Hasil Pencarian  ::  Simpan CSV :: Kembali

"Skripsi ini membahas mengenai pemanfaatan permainan dalam menciptakan belajar sepanjang hayat di Perpustakaan Goethe-Institut Jakarta. Koleksi permainan merupakan koleksi yang masih jarang di Perpustakaan terutama di wilayah Indonesia, karena koleksi permainan banyak dikaitkan dengan dampak negatif yang ada pada permainan. Tentunya selain dampak negatif, terdapat juga dampak positif dari permainan. Pada beberapa permainan dengan genre tertentu, memberikan tantangan yang mengharuskan pengguna permainan berpikir kritis dan perlu mengatur strategi yang benar agar ia bisa memenangkan permainan. Penilaian perilaku pemustaka sebagai seorang yang termasuk dalam kriteria belajar sepanjang hayat, menggunakan konsep profil seorang lifelong learner yang dicetuskan oleh Candy dan kawan-kawan. Penelitian ini menggunakan metode kuantitatif.

---

This thesis discussed about the utilizing games to create lifelong learning at Goethe Institut Library Jakarta. Game collections are seldom in the library, mostly in Indonesia. That rsquo s because the negative effects from the games. Besides negative effects, it must be also positive effects from games. There are games in a certain genre, which are challenging to the player, so they have to think critically. They also have to plan and manage their strategy so they could win the game. To assest their behavior and to know if they rsquo re a lifelong learner, I rsquo m using a concept from Candy et.al about profile of lifelong learner. This research uses quantitative methods."

"Penelitian pada skripsi ini berupa evaluasi penggunaan koleksi audovisual yaitu koleksi kaset audio dan kaset video non rujukan di perpustakaan Goethe-Institut, Jakarta, Dari penelitian ini diharapkan penulis dapat mengetahui populasi koleksi audiovisual non rujukan yang dimiliki perpustakaan tersebut hingga tahun 1996. Tujuan kedua dari skripsi ini adalah agar penulis dapat mengetahui penggunaan koleksi audiovisual, berdasarkan frekuensi peminjaman, subyek dan sub-subyek serta tahun terbit dan penerbit dari koleksi audiovisual untuk setiap jenis bahan. Selanjutnya tujuan ketiga dari penelitian ini adalah untuk mengetahui hambatan yang dialami perpustakaan dalam pelayanan koleksi audiovisual.Metode pengumpulan data yang dilakukan adalah analisa catatan sirkulasi yaitu dengan meneliti catatan sirkulasi koleksi audiovisual yang disimpan oleh perpustakaan serta wawancara kepada staf perpustakaan. Penggunaan metode pengumpulan data dengan analisa catatan sirkulasi dalam evaluasi pemanfaatan koleksi memiliki kelebihan dibandingkan dengan metode lain yaitu kemudahan pengaturan data dalam kategori yang diinginkan peneliti, kemudahan untuk menghitung data, informasi yang didapatkan obyektif serta memberikan kemudahan dalam lamanya penelitian serta jumlah sampel. Wawancara diperlukan untuk mendapatkan data pendukung yang diperlukan dalam penelitian.Berdasarkan penelitian yang dilakukan terhadap koleksi audiovisual yang dipinjam selama kurun waktu 1993 hingga 1994 dapat diketahui persentase populasi kaset audio adalah 48,36% dan kaset video adalah 51,64% sedangkan frekuensi peminjaman kaset audio adalah 78,92% dan dapat disimpulkan hampir seluruh koleksi kaset audio telah dimanfaatkan oleh pemakai. Hambatan yang dihadapi oleh perpustakaan dalam pelayanan koleksi audiovisual adalah kurangnya staf perpustakaan yang memiliki latar belakang pendidikan perpustakaan, sehingga menimbulkan masalah dalam pengawasan masalah-masalah yang timbul dari bahan audiovisual serta anggaran untuk bahan audiovisual yang kurang memadai. Salah satu masalah yang timbul dari kurangnya staf perpustakaan yang memiliki latar belakang pendidikan perpustakaan adalah belum dilakukannya stock opname terhadap koleksi audiovisual."

