समाधानको मूल्याङ्कन गर्न र बगहरू फेला पार्न हामी कसरी मार्कोभ चेनहरू प्रयोग गर्छौं। पाइथन लिपिको साथ

प्रशिक्षणको क्रममा हाम्रा विद्यार्थीहरूलाई के हुन्छ र यी घटनाहरूले परिणामलाई कसरी असर गर्छ भन्ने कुरा बुझ्नु हाम्रो लागि महत्त्वपूर्ण छ, त्यसैले हामीले ग्राहक यात्राको नक्सा - ग्राहक अनुभवको नक्सा बनाउँछौं। आखिर, सिकाइ प्रक्रिया निरन्तर र अभिन्न कुरा होइन, यो विद्यार्थीको अन्तरसम्बन्धित घटना र कार्यहरूको शृङ्खला हो, र यी कार्यहरू विभिन्न विद्यार्थीहरूबीच धेरै फरक हुन सक्छन्। अब उसले आफ्नो पाठ पूरा गरेको छ: उसले अब के गर्छ? के यो गृहकार्यमा जान्छ? के यसले मोबाइल अनुप्रयोग सुरू गर्नेछ? के उसले पाठ्यक्रम परिवर्तन गर्छ, शिक्षक परिवर्तन गर्न सोध्छ? के तपाईं सिधै अर्को पाठमा जानुहुन्छ? वा उसले निराश मात्र छोड्छ? के यो सम्भव छ, यो नक्सा विश्लेषण गरेर, ढाँचा पहिचान गर्न को लागी पाठ्यक्रम को सफल समापन वा, विपरित, विद्यार्थी "छाड्ने" मा?

सामान्यतया, विशेष, धेरै महँगो बन्द-स्रोत उपकरणहरू CJM निर्माण गर्न प्रयोग गरिन्छ। तर हामी केहि सरल संग आउन चाहन्थ्यौं, न्यूनतम प्रयास आवश्यक छ र, यदि सम्भव छ भने, खुला स्रोत। त्यसैले मार्कोभ चेनहरू प्रयोग गर्ने विचार आयो - र हामी सफल भयौं। हामीले नक्सा बनायौं, ग्राफको रूपमा विद्यार्थी व्यवहारमा डेटा व्याख्या गर्‍यौं, विश्वव्यापी व्यापारिक मुद्दाहरूमा पूर्ण रूपमा गैर-स्पष्ट जवाफहरू देख्यौं, र गहिरो लुकेका बगहरू पनि फेला पार्यौं। हामीले यो सबै खुला स्रोत पाइथन स्क्रिप्ट समाधानहरू प्रयोग गरेर गर्यौं। यस लेखमा म ती धेरै गैर-स्पष्ट नतिजाहरूसँग दुई केसहरूको बारेमा कुरा गर्नेछु र सबैसँग स्क्रिप्ट साझा गर्नेछु।

त्यसैले, मार्कोभ चेनहरूले घटनाहरू बीचको संक्रमणको सम्भावना देखाउँछन्। यहाँ विकिपिडियाबाट एक आदिम उदाहरण छ:

यहाँ "E" र "A" घटनाहरू हुन्, तीरहरू तिनीहरूको बीचमा हुने ट्रान्जिसनहरू हुन् (एउटै घटनाबाट उहीमा ट्रान्जिसन सहित), र तीरहरूको वजनहरू संक्रमणको सम्भाव्यता हुन् ("भारित निर्देशित ग्राफ")।

तपाईंले के प्रयोग गर्नुभयो?

सर्किट मानक पाइथन कार्यक्षमता संग प्रशिक्षित गरिएको थियो, जसलाई विद्यार्थी गतिविधि लगहरु संग खुवाइएको थियो। नतिजा म्याट्रिक्स मा ग्राफ NetworkX पुस्तकालय द्वारा निर्माण गरिएको थियो।

लग यो जस्तो देखिन्छ:

यो तीन स्तम्भहरूको तालिका भएको csv फाइल हो: विद्यार्थी आईडी, घटनाको नाम, यो भएको समय। यी तीन क्षेत्रहरू ग्राहकको चालहरू ट्रेस गर्न, नक्सा निर्माण गर्न र अन्ततः मार्कोभ चेन प्राप्त गर्न पर्याप्त छन्।

पुस्तकालयले निर्माण गरिएका ग्राफहरू .dot वा .gexf ढाँचामा फर्काउँछ। पहिलेको कल्पना गर्न, तपाईंले नि: शुल्क ग्राफभिज प्याकेज (gvedit उपकरण) प्रयोग गर्न सक्नुहुन्छ, हामीले .gexf र Gephi सँग काम गर्यौं, नि:शुल्क पनि।

