Afdul Noval Fauzah Ghufron

230121601239

Kelas C

Harapan Proyek

Pendidikan di era digital menuntut transformasi mendalam dari sekadar penyediaan akses materi daring menuju penciptaan ekosistem pembelajaran yang adaptif dan manusiawi. Sejalan dengan paradigma Digital Learning Ecology yang dikemukakan oleh Li et al. (2022), teknologi pendidikan idealnya tidak lagi berfungsi sebagai repositori konten statis, melainkan sebagai lingkungan dinamis yang menyelaraskan interaksi antara teknologi, konten, dan aktivitas sosial pembelajar. Dalam konteks ini, harapan utama proyek adalah mewujudkan pengalaman belajar yang melampaui konsumsi informasi pasif menuju konstruksi pengetahuan yang bermakna melalui kolaborasi.

Pergeseran ini sangat krusial mengingat tantangan motivasi dan retensi dalam pembelajaran daring, sebagaimana diidentifikasi oleh Badali et al. (2022), yang menekankan bahwa keberhasilan pembelajaran jarak jauh sangat bergantung pada keterlibatan aktif dan interaksi, bukan sekadar ketersediaan materi. Oleh karena itu, praktik pembelajaran masa depan harus memfasilitasi apa yang disebut Zhang et al. (2023) sebagai collaborative reflection-in-action, di mana pemahaman mendalam (deep learning) dibangun melalui dialog reflektif antar peserta, bukan isolasi akademik.

Lebih lanjut, desain pembelajaran yang efektif harus mampu merespons kebutuhan unik setiap individu secara presisi. Mengacu pada prinsip desain pembelajaran modern dari Reiser dan Dempsey (2018), sistem pendidikan ideal harus bersifat learner-centered, yang memungkinkan alur belajar disesuaikan (adaptif) dengan tingkat penguasaan peserta didik demi memastikan kompetensi yang utuh. Dengan demikian, proyek ini bercita-cita menciptakan ruang belajar di mana teknologi bertindak sebagai jembatan cerdas yang memanusiakan proses pendidikan, mendorong kemandirian, sekaligus memperkuat koneksi sosial dalam pencarian ilmu.

Konteks Proyek

Implementasi pembelajaran di perguruan tinggi saat ini menuntut transformasi dari sekadar adopsi alat digital menuju pembentukan ekosistem pembelajaran yang holistik dan berkelanjutan. Hal ini sejalan dengan pandangan Alenezi (2023), yang menegaskan bahwa institusi pendidikan tinggi harus berevolusi menjadi entitas digital yang menyeluruh untuk memfasilitasi akses dan kualitas pendidikan yang merata. Namun, efektivitas lingkungan virtual ini sangat bergantung pada kesesuaian antara tugas pembelajaran dan teknologi yang digunakan (Task-Technology Fit), sebagaimana dibuktikan oleh Alyoussef (2021), yang menemukan bahwa keselarasan ini merupakan faktor krusial bagi penerimaan dan keberlanjutan sistem pendidikan daring.

Urgensi perancangan lingkungan yang tepat guna ini diperkuat oleh tantangan nyata dalam kursus terbuka (MOOCs), di mana Badali et al. (2022)  menyoroti bahwa peran teknologi tidak boleh berhenti pada penyampaian konten, melainkan harus mampu memicu motivasi dan mempertahankan retensi peserta didik. Menjawab tantangan tersebut, Dogan et al. (2023)  menekankan bahwa integrasi kecerdasan buatan (Artificial Intelligence) dalam pendidikan jarak jauh menjadi kebutuhan mendesak untuk menciptakan proses belajar yang adaptif dan terpersonalisasi.

Lebih jauh, teknologi pendidikan dalam proyek ini diposisikan sebagai fasilitator interaksi sosial yang mendalam, bukan sekadar aktivitas individu. Zhang et al. (2023)  menunjukkan bahwa desain pembelajaran yang sukses harus mampu mendukung collaborative reflection-in-action, yang memungkinkan mahasiswa membangun pemahaman melalui dialog desain yang konstruktif. Oleh karena itu, peran pengembang instruksional saat ini adalah mengharmonisasikan seluruh elemen tersebut untuk menciptakan apa yang disebut Li et al. (2022)  sebagai Digital Learning HeXie Ecology, yaitu sebuah ekologi pembelajaran yang dinamis, seimbang, dan mampu mendisrupsi stagnasi pendidikan konvensional.

