autonomous levelling sentence composer berbasis …
TRANSCRIPT
AUTONOMOUS LEVELLING
SENTENCE COMPOSER
BERBASIS CAUSAL BAYESIAN NETWORK
UNTUK INTELLIGENT TUTORING SYSTEM
Mohamad Safrodin
NRP : 2208 205 736
G a m e T e c h n o l o g y [ I T S ] - 2 0 1 0
14 JULI 2010
Daftar Isi
Latar Belakang 1
Standar Kompetensi Bahasa Inggris 2
Kajian 3
Metode Penelitian 4
Pustaka 5
Latar Belakang
Keunggulan sistem tutor cerdas dibandingkan guru adalah
kemampuannya dalam memahami karakteristik unik setiap siswa dan
menyampaikan materi pembelajaran sesuai dengan karakteristik
siswa tersebut (Franek, 2003). Kecerdasan sistem tutor cerdas
diwujudkan dalam kemampuan pedagogignya untuk menyampaikan
materi sesuai karakteristik siswa yang diajarnya, memberikan tugas,
dan menilai kemampuan siswa
Model Kompetensi Komunikatif (dari Celce-Murcia et al.)
Salah satu model terkini yang ada di dalam literatur pendidikan bahasa adalah yang dikemukakan oleh Celce-Murcia, Dornyei dan Thurrell (1995) yang kompatibel dengan pandangan teoritis bahwa bahasa adalah komunikasi, bukan sekedar seperangkat aturan. Implikasinya adalah bahwa model kompetensi berbahasa yang dirumuskan adalah model yang menyiapkan siswa untuk berkomunikasi dengan bahasa untuk berpartisipasi dalam masyarakat pengguna bahasa. Model ini dirumuskan sebagai Communicative
Competence atau Kompetensi
Komunikatif (KK) yang direpresentasikan dalam Celce-Murcia et al. (1995:10) sebagai berikut:
Diagram Kern
pengembangan kemampuan berwicara dan beraksara dilakukan secara terpadu.
Keterampilan mendengarkan, berbicara, membaca dan menulis tidak diposisikan secara linier, berjajar, melainkan terpadu sebagai struktur yang mewarnai rancangan proses belajar dan mengajar. Kern (2000:132) merepresentasikan gagasannya dalam tiga lingkaran talking, reading dan writing.
Modified Diagram
Dalam konteks pengajaran bahasa asing, seringkali kegiatan mendengarkan dilakukan terpisah dari kegiatan berbicara karena kegiatan tersebut difokuskan kepada latihan mengucapkan atau menirukan bunyi-bunyi, kata dan sebagainya. Oleh karenanya model Kern (2000) di atas dapat dimodifikasi menjadi empat lingkaran sebagai berikut:
Bayes Theorem
Bentuk dasar dari Teori Bayes adalah sebagai Berikut :
Dimana : P(A) = adalah prior probability atau marginal probability dimana
probabilitas A tidak tergantung kondisi B P(A|B) = adalah probabilitas kondisional A dari kondisi B P(B|A) = adalah probabilitas kondisional B dari kondisi A P(B) = adalah prior probability atau marginal probability dimana
probabilitas B tidak tergantung kondisi A
State of the Art
ITS Architecture & Lesson Sequence
VERB TENSE
Simple Present Simple Past Simple Future
I study English every day. Two years ago, I studied English in England.
If you are having problems, I will help you study English. I am going to study English next year.
Present Continuous Past Continuous Future Continuous
I am studying English now. I was studying English when you called yesterday.
I will be studying English when you arrive tonight. I am going to be studying English when you arrive tonight.
Present Perfect Past Perfect Future Perfect
I have studied English in several different countries.
I had studied a little English before I moved to the U.S.
I will have studied every tense by the time I finish this course. I am going to have studied every tense by the time I finish this course.
Present Perfect Continuous Past Perfect Continuous Future Perfect Continuous
I have been studying English for five years.
I had been studying English for five years before I moved to the U.S.
I will have been studying English for over two hours by the time you arrive. I am going to have been studying English for over two hours by the time you arrive.
