋਂ ਸਪਸ਼ਟ ਰੂਪ ਵਿੱਚ ਰਚਨਾਤਮਕ ਹੈ। ਸੰਖੇਪ, ਘੱਟ-ਦਾਅ ਵਾਲੇ ਮੁਲਾਂਕਣ ਜੋ ਵਧੇਰੇ ਵਾਰ-ਵਾਰ ਕੀਤੇ ਜਾ ਸਕਦੇ ਹਨ – ਪਬਲਿਕ ਅਤੇ ਪ੍ਰਾਈਵੇਟ ਸਕੂਲਾਂ ਵਿੱਚ। ਇਹ ਕੇਵਲ ਤਾਂ ਹੀ ਕੀਮਤੀ ਹਨ ਜੇਕਰ ਫੀਡਬੈਕ ਦੇ ਨਤੀਜੇ ਖਾਸ ਕਲਾਸਰੂਮ ਗਤੀਵਿਧੀਆਂ ਵਿੱਚ ਆਉਂਦੇ ਹਨ: ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਮੁੜ ਸੰਗਠਿਤ ਕਰਨਾ, ਮੁੱਖ ਸੰਕਲਪਾਂ ‘ਤੇ ਮੁੜ ਵਿਚਾਰ ਕਰਨਾ, ਉਦਾਹਰਨਾਂ ਜਾਂ ਭਾਸ਼ਾ ਨੂੰ ਬਦਲਣਾ, ਅਤੇ ਨਿਸ਼ਾਨਾ ਅਭਿਆਸ ਪ੍ਰਦਾਨ ਕਰਨਾ। ਸਿੱਖਣ ਵਿੱਚ ਸੁਧਾਰ AI ਰਿਪੋਰਟਾਂ ਤੋਂ ਨਹੀਂ ਆਉਂਦਾ ਹੈ, ਸਗੋਂ ਇਸ ਗੱਲ ਤੋਂ ਆਉਂਦਾ ਹੈ ਕਿ ਅਧਿਆਪਕ ਅਤੇ ਸਕੂਲ ਲੀਡਰ ਇਸ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਤੀਕਿਰਿਆ ਦਿੰਦੇ ਹਨ।

ਜਿੱਥੇ AI ਚੁੱਪਚਾਪ ਗਲਤ ਹੋ ਜਾਂਦਾ ਹੈ

ਉਹੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਜੋ AI ਨੂੰ ਮੁਲਾਂਕਣ ਵਿੱਚ ਆਕਰਸ਼ਕ ਬਣਾਉਂਦੀਆਂ ਹਨ, ਘੱਟ ਦਿਖਾਈ ਦੇਣ ਵਾਲੇ ਜੋਖਮ ਵੀ ਪੈਦਾ ਕਰ ਸਕਦੀਆਂ ਹਨ।

1, ਕਮਜ਼ੋਰ ਮੁਲਾਂਕਣ ਡਿਜ਼ਾਈਨ ਨੂੰ ਬੰਦ ਕਰਨਾ: AI ਹੁਣ ਲੇਖਾਂ ਅਤੇ ਹੱਥ ਲਿਖਤ ਕੰਮਾਂ ਸਮੇਤ ਕਈ ਕਿਸਮਾਂ ਦੇ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਗ੍ਰੇਡ ਕਰ ਸਕਦਾ ਹੈ। ਅਸਲ ਖ਼ਤਰਾ ਇਹ ਹੈ ਕਿ ਮਾਡਲ ਨੂੰ ਇਨਾਮ ਦੇਣ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਹੈ। ਜੇ ਰੁਬਰਿਕਸ ਅਤੇ ਸਿਖਲਾਈ ਦੇ ਨਮੂਨੇ ਘੱਟ ਜਾਂ ਮਾੜੇ ਢੰਗ ਨਾਲ ਡਿਜ਼ਾਈਨ ਕੀਤੇ ਗਏ ਹਨ, ਤਾਂ ਐਲਗੋਰਿਦਮ ਸਿਰਫ਼ ਇਸ ਨੂੰ ਵਧਾ ਦਿੰਦਾ ਹੈ – ਵਿਸ਼ੇਸ਼ ਅਧਿਕਾਰ ਦੀ ਲੰਬਾਈ, ਕੀਵਰਡਸ, ਜਾਂ ਤਰਕ, ਮਲਟੀਪਲ ਹੱਲ ਮਾਰਗ, ਜਾਂ ਪ੍ਰਸੰਗਿਕ ਤੌਰ ‘ਤੇ ਅਮੀਰ ਜਵਾਬਾਂ ‘ਤੇ ਸਾਫ਼ ਲੇਆਉਟ। ਸਿਸਟਮਾਂ ਵਿੱਚ ਜਿੱਥੇ ਬਹੁਤ ਸਾਰੇ ਮੁਲਾਂਕਣਾਂ ਨੂੰ ਸਖਤੀ ਨਾਲ ਡਿਜ਼ਾਈਨ ਜਾਂ ਕਰਵਾਏ ਨਹੀਂ ਜਾਂਦੇ, AI ਉਹਨਾਂ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨ ਦੀ ਬਜਾਏ ਕਮਜ਼ੋਰ ਟੈਸਟਾਂ ਨੂੰ ਵਿਗਿਆਨਕ ਬਣਾ ਸਕਦਾ ਹੈ।

