B2G Cloud Intelligence — жогорку билим берүүдө Business-to-Government (B2G) маалымат системаларын, интеграцияланган маалыматтарды талдоону, саясаттагы боштуктарды аныктоону жана далилдерге негизделген сунуштарды иштеп чыгууну тажрыйбалык түрдө үйрөтүү үчүн иштелип чыккан жасалма интеллект колдогон, булутка негизделген симуляция жана чечимдерди колдоо платформасы. Subagyo жана кесиптештери платформаны Индонезиядагы Universitas Negeri Malang университетинде Management Information Systems сабагын окуган студенттер менен төрт жумалык бир топтуу pre-test–post-test пилоттук дизайнда баалашкан. Башында 72 студент катышып, маалыматтардын толук эместигинен улам 68 студенттин жыйынтыгы талданган. Жалпы окуу упайы 60,3төн 81,7ге жогорулап, орточо айырма 21,4 упай, орточо нормалдаштырылган өсүш 0,54 жана жалпы Cohen's dz эффект өлчөмү 2,49 деп билдирилген. Бирок көзөмөл тобу болбогондуктан, бул өсүштү платформаны колдонуудан гана келип чыккан себептик таасир катары чечмелөөгө болбойт.
Платформа алты негизги функцияны бирдиктүү B2G окуу агымына бириктирет: Helicopter View, Data Integration, Policy Insight, AI Consultant, Gap Analysis жана Policy Map. Студенттер адегенде сценарийдеги көрсөткүчтөрдү жана маалымат булактарын изилдеп, андан соң саясат маселелерин чечмелеп, AI колдогон альтернативаларды баалап, учурдагы жана максаттуу абалдардын ортосундагы боштуктарды аныктап, акырында далилдерге негизделген Policy Map түзүшөт.
Technology Acceptance Model негизиндеги колдонууга ыңгайлуулук сурамжылоосунда жалпы орточо көрсөткүч 4,22/5 болгон. Кабыл алынган пайдалуулук 4,31, колдонуу жеңилдиги 4,08, окууга катышуу 4,27 жана чечимдерди колдоо сапаты 4,22 болгон. Топ деңгээлиндеги Gap Analysis Report, Policy Map жана Project Reflection баалоосунун жалпы упайы 86,1/100 болгон.
Изилдөө платформа жогорку билим берүүдө негизги санариптик башкаруу, маалыматтарды интеграциялоо, саясатты талдоо жана далилдерге негизделген сунуштарды иштеп чыгуу компетенцияларына байланышкан оң pre/post өзгөрүүлөрдү көрсөтө аларына байланыштуу пилоттук далил берет. Бирок эмгек рыногуна даярдык, кесиптик көрсөткүч, мамлекеттик сектордун натыйжалуулугу же макроэкономикалык жыйынтыктар түздөн-түз өлчөнгөн эмес.
Изилдөөнүн негизги көйгөйү
Мамлекеттик сектор менен ишканалардын ортосундагы санариптик өз ара аракеттенүүлөр программалык интерфейсти колдонууну гана эмес, ар башка маалымат булактарын бириктирүүнү, мекемелер менен кызыкдар тараптардын ортосундагы мамилелерди түшүнүүнү, саясаттагы боштуктарды аныктоону жана далилдерге негизделген чечимдерди түзүүнү талап кылат. Булактын баштапкы позициясы — салттуу Management Information Systems окутуусу бул татаал мамилелерди көп учурда өзүнчө технологиялык өзгөчөлүктөр же жазма учурлар катары берери жана студенттердин интеграцияланган чечим кабыл алуу процессин тажрыйбадан өткөрүү мүмкүнчүлүгү чектелүү болуп калышы мүмкүн экендиги.
