Halo haloo, mimin mau tanya nihhh, diantara followers Pacmann, berapa banyak sih yang perempuan dan bekerja atau kuliah di bidang Science, Technology, Engineering, and Mathematics (STEM)?
Kali ini, mimin pengen bahas nih tentang perempuan dan STEM nihh. Mungkin kalian udah pernah denger juga kali yaa kalau perempuan itu under-represented di bidang STEM.
Perjalanan perempuan untuk sampai berkarir di bidang STEM itu bisa diibaratkan kaya leaky pipeline atau pipa berlobang yang ngalirin air. Karna banyak lobang, hasil akhir air yang didapat juga dikit. Biar kebayang, nih liat gambar di bawah ini
Banyak yaa kebocoran yang terjadi, padahal tuhh bekerja atau berpendidikan di bidang STEM sangat menjanjikan lohh! Kalau mau liat perbandingan gaji orang-orang yang berkarir / berpendidikan di bidang STEM dengan yang non STEM, coba cek thread ini deh
Yang jadi permasalah adalah di masa yang akan datang, banyak pekerjaan yang tergantikan oleh otomatisasi, sedangkan hingga saat ini masih banyak perempuan yang bekerja / berpendidikan di bidang non STEM.
Kalau mengutip dari International Labour Organization (ILO), perempuan 1,2 kali lebih besar untuk menjalani pekerjaan yang berisiko terhadap otomatisasi di semua industri. Nah, sekarang jadi kebayang kan kenapa ada baiknya menanamkan ketertarikan perempuan di bidang STEM.
Terus apa sih yang jadi penyebab perempuan under-represented di bidang STEM? Karna mimin juga penasaran sama jawabannya, mimin akhirnya ketemu nih sama salah satu paper yang bahas tentang fenomena ini, mari kita ulik bareng bareng!
Di antara kalian adakah yang berhipotesis mungkin salah satu penyebabnya adalah perbedaan biologis antara laki-laki dan perempuan?
Mungkin sebagian besar dari kalian ga asing nih sama mitos kalau laki laki lebih mudah memahami materi STEM dibandingkan dengan perempuan karena perbedaan biologis antar keduanya. Nah, ternyataaa ya mitos hanyalah mitos guys.
Seorang peneliti bernama Janet Shibley Hyde mencoba untuk menguji perbedaan kemampuan matematis dan persepsi spasial antar kedua gender. Penelitian ini menunjukkan bahwa hanya terdapat perbedaan kecil antar kemampuan kedua gender tersebut.
Walaupun ada perbedaan kemampuan antar keduanya, jumlah perbedaan ini tidak cukup besar untuk menjelaskan mengapa perempuan under-represented di bidang STEM.
Maka dari itu jangan menyebarkan keyakinan bahwa terdapat perbedaan biologis yang tidak dapat diubah antara perempuan dan laki-laki di bidang STEM yaa! Keyakinan ini dapat mematahkan semangat teman-teman perempuan yang ingin berkecimpung di bidang STEM, yuk encourage mereka!
Kalauu faktor biologis bukan jadi penyebab, terus apa dong min penyebab under-represented perempuan di bidang STEM?
Pada tahun 1987, Margaret Spear melakukan penelitian untuk mencari tau gimana sih persepsi guru terhadap mata pelajaran sains. Spear memberikan hasil kerja murid kepada para guru dan meminta para guru untuk menilai dan memberikan komentar hasil kerja tersebut.
Hasilnya mengejutkan loh, hasil kerja murid laki laki banyak diberikan komentar mengenai ‘keakuratan ilmiah, ‘ide yang diutarakan’, sedangkan hasil kerja murid perempuan lebih banyak diberikan komentar mengenai kerapihan tulisan atau pekerjaan mereka.
Di penelitian yang berbeda, Spear juga menemukan bahwa beberapa guru menganggap kalau preparation di mata pelajaran sains lebih penting untuk murid laki-laki dibandingkan dengan perempuan. Persepsi guru ini ya at some point memengaruhi cara mengajar mereka.
Ga hanya itu aja, murid perempuan juga menerima perhatian yang lebih sedikit dari guru dibandingkan dengan murid laki-laki, terlepas dari mata pelajaran apapun dan umur murid.
• • •
Missing some Tweet in this thread? You can try to
force a refresh
Pasti pernah kan kalian mendapatkan rekomendasi dari sistem? Misalnya seperti rekomendasi video di YouTube, rekomendasi lagu di Spotify dll. Nah itu salah satu bentuk recommender system
Singkatnya, wide & deep learning ini terdiri 2 blok yang berbeda yaitu wide learning dan deep learning
Untuk wide learning, proses yang dilakukan adalah memorization / mengingat. Jadi misalnya saat kita melakukan perjalanan dari rumah ke sekolah selama 20 menit -c-
Halo semua! Balik lagi nih sama mimin! Di masa pandemi ini siapa nih yang kangen hangout ke luar bareng teman maupun pacar?
Pastinya kalau mau hangout, kita pilih tempat yang strategis dan mudah dituju kan? Dan yang terlebih penting, jalan kesananya enggak macet! Supaya sampai tempat tujuannya bisa tepat waktu kan?
Mari kita mulai pembahasan dengan restate kasus kita:
Toko Selular Nusantara menjual telepon selular bekas di e-commerce lokal. Toko ini merasa penentuan harganya terkadang terlalu murah, terkadang terlalu mahal. Toko tersebut memiliki data: 1) jenis hape, 2) harga, 3) terjual atau tidak, 4) kondisi hape.
Hallo semuanya selamat siang! Gimana nih hari kedua long weekend pertama kalian di 2021 ini?! Seru gaaak?
Yuk kita manfaatkan long weekend ini sebagai kesempatan buat recharge diri dari segala tekanan pekerjaan biar ga kena workplace stress. Apalagi di tengah pandemi kaya gini dan terutama yang wfh jadi lebih mudah stress karena tekanan pekerjaan, ya gak sih?
Sebenarnya memang wajar sih kalau lebih mudah stress saat wfh. Penelitian juga membuktikan kok kalau penggunaan handphone maupun komputer membuat kita terkoneksi dengan pekerjaan lebih dari sebelumnya, akibatnya kita lebih mudah mengalami tekanan pekerjaan dan berujung ke stress.
Menurut gue kebanyakan Data Scientist terlalu mikirin curve fitting dan optimisasi metrics berlebihan tanpa mikirin modeling. Makannya sering kurang berguna di perusahaan.
Gue berikan contoh kasus ya.
Kebanyakan hanya memikirkan: 1. Modelnya supervised atau unsup (meh..) 2. Metrics nya apa (meh...)
Lalu dilakukan development dalam 6 bulan, kemudian modelnya tidak bisa menjawab pertanyaan bisnis.
IMO curve fitting itu hal termudah yang dilakukan oleh DS dan biasanya hanya 5% dari pekerjaan. Pekerjaan utamanya adalah membuat modeling.
Bedakan modeling dengan fitting-fitting pakai sklearn/keras/pytorch.