Generator Prompt Modul PJJ

Alat Bantu Desain Instruksional Berbasis OBE

UNESA 2026

Informasi Mata Kuliah

Jenjang/Strata S2 (Magister) S2 Terapan (Magister Terapan) S3 (Doktor) S3 Terapan (Doktor Terapan)

Model Pembelajaran Utama Project-Based Learning (PjBL) Problem-Based Learning (PBL) Case Method (Metode Kasus) Pembelajaran Transformatif

Program Studi

Nama Mata Kuliah

Jumlah SKS

Proporsi Pembelajaran (%)

Sinkronus (Tatap Maya)

40%

Asinkronus (Mandiri/Modul)

60%

Capaian Pembelajaran

Capaian Pembelajaran Lulusan (CPL)

CPMK dan Sub-CPMK Tambah CPMK Utama

Setiap CPMK dapat diturunkan menjadi beberapa Sub-CPMK (Target per pertemuan).

Daftar Referensi & Dokumen

1. Referensi Keilmuan (Buku/Jurnal) Tambah Referensi

Masukkan sumber pustaka utama yang digunakan pada mata kuliah ini.

2. Referensi Teknis (Pedoman/Regulasi) Tambah Regulasi

Masukkan link panduan pengembangan modul (LAMDIK, LAM Teknik, Permendikbud) agar AI mempertimbangkannya.

Generate Prompt AI Sekarang

Hasil Prompt AI

Copy Unduh .rtf

Klik tombol Generate Prompt AI di sebelah kiri, lalu salin teks di bawah ini ke ChatGPT, Gemini, atau Claude.

Tersalin!

1. Pendidikan Jarak Jauh

Pendidikan Jarak Jauh menggeser paradigma pendidikan dari sekadar transfer pengetahuan pasif menuju kemandirian belajar sepenuhnya (heutagogy). Dalam ruang digital, peran dosen bertransformasi; bukan lagi sebagai satu-satunya otoritas sumber kebenaran, melainkan sebagai arsitek ekosistem belajar yang menstimulasi pemikiran tingkat tinggi. Alat ini lahir dari kesadaran ontologis bahwa disrupsi Generative AI tidak boleh dibiarkan menggerus kedalaman akademik melalui praktik fabrikasi instan. Sebaliknya, AI harus didudukkan secara etis sebagai mitra kognitif (cognitive sparring partner). Melalui pendekatan Human-in-the-Loop (HITL), generator ini menolak otomatisasi buta. Ia menuntut dosen untuk tetap hadir—memberikan jiwa, pengalaman empiris, dan validasi pedagogis pada setiap luaran mesin. Pada akhirnya, filosofi dasar dari alat ini adalah menjaga maruah esensi pembelajaran (transformative learning), di mana teknologi sehebat apa pun hanya bertindak sebagai fasilitator pemantik kesadaran kritis mahasiswa.

2. Outcome-Based Education (OBE)

PJJ memiliki fondasi Outcome-Based Education (OBE) dan prinsip penyelarasan konstruktif (constructive alignment). Generator ini tidak mendesain materi secara acak, melainkan merajut garis lurus mulai dari Capaian Pembelajaran Lulusan (CPL), memecahnya menjadi CPMK, hingga merumuskan instrumen evaluasinya. Secara kognitif, alat ini dirancang mutlak untuk memfasilitasi Deep Learning. Hal ini terlihat dari algoritma decluttering yang secara teoritis membuang beban kognitif (extraneous cognitive load) pada materi hafalan, dan menggantinya dengan pemecahan masalah. Selain itu, penggunaan kerangka R-T-F (Role, Task, Format) didasarkan pada teori komunikasi komputasional yang meyakini bahwa Large Language Models (LLM) memerlukan pembatasan konteks (contextual framing) yang sangat spesifik agar terhindar dari halusinasi dan mampu mereplikasi kerangka berpikir akademik yang presisi.

