लाभ:
- KVKK को ढाँचा र आधारभूत सूचना सुरक्षा सिद्धान्तहरू भित्र MIS मा कृत्रिम बुद्धिमत्ताको प्रयोगको सीमाहरू व्याख्या गर्ने क्षमता
- कृत्रिम बुद्धिमत्ता कार्यप्रवाहहरूमा अज्ञातता, न्यूनतम विशेषाधिकार र डेटा वर्गीकरण सिद्धान्तहरू सुरक्षित रूपमा लागू गर्ने क्षमता
- नैतिकता, अनुपालन र सक्षम अनुमोदनको ढाँचा भित्र अन्त-देखि-अन्त MIS-AI परियोजनालाई जिम्मेवार रूपमा व्यवस्थापन गर्ने क्षमता।
मोड्युल परीक्षा
1. कुन कथनले व्यवस्थापन सूचना प्रणाली विशेषज्ञको काममा कृत्रिम बुद्धिमत्ता आउटपुटको भूमिकालाई सबैभन्दा सही रूपमा वर्णन गर्दछ?
- A) AI ले ड्राफ्ट र प्रस्तावहरू उत्पादन गर्दछ; ✔ व्यापार नियम वास्तविक डाटा र सक्षम अनुमोदन संग प्रमाणित गर्न मानव जिम्मेवारी हो
- B) AI आउटपुट धाराप्रवाह र प्राविधिक रूपमा लेखिएको छ त्यसैले यसलाई सामान्यतया प्रमाणिकरणको आवश्यकता पर्दैन
- C) AI ले व्यवसायिक इकाईको स्वीकृति बिना सीधै आवश्यकताहरूलाई अन्तिम रूप दिन सक्छ
- D) वित्तीय-महत्वपूर्ण निर्णयहरूमा, एआई आउटपुटले सक्षम विशेषज्ञको स्वीकृतिलाई प्रतिस्थापन गर्दछ।
विवरण: कृत्रिम बुद्धिमत्ताले द्रुत रूपमा मध्यवर्ती उत्पादनहरू जस्तै आवश्यकताहरू, डाटा मोडेलहरू, SQL र रिपोर्टहरू ड्राफ्ट गर्दछ; यद्यपि, यी मस्यौदाहरूलाई व्यापार नियम, वास्तविक तथ्याङ्क र सरोकारवालाको पुष्टिसँग प्रमाणित गर्ने मानवीय जिम्मेवारी हो। विशेष गरी वित्तीय र अनुपालन-महत्वपूर्ण निर्णयहरूमा, AI सक्षम विशेषज्ञ स्वीकृतिको विकल्प होइन।
2. आवश्यकता विश्लेषण अध्ययनमा 'प्रणाली छिटो हुनुपर्छ' भनाइको मुख्य समस्या के हो?
- क) यो कार्यात्मक आवश्यकता भए पनि यसलाई गैर-कार्यात्मक रूपमा लेखिएको छ
- B) परीक्षण र प्रमाणित गर्न सकिँदैन किनभने यसमा मापनयोग्य थ्रेसहोल्ड समावेश छैन ✔
- ग) सरोकारवालाहरूले बुझ्दैनन् किनभने यसमा धेरै प्राविधिक विवरणहरू छन्
- D) यो अमान्य छ किनभने यो प्रयोगकर्ता कथा ढाँचामा लेखिएको छैन
स्पष्टीकरण: यो कथनले एक गैर-कार्यात्मक आवश्यकता वर्णन गर्दछ, तर यो मापन योग्य छैन। 'फास्ट' व्यक्तिपरक हो; संख्या, अवस्था र लोड द्वारा स्वीकार्य आवश्यकता प्रतिक्रिया समय परिभाषित गर्दछ (जस्तै 'औसत लोडमा 2 सेकेन्ड भन्दा कम क्वेरी प्रतिक्रिया')। मापन गर्न नसकिने आवश्यकता परीक्षण गर्न सकिँदैन।
3. डेटा मोडलिङमा सामान्यीकरणको मुख्य उद्देश्य निम्न मध्ये कुन हो?
