Minarti Rohmawati 230151603571

Kelas TEP PGSD

Harapan Proyek

Proyek “SIMULASI EDUGAME PGSD” diinisiasi dengan harapan untuk merespons pergeseran fundamental dalam pendidikan di era digital, di mana tuntutan telah bergerak dari sekadar transfer pengetahuan menuju penciptaan pengalaman belajar yang mendalam (deep learning), sejalan dengan pandangan bahwa teknologi harus melampaui konten statis demi mengembangkan kapasitas intelektual pembelajar (Hokanson et al., 2018) dan mendukung praktik yang bergerak melampaui konten standar secara adaptif (Hill dan Ellis, 2025). Oleh karena itu, tantangan utama pendidik adalah merancang ekosistem pembelajaran yang memfasilitasi konstruksi pengetahuan yang bermakna. Secara konkret, proyek ini bertujuan untuk menjembatani harapan pedagogis ideal dengan kapasitas eksekusi teknis Mahasiswa PGSD, khususnya dalam mencapai target skor minimal 80% pada praktik pembuatan instrumen edugame mandiri yang relevan dan menarik bagi siswa SD , dengan fokus pada aplikasi no-code dan pengintegrasian unsur HOTS sederhana untuk mengatasi kelemahan evaluasi konvensional.

Konteks Proyek

Pencapaian deep learning menuntut lingkungan belajar yang dirancang secara canggih dan intensional, bukan sekadar situasi yang terjadi secara kebetulan. Hal ini selaras dengan definisi Teknologi Pendidikan oleh Januszewski dan Molenda (2008), yang menekankan bahwa fasilitasi belajar memerlukan proses “penciptaan, penggunaan, dan pengelolaan” sumber daya teknologi secara etis dan tepat guna. Kompleksitas perancangan ini dipertegas oleh Bishop et al. (2020), yang menyoroti perlunya penerapan prinsip-prinsip riset terkini untuk membangun ekosistem pembelajaran yang efektif dan adaptif. Urgensi kualitas desain ini dikonfirmasi oleh Jing et al. (2025), yang menemukan bahwa optimalisasi kekuatan lingkungan belajar virtual memiliki dampak signifikan terhadap peningkatan hasil belajar siswa. Lebih jauh, Ataş dan Yıldırım (2025) menunjukkan bahwa desain instruksional modern memerlukan integrasi model yang kompleks, seperti fokus pada metakognisi bersama, untuk mendukung kolaborasi daring yang bermakna. Oleh karena itu, tugas guru saat ini adalah mengorkestrasi seluruh elemen penciptaan dan pengelolaan tersebut ke dalam skenario pembelajaran yang sistematis, yang mana proyek ini secara spesifik berfokus pada peningkatan kompetensi Mahasiswa PGSD dalam perancangan Modul Pembuatan Kuis Interaktif Quizizz sebagai solusi asesmen formatif yang inovatif bagi siswa SD.

Deskripsi Kesenjangan

Realitas di lapangan menunjukkan adanya kesenjangan signifikan antara harapan pedagogis ideal dengan kapasitas eksekusi teknis guru. Meskipun strategi pembelajaran kompleks seperti intervensi problem-posing terbukti mampu meningkatkan capaian kognitif pembelajar secara signifikan (Ran et al., 2025), proses perancangan manual untuk skenario tersebut membebani waktu dan kognisi guru. Oleh karena itu, diperlukan solusi yang menempatkan kecerdasan buatan (AI) bukan sebagai pengganti, melainkan sebagai mitra kolaboratif.

Sebagaimana dikemukakan oleh Albert et al. (2021), pendekatan yang tepat adalah “menjembatani kecerdasan manusia dan kecerdasan buatan” (bridging human intelligence and artificial intelligence), di mana intuisi pedagogis guru diperkuat oleh kapasitas komputasi AI. Sinergi ini krusial untuk memastikan teknologi tidak mendikte proses belajar, melainkan mendukungnya. Hal ini dipertegas oleh Almandhari (2025), yang menekankan bahwa pemberdayaan pendidik di era AI harus dicapai dengan menyeimbangkan pengajaran yang humanistik dengan integrasi teknologi, sehingga beban teknis berkurang tanpa mengorbankan kualitas interaksi manusia. Kesenjangan ini secara spesifik diatasi oleh proyek “SIMULASI EDUGAME PGSD” melalui penyediaan Modul Pelatihan Digital dan Template Soal Siap Pakai yang memanfaatkan AI (Gemini) untuk membantu Mahasiswa PGSD merancang soal evaluasi edugame (Quizizz/Wordwall) secara cepat dan sesuai kriteria pedagogis.

