Nama : Fauziah Nur Aisyah Rosyidah
NIM : 230121603725
OFF : C23

Harapan Proyek 

Pendidikan tinggi di era digital ditandai oleh kebutuhan akan transformasi radikal dari model pembelajaran linear berbasis transmisi konten menuju ekosistem yang mendukung deep learning dan Self-Regulated Learning (SRL) pembelajar dewasa. Kondisi ideal (Das Sollen) dari pendidikan era digital berpusat pada tiga paradigma kunci:

1. Pergeseran Paradigma Beyond Content

Idealita menuntut teknologi pendidikan melampaui konten statis untuk fokus pada pengembangan kapasitas intelektual dan otonomi pembelajar. Sejalan dengan perspektif Hokanson et al. (2018), peran teknologi bergeser dari sekadar alat penyampaian (delivery system) menjadi sarana untuk merancang pengalaman belajar mendalam yang menantang pembelajar untuk berkreasi, memecahkan masalah kompleks, dan mengaplikasikan pengetahuan, bukan sekadar mengkonsumsinya. Harapan ini diwujudkan melalui desain instruksional yang mendorong peserta didik untuk terus menerus berada dalam zona kognitif produktif (Bishop et al., 2020).

2. Penciptaan Lingkungan Unconstrained Learning

Kondisi ideal pembelajaran jarak jauh harus mendukung fleksibilitas tanpa batas, atau yang didefinisikan oleh Moller dan Huett (2012) sebagai Unconstrained Learning. Dalam konteks MOOC, ini berarti menghilangkan hambatan struktural seperti kekakuan waktu dan alur kursus yang linear, yang secara historis menghambat completion rate dan engagement peserta dewasa. Idealita ini menuntut sistem yang adaptif dan responsif terhadap kebutuhan individual, memfasilitasi peserta didik untuk mengontrol ritme, alur, dan remedi pembelajaran mereka secara mandiri.

3. Pemanfaatan Teknologi untuk Akselerasi SRL

Harapan utama pada era digital adalah teknologi dapat berfungsi sebagai ekstensi kognitif yang secara eksplisit memperkuat mekanisme Self-Regulated Learning (SRL). Dalam kondisi ideal, setiap interaksi peserta didik dengan konten harus menghasilkan umpan balik segera dan terpersonalisasi yang memungkinkan peserta didik untuk secara efektif melakukan fase monitoring dan forethought dalam proses SRL mereka. Kualitas umpan balik ini harus mencapai tingkat detail yang biasanya hanya bisa dicapai oleh intervensi dosen, selaras dengan potensi Bridging Human Intelligence and Artificial Intelligence (Albert et al., 2021) untuk meningkatkan kualitas asesmen formatif. Oleh karena itu, proyek ini berupaya mencapai idealita tersebut dengan mengembangkan solusi Adaptive Low-Stakes Quizzing yang secara sistematis menutup kesenjangan desain MOOC konvensional dan memungkinkan peserta didik mengontrol jalur belajar mereka sesuai prinsip Unconstrained Learning dan tuntutan deep learning.

Konteks Proyek

Proyek Adaptive Low-Stakes Quizzing Berbasis H5P (SiMA) diterapkan dalam konteks Massive Open Online Courses (MOOC) domestik pada pendidikan tinggi. Lingkungan ini secara spesifik menargetkan audiens dewasa yang dinamis mahasiswa, fresh graduate, dan profesional Indonesia yang dituntut untuk mencapai validasi keterampilan cepat melalui kerangka Micro-Credentialing (Tamoliune et al., 2023) dan menuntut fleksibilitas waktu yang tinggi. Dalam konteks ini, peran teknologi pendidikan menjadi krusial. Proyek ini memposisikan diri secara formal dalam ranah disiplin ilmu Teknologi Pendidikan, yang menurut Januszewski dan Molenda (2008) didefinisikan sebagai “studi dan praktik etis memfasilitasi pembelajaran dan meningkatkan kinerja dengan menciptakan, menggunakan, dan mengelola proses dan sumber daya teknologi yang tepat.”

Peran proyek SiMA adalah sebagai berikut:

1. Menciptakan (Creating): SiMA menciptakan Adaptive Low-Stakes Quizzing sebagai sumber daya digital baru yang non-linear dan reaktif, yang secara eksplisit mengatasi keterbatasan desain LMS domestik yang statis.
2. Menggunakan (Using) dan Mengelola (Managing): Model ini berfungsi sebagai solusi untuk mengelola proses asesmen formatif dengan lebih efisien, sekaligus menggunakan teknologi (H5P) untuk mengorkestrasi alur pembelajaran tuntas (Mastery Learning).