2. ਸਮੂਹਾਂ ਵਿੱਚ ਅਸਮਾਨ ਗਲਤੀ ਦਰਾਂ: ਮਾਡਲ ਖਾਸ ਭਾਸ਼ਾਵਾਂ, ਲਿਪੀਆਂ, ਅਤੇ ਲਿਖਣ ਦੀਆਂ ਸ਼ੈਲੀਆਂ ਤੋਂ ਸਿੱਖਦੇ ਹਨ। ਮੁੱਖ ਤੌਰ ‘ਤੇ ਸ਼ਹਿਰੀ ਹਿੰਦੀ ਜਾਂ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਟਿਊਨ ਕੀਤੇ ਭਾਸ਼ਣ ਮਾਡਲ ਕਬਾਇਲੀ ਜਾਂ ਖੇਤਰੀ ਭਾਸ਼ਾ ਦੇ ਪਿਛੋਕੜ ਵਾਲੇ ਬੱਚਿਆਂ ਦੀ ਗਲਤ ਪਛਾਣ ਕਰਨਗੇ; ਹੈਂਡਰਾਈਟਿੰਗ ਅਤੇ ਲੇਖ ਸਕੋਰਰ ਕੁਝ ਸਮੂਹਾਂ ਨੂੰ ਯੋਜਨਾਬੱਧ ਢੰਗ ਨਾਲ ਘੱਟ ਅੰਕ ਦੇ ਸਕਦੇ ਹਨ, ਭਾਵੇਂ ਕਿ ਮਨੁੱਖੀ ਮਾਰਕਰਾਂ ਨੂੰ ਕੋਈ ਫਰਕ ਨਜ਼ਰ ਨਾ ਆਵੇ। ਬਹੁ-ਭਾਸ਼ਾਈ ਭਾਰਤ ਵਿੱਚ, ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਜਿਨ੍ਹਾਂ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ NEP 2020 ਅਤੇ NIPUN India ਸਭ ਤੋਂ ਵੱਧ ਸਮਰਥਨ ਦੇਣਾ ਚਾਹੁੰਦੇ ਹਨ, ਉਹਨਾਂ ਦੇ ਭਰੋਸੇਯੋਗਤਾ ਸਕੋਰ ਸਭ ਤੋਂ ਘੱਟ ਹੋ ਸਕਦੇ ਹਨ।

