UNI-PERSONALISASI
•
4 likes•3,091 views
Dokumen tersebut membahas proses reasoning dan pembuatan aturan semantik pada sistem personalisasi e-learning berbasis semantic web. Ontologi objek pembelajaran dan model mahasiswa dimodifikasi, lalu aturan semantik dikembangkan untuk merekomendasikan materi pembelajaran sesuai karakteristik pengguna. Proses reasoning menggunakan Jess rule engine untuk menghubungkan aturan semantik dengan ontologi.
![OUTLINE ,[object Object]](data:image/gif;base64,R0lGODlhAQABAIAAAAAAAP///yH5BAEAAAAALAAAAAABAAEAAAIBRAA7)
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Similar to UNI-PERSONALISASI
Similar to UNI-PERSONALISASI (20)
Recently uploaded
Recently uploaded (20)
UNI-PERSONALISASI
- 1. UNIVERSITAS INDONESIA PROSES REASONING DAN PEMBUATAN ATURAN SEMANTIK PADA SISTEM PERSONALISASI E-LEARNING BERBASIS SEMANTIC WEB Yuan Hanif Syaniardi 0606031603
- 8. PERMASALAHAN Sistem e-learning yang mampu mengakomodasi personalisasi pembelajaran Dalam penelitian sebelumnya telah dibuat sistem dalam sebuah portal Portal hanya menampilkan ontologi Diharapkan mampu mengakomodasi kebutuhan personalisasi sesuai dengan karakteristik yang dimiliki peserta ajar Sistem e-learning yang mampu melakukan reasoning
- 9. TUJUAN Melakukan uji coba proses reasoning dan mengembangkan aturan semantikyang dapat mengakomodasi kebutuhan pengguna aplikasi e-learning berbasis semantic web
- 11. penggabungan dan modifikasi secukupnya
- 12. penyajian data dalam format standar semantic web (RDF)
- 13. kinerja framework ataupun RDF Store tidak ditanganiRUANG LINGKUP
- 14. MANFAAT Mempersonalisasikan e-learning berbasis semantic web yang dapat mengakomodasi kebutuhan penggunanya melalui sebuah pengembangan aturan semantik yang bervariasi
- 15. TINJAUAN PUSTAKA source: Balancing Strategy & Design for an Effective User Experience on Higher Education Web Sites (slideshare)
- 17. Sistem
- 18. Materi
- 19. AktorE-LEARNING
- 20. PERSONALISASI E-LEARNING Model Huitt suatu kemampuan yang dimiliki oleh suatu sistem atau aplikasi untuk beradaptasi agar dapat memenuhi kebutuhan setiap penggunanya [Xing]
- 23. SEMANTIC WEB
- 24. ARSITEKTUR SEMANTIC WEB aturan dan sistem untuk melakukan reasoning pada ontologi bahasa yang mendukung pembuatan aturan semantik [Future and Emerging Technologies]
- 26. Instances
- 27. Properties
- 28. Constraints
- 29. Relationships
- 31. RDF (Resource Description Framework) standar untuk mendeskripsikan resource[W3C] resource adalah sesuatu yang ingin dibicarakan, sesuatu yang dapat diidentifikasi, misalnya orang atau benda mengatasi permasalahan XML yang hanya mampu mengakomodasi syntactic operability direpresentasikan dalam bentuk triple yang terdiri dari subject, predicate, object berbentuk graf yang terdiri dari nodes dan edges
- 33. digunakan untuk mendefinisikan kosakata yang dipakai pada RDF
- 34. mendeskripsikan konstruksi dari suatu tipe objek atau entitas (Classes), merelasikan satu tipe objek dengan yang lain (subClasses), properti yang mendeskripsikan objek (Properties), dan hubungan antara properti tersebut (subProperty)
- 36. lebih ekspresifdari RDF Schema
- 37. dapat direpresentasikan sebagai RDF triplesdan juga memiliki bentuk graph modelseperti RDFPendefinisian class
- 39. memiliki bagian body
- 40. memiliki bagian head?company rdf:type :MajorCompany body [defineUncle: (?p :hasChild ?c) (?p :hasSibling ?s) (?s rdf:type :MalePerson) (?c :hasUncle ?s)] head
- 41. ATURAN SEMANTIK bahasa yang digunakan untuk mendefinisikan aturan semantik adalah SWRL (Semantic Web Rule Language) [Karimi] SINTAKS SWRL
- 45. PEMAHAMAN PROSES BISNIS Pengetahuan awal Kecerdasan Nilai pretest IPK
- 46. ANALISIS TOOL Protege 3.4 untuk modifikasi ontologi
- 47. ANALISIS TOOL Eclipse(+Jena framework) untuk pemrograman
- 48. PENGEMBANGAN ONTOLOGI Contributor Student Asset Performance Course Lesson Shareable Content Object
- 50. PENDEFINISIAN ATURAN SEMANTIK easy IPK < 3 Course1basedOnIPK easy Pretest < 60 Course1basedOnPreTest medium 3 <= IPK < 3.5 Course2basedOnIPK medium 60 <= Pretest < 85 Course2basedOnPreTest hard IPK >= 3.5 Course3basedOnIPK hard Pretest >= 85 Course3basedOnPreTest nextCourse Dapat mengambil course selanjutnya
- 51. PROSES REASONINGDENGAN PELLET Pellet (http://clarkparsia.com/pellet) merupakan contoh OWL reasoner Tingkat reasoning hanya sampai pada level OWL reasoning Tidak membaca SWRL
- 52. PROSES REASONINGDENGAN JESS Jess (http://herzberg.ca.sandia.gov/jess) merupakan contoh rule engine Dihubungkan dengan SWRL rule engine bridge
- 54. HASIL MODIFIKASI ONTOLOGI OBJEK PEMBELAJARAN DAN MODEL MAHASISWA
- 55. CONTOH ATURAN SEMANTIK YANG DIHASILKAN Model aturan semantik yang dihasilkan bersifat umum pengajar dapat membuat variasi aturan semantik tambahan
- 56. HASIL REASONING ATURAN SEMANTIK
- 57. PENUTUP
- 58. Pembuatan aturan semantik dalam penelitian ini berperan untuk memperlihatkan penerapan proses reasoning pada sistem berbasis semantic web yang dibuat menggunakan Jena framework. Untuk melakukan proses reasoning, diperlukan sebuah SWRL Rule Engine Bridge, yaitu sebuah penghubung antara ontologi dan rule engine. Simpulan Aturan dibuat berdasarkan dua karakteristik peserta ajar yaitu kecerdasan dan pengetahuan awal.