"Perkembangan pesat teknologi telah memberikan akses kepada masyarakat untuk mengemukakan opini dan evaluasi pribadi di media sosial dan berbagai penjuru dunia digital. Hal ini menjadi pemicu berkembangnya ilmu analisis sentimen atau sering disebut juga opinion mining yang merupakan pengaplikasian dari ilmu machine learning. Umumnya, metode machine learning mempelajari satu domain untuk menghasilkan suatu model, tetapi dengan pengembangan lanjut dihasilkan lifelong learning dimana pembelajaran model berlangsung secara kontinu menggunakan berbagai source domain. Pada tahun 2022, Osmardifa melakukan penelitan mengenai perbandingan kinerja model Bidirectional Encoding Representation from Transformers (BERT) terhadap kinerja model Convolutional Neural Network (CNN) dan model Long Short-Term Memory (LSTM) untuk lifelong learning. Namun, dari perbandingan kinerja tersebut hanya menggunakan satu kombinasi urutan domain dari total 120 kombinasi dari urutan 5 source domain. Dalam skripsi ini, kombinasi semua kombinasi urutan source domain menggunakan dataset penelitian Osmardifa disimulasikan untuk mengukur kinerja model menggunakan urutan pembelajaran yang berbeda dari simulasi yang dijalankan Osmardifa. Hasil simulasi urutan source domain lainnya menggunakan metode BERT menunjukkan banyak kombinasi urutan source domain yang menghasilkan kinerja lebih baik dibandingkan penelitian sebelumnya. Didapat bahwa urutan pembelajaran Capres – Jenius – Shopback – Ecom- Grab menghasilkan akurasi tertinggi 82,49% untuk retain of knowledge bagi source domain yang menggunakan dataset Capres sebagai Source Domain 1 dan urutan Capres – Jenius – Grab – Ecom – Shopback menghasilkan akurasi tertinggi 91,32% untuk transfer of knowledge. Hasil ini menunjukkan kenaikan sebesar 1,53% dan 1,72% dibandingkan simulasi awal yang dilakukan oleh Osmardifa. Analisis lanjut dilaksanakan untuk melihat apakah ada pola atau alasan yang dapat menjelaskan perbedaan kinerja pada model ketika urutan source domain digantikan akan tetapi tidak ditemukan pola atau atau alasan tersebut tidak ditemukan pada penelitian.

---

Technological advancements have given the public more of an opportunity to share opinions and personal evaluations within public spaces through social media and other domains on the internet.This phenomenon sparked an interest to develop a field of study under machine learning called opinion mining which specializes in analyzing sentiments found within texts. Generally, machine learning models have one domain or dataset which is used to develop the model, however with further developments a lifelong learning was developed which aims to develop models through continual learning with multiple domains or datasets. In 2022, Osmardifa underwent a study to compare the results of the Bidirectional Encoding Representations from Transfomers (BERT) model with the Convolutional Neural Network (CNN) model and the Long Short-Term Memory (LSTM) model when all of the above are used for lifelong learning. However, the comparison that was used within the study only used one combination of the sequence of source domains available using 5 source domains when there are in fact 120 possible sequences of source domains when using 5 source domains. Therefore, this study aims to further analyze the accuracy of the model in Osmardifa’s research when tested and trained using the other 120 possible learning orders of the model. Further simulations on the previously unused sequences using the BERT model showed better results than the sequence of source domains that was used in previous studies. The Capres – Jenius – Shopback – Ecom- Grab sequence showed the best resulting accuracy for the retain of knowledge tests which used the Capres dataset as the first source domain (Source Domain 1), said sequence of source domains had a final accuracy of 82.49% which is a 1.53% increase compared to previous results. The transfer of knowledge tests also showed that the Capres – Jenius – Grab – Ecom – Shopback sequence gave the best overall results with a final accuracy of 91.32% which is an increase of 1.72% compared to the previous study. Further analysis on the results of the simulations were done to check whether or not there was an underlying pattern or reason for this difference in accuracy, however no conclusive pattern or reasons were found."