Deskripsi Kesenjangan

Realitas di lapangan menunjukkan adanya jurang yang lebar antara potensi aksesibilitas teknologi dan efektivitas pembelajaran yang dihasilkan. Meskipun platform daring menjanjikan fleksibilitas, fenomena tingginya tingkat putus belajar (dropout rate) dan rendahnya keterlibatan peserta menjadi bukti bahwa ketersediaan materi semata tidak menjamin keberhasilan belajar. Hambatan utama yang dihadapi bukan lagi pada akses infrastruktur, melainkan pada desain pedagogis yang sering kali bersifat satu arah dan kurang responsif terhadap kebutuhan individual peserta didik. Sebagaimana ditemukan oleh Badali et al. (2022), motivasi peserta dalam lingkungan MOOCs sangat rentan tergerus jika tidak didukung oleh interaksi yang bermakna dan umpan balik yang relevan.

Lebih jauh, beban kognitif pengajar dalam mengelola kelas daring yang masif seringkali menghambat pemberian umpan balik yang personal dan tepat waktu. Kesenjangan ini menciptakan paradoks dimana teknologi yang seharusnya mempermudah, justru mengalienasi peserta didik dari proses refleksi yang mendalam. Hal ini dikonfirmasi oleh Zhang et al. (2023), yang menyoroti bahwa tanpa dukungan sistem yang memfasilitasi “refleksi-dalam-tindakan” (reflection-in-action) secara kolaboratif, pembelajaran daring cenderung dangkal dan gagal membangun pemahaman konseptual yang kompleks. Oleh karena itu, diperlukan intervensi teknologi cerdas yang mampu mengisi kekosongan peran pendampingan ini. Dogan et al. (2023) mempertegas bahwa integrasi kecerdasan buatan dalam proses pendidikan jarak jauh bukan sekadar opsi tambahan, melainkan kebutuhan mendesak untuk menghadirkan pengalaman belajar yang adaptif dan terpersonalisasi di tengah keterbatasan kapasitas manusia.

Uraian Deskripsi Solusi Proyek

Sebagai respons konkret atas tantangan pembelajaran daring yang sering kali bersifat pasif dan isolatif, proyek ini menghadirkan “AdaptiveClass”, sebuah platform pembelajaran digital berbasis web yang mensinergikan alur belajar adaptif (adaptive pathway) dengan ruang refleksi kolaboratif. Solusi ini dirancang tidak sekadar sebagai repositori konten, melainkan sebagai ekosistem instruksional cerdas yang menggunakan pendekatan Adaptive Mastery Learning. Struktur utama platform ini menerapkan mekanisme locked-sequence (urutan terkunci) yang dipadukan dengan umpan balik semi-otomatis berbasis rule-based AI. Pendekatan teknis ini selaras dengan temuan Dogan et al. (2023), yang menegaskan bahwa integrasi kecerdasan buatan dalam pendidikan jarak jauh sangat krusial untuk menghadirkan personalisasi yang merespons kebutuhan unik setiap pembelajar secara real-time.

Dalam implementasinya, AdaptiveClass melampaui fungsi LMS tradisional dengan mengintegrasikan fitur “Forum Refleksi Terstruktur” dan modul interaktif (H5P/Genially) yang menuntut keterlibatan kognitif aktif. Fitur ini dirancang untuk memfasilitasi collaborative reflection-in-action, sebuah strategi yang menurut Zhang et al. (2023) esensial dalam mengubah pengalaman belajar dari sekadar konsumsi informasi menjadi konstruksi pengetahuan mendalam melalui dialog desain dan umpan balik rekan sejawat. Dengan demikian, sistem ini menjamin bahwa setiap progres mahasiswa bukan hanya tercatat secara administratif, tetapi juga terverifikasi secara kognitif melalui penguasaan materi yang bertahap.