B2G контекстинде жетекчи системанын техникалык жактан кантип иштей турганын гана эмес, маалымат кайсы мекемеден келгенин, кайсы саясат маселесин билдирерин, кайсы акторлорго таасир этерин жана талдоонун жыйынтыгы кантип сунушқа айландырыларын да түшүнүшү керек. Ошондуктан изилдөө булутка негизделген симуляцияны адам капиталын жана негизги санариптик башкаруу компетенцияларын өнүктүрүү куралы катары жайгаштырат.
B2G Cloud Intelligence деген эмне?
B2G Cloud Intelligence — студенттерди B2G маалымат системасынын контекстинде маалыматтарды табуу, интеграциялоо, саясатты чечмелөө, AI колдогон альтернативаларды иштеп чыгуу, боштуктарды талдоо жана Policy Map түзүү баскычтарынан өткөргөн; акыркы чечим студент менен окутуучуда кала турган булутка негизделген билим берүү жана чечимдерди колдоо симуляциясы.
Business-to-Government контексти
Business-to-Government (B2G) — ишканалар менен мамлекеттик мекемелердин ортосундагы маалымат, кызмат, жөнгө салуу, маалыматтар жана чечим процесстерин камтыган өз ара аракеттенүү контексти. Булакта колдонулган окутуу сценарийлеринде мамлекеттик кызмат муктаждыктары, бизнеске тиешелүү маалыматтар, саясат көрсөткүчтөрү, колдонуучунун муктаждыктары жана кызыкдар тараптардын ролдору бирге каралат.
Студенттер системалык аналитик жана чечим кабыл алуучу ролуна коюлуп, туура техникалык өзгөчөлүктү гана тандоонун ордуна төмөнкү чынжырды түшүнүүгө аракет кылышат:
көйгөйдүн контексти → маалымат → кызыкдар тарап → саясаттагы боштук → альтернативдүү түшүндүрмө → сунуш.
Концептуалдык окуу алкагы
Булактын 1-сүрөтүндө B2G Cloud Intelligence системасынын концептуалдык түзүлүшү төрт негизги баскычта берилген.
- Кириштер: башкаруу багытындагы студенттер, Management Information Systems сабагы, B2G сценарийи жана мамлекеттик/бизнес маалыматтары.
- B2G Cloud Intelligence платформасы: Helicopter View, Data Integration, Policy Insight, AI Consultant, Gap Analysis жана Policy Map.
- Тажрыйбалык окуу процесси: изилдөө, көйгөйдү талдоо, топтук талкуу, чечим кабыл алуу жана рефлексия.
- Окуу жыйынтыктары: B2G маалымат системаларын түшүнүү, маалыматтарды талдоо, саясат боюнча сунуш иштеп чыгуу, биргелешкен көйгөй чечүү жана долбоордук рефлексия.
Бул түзүлүш платформаны мазмун гана сунуш кылган окууну башкаруу системасынан айырмалайт. Студенттин милдети берилген материалды окуудан көрө сценарий ичинде маалымат жана чечим чынжырын түзүү болуп саналат.
Алты негизги модуль
| Модуль | Илимий/билим берүүчү милдети |
|---|---|
| Helicopter View | B2G сценарийиндеги көрсөткүчтөрдү жана көйгөй контекстин макро деңгээлде көрүүгө мүмкүндүк берет. |
| Data Integration | Ар башка маалымат булактары менен көрсөткүчтөрдүн ортосундагы байланыштарды изилдөөнү колдойт. |
| Policy Insight | Саясат маселелерин жана тиешелүү көрсөткүчтөрдү системалуу чечмелөөнү колдойт. |
| AI Consultant | Альтернативдүү түшүндүрмөлөрдү, аналитикалык багыттарды жана алгачкы сунуш варианттарын берген багытталган чечимдерди колдоо компоненти. |
| Gap Analysis | Учурдагы шарттар менен күтүлгөн/максаттуу шарттардын ортосундагы айырмачылыктарды аныктоого жардам берет. |
| Policy Map | Маалыматты, акторду, көйгөйдү, боштукту жана сунуштарды түзүмдөлгөн, далилдерге негизделген чечим жыйынтыгына айлантат. |
AI Consultant студенттердин ордуна чечим кабыл алабы?
