मल्टीप्लेयर वीआर: कैसे लागू करें?

नमस्कार, हेब्र! हमने पिछले लेख में मल्टी-यूज़र वर्चुअल / 3 डी स्पेस बनाने के कुछ तरीकों की जांच करने के बाद, हमें प्रशिक्षण के संदर्भ में उन्हें वापस करने के लिए कहा। उदाहरण के लिए, गुणात्मक रूप से एक ही टीम को एक ही चीज़ में पूरी तरह से अलग-अलग लोगों से मिलकर कैसे प्रशिक्षित किया जाए? कट के तहत विवरण!



सिमुलेशन और गंभीर खेल प्रशिक्षण के सबसे प्रभावी प्रकारों में से एक हैं - यह एक सार्वभौमिक मान्यता प्राप्त तथ्य है। यहाँ चिकित्सा उद्योग से एक उदाहरण है।



हालांकि, सिमुलेशन के साथ, सब कुछ इतना स्पष्ट नहीं है। कई आधुनिक कंपनियां कर्मचारियों के मुख्यालय में कई पीढ़ियों को शामिल करती हैं, और प्रत्येक नए तरीके से सीखता है। एक अच्छा उदाहरण एयरलाइन है - कर्मचारियों की आयु 20 से 60 वर्ष तक भिन्न हो सकती है, जबकि निरंतर रिट्रेनिंग उद्योग की आवश्यकताओं में से एक है; यह ध्यान देने योग्य है कि अक्सर एक व्यक्ति का विश्लेषण करने और प्रशिक्षित करने की आवश्यकता नहीं होती है, लेकिन एक पूरी टीम, उदाहरण के लिए, टीमवर्क की गुणवत्ता की जांच करना।

इस सब के साथ, जैसा कि हमने कहा है, आधुनिक बुनियादी ढांचे में वीआर / 3 डी प्रशिक्षण में प्रवेश करना एक कठिन काम है। यहां बहु-उपयोगकर्ता रिक्त स्थान और अंतिम भाग में वर्णित उनके डिजाइन के लिए एक विशिष्ट दृष्टिकोण मदद कर सकता है।

कोई भी सिमुलेशन मौलिक रूप से परीक्षणों के एक सेट को पारित करने से अलग है। मुख्य अंतर स्थिति में विसर्जन की डिग्री है। यह अंतर अक्सर महत्वपूर्ण हो सकता है। एक व्यक्ति पूरी तरह से सिद्धांत को जान सकता है सवालों के परीक्षण के उत्तर सीखकर - और वास्तविक स्थिति में खो जाता है जो वह कल्पना से अलग होगा। यह आंशिक रूप से क्यों है, वास्तव में, मिश्रित सीखने की अवधारणा मौजूद है। ऐसी चीजें हैं जिनके बारे में हम यह नहीं कह सकते हैं कि एक व्यक्ति ने उन्हें सीखा जब तक वह वास्तव में उन्हें कोशिश नहीं करता।

इसके अलावा, इस तरह के संभावित प्रशिक्षणों की सीमा बहुत बड़ी है, और उनमें से सभी को किसी प्रकार की आवश्यकता नहीं है, उदाहरण के लिए, विशुद्ध रूप से पेशी / प्रतिवर्त कौशल; सिद्धांत को लागू करने का बहुत कौशल भी अक्सर एक स्थिति के अंदर होने की आवश्यकता होती है, बजाय इसे बाहर से विश्लेषण करने के। सबसे सरल उदाहरण आपातकालीन स्थितियों या अन्य तनावपूर्ण स्थितियों में कार्रवाई है। (प्रारंभ प्रभाव)

इस उदाहरण में, तनावपूर्ण स्थिति विशिष्ट स्थितियों का योग है, उनमें से प्रत्येक के लिए स्पष्ट निर्देश हैं। लेकिन यह आकलन करना बहुत मुश्किल है कि क्या इस राशि की किसी विशेष स्थिति को मनुष्य को पता है।

हम एक तंत्र प्रदान करते हैं जो आपको एक बहु-उपयोगकर्ता आभासी वातावरण में स्थितियों के किसी भी सेट को चलाने की अनुमति देता है; हालाँकि, यह सवाल बना हुआ है - हम ऐसे सिमुलेशन में उपयोगकर्ताओं के कार्यों का मूल्यांकन कैसे करते हैं।

