Dyta Septiya Nurhasan

230121600534

Kelas C23

Harapan Proyek

Pendidikan masa kini bergerak menuju paradigma pembelajaran yang adaptif, personal, dan mendalam (deep learning). Lingkungan belajar ideal seharusnya memungkinkan siswa untuk mengalami proses belajar yang fleksibel, reflektif, dan terarah pada konstruksi makna, bukan hanya konsumsi konten. Perspektif Hokanson et al. (2018) menegaskan bahwa teknologi pendidikan masa depan harus mampu “melampaui konten” (beyond content) dengan menyediakan pengalaman belajar yang memfasilitasi berpikir kritis dan integrasi konsep yang kompleks.

Selain itu, Bishop et al. (2020) menekankan pentingnya desain instruksional yang berbasis riset dan mampu menciptakan ekosistem belajar yang adaptif. Pembelajaran digital yang ideal juga tercermin dalam prinsip unconstrained learning oleh Moller dan Huett (2012), yaitu pengalaman belajar yang tidak dibatasi ruang, waktu, maupun perangkat.
Dalam idealitas tersebut, platform pembelajaran adaptif seperti EduAI Nusantara diharapkan menjadi sarana yang dapat menawarkan pengalaman belajar personalisasi, memberikan umpan balik instan, serta memfasilitasi eksplorasi mandiri siswa secara berkelanjutan.

Konteks Proyek

Proyek ini dikembangkan dalam konteks pembelajaran digital di Indonesia, khususnya bagi siswa SMP–SMA yang membutuhkan pengalaman belajar terarah, fleksibel, dan interaktif. Teknologi pendidikan memegang peran sebagai fasilitator yang menghubungkan kebutuhan belajar siswa dengan sumber daya digital yang relevan, sebagaimana dikemukakan Januszewski dan Molenda (2008), yaitu proses penciptaan, penggunaan, dan pengelolaan teknologi untuk memfasilitasi belajar secara etis dan efektif.

Lingkungan belajar digital saat ini memberikan peluang besar untuk mengintegrasikan kecerdasan buatan (AI) sebagai mekanisme adaptif. AI dapat membantu memberikan rekomendasi materi, menyesuaikan tingkat kesulitan konten, serta menyediakan pengalaman belajar berbasis data secara real-time. Hal ini didukung oleh temuan Jing et al. (2025) yang menunjukkan bahwa optimalisasi lingkungan belajar virtual dapat meningkatkan hasil belajar secara signifikan.

Dalam proyek ini, EduAI Nusantara dirancang menjadi prototipe platform pembelajaran adaptif yang mampu menggabungkan video pembelajaran, microlearning, kuis adaptif, serta dashboard perkembangan belajar dalam satu ekosistem digital.

Deskripsi Kesenjangan

Realita di lapangan menunjukkan bahwa banyak siswa mengalami kesulitan untuk belajar secara mandiri karena kurangnya sistem yang memberikan panduan personal dan umpan balik adaptif. Guru pun menghadapi tantangan dalam memonitor perkembangan siswa secara individual karena keterbatasan waktu, data, dan media digital yang mendukung.

Meskipun teknologi pembelajaran sudah banyak digunakan, sebagian besar hanya berfokus pada penyampaian konten linear dan belum mampu memberikan personalisasi pembelajaran. Sebagaimana Ran et al. (2025) tunjukkan, pembelajaran yang hanya berpusat pada penyampaian konten tanpa interaksi adaptif kurang efektif dalam meningkatkan kemampuan kognitif.

Selain itu, tidak semua siswa mendapatkan kesempatan untuk menerima pengalaman belajar yang sesuai dengan gaya belajar, kecepatan belajar, dan tingkat kemampuan mereka. Inilah kesenjangan yang ingin dijembatani oleh EduAI Nusantara—yakni menyediakan platform adaptif yang dapat menyesuaikan jalur belajar setiap siswa berdasarkan data interaksi mereka.

Uraian Deskripsi Solusi Proyek

Sebagai solusi, proyek ini mengembangkan prototipe EduAI Nusantara, yaitu platform pembelajaran adaptif berbasis kecerdasan buatan. Produk digital ini dirancang untuk:

• menyajikan alur belajar microlearning,
• memberikan rekomendasi materi berbasis interaksi pengguna,
• menyediakan kuis adaptif yang menyesuaikan tingkat kesulitan,
• menampilkan dashboard perkembangan siswa,
• serta memberikan pengalaman belajar futuristik, interaktif, dan personal.
  