Жок. Булакта AI Consultant автономдуу чечим кабыл алуучу катары эмес, көйгөйдү түшүндүрүүнү жана альтернативдүү сунуштарды иштеп чыгууну колдогон scaffolding куралы катары берилген; студенттер AI жыйынтыгын Data Integration, Policy Insight жана Gap Analysis жыйынтыктары менен текшерүүгө, ал эми окутуучулар сунуштардын логикасын жана ырааттуулугун көзөмөлдөөгө тийиш.
Эмне үчүн адамдын көзөмөлү борбордук орунда?
Изилдөө AI жыйынтыктарын түздөн-түз акыркы жооп катары колдонууга уруксат берген дизайнды сунуштабайт. Студенттер AI Consultant сунуштарын учурдагы көрсөткүчтөр жана сценарий контексти менен салыштырышкан. Окутуучулар топтук талкуулар жана презентациялар учурунда сунуштардын тиешелүүлүгүн, логикасын жана ырааттуулугун баалашкан.
Бул дизайндын максаты — студент AIдан алынган сунушту пассивдүү көчүрүп албастан, анын маалыматтык жана саясаттык негизин суроого тийиш. Булак AIнын салымын өзгөчө изилдөөнү тездетүү жана когнитивдик scaffolding контекстинде талкуулайт.
Ошол эле учурда булак AI Consultant астында иштеген конкреттүү AI модели же чоң тил модели, версия, провайдер, API, prompt шаблону же inference конфигурациясы сыяктуу техникалык деталдарды билдирбейт. Ошондуктан AI компонентин программалык камсыздоо деңгээлинде дал ошондой кайра түзүү үчүн зарыл болгон бардык техникалык маалыматтар макалада жок.
Системанын архитектурасы
Булактын 2-сүрөтү платформаны катмарлуу архитектура катары көрсөтөт:
| Катмар | Булакта көрсөтүлгөн функциялар |
|---|---|
| User Layer | Студенттер, окутуучулар жана администраторлор |
| Interface Layer | Dashboard, Helicopter View, Policy Map Interface, Gap Analysis Interface |
| Core Service Layer | Simulation Engine, AI Consultant, Policy Insight Engine, Learning Activity Manager |
| Data Layer | B2G сценарий маалымат топтомдору, колдонуучу активдүүлүгүнүн жазуулары, саясат көрсөткүчтөрү жана студенттердин жыйынтыктары |
| Evaluation Layer | Pre-test/post-test, TAM/колдонууга ыңгайлуулук, рубрика менен упайлоо жана окуу аналитикасы |
| Learning Outcomes | B2G системасын түшүнүү, маалыматтарды талдоо, саясат сунушу жана долбоордук рефлексия |
Сүрөт платформа маалымат көрсөтүп турган жалгыз экран эмес, колдонуучунун өз ара аракеттенүүсүн, талдоо кызматтарын, маалымат катмарын жана баалоо процесстерин байланыштырган окуу системасы катары иштелип чыкканын көрсөтөт.
Изилдөө суроолору
Булак эки негизги изилдөө суроосун коёт. Биринчи суроо — B2G Cloud Intelligence жасалма интеллект колдогон, булутка негизделген симуляция катары санариптик экономикалык башкаруу мүмкүнчүлүгүн колдой тургандай кантип долбоорлонуп жана ишке ашырылганы. Экинчи суроо — платформаны колдонгондон кийин студенттердин санариптик көндүмдөрү, маалыматтарды интеграциялоо, саясатты талдоо жана далилдерге негизделген чечим кабыл алуу көрсөткүчтөрү канчалык өзгөргөнү.
Бул суроолордун экинчи бөлүгү “платформа студенттердин кесиптик көрсөткүчүн жакшыртабы?” деген суроо менен бирдей эмес. Изилдөө чыныгы мамлекеттик кызматкерлерде же эмгек рыногундагы адистерде жүргүзүлгөн эмес.
