Hasil Pencarian  ::  Simpan CSV :: Kembali

"Buku ini berisi mengenai aspek psikologis dari pembuktian, yaitu mencakup alasan deduktif dalam pemikiran manusia."

"Di era perkembangan media, pembaca berita dihadapkan pada pilihan konten berita yang luas serta keterlibatan pengguna yang semakin meningkat. Namun, sejauh ini, penelitian tentang pengaruh keterlibatan pembaca berita telah memfokuskan penelitian mereka pada jenis berita berat sambil mengesampingkan berita ringan. Padahal, light news telah menjadi salah satu jenis konten berita yang banyak diakses oleh masyarakat. Pada penelitian ini dilakukan eksperimen dengan desain penelitian 2 (sopan vs. tidak sopan) x 2 (berbobot vs. tidak berbobot) x 2 (berat vs. ringan) untuk mengetahui pengaruh komentar pembaca terhadap persepsi kualitas berita. Jumlah partisipan dalam penelitian ini (n = 282) dengan rentang usia 18-34 tahun. Analisis data yang dilakukan dengan teknik analisis ANOVA menemukan bahwa kesantunan dan bobot komentar memiliki pengaruh yang berbeda terhadap persepsi kualitas artikel pada jenis berita berat dan ringan. Kesopanan secara signifikan meningkatkan persepsi kualitas artikel pada berita berat, tetapi sebenarnya menurunkan kualitas artikel yang dipersepsikan untuk artikel berita ringan. Hasil penelitian ini menyarankan pers atau media berita untuk memonitor komentar pembaca terhadap artikel beritanya sehingga dapat menciptakan ruang diskusi online sipil untuk menghindari pengaruh negatif yang dapat muncul dari komentar tidak sopan.

---

In this era of of media development, news readers are faced with a wide choice of news content as well as increasing user interaction. So far, however, research on the impact of newsreader interactions has focused on their research on heavy news types while leaving light news aside. In fact, light news has become one type of news that is widely accessed by the public. In this study, an experiment was conducted with a research design of 2 (polite vs. impolite) x 2 (weighted vs. unweighted) x 2 (heavy vs. light) to see the effect of comments on the perception of news quality. The number of participants in this study (n = 282) ranged in age from 18-34 years. Data analysis using ANOVA analysis technique found that politeness and weight of comments had different effects on the perception of the quality of articles on heavy and light news types. Politeness significantly increases the perceived quality of articles on heavy headlines, but actually decreases the quality of articles that are considered light news articles. The results of this study suggest the press or news media to monitor comments on their news articles so that they can create a civic online discussion space to avoid the negative influence that can arise from rude comments."

"Penalaran deduktif adalah suatu metode berpikir logis di mana seseorang menarik kesimpulan spesifik (hipotesis) berdasarkan premis atau pernyataan umum yang dianggap benar dengan menerapkan aturan inferensi logika. Aturan inferensi logika adalah prinsip-prinsip logika yang memungkinkan seseorang untuk mengambil hipotesis yang absah dari premis yang diberikan. Meskipun penalaran deduktif memiliki keunggulan pada penalaran yang absah, manusia cenderung membuat kesalahan dalam bernalar deduktif. Salah satu model bahasa untuk penalaran deduktif adalah Natural Logic (NatLog), yaitu model berbasis machine learning yang dilatih untuk melakukan klasifikasi kelas dari hubungan persyaratan antar kalimat. Namun, model memiliki keterbatasan pada rentang kalimat yang panjang. Di sisi lain, Large Language Model (LLM) seperti Generative Pre-trained Transformer (GPT) telah menunjukkan performa yang baik dalam tugas penalaran deduktif, terutama dengan menggunakan metode Chain of Thought (CoT). Namun, metode CoT masih menimbulkan masalah halusinasi dan inkonsistensi dari langkah perantaranya, yang berujung pada konklusi akhir yang tidak absah. Metode Chain of Thought - Self-Consistency (CoT-SC) merupakan pengembangan dari metode CoT yang bertujuan untuk meningkatkan kemampuan penalaran pada LLM. Dalam metode CoT-SC, CoT dijalankan beberapa kali untuk menghasilkan beberapa sampel jawaban. Setelah itu, dilakukan operasi modus, yaitu pemilihan jawaban yang paling sering muncul di antara sampel-sampel yang dihasilkan, untuk menentukan jawaban akhir. Jawaban dengan frekuensi kemunculan terbanyak dianggap sebagai jawaban yang paling konsisten dan akurat. Tujuan dari penelitian ini adalah untuk mengimplementasikan dan menganalisis kemampuan metode CoT-SC pada model GPT dalam menyelesaikan tugas penalaran deduktif. Penelitian ini akan mengevaluasi kemampuan penalaran deduktif pada model GPT menggunakan tiga sumber data yang merepresentasikan tiga domain tugas penalaran deduktif yang berbeda, yaitu ProntoQA, ProofWriter, dan FOLIO. Setelah itu, akan dilakukan analisis perbandingan performa LLM berbasis metode CoT-SC dengan manusia dalam menyelesaikan tugas penalaran deduktif. Hasil penelitian menunjukkan bahwa metode CoT-SC menunjukkan performa akurasi yang baik dalam mayoritas tugas penalaran deduktif serta LLM GPT dengan metode CoT-SC mengungguli 1 dari 3 domain tugas penalaran deduktif. Hasil ini menunjukkan model GPT berbasis metode CoT-SC memiliki potensi dalam tugas penalaran deduktif.

