TINALAKAY ng Data Science Institute (DScI) ng Pamantasang De La Salle (DLSU) sa isang online na pagpupulong ang kanilang pananaliksik ukol sa mga salik sa likod ng mababang antas ng kasanayan sa pagbabasa ng mga estudyanteng Pilipino, nitong Hunyo 3. Nakabatay ang naturang pananaliksik mula sa resulta ng isinagawang pagsusuri ng Programme for International Student Assessment (PISA) noong 2018, gamit ang Machine Learning (ML) approach.
Tumatanggap ng mga datos ang sistemang ML at hinahasa ang mga algoritmo batay sa karanasan nito sa nasabing datos upang matukoy ang mga dahilan sa likod ng mababang markang nakuha ng Pilipinas sa PISA. “We wanted to see whether machine learning can better understand students who don’t meet the proficient learning standards,” ani Dr. Allan Bernardo, akademiko mula sa National Academy of Science and Technology.
Kasama ni Bernardo sa pag-aaral ng nasabing pagsisiyasat at pagbuo ng programang ML sina Dr. Macario Cordel II, dean ng DScI, Dr. Rochelle Lucas, chair ng Department of English and Applied Linguistics, Unisse Chua at Jude Michael Teves, mga mananaliksik mula sa DScI.
Resulta ng paunang pananaliksik
Ipinahayag ni Cordel na materyal na bagay ang kadalasang pinag-aaralan kapag repormang pang-edukasyon ang pinag-uusapan sa Pilipinas, katulad ng kakulangan sa kagamitan at kahandaan ng mga guro sa pagtuturo. Gayunpaman, binanggit niyang may mga aspektong hindi pa lubos na napag-aaralan. “There may be overlooked factors affecting [academic] performance, such as the students’ beliefs, motivations, and aspirations,” aniya.
Dahilan ni Bernardo, nakatutok ang karamihan ng mga pag-aaral sa average o mga high achiever kaya itinuon nila ang kanilang pananaliksik sa mga mag-aaral na hindi nakaaabot sa pamantayan ng pagbabasa, upang makapaglatag sila ng mga paraan upang mapahusay ang kanilang kasanayan.
Binigyang-diin ni Bernardo na may pinakamalaking epekto ang personal na pananaw sa pagkatuto ng mga mag-aaral. Iniulat niyang malaking hadlang sa kabataang hindi nakapasa sa pagsusuri ng PISA ang paniniwalang hindi na mababago ang katalinuhan nila, ang mababang ambisyon sa buhay, at ang pananaw na hindi mahalaga sa kanilang buhay ang pag-aaral.
Dagdag pa ni Cordel, madalas na nagmumula ang mga mag-aaral sa mga pamilyang mababa ang katayuan sa buhay. Ipinahayag niyang malimit na payak ang pamumuhay ng mga magulang ng mga mag-aaral.
Ibinahagi rin ni Bernardo na malaki ang epekto ng kapaligiran sa pag-aaral ng isang bata at sa kaniyang kahusayang pang-akademiya. Kasama na rito ang pakikipagkapwa sa ibang mga mag-aaral, pati na rin ang mga kaso ng pambubulas sa loob ng paaralan. “[These] factors show lack of personal engagement in their schooling experience which affect the way they perform their tasks,” pagdidiin ni Bernardo.
Ibinuod din ni Bernardo na ipinakikita ng modelong ML na magkakaugnay ang mga sanhi na nakaaapekto sa kahusayan sa pagbabasa ng mga estudyanteng Pilipino, tulad na lamang ng kanilang pamumuhay at sitwasyon sa paaralan.
Mga hamon sa pananaliksik
Sa kabilang dako, binanggit naman ni Teves ang mga kinahaharap nilang hamon sa kanilang pananaliksik. Ibinahagi niyang naging problema ang pagpili ng gagamiting metodo sapagkat napakarami ng kanilang pamamaraan upang mapabuti ang kanilang mga layunin.
Ipinahayag ni Teves ang pagsubok na dulot ng pagkakaroon ng maraming algoritmo sa pagbuo ng modelo ng machine learning na gagamitin para sa kanilang pagsisiyasat. “[There are just] so many hyperparameters. We have to be very strategic [about it],” pagbabahagi niya.
Tinalakay rin ni Teves ang kahalagahan ng pagtitiyak na matatag at episyente ang gagawin nilang modelong ML. Binigyang-diin niya ang responsibilidad nilang matiyak na wasto at sakto ang mga ibibigay nitong resulta. Binanggit naman ni Cordel na kasalukuyang nasa 81% ang bahagdan ng pagiging tama ng kanilang pananaliksik.
Ibinahagi naman ni Bernardo na nangunguna ang DLSU sa Pilipinas sa larangan ng paggamit ng mga regression technique ng ML upang makabuo ng mga hinuha batay sa makakalap na datos. Dagdag pa niya, komplikado ang proseso nito kaya minabuti nilang gumamit ng multidisciplinary approach sa pananaliksik.
Pagpapalawak ng pag-aaral
Sa isang bahagi ng talakayan, nabigyan ng pagkakataon ang Ang Pahayagang Plaridel na makapagtanong ukol sa kasalukuyang estado ng pananaliksik. Bilang tugon, ipinabatid ni Lucas na malapit nang matapos ang isinasagawa nilang pananaliksik. Kasabay nito, sinusubukan din nilang mahasa pa lalo ang modelong ML at makabuo ng biswalisasyon ng mga datos na kanilang makakalap upang mas madali itong maintindihan.
Inaasahan din ng mga tagapagtaguyod ng nasabing pag-aaral na magamit ang mga makukuha nilang resulta upang makapagbigay ng dagdag na impormasyon para sa mga bumubuo ng polisiyang pang-edukasyon, mga miyembro ng komunidad pang-akademiya, at iba pang mga namamahala nito. Magsisilbing batayan ang mga ito sa pagbuo ng mga inisyatibang makatutulong sa pag-aaral ng mga estudyanteng Pilipino.
Binanggit din ni Bernardo na bukas silang makipagtulungan sa Department of Education (DepEd) sa hinaharap upang masiyasat din ang mga datos mula sa kanilang National Achievement Test na isinasagawa taon-taon.
Naniniwala naman si Bernardo na may pag-asang maging daan ang kanilang pananaliksik upang magamit ang mga modelong ML sa mga susunod pang pag-aaral hinggil sa edukasyon sa Pilipinas. “We hope that this study can keep the ball rolling. It’s time to use these more powerful analytical techniques when getting insights on the education [system] in the Philippines,” pagbibigay-diin niya.