OATutor: Sistem Tutor Adaptif Open-source dan Pustaka Konten Terkurasi untuk Penelitian Ilmu Pembelajaran

OATutor adalah sistem tutor adaptif open-source pertama yang berbasis prinsip Intelligent Tutoring System, dikembangkan selama tiga tahun dengan umpan balik dari kelas. Sistem ini mencakup soal aljabar setara tiga buku teks CC BY, knowledge tracing, pengujian A/B, dan dukungan LTI.

Z. Pardos; Matthew Tang; Ioannis Anastasopoulos; Shreya K. Sheel; E. Zhang· International Conference on Human Factors in Computing Systems· 2023· DOI 10.1145/3544548.3581574

Masalah inti

Meskipun prinsip tutor efektif telah mapan selama puluhan tahun, belum ada sistem tutor adaptif yang dikembangkan dan dibuka sumbernya untuk komunitas penelitian. Ketiadaan ini menghambat peneliti untuk mereplikasi studi pembelajaran adaptif serta memperluas atau bereksperimen dengan berbagai arah desain sistem tutor. Akibatnya, penelitian pembelajaran adaptif terutama dilakukan pada sejumlah kecil platform proprietary. Untuk mengatasi kesenjangan ini, penulis memperkenalkan OATutor (Open Adaptive Tutor), sistem tutor adaptif open-source pertama yang berbasis prinsip Intelligent Tutoring System (ITS). Sistem ini dikembangkan secara iteratif selama tiga tahun melalui uji lapangan di kelas, dengan menarik umpan balik dari siswa, guru, dan peneliti. Kode sumber berlisensi MIT mencakup soal aljabar setara tiga buku teks Creative Commons (CC BY), dengan dukungan tutor yang ditulis oleh proyek OATutor. Knowledge Tracing, kerangka pengujian A/B, dan dukungan LTI disertakan.

Inovasi

Pengembangan OATutor mengikuti proses desain iteratif selama tiga tahun, dengan memasukkan uji lapangan di lingkungan kelas nyata. Umpan balik dari siswa, guru, dan peneliti terus diintegrasikan untuk menyempurnakan sistem. Sistem ini dibangun di atas prinsip Intelligent Tutoring System, yang melibatkan pemodelan pengetahuan siswa, pemberian petunjuk dan umpan balik adaptif, serta pemilihan soal berdasarkan performa siswa. Rilis open-source mencakup pustaka konten terkurasi yang terdiri atas soal aljabar setara tiga buku teks CC BY, masing-masing disertai dukungan tutor yang ditulis oleh proyek OATutor. Fitur teknis utama meliputi Knowledge Tracing untuk memodelkan pembelajaran siswa, kerangka pengujian A/B untuk perbandingan eksperimental, dan dukungan LTI (Learning Tools Interoperability) untuk integrasi dengan sistem manajemen pembelajaran. Sistem ini dirilis di bawah lisensi MIT, yang memungkinkan penggunaan, modifikasi, dan distribusi secara bebas.

Pendahuluan

Meskipun prinsip tutor efektif telah mapan selama puluhan tahun, belum ada sistem tutor adaptif yang dikembangkan dan dibuka sumbernya untuk komunitas penelitian. Ketiadaan ini menghambat peneliti untuk mereplikasi studi pembelajaran adaptif serta memperluas atau bereksperimen dengan berbagai arah desain sistem tutor. Akibatnya, penelitian pembelajaran adaptif terutama dilakukan pada sejumlah kecil platform proprietary. Untuk mengatasi kesenjangan ini, penulis memperkenalkan OATutor (Open Adaptive Tutor), sistem tutor adaptif open-source pertama yang berbasis prinsip Intelligent Tutoring System (ITS). Sistem ini dikembangkan secara iteratif selama tiga tahun melalui uji lapangan di kelas, dengan menarik umpan balik dari siswa, guru, dan peneliti. Kode sumber berlisensi MIT mencakup soal aljabar setara tiga buku teks Creative Commons (CC BY), dengan dukungan tutor yang ditulis oleh proyek OATutor. Knowledge Tracing, kerangka pengujian A/B, dan dukungan LTI disertakan.

Mengapa penting

Pengenalan OATutor mengatasi kesenjangan kritis dalam penelitian pembelajaran adaptif: tidak adanya sistem tutor open-source yang dapat diperluas. Dengan menyediakan platform yang tersedia bebas dengan konten terkurasi, penulis bertujuan mendemokratisasi penelitian di bidang ini. Siklus pengembangan tiga tahun dengan uji kelas memastikan sistem ini berpijak pada konteks pendidikan dunia nyata. Penyertaan Knowledge Tracing memungkinkan peneliti mempelajari algoritma pemodelan siswa, sementara kerangka pengujian A/B memfasilitasi eksperimen terkontrol. Dukungan LTI memungkinkan integrasi yang mulus dengan infrastruktur pendidikan yang ada. Lisensi MIT dan lisensi konten CC BY mendorong adopsi dan kolaborasi yang luas. Pekerjaan ini berpotensi mempercepat inovasi dalam pembelajaran adaptif dengan memungkinkan komunitas peneliti yang lebih luas membangun di atas platform bersama, bukan terbatas pada sistem proprietary. Arah masa depan dapat mencakup perluasan pustaka konten ke domain lain dan penyempurnaan lebih lanjut algoritma adaptif berdasarkan penelitian yang berkelanjutan.

Siapa yang sebaiknya membaca

Pembaca Research Digest dan praktisi rumpun ini.

Membuka konten member…