Student Engagement Intelligent Agent for Online Learning System

Klik menu fakultas, pilih sesuai program reguler yang sesuai

Untuk menjaga transparansi, berikut adalah beberapa keterangan mengenai bagaimana sistem ini dihasilkan

• Sumber data: Moodle log
• Sebagai catatan bahwa log ganjil mencapai hampir 1 M record dengan size 11 GB
• Presensi dilakukan dengan mengolah large file tersebut dengan sangat akurat dengan melakukan "slicing" data sesuai dengan course id terkait.
• Periodic snapshot terhadap tabel log dengan rentang waktu 2 minggu sesuai tertulis pada menu petunjuk pada dimensi "user", "time" dan "course".
• Transformasi data menjadi tabel presensi menyesuaikan dengan participant course terkait.
• Log processing memanfaatkan GPU berbasis NVIDIA CUDA platform. Dengan demikian didapatkan kecepatan yang diperlukan dalam menghasilkan sistem presensi ini.
• Terimakasih kepada beberapa pihak yang membantu proses pengembangan sistem ini. Sebagai penghormatan kami cantumkan nama pengembang di menu developer.
• Teknologi memiliki kemiripan dengan fashion sebab jika tidak mengalami pembaruan akan semakin ditinggalkan. Oleh sebab itu sistem ini akan terus berkembang terutama demi meningkatkan kualitas pembelajaran.