Si Ndjek Alphazed Rezultatet e Mësimit në Aplikacionet e Mësimit të Arabishtes
Lexim: 5 minMohammad Shaker

Si Ndjek Alphazed Rezultatet e Mësimit në Aplikacionet e Mësimit të Arabishtes

Alphazed përdor Analytics Lake për të ndjekur përmirësimin në shqiptim, zotërimin e konceptit dhe progresin sipas taksonomisë Bloom.

Engineering

Përgjigje e shpejtë

Alphazed përdor Analytics Lake për të ndjekur përmirësimin në shqiptim, zotërimin e konceptit dhe progresin sipas taksonomisë Bloom.

Si Ndjek Alphazed Rezultatet e Mësimit (Jo Vetëm Klikimet)

Ndryshe nga shumica e aplikacioneve EdTech që ndjekin klikimet dhe kohën në ekran, Analytics Lake e Alphazed përqendrohet në rezultatet reale të mësimit: përmirësimin e saktësisë së shqiptimit me kalimin e kohës, kalimet në zotërimin e koncepteve (fillestar → ndërmjetës → avancuar), efektivitetin e përsëritjes së ndarë me kohë (nëse seancat e rishikimit ulin harrimin), dhe përparimin në nivelet e Taksonomisë së Bloom-it. Këto të dhëna ndihmojnë në përmirësimin e kurrikulës dhe vërtetojnë prindërve që fëmijët e tyre po mësojnë vërtetë, jo vetëm po luajnë.

Arkitektura me Tre Nivele të Analitikës

Niveli 1: Ngjarjet nga Aplikacioni Mobile (Në kohë reale nga app) Kur një fëmijë përfundon një ushtrim, aplikacioni dërgon një ngjarje:

{
  "event_type": "attempt_complete",
  "concept_id": "letter_ba",
  "exercise_type": "select",
  "accuracy_score": 0.89,
  "attempt_number": 3,
  "session_id": "session_abc123",
  "timestamp": "2026-03-28T14:35:22Z",
  "is_correct": true,
  "response_time_ms": 2400
}

Niveli 2: Pasurim Backend (Shtesë e kontekstit nga serveri) Backend shton të dhëna për përdoruesin:

{
  "...event...",
  "user_id": "user_456",
  "age_group": "5-7",
  "persona": "intermediate",
  "days_since_signup": 34,
  "total_practice_minutes": 487,
  "app_name": "amal",
  "device_type": "Android",
  "country": "US"
}

Niveli 3: Analytics Lake (Asinkron, SQL-i i pyetshëm)

Backend dërgon ngjarjen e pasuruar → SQS queue (fire-and-forget)
    ↓ (pa pritur për analytics)
    ↓ (përvoja e përdoruesit pa ndryshuar)
Kinesis Firehose (mbledh ngjarjet çdo 5 min ose 100MB)
    ↓
S3 (i ndarë në pjesë: s3://alphazed-analytics/amal/2026/03/28/events.parquet)
    ↓
AWS Glue (kontrollon S3 çdo 1 orë, nxjerr skemën)
    ↓
Athena (motor SQL për pyetje)
    ↓
Dashboard (dashboard real-time për prindërit + analitikë e brendshme)

Matjet e Rezultateve të Mësimit që Ndjekim

Ngjarja 1: Përfundimi i Ushtrimit Nxit kur fëmija përfundon një ushtrim.

SELECT
  user_id,
  concept_id,
  ROUND(AVG(accuracy_score), 2) as avg_accuracy,
  COUNT(*) as total_attempts,
  SUM(CASE WHEN is_correct THEN 1 ELSE 0 END) as correct_count,
  DATE(FROM_UNIXTIME(timestamp / 1000)) as date
FROM analytics_lake.attempt_complete
WHERE app_name = 'amal'
  AND concept_id = 'letter_ba'
GROUP BY user_id, concept_id, date
ORDER BY date DESC

Rezultati: "Shkronja ب: user_456 përmirësoi saktësinë nga 72% (java 1) në 94% (java 3)"

Ngjarja 2: Kalimi në Zotërimin e Konceptit Nxit kur një koncept ndryshon nivel zotërimi (fillestar → ndërmjetës).

{
  "event_type": "mastery_transition",
  "concept_id": "word_kitab",
  "from_level": "beginner",
  "to_level": "intermediate",
  "hlr_half_life_before": 4.0,
  "hlr_half_life_after": 8.0,
  "timestamp": "2026-03-20T10:15:00Z"
}

Kjo ndjek efektivitetin e kurrikulës:

  • Sa fëmijë arrijnë nivelin ndërmjetës për çdo koncept?
  • Koha mesatare për të arritur nivelin ndërmjetës?
  • Cilat koncepte janë pika problematike?

