UIN Ar-RaniryUIN Ar-Raniry

Al Khawarizmi: Jurnal Pendidikan dan Pembelajaran MatematikaAl Khawarizmi: Jurnal Pendidikan dan Pembelajaran Matematika

Studi ini bertujuan untuk menggambarkan kemampuan pemecahan masalah matematika siswa dari perspektif Self-Regulated Learning (SRL) dalam pembelajaran berbasis Artificial Intelligence (AI). Penelitian ini menggunakan pendekatan kuantitatif deskriptif dengan melibatkan 36 siswa kelas delapan. Data dikumpulkan melalui kuesioner SRL dan tes pemecahan masalah matematika, kemudian dianalisis menggunakan statistik deskriptif, khususnya rata-rata dan persentase. Hasil menunjukkan bahwa 27,8% siswa memiliki SRL tinggi, 50,0% sedang, dan 22,2% rendah. Rata-rata kemampuan pemecahan masalah matematika kategori SRL tinggi adalah 85,40, sedang 74,20, dan rendah 61,50. Indikator terbaik adalah kemampuan memahami masalah, sementara yang terendah adalah mengecek hasil pemecahan masalah. Hasil menunjukkan bahwa siswa dengan SRL tinggi memiliki kemampuan pemecahan masalah matematika lebih baik daripada siswa dengan SRL sedang atau rendah. Oleh karena itu, memperkuat SRL perlu menjadi prioritas dalam implementasi pembelajaran berbasis AI untuk meningkatkan kemampuan pemecahan masalah matematika siswa.

Berdasarkan hasil studi, dapat disimpulkan bahwa kemampuan pemecahan masalah matematika siswa dalam pembelajaran berbasis AI dipengaruhi oleh tingkat SRL mereka.Siswa dengan SRL tinggi menunjukkan kemampuan pemecahan masalah matematika lebih baik dibandingkan dengan kategori sedang atau rendah.Kemampuan untuk mengatur, memantau, dan mengevaluasi proses belajar berperan penting dalam keberhasilan siswa dalam menyelesaikan masalah matematika.Pembelajaran berbasis AI memberikan dukungan melalui umpan balik cepat, latihan adaptif, dan rekomendasi pembelajaran yang disesuaikan dengan kebutuhan siswa.Namun, efektivitas AI sangat dipengaruhi oleh kemampuan self-regulation siswa.Siswa dengan SRL tinggi lebih mampu merencanakan, memantau, dan mengevaluasi proses belajarnya, sehingga dapat memanfaatkan teknologi AI secara optimal.Sebaliknya, siswa dengan SRL rendah cenderung mengalami kesulitan dalam memahami masalah, menentukan strategi penyelesaian, dan mengevaluasi hasilnya.

Penelitian lanjutan dapat fokus pada interaksi antara kemampuan self-regulated learning (SRL) dan fitur AI dalam meningkatkan pemecahan masalah matematika. Pertama, mengembangkan alat AI yang secara spesifik dirancang untuk mendukung strategi SRL seperti perencanaan, pemantauan, dan evaluasi. Kedua, mengeksplorasi bagaimana AI dapat membantu siswa dengan SRL rendah meningkatkan kemampuan refleksi dan evaluasi mereka melalui umpan balik yang lebih personal. Ketiga, melakukan studi jangka panjang untuk mengevaluasi dampak konsisten penggunaan AI berbasis SRL terhadap perkembangan keterampilan pemecahan masalah matematika siswa di berbagai tingkat pendidikan. Dengan menggabungkan pendekatan SRL dan AI, penelitian ini dapat menghasilkan strategi pembelajaran yang lebih adaptif dan efektif untuk meningkatkan kemampuan matematika siswa.

  1. Kognitif: Jurnal Riset HOTS Pendidikan Matematika. kognitif jurnal riset hots pendidikan matematika publishes... etdci.org/journal/kognitifKognitif Jurnal Riset HOTS Pendidikan Matematika kognitif jurnal riset hots pendidikan matematika publishes etdci journal kognitif
  2. PENGARUH PELATIHAN SELF-REGULATED LEARNING TERHADAP PROKRASTINASI AKADEMIK PADA SISWA SMP NEGERI 33 SEMARANG... ejournal3.undip.ac.id/index.php/empati/article/view/24411PENGARUH PELATIHAN SELF REGULATED LEARNING TERHADAP PROKRASTINASI AKADEMIK PADA SISWA SMP NEGERI 33 SEMARANG ejournal3 undip ac index php empati article view 24411
  3. Didactical design of algebraic expression from a linear pattern with a realistic mathematics education... doi.org/10.21831/jrpm.v10i1.55212Didactical design of algebraic expression from a linear pattern with a realistic mathematics education doi 10 21831 jrpm v10i1 55212
Read online
File size355.02 KB
Pages13
DMCAReport

Related /

ads-block-test