Uraian Deskripsi Solusi Proyek

Sebagai respons terhadap tantangan desain instruksional di era digital, proyek ini menghadirkan solusi konkret berupa pengembangan “Asisten Prompt RTF”. Produk ini merupakan panduan strategis dan generator prompt yang dibangun di atas kerangka kerja Role, Task, dan Format (RTF) untuk menstandarisasi interaksi guru dengan kecerdasan buatan, seperti yang diimplementasikan dalam Template Soal Siap Pakai pada modul. Solusi ini dirancang secara spesifik untuk memberdayakan pendidik dalam memanfaatkan Generative AI, sehingga mereka mampu menyusun instrumen evaluasi edugame mandiri dan asesmen pembelajaran mendalam (deep learning) dengan presisi tinggi tanpa terbebani kompleksitas teknis. Secara fundamental, perancangan prompt yang efektif sejatinya menuntut struktur berpikir komputasional (computational thinking) yang logis dan sistematis untuk memecahkan masalah instruksional, menjadikan kemampuan menyusun instruksi terstruktur (seperti pola RTF) sebagai manifestasi baru dari berpikir komputasional. Pendekatan ini selaras dengan definisi Teknologi Pendidikan yang menegaskan bahwa teknologi pendidikan adalah studi dan praktik etis yang bertujuan untuk memfasilitasi belajar dan meningkatkan kinerja melalui proses penciptaan, penggunaan, dan pengelolaan sumber teknologi yang tepat. Dalam konteks ini, Asisten Prompt RTF berfungsi sebagai algoritma pedagogis yang menjamin presisi hasil asesmen atau modul ajar yang dihasilkan oleh AI, terutama dalam menyusun soal dengan kriteria spesifik (misalnya, ranah kognitif rendah dan konteks akrab) untuk siswa SD

Rumusan Masalah Proyek

rumusan masalah utama proyek “SIMULASI EDUGAME PGSD” adalah rendahnya kompetensi praktis Mahasiswa PGSD dalam menciptakan instrumen evaluasi edugame mandiri yang efektif dan menarik bagi siswa Sekolah Dasar. Meskipun Quizizz dan Wordwall terbukti efektif untuk asesmen formatif , terdapat kebutuhan mendesak untuk meningkatkan keterampilan mahasiswa PGSD (target skor minimal 80%) agar mereka mampu mengintegrasikan aspek teknis (menggunakan aplikasi gratis no-code ) dengan desain pedagogis yang tepat, seperti membuat soal yang mengandung ranah kognitif rendah (Mengingat, Memahami, Menerapkan) dan mengintegrasikan multimedia. Tantangan ini semakin diperparah oleh keterbatasan implementasi (Microlearning maksimal 7 menit per unit) dan risiko kembali ke evaluasi konvensional/hafalan jika tidak diajarkan cara memicu berpikir kritis sederhana (HOTS) yang cocok untuk siswa kelas tinggi SD. Dalam konteks ini.

Tujuan Proyek

Tujuan utama dari proyek ini adalah untuk meningkatkan kapabilitas pedagogis Mahasiswa PGSD dalam merancang pengalaman Deep Learning yang bermakna dengan memanfaatkan instrumen evaluasi edugame mandiri berbantuan aplikasi no-code.

Tujuan khusus, proyek pengembangan Modul Digital “SIMULASI EDUGAME PGSD” ini bertujuan untuk meningkatkan keterampilan praktis Mahasiswa PGSD dalam kreasi instrumen edugame mandiri (menggunakan aplikasi no-code seperti Quizizz/Wordwall) yang memenuhi kriteria pedagogis, yaitu integrasi multimedia dan HOTS sederhana. Hal ini dicapai melalui pengembangan model pelatihan berbasis microlearning interaktif dan terstruktur, serta menghasilkan kumpulan prompt terstruktur berbasis kerangka kerja RTF (Role, Task, Format) yang valid untuk memfasilitasi penyusunan butir soal evaluasi. Seluruh inisiatif ini dirancang agar Modul Digital ini siap diimplementasikan dan mampu mencapai target kinerja minimal 80% pada evaluasi praktik mahasiswa, sejalan dengan prinsip unconstrained learning (Moller & Huefl, 2012) yang menekankan pembelajaran yang fleksibel dan tidak terbatas.

Metodologi Pengembangan Proyek

Metodologi pengembangan proyek untuk Modul Digital “SIMULASI EDUGAME PGSD” ini, yang juga dikenal sebagai “Asisten Prompt RTF,” dilaksanakan dengan mengadaptasi model pengembangan konten digital yang sistematis, mencakup empat tahapan utama: Analysis, Design, Prototype (Development & Implementation), dan Evaluation.

Tahap pertama, Analysis, berfokus pada analisis kebutuhan pengguna dan konteks pedagogis. Target pengguna diidentifikasi sebagai guru yang memiliki literasi digital dasar namun masih awam terhadap teknik prompt engineering. Analisis pedagogis dilakukan untuk memetakan elemen kunci “Pembelajaran Mendalam” (Deep Learning), seperti refleksi kritis dan kolaborasi, yang harus mampu dimunculkan oleh alat bantu kecerdasan buatan. Proses ini krusial untuk memastikan desain pembelajaran tetap berpusat pada prinsip-prinsip

instruksional yang valid dan teruji secara riset.