Selaras dengan Januszewski & Molenda (2008), solusi ini berfungsi sebagai teknologi yang diciptakan secara etis dan efektif untuk memfasilitasi proses belajar. Pendekatan AI dalam produk ini juga mengikuti konsep bridging human–AI intelligence dari Albert et al. (2021), yaitu menjadikan AI sebagai mitra pedagogis, bukan pengganti guru.

Prototipe ini diperkaya dengan visual UI futuristik, micro-interaction, dan rekomendasi materi otomatis untuk membantu siswa belajar sesuai kebutuhan mereka. EduAI Nusantara bertujuan menjadi fondasi model pembelajaran adaptif yang relevan bagi generasi digital.

Rumusan Masalah Proyek

Bagaimana pengembangan prototipe “EduAI Nusantara” dapat memfasilitasi pengalaman pembelajaran adaptif dan meningkatkan kemandirian belajar siswa dalam lingkungan pembelajaran digital?

Metodologi Pengembangan Proyek

Metode pengembangan proyek mengikuti alur Analysis – Design – Prototype – Evaluation.

a. Analysis

Menganalisis kebutuhan pengguna berdasarkan karakteristik siswa digital native, preferensi belajar microlearning, serta kebutuhan personalisasi. Rujukan terhadap prinsip desain instruksional dari Bishop et al. (2020) digunakan untuk memetakan elemen pembelajaran adaptif.

b. Design

Mendesain alur navigasi, storyboard, UI futuristik, serta komponen utama: intro, dashboard, modul microlearning, kuis adaptif, dan mini project. Desain memperhatikan prinsip computational thinking (Rich & Hodges, 2017) sebagai dasar struktur interaksi pengguna.

c. Prototype

Mengembangkan prototipe visual berupa mockup UI yang merepresentasikan fitur platform. Tahap ini memanfaatkan elemen desain futuristik, ikon AI, dan arsitektur tampilan yang konsisten.

d. Evaluation

Melakukan tinjauan informal (expert review) untuk menguji keterbacaan, alur navigasi, dan kesesuaian desain dengan tujuan pedagogis. Prinsip evaluasi mengacu pada Spector et al. (2014) yang menekankan pentingnya validitas instrumen evaluasi dalam teknologi pendidikan.

Referensi

Akçayır, M., & Akçayır, G. (2017). Advantages and challenges associated with augmented reality for education: A systematic review. Educational Research Review, 20, 1–11. https://doi.org/10.1016/j.edurev.2016.11.002

Bishop, M. J., Boling, E., Elen, J., & Svihla, V. (Eds.). (2020). Handbook of research in educational communications and technology (5th ed.). Springer. https://doi.org/10.1007/978-3-030-36119-8

Hokanson, B., Clinton, G., Tawfik, A. A., & Grincewicz, A. (Eds.). (2018). Educational technology beyond content: A new focus for learning. Springer. https://doi.org/10.1007/978-3-319-49834-5

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign. https://curriculumredesign.org/

Ifenthaler, D., & Yau, J. Y.-K. (2020). Utilizing learning analytics for study success: Reflections on current empirical findings. Interactive Technology and Smart Education, 17(4), 337–351. https://doi.org/10.1108/ITSE-09-2019-0057

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

Khosravi, H., & Sadiq, S. (2020). A review of adaptive learning systems. International Journal of Information and Learning Technology, 37(4), 289–303. https://doi.org/10.1108/IJILT-09-2019-0095

Rich, P. J., & Hodges, C. B. (Eds.). (2017). Emerging research, practice, and policy on computational thinking. Springer. https://doi.org/10.1007/978-3-319-52691-8

Roll, I., & Wylie, R. (2016). Evolution and revolution in artificial intelligence in education. International Journal of Artificial Intelligence in Education, 26(2), 582–599. https://doi.org/10.1007/s40593-016-0108-x

Spector, J. M., Merrill, M. D., Elen, J., & Bishop, M. J. (Eds.). (2014). Handbook of research on educational communications and technology (4th ed.). Springer. https://doi.org/10.1007/978-1-4614-3185-5

Sung, Y.-T., Chang, K.-E., & Liu, T.-C. (2016). The effects of integrating mobile devices with teaching and learning on students’ learning performance: A meta-analysis. Computers & Education, 94, 252–275. https://doi.org/10.1016/j.compedu.2015.11.008