Dalam Society 4.0, orang akan mengakses layanan cloud (basis data) di dunia maya melalui Internet. Di Society 5.0, sejumlah besar informasi dari sensor di ruang fisik terakumulasi di dunia maya. Di dunia maya, data besar ini dianalisis dengan kecerdasan buatan (AI), dan hasil analisis diumpankan kembali ke manusia dalam ruang fisik dalam berbagai bentuk (Suherman et al., 2020).  Bagaimana society 5.0 diterapkan? Berikut disajikan sebuah gambar yang dapat menjelasakan hubungan lingkungan fisik dengan lingkungan maya.

Gambar 2 :  hubungan dunia  maya dengan dunia fisik, sumber: (Hitachi-UTokyo Lab, 2020).

Selain menggabungkan dunia maya dan dunia nyata, society 5.0 meberikan prinsip berpusat pada manusia, hal ini dapat menjelaskan gambar di atas. Suhu diukur oleh sensor, aktivitas manusia direkam yang berguna untuk mengetahui berapa suhu yang nyaman dengan kondisi-kondisi tertentu (pagi, siang, dan malam). Mesin akan mempelajari (machine learning) kemudian diolah dengan AI dan dilanjutkan memberi keputusan berupa feedback dengan memberikan suhu yang tepat. Dari penjelasan tersebut, dapat dijabarkan menjadi beberapa bagian penting diantaranya: data diperoleh memalui sensor, informasi yang diolah oleh machine learning, dan pengetahuan merupakan feedback dari informasi yang didapat.  Berikut hubungan data, informasi, dan pengetahuan yang diimplementasi pada masyarakat luas:

Gambar 3 :  data, informasi, dan pengetahuan, sumber: (Hitachi-UTokyo Lab, 2020).

Gambar di atas menunjukkan perbedaan antara proses produksi pengetahuan secara konvensional dengan society 5.0. Bagaimana data diambil dari fenomena, orang, dan interaksi sosial kemudian mendapatkan informasi. Informasi yang dibutuhkan akan diolah menjadi pengetahuan. Perbedaan mendasar anatar proses konvensional dengan society 5.0 terlihat bahwa bagaimana keterlibatan manusa dalam proses data diubah menjadi informasi dan pengetahuan. Pada proses prodiksi pengetahuan dalam society 5.0 melibatkan penginderaan otomatis Big Data diakumulasikan menjadi informasi melalui Artificial Intellegence (AI), kemudian hasilnya berupa pengetahuan yang menginstruksikan kepada perangkat sistem. Jepang telah membahas hal yang mendasar bagaimana inovasi pengetahuan ini diimplementasikan dan berdampak pada kehidupan manusia.

Contoh bentuk-bentuk Society 5.0 menurut pemerintah Jepang dalam Suherman et al., (2020): pemanfaatan drone, perangakat yang ditanami AI, dimanfaatkan pada dunia kesehatan, manusai dibantu robot, dan kendaraan otonom. Selain bentuk-bentuk society 5.0 di atas, sangat mungkin inovasi pengetahuan ini dimanfaatkan dalam sistem Pendidikan Nasional. Sebagai contoh big data digunakan dalam bebrbagai kepentingan Pendidikan (Baig, 2020), selain itu juga internet  of things (IoT) dimanfaatkan dalam pembelajaran dan asessmen (Abichandani, 2022), dan Artificial Intellegence digunakan dalam pembelajaran (Kong, 2020).

Dalam penelitiannya Ruiz-Palmero et al., (2020) disebutkan bahwa big data dapat membantu proses Pendidikan diantaranya: meningkatkan proses pembelajaran, memberikan umpan balik yang real-time, personalisasi Pendidikan, meningkatkan kemampuan digital, Analisa tinkat kelayakan dalam pelatihan, dan menghindari plagiat. Selain pemanfaatan big data di atas, teknologi big data dapat mendukung sumber pembelajarn online (Sharma et al., 2021) (lihat juga Huda et al., 2018, Simović, 2018, Cox, 2019). Berbagai pemanfaatan Big data di atas, maka peluang lain teknologi ini akan dimanfaatkan secara massif dengan tujuan untuk memaksimalkan, dan serta memberikan efektifitas dan efisiensi dalam proses pembelajaran siswa.

