https://ptsldigital.ukm.my/jspui/handle/123456789/388939 2026-04-22T22:58:03Z 2026-04-22T22:58:03Z Elly Johana Johan (P61095) https://ptsldigital.ukm.my/jspui/handle/123456789/773296 2026-02-26T00:26:48Z 2021-11-18T00:00:00Z

Title: Rangka kerja reka bentuk tugasan makmal bahasa pengaturcaraan berorientasi objek berasaskan teknologi persuasive Authors: Elly Johana Johan (P61095) Abstract: Satu kaedah untuk menilai, kefahaman pelajar dalam pembelajaran pengaturcaraan berorientasi objek (OOP) adalah melalui tugasan pengaturcaraan yang biasanya dijalankan semasa sesi makmal. Walaupun banyak contoh dan latihan dibincangkan semasa kuliah, pelajar masih mempunyai masalah untuk menulis kod atur cara secara individu. Secara tradisional, tugasan makmal OOP yang diberikan kepada pelajar adalah dalam bentuk huraian berasaskan masalah. Masalah biasanya dihuraikan seperti dalam buku teks tanpa sebarang bimbingan untuk membantu pelajar menyelesaikannya. Kajian kesusasteraan mendapati pelajar yang disuruh menulis atur cara lengkap berada dalam keadaan dibelenggu tekanan, tidak pasti bagaimana untuk bermula, dan terkapai-kapai tanpa tujuan. Justeru penyelidikan ini mengetengahkan konsep baharu dalam penyediaan tugasan makmal OOP. Penyelidikan ini mempunyai objektif utama untuk membina reka bentuk dan rangka kerja tugasan makmal bagi kursus pengaturcaraan berorentasi objek menggunakan teknologi persuasif. Penyelidikan ini dilaksana menerusi empat kitaran kajian tindakan yang dimulakan dengan analisis situasi semasa yang melibatkan kajian teori. Kitaran kedua merupakan penambahbaikan implementasi yang melibatkan proses pembangunan rangka kerja dan pembangunan tugasan makmal pengaturcaraan berorientasi objek. Model Penjelasan Kemungkinan (ELM) persuasif digunakan untuk mereka bentuk rangka kerja makmal OOP yang dibahagikan kepada dua bahagian iaitu kandungan dan konteks. Setiap komponen rangka kerja dipetakan kepada sepuluh prinsip teknologi persuasif. Ia melibatkan lima prinsip dari kategori Sokongan Tugasan Utama iaitu kesepadanan, keringkasan, kekhususan, pemantauan diri dan simulasi. Tiga prinsip dari kategori Sokongan Dialog iaitu kesukaan, cadangan dan persamaan manakala dua prinsip lagi adalah kepakaran dan kerjasama masing-masing dari kategori Sokongan Kredibiliti Sistem dan Sokongan Sosial. Seterusnya, tugasan makmal OOP direka bentuk berdasarkan rangka kerja yang telah dibangunkan. Ia melibatkan penggabungan pendekatan berpandu, berperingkat, dan lelaran. Kitaran ketiga merupakan kitaran kajian perubahan yang melibatkan proses penilaian dan kitaran keempat merupakan tindakan penambahbaikan berterusan yang melibatkan pembangunan E-Lembaran Kerja. Satu eksperimen yang melibatkan seramai 190 pelajar yang mewakili 94% daripada keseluruhan pelajar telah dijalankan. Mereka memberi maklum balas mengenai tugasan makmal OOP persuasif yang diberikan kepada mereka. Secara purata, 80% pelajar bersetuju bahawa setiap komponen tugasan makmal tersebut memberi impak positif kepada mereka mengikut prinsip persuasif yang berkaitan. Hasil kajian menunjukkan bahawa rangka kerja yang dibina boleh dijadikan panduan bagi menghasilkan tugasan makmal OOP persuasif yang sekali gus boleh mengubah sikap menjadi lebih positif, bermotivasi dan bertanggungjawab di dalam menyelesaikan tugasan makmal OOP. Description: Full-text

2021-11-18T00:00:00Z Shakirah Mohd Taib, (P64510) https://ptsldigital.ukm.my/jspui/handle/123456789/773290 2025-09-30T08:16:00Z 2022-02-22T00:00:00Z

