Mathpreneurship: Daripada Formula Kepada Inovasi

Oleh: Dr. Mohd Hirzie Mohd Rodzhan
Pensyarah Kanan
Department of Computational and Theoretical Sciences
Kulliyyah of Science IIUM

Daripada Ilmu Kepada Nilai

Matematik dan Sains sering dilihat sebagai bidang ilmu yang berkaitan dengan formula, teori, eksperimen dan penyelesaian masalah. Namun, nilai kedua-dua bidang ini tidak terhad kepada penghasilan pengetahuan semata-mata. Matematik membolehkan fenomena diterjemahkan melalui kuantifikasi, corak, hubungan dan model. Manakala Sains menyediakan kaedah sistematik untuk memahami fenomena melalui pemerhatian, hipotesis, eksperimen dan bukti.

Dalam dunia yang semakin berasaskan data dan teknologi, pengetahuan tersebut boleh diterjemahkan kepada nilai melalui satu pendekatan yang dikenali sebagai Mathpreneurship. Mathpreneurship menghubungkan pemikiran matematik dan saintifik dengan pemikiran keusahawanan untuk mengenal pasti masalah, membangunkan penyelesaian dan menghasilkan nilai. Pendekatan ini boleh diaplikasikan dalam pendidikan, kewangan, kesihatan, perniagaan, industri, alam sekitar, teknologi dan pelbagai bidang lain.

Berbeza daripada STEM entrepreneurship yang merangkumi keusahawanan berasaskan pelbagai disiplin Sains, Teknologi, Kejuruteraan dan Matematik, Mathpreneurship memberikan penekanan khusus kepada pemikiran matematik sebagai salah satu enjin penciptaan nilai. Quantification, statistics, mathematical modelling, optimisation, prediction dan computational thinking menjadi alat untuk memahami masalah dan membina penyelesaian, manakala Sains, teknologi dan Al membantu merealisasikan serta menguji penyelesaian tersebut.

Pemikiran Matematik Dan Saintifik Sebagai Asas

Pemikiran matematik membolehkan masalah dunia sebenar diterjemahkan kepada struktur yang boleh dianalisis. Statistik boleh digunakan untuk memahami pola data, kebarangkalian untuk mengukur ketidakpastian, pengoptimuman untuk mencari penggunaan sumber yang lebih cekap dan pemodelan matematik untuk mewakili sistem yang kompleks. Dalam perniagaan, pendekatan

ini boleh digunakan untuk meramal permintaan dan mengoptimumkan inventori, manakala dalam pengangkutan ia boleh digunakan untuk menentukan laluan yang lebih cekap.

Pemikiran saintifik pula memastikan sesuatu penyelesaian dibangunkan berdasarkan bukti. Dalam kesihatan, data pesakit boleh dianalisis untuk memahami pola penyakit dan menyokong kajian epidemiologi. Dalam alam sekitar, data sensor boleh digunakan untuk memantau pencemaran udara atau air. Dalam pendidikan, data prestasi pelajar boleh dianalisis untuk mengenal pasti konsep yang sukar dikuasai dan membantu membina pendekatan pembelajaran yang lebih sesuai.

Gabungan kedua-dua pemikiran ini membentuk asas Mathpreneurship. Matematik membantu menjawab persoalan berapa, bagaimana, sejauh mana dan apa yang mungkin berlaku, manakala Sains membantu menjawab mengapa, apakah buktinya dan adakah penyelesaian itu berfungsi. Keusahawanan pula membawa persoalan siapakah yang memerlukan penyelesaian tersebut dan bagaimana penyelesaian itu boleh menghasilkan nilai yang bermakna.

Bermula Dengan Masalah, Bukan Produk

Mathpreneurship seharusnya bermula dengan masalah sebenar, bukan semata-mata dengan idea produk. Seorang guru mungkin mendapati pelajar menghadapi kesukaran memahami topik tertentu dalam Matematik. Seorang peniaga mungkin menghadapi masalah lebihan stok. Sebuah hospital mungkin perlu mengoptimumkan penggunaan sumber, manakala sebuah syarikat logistik mungkin perlu mengurangkan masa dan kos penghantaran.

Masalah tersebut boleh diterjemahkan kepada persoalan yang boleh diukur dan dianalisis. Kesukaran pembelajaran boleh dikaji melalui data prestasi pelajar. Lebihan stok boleh dianalisis melalui pola permintaan. Penggunaan katil hospital boleh dimodelkan sebagai masalah pengoptimuman, manakala penghantaran barang boleh diterjemahkan kepada masalah pencarian laluan. Dengan cara ini, masalah kehidupan sebenar menjadi persoalan matematik dan saintifik yang boleh diterokai.

