UM Mentor Prompt Generator
Alat bantu bagi Mahasiswa Mentor untuk memahami RPS dan merancang strategi pendampingan berdasarkan 5 Model Pembelajaran Utama.
Input Data RPS
Masukkan tautan Google Drive atau salin teks RPS untuk dianalisis.
Catatan: AI generatif (seperti ChatGPT/Claude) terkadang kesulitan membaca file langsung dari tautan. Sangat disarankan menggunakan opsi “Teks RPS” untuk hasil yang lebih akurat.
Hasil Prompt
Salin teks di atas dan tempelkan ke aplikasi AI pilihan Anda (Gemini, ChatGPT, atau Claude).
1. Pergeseran Paradigma
Pendidikan tinggi saat ini tengah mengalami pergeseran paradigma dari pengajaran yang berpusat pada dosen (Sage on the Stage) menuju pembelajaran fasilitatif yang berpusat pada mahasiswa (Guide on the Side). Dalam transisi ini, mahasiswa mentor hadir sebagai jembatan krusial. Secara filosofis, UM Mentor Prompt Generator lahir dari kesadaran bahwa teknologi sejati—terutama kecerdasan buatan—harus berakar pada upaya memanusiakan manusia (humanizing humans). Aplikasi ini tidak dirancang untuk mengambil alih tugas berpikir kognitif, melainkan bertindak sebagai katalisator yang memberdayakan mentor. Melalui penguasaan Prompt Intelligence, kerumitan dokumen kurikulum diurai menjadi bahasa pendampingan yang empatik. Filosofi pemberdayaan (empowerment) menjadi pilar utamanya; mentor diposisikan bukan sebagai miniatur dosen yang menyuapi informasi, melainkan memfasilitasi kemandirian dan refleksi mahasiswa. Pada akhirnya, alat ini mengembalikan ruh pendidikan pada kolaborasi antarmanusia yang bermakna, menjadikan teknologi sebagai pelayan dari pedagogi, bukan sebaliknya.
2. Konstruktivisme Sosial dan Desain instruksional
Aplikasi ini dibangun di atas landasan konstruktivisme sosial dan desain instruksional tingkat lanjut. Mesin utama generator beroperasi menggunakan kerangka kerja Role, Task, Format (RTF), yang memastikan model generatif merespons dengan presisi pedagogis, bukan sekadar memberikan teks umum. Aplikasi ini secara eksplisit menginjeksi lima landasan teoretis model pembelajaran: Pembelajaran Berbasis Proyek (fokus pada driving question dan evaluasi artefak), Pembelajaran Berbasis Masalah (inkuiri pada ill-structured problem), Pembelajaran Berbasis Kasus (diskusi analitik), Pembelajaran Transformatif (memicu disorienting dilemma dan refleksi kritis), serta Flipped Classroom (optimalisasi ruang kolaboratif). Selain itu, sistem ini menanamkan teori scaffolding dari Vygotsky, memastikan mentor diinstruksikan untuk memberikan bantuan bertahap yang secara perlahan dilepaskan. Pendekatan ini menjamin bahwa setiap panduan yang dihasilkan memiliki validitas teoretis yang selaras dengan standar Outcome-Based Education (OBE).
3. UM Mentor Prompt
UM Mentor Prompt Generator menerapkan pendekatan Human-in-the-Loop (HITL) dalam arsitektur rekayasa prompt-nya. Proses ini berjalan melalui beberapa tahapan sistematis:
- Fase Input: Mentor menyediakan Rencana Pembelajaran Semester (RPS) dari dosen ke dalam sistem dalam bentuk teks mentah.
- Fase Pemrosesan (Processing Layer): Sistem melakukan mekanisme injeksi parameter. Pada tahap ini, algoritma JavaScript menyisipkan instruksi tersembunyi—termasuk prinsip pedagogi mentor dan parameter spesifik dari kelima model pembelajaran—secara berdampingan dengan dokumen RPS.
- Fase Konstruksi AI: Metodologi perakitan teks disusun secara terstruktur untuk memaksa AI melakukan analisis deduktif: mendeteksi taksonomi strategi dosen, merumuskan batas peran mentor, dan memformulasikan taktik pendampingan.
- Fase Output: Luaran akhir dieksekusi dalam bentuk super-prompt yang secara metodis memuat matriks kebutuhan, seperti ringkasan pendekatan, checklist observasi (do’s and don’ts), serta rancangan pertanyaan pemantik. Teks matang ini kemudian dieksekusi di platform Large Language Model eksternal untuk menghasilkan panduan operasional yang presisi dan siap diimplementasikan.
Leave a Reply