Data-data yang telah tersimpan kemudian dianalisis oleh mesin dengan bantuan artificial intellegnce maka dapat memberikan pengambilan keputusan yang tepat. Bagaimana siswa mendapat materi melalui media yang tepat, kapan waktu yang tepat siswa belajar, dengan cara apa siswa belajar, dan bagaimana guru menyiapkannya? Penelitan yang dilakukan Khosravi et al., (2022) telah menghasilkan aplikasi AI yang dimanfaatlkan dalam Pendidikan. Penelitian tersebut didasarkan pada muncul kekhawatiran mengenai Keadilan, Akuntabilitas, Transparansi, dan Etika dari intervensi pendidikan yang didukung oleh penggunaan algoritma Kecerdasan Buatan (AI). Salah satu metode yang muncul untuk meningkatkan kepercayaan terhadap sistem AI adalah dengan menggunakan eXplainable AI (XAI), yang mempromosikan penggunaan metode yang menghasilkan penjelasan transparan dan alasan keputusan yang diambil sistem AI. Selain itu bagaiman trend AI dimanfaatkan dalam Pendidikan telah dijabarkan dalam makalah yang diseminarkan oleh Chassignol et al., (2018), dalam makalah tersebut AI dapat dimanfaatkan dalam pembelajaran online secara masif, penilaian pembelajaran dalam skala besar, dan deteksi kesenjangan pembelajaran semakin mudah. Pada saat yang sama, sistem penilaian cerdas ini dapat melewatkan beberapa solusi unik yang benar namun jarang terjadi, karena sistem mengambil keputusan berdasarkan statistik yang sangat besar. Artinya, sistem penilaian berbasis AI tidak akan sepenuhnya benar dalam segala situasi tanpa adanya guru. Dengan begitu AI tidak akan mengubah sepenuhnya peran Guru.

Begitu besar peran Guru dalam ruang kelas, maka Guru harus dipersiapkan untuk mendidik siswa dengan tantangan perkembangan teknologi yang sangat pesat. Guru harus memiliki beberapa kemampuan untuk mengajar secara efektif dengan cara mengajar dengan memanfaatkan teknologi, memiliki kemampuan memahami materi, guru harus memiliki pribadi yang inklusif, serta guru harus memiliki kepekaan sosial. Salah satu kemampuan guru agar dapat menciptakan pembelajaran yang efektif diperlukan kemapuan mengembangkan media pembelajaran. Kemampuan mengembangkan ini diistilahkan dengan literasi media pembelajaran. Literasi media pembelajaran memiliki 2 startegi yakni strategi input dan startegi output(Anitah, 2017). Dua strategi ini dijelaskan pada gambar berikut:

Gambar 4 :  literasi media pembelejaran

Kemampuan lain yang perlu diperlukan guru adalah kemampuan belajar mandiri. Kemampuan belajar mandiri ini mengarahkan pada konsep belajar sepanjang hayat. Kemampuan belajar mandiri memiliki siklus dari perencanaan, melakukan kinerja, dan penilaian (Mawardi, 2022). Dalam siklus ke 3 kemampuan belajar mandiri terdapat kemapuan self-evaluation. Guru harus dapat mengevaluasi diri dalam proses belajar mandirinya. Dalam langkah ini juga, guru dituntut melakukan refleksi diri, sejauh mana kemampuannya dalam menguasai apa yang sedang dipelajarinya.

Dengan menggabungkan 3 konsep yakni literasi media pembelajaran, kemampuan belajar mandiri, dan konsep society 5.0, maka makalah ini ditujukan kepada guru ataupun calon guru untuk menanyakan pada dirinya. Sejauh mana kemampuan guru/calon guru menguasai kemampuan mengembangkan media pembelajaran di era society 5.0? 

Motodologi

Kajian ini merupakan kajian literature dengan tinjauan sistematis. Tinjauan  sistematis adalah menggali data-data skunder dengan mengumpulkan data pada penelitian terdahulu yang relevan dengan pokok permasalahan yang diangkat (Creswell, 2007). Untuk mendeskripsikan teknologi yang berkembang di era society 5.0 yang dimanfaatkan dalam Pendidikan peneliti mengumpulkan 1000 artikel yang terindeks scopus dengan kata pencarian big data, artificial intellegence, Internet of Things, Augmented Reality, dan Virtual Reality. Artikel yang dikumpulkan adalah artikel yang dipublikasi dari tahun 2018 – 2023. Kata pencarian tersebut disortir sesuai dengan tujuan penelitian, yakni mencari artikel dalam lingkup Pendidikan.

Untuk menjawab kemampuan apa saja yang dibutuhkan untuk mengembangkan media pembelajaran di era society 5.0, peneliti juga menggunakan kajian literature. Peneliti menggunakan data skunder dari hasil penelitian terdahulu, selian itu juga peneliti menggunakan referensi buku. Sedangkan untuk menjawab refleksi diri, penulis menyerahkan sepenuhnya kepada pembaca, sebagai bahan self evaluluation. Tidak hanya berhenti pada self evaluation, penulis mengharapkan ada feedback sehingga dapat melaksanakan pembelajaran secara mandiri untuk meningkatkan literasi media pembelajaran.