"Kemajuan teknologi memicu pertumbuhan industri teknologi dan mendorong masyarakat untuk menggunakan smartphone, terutama untuk berkomunikasi di media sosial. Media sosial merupakan tempat yang efektif untuk mencari berbagai informasi. Oleh karena itu, media sosial menyimpan banyak data, terutama data tekstual. Data tersebut muncul dari para pengguna yang jumlahnya meningkat pesat. Data tekstual bisa digunakan untuk analisis sentimen. Skripsi ini membahas analisis sentimen untuk melihat kecenderungan suatu informasi dari penulisnya. Analisis sentimen mengklasifikasikan data tekstual menjadi kelas sentimen positif dan negatif. CNN merupakan salah satu algoritma deep learning yang dapat mengklasifikasi data tekstual. Model dari algoritma CNN menunjukkan hasil yang cukup baik dalam mengkalsifikasi permasalahan analisis sentimen dengan bantuan lifelong learning. Lifelong learning merupakan machine learning yang menyerupai proses belajar pada otak manusia. Proses yang dijalankan yaitu dengan memanfaatkan hasil pembelajaran dari masa lalu untuk membantu pembelajaran pada masa depan. 4 dataset dengan domain yang berbeda, dijalankan menggunakan model CNN pada proses Lifelong learning dan menghasilkan akurasi yang meningkat, seiring dengan penambahan dataset pada proses training.

---

Technological advances are fueling the growth of the technology industry and encouraging people to use smartphones, especially for surfing on social media. Social media is an effective tool to find information. Therefore, social media stores a lot of data, especially textual data. The data came from users whose numbers had increased rapidly. Textual data can be used for sentiment analysis. Sentiment analysis is conducted in this study to obtain the tendency of the authors about an article. Sentiment analysis classifies textual data into a class of positive and negative sentiments. CNN is one of the deep learning algorithms that can classify textual data into positive, negative and natural classes. The model of the CNN algorithm shows good results in classifying the problem of sentiment analysis with the help of lifelong learning. Lifelong learning is a machine learning that resembles the learning process in the human brain. The process that is carried out is by utilizing learning outcomes from the past to help learning in the future. 4 datasets with different domains had ran using the CNN model in the Lifelong learning process, and produced increased accuracy along with the addition of datasets in the training process."

"With a globally-aging workforce, organizations are examining adult learning theory and how it is applied to employee development. This book addresses individual learning competencies, organizational learning climate, and technology-related issues as they affect the adult learning process. "

"The second edition of the International Handbook of Lifelong Learning is extensive, innovative, and international in scope, remit and vision, inviting its readers to engage in a critical re-appraisal of the theme of “lifelong learning”. It is a thorough-going, rigorous and scholarly work, with profound and wide-ranging implications for the future of educating institutions and agencies of all kinds in the conception, planning and delivery of lifelong learning initiatives. Lifelong learning requires a wholly new philosophy of learning, education and training, one that aims to facilitate a coherent set of links and pathways between work, school and education, and recognises the necessity for government to give incentives to industry and their employees so they can truly “invest” in lifelong learning. It is also a concept that is premised on the understanding of a learning society in which everyone, independent of race, creed or gender, is entitled to quality learning that is truly excellent.This book recognises the need for profound changes in education and for goals that are critically important to education, economic advancement, and social involvement. To those concerned about the future of our society, our economy and educational provision, this book provides a richly illuminating basis for powerful debate. Drawing extensively on policy analyses, conceptual thinking and examples of informed and world-standard practice in lifelong learning endeavours in the field, both editors and authors seek to focus readers' attention on the many issues and decisions that must be addressed if lifelong learning is to become a reality for us all. "

"As concern grows over the relevance of a master?s degree to the professional work of librarianship, more and more schools will be looking to incorporate service learning into the student experience. Roy brings together authors from the top-tier schools to outline their programs and surrounding efforts andProvides examples of how to incorporate service learning into library and information science educationGives an overview of the history of service-learningOutlines the student, faculty, and field supervisor rolesService Learning serves as the rare educational resource that will tie professional and formalized education together."