अंतिम मूल्यांकन

कक्षा 9–10 के लिए AI शिक्षण — अंतिम मूल्यांकन

सभी बारह मॉड्यूलों से अनुप्रयोग-भारी प्रश्न, एक सुरक्षा, नैतिकता व गोपनीयता उपसमूह सहित। उत्तीर्णांक 75%। आवश्यकता हो तो केंद्रित पुनरावलोकन के बाद पुनः प्रयास करें।

1. एक विद्यार्थी कहता वॉशिंग-मशीन टाइमर "AI है क्योंकि यह तय करता कब रुकना।" सटीक सुधार क्या?

यह बिना सीखने निश्चित नियम मानता — यह स्वचालन, AI नहीं।सही — जो भी स्वचालित AI है।हाँ, क्योंकि यह बिजली उपयोग करता।केवल यदि यह फ़्रंट-लोडिंग मशीन हो।

2. कौन-सा कार्य NLP या डेटा AI के बजाय कंप्यूटर-विज़न क्षेत्र का है?

छवि में वस्तुएँ पहचानना।समीक्षा का भाव-विश्लेषण।बिक्री-संख्याओं से माँग अनुमानना।एक वाक्य भाषाओं में अनुवाद।

3. AI परियोजना चक्र में समस्या-निर्धारण डेटा-संग्रह से पहले क्यों?

स्पष्ट परिभाषित समस्या तय करती वास्तव में क्या डेटा चाहिए।डेटा-संग्रह कभी आवश्यक नहीं।निर्धारण केवल कागज़ी, कोई प्रभाव नहीं।क्रम बिलकुल मायने नहीं रखता।

4. एक शिक्षक रिपोर्ट-टिप्पणियों में AI-मदद चाहता व नामों सहित अंकपत्र रखता। पहले क्या करना चाहिए? (सुरक्षा/गोपनीयता)

सभी पहचानकर्ता हटाएँ (विद्यार्थी A, B, C) या कृत्रिम डेटा उपयोग करें।समय बचाने नामों सहित पूरा अंकपत्र चिपकाएँ।सटीकता हेतु अधिक व्यक्तिगत विवरण जोड़ें।विद्यार्थी-फ़ोटो भी अपलोड करें।

5. बड़ा डेटासेट फिर भी पूर्वाग्रही मॉडल क्यों बना सकता?

क्योंकि बड़ा पर अप्रतिनिधि नमूना फिर भी पूर्वाग्रही।बड़े डेटासेट हमेशा पूर्णतः निष्पक्ष।मॉडल-पूर्वाग्रह का डेटा से कोई संबंध नहीं।केवल छोटे डेटासेट पूर्वाग्रही हो सकते।

6. माध्य से माध्यिका बेहतर सारांश कब है?

जब बाह्यक या झुकाव माध्य को विशिष्ट मान से दूर खींचे।कभी नहीं — माध्य हमेशा बेहतर।केवल श्रेणीबद्ध डेटा हेतु।माध्यिका गणना नहीं हो सकती।

7. चार्ट अपने अंतर्निहित डेटा सटीक होने पर भी कैसे गुमराह कर सकता?

काटा अक्ष या गलत चार्ट-प्रकार ईमानदार संख्या विकृत करता।चार्ट कभी गुमराह नहीं कर सकते।केवल डेटा-मान मायने रखते, अक्ष कभी नहीं।गुमराह करने डेटा बदलना आवश्यक।

8. AI, मशीन लर्निंग व गहन अधिगम कैसे संबंधित?

गहन अधिगम ML का हिस्सा, जो AI का हिस्सा; सारा AI ML नहीं।वे तीन पूर्णतः अलग क्षेत्र।सारा AI गहन अधिगम।ML, AI से व्यापक।

9. पर्यवेक्षित को अपर्यवेक्षित अधिगम से क्या अलग करता?

पर्यवेक्षित लेबल डेटा उपयोग; अपर्यवेक्षित बिना-लेबल डेटा में संरचना ढूँढ़ता।पर्यवेक्षित को कोई डेटा नहीं चाहिए।वे एक ही चीज़।अपर्यवेक्षित हमेशा लेबल उपयोग करता।

10. भ्रम-मैट्रिक्स में, मिथ्या-ऋणात्मक क्या है?