Secara fundamental, arsitektur AdaptiveClass merefleksikan prinsip Digital Learning HeXie Ecology yang digagas oleh Li et al. (2022), di mana teknologi, konten, dan interaksi sosial dikelola dalam keseimbangan dinamis untuk mendisrupsi stagnasi pendidikan konvensional. Melalui kombinasi antara rule-based feedback untuk tugas-tugas prosedural dan interaksi manusia (dosen/rekan) untuk tugas-tugas kompleks, AdaptiveClass menawarkan solusi jalan tengah yang efisien namun tetap humanis, menjawab kebutuhan akan desain pembelajaran yang terstruktur, bermakna, dan berorientasi pada kompetensi utuh.

Rumusan Masalah Proyek

Permasalahan inti dalam proyek ini berpusat pada pertanyaan: Bagaimana pengembangan AdaptiveClass dapat menjembatani kebutuhan akan personalisasi belajar dan interaksi sosial untuk meningkatkan keterlibatan serta pemahaman mendalam (deep learning) bagi mahasiswa pendidikan tinggi?

Seringkali, ekosistem pembelajaran daring—khususnya model MOOCs—dihadapkan pada paradoks di mana kemudahan akses justru berbanding terbalik dengan tingkat retensi dan motivasi peserta akibat minimnya interaksi yang bermakna. Isu ini menuntut adanya keselarasan yang presisi antara tugas pembelajaran dan teknologi yang digunakan (Task-Technology Fit), sebuah faktor yang menurut Alyoussef (2021) sangat krusial untuk menjamin keberlanjutan dan penerimaan sistem pendidikan jarak jauh.

Oleh karena itu, tantangan utamanya bukan sekadar mendigitalkan materi, melainkan bagaimana merancang sebuah mekanisme yang mampu memfasilitasi “refleksi kolaboratif dalam tindakan” (collaborative reflection-in-action) secara sistematis. Hal ini sangat relevan dengan temuan Zhang et al. (2023), yang menekankan bahwa efektivitas pembelajaran berbasis desain sangat bergantung pada dukungan teknologi yang memungkinkan mahasiswa untuk tidak hanya menyerap informasi, tetapi juga membangun pengetahuan melalui dialog reflektif bersama rekan sejawat.

Tujuan Proyek

Tujuan utama dari proyek ini adalah untuk merancang dan mengembangkan platform pembelajaran digital adaptif yang mensinergikan refleksi kolaboratif dengan personalisasi berbasis teknologi guna meningkatkan keterlibatan dan pemahaman konseptual mahasiswa. Inisiatif ini berupaya menjawab tantangan rendahnya retensi dalam pembelajaran daring dengan menciptakan ekosistem Digital Learning HeXie Ecology sebagaimana digagas oleh Li et al. (2022), di mana teknologi dan interaksi manusia berjalan seimbang untuk menciptakan pengalaman belajar yang bermakna dan berkelanjutan.

Secara khusus, proyek ini bertujuan untuk menghasilkan sistem pembelajaran berbasis web yang menerapkan alur belajar berjenjang (locked sequence) dan mekanisme umpan balik semi-otomatis (rule-based AI). Desain ini diformulasikan untuk memfasilitasi collaborative reflection-in-action, sebuah proses krusial menurut Zhang et al. (2023) yang memungkinkan mahasiswa melampaui sekadar konsumsi konten menuju konstruksi pengetahuan yang mendalam melalui dialog desain. Pendekatan ini juga selaras dengan visi Dogan et al. (2023) mengenai integrasi kecerdasan buatan dalam pendidikan jarak jauh, yang bertujuan untuk menyediakan respons adaptif guna memastikan penguasaan kompetensi (mastery learning) setiap peserta secara presisi tanpa kehilangan sentuhan pedagogis.

Metodologi Pengembangan Proyek

Proyek ini dilaksanakan menggunakan kerangka kerja model ADDIE (Analysis, Design, Development, Implementation, Evaluation), sebuah pendekatan sistematis yang menyediakan struktur iteratif untuk menjamin kualitas desain pembelajaran digital dari konsep hingga eksekusi akhir.