अर्को म मार्कोभ चेनहरू प्रयोग गर्ने दुईवटा उदाहरणहरू दिन चाहन्छु, जसले हामीलाई हाम्रा लक्ष्यहरू, शैक्षिक प्रक्रियाहरू, र स्काइङ इकोसिस्टममा नयाँ नजर लगाउन अनुमति दियो। खैर, बगहरू ठीक गर्नुहोस्।

पहिलो मामला: मोबाइल अनुप्रयोग

सुरुमा, हामीले हाम्रो सबैभन्दा लोकप्रिय उत्पादन - सामान्य पाठ्यक्रम मार्फत विद्यार्थी यात्राको अन्वेषण गर्यौं। त्यो पल, म Skyeng को बाल विभाग मा काम गर्दै थिए र हामी हाम्रो बच्चाहरु को दर्शकहरु संग मोबाइल अनुप्रयोग कति प्रभावकारी काम गर्दछ हेर्न चाहन्थ्यौं।

लगहरू लिँदै र तिनीहरूलाई स्क्रिप्ट मार्फत चलाउँदै, मैले यो जस्तो पाएँ:

प्रारम्भिक नोड स्टार्ट जनरल हो, र तल त्यहाँ तीन आउटपुट नोडहरू छन्: विद्यार्थी "निदायो", पाठ्यक्रम परिवर्तन भयो, र पाठ्यक्रम समाप्त भयो।

• निदियो, "निदायो" - यसको मतलब उसले अब कक्षा लिइरहेको छैन, सम्भवतः ऊ खसेको छ। हामी आशावादी रूपमा यस अवस्थालाई "निद्रा" भन्छौं, किनभने ... सिद्धान्तमा, उनीसँग अझै पनि आफ्नो अध्ययन जारी राख्ने अवसर छ। हाम्रो लागि सबैभन्दा खराब परिणाम।
• सामान्य छोडियो, पाठ्यक्रम परिवर्तन गरियो - सामान्यबाट अर्को कुरामा स्विच गरियो र हाम्रो मार्कोभ चेनको लागि हरायो।
• पाठ्यक्रम समाप्त भयो, पाठ्यक्रम समाप्त भयो - आदर्श अवस्था, व्यक्तिले पाठहरूको 80% पूरा गरेको छ (सबै पाठहरू आवश्यक छैन)।

सफल कक्षा नोडमा प्रवेश गर्नु भनेको शिक्षकसँग मिलेर हाम्रो प्लेटफर्ममा पाठ सफलतापूर्वक पूरा गर्नु हो। यसले पाठ्यक्रमको साथमा प्रगति रेकर्ड गर्दछ र इच्छित परिणामको लागि दृष्टिकोण - "पाठ्यक्रम पूरा भयो।" विद्यार्थीहरू सकेसम्म धेरै उपस्थित हुनु हाम्रो लागि महत्त्वपूर्ण छ।

मोबाइल एप्लिकेसन (एप सत्र नोड) को लागि थप सटीक मात्रात्मक निष्कर्षहरू प्राप्त गर्न, हामीले प्रत्येक अन्तिम नोडहरूका लागि छुट्टाछुट्टै चेनहरू निर्माण गर्यौं र त्यसपछि किनाराको वजनलाई जोडीमा तुलना गर्यौं:

• एप सत्रबाट यसलाई फिर्ता;
• एप सत्र देखि सफल कक्षा सम्म;
• सफल कक्षा देखि एप सत्र सम्म।

बायाँपट्टि पाठ्यक्रम पूरा गर्ने विद्यार्थीहरू छन्, दायाँपट्टि "निदाएका"हरू छन्

यी तीन किनारहरूले विद्यार्थीको सफलता र मोबाइल एपको प्रयोग बीचको सम्बन्ध देखाउँछन्। हामीले पाठ्यक्रम पूरा गरेका विद्यार्थीहरूको निद्रामा परेका विद्यार्थीहरूको तुलनामा आवेदनसँग बलियो सम्बन्ध हुने अपेक्षा गरेको थियो। यद्यपि, वास्तवमा हामीले ठीक उल्टो परिणामहरू पायौं:

• हामीले सुनिश्चित गर्यौं कि प्रयोगकर्ताहरूको विभिन्न समूहहरूले मोबाइल अनुप्रयोगसँग फरक-फरक अन्तरक्रिया गर्छन्;
• सफल विद्यार्थीहरूले कम तीव्रतामा मोबाइल अनुप्रयोग प्रयोग गर्छन्;
• सुत्ने विद्यार्थीहरू मोबाइल एप बढी सक्रिय रूपमा प्रयोग गर्छन्।