मॉडल ऋणात्मक अनुमानता पर सत्य उत्तर धनात्मक — एक चूक।मॉडल धनात्मक अनुमानता व सही था।मॉडल धनात्मक अनुमानता पर गलत।मॉडल ने कोई अनुमान नहीं किया।

11. परिशुद्धता कैसे गणना होती?

TP / (TP + FP)।TP / (TP + FN)।(TP + TN) / कुल।FP / (FP + TN)।

12. असंतुलित डेटा पर सटीकता गुमराह करती मीट्रिक क्यों हो सकती?

मॉडल उच्च सटीकता पा सकता जबकि हर दुर्लभ पर महत्वपूर्ण मामला चूकता।सटीकता हमेशा सर्वोत्तम मीट्रिक।असंतुलित डेटा मूल्यांकित नहीं हो सकता।सटीकता व प्रत्याह्वान समान।

13. जनित AI कभी आत्मविश्वासी पर असत्य आउटपुट (मतिभ्रम) क्यों बनाता? (सुरक्षा)

यह प्रशंसनीय सामग्री अनुमानता, सत्यापित तथ्य नहीं, तो धाराप्रवाह गलत हो सकता।यह हमेशा डेटाबेस से जाँचे तथ्य लाता।मतिभ्रम असंभव।धाराप्रवाह आउटपुट हमेशा सच।

14. एक AI-जनित संसाधन दावे के समर्थन में एक संदर्भ उद्धृत करता। शिक्षक को क्या करना चाहिए? (सुरक्षा)

सत्यापित करें स्रोत मौजूद व सच में दावे का समर्थन करता।भरोसें क्योंकि AI ने दिया।स्रोत पूरी तरह अनदेखा करें।मानें सभी AI उद्धरण असली।

15. रंगीन छवि कंप्यूटर को कैसे निरूपित होती?

पिक्सेल का ग्रिड, हर तीन संख्याएँ (RGB) इसके रंग हेतु।तस्वीर वर्णित करता एकल शब्द।पूरी छवि हेतु एक संख्या।एक ध्वनि-तरंग।

16. बैग-ऑफ़-वर्ड्स पाठ-निरूपण कौन-सी मुख्य जानकारी खोता?

शब्द-क्रम व संदर्भ — केवल शब्द-गिनतियाँ बचतीं।पाठ में शब्दों की संख्या।यह कुछ भी नहीं खोता।पाठ की भाषा।

17. NLP उपकरण बहुभाषी कक्षा में अनुचित क्यों हो सकता?

वे प्रायः उच्च-संसाधन भाषाओं हेतु बेहतर व अन्य को विफल करते।वे हर भाषा में समान अच्छा काम करते।भाषा NLP उपकरण को कभी प्रभावित नहीं करती।NLP में केवल अंग्रेज़ी मौजूद।

18. AI सहायक द्वारा सुझाया कोड उपयोग से पहले आपको हमेशा क्यों पढ़ना व चलाना चाहिए? (सुरक्षा)

AI-सुझाया कोड गलत हो सकता व पढ़ा, चलाया व सत्यापित हो।AI कोड हमेशा सही व सुरक्षित।समय बचाने बिना जाँचे चिपकाएँ।कोड चलाना कभी आवश्यक नहीं।

19. पाठ्यक्रम के बाल-सुरक्षा नियमों के तहत विद्यार्थियों पर AI के कौन-से उपयोग निषिद्ध? (नैतिकता/सुरक्षा)

बच्चों की प्रोफ़ाइलिंग, भावना-अनुमान, बायोमेट्रिक वर्गीकरण व गुप्त निगरानी।प्रदर्शन हेतु कृत्रिम डेटा उपयोग।विद्यार्थियों को AI आउटपुट सत्यापित सिखाना।कक्षा से पहले AI सामग्री समीक्षित करना।

20. विद्यालय-परियोजना बनाने से पहले AI प्रभाव-आकलन का उद्देश्य क्या? (नैतिकता)

बनाने से पहले लाभ बनाम हानि तौलना व सुरक्षा-उपायों सहित तय करना।परियोजना लंबी दिखाने हेतु।यह केवल हानि होने के बाद चाहिए।प्रभाव-आकलन कभी आवश्यक नहीं।