Sebagai contoh, seorang pelajar Matematik mungkin menyedari bahawa rakan-rakannya sukar memahami konsep kebarangkalian. Daripada sekadar menghasilkan nota tambahan, pelajar tersebut boleh menganalisis kesukaran pembelajaran, membina simulasi interaktif, menguji keberkesanannya dan memperbaiki reka bentuk berdasarkan maklum balas pengguna. Dari masalah ke data dan analisis, penyelesaian menjadi titik permulaan kepada penciptaan nilai.

Daripada Formula Kepada Model Matematik

Formula matematik menjadi lebih bermakna apabila digunakan untuk mewakili sistem dunia sebenar. Proses ini menghasilkan model matematik yang boleh digunakan untuk membuat ramalan, menjalankan simulasi atau mencari keadaan yang optimum. Dalam kewangan, mathematical modelling boleh digunakan untuk menganalisis risiko dan senario pelaburan. Dalam pengangkutan, model boleh digunakan untuk memahami aliran trafik dan mengoptimumkan laluan.

Dalam bidang kesihatan, model matematik boleh digunakan untuk mengkaji penyebaran penyakit atau mengoptimumkan penggunaan sumber. Dalam industri, model boleh membantu menentukan keadaan operasi yang lebih cekap. Dalam sains dan penyelidikan pula, simulasi komputer membolehkan penyelidik mengkaji fenomena yang sukar atau mahal untuk diuji secara fizikal, sekali gus memperluas ruang eksperimen dan penerokaan saintifik.

Namun, model hanyalah representasi realiti dan bergantung pada data serta andaian yang digunakan. Model yang dibina menggunakan data tidak lengkap atau andaian yang kurang sesuai boleh menghasilkan keputusan yang mengelirukan. Oleh itu, Mathpreneur bukan sahaja perlu mengetahui cara membina model, tetapi juga memahami ketepatan, batasan, ketidakpastian dan konteks penggunaannya.

AI Sebagai Pemangkin Mathpreneurship

Al memperluaskan keupayaan Mathpreneur untuk bekerja dengan data dan model pada skala yang lebih besar. Dalam pendidikan, Al boleh membantu mengenal pasti pola prestasi pelajar dan menyokong adaptive learning. Dalam perniagaan, Al boleh digunakan untuk customer analytics dan demand forecasting. Dalam industri, analisis data sensor boleh digunakan untuk predictive maintenance, manakala dalam kewangan Al boleh membantu mengenal pasti corak transaksi yang mencurigakan.

Dalam penyelidikan saintifik, Al boleh membantu menganalisis data kompleks, mempercepatkan simulasi dan mengenal pasti corak yang sukar dikesan secara manual. Dalam alam sekitar, gabungan Al dan data sensor boleh membantu memantau pencemaran. Dalam kesihatan pula, Al boleh membantu menganalisis data perubatan atau menyokong proses membuat keputusan. Dalam semua contoh ini, Al menjadi lebih bermakna apabila digabungkan dengan pengetahuan domain dan asas matematik yang kukuh.

Walau bagaimanapun, Al bukan pengganti kepada pemikiran manusia. Data quality, model validation, bias, interpretability dan human oversight perlu menjadi sebahagian daripada proses pembangunan. Model yang memberikan keputusan baik pada data latihan belum tentu berfungsi dengan baik pada data baharu. Oleh itu, Mathpreneur perlu memahami bukan sahaja apa yang Al boleh lakukan, tetapi juga bila keputusan Al boleh dipercayai dan bila ia perlu dipersoalkan.

Daripada Model Kepada Prototaip Dan Produk

Apabila model telah dibangunkan, langkah seterusnya ialah menerjemahkannya kepada sesuatu yang boleh digunakan. Model pembelajaran boleh menjadi aplikasi pendidikan, model permintaan boleh menjadi dashboard perniagaan, model laluan boleh menjadi sistem logistik dan model risiko boleh menjadi alat sokongan keputusan kewangan. Dalam sains, model dan simulasi boleh diterjemahkan kepada perisian atau perkhidmatan analitik khusus.