Penciptaan model ini menuntut lingkungan belajar yang dirancang secara sistematis dan intensional, bukan sekadar instalasi perangkat lunak. Hal ini selaras (Bishop et al. 2020) yang menekankan bahwa desain blended learning yang terintegrasi dan berpusat pada pembelajar harus didasarkan pada prinsip-prinsip riset terkini. Oleh karena itu, SiMA merupakan intervensi desain instruksional yang bertujuan untuk meningkatkan kinerja peserta didik MOOC domestik melalui optimalisasi pengalaman belajar non-linear.

Deskripsi Kesenjangan

Meskipun idealita pendidikan digital menuntut Unconstrained Learning dan pengalaman beyond content, realitas di lapangan (Das Sein) menunjukkan kesenjangan desain instruksional yang krusial pada lingkungan MOOC domestik. Kesenjangan ini terfokus pada dua area utama:

1. Hambatan Struktural terhadap Self-Regulated Learning (SRL)

Desain instruksional pada MOOC konvensional domestik masih didominasi oleh model pembelajaran linear dan statis. Kekakuan ini secara langsung menghambat kemampuan peserta didik untuk menerapkan prinsip SRL (Hu & Xiao, 2025; Stephens, 2024). Peserta dewasa yang dinamis membutuhkan kemampuan untuk mengatur waktu dan alur belajar secara mandiri, tetapi desain linear MOOC memaksa pendekatan one-size-fits-all yang terbukti gagal. Data empiris menunjukkan bahwa rata-rata tingkat penyelesaian kursus (completion rate) MOOC domestik tidak melebihi 25%, menandakan kurangnya akuntabilitas individu dan kegagalan sistem dalam mempertahankan keterlibatan (Reinhard et al., 2024).

2. Kesenjangan dalam Feedback Loop Adaptif

Kesenjangan krusial lainnya adalah ketiadaan feedback loop yang segera dan terpersonalisasi. Untuk mendukung deep learning (Hokanson et al., 2018), peserta didik wajib menerima umpan balik yang rinci dan instan setelah asesmen, suatu intervensi yang penting untuk fase monitoring dan forethought dalam SRL. Dalam MOOC konvensional, penyediaan umpan balik yang mendalam (seperti yang menunjuk ke materi remedial spesifik) membebani waktu dan kognisi dosen, sehingga seringkali diabaikan atau disederhanakan. Oleh karena itu, diperlukan solusi yang dapat menjembatani kecerdasan pedagogis manusia (kebutuhan akan umpan balik yang detail dan desain pembelajaran tuntas/Mastery Learning) dengan efisiensi teknologi komputasi. Inilah peran sentral dari Bridging Human Intelligence and Artificial Intelligence (Albert et al., 2021): menggunakan teknologi bukan sebagai pengganti, melainkan sebagai mitra kolaboratif untuk mengotomatisasi proses umpan balik dan remediasi adaptif yang saat ini menjadi beban kognitif terbesar bagi sistem LMS domestik.

Uraian Deskripsi Solusi Proyek

 Sebagai respons konkret untuk mengatasi kesenjangan desain instruksional MOOC domestik yang statis dan kurang reaktif, proyek ini menghadirkan Model Pengembangan Adaptive Low-Stakes Quizzing Berbasis H5P (SiMA). Solusi ini merupakan lapisan asesmen formatif non-linear yang dirancang secara eksplisit untuk memperkuat Self-Regulated Learning (SRL) peserta didik dewasa. Inti dari solusi ini terletak pada pemanfaatan fitur H5P Branching Scenario untuk membangun alur instruksional yang fleksibel dan merespons kinerja peserta didik secara real-time. Perancangan kuis adaptif non-linear ini menuntut penerapan Berpikir Komputasional (Computational Thinking) pada level desain instruksional, sebagaimana ditekankan oleh Rich dan Hodges (2017). Dalam konteks SiMA, logika Branching Scenario H5P berfungsi sebagai algoritma pedagogis yang menentukan jalur belajar selanjutnya (Rahadiani et al., 2023), yang secara sistematis memecahkan masalah instruksional melalui dekomposisi dan pengenalan pola kesalahan peserta didik. Pendekatan ini selaras secara fundamental dengan definisi Teknologi Pendidikan oleh Januszewski dan Molenda (2008), yang menegaskan bahwa teknologi adalah studi dan praktik etis untuk meningkatkan kinerja melalui penciptaan dan pengelolaan sumber daya, di mana SiMA berfungsi sebagai sumber daya terkelola untuk mengoptimalkan proses asesmen.