यसको मतलब यो हो कि निद्रामा परेका विद्यार्थीहरूले मोबाइल अनुप्रयोगमा अधिक र अधिक समय बिताउन थाल्छन् र अन्तमा, सधैंभरि रहन्छन्।

सुरुमा हामी छक्क पर्यौं, तर यसको बारेमा सोचेपछि, हामीले महसुस गर्यौं कि यो पूर्ण रूपमा प्राकृतिक प्रभाव हो। एक पटक, मैले दुईवटा उपकरणहरू प्रयोग गरेर आफ्नै रूपमा फ्रेन्च भाषा अध्ययन गरें: एउटा मोबाइल अनुप्रयोग र YouTube मा व्याकरण व्याख्यानहरू। सुरुमा मैले समयलाई ५० देखि ५० को अनुपातमा बाँडेको थिएँ। तर एप्लिकेसन झनै रमाइलो छ, गेमिफिकेशन छ, सबै कुरा सरल, छिटो र स्पष्ट छ, तर लेक्चरमा तपाईंले त्यसको खोजी गर्नुपर्छ, केही लेख्नुहोस्। , नोटबुकमा अभ्यास गर्नुहोस्। बिस्तारै, मैले मेरो स्मार्टफोनमा धेरै समय बिताउन थालें, जबसम्म यसको अंश बढेर 50% भयो: यदि तपाईंले यसमा तीन घण्टा बिताउनुभयो भने, तपाईंले काम पूरा भएको झूटो अनुभूति सिर्जना गर्नुहुन्छ, जसको कारण तपाईंमा गएर केहि सुन्न चाहँदैन। ।

तर यो कसरी हुन सक्छ? आखिर, हामीले विशेष रूपमा एक मोबाइल अनुप्रयोग सिर्जना गर्यौं, यसमा Ebbinghaus वक्र बनाइयो, यसलाई गेमिफाइड, आकर्षक बनायो ताकि मानिसहरूले यसमा समय बिताउन सकून्, तर यसले उनीहरूलाई मात्र विचलित गर्छ भनेर बाहिर जान्छ? वास्तवमा, कारण यो हो कि मोबाइल अनुप्रयोग टोलीले आफ्नो कार्यहरू राम्रोसँग सामना गर्‍यो, जसको परिणाम स्वरूप यो एक राम्रो, आत्म-पर्याप्त उत्पादन भयो र हाम्रो इकोसिस्टमबाट बाहिर जान थाल्यो।

अनुसन्धानको नतिजाको रूपमा, यो स्पष्ट भयो कि मोबाइल अनुप्रयोगलाई कुनै न कुनै रूपमा परिवर्तन गर्न आवश्यक छ ताकि यो अध्ययनको मुख्य पाठ्यक्रमबाट कम विचलित होस्। र बच्चाहरु र वयस्क दुवै। अहिले यो काम भइरहेको छ ।

दोस्रो केस: अनबोर्डिङ बगहरू

नयाँ विद्यार्थी दर्ता गर्दा भविष्यमा सम्भावित प्राविधिक समस्याहरू हटाएर अनबोर्डिङ एक वैकल्पिक अतिरिक्त प्रक्रिया हो। आधारभूत परिदृश्यले मानिन्छ कि एक व्यक्तिले ल्यान्डिङ पृष्ठमा दर्ता गरेको छ, उसको व्यक्तिगत खातामा पहुँच प्राप्त गरेको छ, सम्पर्क गरिएको छ र परिचयात्मक पाठ दिइएको छ। एकै समयमा, हामी प्रारम्भिक पाठको समयमा प्राविधिक कठिनाइहरूको ठूलो प्रतिशत नोट गर्छौं: ब्राउजरको गलत संस्करण, माइक्रोफोन वा ध्वनिले काम गर्दैन, शिक्षकले तुरुन्तै समाधान सुझाव दिन सक्दैन, र यो सबै विशेष गरी गाह्रो हुन्छ जब यो आउँछ। बच्चाहरु लाई। तसर्थ, हामीले तपाईंको व्यक्तिगत खातामा एक अतिरिक्त अनुप्रयोग विकास गरेका छौं, जहाँ तपाईं चार सरल चरणहरू पूरा गर्न सक्नुहुन्छ: आफ्नो ब्राउजर, क्यामेरा, माइक्रोफोन जाँच गर्नुहोस् र परिचयात्मक पाठको समयमा आमाबाबु नजिकै हुनेछन् भनी पुष्टि गर्नुहोस् (यसपछि, तिनीहरू नै हुन् जसले भुक्तानी गर्छन्। छोराछोरीको शिक्षा)।