Изилдөөнүн Ыкмасы жана Жыйынтыктары
Изилдөө дизайны
Изилдөө баалоочу бир топтуу pre-test–post-test пилоттук дизайнды колдонгон. Ошол эле студенттердин симуляцияга чейинки жана кийинки упайлары салыштырылган. Көзөмөл тобу болбогондуктан, байкалган өзгөрүүлөр убакыт боюнча платформа менен байланыштуу; аларды платформа гана жараткан таасир катары аныктоого болбойт.
Катышуучулар
| Пункт | Маани |
|---|---|
| Баштапкы катышуучу | 72 студент |
| Талдоого алынган жарактуу маалымат | 68 студент |
| Чыгарылган | 4 студент; post-test же сурамжылоо аяктаган эмес |
| Класстардын саны | 4 |
| Изилдөө тобу | 12 топ |
| Топтун көлөмү | 5–6 студент |
| B2Gни буга чейин атайын окубаган | 49 студент |
| Негизги B2G билими бар | 19 студент |
Төрт жумалык жол-жобо
| Жума | Негизги иш-аракет |
|---|---|
| 1 | Платформага багыт берүү, B2G сценарийин түшүндүрүү, топ түзүү жана pre-test |
| 2 | Helicopter View жана Data Integration аркылуу көрсөткүчтөр менен маалымат байланыштарын изилдөө |
| 3 | Policy Insight, AI Consultant жана Gap Analysis аркылуу көйгөйдү чечмелөө жана альтернативдүү чечимдерди иштеп чыгуу |
| 4 | Policy Map жана Gap Analysis Report, топтук презентация, post-test жана TAM/колдонууга ыңгайлуулук сурамжылоосу |
Изилдөө төрт жума бою жумасына эки сессия түрүндө жүргүзүлгөн.
Pre-test жана post-test кайсы компетенцияларды өлчөдү?
Беш көрсөткүч колдонулган:
- B2G маалымат системасынын агымын түшүнүү,
- булутка негизделген системанын архитектурасын түшүнүү,
- маалыматтарды интеграциялоону талдоо,
- саясатты талдоо,
- системаны долбоорлоо жана чечим кабыл алуу.
Булак пункттардын мазмундук жарактуулугун башкаруу маалымат системалары, санариптик башкаруу жана билим берүүнү баалоо боюнча эксперттер карап чыкканын билдирет. Бирок эксперттердин саны, пункттардын саны жана өзүнчө сандык мазмундук жарактуулук коэффициенти берилген эмес.
Нормалдаштырылган өсүш
Булак окуудагы өзгөрүүнү чийки упай айырмасы менен катар нормалдаштырылган өсүш аркылуу да көрсөтөт:
\[ g = \frac{\text{post-test puanı}-\text{pre-test puanı}} {\text{maksimum puan}-\text{pre-test puanı}} \]
Булактын классификациясында \(g<0{,}30\) төмөн, \(0{,}30\leq g\leq0{,}70\) орто жана \(g>0{,}70\) жогорку өсүш болуп саналат. Изилдөөнүн жалпы орточо көрсөткүчү \(g=0{,}54\) болгондуктан, булак муну орто деңгээлдеги нормалдаштырылган өсүш катары классификациялайт.
Pre-test жана post-test орточо көрсөткүчтөрү
| Компетенция | Pre-test | Post-test | Өсүш |
|---|---|---|---|
| B2G маалымат системасынын агымын түшүнүү | 60,8 | 82,1 | +21,3 |
| Булутка негизделген системанын архитектурасы | 57,6 | 78,4 | +20,8 |
| Маалыматтарды интеграциялоону талдоо | 59,2 | 80,7 | +21,5 |
| Саясатты талдоо | 62,1 | 84,3 | +22,2 |
| Системаны долбоорлоо жана чечим кабыл алуу | 61,7 | 83,0 | +21,3 |
| Жалпы орточо | 60,3 | 81,7 | +21,4 |
Эң чоң чийки өсүш саясатты талдоо көрсөткүчүндө байкалган: 62,1ден 84,3кө, башкача айтканда 22,2 упай.