- 59. Saran Dapat dilanjutkan dengan tahapan penelitian selanjutnya, yaitu integrasidengan RDF Storage menjadi sebuah learning management system. Aturan semantik yang telah dibuat dapat dikembangkan lebih lanjut dengan mempertimbangkan faktor gaya pembelajaran (learning style) dari peserta ajar. Sebaiknya perlu ditambahkan materi-materi yang bervariasi dan dapat menunjang beberapa tipe peserta ajar. source: adapting-to-change (slideshare)
- 61. TANYA JAWAB / DISKUSI source: 10 Innovative Ideas To Improve the Productivity of Your Web Site
- 66. ARSITEKTUR SEMANTIC WEB memungkinkan pengguna web untuk mempercayai suatu informasi pada web memungkinkan pengguna untuk menggunakan aplikasi semantic web model berbentuk grafyang merepresentasikan resources dan relasinya definisi kosakata yang digunakan pada RDF bahasa yang digunakan untuk menentukan dan mendeskripsikan resources tertentu bahasa yang mendukung pembuatan aturan semantik bahasa untuk melakukan query pada RDF, termasuk untuk RDFS dan OWL aturan sintaks yang berfungsi untuk menyajikan struktur data pada web aturan dan sistem untuk melakukan reasoning pada ontologi standar representasi karakter komputer standar untuk lokasi dan identitas suatu resource
Editor's Notes
- Jelasin 1 lagi kelemahan scorm mengenai sequencingnyaSource SCORM: SiciliaPenggunaan metadata sebagai komponen personalisasi pada model SCORM masih memiliki kelemahan, antara lain [31]: Kompleksitas dan semantik yang terbatas. Metadata biasanya disimpan sebagai teks sederhana, bisa sebagai istilah dari suatu kosakata baku maupun tidak. Metadata yang dibuat oleh seseorang bisa jadi tidak proporsional jumlahnya, menggunakan informasi yang terlalu luas atau bahkan terlalu sempit. Term yang dipilih untuk merepresentasikan suatu metadata pada sistem atau platform yang berbeda bisa memiliki perbedaan secara sintaksis, sehingga informasi yang diberikan tidak dipahami, walaupun sebenarnya makna semantik yang dimaksud sama. Dengan perspektif metadata, tidak mungkin bisa mendapatkan feedback dari pengguna untuk menentukan akurasi dari nilai metadata yang diasumsikan oleh pengembang sistem. Pun tidak bisa menemukan konteks penggunaan kata alternatif yang memungkinkan.
- Mendukung pendefinisian konsep hierarki, sehingga reasoner bisa mengenali adanya hubungan inherintance (is-a) antara dua buah konsep dengan mudah. Cara yang advance untuk mendeskripsikan properties, seperti: range dari sebuah property didefinisikan sebagai gabungan dari dua atau lebih class lainnya, definisi dari batasan kardinalitas, dan sebagainya. Kemampuan untuk mendefinisikan sinonim, sehingga kita bisa membuat ekuivalensi (atau pemetaan) antara dua (atau lebih) konsep kosakata yang berada pada domain yang sama. Sebagai contoh, kita dapat mendefinisikan pemetaan antara terminologi ALOCoM dan SCORM – misalnya, Content Fragment pada ALOCoM ekuivalen dengan Asset pada SCORM.
- berdasarkan prinsip open world assumption, artinya kita tidak dapat mengasumsikan sesuatu tidak ada sampai hal tersebut dinyatakan secara eksplisit tidak ada
- Pretest menurut HarsonoIPK menurut Fak Pertanian UNPAD
- + reasoner
- Objek pembelajaran ALOCoM (Abstract Learning Object Content Model)Model mahasiswa LOCO (Learning Object Context Ontologies)