Pelatihan Publikasi Ilmiah: Kecerdasan Buatan Perplexity untuk Membantu Penulisan Ilmiah

Anshari Anshari(1*), Sakaria Sakaria(2),

(1) Fakultas Bahasa dan Sastra, Universitas Negeri Makassar
(2) Fakultas Bahasa dan Sastra, Universitas Negeri Makassar
(*) Corresponding Author




DOI: https://doi.org/10.26858/pengabdi.v5i2.67006

Abstract


Mitra kegiatan pengabdian kepada masyarakat (PKM) adalah Program Studi Pendidikan Bahasa dan Sastra Indonesia, Fakultas Bahasa dan Sastra, Universitas Negeri Makassar. Berdasarkan kajian analisis situasi dinyatakan bahwa mitra memiliki permasalahan:  terbatasnya pengetahuan mitra dalam menuangkan dan mengorganisasikan  ide dan gagasan dalam bentuk tulisan artikel untuk publikasi jurnal ilmiahdan terbatasnya pengetahuan mitra dalam mengorganisasikan gaya tulisan artikel untuk publikasi jurnal ilmiah sehingga tulisan yang dihasilkan  ditolak oleh jurnal untuk dipublikasikan. Solusi permasalahan yang ditawarkan untuk menyelesaikan masalah mitra yaitu, memberikan pelatihan  publikasi ilmiah: kecerdasan buatan perplexity untuk membantu penulisan ilmiah. Kegiatan Pengabdian Kepada Masyarakat (PKM) ini,  dilaksanakan   dengan menggunakan metode ceramah dan praktik. Pelaksanaan kegiatan mengikuti tahapan yaitu perencenaan, pelatihan dan pendampingan, dan evaluasi. Hasil pelaksanaan kegiatan menunjukkan terjadi peningkatkan kemampuan mitra dalam menulis ilmiah atikel hasil penelitian untuk publikasi pada jurnal. Mitra menunjukkan peningkatan yang jelas dalam keterampilan menulis, baik dari segi struktur maupun substansi tulisan publikasi ilmiah. Mitra berhasil menyelesaikan draft publikasi yang lebih terorganisir dan berkualitas. Selain itu,  meningkatkanya pemahaman mitra mengenai penggunaan alat kecerdasan buatan Perplexity, dalam proses penulisan.


Full Text:

PDF

References


Basu, S., Ramachandran, G. S., Keskar, N. S., & Varshney, L. R. (2020). Mirostat: A Neural Text Decoding Algorithm That Directly Controls Perplexity. arXiv preprint arXiv:2007.14966.

Colla, D., Delsanto, M., Agosto, M., Vitiello, B., & Radicioni, D. P. (2022). Semantic Coherence Markers: The Contribution Of Perplexity Metrics. Artificial Intelligence in Medicine, 134, 102393.

Darmalaksana, W., & Busro, B. (2021). Akselerasi Publikasi Ilmiah Mahasiswa: Studi Kasus Wpaj Hmj Iat Uin Sunan Gunung Djati Bandung. IJoIS: Indonesian Journal of Islamic Studies, 2(2), 139-157.

Elsalam, K. A., & Abdel-Momen, S. M. (2023). Artificial Intelligence's Development and Challenges in Scientific Writing. Egyptian Journal of Agricultural Research, 101(3), 714-717.

Guangce, R., & Lei, X. (2020). Knowledge Discovery Of News Text Based On Artificial Intelligence. ACM Transactions on Asian and Low-Resource Language Information Processing (TALLIP), 20(1), 1-18.

Kurniawan, H., Hakim, L., Sanulita, H., Maiza, M., Arisanti, I., Rismawan, M., ... & Amalia, M. M. (2023). Teknik Penulisan Karya Ilmiah: Cara Membuat Karya Ilmiah Yang Baik Dan Benar. PT. Sonpedia Publishing Indonesia.

Martínez-López, J. I., Barrón-González, S., & Martínez López, A. (2019). Which Are The Tools Available For Scholars? A Review Of Assisting Software For Authors During Peer Reviewing Process. Publications, 7(3), 59

Malik, A. R., Pratiwi, Y., Andajani, K., Numertayasa, I. W., Suharti, S., & Darwis, A. (2023). Exploring Artificial Intelligence in Academic Essay: Higher Education Student's Perspective. International Journal of Educational Research Open, 5, 100296.

Shakirov, V. V., Solovyeva, K. P., & Dunin-Barkowski, W. L. (2018). Review Of State-Of-The-Art In Deep Learning Artificial Intelligence. Optical memory and neural networks, 27, 65-80.

Thomas, C. G. (2021). Research Methodology And Scientific Writing. Thrissur: Springer.

Wibowo, A. E. (2021). Metodologi Penelitian Pegangan untuk Menulis Karya Ilmiah. Penerbit Insania.

Widiyastuti, N. E., Sanulita, H., Waty, E., Qani'ah, B., Purnama, W. W., Tawil, M. R., ... & Rumata, N. A. (2023). Inovasi & Pengembangan Karya Tulis Ilmiah: Panduan Lengkap Untuk Penelitian Dan Mahasiswa. PT. Sonpedia Publishing Indonesia.

Zhang, H., Song, H., Li, S., Zhou, M., & Song, D. (2023). A Survey Of Controllable Text Generation Using Transformer-Based Pre-Trained Language Models. ACM Computing Surveys, 56(3), 1-37.


Article Metrics

Abstract view : 30 times | PDF view : 0 times

Refbacks

  • There are currently no refbacks.