Статистикалык салыштыруу
| Көрсөткүч | Орточо айырма | Нормалдаштырылган өсүш | Тест | p | Cohen's dz | %95 GA |
|---|---|---|---|---|---|---|
| B2G маалымат системасынын агымы | 21,3 | 0,54 | t(67)=15,14 | <0,001 | 1,84 | [18,49; 24,11] |
| Булут системасынын архитектурасы | 20,8 | 0,49 | t(67)=13,83 | <0,001 | 1,68 | [17,80; 23,80] |
| Маалыматтарды интеграциялоону талдоо | 21,5 | 0,53 | t(67)=15,03 | <0,001 | 1,82 | [18,64; 24,36] |
| Саясатты талдоо | 22,2 | 0,59 | t(67)=16,35 | <0,001 | 1,98 | [19,49; 24,91] |
| Системаны долбоорлоо жана чечим кабыл алуу | 21,3 | 0,56 | t(67)=14,52 | <0,001 | 1,76 | [18,37; 24,23] |
| Жалпы упай | 21,4 | 0,54 | t(67)=20,52 | <0,001 | 2,49 | [19,32; 23,48] |
21,4 упайлык өсүш платформанын себептик таасирин далилдейби?
Жок. Pre-test менен post-test ортосундагы 21,4 упайлык айырма статистикалык жактан даана болгону менен, көзөмөл тобу болбогондуктан кадимки сабактын жүрүшү, кайталанма тест таасири, окутуучунун багыт берүүсү, топтук талкуу жана убакыт өткөн сайын темага көнүү сыяктуу альтернативдүү түшүндүрмөлөрдү жокко чыгарууга болбойт.
TAM негизиндеги колдонуучу кабылдоосу
| Өлчөм | Орточо | SS | Булактын 3-таблицадагы белгиси |
|---|---|---|---|
| Кабыл алынган пайдалуулук | 4,31 | 0,52 | Excellent |
| Кабыл алынган колдонуу жеңилдиги | 4,08 | 0,61 | Good |
| Окууга катышуу | 4,27 | 0,55 | Excellent |
| Чечимдерди колдоо сапаты | 4,22 | 0,58 | Excellent |
| Жалпы орточо | 4,22 | 0,57 | Excellent |
Булак ичиндеги категориялык эскертүү: ыкма бөлүмү 1–5 Likert шкаласында 3,41–4,20 аралыгын “good”, 4,21–5,00 аралыгын “very good” деп аныктайт. Ошого карабастан, булактын 3-таблицасында 4,21ден жогору маанилер “Excellent” деп белгиленген. Verianla сандык жыйынтыктарды өзгөртпөй сактап, эки башка сөздүк категория системасын унчукпай бириктирбейт.
Булак TAM шкаласы үчүн Cronbach's alpha менен ички ырааттуулук талдоосу жүргүзүлгөнүн билдирет; бирок жыйынтыктар бөлүмүндө сандык Cronbach альфа коэффициенти берилген эмес. Ошондуктан шкаланын ички ырааттуулугу боюнча жаңы маани чыгарууга болбойт.
