Indonesia 
English 
Yogyakarta, 7 Juli 2026 – Kolaborasi dosen dan mahasiswa Program Studi Magister Kecerdasan Artifisial (MKA), Departemen Ilmu Komputer dan Elektronika (DIKE), FMIPA Universitas Gadjah Mada menghasilkan publikasi internasional dalam bidang Natural Language Processing dan Kecerdasan Artifisial untuk pendidikan. Paper berjudul “TOEBM at BEA 2026 Shared Task 1: Improving Lexical Difficulty Prediction with Context-Aligned Contrastive Learning and Ridge Ensembling” dipresentasikan secara daring dalam The 21st Workshop on Innovative Use of NLP for Building Educational Applications (BEA 2026), salah satu workshop dalam rangkaian The 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026).
Wicaksono Leksono Muhamad, mahasiswa MKA UGM, menjadi first author, sedangkan Muhammad Oriza Nurfajri, S.Kom., M.IT., dosen DIKE FMIPA UGM, berperan sebagai corresponding author. Penelitian tersebut juga melibatkan Joanito Agili Lopo, Tsamarah Rana Nugraha, dan Ahmad Cahyono Adi, dengan kolaborasi afiliasi dari Mantera Studio, The University of Manchester, dan Universitas Gadjah Mada. Keikutsertaan pada BEA 2026 dilakukan sepenuhnya secara daring melalui platform virtual konferensi. Melalui kegiatan ini, mahasiswa dan tim peneliti dapat mendiseminasikan hasil penelitian serta berinteraksi dengan komunitas akademik internasional tanpa melakukan perjalanan secara langsung ke lokasi utama ACL 2026 di San Diego, California, Amerika Serikat.
Penelitian ini berfokus pada Lexical Difficulty Prediction, yaitu bagaimana sistem kecerdasan artifisial dapat memperkirakan tingkat kesulitan kosakata bagi pembelajar bahasa dengan mempertimbangkan perbedaan bahasa pertama atau first language. Untuk menjawab persoalan tersebut, tim mengembangkan pendekatan Context-Aligned Contrastive Regression yang mempertimbangkan informasi lintas bahasa, konteks kalimat, kata target bahasa Inggris, serta latar bahasa pertama pembelajar. Model memanfaatkan multilingual transformer untuk membentuk representasi yang kemudian digunakan dalam memprediksi tingkat kesulitan leksikal. Metode tersebut menggabungkan Cross-View Context Contrastive Learning, Ordinal Soft Contrastive Learning, dan Ridge Regression Ensembling. Prediksi dari beberapa model bahasa multibahasa, yaitu XLM-R, mDeBERTa-v3, dan mmBERT, dikombinasikan menggunakan Ridge regression untuk memperoleh hasil prediksi yang lebih stabil.
Penelitian ini menjadi bagian dari BEA 2026 Shared Task 1 Closed Track yang menguji kemampuan sistem dalam memprediksi tingkat kesulitan leksikal untuk pembelajar dengan latar bahasa yang berbeda. Sistem TOEBM yang dikembangkan tim memperoleh peringkat ke-14 untuk bahasa Spanyol, ke-11 untuk bahasa Jerman, dan ke-7 untuk Mandarin Chinese. Selain capaian tersebut, paper telah dipublikasikan dalam Proceedings of the 21st Workshop on Innovative Use of NLP for Building Educational Applications (BEA 2026) sebagai bagian dari ekosistem publikasi Association for Computational Linguistics. Presentasi dilakukan secara daring dengan format poster melalui ruang virtual konferensi.
Keikutsertaan mahasiswa MKA UGM sebagai first author dalam publikasi internasional menunjukkan integrasi antara pembelajaran pada jenjang magister dan kegiatan penelitian. Mahasiswa memperoleh pengalaman menjalankan proses penelitian mulai dari perumusan masalah, pengembangan metode, eksperimen, evaluasi, penulisan ilmiah, hingga diseminasi hasil penelitian di forum internasional. Peran dosen sebagai corresponding author sekaligus pendamping penelitian menjadi bagian dari proses tersebut. Kolaborasi ini diharapkan dapat memperkuat ekosistem akademik MKA UGM dan mendorong lebih banyak mahasiswa menghasilkan penelitian yang memiliki relevansi ilmiah dan sosial. Melalui kegiatan tersebut, mahasiswa diharapkan semakin memahami penerapan kecerdasan artifisial dalam bidang pendidikan, khususnya dalam pengembangan teknologi pembelajaran yang lebih adaptif terhadap karakteristik pengguna. Keikutsertaan dalam forum internasional juga menjadi pengalaman penting bagi mahasiswa dalam mengembangkan kemampuan penelitian dan komunikasi ilmiah.
Kegiatan ini sejalan dengan upaya DIKE FMIPA UGM dalam mendorong pencapaian Sustainable Development Goals (SDGs), khususnya SDG 4 (Pendidikan Berkualitas), SDG 9 (Industri, Inovasi, dan Infrastruktur), SDG 10 (Berkurangnya Kesenjangan), dan SDG 17 (Kemitraan untuk Mencapai Tujuan), melalui penguatan pendidikan berbasis penelitian, pengembangan inovasi kecerdasan artifisial untuk pendidikan yang lebih adaptif, perhatian terhadap perbedaan latar bahasa pembelajar, serta kolaborasi lintas institusi dan negara. Melalui keterlibatan dosen dan mahasiswa dalam penelitian dan publikasi internasional, DIKE FMIPA UGM turut memperkuat budaya riset sekaligus memperluas jejaring akademik dalam pengembangan teknologi kecerdasan artifisial.
Author: Muhammad Oriza Nurfajri
Editor: Hikmah Nursidik
#SDGs4 #SDGs9 #SDGs10 #SDGs17
