Begitupun pula dengan input feedback melewati orang tua dimana mereka akan melewati pengisian form NIK KTP dan validasi SMS nomor ponsel yang akan di-cross check dengan data Dukcapil. Data personal ini akan dirahasiakan dan server akan diberi keamanan firewall.
Setelah melakukan validasi data, siswa akan diarahkan ke halaman kuisioner [Terlampir Gambar 1]. Setelah itu, siswa diberi pilihan feedback yang mana terbagi menjadi kritik, saran atau apresiasi terhadap komponen proses pengajaran seperti metode & strategi ajar (contoh: apakah guru telah melaksanakan pembelajaran saintifik 5M, seperti mengamati dan menanya) dan juga media, penilaian, tugas, behavior guru, ataupun kejadian luar biasa (pelecehan verbal, fisik hingga seksual, serta deskriminasi berbasis SARA, gender, ataupun disabilitas).
Kuisioner dibagi menjadi dua kategori dimana siswa dapat mengisi kuisioner berbasis pilihan skala likert (contoh: SJ : Sangat jarang hingga SS: Sangat Sering) yang lebih mudah atau kuisioner isian. Kuisioner deskriptif menjadi acuan big data untuk memperbaharui isi dari kuisioner yang dimutakhirkan dengan metode text mining.
Text mining juga dapat digunakan untuk pengambilan kumpulan frasa RPP tiap guru yang dirubah menjadi bentuk kuisioner demi memvalidasi apakah guru telah benar-benar menerapkan konten RPP nya.
Selain dengan RPP guru yang membuat isi pertanyaan kuisioner akan bervariasi di tiap kelas, ada pula faktor tingkat jenjang pendidikan, status daerah (contoh: apakah daerah kategori 3T), dan jenis mata pelajaran. Jadi, tidak akan ada pertanyaan "apakah guru telah menerapkan pembelajaran dengan media digital" pada sekolah 3T dan diksi kuisioner akan disesuaikan dengan tingkat pendidikan.
Implementasi data mining juga dapat dilakukan dengan input berbasis suara (voice recognition) lewat mic ponsel sehingga siswa dengan disabilitas dapat mengakses ABIPET. Pada sekolah daerah rural, pemerintah akan mengimplementasikan sekolah percontohan sebagai perwakilan wilayah itu dengan bantuan berupa tablet dan metode SMS-gateway sebelum perluasan jangkauan ABIPET. Sekolah percontohan dapat menjadi rujukan sekolah yang belum siap.
Berikut adalah  tampilan Halaman Statistics Report guru:
Batas akumulasi suara untuk ditindaklanjuti juga bergantung pada tingkat urgensi suatu masalah (contoh: masalah pengajaran seperti rendahnya implementasi pembelajaran saintifik membutuhkan akumulasi aduan sepertiga jumlah siswa di kelas, sedangkan kasus luar biasa seperti kekerasan fisik guru hanya membutuhkan dua aduan untuk tindaklanjuti).
Tindaklanjut dari analisis big data akan berupa penentuan rerata insentif gaji & reward guru terbaik dari tiap wilayah. Sedangkan guru yang mendapat feedback negatif secara frekuen sepanjang triwulan akan mendapatkan pelatihan ulang hingga penurunan insentif gaji bulanan.
Sistem akumulasi rating feedback yang diolah di server akan dikombinasikan dengan validasi RPP dan progress penilaian keseharian siswa. Data ini dijadikan acuan peringkat guru terbaik dari tiap regional.