Tahap pertama, Analysis, difokuskan pada pemetaan kebutuhan pedagogis dan identifikasi karakteristik pengguna, yakni mahasiswa pendidikan tinggi yang membutuhkan struktur belajar adaptif. Analisis ini mencakup studi terhadap kesenjangan motivasi dalam pembelajaran daring, merujuk pada temuan Badali et al. (2022) yang menekankan perlunya intervensi desain untuk meningkatkan retensi peserta. Selain itu, analisis teknologi dilakukan untuk menentukan spesifikasi rule-based AI yang sesuai dengan prinsip Task-Technology Fit (Alyoussef, 2021), memastikan bahwa fitur adaptif yang dikembangkan relevan dengan tugas belajar yang diberikan.

Tahap kedua, Design, mencakup perancangan arsitektur Adaptive Mastery Learning dan skenario refleksi kolaboratif. Pada tahap ini, disusun alur belajar berjenjang (locked sequence) dan logika percabangan untuk kuis adaptif. Desain interaksi sosial dirancang untuk memfasilitasi collaborative reflection-in-action, sebagaimana disarankan oleh Zhang et al. (2023), guna mendukung konstruksi pengetahuan yang mendalam. Output dari tahap ini berupa flowchart sistem dan storyboard rinci yang memvisualisasikan perjalanan pengguna dari registrasi hingga evaluasi akhir.

Tahap ketiga, Development, merupakan fase produksi di mana platform dikembangkan menggunakan LMS Moodle yang diintegrasikan dengan H5P untuk konten interaktif dan Genially untuk media visual. Pengembangan ini berpedoman pada prinsip Digital Learning HeXie Ecology (Li et al., 2022), yang menuntut keseimbangan harmonis antara elemen teknologi dan pedagogi. Aset pembelajaran multimodal (video, teks, kuis) diproduksi dan ditanamkan ke dalam modul-modul yang telah dirancang, lengkap dengan pengaturan restriksi akses otomatis.

Tahap terakhir, Evaluation, melibatkan uji coba fungsionalitas dan validasi alur adaptif melalui prototipe awal. Evaluasi formatif dilakukan untuk menguji efektivitas mekanisme umpan balik otomatis dan kegunaan fitur diskusi. Proses ini mengacu pada kerangka evaluasi Mertasari dan Candiasa (2022), yang menekankan pentingnya penilaian berkelanjutan untuk memastikan kualitas materi digital sebelum implementasi luas. Hasil evaluasi ini digunakan sebagai dasar penyempurnaan sistem sebelum diluncurkan sepenuhnya.