Secara fungsi pedagogis, SiMA berperan sebagai Diagnostic Assessment yang mengimplementasikan prinsip Mastery Learning (Kruckenberg, 2024). Tujuan utamanya adalah menyediakan umpan balik otomatis instan dan terpersonalisasi (error-specific), suatu intervensi krusial yang diperlukan untuk fase monitoring dan forethought dalam proses SRL (Hu & Xiao, 2025). Kemampuan sistem untuk memberikan umpan balik adaptif dan segera ini adalah manifestasi langsung dari potensi Bridging Human Intelligence and Artificial Intelligence (Albert et al., 2021), di mana teknologi digunakan untuk mengotomatisasi proses umpan balik mendalam yang secara tradisional membebani dosen (Gabbay, 2020), sehingga meningkatkan kualitas formative assessment (Morris et al., 2021). Fleksibilitas ini secara tegas mendukung konsep Unconstrained Learning (Moller & Huett, 2012): jika peserta gagal, sistem memicu Mekanisme Remediasi Adaptif yang mengarahkan navigasi kembali ke materi prasyarat spesifik (Ulfa et al., 2025), memungkinkan peserta didik mengontrol jalur belajar non-linear mereka (Reinhard et al., 2024) dan menekan tingkat putus kursus (attrition rate) (Estrada-Molina & Fuentes-Cancell, 2022).

Rumusan Masalah Proyek

Permasalahan utama dalam proyek ini berfokus pada kesenjangan fungsionalitas desain MOOC domestik yang membatasi otonomi peserta didik dan kualitas umpan balik formatif. Kesenjangan ini harus diatasi melalui intervensi desain instruksional yang adaptif dan reaktif. Oleh karena itu, penelitian dan pengembangan ini dirumuskan dalam pertanyaan-pertanyaan utama berikut:

1. Bagaimana Model Pengembangan Adaptive Low-Stakes Quizzing Berbasis H5P (SiMA) dirancang dan divalidasi, sehingga dapat memfasilitasi terciptanya lingkungan Unconstrained Learning (Moller & Huett, 2012) yang fleksibel dan non-linear bagi peserta didik MOOC domestik?
2. Sejauh mana efektivitas implementasi SiMA dalam meningkatkan mekanisme Self-Regulated Learning (SRL) dan menekan tingkat putus kursus (attrition rate), serta dalam mewujudkan potensi Adaptive Assessment Engine sebagai manifestasi Bridging Human Intelligence and Artificial Intelligence (Albert et al., 2021) pada MOOC domestik?

Tujuan proyek ini secara eksplisit adalah menghasilkan model desain instruksional yang secara sistematis menutup kesenjangan desain linear MOOC konvensional dan memberikan landasan empiris bagi penggunaan asesmen formatif adaptif dalam konteks pembelajaran mandiri.

Tujuan Proyek

Tujuan utama dari proyek pengembangan ini adalah untuk menghasilkan Model Pengembangan Adaptive Low-Stakes Quizzing Berbasis H5P (SiMA) yang valid dan efektif diimplementasikan pada lingkungan MOOC domestik. Model ini dirancang untuk secara fundamental mengatasi kekakuan desain instruksional linear dan meningkatkan keterlibatan peserta didik dewasa. Proyek ini bertujuan untuk menciptakan lapisan asesmen formatif reaktif yang dapat menjamin tercapainya deep learning dan otonomi belajar yang tinggi.
Tujuan khusus, proyek ini bertujuan untuk: Pertama, mengembangkan dan memvalidasi arsitektur Adaptive Low-Stakes Quizzing H5P yang secara sistematis menerapkan prinsip Mastery Learning (Kruckenberg, 2024), sehingga menciptakan jalur belajar yang non-linear dan fleksibel, selaras dengan konsep Unconstrained Learning (Moller & Huett, 2012). Kedua, mengukur efektivitas SiMA dalam menyediakan umpan balik otomatis yang segera dan adaptif (Ulfa et al., 2025), yang secara langsung memperkuat mekanisme Self-Regulated Learning (SRL) dan meningkatkan retensi peserta didik dewasa (Hu & Xiao, 2025) pada MOOC domestik. Terakhir, mewujudkan potensi teknologi sebagai mitra kolaboratif dalam asesmen formatif, sebagai demonstrasi nyata dari strategi Bridging Human Intelligence and Artificial Intelligence (Albert et al., 2021) dalam konteks pendidikan jarak jauh.

