Analisis Berbasis Kecerdasan Sumber Terbuka – Demografi yang berkembang pesat di banyak negara, siswa internasional telah muncul sebagai pasar yang sangat kompetitif karena negara-negara bersaing untuk menarik perhatian kelompok ini dan memajukan ekonomi nasional (Abbitt & Boone, 2021; Abrahams et al., 2019; Adascalitei et al., 2021) . Ini mengintegrasikan kebutuhan sistem pendidikan untuk menyediakan pembelajaran online campuran untuk semua kelompok siswa, termasuk siswa internasional dan siswa pertukaran di luar negeri di China (Addo-Atuah et al., 2014; Adikhanov & Sagyndykova, 2016 ). Perjumpaan ini menggabungkan informasi elektronik dengan materi baru yang baru muncul, pengalaman yang sangat digital dan bercampur dengan informasi tradisional, dan sejumlah besar visi mutakhir dan terkait lainnya (Ashour, 2020).
Analisis Berbasis Kecerdasan Sumber Terbuka
mitretek – Tidak diragukan lagi ada kesenjangan studi yang cukup besar mengenai pengalaman pembelajaran campuran online siswa internasional di Cina, dan kesenjangan ini dapat diteliti lebih lanjut. Risiko dan reputasi yang lebih besar di antara siswa asing, serta pengalaman Cina dengan pembelajaran campuran online, dapat dikaitkan dengan kesulitan struktural yang mendesak secara teknologi, ketergantungan pada konvensional, tetapi kemampuan mengajar dan skor bakat marjinal lebih awal (Avgerinou et al., 2014; Baig et al., 2019). Dari sudut pandang pasokan teknologi kelembagaan, permintaan siswa, peningkatan proses operasional, gaya instruksional, dan pandangan lainnya, masalah ini ditangani dengan berbagai cara. Sambil mempertimbangkan signifikansinya terhadap keseluruhan elemen yang berpengaruh, upaya akademik telah dilakukan untuk mengintegrasikan sudut pandang ini ke dalam kerangka manajemen pembelajaran campuran online
Studi ini telah mengumpulkan 5546 item tentang opini publik dari para mahasiswa internasional tersebut dan komentar mereka dibuat secara online dari 13 Januari hingga 13 Juli 2021, dipilih secara acak dari rentang setengah tahun. Dalam proses pendeteksian dan pengendalian keamanan efek pembelajaran campuran online, intelijen sumber terbuka (OSINT) sangat efisien dan terlihat mampu menentukan indikator risiko tertentu (Binda & Stofkova, 2017; Bolon et al., 2020) . Itu tetap penting dan merupakan prasyarat untuk manajemen dan pengambilan keputusan yang cermat (Qi, 2019, 2020b, 2022) . OSINT adalah cara yang efektif untuk menarik informasi dari kumpulan data publik yang cukup besar sejalan dengan tujuan yang ditentukan dengan menggunakan pola pembelajaran untuk pengenalan dan pemrosesan yang canggih(Bovill, 2020; Brahimi & Sarirete, 2015) . Administrator sekarang dapat memanfaatkan penambangan data dan pendekatan OSINT untuk membuat penilaian terperinci karena peningkatan pesat Internet dalam hal pengumpulan data, algoritme canggih, dan teknologi penghasil data
Penelitian teoretis telah mengidentifikasi salah satu metode yang paling efisien untuk memeriksa efek pembelajaran campuran online, terutama untuk koordinasi dan elaborasi antara beberapa komponen efek pembelajaran campuran, seperti dari sisi guru ke sisi siswa (Byrne et al., 2016) . Penelitian komprehensif yang menggunakan teori permainan untuk menganalisis efek pembelajaran campuran online siswa asing tidak mungkin dilakukan karena kompleksitas dan keterbukaan sistem dampak pembelajaran campuran online, yang telah dikendalikan dan secara bersamaan merespons pengaturan eksternal (Chatterjee et al., 2014 ; Cheng, 2022). Karena itu, menjaga stabilitas sistem untuk dampak pembelajaran campuran online dan melakukan penelitian tentang manajemen dan mengoptimalkan sistem untuk efek pembelajaran campuran online mengingat situasi saat ini adalah jalur akademik yang penting (Clausen et al., 2018; Coates & Dickinson, 2012; Connolly & Hall, 2021; Corovic et al., 2016) . Dengan menganalisis dampak melalui OSINT dan mengukur opini publik di antara kelompok siswa, mengingat poin paling mengkhawatirkan dalam bidang efek pembelajaran campuran online melalui OSINT, makalah ini mengkaji pengalaman pembelajaran campuran online siswa internasional yang belajar di China (Crosthwaite et al. , 2021; Davis & Fill, 2007). Sebagai landasan teoretis untuk pengelolaan siswa internasional, penelitian ini menyajikan rekomendasi strategi pengoptimalan dan respons untuk pengalaman pembelajaran campuran online bagi siswa Tionghoa perantauan.
