একটি ইন্টারনাল HCAI ডিজাইন চেকলিস্ট তৈরি করা

১ · কেন একটি ওয়েটেড চেকলিস্ট দরকার

একটি সরল "হ্যাঁ/না" চেকলিস্ট (যেমন "এক্সপ্লেইনেবিলিটি আছে? ☐") একটি সমস্যা তৈরি করে — এটি ধরে নেয় প্রতিটি আইটেম সমান গুরুত্বপূর্ণ। বাস্তবে তা সত্যি নয়: একটি উচ্চ-ঝুঁকির মেডিকেল বা আর্থিক ফিচারে হিউম্যান ওভারসাইট (M5) হয়তো এক্সপ্লেইনেবিলিটির চেয়েও বেশি জরুরি, আবার একটি কম-ঝুঁকির এন্টারটেইনমেন্ট রেকোমেন্ডেশন ফিচারে উল্টোটা সত্যি হতে পারে। একটি ওয়েটেড চেকলিস্টWeighted checklistএমন একটি চেকলিস্ট যেখানে প্রতিটি আইটেমের নিজস্ব গুরুত্ব-অনুপাত (ওজন) থাকে, এবং চূড়ান্ত স্কোর প্রতিটি আইটেমের স্কোর ও ওজনের গুণফল যোগ করে বের করা হয়। এই বাস্তবতাকে ধরতে পারে — প্রতিটি আইটেমের একটি ওজন থাকে, এবং চূড়ান্ত স্কোর সেই ওজন অনুযায়ী গণনা হয়।

২ · এই কোর্স থেকে আটটি চেকলিস্ট আইটেম

নিচের চেকলিস্টে এই কোর্সের এখন পর্যন্ত পড়া মডিউলগুলো থেকে আটটি আইটেম বাছাই করা হয়েছে, প্রতিটির একটি ওজন (মোট ১০০-এর মধ্যে ভাগ করা) সহ:

ওজনগুলো মোট ১০০-এ যোগ হয় — এটি বাধ্যতামূলক নয়, কিন্তু এতে চূড়ান্ত স্কোরকে সরাসরি একটি শতাংশ হিসেবে পড়া সহজ হয়। এই নির্দিষ্ট ওজন-বণ্টনটি একটি উদাহরণ মাত্র — বাস্তব টিমে প্রোডাক্টের ঝুঁকি ও প্রেক্ষাপট অনুযায়ী এই ওজনগুলো ভিন্ন হবে (M5-এর উচ্চ-ঝুঁকি প্রসঙ্গ, L33-এ বিস্তারিত)।

৩ · কোড দিয়ে একটি হাইপোথেটিক্যাল ফিচার স্কোর করা

ধরা যাক একটি ব্যাংকিং অ্যাপে একটি "AI-চালিত খরচ-বিশ্লেষণ ও বাজেট পরামর্শ" ফিচার রয়েছে — এটি ব্যবহারকারীর খরচের প্যাটার্ন বিশ্লেষণ করে বাজেট-পরামর্শ দেয়। নিচের কোডে প্রতিটি চেকলিস্ট আইটেমে এই ফিচারটিকে একটি স্কোর (০-১০০) দেওয়া হয়েছে (একটি ডিজাইন-রিভিউ টিমের হাইপোথেটিক্যাল মূল্যায়ন হিসেবে), এবং সত্যিকারভাবে ওয়েটেড শতাংশ গণনা করা হয়েছে।

checklist = [
    {"item": "ট্রাস্ট ক্যালিব্রেশন ও কনফিডেন্স কমিউনিকেশন (M3)", "weight": 15, "score": 70},
    {"item": "এক্সপ্লেইনেবিলিটি -- প্রতিটি সাজেশনের কারণ বোঝানো (M4)", "weight": 15, "score": 60},
    {"item": "হিউম্যান ওভারসাইট ও ওভাররাইড অপশন (M5)", "weight": 15, "score": 90},
    {"item": "এরর ডিজাইন ও গ্রেসফুল রিকভারি (M6)", "weight": 15, "score": 50},
    {"item": "অ্যাক্সেসিবিলিটি -- WCAG কনট্রাস্ট ও স্ক্রিন-রিডার সাপোর্ট (M7)", "weight": 10, "score": 80},
    {"item": "ফিডব্যাক লুপ -- ব্যবহারকারী সংশোধন করতে পারে (M6)", "weight": 10, "score": 40},
    {"item": "অনবোর্ডিং ও সঠিক মেন্টাল মডেল তৈরি (M2, M6)", "weight": 10, "score": 65},
    {"item": "কগনিটিভ লোড -- ইন্টারফেসে একসাথে সিদ্ধান্ত কম রাখা (M6)", "weight": 10, "score": 75},
]

total_weight = sum(i["weight"] for i in checklist)
weighted_sum = sum(i["weight"] * i["score"] for i in checklist)
overall_pct = weighted_sum / total_weight

print(f"মোট ওজন: {total_weight}")
print(f"ওয়েটেড HCAI চেকলিস্ট স্কোর: {overall_pct:.1f}%\n")

print("আইটেম-ভিত্তিক অবদান:")
for i in checklist:
    contribution = i["weight"] * i["score"] / total_weight
    label = i["item"].ljust(58)
    print(f"  {label} স্কোর {i['score']:>3} | অবদান {contribution:5.1f}")

if overall_pct >= 80:
    verdict = "ভালো -- প্রোডাকশনের জন্য প্রস্তুত"
elif overall_pct >= 60:
    verdict = "মাঝারি -- কিছু গুরুত্বপূর্ণ ক্ষেত্রে উন্নতি দরকার"
else:
    verdict = "দুর্বল -- মূল ডিজাইন পুনর্বিবেচনা দরকার"

print(f"\nচূড়ান্ত রায়: {verdict}")

gaps = [i for i in checklist if i["score"] < 50]
print("\nউচ্চ-অগ্রাধিকার ঘাটতি (স্কোর ৫০-এর নিচে):")
if gaps:
    for g in gaps:
        print(f"  - {g['item']} (স্কোর {g['score']})")
else:
    print("  কোনো আইটেম ৫০-এর নিচে নেই।")

৪ · একটি ওয়েটেড স্কোর কী বলে না

একটি একক শতাংশ সংখ্যা (৬৬.৫%) সুবিধাজনক — এটি সহজে যোগাযোগ করা যায় ও সময়ের সাথে ট্র্যাক করা যায়। কিন্তু এটি ভুলভাবে ব্যবহার করাও সহজ: একটি ৬৬.৫% স্কোরকে "মোটামুটি ভালো" ভেবে ফিডব্যাক-লুপের মতো একটি নির্দিষ্ট, গুরুতর দুর্বলতা আড়াল হয়ে যেতে পারে যদি শুধু সারসংক্ষেপ সংখ্যাটাই দেখা হয়। তাই একটি ভালো ইন্টারনাল চেকলিস্ট সবসময় সামগ্রিক স্কোরের পাশাপাশি আইটেম-ভিত্তিক ভাঙন (breakdown) ও নির্দিষ্ট গ্যাপগুলোও দেখাতে হবে — ঠিক যেভাবে উপরের কোডে gaps তালিকাটি আলাদাভাবে বের করা হয়েছে।