Title: Perlombongan siri masa multivariant untuk permodelan identiti cuaca menggunakan perwakilan Beg N-gram berwajaran (W-BON) Authors: Shakirah Mohd Taib, (P64510) Abstract: Kajian iklim ialah kajian tentang sifat cuaca secara umum dalam sesuatu lokasi berdasarkan data siri masa cuaca jangka panjang. Data siri masa ini terkumpul hasil pemantauan pelbagai pemboleh ubah cuaca yang direkodkan setiap hari. Analisis data cuaca ini menjadi rumit dan mencabar kerana perlu mempertimbangkan set data yang berskala besar dan interaksi antara setiap pemboleh ubah. Pengelasan pelbagai jenis cuaca juga tidak dapat dilaksanakan sekiranya identiti (signature) unik setiap jenis cuaca tersebut tidak dapat dikenal pasti. Pengenalpastian identiti cuaca secara univariat adalah popular tetapi terhad kepada satu pemboleh ubah sahaja. Cabaran lain ialah corak bukan linear dalam siri masa cuaca yang disebabkan oleh kebolehubahan temporal yang tidak dapat disokong oleh kebanyakan model berasaskan statistik. Keserupaan berasaskan bentuk yang biasa digunakan dalam analisis corak atau identiti cuaca pula tidak sesuai untuk siri masa jangka panjang. Cabaran-cabaran yang mempengaruhi prestasi model analisis cuaca ini dapat dikurangkan dengan perwakilan data siri masa yang sesuai. Perwakilan siri masa secara simbolik adalah satu satu kaedah yang terbukti dapat menyelesaikan masalah ruang storan siri masa yang besar terutama bagi siri masa multivariat. Kaedah perwakilan siri masa multivariat yang berdasarkan perwakilan simbolik termasuk perwakilan beg corak multivariat (MVBoP) dan beg corak bertindan (Stacked BoP(TF-IDF)) yang menggabungkan teknik beg perkataan (BoW) dan beg fitur (BoF). Namun begitu, kedua-dua perwakilan ini mempunyai risiko kehilangan maklumat dalam konteks jujukan siri masa simbolik yang menyebabkan pengelasan identiti atau corak siri masa menjadi kurang tepat. Tesis ini mencadangkan strategi penambahbaikan perwakilan simbolik data siri masa dengan mengintegrasikan perwakilan Penganggaran Agregat Simbolik (SAX) dan model N-gram untuk menemukan identiti-identiti stesen cuaca berdasarkan episodepisod cuaca yang berturutan. Kaedah siri masa simbolik telah diterokai dalam fasa perwakilan, manakala model rangkaian keserupaan pemboleh ubah telah digunakan dalam fasa pembinaan perwakilan beg N-gram berwajaran yang baharu iaitu W-BoN. Model N-gram dilaksanakan dengan membina jujukan kata-kata SAX dalam bentuk (n-1) susunan model Markov dan keserupaan jujukan ditentukan dengan menggunakan graf yang menghubungkan setiap pemboleh ubah sebagai nod dalam rangkaian keserupaan. Rangkaian keserupaan menggunakan algoritma kedudukan berasaskan graf dan fungsi sebaran pengaktifan untuk memeringkat kepentingan pemboleh ubah-pemboleh ubah dalam set data. Hasil eksperimen dari kedua-dua fasa dianalisis berdasarkan ketepatan pengelasan. Ketersauran kaedah yang dicadangkan dibuktikan dengan keputusan eksperimen ke atas dua set data siri masa cuaca sebenar yang berbeza. Prestasi W-BoN didapati lebih baik daripada segi penghasilan fitur-fitur pengelompokan dan pengelasan data cuaca berbanding model perwakilan MV-BoP dan Stacked BoP(TF-IDF). Kajian ini menunjukkan perwakilan siri masa multivariat dapat memelihara maklumat siri masa selain meringkaskan proses perlombongan dengan mengurangkan kekompleksan data serta mencapai prestasi yang lebih baik atau setanding dengan model perwakilan simbolik yang lain. Strategi yang dicadangkan ini dijangkakan akan menjadi titik permulaan untuk aplikasi yang lebih maju yang berpotensi dimanfaatkan dalam pelbagai domain. Description: Full-text

2022-02-22T00:00:00Z Alshalabi,Hamood Hazeae Ali (P86012) https://ptsldigital.ukm.my/jspui/handle/123456789/772505 2025-10-27T01:55:25Z 2021-10-26T00:00:00Z