- क) एउटा ठूलो तालिकामा सबै डाटा सङ्कलन गरेर क्वेरीलाई सरल बनाउने
- B) डाटा डुप्लिकेशन घटाएर र अखण्डता कायम गरेर अद्यावधिक विसंगतिहरू रोक्नुहोस् ✔
- C) जहिले पनि ब्याकअप फाइलहरूको साइज कम गर्नुहोस्
- D) प्रत्यक्ष रूपमा ग्राफिक्स र बोर्ड प्रदर्शन ग्यारेन्टी
विवरण: सामान्यीकरण भनेको अनावश्यकता कम गर्न र डेटाको अखण्डता सुरक्षित गर्न तार्किक रूपमा तालिकाहरू विभाजन गर्ने प्रक्रिया हो। एउटै जानकारी एकै ठाउँमा राख्नाले अपडेट विसंगति र असंगतिलाई रोक्छ। लक्ष्य प्रतिवेदनलाई गति दिनु होइन; जानाजानी विकृतिकरण कहिलेकाहीँ गतिको लागि गरिन्छ।
4. व्यापार खुफिया ड्यासबोर्डमा 'विज्ञापन खर्च बढ्दा बिक्री बढ्यो, त्यसैले विज्ञापनले बिक्री बढाउँछ' भन्ने अनुमान लगाउने मुख्य जोखिम के हो?
- क) कारण संग भ्रमित सहसंबंध; सँगै काम गर्दा एकले अर्को सिर्जना गर्छ भनेर प्रमाणित गर्दैन ✔
- ख) चार्ट प्रकार को गलत चयन
- C) डाटा सामान्य गरिएको छैन
- D) बोर्डमा धेरै रङहरू छन्
स्पष्टीकरण: यो कारण संग भ्रमित सहसंबंध छ। दुई मेट्रिक्स सँगै सार्न सक्छ, तर तेस्रो कारक (जस्तै सिजन, अभियान अवधि) दुबैलाई बढाउँदै जान सक्छ। MIS विशेषज्ञले पनि AI-उत्पन्न कथा पाठहरूमा यो जालको लागि जाँच गर्नुपर्छ र प्रमाण सहित कारण दावीहरू परीक्षण गर्नुपर्छ।
5. स्मार्ट स्वचालनमा, जहाँ RPA (रोबोटिक प्रक्रिया स्वचालन) र कृत्रिम बुद्धिमत्ता सँगै प्रयोग गरिन्छ, कुन चरण प्रकारको RPA सबैभन्दा उपयुक्त छ?
- क) अस्पष्ट चरणहरू, व्याख्यामा आधारित, र प्रत्येक पटक फरक निर्णयहरू आवश्यक छ
- B) नियमित, दोहोरिने र संरचित डेटामा काम गर्ने चरणहरू ✔
- C) ग्राहकसँग समानुभूति चाहिने कदमहरू
- D) चरणहरू जसमा रणनीतिक लगानी निर्णयहरू गरिन्छ
स्पष्टीकरण: RPA नियमित, दोहोरिने र संरचित डेटा चरणहरूमा बलियो हुन्छ: एउटा स्क्रिनबाट डाटा प्रतिलिपि गर्ने र अर्को प्रणालीमा प्रविष्ट गर्ने। अस्पष्ट निर्णय, वर्गीकरण, वा प्राकृतिक भाषा बुझाइ आवश्यक पर्ने चरणहरूमा कृत्रिम बुद्धिमत्ता खेलमा आउँछ; उच्च जोखिम निर्णयहरू मानव अनुमोदनको अधीनमा रहन्छन्।
6. किन AI आउटपुटहरू ERP प्रणालीहरूमा विशेष रूपमा सावधानीपूर्वक प्रमाणीकरण गर्न आवश्यक छ?