Долбоор жыйынтыктарын топ деңгээлинде баалоо
| Баалоо өлчөмү | Орточо упай | Булактын чечмелөөсү |
|---|---|---|
| Көйгөйдү аныктоо | 12,6/15 | Good |
| B2G процесстерин картага түшүрүү | 13,0/15 | Good |
| Маалыматты табуу жана интеграциялоо | 13,0/15 | Good |
| AI Consultant жана Policy Insight колдонуу | 13,2/15 | Good |
| Gap Analysis сапаты | 12,8/15 | Good |
| Policy Map жана сунуш | 13,4/15 | Excellent |
| Рефлексия жана командалык иш | 8,1/10 | Good |
| Жалпы | 86,1/100 | Good |
Бул упайлар 68 студенттин жеке рубрика упайларынын орточосу эмес. Policy Map, Gap Analysis Report жана Project Reflection 12 жумушчу топ тарабынан биргелешип даярдалгандыктан, жыйынтыктар топ деңгээлиндеги аналитикалык жыйынтыктын сапаты катары чечмелениши керек.
Эмне үчүн платформаны колдонуу жазуулары жыйынтык моделине киргизилген эмес?
Helicopter View, Data Integration, AI Consultant, Policy Insight, Gap Analysis жана Policy Map өз ара аракеттенүү жазуулары колдоочу маалымат катары сакталган; бирок булак бул логдорду толук кандуу сандык маалымат топтому катары талдаган эмес. Ошондуктан “AI Consultantты көбүрөөк колдонгон студенттер көбүрөөк өнүккөн” же белгилүү бир модуль упайдын өсүшүн түшүндүргөн деген сыяктуу байланыш жыйынтыктарын бул изилдөөдөн чыгарууга болбойт.
Изилдөө колдогон жыйынтыктар
- Төрт жумалык колдонмодон кийин ошол эле студенттердин бардык беш негизги компетенция тармагындагы орточо упайлары өскөн.
- Жалпы pre/post айырмасы 21,4 упай болуп, жупташтырылган салыштырууда p<0,001 деп билдирилген.
- Жалпы Cohen's dz эффект өлчөмү булакта 2,49 деп берилген.
- Орточо нормалдаштырылган өсүш 0,54 болуп, булактын орто өсүш категориясына кирет.
- Студенттер платформанын пайдалуулук, катышуу жана чечимдерди колдоо өлчөмдөрүн жогору баалашкан.
- 12 студенттик топ орточо 86,1/100 деңгээлинде Gap Analysis Report, Policy Map жана Project Reflection жыйынтыктарын чыгарган.
- AI Consultant акыркы чечим кабыл алуучу эмес, адамдын текшерүүсүнө көз каранды колдоочу курал катары колдонулган.
Изилдөө колдобогон жыйынтыктар
- B2G Cloud Intelligence упай өсүшүнүн жалгыз себеби экенин далилдебейт.
- Көзөмөл тобу жок болгондуктан, платформа салттуу окутуудан жакшы экенин көрсөтпөйт.
- Студенттер чыныгы мамлекеттик мекемелерде жакшыраак иштей турганын далилдебейт.
- Эмгек рыногуна даярдык же жумуш табуу ыктымалдыгынын өсүшүн өлчөбөйт.
- Мамлекеттик сектордун натыйжалуулугун, институционалдык көрсөткүчтөрдү же макроэкономикалык жыйынтыктарды өлчөбөйт.
- Бир университеттеги жыйынтыктар башка өлкөлөр, университеттер же кесиптик топтор үчүн да ошондой болорун көрсөтпөйт.
- AI Consultantтын окуудагы өсүшкө өз алдынча кошкон салымын бөлүп көрсөтпөйт.
Негизги чектөөлөр
- Көзөмөл тобу жок. Бир топтуу дизайн себептүүлүктү орното албайт.
- Өлчөнгөн түзүлүш негизги деңгээлде. Кызыкдар тараптардын сүйлөшүүлөрү, саясий ишке ашыруучулук, чыныгы саясатты ишке ашыруу мүмкүнчүлүгү жана мамлекеттик сектордун көрсөткүчү өлчөнгөн эмес.
- Бир университет жана бир сабак контексти. Жалпылоо мүмкүнчүлүгү чектелүү.
- Катышуучулар студенттер. Алар мамлекеттик кызматкерлер же эмгек рыногундагы адистер эмес.