Verb Tense Overview with Examples
Metodologi Penelitian
Markov Assumption Default Tingkat Kesulitan
Komponen Penyusun Kalimat
Tenses 16 Tenses VERB Type
CO
RP
US
Assesment dan Skor
Word
Sentence Composer
DB
Causal Bayesian Net
Level of Difficulties
Level
Tenses
Pre
sent
Pas
t
Futu
re
Kata Kerja (Verb)
Reg
ular
Irreg
ular
Word
Corpus P
opul
ar
Non
-Pop
ular
Rar
e
Type
Pos
itive
Neg
ativ
e
Inte
rroga
tive
HASIL SENTENCE COMPOSER
14 Juli 2010
Perhitungan Probabilitas
Level (L) dimana ini merupakan input awal untuk menentukan tingkat kesulitan dari kalimat yang akan dihasilkan oleh sentence composer. node compose (C)
Dengan menggunakan Causal Bayesian Network maka probabilitas Level (L) input dapat dihitung. Misalkan dengan memberikan target pada sentence composer untuk menghasilkan kalimat dengan tingkat “B-Beginner” dan diketahui bahwa Tenses, Word dan Verb juga ditingkat “B-Beginner”
Perhitungan Probabilitas
COMPOSE TENSES TYPE WORD VERB LEVEL * ∑ RESULT
BBBBBB 0,9 0,95 0,6667 0,9 0,9 0,1852 0,0855
0,1178
0,8979
BBIBBB 0,7 0,95 0,2667 0,9 0,9 0,1852 0,0266
BBABBB 0,6 0,95 0,0667 0,9 0,9 0,1852 0,0057
COMPOSE TENSES TYPE WORD VERB LEVEL * ∑
BBBBBB 0,9 0,95 0,6667 0,9 0,9 0,1852 0,0855
0,1312
BBBBBI 0,9 0,3 0,3137 0,3 0,3 0,6296 0,0048
BBBBBA 0,9 0,2 0,0667 0,2 0,2 0,1852 0,0001
BBIBBB 0,7 0,95 0,2667 0,9 0,9 0,1852 0,0266
BBIBBI 0,7 0,3 0,3725 0,3 0,3 0,6296 0,0044
BBIBBA 0,7 0,2 0,2667 0,2 0,2 0,1852 0,0003
BBABBB 0,6 0,95 0,0667 0,9 0,9 0,1852 0,0057
BBABBI 0,6 0,3 0,3137 0,3 0,3 0,6296 0,0032
BBABBA 0,6 0,2 0,6667 0,2 0,2 0,1852 0,0006
•Tenses(TE) •Type(TY) •Word(WO) •Verb(VE)
Pada setiap parameter secara umum dibedakan dalam tiga level: •Beginner (B) •Intermediate(I) •Advance(A)
Perhitungan Probabilitas
Autonomous Levelling
Emphasis Autonomous Levelling
Hasil Sentence Composer
KESIMPULAN
Dari hasil pengujian terhadap sistem ALESCO (Autonomous Leveling Sentence Composer) diperoleh tingkat kesalahan rata-rata sebesar 3,8086% untuk level Advance, 4,3035% untuk level Intermediate, dan 13,5178% untuk level
Beginner. Level Beginner mempunyai tingkat kesalahan yang cukup tinggi karena kesalahan sedikit dengan pembanding yang mempunyai probabilitas kecil akan mengakibatkan error yang besar.
JADWAL KEGIATAN
Kegiatan Bulan_Tahun 2010
Maret-2010 April-2010 Mei 2010 Juni 2010 Juli-2010
Desain Knowledge Base
Desain Rule Tenses into DBMS
Desain Causal Bayesian Network
Implementasi Sistem
Pengujian
Penyusunan Buku
Referensi
Acid, S., de Campos, L., Ferna´ndez-Luna, J., & Huete, J. (2003). An information retrieval model based on simple Bayesian networks. International Journal of Intelligent Systems, 18(2), 251–265.
Archana K Rane(2005). Intelligent Tutoring System For Marathi. Celce-Murcia, M., Z. Dornyei, S. Thurrell 1995. Communicative Competence: A Pedagogically
Motivated Model with Content Specifications. In Issues in Applied Linguistics, 6/2, pp 5-35. Kyoung-Min Kim, Jin-Hyuk Hong, Sung-Bae Cho (2007). A semantic Bayesian network
approach to retrieving information with intelligent conversational agents. Information Processing and Management 43 (2007) 225–236
M. Asfah Rahman(2005), Gambaran tingkat penguasaan materi Kurikulum bahasa inggris lulusan Sekolah menengah umum Di sulawesi selatan
Horvitz, E., Breese, J., Heckerman, D., Hovel, D., & Rommelse, K. (1998). The Lumiere project: Bayesian user modeling for inferring the goals and needs of software users. In Proc. of the 14th conf. uncertainty in artificial intelligence (pp. 256–265).
Yi-Ting Huanga, Yi-Lung Lina, Jie-Chi Yang, and Yu-Chieh Wu, fsf An English Dialogue Companion System for Supporting Conversation Practice
DEPARTEMEN PENDIDIKAN NASIONAL (2003) STANDAR KOMPETENSI Mata Pelajaran BAHASA INGGRIS SEKOLAH MENENGAH ATAS dan MADRASAH ALIYAH, Kurikulum 2004.
Surya Supeno,Msc(2009), Sistem tutor cerdas berbasis game (game-based intelligent tutoring
System) dengan fitur agen Percakapan berbahasa indonesia