3.ਰਸਮੀ ਡਾਟਾ ਨਿਗਰਾਨੀ ਵਿੱਚ ਬਦਲਣਾ: AI ਟੂਲ ਆਮ ਤੌਰ ‘ਤੇ ਸ਼ੁਰੂਆਤੀ ਮੁਲਾਂਕਣ ਦੁਆਰਾ ਅਧਿਆਪਕਾਂ ਦੀ ਮਦਦ ਕਰਨ ਲਈ ਪੇਸ਼ ਕੀਤੇ ਜਾਂਦੇ ਹਨ। ਪਰ ਉਹਨਾਂ ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਵਿਸਤ੍ਰਿਤ ਡੇਟਾ – ਆਈਟਮ-ਪੱਧਰ ਦੇ ਸਕੋਰ, ਵਿਕਾਸ ਚਾਰਟ, ਗਲਤੀ ਪੈਟਰਨ – ਆਸਾਨੀ ਨਾਲ ਸਕੂਲਾਂ ਨੂੰ ਦਰਜਾਬੰਦੀ, ਅਧਿਆਪਕਾਂ ਦੀ ਪ੍ਰੋਫਾਈਲ ਕਰਨ ਜਾਂ ਜ਼ਿਲ੍ਹਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਦੁਬਾਰਾ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਠੋਸ ਨਿਯਮਾਂ ਦੇ ਬਿਨਾਂ, ਸਿੱਖਣ ਨੂੰ ਸਮਰਥਨ ਦੇਣ ਲਈ ਇਕੱਠੀ ਕੀਤੀ ਗਈ ਜਾਣਕਾਰੀ ਉੱਚ-ਦਾਅ ਵਾਲੀ ਜਵਾਬਦੇਹੀ ਪ੍ਰਣਾਲੀ ਦਾ ਹਿੱਸਾ ਬਣ ਜਾਂਦੀ ਹੈ ਜਿਸ ‘ਤੇ ਅਧਿਆਪਕ ਨਾ ਤਾਂ ਨਿਯੰਤਰਣ ਕਰਦੇ ਹਨ ਅਤੇ ਨਾ ਹੀ ਭਰੋਸਾ ਕਰਦੇ ਹਨ।

4. ਔਰਬਿਟ ਤੋਂ ਦੂਰ ਸ਼ਕਤੀ ਨੂੰ ਬਦਲਣਾ: ਜਦੋਂ ਇੱਕ AI ਸਿਸਟਮ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਫੈਸਲਾ ਕਰਦਾ ਹੈ ਕਿ ਕੀ ਇੱਕ ਚੰਗਾ ਜਵਾਬ ਜਾਂ ਸਵੀਕਾਰਯੋਗ ਤਰੀਕਾ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਮੁਲਾਂਕਣ ਦਾ ਅਧਿਕਾਰ ਸਥਾਨਕ ਅਧਿਆਪਕਾਂ ਅਤੇ ਬੋਰਡਾਂ ਤੋਂ ਮਾਡਲ ਡਿਜ਼ਾਈਨਰਾਂ ਅਤੇ ਵਿਕਰੇਤਾਵਾਂ ਤੱਕ ਜਾਂਦਾ ਹੈ। ਸਮੇਂ ਦੇ ਨਾਲ, ਵਿਦਿਆਰਥੀ ਅਤੇ ਅਧਿਆਪਕ ਸਿਸਟਮ ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤੇ ਇਨਾਮਾਂ ਦੇ ਅਨੁਕੂਲ ਹੁੰਦੇ ਹਨ, ਭਾਵੇਂ ਇਹ ਸਥਾਨਕ ਭਾਸ਼ਾ ਦੇ ਅਭਿਆਸਾਂ ਜਾਂ ਪਾਠਕ੍ਰਮ ਦੇ ਟੀਚਿਆਂ ਨਾਲ ਟਕਰਾਅ ਹੋਵੇ। ਇੱਕ ਵਿਭਿੰਨ ਦੇਸ਼ ਵਿੱਚ, ਸੱਤਾ ਵਿੱਚ ਇਹ ਸ਼ਾਂਤ ਤਬਦੀਲੀ ਇਹ ਨਿਰਧਾਰਤ ਕਰਦੀ ਹੈ ਕਿ ਕਿਸ ਦੇ ਬੋਲਣ, ਲਿਖਣ ਅਤੇ ਤਰਕ ਕਰਨ ਦੇ ਢੰਗਾਂ ਨੂੰ ਆਦਰਸ਼ ਮੰਨਿਆ ਜਾਵੇਗਾ।

ਭਾਰਤ ਵਿੱਚ “AI ਦੀ ਜ਼ਿੰਮੇਵਾਰ ਵਰਤੋਂ” ਦਾ ਕੀ ਅਰਥ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ?

