出版社：Indonesia Association of Computational Linguistics (INACL)
摘要：Banyak metode blended learning telah diterapkan pada sistem pembelajaran modern. Salah satu metode pembelajaran yang paling banyak digunakan adalah collaborative learning yang menekankan pembelajaran melalui diskusi kelompok. Data yang direkam selama sesi collaborative learning dapat bermanfaat untuk meningkatkan interaksi antar anggota kelas, termasuk dosen. Dengan menggunakan analisis sentimen, pembahasan dapat dikategorikan apakah pembahasan berjalan dengan baik atau tidak, juga dapat diketahui anggota kelompok mana yang paling aktif dan berdampak positif terhadap pekerjaan yang diberikan kepada kelompok. Pada penelitian ini, pendekatan analisis sentimen akan dipadukan dengan Epistemic Network Analysis (ENA) sehingga dapat melihat gambaran grafis kontribusi masing-masing anggota dalam diskusi kelompok. Hasil percobaan kami menunjukkan bahwa ENA menampilkan wawasan yang lebih baik tentang aktivitas siswa daripada hanya menggunakan analisis sentimen.
其他摘要：A lot of blended learning methods have been applied to modern learning system. One of the most practiced learning methods is collaborative learning, which combines and extends group discussion. The recorded data during a collaborative learning session could be useful to enhanced the interaction among the class members, including the lecturer. Using sentiment analysis, the discussion can be categorized whether the discussion goes well or not, it can also be seen which group members are most active and have a positive impact on the work assigned to the group. In this preliminary research, sentiment analysis approach will be combined with Epistemic Network Analysis (ENA) so that it can see a graphical depiction of each member's contribution in a group discussion. Our experimental results show that ENA displays better insights of the students activities than only using the sentiment analysis.
关键词：analisis jaringan epistemik;analisis sentimen;pembelajaran kolaboratif;klasifikasi random forest;penambangan teks
