Universitas Dian Nuswantoro (UDINUS), dengan Nurchim, Muljono, Edi Noersasongko, Ahmad Zainul Fanani, dan Deshinta Arrova Dewi sebagai peserta kegiatan, melaksanakan kegiatan jurnal berjudul Kerangka Meta-Pembelajaran Semantik Few-Shot dengan CRF untuk Pengenalan Entitas Keterampilan dalam Ekosistem Inovasi Terbuka pada periode 2026. Kegiatan ini membahas percepatan transformasi digital, perubahan dinamika pasar kerja, kemunculan kompetensi baru, serta kebutuhan akan sistem kecerdasan keterampilan yang dapat diskalakan dalam ekosistem inovasi terbuka.
Kegiatan berfokus pada Named Entity Recognition bahasa Indonesia untuk tugas ekstraksi keterampilan dalam konteks sumber daya rendah. Sumber menyatakan bahwa penelitian mengenai bidang tersebut masih terbatas, terutama ketika data beranotasi langka dan ungkapan keterampilan baru berkembang secara cepat. UDINUS memperkenalkan kerangka Few-Shot Semantic Meta-Learning dengan CRF, yang disingkat FSM-CRF, untuk pengenalan entitas keterampilan bahasa Indonesia. Kerangka ini mengintegrasikan representasi semantic span, meta-pembelajaran episodik, dan decoding CRF yang dibatasi BIO. Komponen tersebut digunakan untuk meningkatkan stabilitas prototipe dan ketepatan batas entitas bagi ungkapan keterampilan kompleks yang terdiri atas banyak token.
Dengan menggunakan dataset NERSkill.id, kegiatan mengevaluasi model yang diusulkan dalam pengaturan episodik 3-way, 10-shot. FSM-CRF mencapai micro-F1 sebesar 73,84% dan mengungguli pendekatan supervised tradisional yang disebutkan dalam sumber, yaitu fine-tuning IndoBERT dan BiLSTM-CRF, serta baseline few-shot yang telah ada. Eksperimen ablasi menunjukkan bahwa pemodelan semantic span dan inferensi CRF terstruktur berperan penting dalam meningkatkan ketahanan model. Sumber juga melaporkan bahwa meta-pembelajaran memperkuat kemampuan adaptasi terhadap kategori keterampilan yang beragam dan terus berkembang.
Dalam kaitannya dengan SDG 4, SDG 8, dan SDG 9, kegiatan ini menghubungkan penelitian pembelajaran dan keterampilan, pemetaan kompetensi terkait tenaga kerja, serta infrastruktur digital yang berorientasi pada inovasi. Dari perspektif inovasi terbuka, kerangka tersebut disajikan sebagai solusi hemat data untuk pemetaan kompetensi dinamis, mengurangi ketergantungan pada pipeline anotasi yang mahal, dan memungkinkan pembaruan berkelanjutan terhadap taksonomi keterampilan tenaga kerja. Temuan ini menempatkan meta-pembelajaran semantik sebagai fondasi yang menjanjikan bagi infrastruktur kecerdasan keterampilan untuk mendukung manajemen inovasi berbasis AI, perencanaan tenaga kerja strategis, dan perancangan kebijakan berbasis bukti. Kegiatan ini menunjukkan keterlibatan UDINUS dalam penelitian NLP terapan yang menangani informasi keterampilan yang berkembang dalam ekosistem inovasi terbuka.