- A) ERP डाटा सधैं अज्ञात छ त्यसैले थप सावधानी आवश्यक छ
- B) ERP प्रक्रियाहरू आर्थिक र परिचालन रूपमा महत्वपूर्ण छन्; गल्तीको प्रत्यक्ष आर्थिक र कानुनी परिणामहरू छन् ✔
- C) ERP प्रणालीहरू कृत्रिम बुद्धिमत्तासँग एकीकृत गर्न सकिँदैन
- D) AI ले ERP रिपोर्टहरू बुझ्दैन किनभने तिनीहरू दृश्य होइनन्
विवरण: ERP; लेखा, सूची, खरिद र पेरोल जस्ता वित्तीय र परिचालन महत्वपूर्ण प्रक्रियाहरू सञ्चालन गर्दछ। यहाँ एउटा त्रुटि प्रत्यक्ष रूपमा वित्तीय रेकर्डिङ, भुक्तानी वा सूची निर्णयमा प्रतिबिम्बित हुन्छ। तसर्थ, एआई सिफारिसहरू सक्षम विशेषज्ञको स्वीकृति बिना प्रक्रियामा छैनन्; अडिट ट्रेल अनिवार्य छ।
7. CRM डाटासँग काम गर्दा कृत्रिम बुद्धिमत्ता प्रयोग गर्दा एमआईएस विशेषज्ञले ध्यान दिनु पर्ने पहिलो कुरा के हो?
- क) प्यानलको रङ प्यालेट छनोट गर्दै
- B) व्यक्तिगत डेटा गोपनीयता: गुमनामकरण, न्यूनतम प्राधिकरण र KVKK अनुपालन सुनिश्चित गर्न पहिले ✔
- C) सवारी साधनमा सबैभन्दा ठूलो सम्भावित डाटा लोड गर्दै
- D) यो मोडेलको नयाँ संस्करण प्रयोग गर्न पर्याप्त छ
विवरण: CRM डेटा ठूलो मात्रामा व्यक्तिगत डेटा हो (नाम, सम्पर्क, खरिद इतिहास)। यो डाटा आर्टिफिसियल इन्टेलिजेन्स उपकरणमा दिनु अघि, गुमनामकरण, न्यूनतम प्राधिकरण र KVKK अनुपालन मूल्याङ्कन गर्नुपर्छ। थप रूपमा, ग्राहकलाई असर गर्ने स्वचालित निर्णयहरूलाई मानव निरीक्षण र आपत्ति गर्ने अधिकार चाहिन्छ।
8. ड्यासबोर्डमा समयसँगै दर (प्रतिशत) परिवर्तन देखाउनको लागि कुन प्रकारको चार्ट सामान्यतया उपयुक्त हुन्छ?
- A) समय प्रवृत्तिको लागि रेखा चार्ट; स्केल र अक्ष सही रूपमा सेट हुनुपर्छ ✔
- ख) एक पाई चार्ट हरेक अवस्थामा सबै भन्दा राम्रो छ
- C) त्रि-आयामी प्रभाव भएका ग्राफिक्सले पठनीयता बढाउँछ
- D) चार्ट प्रकारले सन्देशलाई असर गर्दैन, तिनीहरू सबै बराबर छन्
स्पष्टीकरण: एक रेखा चार्ट समय संग एक प्रवृत्ति देखाउन उपयुक्त छ; यदि अक्ष र मापन सही रूपमा सेट गरिएको छ भने, परिवर्तन स्पष्ट रूपमा पढ्न सकिन्छ। पाई चार्टले समयको एकल बिन्दुमा सेयर देखाउँदछ, यो समय प्रचलनको लागि उपयुक्त छैन। ग्राफिक चयन सन्देश पठाइने अनुसार बनाइन्छ।
9. सुशासनको सन्दर्भमा नो-कोड / कम-कोड प्लेटफर्महरूको सबैभन्दा महत्त्वपूर्ण जोखिम निम्न मध्ये कुन हो?
