Closing Date: 01/11/2023

Funding available for UK-based early career researchers working with international partners wishing to develop ODA-eligible interdisciplinary projects involving both the humanities and the social sciences.

The British Academy is providing a call for proposals for UK-based researchers across all disciplines within the social sciences and the humanities to develop new international interdisciplinary research that is ODA-eligible. Research may be problem-focused, creatively innovative and exploratory, and should bring together relevant disciplines in both the humanities and social sciences, where appropriate, for maximum impact/effect.

The Academy requires all applications to fundamentally involve and integrate both the humanities and the social sciences.

More info: https://www.myresearchconnect.com/british-academy-oda-international-interdisciplinary-research-projects/

Teknologi blockchain digunakan dalam keamanan peer review untuk memberikan transparansi, keandalan, dan ketidakbisaan terhadap manipulasi data atau proses penilaian. Berikut adalah cara kerja teknologi blockchain dalam konteks keamanan peer review:

1. Distributed Ledger:

• Blockchain menggunakan ledger terdistribusi yang dipegang oleh sejumlah besar peserta (node) dalam jaringan.
• Informasi mengenai setiap tahapan proses peer review dan metrik transparansi disimpan secara terdesentralisasi di seluruh jaringan.

2. Integritas Data:

• Setiap blok dalam rantai terkait dengan blok sebelumnya melalui fungsi kriptografis, menciptakan hubungan yang tidak dapat diubah antara setiap blok.
• Ini memastikan integritas data, sehingga tidak mungkin memanipulasi atau mengganti blok-blok sebelumnya tanpa mengubah seluruh rantai.

3. Proses Identifikasi Terdesentralisasi:

• Sistem menggunakan kunci kriptografis untuk memberikan identitas unik kepada setiap peserta di jaringan.
• Identitas terdesentralisasi ini memastikan bahwa setiap peserta dapat diverifikasi tanpa kebutuhan otoritas pusat atau lembaga kepercayaan.

4. Smart Contracts:

• Kontrak pintar (smart contracts) dapat diterapkan dalam blockchain untuk mengotomatisasi aspek-aspek tertentu dari proses peer review, seperti pengiriman artikel, penugasan penelaian, atau pemberian umpan balik.
• Smart contracts memastikan eksekusi yang tepat dan transparan tanpa kebutuhan untuk perantara.

5. Keamanan dan Enkripsi:

• Data yang disimpan dalam blok blockchain dienkripsi menggunakan kriptografi yang kuat.
• Kunci pribadi dan publik digunakan untuk memberikan tingkat keamanan tambahan, memastikan bahwa hanya pihak yang berhak dapat mengakses informasi tertentu.

6. Token Ekonomi:

• Penerapan token ekonomi atau kripto dapat memberikan insentif kepada penilai dan penulis untuk berpartisipasi dalam proses peer review.
• Token dapat diberikan sebagai pengakuan atau kompensasi untuk kontribusi yang berharga dalam meningkatkan kualitas penelitian.

7. Transparansi dan Trackability:

• Setiap entitas dalam jaringan memiliki visibilitas penuh terhadap setiap tindakan yang terjadi dalam proses peer review.
• Ini menciptakan tingkat transparansi dan pelacakan yang tinggi, memungkinkan peninjauan dan audit yang lebih efektif.

8. Desentralisasi Keputusan:

• Keputusan terkait penerimaan atau penolakan artikel dapat melibatkan seluruh jaringan, dengan mekanisme voting atau konsensus yang terdesentralisasi.
• Ini memastikan keputusan diambil dengan melibatkan banyak pihak, mengurangi risiko bias atau manipulasi.

9. Timestamp:

• Setiap blok dalam rantai memiliki timestamp yang terkait dengan waktu penciptaan. Ini memungkinkan untuk mengonfirmasi urutan kejadian dan mengatasi masalah sehubungan dengan waktu dan prioritas.

10. Ketidakbisaan dan Keamanan:

• Dengan sifat terdesentralisasi dan enkripsi yang kuat, teknologi blockchain memberikan ketidakbisaan terhadap manipulasi dan serangan, menghadirkan lapisan keamanan tambahan dalam proses peer review.
•  

Dengan memanfaatkan teknologi blockchain, keamanan dan transparansi dalam proses peer review dapat ditingkatkan, mengatasi beberapa tantangan yang mungkin terjadi dalam proses konvensional.

Analisis sentimen sejawat adalah pendekatan yang menggunakan teknik pemrosesan bahasa alami (NLP) dan analisis sentimen untuk mengevaluasi respons emosional atau opini dari para penilai terhadap suatu karya ilmiah, seperti artikel jurnal. Berikut adalah beberapa cara di mana analisis sentimen sejawat dapat meningkatkan efektivitas proses penelaahan sejawat:

>Identifikasi Respon Emosional: Analisis sentimen dapat membantu mengidentifikasi respon emosional penilai terhadap berbagai aspek dari artikel, mulai dari bahasa yang digunakan hingga kesan keseluruhan. Ini memberikan wawasan tambahan selain penilaian teknis.

>Penilaian Subjektivitas: Analisis sentimen dapat membantu mengukur tingkat subjektivitas dalam penilaian. Hal ini berguna untuk mengidentifikasi bagian artikel yang mungkin menjadi subjektif dan dapat menimbulkan perbedaan pendapat di antara penilai.

>Pemahaman Umpan Balik Kualitatif: Analisis sentimen sejawat dapat membantu menggali umpan balik kualitatif penilai, membantu penyunting dan penulis untuk memahami lebih baik bagaimana pesan atau metodologi mereka diterima.