Hasil dan Pembahasan

Kerangka Pemikiran

Society 5.0 didasarkan atas tiga teknologi yang berkembang yakni Big Data, Internet of Things, dan Articial Intellegence. Kemudian bagaimana teknologi ini dimanfaatkan dalam Pendidikan. Pembahasan pemanfaatan dalam Pendidikan dibatasi pada pengembanga media pembelajaran. Kerangka pemikiran disajikan dalam gambar berikut:

Gambar 5 :  kerangka pemikiran

Dari gambar di atas dapat dijelaskan bahwa, lingkungan sekolah dapat berupa lingkungan fisik maupun lingkungan maya. Lingkungan fisik dapat diartikan siswa belajar dilingkungan sekolah. Selain interaksi dengan guru, siswa dapat berinteraksi dengan benda-benda fisik yang berada di sekolah contoh belajar di laboratorium, belajar menggunakan perangkat mobile ataupun computer, dan siswa dapat berinteraksi dengan cara belajar bersama teman sekelas. Lingkungan maya dapat juga dimanfaatkan melalui mooc (massive open online courses) (Tong, 2018), pemanfaatan laboratoium virtual (Faridi et al., 2021; Singh, 2019; Singh et al., 2021), remote laboratorium(Leisenberg, 2019), dan masih banyak lagi pemanfaatannya.

Pada lingkungan maya memanfaatkan media pembelajaran mutlak diperlukan, maka guru harus memahami konsep media. Pada penjelasan berikutnya merupakan penjelasan berkaitan dengan konsep media pembelajaran.

Beberapa pengertian media di jelasakan pada poin-poin berikut:

1.   Pengertian Media menurut AECT (Association for Education Communication and Technology) dalam Anitah (2017) mendefinisikan media sebagai segala bentuk yang digunakan untuk menyalurkan informasi.

2.   Pendapat Brigss dalam Anitah (2017) media pembelajaran hakekatnya adalah peralatan fisik untuk membawakan atau menyempurnakan isi pembelajaran.

3.   Pendapat Smaldino dkk dalam Anitah (2017) mengatakan bahwa media adalah suatu alat komunikasi dan sumber informasi.

4.   Media berasal dari Bahasa latin “medium” yang berarti “antara”, media menunjuk pada segala sesuatu yang membawa informasi antara sumber dan penerima pesan.

5.   Dikatakan media pembelajaran jika segala sesuatu tersebut membawakan pesan untuk suatu tujuan pembelajaran.

Dari beberapa pengertian media pembelajaran di atas dapat disimpulkan bahwa media pembelajaran adalah setiap orang, bahan, alat  atau peristiwa yang dapat menciptakan kondisi yang memungkinkan pembelajar menerima pengetahuan, keterampilan, dan sikap. Sedangkan Apa kemampuan literasi media pembelajaran itu? Literasi media pembelajaran adalah kemampuan seseorang untuk memanfaatkan media pembelajaran yang sudah ada dan juga kemampuan untuk mengembangkan media pembelajaran baru yang sesuai dengan kebutuhan siswa.

Kompetensi guru yang lain adalah kompetensi pedagodi, professional, sosial, dan kepribadian. Selain kompetensi tersebut guru harus menjadi guru pembelajar sepanjang hayat dengan menerapkan self-regulated learning.

Pada Gambar 5 menjelaskan bahwa keterampilan siswa diantaranya keterampilan pembelajaran dan inovasi, keterampilan literasi digital, keterampilan hidup dan karir. Ketiga keterampilan ini diambil dari bukunya TRILLING & FADEL (2009) dengan judul 21st century skills: LEARNING FOR LIFE IN OUR TIMES. Berikut disajikan bagan keterampilan abad 21

Gambar 6 :  keterampilan siswa abad 21 menurut Trilling dan Fadel (2009)

Untuk menumbuh keterampilan abad 21 di atas, guru perlu menyiapkan pembelajaran yang mengarahkan pada keterampilan tersebut. Sebagai contoh guru dapat menerapkan model PjBL (project based learning), PBL (problem based learning), cooperative learning, discovery learning, inqury learning, dan model-model lain yang dapat meningkatkan keterampilan abad 21. Untuk meningkatkan kemampuan literasi digital, guru dapat melibatkan pemanfaatan teknologi dalam pembelajaran.

Perkembangan Teknologi Saat ini

Peneliti menggunakan kata kunci “society 5.0” melalui pencarian publis or perish hanya didaptkan 6 artikel, maka peneliti memutuskan untuk mencari beberapa artikel dengan kata kunci yang mendasari  society 5.0 yakni big data, IoT, dan AI. Pencarian tersebut kemudian dibatasi pada katakunci “education”.  

Pemanfaatan Big data dalam pendidikan

Dari hasil pencarian data di scopus menggunakan kata “big data” dengan kata kunci “education” kemudian informasi artikel tersebut diambil diantaranya judul, kata kunci, penulis, dan abstrak. Setelah di gabungkan dalam manajemen referensi, artikel-artikel tersebut dianalisa menggunakan vos viewer diperoleh hasil sebagai berikut:

Gambar 7 :  (a) hubungan big data dengan beberapa kata kunci lain, (b) densitas setiap kata kunci yang diperoleh

Pada gambar 7.a dijelaskan beberapa konsep yang terkait dengan big data yang terkait dengan pendidikan diantaranya:

1.   Big data telah dimanfaatkan pada Pendidikan tinggi (big data – higher education)

a.     Big data dapat dimanfaatkan pada ketersediaan sumber pembelajaran(Huda et al., 2018).

b.     Perlunya analis data pada big data untuk menunjang Pendidikan tinggi

2.   Big data telah dimanfaatkan pada dunia Pendidikan

a.      Perlunya analisis data untuk menunjang Pendidikan

b.      Ditemukan hubungan big data dengan artificial intelligence dalam Pendidikan.