“ਜ਼ਿੰਮੇਵਾਰ AI” ਵਾਕੰਸ਼ ਹਰ ਜਗ੍ਹਾ ਹੈ। ਵਿਦਿਆਰਥੀ ਮੁਲਾਂਕਣ ਲਈ ਠੋਸ ਵਚਨਬੱਧਤਾਵਾਂ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਸ਼ੁਰੂਆਤੀ ਤੈਨਾਤੀ ਦਾ ਸਬੂਤ ਘੱਟੋ-ਘੱਟ ਪੰਜ ਵੱਲ ਸੰਕੇਤ ਕਰਦਾ ਹੈ।

1. AI ਫੈਸਲੇ ਦੇ ਸਮਰਥਨ ਵਜੋਂ, ਨਾ ਕਿ ਫੈਸਲਾ ਲੈਣ ਵਾਲੇ: AI-ਉਤਪਾਦਿਤ ਸਕੋਰਾਂ ਨੂੰ ਮਨੁੱਖੀ ਨਿਰਣੇ ਦੀ ਅਗਵਾਈ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ, ਨਾ ਕਿ ਬਦਲਣਾ, ਖਾਸ ਕਰਕੇ ਇਲਾਜ, ਤਰੱਕੀ, ਜਾਂ ਪ੍ਰਮਾਣੀਕਰਣ ਲਈ। ਅਧਿਆਪਕਾਂ ਨੂੰ ਆਉਟਪੁੱਟ ਦੀ ਸਮੀਖਿਆ ਅਤੇ ਓਵਰਰਾਈਡ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਅਤੇ ਕਿਸੇ ਵੀ ਉੱਚ-ਦਾਅ ਦੀ ਵਰਤੋਂ ਨੂੰ ਸੁਤੰਤਰ ਤੌਰ ‘ਤੇ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਵਿਕਰੇਤਾ-ਪ੍ਰਮਾਣਿਤ। ਜਨਰੇਟਿਵ ਸਿਸਟਮ ਵੀ ਭਰੋਸੇਮੰਦ ਪਰ ਗਲਤ ਜਵਾਬ ਦਿੰਦੇ ਹੋਏ ਭਰਮ ਪੈਦਾ ਕਰਦੇ ਹਨ, ਇਸਲਈ ਉੱਚ-ਸਟੇਕ ਪ੍ਰੀਖਿਆਵਾਂ ਨੂੰ ਇੱਕ ਮਨੁੱਖੀ-ਪਲੱਸ-ਏਆਈ ਮਾਡਲ ਦੀ ਪਾਲਣਾ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ: ਐਲਗੋਰਿਦਮ ਸਕੋਰ ਜਾਂ ਫਲੈਗ ਦਾ ਸੁਝਾਅ ਦੇ ਸਕਦੇ ਹਨ, ਪਰ ਸਿਖਿਅਤ ਪਰੀਖਿਅਕ ਅੰਤਿਮ ਫੈਸਲੇ ਲੈਂਦੇ ਹਨ ਅਤੇ ਉਹਨਾਂ ਦੇ ਮਾਲਕ ਹੁੰਦੇ ਹਨ।

2. ਵਿਭਿੰਨਤਾ ਲਈ ਡਿਜ਼ਾਈਨ, ਔਸਤ ਵਿਦਿਆਰਥੀ ਲਈ ਨਹੀਂ: ਪੈਮਾਨੇ ‘ਤੇ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਟੂਲਜ਼ ਨੂੰ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਡਾਟਾ ‘ਤੇ ਟੈਸਟ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਭਾਰਤ ਦੇ ਕਲਾਸਰੂਮਾਂ ਨੂੰ ਦਰਸਾਉਂਦੇ ਹਨ: ਪੇਂਡੂ ਅਤੇ ਸ਼ਹਿਰੀ, ਸਰਕਾਰੀ ਅਤੇ ਨਿੱਜੀ, ਮਲਟੀਪਲ ਲਿਪੀਆਂ, ਉਪਭਾਸ਼ਾਵਾਂ ਅਤੇ ਹੱਥ ਲਿਖਤ ਸ਼ੈਲੀਆਂ। ਸ਼ੁੱਧਤਾ ਦੀ ਜਾਂਚ ਉਪ-ਸਮੂਹ (ਉਦਾਹਰਨ ਲਈ, ਘਰੇਲੂ ਭਾਸ਼ਾ ਜਾਂ ਖੇਤਰ) ਦੁਆਰਾ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਅਤੇ ਖੁੱਲ੍ਹ ਕੇ ਰਿਪੋਰਟ ਕੀਤੀ ਜਾਣੀ ਚਾਹੀਦੀ ਹੈ ਤਾਂ ਜੋ ਅਣਉਚਿਤ ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕੀਤੀ ਜਾ ਸਕੇ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਠੀਕ ਕੀਤਾ ਜਾ ਸਕੇ।