3. Dari Sisi Metodologis

Secara metodologis, Generator Prompt PJJ beroperasi melalui rekayasa instruksional digital yang sistematis. Proses ini mengotomatisasi alur kerja pengembangan bahan ajar PJJ ke dalam empat prosedur prompt engineering yang berurutan:

• Metodologi Pemetaan Makro (Desain Silabus): Mengekstraksi variabel kurikulum (Proporsi Sinkronus/Asinkronus, Strata S2/S3, Model Pembelajaran, CPL, dan referensi standar LAM) untuk diolah oleh AI menjadi blueprint Rencana Pembelajaran Semester (RPS) 16 pertemuan yang terstruktur.
• Metodologi Ekspansi Mikro (Pengembangan Naskah): Mengisolasi satu target pertemuan spesifik dari blueprint tersebut untuk diekspansi menjadi modul self-instructional. Metodenya mencakup penulisan apersepsi, injeksi studi kasus lanjutan, dan perumusan rubrik analitik secara presisi.
• Metodologi Reduksi (Pemangkasan Teks): Menggunakan rekayasa prompt untuk bertindak sebagai editor kritis. Metodologi ini menyeleksi draf materi konvensional (S1), menyaring definisi literal, dan merombaknya menjadi skenario masalah kompleks (trigger problem) yang “menggantung” untuk dipecahkan mahasiswa.
• Metodologi Integrasi Evaluasi (Sistem CSCL & Proctoring): Mendesain instrumen penilaian bukan berbasis ujian pilihan ganda, melainkan membangkitkan Computer-Supported Collaborative Learning (CSCL) di dalam LMS (seperti anotasi kolaboratif atau debat asinkronus). Metodologinya mencakup injeksi syarat keamanan (self-proctoring via video lokal) dan pembatasan metrik jejak digital sebagai bukti autentik pemenuhan standar akreditasi.

Generator Prompt Detail Modul (Tahap 2)

Pengembangan Naskah Konten Per-Kegiatan (1-16)

Pelatihan PJJ UNESA

1 Dokumen Garis Besar (RPS)

Masukkan tautan (Google Drive/Docs) hasil dari Generator Tahap 1. AI akan membaca dokumen ini sebagai cetak biru materi.

2 Pilih Target Kegiatan

Pilih kegiatan/pertemuan ke berapa yang ingin didetailkan menjadi naskah modul utuh.

Kegiatan Ke-1 (Pertemuan 1) Kegiatan Ke-2 (Pertemuan 2) Kegiatan Ke-3 (Pertemuan 3) Kegiatan Ke-4 (Pertemuan 4) Kegiatan Ke-5 (Pertemuan 5) Kegiatan Ke-6 (Pertemuan 6) Kegiatan Ke-7 (Pertemuan 7 – Pra UTS) Kegiatan Ke-8 (Evaluasi Tengah Semester) Kegiatan Ke-9 (Pertemuan 9) Kegiatan Ke-10 (Pertemuan 10) Kegiatan Ke-11 (Pertemuan 11) Kegiatan Ke-12 (Pertemuan 12) Kegiatan Ke-13 (Pertemuan 13) Kegiatan Ke-14 (Pertemuan 14) Kegiatan Ke-15 (Pertemuan 15 – Pra UAS) Kegiatan Ke-16 (Evaluasi Akhir Semester)

3 Instruksi Tambahan (Opsional)

Tambahkan konteks khusus untuk pertemuan ini (misal: penekanan pada studi kasus tertentu, durasi video, dll).

Generate Prompt Detail Sekarang

Prompt Siap Eksekusi

Copy Unduh .rtf

Klik tombol Generate Prompt Detail Sekarang di sebelah kiri untuk meracik prompt.

Prompt Tersalin!

1. Praktik Prompt Intelligence dengan Kerangka RTF

Generator Prompt RTF (Sesi Digital)

Pendekatan Human-in-the-Loop (HITL) untuk Aset PJJ

Anti-Fabrikasi AI

Kerangka R-T-F

Role – Task – Format

1. Role (Peran AI)

Posisikan AI sebagai pakar apa?

Dosen Senior Pascasarjana (Kritis & Analitis) Instructional Designer Ahli PJJ Pakar Evaluasi Pendidikan Berbasis OBE Praktisi Industri/Lapangan Berpengalaman

2. Task (Tugas AI)

Apa aset spesifik yang ingin Anda produksi?

Menyusun Draf Uraian Materi Pembelajaran (Deep Learning) Membuat Skenario Studi Kasus Kompleks (Problem-Solving) Menyusun Instrumen Asesmen dan Rubrik Penilaian Analitik Membuat Naskah Skenario Video Interaktif (Microlearning)

Topik/Konteks Spesifik (Input Dosen)

3. Format (Bentuk Output)

Bagaimana Anda ingin hasilnya disajikan?

