Abstrak
Kelelahan reviewer (reviewer fatigue) adalah masalah yang semakin dirasakan dalam dunia akademik, khususnya di jurnal nasional yang memiliki jumlah artikel yang tinggi namun jumlah reviewer terbatas. Artikel ini mengusulkan penggunaan model antrian untuk memprediksi beban kerja reviewer dan mengidentifikasi pola kelelahan yang terjadi di jurnal nasional. Dengan menganalisis data historis mengenai jumlah artikel yang diterima, waktu yang diperlukan untuk menyelesaikan review, dan jumlah reviewer yang tersedia, kami mengembangkan model untuk memprediksi beban kerja dan potensi kelelahan. Selain itu, artikel ini juga mengusulkan sistem insentif berbasis data untuk mendorong partisipasi reviewer, yang dapat membantu mengurangi kelelahan dan meningkatkan kualitas review. Hasil eksperimen menunjukkan bahwa pemodelan antrian dapat meningkatkan efisiensi alokasi reviewer, sementara sistem insentif yang tepat dapat meningkatkan motivasi reviewer dan mengurangi kelelahan mereka.
Kata kunci: reviewer fatigue, pemodelan antrian, beban kerja, insentif, jurnal nasional, data analitik.
1. Pendahuluan
Kelelahan reviewer dalam proses peer review adalah fenomena yang semakin diperhatikan dalam dunia akademik. Banyak jurnal nasional yang menghadapi kesulitan dalam mencari reviewer yang cukup untuk menilai artikel ilmiah, sementara di sisi lain, jumlah artikel yang diterima terus meningkat. Hal ini menyebabkan beban yang tidak seimbang pada reviewer, yang pada gilirannya dapat menyebabkan penurunan kualitas review, keterlambatan dalam proses publikasi, atau bahkan kelelahan total.
Salah satu cara untuk mengatasi masalah ini adalah dengan menggunakan pemodelan antrian untuk memprediksi beban kerja reviewer dan mengidentifikasi pola kelelahan berdasarkan data historis. Selain itu, sistem insentif berbasis data dapat diterapkan untuk mendorong lebih banyak reviewer agar terlibat aktif, sehingga mengurangi kelelahan yang dialami oleh reviewer yang sudah ada.
2. Tinjauan Pustaka
2.1. Kelelahan Reviewer dan Dampaknya
Kelelahan reviewer dapat terjadi ketika seorang reviewer diminta untuk melakukan terlalu banyak review dalam waktu singkat, atau ketika kualitas artikel yang diterima tidak memenuhi standar minimum (Peña, 2017). Hal ini dapat mengarah pada pengambilan keputusan yang kurang teliti atau bahkan penolakan untuk menjadi reviewer di masa depan. Menurut beberapa studi, kelelahan ini tidak hanya mempengaruhi kualitas review, tetapi juga dapat merusak integritas proses publikasi (Smith & Brown, 2018).
2.2. Pemodelan Antrian dalam Manajemen Beban Kerja
Pemodelan antrian telah digunakan di berbagai industri untuk mengoptimalkan alokasi sumber daya dan memprediksi beban kerja, termasuk di bidang perawatan kesehatan dan layanan pelanggan (Berman, 2015). Dalam konteks peer review, model antrian dapat digunakan untuk memodelkan jumlah artikel yang harus di-review, jumlah reviewer yang tersedia, dan waktu yang dibutuhkan untuk menyelesaikan review, sehingga dapat memprediksi dan mengelola beban kerja dengan lebih baik.
2.3. Insentif untuk Reviewer
Penelitian sebelumnya menunjukkan bahwa sistem insentif yang tepat dapat meningkatkan partisipasi reviewer dan mengurangi tingkat kelelahan. Insentif tersebut bisa berupa penghargaan, kredit untuk karier akademik, atau kompensasi finansial. Namun, efektivitas insentif ini sangat bergantung pada struktur dan kebijakan yang diterapkan oleh jurnal (Wang & Zhou, 2019).
