Search for collections on Universitas Terbuka Repository

Konstruktivistik Project-based Deep Learning dalam mendukung PembelajaranBerkesadaran, Bermakna, dan menggembirakan di Era Kecerdasan Buatan

Amalia, Sapriati and Maya, Puspitasari and Monika, Handayani and Fitria, Amastini (2025) Konstruktivistik Project-based Deep Learning dalam mendukung PembelajaranBerkesadaran, Bermakna, dan menggembirakan di Era Kecerdasan Buatan. Project Report. Universitas Terbuka. (Unpublished)

[thumbnail of Laporan RKI 2025-Amalia Sapriati-Maya Puspitasari-Monika Handayani-Fitria Amastini.pdf]
Preview
Text
Laporan RKI 2025-Amalia Sapriati-Maya Puspitasari-Monika Handayani-Fitria Amastini.pdf

Download (599kB) | Preview

Abstract

Penelitian ini bertujuan mengembangkan dan menguji efektivitas Model Project-Based Deep Learning (PjBDL) dalam konteks Pembelajaran Jarak Jauh (pjj) untuk mata kuliah Evaluasi Pembelajaran di SD pada Program S1 PGSD. Model PjBDL mengintegrasikan prinsip Project-Based Learning (PjBL) dan Deep Learning untuk menciptakan pembelajaran yang berkesadaran (mindful), bermakna (meaningful), dan menggembirakan (joyful), sekaligus mendukung kompetensi abad ke-21. Penelitian menggunakan pendekatan Research and Development (R&D) berbasis model ADDIE (Analyze–Design–Develop–Implement–Evaluate) dan desain kuasi-eksperimen pretest-posttest control group. Sampel terdiri dari 226 mahasiswa (2 kelas eksperimen, 4 kelas kontrol) di Universitas Terbuka. Data dikumpulkan melalui pretest, posttest, tugas proyek, angket sikap, serta FGD dan wawancara. Analisis dilakukan dengan ANCOVA, regresi, dan PLS-SEM, serta analisis kualitatif menggunakan Reflexive Thematic Analysis. Temuan utama dari penelitian ini adalah (a) Pengembangan model dan perangkat: Model PjBDL dirancang dengan sintaks fleksibel meliputi tahapan pertanyaan esensial, desain proyek, monitoring, dan refleksi. Perangkat pendukung mencakup RPS, LKPD digital, panduan fasilitasi, rubrik asesmen, serta integrasi LMS dan panduan penggunaan AI, (b) Validasi instrumen: Instrumen sikap terhadap PjBDL dan hasil belajar divalidasi menggunakan PLS-SEM, menunjukkan reliabilitas dan validitas tinggi, (c) Efektivitas model: Hasil ANCOVA menunjukkan perbedaan signifikan antara kelompok eksperimen dan kontrol (p < 0,001; Partial Eta Squared = 0,165), mengindikasikan efek besar penerapan PjBDL terhadap hasil belajar. Analisis regresi mengungkap bahwa keterlibatan diskusi lebih berpengaruh terhadap kualitas proyek dibanding skor tes, menandakan pembelajaran interaktif dan reflektif. Tantangan dalam implementasi penelitian ini adalah keterbatasan waktu, kebutuhan contoh konkret, dan literasi AI. Strategi perbaikan mencakup penyediaan video tutorial, panduan presentasi, komunikasi melalui platform kolaboratif, serta penguatan literasi digital dan etika penggunaan AI. Simpulan penelitian ini adalah Model PjBDL efektif meningkatkan keterampilan berpikir kritis, kolaborasi, dan pemecahan masalah dalam PJJ. Penelitian ini memberikan kontribusi teoretis (integrasi PjBL dan Deep Learning), praktis (perangkat pembelajaran dan instrumen asesmen), serta metodologis (kombinasi analisis kuantitatif dan kualitatif). Pada penelitian ini UNY berperan sebagai host serta UT dan UM sebagai peneliti mitra. Setiap Perguruan Tinggi tersebut memiliki peran dan tugas masing-masing. Luaran penelitian dari kolaborasi penelitian di tiga perguruan tinggi ini adalah 3 artikel jurnal internasional bereputasi yang sudah disubmit dan diharapkan accepted pada tahun 2026

Item Type: Monograph (Project Report)
Uncontrolled Keywords: Project Based Deep Learning, Pembelajaran Jarak Jauh, Deep Learning, Project-Based Learning, Tutorial Online
Subjects: 300 Social Science > 370-379 Education (Pendidikan) > 378.175 Distance Education (pendidikan jarak jauh)
Divisions: Thesis,Disertasi & Penelitian > Penelitian
Depositing User: CR Cherrie Rachman
Date Deposited: 28 Nov 2025 10:28
Last Modified: 28 Nov 2025 10:28
URI: https://repository.ut.ac.id/id/eprint/11032

Actions (login required)

View Item
View Item

This repository has been indexed by

BASE OneSearch OpenDOAR RAMA