Pembuatan pertanyaan otomatis (Automatic Question Generation) telah diteliti terutama untuk tujuan pendidikan. Pendekatan yang ada umumnya kekurangan informasi yang relevan tentang konteks otentik dan keragaman masalah dengan berbagai tingkat kesulitan. Dalam penelitian Natural Language Processing (NLP), kehadiran pembangkitan MWP otomatis dengan keluaran yang relevan dan dipersonalisasi telah lama dianggap sebagai tugas yang menantang karena tidak hanya berhubungan dengan pembuatan teks tetapi juga nilai numerik dan pembangkitan satuan dengan batasan matematis. Pada penelitian ini kami mengusulkan sistem AQG baru untuk menghasilkan soal kata matematika (Math Word Problems) yang kontekstual dan dipersonalisasi dalam konteks otentik menggunakan Generative Pre-trained Transformers (GPT). Sistem yang kami usulkan terdiri dari tiga modul: 1) Perolehan informasi kontekstual otentik melalui pengenalan gambar oleh TensorFlow dan pengukuran augmented reality (AR) oleh AR Core. 2) Mekanisme personalisasi menggunakan instructional-based prompt generator untuk menghasilkan pertanyaan dengan tiga tingkat kesulitan yang berbeda untuk kebutuhan pelajar yang berbeda-beda. 3) Pembuatan MWP melalui GPT dengan informasi kontekstual otentik dan kebutuhan yang dipersonalisasi.
Kami melakukan quasi-eksperimen dengan partisipasi 52 siswa untuk mengevaluasi efektivitas sistem yang dikembangkan. Selanjutnya, perilaku belajar dianalisis pada aspek konteks autentik, matematika, dan perilaku reflektif. Hasil temuan menunjukkan hasil kinerja belajar geometri yang lebih baik ditemukan pada siswa yang belajar menggunakan sistem yang dikembangkan dengan MWP kontekstual dan personalisasi, daripada kelompok dengan menggunakan pembelajaran tradisional tanpa penggunaan sistem dengan soal kontekstual dan dipersonalisasi. Selain itu, ditemukan bahwa kemampuan siswa dalam memahami situasi atau skenario praktis yang disajikan dalam suatu masalah (pemahaman konteks masalah) dan kemampuan siswa dalam mengenali informasi yang relevan dari konteks masalah (mengidentifikasi informasi kontekstual) meningkat secara signifikan. Selain itu, kemampuan siswa dalam menerapkan konsep matematika dan menyelesaikan MWP tingkat menengah juga berkontribusi terhadap peningkatan kinerja pembelajaran. Sementara itu, siswa menunjukkan persepsi positif terhadap sistem yang diusulkan dalam memfasilitasi pembelajaran geometri pengaturan konteks otentik untuk pemecahan masalah matematika.
Kontribusi penelitian ini adalah sebagai berikut:
Dari aspek teknologi, kami merancang sistem otomatis untuk membuat MWP geometri dengan memanfaatkan informasi kontekstual yang autentik melalui Teknologi pengenalan objek oleh TensorFlow, pengukuran objek berbasis Augmented Reality (AR) melalui AR Core, dan AI generatif yang memanfaatkan model bahasa GPT-3.5. Untuk menghasilkan MWP otentik berdasarkan konteksnya dan dipersonalisasi tingkat kesulitannya menggunakan informasi kontekstual otentik, kami menerapkan 3 pendekatan yang berbeda yaitu dengan mobile visual recognition, konteks yang dibuat pengguna menggunakan input manual, dan pengukuran properti geometri berbasis AR. Sistem ini bertujuan untuk meningkatkan kinerja pembelajaran geometri siswa dalam konteks kehidupan nyata dan menawarkan platform untuk penilaian matematika. Kami juga mengembangkan alat pembelajaran multimedia untuk mendukung pemecahan masalah geometri dalam lingkungan pembelajaran otentik (authentic learning). Tahapan personalisasi pertanyaan dilakukan dengan cara berikut ini: 1) Sistem mengambil informasi kontekstual otentik sebagai kata kunci yang bermakna dan mengirimkannya ke dalam prompt generator berbasis instruksi yang dirancang pada sistem. 2) Generator mulai membuat perintah instruksional yang sesuai untuk pembentukan MWP. Kami menggunakan AI generatif yaitu berdasarkan model bahasa GPT 3.5 untuk menghasilkan konten matematika. 3) Kami menyimpan MWP akhir yang dihasilkan di database MySQL.
Kami juga menerapkan pembelajaran multimedia dalam penelitian ini dalam tiga cara yang berbeda: 1) Kami menggunakan multimedia learning untuk menyajikan MWP yang dihasilkan menggunakan representasi verbal dan gambar. 2) Kami mengembangkan papan tulis elektronik dalam sistem (multimedia whiteboard) dengan fungsi grafis dan pena pengeditan virtual untuk mendukung respons dan penalaran matematis siswa. 3) Sistem multimedia whiteboard juga menyediakan fungsionalitas bagi siswa untuk menjelaskan representasi skema visual dan representasi gambar dari MWP untuk meningkatkan pemahaman konteks masalah dan memudahkan mereka dalam penemuan solusi matematika.
Dari aspek pedagogi, kontribusi utama penelitian ini adalah menunjukkan bahwa sistem yang diusulkan efektif dalam meningkatkan kinerja pembelajaran geometri melalui quasi-eksperimen.
Secara garis besar, hasil penelitian ini menunjukkan bahwa penggunaan aplikasi pemecahan masalah kata matematika yang diusulkan memberikan pengaruh positif terhadap kinerja belajar geometri siswa secara kuantitatif, yang berarti bahwa sistem yang diusulkan dapat membantu meningkatkan efisiensi belajar siswa. Kami merekomendasikan kontekstualisasi dan personalisasi untuk diperhitungkan dalam kegiatan pemecahan masalah kata matematika untuk membantu siswa memahami konteks situasi yang dijelaskan dalam teks masalah untuk menemukan solusi, dan untuk memberikan berbagai tingkat kesulitan MWP sehingga siswa dapat menyesuaikan diri dengan kemampuan kognitif terhadap masalah dan mengurangi beban kognitifnya (Hwang & Utami, 2024). Untuk pekerjaan di masa depan, kami akan mempertimbangkan untuk menyediakan fitur tambahan seperti umpan balik (feedbackgeneration) otomatis yang dapat bermanfaat bagi penalaran siswa dan memfasilitasi tingkat personalisasi yang lebih bermakna dalam pembelajaran.
Author: Ika Qutsiati Utami, S.Kom., M.Sc. (FTMM, Universitas Airlangga), Prof. Wu-Yuin Hwang (Graduate Institute of Network Learning Technology, National Central University, Taiwan), Uun Hariyanti, PhD. (Fakultas Ilmu Komputer, Universitas Brawijaya)
Link artikel:
Scopus: https://www.scopus.com/inward/record.uri?eid=2-s2.0-85194849750&doi=10.1177%2f07356331241249225&partnerID=40&md5=ad464e765e037ad1e616e3eca0c029bb
Jurnal Penerbit: https://journals.sagepub.com/doi/10.1177/07356331241249225