Nilai sesuatu penyelesaian bukan hanya bergantung pada kecanggihan matematik atau Al yang digunakan. Sebuah aplikasi pembelajaran perlu mudah difahami oleh pelajar. Dashboard perniagaan perlu membantu pengurus membuat keputusan. Sistem hospital perlu mengambil kira keperluan kakitangan dan pesakit. Perisian industri pula perlu boleh digunakan dalam persekitaran operasi sebenar. Oleh itu, reka bentuk, kebolehgunaan, kos dan pengalaman pengguna menjadi sebahagian daripada proses penciptaan nilai.

Mathpreneurship menghubungkan persoalan teknikal dengan persoalan pengguna. “Bolehkah kita membina penyelesaian ini?” perlu disertai dengan “Adakah ia diperlukan, boleh digunakan dan memberikan manfaat?” Apabila jawapan kepada kedua-dua persoalan tersebut adalah positif, pengetahuan matematik dan saintifik mula bergerak daripada model kepada produk atau perkhidmatan yang mempunyai potensi nilai sebenar.

Validasi Daripada Prototaip Kepada Inovasi

Sesuatu prototaip perlu melalui proses validasi sebelum dianggap sebagai penyelesaian yang kukuh. Dalam pendidikan, aplikasi boleh diuji melalui perubahan prestasi pelajar. Dalam perniagaan, sistem ramalan boleh dinilai melalui ketepatan ramalan dan pengurangan lebihan. inventori. Dalam industri, predictive maintenance boleh dinilai melalui pengurangan masa henti mesin dan peningkatan kebolehpercayaan operasi.

Validasi juga perlu melibatkan pengguna sebenar dan bukan hanya ukuran teknikal. Sistem kesihatan perlu dinilai dari segi ketepatan serta kebolehgunaan oleh profesional. Sistem pengangkutan perlu dibandingkan dengan keadaan sebenar di lapangan. Sistem alam sekitar perlu diuji terhadap data sebenar. Proses ini memastikan sesuatu inovasi bukan hanya berfungsi dalam model komputer, tetapi mempunyai prestasi yang bermakna apabila digunakan dalam dunia sebenar.

Keseluruhan perjalanan ini boleh diringkaskan sebagai Mathpreneurship Pipeline:

PENGETAHUAN → MASALAH → ANALISIS → MODEL MATEMATIK → AI → PROTOTAIP → VALIDASI → PRODUK/PERKHIDMATAN → NILAI → INOVASI

Pipeline ini menunjukkan bahawa inovasi bukan berlaku dalam satu langkah. Ia terbentuk melalui proses yang menggabungkan ilmu, pemikiran matematik, kaedah saintifik, teknologi, pengujian dan pemahaman terhadap keperluan manusia. Setiap peringkat memainkan peranan dalam mengubah pengetahuan kepada sesuatu yang mempunyai nilai.

Mathpreneurship Membina Masa Hadapan Berasaskan Ilmu

Mathpreneurship membuka ruang kepada pelbagai kelompok untuk menjadi pencipta berasaskan ilmu matematik. Pelajar boleh membina aplikasi pembelajaran, guru boleh membangunkan alat analitik pendidikan, saintis boleh menghasilkan perkhidmatan berasaskan data, manakala jurutera boleh membina sistem pengoptimuman. Peniaga dan usahawan pula boleh menggunakan pemodelan, statistik dan Al untuk membuat keputusan yang lebih berasaskan data.

Namun, kelebihan seorang Mathpreneur bukan sekadar kebolehan menggunakan Al atau menghasilkan produk digital. Ia terletak pada keupayaan mengenal pasti masalah, memilih data yang sesuai, membina model yang relevan, menguji andaian dan memahami batasan sesuatu penyelesaian. Al boleh menghasilkan jawapan dengan pantas, tetapi Mathpreneur perlu menentukan soalan yang wajar ditanya dan nilai yang ingin dicipta.

Masa depan Mathpreneurship terletak pada pertemuan antara pemikiran matematik, kaedah saintifik, kecerdasan buatan dan pemikiran keusahawanan. Matematik membantu kita mengukur dan memodelkan dunia, Sains membantu kita menguji dan memahami, Al membantu kita mempercepatkan penerokaan, manakala keusahawanan membantu membawa penyelesaian kepada manusia. Daripada formula kepada model, daripada model kepada prototaip, dan daripada prototaip kepada impak, maka di situlah ilmu berubah menjadi inovasi.

Infographic Mathpreneurship pipeline daripada formula kepada Inovasi. Kerangka yang menghubungkan Matematik, Sains, Al dan pemikiran keusahawanan daripada pengenalpastian masalah sehingga menghasilkan penyelesaian, nilai dan inovasi.