1. Nama :

2. Education background : UG, PG

3. Research Interest : 5 areas

4. 4 Tajuk Paper yang dicadangkan (satu orang satu tajuk)

5. Research 1 (Grant)* - Tajuk sahaja

1. Hujah terbuka (open discussion)
Semua ahli kumpulan bebas melontarkan idea tanpa kritik awal. Apa sahaja idea penyelidikan dicatat dulu.

2. Kenal pasti jurang (gap) dalam penyelidikan

-  Apa isu yang belum dikaji secara mendalam?

- Apakah masalah dalam masyarakat/industri yang belum ada penyelesaian?

- Apa kelemahan kajian lepas yang boleh diperbaiki?

3. Saringan idea
- Selepas ada banyak idea, kumpulan akan tapis mengikut kriteria seperti kebaruan (novelty), kebolehlaksanaan (feasibility), dan kesesuaian dengan bidang.

4. Rangka awal penyelidikan
Hasil brainstorming akan jadi asas untuk tulis abstrak, objektif, dan metodologi dalam sesi berikutnya.

📌 Contoh Rangka Brainstorming

Topik: Explainable AI (XAI) dalam Aplikasi Kesihatan

Langkah 1: Idea Asal

“Ramai pengguna tidak faham bagaimana AI membuat keputusan, contohnya dalam aplikasi kesihatan seperti diagnosis awal penyakit.”

Langkah 2: Kenal Pasti Research Gap

Kebanyakan kajian fokus pada ketepatan model (accuracy), bukan pada keterjelasan keputusan.

Pesakit & doktor sukar mempercayai AI jika mereka tidak faham logik di sebaliknya.

Masih kurang kajian dalam konteks aplikasi kesihatan tempatan (Malaysia/Asia Tenggara).

Langkah 3: Bentuk Research Question (RQ)

Bagaimana framework Explainable AI boleh meningkatkan tahap kepercayaan pengguna dalam aplikasi diagnosis kesihatan?

Adakah XAI mempengaruhi keputusan klinikal atau hanya memberi keyakinan tambahan?

Langkah 4: Tentukan Objektif Kajian

Membangunkan prototaip aplikasi kesihatan berasaskan AI dengan fungsi XAI.

Menilai tahap kefahaman dan kepercayaan pengguna (doktor/pesakit) terhadap keputusan AI.

Membandingkan prestasi & penerimaan AI tanpa XAI vs. AI dengan XAI.

Langkah 5: Kaedah / Metodologi Ringkas

Dataset: Data kesihatan (cth: gambar X-ray, rekod perubatan anonymized).

Model: CNN/Transformer untuk diagnosis penyakit.

Explainability Tools: LIME, SHAP, atau Grad-CAM.

Analisis: Ujian pengguna (survey / eksperimen) → tahap kepercayaan & ketepatan diagnosis.

Langkah 6: Jangkaan Sumbangan (Expected Contribution)

Menyediakan framework praktikal XAI dalam domain kesihatan.

Bukti empirikal bahawa keterjelasan AI meningkatkan trust pengguna.

Boleh jadi asas kepada garis panduan pembangunan AI dalam aplikasi kritikal (kesihatan, kewangan, dsb).

Section:

1. Title & Keywords

2. Abstract, Introduction / Literature Review

3. Methodology / Data Analysis

4. Results / Discussion

5. References and Citations

6. Figures, Tables, and Visual Abstracts