Penambangan Data Sumber Terbuka
Algoritme NLP: Tingkat akurasi dan daya ingat model bahasa yang ada diperbarui melalui penggunaan kognisi pembelajaran yang diawasi sendiri dari model kecerdasan buatan seperti BERT, LSTM, dan CRF, serta melalui pembangunan set data pembelajaran mesin berskala besar dan pelabelan data sampel secara manual (Qi, 2020a; Qi et al., 2022; Zhao et al., 2021) . Akibatnya, pemrosesan data teks heterogen yang signifikan dan penambangan informasi risiko menjadi terlihat
Model identifikasi risiko: Dengan mengintegrasikan pembelajaran beberapa sub-model, model gabungan untuk identifikasi risiko ini tidak hanya memiliki efek klasifikasi akhir tetapi juga mengevaluasi berbagai aspek faktor pengaruh pembelajaran campuran online untuk siswa internasional (Zhao et al., 2021 ) . Model panas deret waktu, model bahasa Bert, model popularitas kata topik, model komunikasi, dll. adalah beberapa dari sub-model ini
Alat untuk penilaian: Berdasarkan sistem analitik opini publik online yang kami kembangkan sebelumnya dan sistem data besar pembelajaran campuran yang dibuat dan diuji oleh tim kami untuk perayap web, analisis teks semantik, algoritme, dan perhitungan model identifikasi faktor, hasil analitik divisualisasikan sebagai waktu tren seri dan bagan awan kata, bersama dengan objek lain
Kepadatan jaringan adalah seluruh jumlah informasi jaringan dalam domain tertentu yang tercermin dari tuntutan dan ekspresi entitas jaringan di dunia maya melalui saluran jaringan. Kepadatan bersih positif dan negatif dipisahkan; semakin tinggi volume negatif, semakin tinggi potensi risikonya. Bagian ini mendefinisikan kata kunci dari efek dan kontras pembelajaran campuran online siswa internasional, menggunakan OSINT, suara jaringan dari efek pembelajaran campuran online siswa internasional yang positif dan negatif. Volume negatif merupakan persentase total yang lebih besar daripada volume positif, dan tren ini dapat berlanjut di masa mendatang. Dari akhir Oktober hingga awal November 2022, terlihat jelas puncak pandangan negatif dari mahasiswa internasional terhadap blended learning online. Peningkatan tajam dalam opini negatif telah dicatat, menandakan pelepasan penuh dari emosi tidak menyenangkan yang muncul sebelumnya. Sebaliknya, pendapat positif siswa asing tentang pembelajaran campuran sebagian besar tetap stabil dari waktu ke waktu. Ini menunjukkan penurunan bertahap dalam persepsi yang menguntungkan dari lingkungan belajar campuran. Mengenai seluruh jumlah informasi, risiko keseluruhan rantai itu tinggi, dan elemen risikonya masih berpotensi ada.
Baca Juga; Selandia Baru Mengandalkan Penelitian Ilmiah untuk Kebijakan yang Baik
Studi ini menyarankan indeks POI, evaluasi menyeluruh dari penyebaran opini publik yang tidak menguntungkan lintas platform, karena secara universal terkait dengan kapasitas prediktabilitas risiko yang lebih besar. Indeks tanggal pemantauan maksimum lebih dari 400, dan indeks POI lebih dari 100. Hasilnya menunjukkan rasio penyebaran risiko rantai yang lebih cepat pada rentang yang jauh lebih luas, yang menunjukkan kemungkinan lebih tinggi mengalami masalah di masa depan. Hal ini disebabkan semakin seringnya munculnya peringatan oranye dan puncak indeks POI baru-baru ini.
Skema pengaturan memasukkan kata kunci “siswa internasional”, dengan kata yang paling sering adalah Mengajar, Sekolah, WeChat, Tim, Versi, Saluran, dan Bayangkan. Hal ini sesuai dengan beberapa masalah pragmatis yang diakui secara luas dari efek pembelajaran campuran online siswa internasional Cina. Prosedur ini menciptakan grafik awan kata untuk pengalaman pembelajaran campuran online bagi siswa asing
Kata yang paling sering digunakan adalah “China”, “Teaching”, “WeChat”, “systems”, dan “School”, seperti yang ditunjukkan pada Gambar 1 . Ini menunjukkan pengaruh signifikan strategi nasional, integrasi teknologi, dan metode pengajaran terhadap pembelajaran campuran di Cina. Semua pengaruh lingkungan makro yang dapat diamati mengubah hasil, dan kemajuan teknologi fundamental, data, terus menjadi penentu signifikan siapa yang akan menang dalam perjuangan untuk pedagogi masa depan terbaik.