3. ਡਾਟਾ ਵਰਤੋਂ ਅਤੇ ਮੁੜ-ਵਰਤੋਂ ‘ਤੇ ਸਖ਼ਤ ਨਿਯਮ: ਮੁਲਾਂਕਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਵਾਲੇ ਸਿਸਟਮਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਤੌਰ ‘ਤੇ ਦੱਸਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕਿਹੜਾ ਡੇਟਾ ਇਕੱਠਾ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਕੌਣ ਇਸਨੂੰ ਦੇਖਦਾ ਹੈ, ਇਹ ਕਿੰਨੀ ਦੇਰ ਤੱਕ ਸਟੋਰ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਇਸਦੀ ਵਰਤੋਂ ਕਿਸ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਅਤੇ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕਦੀ। ਕੀ ਘੱਟ ਜੋਖਮ ਵਾਲੇ ਕਲਾਸਰੂਮ ਡੇਟਾ ਨੂੰ ਅਧਿਆਪਕਾਂ ਦੇ ਮੁਲਾਂਕਣਾਂ ਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜਾਂ ਸਕੂਲ ਦੀ ਦਰਜਾਬੰਦੀ ਨੂੰ ਕਦੇ ਵੀ ਅਸਪਸ਼ਟ ਨਹੀਂ ਛੱਡਣਾ ਚਾਹੀਦਾ ਹੈ। ਬੱਚਿਆਂ ਦੇ ਮੁਲਾਂਕਣ ਡੇਟਾ ਨੂੰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸੰਵੇਦਨਸ਼ੀਲ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿੰਨਾ ਸੁਰੱਖਿਆ ਲਈ ਉਚਿਤ ਹੈ।

4. ਕੇਂਦਰ ਵਿੱਚ ਸਿੱਖਿਆ ਸ਼ਾਸਤਰ ਅਤੇ ਅਧਿਆਪਕ ਯੋਗਤਾ: ਮੁੱਖ ਸਵਾਲ ਇਹ ਨਹੀਂ ਹੈ ਕਿ “ਕੀ AI ਇਹ ਸਕੋਰ ਕਰ ਸਕਦਾ ਹੈ?” ਪਰ “ਕੀ ਇਹ ਅਧਿਆਪਕਾਂ ਨੂੰ ਬਿਹਤਰ ਸਿਖਾਉਣ ਅਤੇ ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਬਿਹਤਰ ਸਿੱਖਣ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ?” ਇਸ ਲਈ AI ਰਿਪੋਰਟਾਂ ਨੂੰ ਪੜ੍ਹਨ ਲਈ ਵਿਹਾਰਕ ਸਿਖਲਾਈ, ਖੋਜਾਂ ‘ਤੇ ਕਾਰਵਾਈ ਕਰਨ ਲਈ ਸੁਰੱਖਿਅਤ ਸਮਾਂ, ਅਤੇ ਟੂਲ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨ ਅਤੇ ਸਮੀਖਿਆ ਕਰਨ ਵਿੱਚ ਅਧਿਆਪਕਾਂ ਦੀ ਅਸਲ ਸ਼ਮੂਲੀਅਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ – ਖਾਸ ਕਰਕੇ ਸਰਕਾਰੀ ਸਕੂਲਾਂ ਵਿੱਚ ਜਿੱਥੇ ਸਮਾਂ ਅਤੇ ਸਹਾਇਤਾ ਸੀਮਤ ਹੁੰਦੀ ਹੈ।