- Платформа логдору инференциалдык талдоого киргизилген эмес. Модулду колдонуу жыштыгы менен окуу жыйынтыгынын ортосундагы байланыш белгисиз.
- AI техникалык деталдары жетишсиз. AI Consultantтын модель провайдери, модель версиясы жана техникалык inference конфигурациясы булакта берилген эмес.
- Шкаланын ишенимдүүлүк коэффициенти жетишсиз. Cronbach альфа ыкма катары көрсөтүлгөнү менен, сандык жыйынтык билдирилген эмес.
Келечектеги изилдөөлөр
Булак күчтүүрөөк далил үчүн көзөмөл тобу бар, күтүү тизмеси бар, дал келтирилген салыштырма же квази-эксперименттик дизайндарды сунуштайт. Ошондой эле ар түрдүү университеттерде, мамлекеттик кызматкерлерде, жергиликтүү башкаруу персоналында жана MSME саясат фасилитаторлору сыяктуу ар түрдүү катышуучу топтордо баалоо жүргүзүү керектиги белгиленет.
Платформаны колдонуу журналдарын келечекте сандык форматка өткөрүү да сунушталат. Потенциалдуу көрсөткүчтөргө функцияларга кирүү жыштыгы, колдонуу убактысы, AI Consultant суроо саны, Policy Map түзөтүүлөрүнүн саны жана бул жүрүм-турумдардын баалоо жыйынтыктары менен байланышы кирет.
Чыныгы мамлекеттик маалыматтар, MSME саясат маалыматтары жана жергиликтүү башкаруунун чечим учурлары менен жүргүзүлгөн изилдөөлөр платформанын билим берүү чөйрөсүнөн тышкаркы практикалык баалуулугун түздөн-түз баалай алат.
Булак жана Ыкма Жөнүндө Эскертүү
Түпнуска аталышы: AI-Assisted B2G Cloud Intelligence Simulation for Foundational Digital Governance Competencies: A Pilot Study in Higher Education
Авторлор: Subagyo; Andi Basuki; I Nyoman Suputra; Ari Gunawan; Afis Baghiz Syafruddin
Жооптуу автор: Andi Basuki
Мекеме 1: Department of Management, Universitas Negeri Malang, Malang 65145, Indonesia
Мекеме 2: Department of Management, Universitas Gadjah Mada, Yogyakarta 55281, Indonesia
Журнал: Economies
Басмакана: MDPI
Жарыя түрү: Рецензияланган изилдөө макаласы; жогорку билим берүүнү баалоо боюнча пилоттук изилдөө
Библиографиялык жазуу: Economies, 2026, 14(9), 362
DOI: 10.3390/economies14090362
Жөнөтүлгөн: 8 Июль 2026
Түзөтүү: 7 Август 2026
Кабыл алынган: 19 Август 2026
Жарыяланган: 1 Сентябрь 2026
Лицензия: Creative Commons Attribution (CC BY).
Изилдөө дизайны: Бир топтуу, pre-test–post-test, төрт жумалык баалоо пилоту.
Үлгү: 72 баштапкы катышуучу; 68 жарактуу жеке pre/post жана сурамжылоо жазуусу; 12 топ деңгээлиндеги долбоордук жыйынтык.
Платформанын негизги модулдары: Helicopter View, Data Integration, Policy Insight, AI Consultant, Gap Analysis жана Policy Map.
Негизги баалоо куралдары: беш көрсөткүчтүү pre-test/post-test, TAM негизиндеги 1–5 Likert колдонууга ыңгайлуулук сурамжылоосу жана 100 упайлык топтук долбоор рубрикасы.
Статистика: сүрөттөөчү орточо көрсөткүчтөр, чийки өсүш, нормалдаштырылган өсүш, жупташтырылган үлгү салыштыруусу, %95 ишеним аралыктары жана Cohen's dz эффект өлчөмү. Булак нормалдуулук шарты аткарылбаганда Wilcoxon signed-rank тести колдонуларын билдирет; негизги билдирилген жыйынтыктар t статистикасы менен берилген.