हम मानते हैं कि प्रशिक्षण डेटा के संग्रह के दो मुख्य लक्ष्य हैं:

• छात्र दक्षताओं का आकलन करें;
• उसे सबसे प्रभावी तरीका सीखने में मदद करें। दूसरे शब्दों में, एक व्यक्तिगत शिक्षण पथ का निर्माण करना।

मिश्रित सीखने का एक अभिन्न अंग अनुकूली शिक्षा है। प्रणाली ज्ञान के स्तर का विश्लेषण करती है और छात्र के लिए सैद्धांतिक सामग्री या व्यक्तिगत प्रक्षेपवक्र का चयन करती है। जानकारी का विश्लेषण करने के लिए कई विकल्प हैं जिनके आधार पर सिस्टम एक सिफारिश करता है।

• संक्रमण नियमों के आधार पर

जब कोई व्यक्ति किसी समस्या को हल करता है और कई बार गलतियाँ करता है, तो सिस्टम उसके लिए एक सहायक विकल्प का चयन करता है जो व्यक्ति के ज्ञान में अंतर को बंद कर देता है।

• संज्ञानात्मक दृष्टिकोण

अनुकूली शिक्षा के लिए एक स्मृति-आधारित दृष्टिकोण, एक व्यक्ति लगातार सीखा सामग्री को दोहराता है।

• विषय ग्राफ के आधार पर

शिक्षक, या विशेषज्ञ, एक विषय ग्राफ बनाता है, और इसका उपयोग एक व्यक्तिगत शिक्षण पथ बनाने के लिए किया जाता है।

हम दो मुख्य दृष्टिकोणों पर विचार कर रहे हैं - पाठ्यक्रम के अंदर और विषय ग्राफ के साथ सामान्य संक्रमण योजना का उपयोग करना।

पहला दृष्टिकोण लागू करने के लिए काफी सरल है - हम बस एक साधारण पाठ के रूप में, आभासी अनुभव से जुड़ते हैं, जो सफल होने पर कुछ आगे के विषय खोलते हैं।

दूसरा और अधिक दिलचस्प है, क्योंकि हम कुछ विषय को पाठ्यक्रम से आभासी अनुभव के एक अलग हिस्से में बाँध सकते हैं, और इस विषय पर किसी व्यक्ति के ज्ञान का मूल्यांकन कर सकते हैं, जिसमें एक "वीआर ट्रैक" के आधार पर कई विषयों के छात्र के ज्ञान पर डेटा प्राप्त किया गया है।

लेकिन एक और विकल्प है, और, हमारी राय में, यह सबसे दिलचस्प है।

एक जटिल सिमुलेशन की कल्पना करें, जिसमें कई एक साथ काम करने वाली स्क्रिप्ट शामिल हैं, और बहु-उपयोगकर्ता है। लक्ष्य न केवल एक व्यक्ति, बल्कि पूरी टीम की प्रभावशीलता / ज्ञान का मूल्यांकन करना है; हालाँकि, हम निश्चित रूप से नहीं जानते हैं कि क्या हमने प्रशिक्षण पाठ्यक्रम का निर्माण किया है। बेशक, हमारे पास दक्षताओं, अभ्यासों आदि के कुछ सेट हैं, लेकिन हम स्वयं इन सामग्रियों की प्रभावशीलता का सही आकलन नहीं कर सकते हैं।

हम व्यक्तिगत परिदृश्यों के कुछ परिणामों को चिह्नित कर सकते हैं, और उन्हें एक साथ मूल्यांकन करने का प्रयास कर सकते हैं। लेकिन xAPI प्रोटोकॉल का उपयोग करके वर्चुअल स्पेस में प्रत्येक छात्र की कार्रवाई को रिकॉर्ड करने के लिए एक और विकल्प है - विकसित, भाग में, सिमुलेशन और गंभीर खेलों के साथ काम करने के लिए।

इसी समय, यह दिलचस्प है कि मार्ग के मध्य "ट्रैक" को रिकॉर्ड करना इसके लिए एमएल / डेटा खनन विधियों को लागू करने के लिए पर्याप्त होगा। हमें एक छात्र के प्रोफ़ाइल में (विशेष रूप से कई "ट्रैक्स" के परिणाम) मिलते हैं, जिसमें हम अपने प्रशिक्षण पाठ्यक्रम के साथ कई प्रकार के सहसंबंध विकल्पों की तलाश कर सकते हैं।