5. ਸੁਤੰਤਰ ਖੋਜ ਅਤੇ ਜਨਤਕ ਪੜਤਾਲ: ਮੁਲਾਂਕਣ ਵਿੱਚ ਪੈਮਾਨੇ ‘ਤੇ AI ਦੀ ਵਰਤੋਂ ਦੇ ਨਾਲ-ਨਾਲ ਇਕੁਇਟੀ, ਕਲਾਸਰੂਮ ਅਭਿਆਸ, ਅਤੇ ਵਿਦਿਆਰਥੀ ਨਤੀਜਿਆਂ ‘ਤੇ ਇਸਦੇ ਪ੍ਰਭਾਵਾਂ ਬਾਰੇ ਸੁਤੰਤਰ ਅਧਿਐਨ ਸ਼ਾਮਲ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ। ਤਰਜੀਹ ਬਰਾਬਰੀ ਵਾਲੇ ਐਲਗੋਰਿਦਮ ਨੂੰ ਡਿਜ਼ਾਈਨ ਕਰਨਾ ਅਤੇ ਟੈਸਟ ਕਰਨਾ ਹੈ – ਗ੍ਰੇਡਿੰਗ ਮਾਡਲਾਂ ਨੂੰ ਭਾਸ਼ਾਵਾਂ, ਲਿਪੀਆਂ, ਲਿੰਗ, ਖੇਤਰਾਂ ਅਤੇ ਸਮਾਜਿਕ-ਆਰਥਿਕ ਸਮੂਹਾਂ ਵਿੱਚ ਨਿਰਪੱਖਤਾ ਅਤੇ ਭਰੋਸੇਯੋਗਤਾ ਲਈ ਜਾਂਚਿਆ ਜਾਂਦਾ ਹੈ। ਨਤੀਜੇ, ਚੰਗੇ ਅਤੇ ਮਾੜੇ, ਜਨਤਕ ਤੌਰ ‘ਤੇ ਸਾਂਝੇ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ, ਅੰਦਰੂਨੀ ਸਲਾਈਡ ਡੈੱਕ ਵਿੱਚ ਨਹੀਂ ਰੱਖੇ ਜਾਣੇ ਚਾਹੀਦੇ।

ਅੱਗੇ ਦੇਖ ਰਿਹਾ ਹੈ

ਭਾਰਤ ਦੀ ਸਕੂਲ ਪ੍ਰਣਾਲੀ ‘ਤੇ ਬੁਨਿਆਦੀ ਸਾਖਰਤਾ ਅਤੇ ਗਿਣਤੀ ਨੂੰ ਸੁਧਾਰਨ, ਯੋਗਤਾ-ਅਧਾਰਿਤ ਮੁਲਾਂਕਣ ਵੱਲ ਵਧਣ, ਅਤੇ ਵੱਡੇ ਪੱਧਰ ‘ਤੇ ਅਜਿਹਾ ਕਰਨ ਲਈ ਦਬਾਅ ਹੈ। AI ਲਗਭਗ ਯਕੀਨੀ ਤੌਰ ‘ਤੇ ਉਸ ਕੋਸ਼ਿਸ਼ ਦਾ ਹਿੱਸਾ ਹੋਵੇਗਾ, ਖਾਸ ਕਰਕੇ ਟੈਸਟਿੰਗ ਵਿੱਚ.

ਸ਼ੁਰੂਆਤੀ ਪਾਇਲਟ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ AI, ਸਹੀ ਹਾਲਾਤਾਂ ਵਿੱਚ, ਵੱਡੇ ਨਵੇਂ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੇ ਬਿਨਾਂ ਅਧਿਆਪਕਾਂ ਨੂੰ ਵਿਦਿਆਰਥੀਆਂ ਦੀ ਸੋਚ ਬਾਰੇ ਤਿੱਖੀ ਸਮਝ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ। ਉਹੀ ਪਾਇਲਟ ਇਹ ਵੀ ਚੇਤਾਵਨੀ ਦਿੰਦੇ ਹਨ ਕਿ, ਸੁਰੱਖਿਆ ਦੇ ਬਿਨਾਂ, AI ਚੁੱਪਚਾਪ ਜਾਣੀਆਂ-ਪਛਾਣੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਮਜ਼ਬੂਤ ​​​​ਕਰ ਸਕਦਾ ਹੈ: ਪ੍ਰਾਪਤੀ ਦੀਆਂ ਤੰਗ ਪਰਿਭਾਸ਼ਾਵਾਂ, ਲੁਕਵੀਂ ਭਾਸ਼ਾ ਅਤੇ ਸੱਭਿਆਚਾਰਕ ਪੱਖਪਾਤ, ਅਤੇ ਮੁਲਾਂਕਣ ਡੇਟਾ ਵਿੱਚ ਘੱਟ ਭਰੋਸਾ।