Referensi

• Albert, M. V., Lin, L., Spector, M. J., & Dunn, L. S. (Eds.). (2021). Bridging human intelligence and artificial intelligence. Springer.
• Alenezi, M. (2023). Digital learning and digital institution in higher education. Education Sciences, 13(1), 88. https://doi.org/10.3390/educsci13010088 
• Alyoussef, I. Y. (2021). Massive open online course (MOOCs) acceptance: The role of task-technology fit (TTF) for higher education sustainability. Sustainability, 13(13), 7374. https://doi.org/10.3390/su13137374 
• Badali, M., Hatami, J., Banihashem, S. K., Rahimi, E., Noroozi, O., & Eslami, Z. (2022). The role of motivation in MOOCs’ retention rates: A systematic literature review. Research and Practice in Technology Enhanced Learning, 17(1), 1–18. https://doi.org/10.1186/s41039-022-00181-3 
• Barros, A. R. de, Fernandes Wyszomirska, R. M. de A., & Lucena, K. D. T. (2021). Open educational product: Online course design for internship supervisors of an undergraduate course in the health area. Creative Education, 12(6), 1061–1075. https://doi.org/10.4236/ce.2021.126106 
• Bishop, M. J., Boling, E., Elen, J., & Svihla, V. (Eds.). (2020). Handbook of research in educational communications and technology: Learning design (5th ed.). Springer.
• Dogan, M. E., Görü Doğan, T., & Bozkurt, A. (2023). The use of artificial intelligence in online learning and distance education processes: A systematic review of empirical studies. Applied Sciences, 13(5), 3056. https://doi.org/10.3390/app13053056 
• Hokanson, B., Clinton, G., Tawfik, A. A., Grincewicz, A., & Schmidt, M. (Eds.). (2018). Educational technology beyond content: A new focus for learning. Springer.
• Hwang, N. K., Shim, S. M., & Cheon, H. W. (2023). Digital learning designs in occupational therapy education: A scoping review. BMC Medical Education, 23(1), 389. https://doi.org/10.1186/s12909-022-03955-x 
• Imran, M., & Almusharraf, N. (2024). Digital learning demand and applicability of Quality 4.0 for future education: A systematic review. International Journal of Engineering Pedagogies, 14(4), 48847. https://orcid.org/0000-0002-8754-2157 
• Januszewski, A., & Molenda, M. (Eds.). (2008). Educational technology: A definition with commentary. Lawrence Erlbaum Associates.
• Kumar, S., & Sharma, A. (2023). Navigating digital learning landscapes: Unveiling the interplay between learning behaviors, digital literacy, and educational outcomes. Journal of the Knowledge Economy, 14(2), 1059–1076. https://doi.org/10.13132-023-01522-3 
• Li, N., Huijser, H., Xi, Y., Limniou, M., Zhang, X., & Kek, M. Y. C. A. (2022). Disrupting the disruption: A digital learning HeXie ecology model. Education Sciences, 12(2), 63. https://doi.org/10.3390/educsci12020063 
• Mertasari, N. M. S., & Candiasa, I. M. (2022). Formative evaluation of digital learning materials. Journal of Education Technology, 6(3), 44165. https://doi.org/10.23887/jet.v6i3.44165 
• Moller, L., & Huett, J. B. (Eds.). (2012). The next generation of distance education: Unconstrained learning. Springer.
• Moller, L., Huett, J. B., & Harvey, D. M. (Eds.). (2009). Learning and instructional technologies for the 21st century: Visions of the future. Springer.
• Moore, M. G., & Diehl, W. C. (Eds.). (2022). The next generation of distance education: Unconstrained learning. Springer.
• Pagiatakis, G., & Voudoukis, N. (2022). Massive open online courses (MOOCs): Practices, trends, and challenges for higher education. European Journal of Education and Pedagogy, 3(3), 365. https://doi.org/10.24018/ejedu.2022.3.3.365 
• Reiser, R. A., & Dempsey, J. V. (Eds.). (2018). Handbook of research in educational communications and technology: Learning design (5th ed.). Springer.
• Rich, P. J., & Hodges, C. B. (Eds.). (2017). Emerging research, practice, and policy on computational thinking. Springer.
• Shaffer, D. W. (2008). Education in the digital age. Nordic Journal of Digital Literacy, 3(1), 25–35. https://doi.org/10.18261/issn1891-943x-2008-01-04 
• Songkram, N., Chootongchai, S., Osuwan, H., Chuppunnarat, Y., & Songkram, N. (2023). Students’ adoption towards behavioral intention of digital learning platform. Education and Information Technologies, 28(5), 6513–6533. https://doi.org/10.1007/s10639-023-11637-4 
• Spector, J. M., Merrill, M. D., Elen, J., & Bishop, M. J. (Eds.). (2014). Handbook of research on educational communications and technology (4th ed.). Springer.
• Taddese, E. T., & Rao, C. (2022). School-based collaborative reflection for professional learning: A case study of primary school teachers in Ethiopia. Reflective Practice, 23(6), 789–803. https://doi.org/10.1080/14623943.2022.2107501 
• Wei, Z. (2023). Navigating digital learning landscapes: Unveiling the interplay between learning behaviors, digital literacy, and educational outcomes. Journal of the Knowledge Economy. https://doi.org/10.1007/s13132-023-01522-3 
• Zhang, Z., Bekker, T., Markopoulos, P., & Skovbjerg, H. M. (2023). Supporting and understanding students’ collaborative reflection-in-action during design-based learning. International Journal of Technology and Design Education. https://doi.org/10.1007/s10798-023-09814-0