Ngjarja 3: Rritja e Gjysëm-jetës HLR Gjatë përsëritjes së ndarë, ndjekim forcën e kujtesës:

SELECT
  user_id,
  concept_id,
  DATE(FROM_UNIXTIME(timestamp / 1000)) as date,
  MAX(hlr_half_life_hours) as max_half_life,
  COUNT(DISTINCT CASE WHEN is_correct THEN 1 END) as correct_reviews,
  COUNT(DISTINCT CASE WHEN NOT is_correct THEN 1 END) as incorrect_reviews
FROM analytics_lake.hlr_update
GROUP BY user_id, concept_id, date

Rezultati: "Juz Amma Al-Ikhlas: user_789 arriti gjysëm-jetën 256 orë (stabilitet 2 javësh) pas 7 rishikimeve të sakta"

Ngjarja 4: Trendet e Saktësisë së Njohjes së të Folurit Përmirësimi i shqiptimit gjatë kohës:

SELECT
  user_id,
  DATE_TRUNC('week', FROM_UNIXTIME(timestamp / 1000)) as week,
  AVG(similarity_score) as avg_pronunciation_accuracy,
  APPROX_PERCENTILE(similarity_score, 0.5) as median_accuracy
FROM analytics_lake.speech_recognition_result
WHERE concept_type = 'letter'
GROUP BY user_id, week
ORDER BY week DESC

Rezultati: "Saktësia e shqiptimit të përdoruesit u rrit 18% brenda 8 javëve të praktikës së vazhdueshme"

Ngjarja 5: Progresi në Taksonominë e Bloom Ndjek avancimin në nivelet njohëse:

{
  "event_type": "blooms_level_completion",
  "concept_id": "word_kitab",
  "blooms_level_achieved": 4,
  "user_age_group": "5-7",
  "time_to_level_days": 14,
  "attempt_count": 47,
  "timestamp": "2026-03-25T16:45:00Z"
}

Ndjekim: Sa fëmijë arrijnë Nivelin 4 të Bloom (Analizë)? Sa kohë në mesatare?

Si Ndihmon Kjo në Vendimmarrjen për Produktin

Vendimi 1: Ripërpunimi i Një Përmbajtjeje të Caktuar

  • Përgjigje pyetjeje: "Cilat përmbajtje kanë >40% përpjekje të gabuara?"
  • Rezultati: "Ushtrimi për ndërtimin e fjalëve me grumbuj bashkëtingëllorësh ka 52% gabime"
  • Veprimi: Ekipi i përmbajtjes e ripërpunon ushtrimin (më shumë mbështetje, progres më i ngadaltë)
  • Verifikimi: Pyetja përsëritet pas 2 javësh; norma e gabimeve duhet të jetë <25%

Vendimi 2: Përshtatja e Llojit të Ushtrimeve

  • Kërkesa: "Cilat lloje ushtrimesh kanë angazhim dhe rezultate më të mira mësimore?"
  • Rezultati: Lojërat fizike kanë 30% angazhim më të lartë dhe 15% përmirësim më të mirë saktësie
  • Veprimi: Rrit frekuencën e lojërave fizike në mësimet adaptive

Vendimi 3: Identifikimi i Koncepteve Problemë

  • Kërkimi: "Cilat koncepte kanë >30% përdorues që nuk arrijnë nivelin ndërmjetës?"
  • Rezultati: "Bashkëtingëlloret emeze (ص, ض, ط, ظ) janë vazhdimisht të vështira"
  • Veprimi: Krijo përmbajtje mbështetëse (ushtrime shtesë shqiptimi, progres më i ngadaltë)

Krahasimi me Konkurrentët

MatjaDuolingoAmal/Thurayya
Ndjek klikimet✓ XP, seri✓ (por si sekondare)
Ndjek saktësinë✓ Sipas konceptit
Ndjek humbjen e kujtesës✓ Gjysëm-jeta HLR
Ndjek rezultatet e mësimit✓ Kalimet në zotërim
Ndjek shqiptimin✓ Tendencat e saktësisë së shqiptimit
Vendimmarrje me bazë të dhënashFokus tek angazhimiFokus tek mësimi

Pyetjet e Shpeshta

Pyetje: A ruhen të dhënat e fëmijës sime në Analytics Lake?
Përgjigje: Po, të anonimizuara. Ne ndjekim metrika mësimi (jo të dhëna personale). Ju mund të shikoni metrikat e fëmijës suaj në dashboard-in për prindër; kërkuesit nuk shohin emra fëmijësh.

Pyetje: Sa kohë ruhen të dhënat?
Përgjigje: Të dhënat live (12 muajt e fundit) ruhen në Athena për pyetje. Të dhënat historike arkivohen në S3 për 7 vjet (për pajtim). Ruajtja është e konfiguruar sipas llojit të të dhënave.

Pyetje: A mund të eksportoj analitikën e mësimit të fëmijës sime?
Përgjigje: Po. Dashboard ka butonin "Eksporto Raportin" që krijon një PDF me rezultatet personale të mësimit për 3 muajt e fundit.

Artikuj të Ngjashëm