Exécution de notre outil de synthèse sur un nouvel article

Résumé : Platform kursus digital masih menghadapi tingkat penyelesaian belajar yang rendah karena pengguna sering kesulitan menentukan urutan materi yang sesuai dengan tujuan, minat, dan kemampuan awal. Personalisasi jalur belajar menjadi pendekatan yang relevan, namun menghadapi kendala cold-start problem ketika riwayat interaksi pengguna belum tersedia. Penelitian ini mengimplementasikan fitur rekomendasi jalur belajar berbasis semantic search menggunakan model text-embedding-3-small dari OpenAI pada platform kursus digital berbasis web bernama Genii. Setiap kursus direpresentasikan dari judul, deskripsi, topik, tingkat kesulitan, dan ringkasan lesson, lalu dikonversi menjadi embeddingberdimensi 1536 dan diindeks pada layanan vector search Convex. Rekomendasi dihasilkan dengan membentuk embedding preferensi pengguna, menghitung kemiripan menggunakan cosine similarity, dan mengambil Top-K kursus dengan skor tertinggi. Evaluasi penerimaan pengguna dilakukan menggunakan Technology Acceptance Model (TAM) terhadap 50 responden dari 14 provinsi. Hasil menunjukkan nilai rata-rata Perceived Usefulness (PU) 4,40, Perceived Ease of Use (PEOU) 4,33, dan Behavioral Intention (BI) 4,38 pada skala 1–5, dengan reliabilitas konstruk Cronbach’s alpha di atas 0,70. Korelasi Pearson menunjukkan hubungan positif signifikan antara PU dan BI (r = 0,7324, p < 0,001) serta PEOU dan BI (r = 0,6847, p < 0,001). Penelitian ini berkontribusi pada pembuktian bahwa pendekatan semantic search berbasis embedding dapat diimplementasikan secara realistis pada platform pendidikan digital dan dipersepsikan bermanfaat serta mudah digunakan oleh pengguna.