- A) अनुप्रयोगहरू सधैं धेरै ढिलो चल्छन्
- ख) अप्रलेखित, अपरिचित 'छाया आईटी' समाधानहरूले डाटा र सुरक्षा जोखिमहरू सिर्जना गर्दछ ✔
- C) तिनीहरूले वास्तविक व्यापार समस्याहरू कहिल्यै समाधान गर्दैनन्
- D) तिनीहरू ठूला कम्पनीहरूमा मात्र प्रयोग गर्न सकिन्छ
विवरण: नो-कोड/लो-कोडले गैर-प्राविधिक कर्मचारीहरू (नागरिक विकासकर्ताहरू) लाई छिटो अनुप्रयोगहरू स्थापना गर्न अनुमति दिन्छ। यद्यपि, जब यो अनियन्त्रित हुन्छ; अलिखित, असुरक्षित र अनाथ 'छाया आईटी' समाधानहरूले डाटा चुहावट र प्राविधिक ऋण सिर्जना गर्दछ। सुशासनलाई यी समाधानहरूको रेकर्डिङ र निगरानी आवश्यक छ।
10. डेटा गुणस्तर आयामहरू मध्ये एक 'एकरूपता' को अर्थ के हो?
- A) डाटाले वास्तविक विश्व मूल्यलाई ठ्याक्कै मिल्छ
- ख) एउटै डाटा विभिन्न प्रणाली र अभिलेखहरूमा एकअर्कासँग विवाद गर्दैन ✔
- C) डाटामा सबै फिल्डहरू भरिएका छन्
- D) यसको सबैभन्दा हालको फारममा डाटा फेला पार्दै
स्पष्टीकरण: एकरूपता भनेको फरक-फरक प्रणाली वा रेकर्डहरूमा एउटै डाटा एकअर्कासँग द्वन्द्व नहुनु हो। उदाहरणका लागि, CRM र बिलिङ प्रणालीमा ग्राहकको ठेगाना एउटै हुन्छ। शुद्धता भनेको वास्तविकताको अनुरूप हो, पूर्णता भनेको पूर्णता हो, र अप-टु-डेटनेस भनेको डेटाको समयबद्धता हो। यी अलग-अलग आयामहरू हुन्।
11. KVKK को दायरा भित्र, MIS विशेषज्ञले कृत्रिम बुद्धिमत्ता उपकरणको साथ व्यक्तिगत डेटा प्रशोधन गर्नु अघि लागू गर्नु पर्ने सबैभन्दा आधारभूत सिद्धान्त के हो?
- क) प्राप्त गर्न सकिने सबै व्यक्तिगत डाटा सङ्कलन गर्दै
- ख) डाटा न्यूनीकरण र उद्देश्य सीमितता: परिभाषित उद्देश्यको लागि मात्र आवश्यक डाटा प्रक्रिया ✔
- C) सबैले पहुँच गर्न सक्ने सार्वजनिक फोल्डरमा डाटा राख्ने
- D) गोपनीयता निर्णय पूर्ण रूपमा कृत्रिम बुद्धिमत्तामा छोड्दै
विवरण: डाटा न्यूनीकरण र उद्देश्य सीमितता आवश्यक छ: पहिचान र वैध उद्देश्यको लागि मात्र आवश्यक डाटा प्रशोधन। जहाँ सम्भव छ, डाटा गुमनाम वा छद्म नामकरण गरिएको छ; व्यक्ति पहिचान गर्ने क्षेत्रहरू गाडीबाट टाढा राखिएको छ। 'अधिक डाटा, राम्रो' दृष्टिकोण KVKK सिद्धान्तहरू विरुद्ध छ।
12. किन एआई-संचालित आवश्यकता मस्यौदामा 'प्रणालीले उपयुक्त हुँदा स्वचालित रूपमा अनुमोदन गर्छ' वाक्यलाई जोखिमपूर्ण आवश्यकता हो?
