Wahyuni

230151608908

Kelas TEPPGSD

Harapan Proyek

Kondisi ideal pendidikan di Era Digital adalah tercapainya pembelajaran yang adaptif, personal, dan mendalam. Pembelajaran tidak lagi didominasi oleh transfer informasi satu arah, melainkan menjadi sebuah ekosistem dinamis di mana teknologi berfungsi sebagai mitra kognitif (cognitive partner) bagi pendidik dan peserta didik (Albert et al., 2021). Harapannya, setiap peserta didik mendapatkan pengalaman belajar yang optimal, disesuaikan dengan kebutuhan, gaya, dan kecepatan belajarnya (Moller & Huett, 2012). Guru idealnya bertransformasi menjadi desainer pengalaman belajar yang ahli dalam meramu integrasi antara pedagogi yang kuat, konten yang relevan, dan teknologi yang tepat, sehingga memungkinkan tercapainya unconstrained learning (Moller et al., 2009).

Konteks Proyek

Proyek ini diterapkan dalam konteks Perancangan Pembelajaran (Instructional Design) di institusi pendidikan tinggi atau pelatihan guru. Dalam lingkungan ini, peran utama teknologi pendidikan telah bergeser dari sekadar alat penyampai konten menjadi sistem yang mampu memperluas kemampuan kognitif dan desain guru (Hokanson et al., 2018). Teknologi, khususnya Kecerdasan Buatan (AI), berperan sebagai scaffolding atau perancah. Peran ini bukan untuk menggantikan peran guru, tetapi untuk membantu guru dalam melakukan proses kompleks, seperti menganalisis kebutuhan peserta didik secara real-time dan merancang skenario pembelajaran yang adaptif, sesuai dengan definisi teknologi pendidikan itu sendiri (Januszewski & Molenda, 2008).

Deskripsi Kesenjangan 

Meskipun potensi AI sangat besar, realita di lapangan menunjukkan adanya kesenjangan signifikan (Das Sein). Guru seringkali kesulitan dalam memanfaatkan Generative AI untuk perancangan skenario pembelajaran yang benar-benar pedagogis dan adaptif. Hambatannya adalah:

1. Kesenjangan Prompting: Guru cenderung menggunakan prompt yang dangkal dan fokus pada konten, bukan pada strategi pedagogis, sehingga AI menghasilkan output yang generik dan tidak mendalam (Rich & Hodges, 2017).
2. Beban Kognitif Tinggi: Proses merancang pembelajaran adaptif memerlukan analisis mendalam terhadap berbagai variabel (peserta didik, konten, metode), yang menimbulkan beban kognitif tinggi bagi guru (Spector et al., 2014).
3. Ketidakmampuan Mengintegrasikan Pedagogi dan AI: Kebanyakan tool AI tidak memiliki struktur yang memandu guru untuk memasukkan elemen-elemen pedagogis yang kuat ke dalam rancangannya (Bishop et al., 2020). Akibatnya, harapan pembelajaran adaptif (Poin 3) belum tercapai.

Uraian Deskripsi Solusi Proyek

Untuk mengatasi kesenjangan tersebut, solusi yang ditawarkan adalah Pengembangan Model Scaffolding Kecerdasan Buatan (AIS) Berbasis Kerangka Kerja P3 (Pedagogical Prompting Pyramid).

Solusi ini adalah sebuah kerangka kerja prompting bertingkat (Pyramid) yang memandu guru secara sistematis dalam berinteraksi dengan Generative AI untuk menghasilkan skenario pembelajaran yang adaptif.

• Fitur/Struktur Utama:
  • Tingkat 1 (Pedagogical Strategy): Guru dipandu untuk menentukan landasan teori pembelajaran (misalnya, constructivism, connectivism) dan strategi makro yang akan digunakan.
  • Tingkat 2 (Contextual Details): Guru memasukkan detail spesifik mengenai target pengguna, tujuan pembelajaran adaptif (misalnya, skenario remedial atau enrichment), dan batasan sumber daya.
  • Tingkat 3 (Output Generation): AI, setelah menerima input terstruktur dari dua tingkat di atas, menghasilkan skenario pembelajaran adaptif yang kohesif, lengkap dengan rekomendasi alat dan evaluasi.
  • Fungsi Scaffolding (AIS): Model ini berfungsi sebagai “perancah” yang secara bertahap mengurangi ketergantungan guru pada prompt yang generik dan meningkatkan kualitas prompt hingga mencapai tingkat kecerdasan pedagogis-artifisial (Albert et al., 2021).

Rumusan Masalah Proyek

Bagaimana pengembangan Model Scaffolding Kecerdasan Buatan (AIS) Berbasis Kerangka Kerja P3 (Pedagogical Prompting Pyramid) dapat mengoptimalkan perancangan skenario pembelajaran adaptif bagi Instruktur/Guru Pendidikan Abad 21?

 Metodologi Pengembangan Proyek

Metodologi yang digunakan dalam pengembangan Model AIS ini didasarkan pada model pengembangan sistematis seperti ADDIE (Analysis, Design, Development, Implementation, Evaluation) atau Design-Based Research (DBR) yang menekankan pada intervensi dan revisi berulang di lingkungan nyata (Spector et al., 2014).

Langkah-langkah sistematis yang dilakukan:

1. Analisis (Awal Semester): Melakukan analisis kebutuhan (Poin 5) dan mengidentifikasi elemen-elemen pedagogis kunci dari literatur wajib (Januszewski & Molenda, 2008; Bishop et al., 2020) yang akan dimasukkan dalam kerangka kerja P3.
2. Desain (Pertengahan Semester): Merancang Kerangka Kerja P3 (Pedagogical Prompting Pyramid) sebagai struktur model scaffolding AIS, menentukan variabel input dan outputnya.
3. Pengembangan (Berlanjut): Mengembangkan purwarupa Model AIS (misalnya, dalam bentuk dokumen panduan prompt atau chatbot sederhana) dan melakukan uji coba internal.
4. Implementasi & Evaluasi Formatif (Akhir Semester – Laporan Ini): Melakukan uji coba terbatas pada sekelompok kecil guru/mahasiswa dan mengumpulkan umpan balik. Evaluasi formatif difokuskan pada kejelasan, efektivitas prompt, dan dampak pada kualitas skenario pembelajaran yang dihasilkan.
5. Refleksi & Revisi (Pasca UAS): Merefleksi hasil dan merevisi Model AIS dan P3 untuk penyempurnaan di masa depan.

Referensi

C. Daftar Referensi Wajib (Minimal)

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

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

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

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

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.

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

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