3.   Big data berkaitan dengan pembelajaran yang adaptif . Pembelajaran yang adaptive dimaksudkan proses pembelajaran yang mempertimbangkan karakteristik peserta didik (Bajaj & Sharma, 2018). Adaptive learning juga diartikan bagaimana mesin belajar untuk menciptakan pembelajaran yang dapat diadaptasi dan dipersonalisasi (Tang et al., 2023).

Jika kita mengubah tampilan dengan tampilan densitas maka akan tampak gambar 7.b. Semakin berwarna kuning maka kata tersebut semakin banyak muncul. Dilihat dari gambar tersebut, setelah kata big data, higher education lebih tampak kuning dibanding dengan kata yang lain, maknanya adalah big data banyak ditemukan pemanfaatannya di Pendidikan tinggi.

Dalam penelitiannya Ruiz-Palmero et al., (2020) disebutkan bahwa big data dapat membantu proses Pendidikan diantaranya: meningkatkan proses pembelajaran, memberikan umpan balik yang real-time, personalisasi Pendidikan, meningkatkan kemampuan digital, Analisa tinkat kelayakan dalam pelatihan, dan menghindari plagiat.

Tabel 1: manfaat big data dalam Pendidikan

Sumber belajar online(Elia, 2019; Maldonado-Mahauad, 2018; Pan, 2019)

Big data dapat dimanfaatkan sebagai sumber belajar online, bahkan lebih jauh dari itu big data dapat dimanfaatkan untuk assessment pembelajaran.

Meningkatkan Proses Pembelajaran (Ruiz-Palmero et al., 2020)

data karakteristik, kebiasaan saat belajar mulai tingkat pre-school, keberhasilan dan ketidakberhasilan siswa di simpan dan informasi tersebut digunakan untuk pengambilan keputusan

Umpan balik secara real-time

·     Pengumpulan data memungkinkan kita mengetahui bagaimana siswa berinteraksi dengan lingkungan belajar virtual, dengan catatan tempat mereka mengklik dan melihat di Internet, serta partisipasi mereka dalam obrolan dan forum (jumlah partisipasi, akses, waktu online ·     Hal ini juga penting dalam bidang-bidang seperti deteksi dini kemungkinan anak putus sekolah sehingga tindakan pencegahan dapat diambil.

personalisasi Pendidikan

·     siswa dapat melaksanakan belajarnya sesuai dengan gaya belajarnya (visual, auditif, kinestetik) ·     Selain itu, jalur pembelajaran yang dipersonalisasi dapat diajukan, di mana siswa, tergantung pada minat, prioritas, hasil, dan tingkat perolehan pengetahuan mereka, dapat mempelajari subjek lebih dalam dengan metode pembelajaran yang lebih relevan dan efektif

Meningkatkan Kemapuan digital

Hal ini dicapai dengan meningkatkan interaksi dengan teknologi pembelajaran sebagai sumber daya reguler. Untuk itu, guru harus meningkatkan kemampuannya sendiri jika ingin memberikan dukungan yang memperkaya dan positif selama proses pembelajaran

analisis tingkat kelayakan

Dalam hal ini, Big Data menyederhanakan meta-analisis survei lulusan, menemukan pola yang menjelaskan kesulitan dalam mengakses pasar tenaga kerja dan hubungannya dengan pelatihan yang diterima.

menghindari plagiat

Big Data menjadi basis program anti plagiarisme, karena fungsinya untuk memeriksa ulang informasi antara dokumen baru dan dokumen yang sudah ada untuk mencari kemungkinan kebetulan.

 

Pemanfaatan Artificial Intelligence (AI) dalam pendidikan

Selain big data, artificial intelligence merupakan teknologi yang sedang berkembang saat ini. Pemanfaatanya sudah dipraktekkan diberbagai bidang. Setelah melakaukan analisis dari artikel dengan kata “artificial intelligence” diperoleh gambar berikut:

Gambar 8 :  (a) hubungan AI dengan beberapa kata kunci lain, (b) densitas setiap kata kunci yang diperoleh

Dari gambar 8.a menujukkan bahwa terdapat beberapa hubungan diantaranya:

1.   Hubungan artificial intelligence dengan 2 kata lain yakni deep learning dan machine learning. Hubungan tersebut dapat digambarkan sebagi berikut:

Gambar 9 :  hubungan antara AI, Machine learning (ML), dan deeplearning (DL) (H. S. Lee, 2021)

Menurut  Shaik dalam (H. S. Lee, 2021) menjelasakan Deep learning adalah jenis machine learning yang mewakili dunia dalam struktur lapisan berlapis, setiap lapisan didefinisikan sebagai konsep sederhana, dan setiap konsep yang tidak abstrak, dihitung secara keseluruhan dan dipelajari dalam ekspresi abstrak, mencapai kekuatan dan fleksibilitas yang besar. Menurut Per Ghahramani dalam Lee, 2021) machine leraning adalah pengembangan metode untuk meningkatkan kinerja komputer dalam tugas-tugas berdasarkan data yang diamati.