- क) किनभने यो धेरै लामो छ
- ख) 'सम्भव केसहरू' अपरिभाषित, व्याख्याको लागि खुला, अस्थिर र त्रुटि प्रवण ✔
- C) स्वचालन सधैं निषेधित छ
- D) किनभने यो प्रयोगकर्ता कथा ढाँचामा छैन
स्पष्टीकरण: 'उपयुक्त परिस्थितिहरू' एक अस्पष्ट अभिव्यक्ति हो; यो परिभाषित गरिएको छैन कि कुन शर्तहरूले स्वीकृति ट्रिगर गर्दछ। अस्पष्ट आवश्यकता विकासकर्ता द्वारा गलत व्याख्या गरिएको छ र परीक्षण गर्न सकिँदैन। एमआईएस विशेषज्ञले स्पष्ट नियम र थ्रेसहोल्डहरू सहित AI द्वारा उत्पादित त्यस्ता अस्पष्ट कथनहरूलाई स्पष्ट पार्नु पर्छ र तिनीहरूलाई सरोकारवालाहरूद्वारा पुष्टि गर्नुपर्दछ।
13. डाटा गोदाममा ETL (Extract-Transform-Load) प्रक्रियाको मुख्य उद्देश्य के हो?
- क) नयाँ ग्राहक डाटा उत्पन्न गर्दै
- ख) विभिन्न स्रोतहरूबाट डाटा निकाल्ने र रूपान्तरण गर्ने र विश्लेषणको लागि तयार एक सुसंगत संरचनामा लोड गर्ने ✔
- C) स्वचालित रूपमा प्यानलहरूको रंग चयन गर्दै
- D) कानूनको पर्वाह नगरी व्यक्तिगत डेटा साझेदारी गर्दै
विवरण: ETL; यसले स्रोतहरूबाट डाटा निकाल्छ (Extract), सफा गर्छ र यसलाई मानक संरचना (Transform) मा रूपान्तरण गर्छ र विश्लेषण (लोड) को लागि डाटा गोदाममा लोड गर्दछ। उद्देश्य रिपोर्टिङ र विश्लेषणको लागि तयार एक सुसंगत संरचनामा परिचालन डेटाको छरिएका र विभिन्न ढाँचाहरू ल्याउनु हो। ETL ले डाटा उत्पादन गर्दैन, यसले अवस्थित डाटालाई सार्छ र व्यवस्थित गर्दछ।
14. प्रक्रिया स्वचालन डिजाइनमा 'अपवाद ह्यान्डलिङ' किन महत्त्वपूर्ण छ?
- A) किनभने यसले जहिले पनि स्वचालनलाई छिटो काम गर्छ
- B) किनभने यसले अवैध परिस्थितिहरूमा मौन त्रुटिहरूको सट्टा मानिसहरूलाई सुरक्षित रोक्न र मार्गदर्शन प्रदान गर्दछ ✔
- C) किनभने यसले ग्राफिक डिजाइन सुधार गर्दछ
- D) किनभने यसले स्वचालित रूपमा व्यक्तिगत डेटा मेटाउँछ
स्पष्टीकरण: स्वचालनहरू सधैं परिस्थितिहरू सामना गर्छन् जुन नियमहरू विरुद्ध जान्छ (डेटा छुटेको, अप्रत्याशित ढाँचा, प्रणाली त्रुटि)। अपवाद ह्यान्डलिङले रोबोटलाई प्रक्रियालाई सुरक्षित रूपमा रोक्न र यी अवस्थाहरूमा चुपचाप गलत कारबाही गर्नुको सट्टा मानवमा पुनः निर्देशित गर्न अनुमति दिन्छ। यदि कुनै अपवादहरू डिजाइन गरिएको छैन भने, त्रुटिहरू चुपचाप प्रचार गर्नेछन् र लेखापरीक्षण ट्रेल हराउनेछ।