ऐसे एल्गोरिदम वीडियो जो कोड को सच में चलते हुए दिखाते हैं
किसी एल्गोरिदम एनिमेशन से सीखना कब होता है: हर स्टेप सटीक, तस्वीर के बगल में हाइलाइट होता कोड, एक छोटा इनपुट और एक सवाल। रिसर्च क्या कहती है।
Chasca टीम की ओर से पढ़ने में 5 मिनट
कोई एल्गोरिदम एनिमेशन तब सिखाता है जब स्क्रीन पर हर स्टेप सटीक हो, जब कोड चलते समय तस्वीर के बगल में दिखे, और जब देखने वाले से सिर्फ़ देखने के बजाय अगले स्टेप के बारे में सोचने को कहा जाए। 1990 के दशक से एल्गोरिदम विज़ुअलाइज़ेशन पर हुई रिसर्च इसी ओर इशारा करती है: तस्वीर से ज़्यादा मायने यह रखता है कि देखने वाला उसे कितने ध्यान से फ़ॉलो करता है, और एक छोटा, पूरा उदाहरण उस बड़े उदाहरण से बेहतर है जिसमें स्टेप छोड़ दिए गए हों।
क्या एल्गोरिदम एनिमेशन छात्रों को सीखने में मदद करते हैं?
कर सकते हैं, एक शर्त के साथ। Christopher Hundhausen, Sarah Douglas और John Stasko की एल्गोरिदम विज़ुअलाइज़ेशन के असर पर मेटा-स्टडी ने 24 प्रायोगिक स्टडी की समीक्षा की और पाया कि सीखने वालों ने किसी विज़ुअलाइज़ेशन के साथ क्या किया, इससे उसकी सफलता का अंदाज़ा उसके दिखने के तरीके से बेहतर लगता था: जिन स्टडी में सीखने वाले खुद एल्गोरिदम पर सक्रिय रूप से काम करते थे, उनके नतीजे सबसे अच्छे रहे।
Thomas Naps के नेतृत्व में एक वर्किंग ग्रुप ने इसे एक एंगेजमेंट टैक्सोनॉमी में बदला: न देखना, देखना, जवाब देना (बताना कि आगे क्या होगा), बदलना (दूसरे इनपुट आज़माना), बनाना और प्रेज़ेंट करना। जब Scott Grissom, Myles McNally और Thomas Naps ने सरल सॉर्टिंग एल्गोरिदम पर इन स्तरों की तुलना की, तो छात्र जैसे-जैसे सिर्फ़ देखने से जवाब देने और बदलने की ओर बढ़े, उनका सीखना बढ़ता गया।
वीडियो देखा जाता है, इसलिए वह देखने के स्तर से शुरू होता है। फिर भी वह सवाल पूछ सकता है: एक अच्छा एक्सप्लेनर किसी स्टेप से पहले रुककर पूछता है कि अगला कौन-सा नंबर हिलेगा, और फिर जवाब दिखाता है। और देखने वाले के अपने इनपुट, या उसके होमवर्क के इनपुट से बना वीडियो उसे बदलने के स्तर के करीब ले जाता है।
हर स्टेप सटीक क्यों होना चाहिए?
क्योंकि एल्गोरिदम उसके स्टेप ही हैं। गलत जगह पर एक स्वैप, या एक सेल खिसका हुआ पॉइंटर, कोई दूसरा एल्गोरिदम सिखा देता है, और जो छात्र उससे सीखता है वह गलती अपने कोड में ले जाता है। हाथ से बने एनिमेशन स्टेप बाय स्टेप बनाए जाते हैं, इसलिए सबसे अच्छे एनिमेशन भी कुछ हिस्से छोड़ देते हैं (“बाकी काम रिकर्शन कर देगा”) और सिर्फ़ वही रन दिखाते हैं जिसे बनाने का समय उनके लेखक के पास था।
जब Clifford Shaffer और उनके साथियों ने Algorithm Visualization: The State of the Field में इस क्षेत्र का सर्वे किया, तो उन्हें सैकड़ों विज़ुअलाइज़ेशन मिले, जो विषयों में असमान रूप से बंटे थे और जिनकी क्वालिटी मिली-जुली थी। जो टीचर ऐसा विज़ुअलाइज़ेशन ढूंढता है जो सही हो, पूरा हो और उसके छात्रों की भाषा में हो, उसे अक्सर एक भी नहीं मिलता।
इसका हल है एल्गोरिदम को चलाना। असली रन न कोई स्टेप छोड़ सकता है, न कोई नया बना सकता है: तस्वीर, हाइलाइट हुई लाइन और वेरिएबल, सब उसी से आते हैं जो कोड ने सच में किया।
तस्वीर के बगल में कोड क्यों दिखाएं?