आप इस तरह के शैक्षिक आंकड़ों के साथ काम करने के लिए बहुत सारे विकल्पों की कल्पना कर सकते हैं, उन सभी को सूचीबद्ध करना काफी कठिन है, वे सीधे प्रशिक्षण पाठ्यक्रम की संरचना और इसके लिए आवश्यकताओं पर निर्भर करेंगे। उदाहरण के लिए, सबसे सरल एक परिवर्तनशील जटिल परिदृश्य है, जहां क्रिया करने का कोई सही तरीका नहीं है, लेकिन प्रभावशीलता / टीम के काम का कुछ माप है; इस स्थिति में, आप कई "आदर्श" ट्रैक रिकॉर्ड कर सकते हैं और छात्र के ट्रैक के साथ विसंगतियों का विश्लेषण कर सकते हैं। एक अन्य विकल्प यह धारणा है कि पाठ्यक्रम आम तौर पर अपूर्ण रूप से बनता है, और वीआर में कक्षाओं में जाने से छात्रों को कुछ सैद्धांतिक बिंदु याद आते हैं। जटिल परिदृश्य के एक निश्चित चरण में बस सभी त्रुटियों को नोट करके इसे भेद करना आसान होगा।

अधिक "अवसंरचना" चीजों की बात करना, इस तरह के डेटा के साथ काम करना आवश्यक है:

1. एलआरएस की उपस्थिति। XAPI मानक कठोरता से LMS / विश्लेषण / प्रसंस्करण से ऐसे आँकड़ों के डेटाबेस को अलग करता है। लेकिन चूंकि हम काफी बड़ी मात्रा में डेटा के बारे में बात कर रहे हैं, हम उनके सत्यापन के लिए विभिन्न विकल्पों के साथ, शैक्षिक रिकॉर्ड के वितरित भंडारण की अवधारणा पर विचार कर रहे हैं। उदाहरण के लिए, ब्लॉकचैन का उपयोग करने वाला एक प्रकार संभव है;
2. इस तरह के आंकड़ों की कल्पना करने और उनके साथ काम करने के लिए एक समृद्ध वातावरण। यहां प्रगति रिपोर्ट बनाने के लिए कुछ पारंपरिक उपकरण हैं, अन्य उपकरणों की आवश्यकता है; उदाहरण के लिए, हम एलीस्टेक्रिक + किबाना पर विचार कर रहे हैं, एक अन्य विकल्प पावरबीआई है।

फिलहाल, हम वीआर अनुप्रयोगों के आंकड़ों के साथ काम करने के लिए इसी तरह के विकल्पों को विकसित करना जारी रखते हैं, हालांकि, निश्चित रूप से, कई मायनों में ये अभी भी प्रयोगात्मक विकल्प हैं।

लेखक

जेडियम एक Microsoft भागीदार कंपनी है जो आभासी, संवर्धित वास्तविकता और कृत्रिम बुद्धिमत्ता के क्षेत्र में काम कर रही है। जेडियम ने एकता पर जटिल परियोजनाओं के विकास को आसान बनाने के लिए एक रूपरेखा विकसित की है, जिसका एक हिस्सा सार्वजनिक रूप से गिटहब पर उपलब्ध है । जेडियम की योजना नए ढांचे के मॉड्यूल के साथ-साथ Microsoft Azure के साथ एकीकरण समाधानों को फिर से भरने की है।

विटाली चेशिन - सॉफ्टवेयर डेवलपर तीन आयामी ग्राहक-सर्वर अनुप्रयोगों के डिजाइन और कार्यान्वयन में 10 से अधिक वर्षों के अनुभव के साथ - अवधारणा से पूर्ण कार्यान्वयन और आभासी वास्तविकता के क्षेत्र में अनुप्रयोगों और समाधानों के एकीकरण तक। सिस्टम आर्किटेक्ट जेडियम एलएलसी, आईटी में एमएससी।

एलेक्सी सरफानोव

Jedium LLC में मार्केटिंग मैनेजर।

सर्गेई कुद्र्यावत्सेव

जेडियम एलएलसी के सीईओ और संस्थापक।