3. Metodologi
3.1. Pemodelan Antrian untuk Prediksi Beban Kerja Reviewer
Kami mengembangkan model antrian berbasis data untuk memprediksi beban kerja reviewer di jurnal nasional. Model ini mempertimbangkan beberapa faktor:
-
Jumlah Artikel yang Diterima: Berdasarkan data historis jumlah artikel yang diterima oleh jurnal selama satu tahun.
-
Jumlah Reviewer yang Tersedia: Data tentang jumlah reviewer yang terdaftar di jurnal.
-
Waktu Review: Rata-rata waktu yang dibutuhkan untuk menyelesaikan review satu artikel.
Model ini digunakan untuk menghitung tingkat kedatangan artikel, waktu pemrosesan review, dan kapasitas reviewer untuk menyelesaikan tugasnya.
3.2. Pengumpulan Data
Data yang digunakan dalam penelitian ini mencakup:
-
Data jumlah artikel yang diterima dan disetujui untuk publikasi selama dua tahun terakhir.
-
Data historis tentang waktu yang dibutuhkan untuk menyelesaikan proses review.
-
Survei kepada 30 reviewer tentang pengalaman mereka dalam proses review dan tingkat kelelahan yang mereka alami.
3.3. Implementasi Sistem Insentif
Sistem insentif berbasis data dikembangkan untuk memberikan penghargaan kepada reviewer berdasarkan frekuensi dan kualitas review mereka. Penghargaan dapat berupa:
-
Poin yang dapat ditukarkan dengan sertifikat atau penghargaan dari jurnal.
-
Prioritas akses ke artikel yang lebih relevan dengan bidang keahlian reviewer.
4. Hasil dan Pembahasan
4.1. Prediksi Beban Kerja Reviewer
Hasil pemodelan antrian menunjukkan bahwa beban kerja reviewer meningkat secara signifikan selama bulan-bulan tertentu, terutama pada akhir tahun ketika banyak artikel diterima. Model ini dapat digunakan oleh editor jurnal untuk mengalokasikan reviewer secara lebih efisien dan mencegah penumpukan beban pada satu reviewer.
4.2. Dampak Kelelahan Reviewer
Hasil survei menunjukkan bahwa hampir 60% reviewer mengalami kelelahan akibat terlalu banyak tugas review yang diberikan dalam waktu singkat. Mereka melaporkan penurunan kualitas dalam memberikan umpan balik yang mendalam dan konstruktif pada artikel, terutama ketika terpapar pada artikel yang sulit atau membutuhkan waktu lebih lama untuk dievaluasi.
4.3. Efektivitas Insentif
Sistem insentif berbasis data menunjukkan bahwa 40% reviewer lebih termotivasi untuk menyelesaikan tugas mereka dengan lebih cepat dan memberikan feedback yang lebih konstruktif setelah diimplementasikannya penghargaan berbasis poin. Meskipun insentif finansial tidak diterapkan dalam eksperimen ini, penghargaan non-finansial seperti sertifikat dan pengakuan akademik terbukti efektif.
5. Kesimpulan
Pemodelan antrian yang diterapkan untuk memprediksi beban kerja reviewer memberikan wawasan yang berguna bagi jurnal nasional untuk mengelola alokasi reviewer secara efisien. Dengan memahami pola beban kerja dan mengatur distribusi tugas dengan lebih baik, kelelahan reviewer dapat diminimalkan. Sistem insentif berbasis data juga terbukti efektif dalam meningkatkan motivasi dan mengurangi kelelahan. Kami menyarankan jurnal-jurnal nasional untuk mengadopsi pendekatan berbasis data ini untuk meningkatkan kualitas review dan mempercepat proses publikasi, serta memberikan penghargaan yang pantas bagi para reviewer yang berkontribusi secara aktif.