क्योंकि कोड ही वह चीज़ है जो छात्र लिखते हैं, डीबग करते हैं और जिसके बारे में इंटरव्यू और परीक्षाओं में पूछा जाता है। प्रोग्राम विज़ुअलाइज़ेशन, यानी लाइन-दर-लाइन चलते प्रोग्राम की हालत दिखाना, इसे पढ़ाने का एक पुराना और आज़माया हुआ तरीका है: Juha Sorva, Ville Karavirta और Lauri Malmi की प्रोग्राम विज़ुअलाइज़ेशन सिस्टम की समीक्षा ऐसे दर्जनों सिस्टम को कवर करती है, और Philip Guo के Online Python Tutor ने यह विचार बहुत बड़े दर्शकों तक पहुंचाया।
एल्गोरिदम वीडियो दोनों को जोड़ता है: तस्वीर के रूप में डेटा स्ट्रक्चर, चलता हुआ कोड, और उनके बीच वेरिएबल। जब 6 और 5 की तुलना के समय लाइन 11 हाइलाइट होती है, तो छात्र if a[j] <= pivot को सिर्फ़ पढ़ने के बजाय उसे काम करते देखता है।
एक अच्छे एल्गोरिदम एक्सप्लेनर में क्या होना चाहिए?
हमने YouTube पर सबसे ज़्यादा देखे गए 16 एल्गोरिदम एक्सप्लेनर का अध्ययन किया, सॉर्टिंग और बाइनरी सर्च से लेकर Dijkstra और डायनैमिक प्रोग्रामिंग तक। उनमें से सबसे अच्छे एक जैसा तरीका अपनाते हैं:
- एक सवाल, फिर एक नियम। वे किसी सवाल या रोज़मर्रा की तस्वीर (शहर और सड़कें, किताबों की एक अलमारी) से शुरू करते हैं, फिर वह एक बात बताते हैं जिसे रन के दौरान याद रखना है: “i के बाईं ओर सब कुछ पिवट से बड़ा नहीं है”।
- एक छोटा इनपुट, स्टेप बाय स्टेप। बीच का वीडियो अपना लगभग आधा समय एक उदाहरण चलाने में लगाता है, आम तौर पर 6 से 11 वैल्यू या 7 से 13 नोड।
- तस्वीर के बगल में मददगार स्ट्रक्चर। ग्राफ़ के बगल में बनी क्यू या स्टैक, रिकर्शन के बगल में मेमो की पंक्ति।
- कम रंग, एक बार समझाए हुए। मौजूदा आइटम एक रंग में, पूरे हो चुके दूसरे रंग में, पॉइंटर नाम वाले छोटे तीरों के रूप में।
- अहम स्टेप धीमा करके। पहले स्टेप एक-एक करके, फिर तेज़, और जहां ज़रूरी हो वहां फिर धीमे।
- एक जांच और एक सीमा। नतीजे को नियम से मिलाकर जांचा जाता है, और एक सीमा ईमानदारी से बताई जाती है (सबसे बुरा केस, नेगेटिव वेट)।
- एक लाइन में बिग O, नंबरों के साथ। बहुत कम एक्सप्लेनर अपने ही रन की तुलनाएं गिनते हैं, जबकि इसी से ग्रोथ दिखाई देती है।
16 में से किसी ने भी ये नहीं किया: पूरे रन के दौरान कोड और तस्वीर को साथ-साथ चलाना, वेरिएबल का पैनल दिखाना, या अंग्रेज़ी के अलावा किसी और भाषा में नैरेशन।
Chasca से ऐसा वीडियो कैसे बनाएं?
Chasca की एल्गोरिदम विज़ुअल्स (Algorithm visuals) स्किल एक वाक्य से पूरा वीडियो बनाती है:
- एल्गोरिदम बताएं। Create खोलें, “Algorithm visuals” स्किल चुनें और लिखें कि क्या समझाना है, जैसे “नोड 0 से Dijkstra के सबसे छोटे रास्ते, Java में” या “2, 5, 8, 12, 16, 23, 38 में 23 की बाइनरी सर्च”। चाहें तो अपना डेटा दें; उसे इतना छोटा रखा जाता है कि स्क्रीन पर समझ आए।
- कोड की भाषा चुनें। Python, Java, C++ या JavaScript, स्किल की Code सेटिंग में या अपनी रिक्वेस्ट में। गहरा या हल्का लुक, नैरेटर और वीडियो की भाषा चुनें।
- वीडियो पाएं। एल्गोरिदम आपके डेटा पर चलाया जाता है, और नैरेशन उसी रन के आधार पर लिखा जाता है: पहले एक सवाल, इनपुट और नियम, कोड को लाइन-दर-लाइन हाइलाइट करते और वेरिएबल को नज़र के सामने रखते हुए रन, अहम स्टेप धीमा करके, नतीजे की जांच, और फिर एक चार्ट कि काम कैसे बढ़ता है, जिस पर इसी रन की गिनती होती है।
लाइब्रेरी में सॉर्टिंग, सर्चिंग, टू पॉइंटर और स्लाइडिंग विंडो, स्ट्रिंग, स्टैक और क्यू, हैश टेबल, लिंक्ड लिस्ट, ट्री, हीप, ग्राफ़, रिकर्शन और डायनैमिक प्रोग्रामिंग शामिल हैं। Manim, Motion Canvas और स्क्रीन रिकॉर्डर से इसकी तुलना के लिए देखें एल्गोरिदम विज़ुअलाइज़ेशन वीडियो बनाने के सबसे अच्छे टूल।
स्रोत
- Hundhausen, C. D., Douglas, S. A., and Stasko, J. T. (2002). A meta-study of algorithm visualization effectiveness. Journal of Visual Languages and Computing, 13(3), 259–290.
