Editorial Pendidikan
Open AccessOA2020
Tentang Penggunaan Metode Soft Computing dalam Penelitian Educational Data Mining dan Learning Analytics: Tinjauan Tahun 2010–2018
Tinjauan ini menyurvei 300 artikel jurnal (2010–2018) yang menerapkan metode soft computing pada educational data mining dan learning analytics. Tinjauan menemukan bahwa isu terkait kualitas mendominasi tujuan penelitian, dan mengidentifikasi decision tree, neural network, fuzzy logic, SVM, serta algoritma evolusioner sebagai teknik kunci.
A. Charitopoulos; M. Rangoussi; D. Koulouriotis· International Journal of Artificial Intelligence in Education· 2020· DOI 10.1007/s40593-020-00200-8
Masalah inti
Educational Data Mining (EDM) dan Learning Analytics (LA) adalah bidang penelitian yang saling berkaitan erat dan menganalisis data yang dihasilkan oleh sistem interaktif/e-learning untuk menjawab pertanyaan terbuka terkait pendidikan. Sistem semacam itu menyimpan data dalam volume besar yang dapat dimanfaatkan untuk menilai pembelajar, sistem, dan kualitas interaksi. Selain metode analisis data klasik (clustering, klasifikasi, identifikasi, regresi/analisis varians), metode soft computing sering digunakan. Sifat optimasi iteratifnya—menghindari pencarian menyeluruh dan menerima solusi yang mungkin suboptimal pada waktu dan upaya yang realistis—bersama ketergantungannya pada dataset yang kaya untuk pelatihan, membuatnya ideal untuk masalah EDM/LA. Decision tree, random forest, artificial neural network, fuzzy logic, support vector machine, dan algoritma genetika/evolusioner adalah contoh yang menangani ketidakpastian, masalah yang dinyatakan secara kualitatif, serta dataset yang tidak lengkap, tidak presisi, atau kontradiktif—ciri yang umum dalam pendidikan dan ilmu sosial. Tinjauan ini berfokus pada penelitian EDM dan LA terkini yang menggunakan setidaknya satu metode soft computing, dengan tujuan mengidentifikasi: (i) masalah/isuis pendidikan utama yang ditangani dan tujuan/sasaran penelitian yang ditetapkan, (ii) konteks/pengaturan pembelajaran, (iii) hubungan antara metode klasik dan soft computing, serta (iv) sarana diseminasi (jurnal publikasi).
Inovasi
Para penulis melakukan tinjauan sistematis atas 300 publikasi jurnal dari 2010–2018 yang menggunakan metode soft computing dalam penelitian EDM dan LA. Proses seleksi melibatkan identifikasi artikel relevan dari jurnal dan analisisnya sesuai empat tujuan penelitian. Tinjauan mengategorikan publikasi berdasarkan masalah pendidikan yang ditangani, konteks pembelajaran, metode yang digunakan (baik klasik maupun soft computing), dan wadah publikasi. Analisis berfokus pada ekstraksi pola dan tren di seluruh kumpulan literatur, termasuk frekuensi metode dan alat, serta hubungan antara jenis masalah dan pilihan metodologis. Para penulis juga menelaah diseminasi hasil penelitian melalui jurnal untuk memahami tempat penelitian semacam ini dipublikasikan di seluruh dunia.
Pendahuluan
Educational Data Mining (EDM) dan Learning Analytics (LA) adalah bidang penelitian yang saling berkaitan erat dan menganalisis data yang dihasilkan oleh sistem interaktif/e-learning untuk menjawab pertanyaan terbuka terkait pendidikan. Sistem semacam itu menyimpan data dalam volume besar yang dapat dimanfaatkan untuk menilai pembelajar, sistem, dan kualitas interaksi. Selain metode analisis data klasik (clustering, klasifikasi, identifikasi, regresi/analisis varians), metode soft computing sering digunakan. Sifat optimasi iteratifnya—menghindari pencarian menyeluruh dan menerima solusi yang mungkin suboptimal pada waktu dan upaya yang realistis—bersama ketergantungannya pada dataset yang kaya untuk pelatihan, membuatnya ideal untuk masalah EDM/LA. Decision tree, random forest, artificial neural network, fuzzy logic, support vector machine, dan algoritma genetika/evolusioner adalah contoh yang menangani ketidakpastian, masalah yang dinyatakan secara kualitatif, serta dataset yang tidak lengkap, tidak presisi, atau kontradiktif—ciri yang umum dalam pendidikan dan ilmu sosial. Tinjauan ini berfokus pada penelitian EDM dan LA terkini yang menggunakan setidaknya satu metode soft computing, dengan tujuan mengidentifikasi: (i) masalah/isuis pendidikan utama yang ditangani dan tujuan/sasaran penelitian yang ditetapkan, (ii) konteks/pengaturan pembelajaran, (iii) hubungan antara metode klasik dan soft computing, serta (iv) sarana diseminasi (jurnal publikasi).
Mengapa penting
Tinjauan membahas kelemahan dan isu yang perlu mendapat perhatian lebih lanjut agar manfaat hasil penelitian dapat sepenuhnya dimanfaatkan untuk meningkatkan pengalaman belajar maupun hasil belajar. Tinjauan mencatat bahwa meskipun metode soft computing sangat cocok untuk masalah pendidikan karena kemampuannya menangani ketidakpastian dan data yang tidak presisi, terdapat tantangan dalam penerapannya. Para penulis menekankan perlunya pengembangan metodologis berkelanjutan dan integrasi temuan penelitian ke dalam praktik yang lebih baik. Hubungan antara metode klasik dan soft computing ditelaah, menunjukkan bahwa pendekatan soft computing sering digunakan bersama metode klasik untuk menangani isu pendidikan yang kompleks. Pembahasan juga menunjukkan dominasi kualitas sebagai fokus penelitian, yang mencerminkan pergeseran menuju e-learning dan lingkungan pembelajaran yang dimediasi teknologi.
Siapa yang sebaiknya membaca
Pembaca Research Digest dan praktisi rumpun ini.
Membuka konten member…