Tahap kedua, Design, mencakup perancangan strategi konten dan struktur logika aplikasi. Struktur prompt disusun menggunakan formula RTF (Role sebagai perancang kurikulum, Task menyusun asesmen, dan Format berupa rubrik/tabel). Logika penyusunan prompt ini dirancang agar sistematis dengan mengintegrasikan prinsip Computational Thinking , di mana berpikir komputasional diterapkan dalam pemecahan masalah desain instruksional untuk memastikan output yang dihasilkan AI konsisten dan logis. Selain itu, tahap ini juga mencakup pembuatan storyboard rinci untuk video microlearning atau alur penggunaan “Asisten Prompt” bagi guru, mulai dari input topik hingga validasi hasil.

Tahap ketiga, Development dan Implementation, merupakan fase produksi aset berupa bank prompt dan panduan teknis digital (video screencast maksimal 7 menit). Pemilihan platform difokuskan pada aksesibilitas tinggi (seperti web-based generator atau LMS sederhana seperti Moodle/Google Classroom) untuk mendukung visi masa depan teknologi pembelajaran. Teknologi pendidikan yang efektif harus bersifat ubiquitous (ada di mana saja) dan mudah diakses untuk mendukung pembelajaran tanpa batas. Hasil dari tahapan ini adalah purwarupa Modul Digital “SIMULASI EDUGAME PGSD” yang fungsional dan siap untuk diuji.

Tahap terakhir, Evaluation, melibatkan uji coba terbatas (Pilot Testing) dan pengukuran efektivitas produk. Simulasi penggunaan dilakukan oleh rekan sejawat dan guru model untuk menguji akurasi rencana pembelajaran yang dihasilkan oleh sistem. Evaluasi ini merujuk pada prinsip-prinsip yang menekankan pentingnya penggunaan instrumen asesmen yang valid untuk mengukur dampak teknologi terhadap hasil belajar secara objektif. Hasil evaluasi, terutama Skor Keterampilan Praktis Mahasiswa (dengan target minimal 80%) , kemudian dianalisis sebagai bahan refleksi untuk menentukan apakah alat bantu ini efektif memberdayakan guru atau memerlukan perbaikan pada siklus pengembangan berikutnya.

Referensi

Albert, M. V., Lin, L., Spector, M. J., & Dunn, L. S. (Eds.). (2021). Bridging human intelligence and artificial intelligence. Springer.

Almandhari, B. (2025). Empowering educators in the age of Al: Balancing humanistic teaching with technological integration. Edited Volume, 161.

Ataş, A. H., & Yıldırım, Z. (2025). A shared metacognition-focused instructional design model for online collaborative learning environments. Educational Technology Research and Development, 73(1), 567-613.

Bishop, M. J., Boling, E., Elen, J., & Svihla, V. (Eds.). (2020). Handbook of research in educational communications and technology (5th ed.). Springer.

Gong, X., Xu, W., & Qiao, A. (2025). Exploring undergraduates’ computational thinking and human-computer interaction paflerns in generative progressive prompt-assisted programming learning. International Journal of Educational Technology in Higher Education, 22(1), 51. hflps://doi.org/10.1186/s41239-024-00445-x.

Hill, T. D., & Ellis, A. (2025). Beyond content: An exploration of teachers’ practices for supporting academically advanced students in elective high school classrooms. Journal of Advanced Academics. hflps://doi.org/10.1177/1932202X251361596.

Hokanson, B., Clinton, G., Tawfik, A. A., Grincewicz, A., & Schmidt, M. (Eds.). (2018).

Educational technology beyond content: A new focus for learning. Springer.

Honeyman, K., & Eck, C. J. (2025). Beyond content knowledge: Inquiry-based learning and preservice teachers’ perceived ability to incorporate STEM and AFNR concepts. Journal of Agricultural Education, 66(3), 19-19.

Hsu, H. P. (2025). From programming to prompting: Developing computational thinking through large language model-based generative artificial intelligence. Tech Trends, 1-22. hflps://doi.org/10.1007/s11528-024-01026-6.

Januszewski, A., & Molenda, M. (Eds.). (2008). Educational technology: A definition with commentary. Lawrence Erlbaum Associates.

Jing, Y., Dai, J., Wang, C., Shen, S., & Shadiev, R. (2025). Unleashing the power of virtual learning environment: exploring the impact on learning outcomes through a meta-analysis. Interactive Learning Environments, 33(1), 52-69.

Moller, L., & Huefl, J. B. (Eds.). (2012). The next generation of distance education: Unconstrained learning. Springer.

Moller, L., Huefl, J. B., & Harvey, D. M. (Eds.). (2009). Learning and instructional technologies for the 21st century: Visions of the future. Springer.

Ran, H., Cai, J., Hwang, S., Han, J., Ma, Y., & Muirhead, F. (2025). Effects of engaging in problem-posing interventions on learners’ cognitive mathematics outcomes: A comprehensive meta-analysis. Journal for Research in Mathematics Education, 56(5), 259-282.

Rich, P. J., & Hodges, C. B. (Eds.). (2017). Emerging research, practice, and policy on computational thinking. Springer.