2.   Hubungan AI dengan adaptive learning. Dengan AI memungkinkan terciptanya pembelajaran yang adaptif. Telah diungkapkan seperti pada hubungan big data dengan adaptive learning.

3.   Implementasi AI dalam Pendidikan juga muncul dalam gambar 8.a. beberapa pemanfaatan AI dalam Pendidikan menurut (Bhutoria, 2022):

Tabel 2: manfaat AI dalam Pendidikan

Solusi pembelajaran yang berpusat pada siswa

Heterogeneitas siswa merupakan salah satu kendala dalam pengelolaan kelas. Dengan adanya AI memungkinkan pembelajaran dapat dipersonalisasi.

Menggabungkan kemampuan dengan kebiasan belajar

Setiap siswa memiliki sikap belajar, niat, dan motivasi belajar yang unik dengan berbagai tingkat keterampilan dasar dan persyaratan pengetahuan untuk menjamin efektivitas pembelajaran. Identifikasi yang menggabungkan gaya belajar, kebiasaan belajar, dan kecepatan belajar siswa dapat dilakukan oleh AI sehingga mendapatkan solusi pembelajaran yang dipersonalisasi.

Alur Pembelajaran

memungkinkan sistem AI untuk mengklasifikasikan pelajar berdasarkan faktor-faktor keberhasilan belajar,  dan merekomendasikan pilihan pembelajaran yang sesuai sesuai kemampuan pelajar tertentu dengan memprediksi gerakan mereka.

Solusi diagnostic dan prediktif.

“Diagnosis” data yang bersifat prefentif menghasilkan tindakan “prediktif”. Inilah yang membedakan pendidikan yang didukung AI dengan pendekatan tradisional. Sifat sistem yang “diagnostik” dan “prediktif” membuka cakrawala baru.

Meningkatkan Kemapuan digital

Hal ini dicapai dengan meningkatkan interaksi dengan teknologi pembelajaran sebagai sumber daya reguler. Untuk itu, guru harus meningkatkan kemampuannya sendiri jika ingin memberikan dukungan yang memperkaya dan positif selama proses pembelajaran

Meningkatkan konten pendidikan

Sistem seperti ini mampu melakukan berbagai macam tugas yang mencakup menyiapkan tes yang disesuaikan untuk responden tertentu, melakukan pemeriksaan jarak jauh, mengevaluasi jawaban subjektif dan teknis, dan sebagainya.

Penggabungan pengembangan keterampilan non-kognitif

kontribusi AI tidak hanya terbatas pada pengembangan kurikulum dan penyusunan buku teks. Dibangun berdasarkan analisis Big Data, AI mewakili konten pendidikan yang diwujudkan dalam lingkungan permainan naratif untuk memandu pelajar dalam jalur pembelajaran mandiri - juga dikenal sebagai “pembelajaran gamified”.

Dapat berinteraksi dengan kecerdasan buatan

Literatur membedakan Kecerdasan Buatan yang lemah dengan Kecerdasan Umum Buatan (AGI). Di sini AGI mewakili mesin fleksibel yang dapat mensimulasikan interaksi manusia alih-alih dilatih dalam satu tugas berulang yang dilakukan pada satu tujuan. Penerapan teknologi tersebut adalah “chatbot”. Chatbot adalah perangkat lunak berbasis AI yang dapat mensimulasikan percakapan manusia melalui platform telepon dan tekstual (Ranoliya et al., dalam Bhutoria, 2022) .

 

Pemanfaatan Internet of Thing (IoT) dalam pendidikan

Sejak ditemukan jaringan internet maka masyarakat mulai berubah menjadi masyarakat informasi. Jaringan internet massif digunakan dalam berbagai bidang. Bidang pendidikan juga tidak terlepas teknologi ini. Dengan menggunakan kata kunci Internet of Thing (IoT) dan dianalisa menggunakan Vos Viewer diperoleh gambar sebagai berikut:

 

Gambar 10 :  (a) hubungan IoT dengan beberapa kata kunci lain, (b) densitas setiap kata kunci yang diperoleh.

Gambar 10.a dan 10.b menunjukkan hubungan IoT dengan pendidikan, IoT dengan artificial intelligence, dan IoT dapat dimanfaatkan dalam smart schools. Beberapa IoT dapa bermanfaat dalam pembelajaran diantaranya Pengalaman belajar yang lebih baik dan berkualitas tinggi; 1)Peningkatan akses pendidikan tinggi tanpa memandang kemampuan/latar belakang; 2) Retensi dan kemajuan yang lebih baik menuju kelulusan; 3) Peningkatan tingkat kelulusan; 4)Peningkatan karir/prospek pekerjaan; 5) Minat yang berkelanjutan dalam pembelajaran sepanjang hayat; 6)Kehidupan sebagai anggota masyarakat dan warga negara yang bertanggung jawab dan berkontribusi (Songsom, 2019). IoT dapat dimanfaatkan sebaga media yang dapat digunakan dalam pembelajaran online (D. Lee et al., 2019; Wong et al., 2019). Selain itu, IoT dapat dimanfaatkan sebagai media mencari informasi yang terbuka, sehingga semua orang dapat mengembangkan (Zaharov, 2018).

