Aplikasi Koreksi Jawaban Essai

Algoritma AES

  

Dalam Mar´ın (2004) sejarah perkembangan sistem pengkoreksian jawaban essai sebagai berikut :

Tahun 1966, Page membuat sistem pengkoreksian jawaban yang dikenal dengan nama Project Essay Grader (PEG). Sistem ini dibuat untuk meningkatkan kinerja staf pengajar dalam hal proses penilaian jawaban. PEG kemudian menjadi pelopor CAA. Namun hingga tahun 90an tidak ada penelitian yang sejenis dan penelitian tentang PEG pun dihentikan. Tahun 1990, kondisi sedikit mengalami perubahan, seorang ilmuan yang bernama Webster (1990) berpendapat bahwa komputer dapat digunakan untuk pengkoreksian jawaban dari pertanyaan-pertanyaan yang diajukan, tetapi dengan teknik yang lebih baik. Dari sinilah selanjutnya penelitian CAA mulai dilakukan lagi.

Perkembangan teknologi lain yang berhubungan seperti Natural Language Processing (NLP) dan Information Retrieval (IR), dapat digunakan sebagai metode baru sehingga berdampak pada perkembangan penelitian sistem Penaksiran Essai Otomatis atau Automated Essay Assessment.

Hasil penelitian selanjutnya yaitu Educational Testing Service I yang dikembangkan oleh organisasi Educational Testing Service (ETS) di USA. Pada awal mulanya masih terdapat kekurangan karena hanya bekerja pada kalimat yang pendek saja (tidak lebih dari 20 kata).

Pada tahun 1993, Wresch (1993) berpendapat bahwa hasil penelitian sejauh ini masih belum memenuhi harapan. Hal ini disebabkan, instansi atau lembaga pendidikan belum banyak menggunakan perangkat lunak pengkoreksian jawaban essai karena kurangnya informasi dan publikasi sehingga staf pengajar banyak yang tidak mengetahui perangkat lunak ini.

Tahun 1997, sistem yang awalnya dikembangkan oleh Page telah berkembang pesat dan mulai tersedia dalam bentuk komersil. Pada tahun yang sama terdapat tiga sistem baru yang diperkenalkan antara lain :

1. The Intelligent Essay Assesor, dikembangkan oleh Colorado University USA. Sistem ini berbasis pada Latent Semantic Analysis (LSA). (Foltz : 1999)
2. E - rater merupakan pembaharuan versi dari ETS I, menggunakan pendekatan hybrid yang dikombinasikan dengan NLP dan Statistical Technique. Penilaian jawaban pada sistem ini berdasarkan pada pengorganisasian jawaban, sturuktur kalimat, dan content jawaban (Burstein, Kukich, Wolff, Lu, Chodorow, Bradenharder and Harris, 1998)
3. IntelliMetric, dibuat oleh American Company Vantage Learning Technologies, yang berbasis pada pendekatan kecerdasan buatan untuk menaksir style dan content jawaban (Vantage Learning Tech., 2000)

Tahun 1998,  E - rater sangat baik digunakan dalam hal mengevaluasi berdasarkan style, tetapi memerlukan sebuah sistem tambahan yang fokus berdasarkan content. Oleh karena itu, dikembangkan C - rater  (Burstein, Chodorow dan Leacock, 2001).

Sejak tahun 1999, ETS mulai menggunakan E - rater dalam ujian GMAT (Graduate Management Admissions Test). Dua tahun kemudian, ETS memulai proyek Criterion (Burstein, Chodorow and Leacock, 2003). Hasilnya berupa Criterion 1.0 yang berbasis web. Criterion 1.0 dibuat berdasarkan pada teknologi E - rater. Setahun kemudian dirilis versi Criterion 2.0, yang digunakan lebih dari 200 institusi dan pada bulan Desember 2002 telah digunakan kurang lebih 50.000 pengguna.

Penelitian dengan metode lain antara lain  :

a.       Larkey (1998) yang memperkenalkan sistem dengan metode Text Categorization Techniques (TCT), sisi kompleksitas teks, dan metode linear regression.

b.       Christie (1999) dengan Schema Extract Analyze and Report (SEAR), yang menggunakan teknik  pattern-matching.

c.       Mitchell (2002) mengembangkan Automark,  sistem yang menggunakan teknik NLP.

d.       Ming, Mikhailov dan Kuan (2000) membuat IEMS yang menggunakan teknik Indextron (Mikhailov, 1998)

e.       Dessus, Lemaire dan Vernier (2000) membuat ApexAssess,,yang menggunakan LSA (Foltz, 1999).

Tahun 2001, Callear, Jerrams-Smith dan Soh  dari University of Portsmouth (UK) mengembangkan Automated Text Marker (ATM). ATM dapat memberikan skor yang independen, yaitu pemberian skor dapat berdasarkan style dan juga berdasarkan content. Peneliti lain dari Rudner dan Liang (2002) yang membuat Bayesian Essay Test Scoring System (BETSY) yang berdasarkan pendekatan statistik.

Tahun 2002, muncul sistem baru bernama Paperless School Free Text Marking Engine (PS-ME), yang dkembangkan oleh Mason and Grove-Stephenson (2002), dengan Bloom’s Taxonomy Competencies (Bloom, 1956) yang memproses jawaban menggunakan teknik NLP.

Tahun 2003, terdapat 2 buah sistem baru yaitu Auto-marking, yang dibuat oleh Sukkarieh, Pulmand dan Raikes (2003), berbasiskan pada teknik NLP dan pattern-matching. Sistem yang kedua yaitu CarmelTC, yang dibuat oleh Ros´e, Roque D dan VanLehn (2003), menilai jawaban essai dengan  cara machine learning classification dan naive Bayesian classification.