Metodologi Pengembangan Proyek

Proyek pengembangan model Adaptive Low-Stakes Quizzing Berbasis H5P (SiMA) ini dilaksanakan dengan mengadaptasi Model Pengembangan Hybrid ADDIE-Prototyping Iteratif. Model hibrida ini dipilih untuk menjamin validitas struktur instruksional (ADDIE) sekaligus memungkinkan iterasi cepat berbasis umpan balik pengguna (Prototyping). Metodologi ini dibagi menjadi empat tahapan utama:
Tahap pertama, Analysis, berfokus pada analisis kebutuhan fungsional dan konteks pedagogis. Analisis dilakukan terhadap: a) Kebutuhan Peserta Didik Dewasa: Identifikasi pola belajar mandiri (SRL) dan tuntutan Micro-Credentialing (Tamoliune et al., 2023). b) Analisis Kesenjangan Desain MOOC: Menganalisis keterbatasan feedback loop dan kekakuan navigasi pada LMS domestik (Herdianto et al., 2021). Proses ini krusial untuk memastikan desain solusi beyond content berpusat pada prinsip instruksional yang valid, seperti yang ditekankan oleh Bishop et al. (2020).

Tahap kedua, Design, Tahap ini mencakup perancangan strategi konten dan struktur fungsional Adaptive Quizzing. Desain berfokus pada: a) Alur Non-Linear: Merancang Branching Scenario H5P sebagai algoritma adaptif untuk memfasilitasi Unconstrained Learning (Moller & Huett, 2012). b) Struktur Umpan Balik: Merancang konten umpan balik error-specific yang segera (Ulfa et al., 2025) untuk memicu proses monitoring SRL. Logika penyusunan alur adaptif ini harus sistematis, mengintegrasikan prinsip Computational Thinking (Rich & Hodges, 2017) untuk memastikan konsistensi dalam mastery learning loop.

Tahap ketiga, Development, Fase ini merupakan produksi aset, di mana konten kuis H5P dikembangkan dan diintegrasikan (embed) ke dalam lingkungan MOOC (LMS SPADA/Moodle). Fase Development menghasilkan purwarupa (MVP) yang fungsional, mencakup bank soal, skema branching, dan validasi teknis agar konten dapat diakses secara ubiquitous di berbagai perangkat (desktop/mobile), sejalan dengan visi masa depan teknologi pembelajaran yang harus bersifat mudah diakses (Moller, Huett, & Harvey, 2009).

Tahap terakhir, Evaluation, melibatkan uji coba terbatas dan pengukuran efektivitas model (SiMA). Evaluasi mencakup dua jenis validasi: Validasi Konstruk (oleh pakar konten dan ahli desain instruksional) dan Uji Efektivitas Terbatas (pengujian completion rate dan feedback perception oleh sampel peserta didik MOOC). Pengujian efektivitas ini merujuk pada prinsip-prinsip dalam Spector et al. (2014), yang menekankan pentingnya menggunakan instrumen asesmen yang valid untuk mengukur dampak teknologi terhadap peningkatan engagement dan hasil belajar secara objektif. Hasil evaluasi akan digunakan untuk revisi iteratif (Prototyping loop) sebelum finalisasi model.

Referensi

Abou-Khalil, V., Helou, S., Khalifé, E., Chen, M. A., Majumdar, R., & Ogata, H. (2021). Emergency online learning in low-resource settings: Effective student engagement strategies. Education Sciences, 11(1), 24. https://doi.org/10.3390/educsci11010024

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

Alj, Z., & Bouayad, A. (2024). The impact of motivation on MOOC retention rates: A systematic review. Emerging Science Journal, 8(Special Issue).

Bell, N., Liu, M. (X.), & Murphy, D. (2022). A framework to implement academic digital badges when reskilling the IT workforce. Information Systems Education Journal (ISEDJ), 20(1).

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

Estrada-Molina, O., & Fuentes-Cancell, D. R. (2022). Engagement and desertion in MOOCs: Systematic review. Comunicar, 30(70). https://doi.org/10.3916/C70-2022-09-english

Gabbay, H. (2020). Investigating the effect of automated feedback on learning behavior in MOOCs for programming. [Unpublished master’s thesis, School of Education, Tel Aviv University].