ਇਸ ਲਈ ਅਗਲਾ ਕੰਮ ਵਿਹਾਰਕ ਹੈ। ਮੁਲਾਂਕਣ ਵਿੱਚ AI ਦੀ ਹਰੇਕ ਪ੍ਰਸਤਾਵਿਤ ਵਰਤੋਂ ਲਈ, ਸਿਸਟਮ ਨੂੰ ਤਿੰਨ ਸਵਾਲ ਪੁੱਛਣ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ:

ਸਿਖਾਉਣ ਜਾਂ ਸਿੱਖਣ ਵਿਚ ਕਿਹੜੀ ਖਾਸ ਸਮੱਸਿਆ ਇਹ ਹੱਲ ਕਰਦੀ ਹੈ?

ਇਹ ਇਕੁਇਟੀ, ਭਰੋਸੇ ਅਤੇ ਗੋਪਨੀਯਤਾ ਲਈ ਕਿਹੜੇ ਨਵੇਂ ਜੋਖਮ ਪੈਦਾ ਕਰਦਾ ਹੈ?

ਸਮੇਂ ਦੇ ਨਾਲ ਉਹਨਾਂ ਜੋਖਮਾਂ ਨੂੰ ਟਰੈਕ ਕਰਨ ਲਈ ਕਿਹੜੇ ਸਬੂਤ ਅਤੇ ਸੁਰੱਖਿਆ ਉਪਾਅ ਮੌਜੂਦ ਹਨ?

ਜੇਕਰ ਨੀਤੀ ਨਿਰਮਾਤਾ, ਐਡਟੈਕ ਪ੍ਰਦਾਤਾ, ਖੋਜਕਰਤਾ, ਅਤੇ ਅਧਿਆਪਕ ਇਹਨਾਂ ਪ੍ਰਸ਼ਨਾਂ ਨੂੰ ਅਸਧਾਰਨ ਦੀ ਬਜਾਏ ਰੁਟੀਨ ਦੇ ਰੂਪ ਵਿੱਚ ਵਰਤਦੇ ਹਨ, ਤਾਂ AI ਇੱਕ ਉਪਯੋਗੀ, ਸੀਮਤ ਭੂਮਿਕਾ ਨਿਭਾਉਣ ਦੀ ਜ਼ਿਆਦਾ ਸੰਭਾਵਨਾ ਹੈ: ਸ਼ੁਰੂਆਤੀ ਕਲਾਸਰੂਮ ਮੁਲਾਂਕਣ ਦਾ ਸਮਰਥਨ ਕਰਨਾ, ਪ੍ਰਸ਼ਨਾਂ ਅਤੇ ਫੀਡਬੈਕ ਦੀ ਗੁਣਵੱਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰਨਾ, ਅਤੇ ਸਥਾਨਕ ਭਾਸ਼ਾ ਅਤੇ ਸੰਦਰਭ ਵਿੱਚ ਜੜ੍ਹਾਂ ਵਾਲੇ ਮਨੁੱਖੀ ਨਿਰਣੇ ਨੂੰ ਮਜ਼ਬੂਤ ​​ਕਰਨਾ, ਬਦਲਣਾ ਨਹੀਂ।

(ਪੂਜਾ ਨਾਗਪਾਲ ਸਿਡਨੀ ਯੂਨੀਵਰਸਿਟੀ ਵਿੱਚ ਡਾਕਟਰੇਟ ਦੀ ਵਿਦਿਆਰਥਣ ਹੈ ਅਤੇ ਨਿਰਮਲ ਪਟੇਲ AdOptimize ਦੀ ਸੀਈਓ ਹੈ।)

(ਦ ਹਿੰਦੂ ਦੇ ਹਫਤਾਵਾਰੀ ਸਿੱਖਿਆ ਨਿਊਜ਼ਲੈਟਰ, ਦ ਹਿੰਦੂ ਲਈ ਸਾਈਨ ਅੱਪ ਕਰੋ।)