यी केही अनबोर्डिङ पृष्ठहरूले यस प्रकारको फनेल देखाए:

1: तीन थोरै फरक (ग्राहकको आधारमा) लगइन र पासवर्ड प्रविष्टि फारमहरूको साथ सुरु ब्लक।
२: अतिरिक्त अनबोर्डिङ प्रक्रियामा सहमति जनाउँदै चेकबक्स।
२.१-२.३: अभिभावकको उपस्थिति, क्रोम संस्करण र ध्वनि जाँच गर्नुहोस्।
3: अन्तिम ब्लक।

यो धेरै स्वाभाविक देखिन्छ: पहिलो दुई चरणहरूमा, धेरैजसो आगन्तुकहरू छोड्छन्, यो महसुस गर्दै कि त्यहाँ भर्न, जाँच गर्न केहि छ, तर त्यहाँ समय छैन। यदि ग्राहक तेस्रो चरणमा पुग्यो भने, उसले लगभग निश्चित रूपमा फाइनलमा पुग्नेछ। फनेलमा केहि शंका गर्ने एकल कारण छैन।

तैपनि, हामीले हाम्रो अनबोर्डिङलाई क्लासिक एक-आयामी फनेलमा नभई मार्कोभ चेन प्रयोग गरेर विश्लेषण गर्ने निर्णय गर्यौं। हामीले अलि बढी घटनाहरू अन गर्यौं, स्क्रिप्ट चलायौं र यो पायौं:

यस अराजकतामा, केवल एउटा कुरा स्पष्ट रूपमा बुझ्न सकिन्छ: केहि गलत भयो। अनबोर्डिङ प्रक्रिया रैखिक छ, यो डिजाइन मा अन्तर्निहित छ, यसमा जडान को कुनै पनि वेब हुनु हुँदैन। र यहाँ यो तुरुन्तै स्पष्ट छ कि प्रयोगकर्तालाई चरणहरू बीच फ्याँकिएको छ, जसको बीचमा कुनै पनि संक्रमण हुनु हुँदैन।

यो अनौठो तस्वीर को लागी दुई कारण हुन सक्छ:

• shoals लग डाटाबेस मा crept;
• त्यहाँ उत्पादनमा गल्तीहरू छन् - अनबोर्डिङ।

पहिलो कारण सम्भवतः साँचो छ, तर यसको परीक्षण धेरै श्रम-गहन छ, र लगहरू सुधार गर्नाले UX सुधार गर्न मद्दत गर्दैन। तर दोस्रोको साथ, यदि यो अवस्थित छ भने, केहि तुरुन्तै गर्नुपर्थ्यो। त्यसकारण, हामी नोडहरू हेर्न गयौं, अवस्थित नहुनु पर्ने किनारहरू पहिचान गर्न, र तिनीहरूको घटनाको कारणहरू खोज्न गयौं। हामीले देख्यौं कि केहि प्रयोगकर्ताहरू सर्कलमा अड्किए र सर्कलमा हिंड्छन्, अरूहरू बीचबाट सुरुमा खसे, र अरूहरू, सिद्धान्तमा, पहिलो दुई चरणहरूबाट बाहिर निस्कन सकेनन्। हामीले डेटा QA मा स्थानान्तरण गर्‍यौं - र हो, यो बाहिरियो कि त्यहाँ अनबोर्डिङमा पर्याप्त बगहरू थिए: यो यस्तो उप-उत्पादन हो, अलिकति क्रच, यो पर्याप्त गहिरो परीक्षण गरिएको थिएन, किनभने... हामीले कुनै समस्याको अपेक्षा गरेका थिएनौं। अब सम्पूर्ण रेकर्डिङ प्रक्रिया परिवर्तन भएको छ।

यस कथाले हामीलाई QA को क्षेत्रमा मार्कोभ चेनहरूको अप्रत्याशित अनुप्रयोग देखायो।

यो आफैले प्रयास गर्नुहोस्!

मैले आफ्नो पोस्ट गरे मार्कोभ चेनहरू प्रशिक्षणको लागि पाइथन लिपि सार्वजनिक डोमेनमा - यसलाई आफ्नो स्वास्थ्यको लागि प्रयोग गर्नुहोस्। GitHub मा कागजात, प्रश्नहरू यहाँ सोध्न सकिन्छ, म सबै जवाफ दिने प्रयास गर्नेछु।

खैर, उपयोगी लिङ्कहरू: NetworkX पुस्तकालय, ग्राफभिज भिजुअलाइजर। र यहाँ Habré मा एउटा लेख छ मार्कोभ चेनहरूको बारेमा। लेखमा ग्राफहरू प्रयोग गरी बनाइन्छ गेफी.

स्रोत: www.habr.com