>Identifikasi Aspek Positif dan Negatif: Analisis sentimen dapat membedakan aspek-aspek positif dan negatif dalam penilaian, memberikan gambaran lebih rinci tentang kekuatan dan kelemahan artikel.

>Tren Sentimen dalam Sejawat: Dengan melacak tren sentimen sejawat dari beberapa penilaian, analisis sentimen dapat membantu mengidentifikasi apakah ada konsensus positif atau negatif tentang suatu artikel di antara para penilai.

>Mendeteksi Tingkat Kepuasan Penilai: Melalui analisis sentimen, dapat dilihat apakah penilai merasa puas atau tidak puas dengan isi artikel. Hal ini dapat memberikan masukan berharga untuk meningkatkan kualitas dan kejelasan tulisan.

>Perbaikan Proses Penelaahan: Analisis sentimen dapat membantu penyunting dan penerbit untuk mengevaluasi efektivitas proses penelaahan sejawat, dengan mengidentifikasi area yang mungkin memerlukan perbaikan atau perhatian lebih lanjut.

>Menemukan Sentimen Tertentu dalam Domain Khusus: Analisis sentimen yang dioptimalkan untuk domain khusus (seperti ilmu pengetahuan, teknologi, atau kedokteran) dapat memberikan hasil yang lebih akurat dalam konteks tersebut.

>Meningkatkan Konsistensi Penilaian: Dengan memanfaatkan analisis sentimen, dapat menciptakan alat pendukung yang membantu memastikan konsistensi dalam penilaian sejawat, terutama ketika menangani jumlah artikel yang besar.

>Dukungan Keputusan: Analisis sentimen dapat membantu penyunting dalam mengambil keputusan yang lebih terinformasi terkait penerimaan atau penolakan suatu artikel, dengan memperhatikan tanggapan emosional dan opini penilai.

Dengan demikian, analisis sentimen sejawat dapat memberikan dimensi tambahan dalam proses penelaahan sejawat, membantu meningkatkan efektivitas dan memberikan pemahaman yang lebih mendalam tentang tanggapan para penilai terhadap karya ilmiah.

Inovasi dalam Sistem Penilaian Otomatis (Automatic Evaluation System) melibatkan penerapan teknologi canggih, terutama kecerdasan buatan (AI), untuk meningkatkan kecepatan, efisiensi, dan akurasi dalam mengevaluasi artikel jurnal. Berikut adalah beberapa elemen inovatif dalam pengembangan sistem penilaian otomatis:

>Penggunaan Kecerdasan Buatan (AI): Implementasi teknologi kecerdasan buatan memungkinkan sistem untuk belajar dari pola penilaian sejawat yang telah ada, memahami konteks dan kompleksitas bahasa ilmiah, serta memberikan penilaian yang lebih mendalam.

>Analisis Konteks dan Keterkaitan: Sistem dapat mengevaluasi artikel dengan memahami konteksnya, termasuk relevansi topik, urgensi penelitian, dan kontribusi terhadap literatur ilmiah yang sudah ada.

>Penilaian Multi-Aspek: Sistem dapat diprogram untuk menilai artikel melalui berbagai aspek, seperti metodologi penelitian, kejelasan presentasi, kontribusi unik, dan interpretasi data, memberikan penilaian yang lebih holistik.

>Pelabelan Otomatis dan Analisis Sentimen: Penggunaan teknologi pemrosesan bahasa alami (NLP) dan analisis sentimen memungkinkan sistem untuk menilai tingkat kejelasan, kohesi, dan sentimen umum dalam tulisan, membantu dalam mengevaluasi kualitas bahasa dan penyampaian pesan.

>Integrasi dengan Basis Data Ilmiah: Sistem dapat terhubung dengan basis data ilmiah besar untuk memeriksa keaslian dan orisinalitas artikel, mengidentifikasi potensi plagiarisme, dan memastikan bahwa kontribusi penelitian benar-benar baru.

>Adaptabilitas terhadap Bidang Penelitian: Sistem dapat disesuaikan dengan kebutuhan dan norma penilaian yang berlaku dalam berbagai bidang penelitian, memastikan keakuratan dan relevansi penilaian.

>Penggunaan Algoritma Pencocokan Penilai: Algoritma dapat digunakan untuk mencocokkan artikel dengan penilai yang memiliki keahlian khusus yang sesuai, meningkatkan akurasi penilaian dan memberikan umpan balik yang lebih bermakna.

>Analisis Kualitas Statistik dan Metodologi: Sistem dapat menganalisis metode penelitian dan statistik yang digunakan, mengidentifikasi kelemahan metodologi dan memberikan rekomendasi untuk perbaikan.

>Pemahaman Kontribusi Terhadap Literatur Ilmiah: Sistem dapat mengevaluasi bagaimana artikel berkontribusi terhadap literatur ilmiah yang sudah ada, membantu membedakan antara penelitian yang bersifat inkremental dan yang bersifat revolusioner.

>Ketersediaan Umpan Balik Otomatis: Sistem dapat memberikan umpan balik otomatis kepada penulis, memberikan informasi yang lebih rinci mengenai kelebihan dan kekurangan artikel serta saran perbaikan.

Dengan menggabungkan teknologi ini, sistem penilaian otomatis dapat mengoptimalkan proses penelaahan sejawat dengan memberikan hasil yang cepat, akurat, dan dapat diandalkan, mendukung kemajuan ilmu pengetahuan dan penyuntingan jurnal.