Bagaimana ketiga teknologi di atas dapat diterima pengguna, maka diperlukan aplikasi antarmuka. Aplikasi antar muka diantaranya memanfaatkan teknologi Augmented reality dan Virtual reality.  

Pemanfaatan Augmented Reality (AR) dan Virtual Reality (VR) dalam pendidikan

 

 

Gambar 11 :  (a) hubungan AR dan VR dengan beberapa kata kunci lain, (b) densitas setiap kata kunci yang diperoleh.

Gambar 11 menunjukkan bahwa AR dan VR telah dimanfaatkan dalam pendidikan. Pemanfaatan tersebut dapat dilihat pada kata kunci yang terhubung diantaranya:

1.   AR dimanfaatkan pada 3d modelling dan animasi, selain itu AR dapat diimplementasikan pada pembelajaran aktif.

2.   VR telah diimplementasikan pada pendidikan penerbangan, pendidikan konstruksi, Pendidikan STEM, Simulasi Bedah, dan dalam Architektur.

3.   AR dan VR dapat mengfasilitasi peningkatan kemapuan spasial dan berfikir kritis. AR dan VR dapat dimanfaatkan dalam aplikasi simulasi. Selain itu Ar dan VR dimanfaakan dalam pembelajaran IPA, mobile learning, dan juga dapat diimplementasikan pada sekolah dasar.

Bagaimana AR dan VR bekerja? Berikut disajikan skema hardware dan software berikut:

Gambar 12 :  Hardware dan software dalam AR dan VR (Li et al., 2018).

Selain hardare dan software diatas beberapa AR dan VR dapat dirasakan pada beberapa perangkat berikut:

Gambar 12 :  Penyedia layanan AR dan VR (Li et al., 2018).

Gambar dibawah ini merupakan taksonomi output AR dan VR menurut (Li et al., 2018).

Gambar 14 :  taksonomi output AR dan VR

Menguasi Dasar-Dasar Pengembangan Media Pembelajaran

Pengembangan media pembelajaran dapat dilaksanakan melalui 4 langkah diantaranya design treatment, visual development phase, programming phase, dan testing phase (Wibawanto et al., 2017).

 Gambar 15 :  Langkah-langkah pengembangan Media Pembelajaran

Design Treatment: a. Identifikasi keperluan: Tentukan sasaran, objektif, dan konten materi pembelajaran yang hendak dikembangkan. b. Penentuan metode pembelajaran: Menyesuaikan metode pembelajaran berdasarkan kebutuhan dan karakteristik peserta didik. c. Merancang skenario belajar: Buatlah skenario belajar yang mencakup alur materi, kegiatan, interaksi, dan evaluasi. d. Penentuan teknologi: Pastikan platform, alat, dan teknologi yang akan digunakan dalam proses pengembangan media pembelajaran.

Visual Development Phase: a. Desain Antarmuka dan Pengalaman Pengguna: Buat desain antarmuka serta pengalaman pengguna yang menarik dan dapat dengan mudah dimengerti oleh peserta didik. b. Pengembangan Elemen Multimedia: Kembangkan komponen multimedia seperti gambar, video, animasi, dan suara yang diperlukan dalam media pembelajaran. c. Penggabungan Konten dan Multimedia: Sisipkan elemen multimedia ke dalam materi pembelajaran sesuai dengan skenario yang telah disusun.

Programming Phase: a. Pengembangan kode: Kembangkan kode program yang mendukung fungsi dan fitur media pembelajaran. b. Integrasi kode dan konten: Integrasikan kode program dengan konten dan elemen multimedia yang telah dikembangkan. c. Pengujian dan debugging: Uji fungsi dan fitur media pembelajaran, serta perbaiki kesalahan atau bug yang ditemukan selama proses pengujian.

Testing Phase: a. Uji coba pengguna: Lakukan uji coba pengguna untuk melihat sejauh mana media pembelajaran dapat memenuhi kebutuhan peserta didik dan tujuan pembelajaran. b. Evaluasi dan revisi: Evaluasi hasil uji coba pengguna, dan lakukan revisi pada konten, desain, atau kode jika diperlukan. c. Implementasi dan pelacakan: Implementasikan media pembelajaran yang telah dikembangkan, dan terus pantau serta evaluasi hasil implementasi untuk perbaikan dan pengembangan lebih lanjut.