- Naps, T. L., et al. (2002). Exploring the role of visualization and engagement in computer science education. ACM SIGCSE Bulletin, 35(2), 131–152.
- Grissom, S., McNally, M. F., and Naps, T. (2003). Algorithm visualization in CS education: comparing levels of student engagement. Proceedings of SoftVis 2003, 87–94.
- Shaffer, C. A., et al. (2010). Algorithm visualization: the state of the field. ACM Transactions on Computing Education, 10(3).
- Sorva, J., Karavirta, V., and Malmi, L. (2013). A review of generic program visualization systems for introductory programming education. ACM Transactions on Computing Education, 13(4).
- Guo, P. J. (2013). Online Python Tutor: embeddable web-based program visualization for CS education. Proceedings of SIGCSE 2013, 579–584.
वीडियो की ट्रांसक्रिप्ट ऊपर दिए 1:05 के एक्सप्लेनर में नैरेटर की कही हर बात।
How can you sort these numbers without repeatedly finding the smallest?
These 7 numbers need sorting. Through i, values stay at most the pivot. Orange marks executing code; green means done.
Line 8 picks pivot 5. Line 11 leaves 8 right because it exceeds 5.
3 belongs left. Which number will it swap with?
3 swaps with 8; 1 and 2 also move left because neither exceeds 5.
5 lands between the sides, permanently placed.
Recursion partitions the left around 2; single numbers need no sorting.
8 separates 6 and 9; the pivot rule now holds everywhere. Worst-case work is quadratic.
The chart marks 10 comparisons for 7 numbers; average work grows as n log n.
Partition, then sort each side: that's how you order the numbers.
लोग अक्सर पूछते हैं
कर सकते हैं, और सबसे ज़्यादा मायने यह रखता है कि छात्र देखते समय क्या करते हैं। 24 प्रयोगों की एक मेटा-स्टडी में पाया गया कि सीखने वाले किसी एल्गोरिदम विज़ुअलाइज़ेशन से कैसे जुड़ते हैं, इससे उसकी सफलता का अंदाज़ा उसके दिखाए गए कंटेंट से बेहतर लगता है, और बाद की एक स्टडी में देखा गया कि जब छात्र सिर्फ़ देखने से आगे बढ़कर एनिमेशन के बारे में सवालों के जवाब देने लगे, तो सीखना बढ़ा।
क्योंकि कोड ही वह चीज़ है जो छात्र लिखते हैं और जिसके बारे में इंटरव्यू और परीक्षाओं में पूछा जाता है। चलती हुई लाइन को उससे होने वाले बदलाव के बगल में देखना दोनों को जोड़ देता है; Python Tutor जैसे प्रोग्राम विज़ुअलाइज़ेशन टूल इसी विचार पर बने हैं।
इतना छोटा कि हर स्टेप समझ आ सके: सबसे ज़्यादा देखे गए एल्गोरिदम एक्सप्लेनर 6 से 11 वैल्यू (आम तौर पर 8) वाले ऐरे और 7 से 13 नोड वाले ग्राफ़ पर चलते हैं, और वीडियो का लगभग आधा हिस्सा उसी एक रन पर लगाते हैं।
Chasca की Algorithm visuals स्किल “Java में 8, 3, 6, 1, 9, 2, 5 पर क्विक सॉर्ट” जैसे एक वाक्य से वीडियो बनाती है: वह उस डेटा पर एल्गोरिदम चलाती है और उसे स्टेप बाय स्टेप समझाती है, तस्वीर के बगल में कोड लाइन-दर-लाइन हाइलाइट करते हुए, Python, Java, C++ या JavaScript में।
हां। Algorithm visuals स्किल Chasca की 79 भाषाओं में से किसी में भी नैरेशन करती है; कोड और उसके वेरिएबल के नाम वैसे ही रहते हैं जैसे प्रोग्रामिंग भाषा उन्हें लिखती है।