Gamage, K. A. A., & Dehideniya, S. C. P. (2024). Unlocking career potential: How micro-credentials are revolutionising higher education and lifelong learning. Education Sciences, 15(5), 525. https://doi.org/10.3390/educsci15050525

Gogus, A. (2024). Adaptation of an activity theory framework for effective online learning experiences: Bringing cognitive presence, teaching presence, and social presence to online courses. International Journal of Instructional Technology and Distance Learning, 21(3).Herdianto, R., Setiawan, M. A., Omika, H. A., & Hariyanto, F. D. (2021). SPADA: 

Massive Open Online Course sebagai Implementasi Model Lingkungan Belajar Terbuka. Jurnal Pendidikan: Teori, Penelitian, dan Pengembangan, 6(8), 1207–1217.

Hobbs, N., & Steele, J. (2025). Effectiveness of low-stakes online quizzes on engagement and performance in sophomore-level anatomy and physiology. HAPS Educator, 29(2). https://doi.org/10.21692/haps.2025.012

Hokanson, B., Clinton, G., Tawfik, A. A., Grincewicz, A., & Schmidt, M. (Eds.). (2018). Educational technology beyond content: A new focus for learning. Springer.

Hu, J., & Xiao, W. (2025). What are the influencing factors of online learning engagement? A systematic literature review. Frontiers in Psychology, 16, 1542652. https://doi.org/10.3389/fpsyg.2025.1542652

Huang, H., Jew, L., & Qi, D. (2023). Take a MOOC and then drop: A systematic review of MOOC engagement pattern and dropout factor. Heliyon, 9(5), e15220.

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

Khan, W., Moniba, C., Qazi, A., & Apong, R. A. (2025). Microlearning beyond boundaries: A systematic review and a novel framework for improving learning outcomes. Heliyon, 11, e41413.

Kruckenberg, E. (2024). Mastery Learning Approach with Formative Assessment Process to Encourage Student Success in Mathematics Classroom. [Master’s project, Minnesota State University Moorhead]. RED: a Repository of Digital Collections.

Luo, B., Ding, Q., Chen, L., Du, J., Wang, X., Chen, H., & Jiang, S. (2024). Aseptic technique training course teaching practices based on mastery learning. Research Square. https://doi.org/10.21203/rs.3.rs-4106695/v1

Mayer, R. E. (2002). Multimedia learning. Cambridge University Press.

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.

Morris, R., Perry, T., & Wardle, L. (2021). Formative assessment and feedback for learning in higher education: A systematic review. Review of Education. https://doi.org/10.1002/rev3.3292

Morze, N., Barmas, V., Dmytro, P., & Dmytro, H. (2021). Implementation of adaptive learning at higher education institutions by means of Moodle LMS. Journal of Physics: Conference Series, 1840(1), 012062. https://doi.org/10.1088/1742-6596/1840/1/012062

Rahadiani, P., Kekalih, A., Soemantri, D., & Krisnamurti, D. G. B. (2023). Exploring H5P interactive content in supporting learning through self-paced MOOCs on healthy aging: A cross-sectional pilot study. JMIR Preprints. https://preprints.jmir.org/preprint/45468

Reinhard, S., Serth, S., & Staubitz, T. (2024). From one-size-fits-all to individualisation: Redefining MOOCs through flexible learning paths. Proceedings of the 2024 ACM Conference on Learning at Scale.

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

Rizvi, S., Rienties, B., Rogaten, J., & Kizilcec, R. F. (2023). Are MOOC learning designs culturally inclusive (enough)? Journal of Computer Assisted Learning. https://doi.org/10.1111/jcal.12883

Spector, J. M., Merrill, M. D., Elen, J., & Bishop, M. J. (Eds.). (2014). Handbook of research on educational communications and technology (4th ed.). Springer.

Stephens, L. (2024). Instructional designers and their use of self-regulated learning practices in higher education. [Master’s thesis, Queen’s University].

Tamoliune, G., Greenspon, R., Tereseviciene, M., Volungeviciene, A., Trepule, E., & Dauksiene, E. (2023). Exploring the potential of micro-credentials: A systematic literature review. Frontiers in Education, 7, 1006811. https://doi.org/10.3389/feduc.2022.1006811

Ulfa, S., Surahman, E., Wedi, A., Fatawi, I., & Bringula, R. (2025). An adaptive assessment: Online summary with automated feedback as a self-assessment tool in MOOCs environments. Knowledge Management & E-Learning, 17(1), 88–113. https://doi.org/10.34105/j.kmel.2025.17.004

Wei, W., Liu, J., Xu, X., Kolletar-Zhu, K., & Zhang, Y. (2023). Effective interactive engagement strategies for MOOC forum discussion: A self-efficacy perspective. PLoS ONE, 18(11), e0293668. https://doi.org/10.1371/journal.pone.0293668