---

Deductive reasoning is a method of logical thinking in which one draws specific conclusions (hypotheses) based on general premises or statements that are considered true by applying the rules of logical inference. Rules of logical inference are principles of logic that allow one to derive valid hypotheses from given premises. Although deductive reasoning has the advantage of valid reasoning, humans tend to make mistakes in deductive reasoning. One of the language models for deductive reasoning is Natural Logic (NatLog), which is a machine learning-based model trained to perform class classification of conditional relations between sentences. However, the model has limitations on long sentence ranges. On the other hand, Large Language Models (LLMs) such as Generative Pre-trained Transformer (GPT) have shown good performance in deductive reasoning tasks, especially by using the Chain of Thought (CoT) method. However, the CoT method still raises the problem of hallucinations and inconsistencies of the intermediate steps, leading to invalid final conclusions. The Chain of Thought - Self-Consistency (CoT-SC) method is a development of the CoT method that aims to improve reasoning ability in LLM. In the CoT-SC method, CoT is run several times to produce several sample answers. After that, a mode operation is performed, which is the selection of the most frequently occurring answer among the generated samples, to determine the final answer. The answer with the highest frequency of occurrence is considered the most consistent and accurate answer. The purpose of this study is to implement and analyze the ability of the CoT-SC method on the GPT model in solving deductive reasoning tasks. This study will evaluate the deductive reasoning ability of the GPT model using three data sources representing three different deductive reasoning task domains, namely ProntoQA, ProofWriter, and FOLIO. After that, a comparative analysis of the performance of LLM based on the CoT-SC method with humans in solving deductive reasoning tasks. These results indicate the GPT model based on the CoT-SC method has a potential in deductive reasoning tasks."

"ABSTRAK Penelitian ini bertujuan untuk memberikan bukti empiris yang membuktikan apakah terdapat pengaruh positif yang diberikan tingkat manajemen laba terhadap Causal Reasoning Intensity (CRI) direksi atas kinerja perusahaan publik di Indonesia. Kekhawatiran investor terhadap tingginya tingkat manajemen laba diprediksi akan menimbulkan masalah akuntabilitas sehingga manajemen memberikan lebih banyak alasan-alasan logis (causal reasoning) untuk memitigasi kekhawatiran investor tersebut. Tingkat manajemen laba diukur menggunakan model Kothari et al. (2005). CRI diukur dengan metode analisis konten terhadap setiap Analisis dan Pembahasan Manajemen tentang kinerja pada Laporan Tahunan perusahaan. Penelitian ini menemukan bahwa tingkat manajemen laba berpengaruh positif terhadap CRI direksi atas kinerja perusahaan.

---

ABSTRACT This research aims to give empirical evidence to prove whether earnings management is positively associated with Management’s Causal Reasoning Intensity (CRI) on performance in Indonesian public companies. Earnings management concerns are argued to constitute accountability predicament bringing management to offer more causal reasoning to mitigate the investors’ concerns. Kothari et al. (2005) model is used to calculate discretionary accruals to measure earnings management. CRI is measured using content analysis method to each Management’s Discussion and Analysis (MD&A) related to performance in companies’ annual report. The result shows that accruals earnings management is positively associated with management’s CRI on performance."