Membuat Soal Pembelajaran Otomatis Dari Ontologi Komputer

Tantangan Seleksi Konten Ontologi

Kami awalnya mencoba memperbaiki hasil keluaran teks dengan bantuan ontologi fondasi serta dukungan pemrosesan bahasa alami tambahan. Pendekatan tersebut terbukti lebih unggul meskipun hasilnya masih menyisakan banyak kasus khusus dan penamaan kosakata yang kurang optimal. Pembaca manusia mungkin paham maksud suatu istilah di layar, tetapi sistem otomatis bisa mencabut kelas tersebut dari konteks aslinya.

Pengelolaan pertanyaan, jawaban, dan umpan balik juga sempat menjadi rumit karena proses pengambilan pola aksioma berjalan sangat lambat. Alternatif lain seperti memakai kueri SPARQL atau aturan SWRL ternyata menemui kendala dalam hal ekspresi dan kemudahan penggunaan kembali. Kami menyadari bahwa membatasi ekspresifitas demi performa justru menurunkan variasi jenis pertanyaan yang bisa dibuat.

Kerangka Kerja Dan Algoritma Baru

Kami akhirnya merancang kerangka kerja pengelolaan soal bersama Algoritma seleksi konten yang sangat efisien untuk menyelesaikan masalah tersebut. Mahasiswa S3 kami, Toky Raboanary, mengambil peran besar dalam mewujudkan sistem handal ini secara sistematis dan teliti. Detail lengkap riset ini sudah kami paparkan dalam makalah konferensi ESWC 2026 berjudul "Ontology-Mediated Framework for Generating Answerable Questions and Feedback from Ontologies".

Sistem pintar ini bekerja dengan memanfaatkan berbagai fitur bahasa OWL 2 DL secara maksimal dari sebuah ontologi Data. Setiap jenis pertanyaan memerlukan prasyarat aksioma khusus agar komputer mampu menyusun kalimat soal sekaligus penjelasan jawabannya secara logis. Kami juga memastikan bahwa umpan balik yang dihasilkan tidak hanya sekadar benar atau salah, melainkan penjelasan alasan yang mendalam.

Penerapan Nyata Dan Manfaat Luas

Kami telah menguji ketahanan Algoritma optimal ini menggunakan berbagai model Data untuk mengukur peningkatan kecepatan kinerjanya. Hasil pengujian menunjukkan bahwa sistem kami mampu memproses berbagai variasi kalimat tanpa membuat materi latihan terasa membosankan bagi pelajar. Bagian perakit kalimat alami juga dibuat fleksibel sehingga para praktisi bisa memakai berbagai model bahasa sesuai kebutuhan.

Kami percaya riset ini memberikan cara pandang baru yang lebih produktif dalam memanfaatkan Data pengetahuan ontologi yang rumit. Pengembang aplikasi Pendidikan kini bisa menghemat banyak waktu berharga tanpa harus merancang bank soal secara manual dari nol. Semoga inovasi ini bisa segera diadopsi lebih luas oleh para pegiat Teknologi pembelajaran di masa depan.