Каржылоо: Institute for Research and Community Service, State University of Malang; KBK Topic Competitive scheme, contract No. 24.2.121/UN32.14.1/LT/2025.
Этика: Universitas Negeri Malang тарабынан этикалык бошотуу; No. 19.06.11/UN32.14.2.8/LT/2026. Булак документинде бошотуу 19 Июнь 2025те берилгени жана 19 Июнь 2026га чейин жарактуу болгону айтылат.
Маалымдалган макулдук: Бардык катышуучулардан алынган.
Маалыматтардын жеткиликтүүлүгү: Маалыматтар суроо-талап боюнча берилери айтылган.
Кызыкчылыктардын кагылышы: Авторлор кызыкчылыктардын кагылышын билдиришкен эмес.
Авторлордун салымы: Концептуалдаштыруу Subagyo жана I Nyoman Suputra; методология Andi Basuki жана Subagyo; программалык камсыздоо Afis Baghiz Syafruddin; валидация Ari Gunawan жана I Nyoman Suputra; формалдуу талдоо Andi Basuki жана Subagyo; изилдөө Subagyo; ресурстар Afis Baghiz Syafruddin; маалыматтарды куроо Ari Gunawan; алгачкы долбоор Subagyo, Andi Basuki жана I Nyoman Suputra; карап чыгуу/редакциялоо Afis Baghiz Syafruddin, Andi Basuki жана Ari Gunawan; визуалдаштыруу Afis Baghiz Syafruddin жана Ari Gunawan; көзөмөл Subagyo; долбоорду башкаруу I Nyoman Suputra; каржылоону алуу Subagyo тарабынан жүргүзүлгөн.
Булак ичиндеги TAM категориялык эскертүүсү: ыкма бөлүмү 4,21–5,00 аралыгын “very good” деп аныктаса, 3-таблица ошол аралыктын айрым упайларын “Excellent” деп белгилейт.
Ишенимдүүлүктү билдирүү чеги: Cronbach's alpha менен ички ырааттуулук талдоосу жүргүзүлгөнү айтылат; бирок макалада сандык alpha мааниси берилген эмес.
AI кайра өндүрүлүү чеги: AI Consultantтын педагогикалык жана функционалдык ролу сүрөттөлгөн; бирок колдонулган AI модели, провайдер, модель версиясы, API/prompt конфигурациясы жана деталдуу булут инфраструктурасы билдирилген эмес.
Негизги чечмелөө чеги: Изилдөө негизги санариптик башкаруу компетенцияларындагы байкалган pre/post өзгөрүүлөр боюнча пилоттук далил берет; эмгек рыногу, кесиптик көрсөткүч, мамлекеттик сектордун натыйжалуулугу же макроэкономикалык таасир боюнча себептик далил эмес.
Визуалды кайра чийүү: Булактын 1-сүрөтүндөгү концептуалдык окуу агымы жана 2-сүрөтүндөгү катмарлуу системалык архитектура Verianla үчүн семантикалык жактан эквиваленттүү, бирок графикалык жактан оригиналдуу схемалар катары кайра түзүлүшү мүмкүн. 3–6-сүрөттөрдөгү платформа экрандары жана студенттик жыйынтыктар түз экран көчүрмөсүнүн ордуна негизги маалымат агымын көрсөткөн түшүндүрмө схемалар катары кайра иштелип чыгышы керек.
Verianla Live ылайыктуулугу: Live Architecture, Live Process, Live Compare жана Live Data үчүн жогорку деңгээлде ылайыктуу. Колдонуучу параметрлеринен жаңы окуу эффектин чыгарган интерактивдүү симуляция булак тарабынан колдоого алынбайт.
Пикир калтырыңыз
E-mail дарегиңиз жарыяланбайт. Милдеттүү талаалар * менен белгиленген