Markdown Terstruktur (Heading & Bullet points) Format Tabel Komprehensif Naratif (Gaya Sapaan Mahasiswa) HTML Siap LMS (Kode Dasar)

Rambu-Rambu HITL (Wajib)

Pilih pengaman untuk mencegah AI melakukan fabrikasi (halusinasi) dan menyisakan ruang bagi keahlian asli Anda.

Cegah Halusinasi Referensi
AI dilarang mengarang sitasi palsu.

Nada Kritis & Transformatif
Menghindari bahasa AI yang generik/klise.

Sisipkan “Area Validasi Dosen”
Memaksa Anda meninjau dan menambahkan pengalaman empiris pribadi ke dalam draf AI.

Generate Prompt RTF Sekarang

Ikrar Human-in-the-Loop

Saya memahami bahwa hasil dari prompt ini HANYA merupakan draf awal. Saya bertanggung jawab penuh untuk memvalidasi substansi, menyunting, dan menambahkan nilai pedagogis sebelum diunggah ke LMS.

Prompt Siap Disalin

Copy Unduh .rtf

Berhasil Disalin!

Aplikasi ini merupakan Generative AI untuk memproduksi draf naskah modul, skenario studi kasus, atau instrumen asesmen.

• Aktivitas: Teknik penyusunan prompt menggunakan kerangka RTF (Role, Task, Format).
• Fokus Pendekatan: THuman-in-the-Loop (HITL). Praktikkan bagaimana dosen tidak boleh langsung menelan mentah-mentah hasil AI, melainkan harus melakukan validasi pedagogis dan menyaring indikator fabrikasi akademik sebelum memindahkannya ke dalam bentuk HTML atau PDF interaktif di LMS.

2. Praktik Decluttering Materi Berbasis Teks

Generator Prompt Decluttering Materi

Transformasi Teori Dasar menjadi Trigger Kompleks (S2/S3)

Pangkas Redundansi

Input Draf Mentah

Target Audiens (Jenjang) S2 (Magister) – Fokus pada Analisis & Inovasi S3 (Doktor) – Fokus pada Sintesis & Novelty Riset

Teks Materi Asli / Draft Mentah

Tempelkan materi yang dirasa terlalu bertele-tele atau penuh dengan definisi dasar (teori level sarjana).

Tujuan / Target Sintesis Pembelajaran

Apa masalah dunia nyata atau konflik konsep yang sebenarnya ingin Anda tunjukkan dari materi ini?

Kriteria Pemangkasan (Decluttering)

Pilih instruksi pembersihan (*filtering*) yang akan diberikan kepada AI untuk merombak teks mentah di atas.

Buang Pengetahuan Faktual / Hafalan
Menghapus definisi kamus dan sejarah tokoh klasik.

Ekstrak Kerangka Kerja (Framework)
Hanya mengambil pola pikir / algoritma utama dari materi.

Ubah Menjadi “Trigger” Masalah (S2/S3)
Mentransformasi kalimat deskriptif menjadi kasus yang menggantung.

Eksekusi Prompt Decluttering

Instruksi Bedah Materi untuk AI

Copy Unduh .rtf

Prompt ini dirancang untuk memaksa AI bertindak sebagai Editor Akademik Kejam yang akan “memotong habis” teks sarjana Anda menjadi pemicu diskusi tingkat lanjut.

Berhasil Disalin!

Modul pascasarjana sering kali terjebak pada pengulangan teori dasar.

• Aktivitas: Cara menyaring atau melakukan decluttering pada draf materi, membuang informasi yang sekadar “tahu” (level sarjana) dan berfokus pada materi esensial yang memicu pemikiran transformatif dan kemampuan sintesis.
• Target: Mahasiswa S2/S3 langsung dihadapkan pada pemicu masalah kompleks (trigger), bukan sejarah konsep dasar.

3. Pembuatan Asesmen Berbasis Self-Proctoring dan Video Lokal

Generator Prompt Asesmen Video (Self-Proctoring)

Desain Evaluasi Lisan Anti-Plagiasi & Kompatibel LMS PJJ

Orisinalitas & Sandboxing

Kerangka R-T-F (Video Assessment)

1. Role (Peran AI) Pakar Evaluasi Pendidikan Jarak Jauh (PJJ) Dosen Penguji Sidang Pascasarjana (Kritis) Instructional Designer Ahli Asesmen Autentik

Jenjang S2 (Magister) S3 (Doktor)

Durasi Video 3-5 Menit (Elevator Pitch) 7-10 Menit (Analisis Mendalam) Maks 15 Menit (Presentasi Proyek)

2. Task (Topik Analisis Mahasiswa)

Tuliskan masalah atau teori apa yang harus dianalisis mahasiswa dalam video presentasinya.