Title: Enhanced Arabic stemmer through a combination of root - based and light-based approaches Authors: Alshalabi,Hamood Hazeae Ali (P86012) Abstract: The rise of Natural Language Processing (NLP) opens new possibilities for various applications that were not applicable before. Arabic morphological rich language introduces features, such as roots extraction, that will assist Arabic NLP's progress, especially on Arabic stemmers. The Arabic stemming can be categorized into four major techniques: Root-based approach, light stemming-based approach, statistical and hybrid approach, and artificial intelligence approach. This study focuses on improving two best types of stemming; the first type is the light stemming which is used to remove affixes (prefixes and suffixes). The second type is the root-based stemming, which is used to extract the root of the words depend on a list of patterns. If a matched pattern is found, the letters in the pattern representing the root. However, both of these stemmers still have many weaknesses, such as, unable to handle Arabised words, removing suffixes and prefixes lead to more ambiguity, and Light-based stemming that is not ability to get correct roots for lengthy Arabic words. Moreover, in Root-based stemming, there is no currently available standard morphological rules to determine the correct pattern rule for all words with the same length to extract root word; plus, the unavailability for an algorithm to extract root of two-letter words. Additionally, a broken plural poses a challenge in Arabic stemming. This is due to the irregular pattern of the standard Arabic plural words and causes difficulty in extracting root words. This study has four main contributions to improve Arabic stemmers. The first contribution is to propose an algorithm to detect and extract Arabized words as a preprocessing task for Arabic stemming. This algorithm is a combination of lexicon-based and rule-based approaches. The lexicon list was developed based on different sources of Arabic text sources. The rule-based algorithm was designed to identify Arabized words by the specific article and use of pattern matching on prefixes and suffixes. The second contribution is to improve a light-based algorithm by developing an appropriate list of suffixes and prefixes and stemming rules according to the length of words, the new algorithm called Dlight. The third contribution many new rules have been developed, (main or sub), according to the length of the patterns (DRule). Besides, the contribution also helps to correct some misconceptions in previous studies between verb and root due to the diacritics in Arabic; via the combination of Dlight and DRule, the Dlight is able to solve problems with verbs, and DRule stem efficiently on nouns. For the fourth contribution, several rules for extracting the roots of broken, irregular plural words are constructed to improve the Arabic stemmers even further. For evaluation, five benchmarks of Arabic stemmer have been chosen: (i) Larkey Light10 stemmer (Light10) (ii) Condlight stemmer (Condlight), (iii) Arlstem stemmer (Arlstem), (iv) Arlstem V1.1 stemmer, and (v) ISRI stemmer, and tested on three big datasets; Al- Khaleej-2004, Al-Watan-2004 and TREC2002 corpus. Based on the evaluation, the proposed Arabized words pre-processing improved the benchmarks Arabic stemmers' (Light10, Condlight, and ARLS1) performances by an increase precision of 1%. While for all-other experiments using standard TREC2002 corpus, the experimental results showed the proposed rule-based Arabic stemmer (COMBINED+BPR) obtained the best performance with 85% of F-measure. To conclude, by having an appropriate list of suffixes, prefixes and new rules on both light-based and root-based approach with steps regulation to stem Arabic word, the performance of Arabic stemmer can be enhanced. Description: Full-text

2021-10-26T00:00:00Z Ishaq, Kashif (P97710) https://ptsldigital.ukm.my/jspui/handle/123456789/772504 2025-09-30T08:36:14Z 2022-09-22T00:00:00Z

Title: Cultural tailoring of serious game design model for language learning Authors: Ishaq, Kashif (P97710) Abstract: Games have been developed for language learning in different areas of the world whereas most of these games are fun-based and lack the holistic approach to cover various aspects required to design and develop a language learning game. Many frameworks and models for developing such games have been proposed, but they were not validated. Moreover, these frameworks and models did not consider the cultural context that influence language learning, thus posing shortcomings as a guide to design an effective, culturally tailored games for language learning. Hence, there is a need to tailor a specialized model that combines the strengths of existing generic, gamified, and language learning models to fulfill the design requirements of language learning serious game tailored to learners’ culture. This study aims to design a culturally tailored serious game design model for language learning, define specialized heuristics for its evaluation, and verify the model by evaluating the usability of the game prototype. The proposed model combines the elements of socio-cultural theory, gamification concepts and elements, together with the requirements and educational settings to ensure the effectiveness and usability of the game. The research methodology consists of an analysis phase in which a theoretical model is developed using requirements from literature and the stakeholders. The domain experts validated the proposed model through Inter-Rater Reliability. The model is implemented in a language learning serious game (LLSG) prototype. In the design phase, low and highfidelity prototype was designed based on the proposed model and then validated using Heuristic Evaluation (HE) and think-aloud technique. In the development phase, HE results and experts’ comments are used as input for developing high fidelity prototype. the prototype was evaluated in evaluation phase using quantitative approach with teachers and 20 primary school students. A quasi-experiment pre-test and post-test were also conducted to compare the effectiveness of the existing Literacy and Numeracy Drive (LND) mobile application and LLSG. The experimental group LND used mobile application, the experimental group serious game used LLSG, and the control group used the traditional teaching method for two and half months. Both pre and post-test question sets were similar, prepared by subject matter experts. Test result for the experimental group serious game is statistically significant as demonstrated by ANOVA (F (2.57) = 191.498, p = .000) compared to those obtained by traditional and experimental group LND. Hence, LLSG, which implements the KSGDM design model that considers cultural context is more effective for learning the English language in an enjoyable and fun game environment. Research contribution includes the KSGDM design model, heuristics for a culturally tailored game, and LLSG interface design. Description: Full-text

2022-09-22T00:00:00Z