Refleksi Diri Terhadap Kemampuan Mengembangkan Media

Kemampuan dasar mengembangkan media adalah mampu mengembangkan media visual dan audio. Untuk mengembangkan media interaktif, pengembang perlu memahami Bahasa pemrogram. Berikut disajika beberapa pertanyaan untuk merefleksi diri:

 

Memproduksi Gambar

1.     Mampu memproduksi visual melalui fotografi atau gambar manual.

Tidak mampu

1

2

3

4

5

6

7

Sangat mampu

2.     Mampu memprodusi visual menggunakan aplikasi.

Tidak mampu

1

2

3

4

5

6

7

Sangat mampu

3.     Apliksai mana saja yang dikuasai

Editing	Aplikasi untuk PC/Mobile Phone
Gambar 2 Dimensi	Corel Draw Adobe Illustrator Canva Aplikasi lain _________
Gambar 3 Dimensi	3D Max Blender Maya Aplikasi lain _________
Audio	Adobe Audition Audacity Aplikasi lain _________
Audio Visual	Capcut Kinemaster Adobe Primiere Aplikasi lain _________
Audio Visual Streaming	Youtube Facebook Instagram Aplikasi lain _________
Media Presentasi	Power Point Prezi Canva Storyline Aplikasi lain _________
Multimedia	Adobe Animate Android Studio Unity (2D - 3D) Aplikasi lain _________

 

Kesimpulan

Perkembangan teknologi memberikan peluang yang sangat besar untuk dimanfaatkan dalam pendidikan. Beberapa Big data dapat dimanfaatkan dalam pemanfaat sumber secara terbuka, IoT dapat dimanfaatkan untuk pembelajaran yang tidak mengenal batas, artificial intelligence memungkinkan pembelajaran dapat dipersonalisasi. Teknologi AR dan VR dapat digunakan sebagai media pembelajaran yang immersive. Pengembangan media dapat dilakukan dengan langkah-langkah: design treatment, visual development phase, programming phase, dan testing phase. Kemampuan dasar mengembangkan media adalah mampu mengembangkan media visual dan audio. Untuk mengembangkan media interaktif, pengembang perlu memahami Bahasa pemrogram.

Daftar Pustaka

Abichandani, P. (2022). Internet-of-Things Curriculum, Pedagogy, and Assessment for STEM Education: A Review of Literature. IEEE Access, 10, 38351–38369. https://doi.org/10.1109/ACCESS.2022.3164709

Anitah, S. (2017). Media pembelajaran. Yuma Pustaka.

Baig, M. I. (2020). Big data in education: a state of the art, limitations, and future research directions. International Journal of Educational Technology in Higher Education, 17(1). https://doi.org/10.1186/s41239-020-00223-0

Bajaj, R., & Sharma, V. (2018). Smart Education with artificial intelligence based determination of learning styles. Procedia Computer Science, 132, 834–842. https://doi.org/10.1016/j.procs.2018.05.095

Bhutoria, A. (2022). Personalized education and Artificial Intelligence in the United States, China, and India: A systematic review using a Human-In-The-Loop model. Computers and Education: Artificial Intelligence, 3. https://doi.org/10.1016/j.caeai.2022.100068

Chassignol, M., Khoroshavin, A., Klimova, A., & Bilyatdinova, A. (2018). Artificial Intelligence trends in education: A narrative overview. Procedia Computer Science, 136, 16–24. https://doi.org/10.1016/j.procs.2018.08.233

Cox, A. M. (2019). The intelligent library: Thought leaders’ views on the likely impact of artificial intelligence on academic libraries. Library Hi Tech, 37(3), 418–435. https://doi.org/10.1108/LHT-08-2018-0105

Creswell, J. W. (2007). Qualitative, Quantitative, and mixed methods approaches (THIRD EDITION) (3rd ed.). SAGE.

Elia, G. (2019). Assessing learners’ satisfaction in collaborative online courses through a big data approach. Computers in Human Behavior, 92, 589–599. https://doi.org/10.1016/j.chb.2018.04.033

Faridi, H., Tuli, N., Mantri, A., Singh, G., & Gargrish, S. (2021). A framework utilizing augmented reality to improve critical thinking ability and learning gain of the students in Physics. Computer Applications in Engineering Education, 29(1), 258–273. https://doi.org/10.1002/cae.22342

Hitachi-UTokyo Lab. (2020). Society 5.0: People-centric Super-smart Society. https://doi.org/https://doi.org/10.1007/978-981-15-2989-4

Huda, M., Maseleno, A., Atmotiyoso, P., Siregar, M., Ahmad, R., Jasmi, K. A., Muhamad, N. H. N., Mustari, M. I., & Basiron, B. (2018). Big data emerging technology: Insights into innovative environment for online learning resources. International Journal of Emerging Technologies in Learning, 13(1), 23–36. https://doi.org/10.3991/ijet.v13i01.6990

Khosravi, H., Shum, S. B., Chen, G., Conati, C., Tsai, Y. S., Kay, J., Knight, S., Martinez-Maldonado, R., Sadiq, S., & Gašević, D. (2022). Explainable Artificial Intelligence in education. Computers and Education: Artificial Intelligence, 3. https://doi.org/10.1016/j.caeai.2022.100074