3. Format Output AI Instruksi Mahasiswa + Rubrik Penilaian (Tabel) Panduan Mini + Ceklis Persiapan Mahasiswa

Protokol Sistem & Orisinalitas

ATURAN MUTLAK LMS PJJ (Terkunci)

Instruksi harus melarang link embed YouTube/Drive. Video WAJIB diunggah lokal (Local Upload) agar sistem analitik/sandbox LMS dapat memproses pemutaran video tanpa terblokir batasan pihak ketiga.

Pilih Syarat Self-Proctoring (Cegah AI/Joki):

Verifikasi Visual (KTM)
Wajib menunjukkan ID pada awal video.

Metode “One-Take Video”
Mencegah editing berlebihan dan pembacaan naskah buatan AI.

Rancang Asesmen Video Sekarang

Instruksi Desain Asesmen PJJ

Copy Unduh .rtf

Prompt ini akan memerintahkan AI untuk membuat lembar penugasan LMS yang sangat ketat secara teknis dan akademis.

Berhasil Disalin!

Sebagai pengganti ujian tulis konvensional, PJJ S2/S3 sangat bergantung pada presentasi atau argumen lisan mahasiswa untuk memverifikasi orisinalitas pemikiran.

• Aktivitas: Perancangan penugasan analisis presentasi video mahasiswa.
• Saran Teknis Krusial: Mahasiswa mengunggah atau memproses file video presentasi secara lokal ke dalam sistem/LMS. Sangat disarankan untuk menghindari penggunaan fitur embed (penyematan) dari YouTube dalam instrumen evaluasi presentasi, mengingat sering terjadinya kendala limitasi sandbox atau restriksi teknis pada saat sistem melakukan analisis pemutaran video.

4. Integrasi Computer-Supported Collaborative Learning (CSCL)

Generator Prompt CSCL Tahap 4

Desain Aktivitas Kolaboratif Asinkronus Berbasis LMS

Pemicu Interaksi OBE

Parameter Kolaborasi (CSCL)

Target Audiens S2 (Magister) – Fokus Diskusi Kritis S3 (Doktor) – Fokus Debat Teoritis & Riset

Topik/Isu Diskusi (Trigger)

Masukkan isu kontroversial atau studi kasus yang akan dilemparkan ke mahasiswa.

Pilih Model Interaksi Asinkronus (LMS)

Debat Forum (Pro/Kontra) Pembagian peran secara asinkronus. Memaksa mahasiswa menyanggah argumen teman dengan referensi ilmiah.

Anotasi Dokumen Bersama Satu jurnal dibedah beramai-ramai. Mahasiswa memberikan highlight dan komentar (koreksi) di badan teks.

Sistem Peer-Review Mahasiswa menilai draf proposal mahasiswa lain menggunakan rubrik buta (blind review).

Kasus Berantai (Estafet) Mhs 1 identifikasi masalah, Mhs 2 beri teori, Mhs 3 beri solusi (kerja tim di Wiki/Docs).

Bukti Jejak Digital (OBE Audit)

Pilih instruksi pengamanan agar partisipasi mahasiswa dapat diukur oleh asesor akreditasi LAM.

Syarat Sitasi Wajib (Anti “Saya Setuju”)
Memblokir komentar dangkal di forum.

Metrik Partisipasi Kuantitatif
Wajib 1 Post Asli + 2 Sanggahan/Reply.

Rancang Aktivitas Kolaboratif

Prompt Desain CSCL (LMS)

Copy Unduh .rtf

Prompt ini akan memerintahkan AI untuk membuat skenario aktivitas kolaborasi digital yang lengkap dengan aturan mainnya.

Berhasil Disalin!

Bahan ajar digital yang baik tidak berdiri sendiri, melainkan memicu interaksi.

• Aktivitas: Mendesain satu segmen di dalam modul yang mengarahkan mahasiswa untuk meninggalkan jejak digital kolaboratif. Misalnya, mendesain instruksi penugasan di mana mahasiswa harus membedah satu artikel jurnal di platform anotasi bersama, atau melakukan debat asinkronus terstruktur di forum LMS sebagai bagian dari Outcome-Based Education (OBE).