OBE Media Analyzer PRO

Analisis Kebutuhan & Generator Prompt

Pelatih: Henry Praherdhiono

1. APLIKASI: OBE MEDIA NEEDS ANALYZER PRO

Aplikasi ini merupakan instrumen diagnostik digital yang menempati fase Analysis dalam model pengembangan instruksional.

Epistemologi Jembatan

Secara filosofis, aplikasi ini menolak pandangan “One Size Fits All” dalam pendidikan. Ia berpijak pada aliran Konstruktivisme, di mana kebutuhan belajar dipandang sebagai entitas yang dinamis, bukan statis. Aplikasi ini merepresentasikan pergeseran ontologis dari Teacher-Centered (apa yang ingin diajarkan dosen) menuju Student-Centered (apa yang dibutuhkan mahasiswa untuk mencapai kompetensi).

Dengan memetakan CPL dan CPMK terhadap karakteristik mahasiswa (Gaya Belajar & Literasi Teknologi), aplikasi ini menegaskan bahwa media pembelajaran bukanlah sekadar “hiasan” estetik, melainkan epistemologi jembatan yang menghubungkan kesenjangan kognitif (gap) antara kemampuan awal mahasiswa dengan tuntutan kurikulum. Teknologi di sini bertindak sebagai mitra kognitif (cognitive partner) yang objektif dalam mendiagnosis kebutuhan tersebut.

Constructive Alignment

Secara teoretis, aplikasi ini mengoperasionalisasikan prinsip Constructive Alignment (Biggs, 1996) dan Model ADDIE pada tahapan Analisis.

1. Taksonomi Bloom Revisi: Algoritma aplikasi menggunakan pemetaan hierarki kognitif (Anderson & Krathwohl). Ketika dosen memilih KKO (Kata Kerja Operasional) level High Order Thinking Skills (C4-C6), sistem secara teoritis menolak rekomendasi media yang bersifat pasif (behavioristik) dan menyarankan media konstruktif.
2. TPACK Framework: Aplikasi ini membantu dosen yang lemah dalam Technological Knowledge (TK) dengan memberikan rekomendasi spesifik yang selaras dengan Pedagogical dan Content Knowledge mereka.
3. Dual Coding Theory (Paivio): Variabel input “Gaya Belajar” memastikan rekomendasi media mengakomodasi pemrosesan informasi verbal dan visual secara seimbang.

Tutorial

Langkah kerja aplikasi ini mengikuti alur logika deduktif:

1. Input Variabel Instruksional: Masukkan data Jenjang, Prodi, dan CPL/CPMK. Ini adalah basis data kurikulum.
2. Input Variabel Peserta Didik: Geser slider untuk menentukan dominasi Gaya Belajar dan Literasi Teknologi mahasiswa.
3. Proses Analisis: Klik tombol “Analisis”. Algoritma JS akan membandingkan tingkat kompleksitas CPMK dengan profil mahasiswa.
4. Interpretasi Output: Baca grafik Gap Analysis untuk melihat dominasi level kognitif.
5. Pemanfaatan AI: Gunakan fitur Prompt Generator. Salin prompt yang dihasilkan (berbasis pola Role-Task-Context) ke ChatGPT/Gemini untuk mendapatkan saran konten yang presisi.

2

Instructional Blueprint Generator

Desain Alur Media Berbasis OBE & AI Assistant

Input Data dari App 1

2. APLIKASI: INSTRUCTIONAL BLUEPRINT GENERATOR

Aplikasi ini adalah meja kerja arsitektur pembelajaran yang menempati fase Design dalam pengembangan instruksional.

Intensionalitas dan Koherensi

Aplikasi ini dibangun di atas filosofi Intensionalitas dalam pendidikan. Bahwa sebuah proses pembelajaran tidak boleh terjadi secara kebetulan, melainkan harus didesain dengan niat dan struktur yang jelas (Design by Intent). Ia melawan entropi (kekacauan) dalam kelas daring dengan menawarkan struktur yang terorganisir.

Secara aksiologi (nilai), aplikasi ini mengajarkan dosen untuk menghargai Koherensi. Setiap komponen media yang diletakkan dalam timeline (alur waktu) memiliki nilai fungsional untuk mencapai tujuan akhir. Fitur Guardrail (pagar pengaman) dalam aplikasi merepresentasikan etika pedagogis: bahwa memberikan materi yang tidak sesuai dengan target kompetensi (misal: materi pasif untuk tujuan mencipta) adalah sebuah malpraktik instruksional yang harus dicegah sejak dalam pikiran (perencanaan).

Gagne’s Nine Events of Instruction & Cognitive Load Theory

Landasan utama aplikasi ini adalah Gagne’s Nine Events of Instruction dan Teori Beban Kognitif (Cognitive Load Theory).

1. Instructional Scaffolding (Vygotsky): Fitur timeline memungkinkan dosen menyusun materi dari yang termudah hingga tersulit, memberikan scaffolding (pijakan) bagi mahasiswa.
2. Outcome-Based Education (OBE): Logika Guardrail (pemblokiran otomatis) adalah manifestasi ketat dari prinsip OBE. Jika Outcome adalah C6 (Mencipta), maka proses (Process) dan alat (Input) harus selaras. Aplikasi memvalidasi keselarasan ini secara real-time.
3. Multimedia Learning (Mayer): Pemilihan komponen (Video, Teks, Kuis) didasarkan pada prinsip seleksi dan organisasi materi untuk memaksimalkan pemrosesan informasi tanpa membebani memori kerja.

Tutorial

Aplikasi ini bekerja secara linier melanjutkkan hasil dari aplikasi pertama:

1. Import Konteks: Klik tombol “Import dari App 1”. Ini memastikan kontinuitas data (Benang Merah) dari fase analisis ke desain.
2. Konfigurasi Model: Pilih model pembelajaran (misal: Case Method atau PjBL) untuk menentukan kerangka kerja.
3. Penyusunan Alur (Sequencing):
   • Gunakan fitur Drag-and-Drop dari panel kiri ke Canvas.
   • Susun urutan: Pendahuluan (Video) -> Inti (Studi Kasus) -> Penutup (Kuis/Proyek).
4. Validasi Pedagogis: Perhatikan peringatan sistem. Jika Anda memilih target C6 namun memasukkan “Bacaan PDF”, sistem akan menolak. Ikuti saran sistem untuk menggantinya dengan aktivitas interaktif.
5. Generasi Skenario: Klik “Generate AI Prompt”. Sistem akan merangkai seluruh alur tersebut menjadi perintah detail bagi AI untuk menuliskan naskah video, soal kuis, dan instruksi tugas.