Kong, F. (2020). Application of artificial intelligence in modern art teaching. International Journal of Emerging Technologies in Learning, 15(13), 238–251. https://doi.org/10.3991/ijet.v15i13.15351

Lee, D., Watson, S. L., & Watson, W. R. (2019). Systematic literature review on self-regulated learning in massive open online courses. Australasian Journal of Educational Technology, 35(1), 28–41. https://doi.org/10.14742/ajet.3749

Lee, H. S. (2021). Applying artificial intelligence in physical education and future perspectives. Sustainability (Switzerland), 13(1), 1–16. https://doi.org/10.3390/su13010351

Leisenberg, M. (2019). Internet of things remote labs: Experiences with data analysis experiments for students education. IEEE Global Engineering Education Conference, EDUCON, 22–27. https://doi.org/10.1109/EDUCON.2019.8725070

Li, X., Yi, W., Chi, H. L., Wang, X., & Chan, A. P. C. (2018). A critical review of virtual and augmented reality (VR/AR) applications in construction safety. Automation in Construction, 86, 150–162. https://doi.org/10.1016/j.autcon.2017.11.003

Maldonado-Mahauad, J. (2018). Mining theory-based patterns from Big data: Identifying self-regulated learning strategies in Massive Open Online Courses. Computers in Human Behavior, 80, 179–196. https://doi.org/10.1016/j.chb.2017.11.011

Mawardi, A. C. (2022). Hubungan Faktor Lingkungan terhadap Self-Regulated Learning (SRL) pada Mata Kuliah Praktikum Optika dan Gelombang pada Masa Pandemi COVID-19. Jurnal Ilmiah Pendidikan Fisika, 6(1), 188. https://doi.org/10.20527/jipf.v6i1.4874

Pan, L. (2019). A big data-based data mining tool for physical education and technical and tactical analysis. International Journal of Emerging Technologies in Learning, 14(22), 220–231. https://doi.org/10.3991/ijet.v14i22.11345

Ruiz-Palmero, J., Colomo-Magaña, E., Ríos-Ariza, J. M., & Gómez-García, M. (2020). Big data in education: Perception of training advisors on its use in the educational system. Social Sciences, 9(4). https://doi.org/10.3390/SOCSCI9040053

Sharma, K., Mahesh, T. R., & Bhuvana, J. (2021). Big Data Technology for Developing Learning Resources. Journal of Physics: Conference Series, 1979(1). https://doi.org/10.1088/1742-6596/1979/1/012019

Simović, A. (2018). A Big Data smart library recommender system for an educational institution. Library Hi Tech, 36(3), 498–523. https://doi.org/10.1108/LHT-06-2017-0131

Singh, G. (2019). Evaluating the impact of the augmented reality learning environment on electronics laboratory skills of engineering students. Computer Applications in Engineering Education, 27(6), 1361–1375. https://doi.org/10.1002/cae.22156

Singh, G., Mantri, A., Sharma, O., & Kaur, R. (2021). Virtual reality learning environment for enhancing electronics engineering laboratory experience. Computer Applications in Engineering Education, 29(1), 229–243. https://doi.org/10.1002/cae.22333

Songsom, N. (2019). System architecture of a student relationship management system using Internet of Things to collect digital footprint of higher education institutions. International Journal of Emerging Technologies in Learning, 14(23), 125–140. https://doi.org/10.3991/ijet.v14i23.11066

Suherman, Musnaeni, Wijoyo, H., & Indrawan, I. (2020). INDUSTRY 4.0 vs SOCIETY 5.0 (S. Suherman, Ed.). Pena Persada.

Tang, K. Y., Chang, C. Y., & Hwang, G. J. (2023). Trends in artificial intelligence-supported e-learning: a systematic review and co-citation network analysis (1998–2019). In Interactive Learning Environments (Vol. 31, Issue 4, pp. 2134–2152). Routledge. https://doi.org/10.1080/10494820.2021.1875001

Tong, T. (2018). Demand for MOOC - An Application of Big Data. China Economic Review, 51, 194–207. https://doi.org/10.1016/j.chieco.2017.05.007

TRILLING, B., & FADEL, C. (2009). 21st century skills: LEARNING FOR LIFE IN OUR TIMES.

Wibawanto, W., Sn, S., & Ds, M. (2017). Desain dan Pemrograman Multimedia Pembelajaran Interaktif. Penerbit Cerdas Ulet Kreatif.

Wong, J., Baars, M., Davis, D., Van Der Zee, T., Houben, G. J., & Paas, F. (2019). Supporting Self-Regulated Learning in Online Learning Environments and MOOCs: A Systematic Review. International Journal of Human-Computer Interaction, 35(4–5), 356–373. https://doi.org/10.1080/10447318.2018.1543084

Zaharov, A. A. (2018). Use of Open-Source Internet of Things Platform in Education Projects. Proceedings - 2018 Global Smart Industry Conference, GloSIC 2018. https://doi.org/10.1109/GloSIC.2018.8570071

 

 

---