Growth Mindset

Gen-Grader berakar pada filosofi Growth Mindset (Pola Pikir Bertumbuh) dari Carol Dweck, yang memandang penilaian bukan sebagai vonis akhir atas kecerdasan siswa, melainkan sebagai titik awal perbaikan. Secara etis, aplikasi ini menanggulangi bias kognitif manusia dalam penilaian, seperti Halo Effect (menilai berdasarkan kesan umum) atau kelelahan kognitif guru saat mengoreksi tumpukan tugas. Gen-Grader memposisikan AI sebagai “Critical Friend” yang objektif; ia tidak mengenal lelah dan tidak memiliki prasangka personal terhadap siswa. Dengan demikian, penilaian kembali pada fitrahnya yang sejati: sebuah proses dialogis yang adil untuk membantu siswa menyadari kekurangannya tanpa merasa dihakimi, serta memberikan apresiasi pada kelebihan mereka secara spesifik.

Formative Feedback

Aplikasi ini mengoperasionalisasikan teori Formative Feedback dari Sadler (1989), yang menyatakan bahwa umpan balik yang efektif harus menjawab tiga pertanyaan: Where am I going? (Tujuan/Rubrik), How am I going? (Posisi siswa saat ini), dan Where to next? (Saran perbaikan). Gen-Grader menggunakan prinsip Computer-Assisted Assessment (CAA) yang canggih, di mana AI melakukan Semantic Matching antara bukti fisik (tugas siswa) dengan kriteria standar (rubrik). Tidak seperti sistem multiple choice yang biner (benar/salah), Gen-Grader menganalisis nuansa kualitas dalam tugas proyek, memberikan validitas penilaian yang lebih tinggi daripada sekadar skor angka, karena menyertakan dimensi kualitatif yang mendalam sesuai prinsip pedagogi modern.

Tutorial

Secara metodologis, Gen-Grader bekerja sebagai Sistem Triangulasi Digital yang menghubungkan tiga entitas utama dalam satu alur kerja otomatis:

• INPUT (Evidensi & Standar): Sistem ini mensyaratkan dua input wajib untuk menjamin validitas:
  1. Bukti Belajar (Evidence): Link tugas digital siswa (Dokumen/PDF/Drive).
  2. Acuan Standar (Anchor): Link Rubrik yang telah divalidasi (dari aplikasi Gen-Assess). Ini memastikan AI tidak “mengarang” nilai, melainkan menilai berdasarkan data empiris yang tersedia.
• PROSES (Komparasi Semantik): Saat prompt dieksekusi, AI melakukan proses Gap Analysis (Analisis Kesenjangan). Ia memindai konten tugas siswa, lalu membandingkannya poin demi poin dengan deskriptor pada rubrik.
• OUTPUT (Penilaian Holistik): Luaran yang dihasilkan mencakup dua dimensi:
  1. Kuantitatif: Skor numerik (0-100) yang terukur dan transparan perhitungannya.
  2. Kualitatif: Narasi umpan balik yang terdiri dari Strengths (Kekuatan untuk diapresiasi) dan Constructive Advice (Saran perbaikan teknis), yang siap disalin guru untuk dikirimkan kembali ke siswa sebagai bahan refleksi.