Gaya belajar mahasiswa berbeda beda, tetapi banyak sistem pembelajaran daring memberi perlakuan yang sama kepada semua orang. Materi dan urutan belajar yang cocok untuk satu mahasiswa bisa terasa salah untuk mahasiswa lain.
Penelitian ini membahas langkah sebelum aplikasi dibangun, yaitu merancang solusi dasbor Learning Analytics yang dapat menjadi masukan bagi model personalized learning.
Tim peneliti memakai Human-centered Design. Kebutuhan pengguna digali lebih dulu, lalu diterjemahkan menjadi daftar kebutuhan sistem. Cara ini membuat rancangan bertumpu pada pengalaman mahasiswa, bukan pada asumsi pengembang.
Hasilnya dibagi dua kelompok. Kebutuhan fungsional menjelaskan apa yang harus bisa dilakukan sistem. Kebutuhan non fungsional menjelaskan seberapa baik sistem harus melakukannya.
Rancangan dasbor menghasilkan enam kebutuhan fungsional: fungsi login, akses daftar materi, membuka detail materi, evaluasi materi, rangkuman aktivitas, dan logout.
Daftar itu sederhana, dan justru itu yang membuatnya berguna. Setiap fungsi adalah titik pengumpulan data. Dari aktivitas membuka materi dan mengerjakan evaluasi, dasbor dapat membaca pola belajar seorang mahasiswa. Pola itulah yang nanti dipakai untuk menyesuaikan materi dengan gaya belajarnya.
Perlu dicatat bahwa penelitian ini berhenti pada tahap rancangan. Yang dihasilkan adalah kebutuhan sistem sebagai dasar pengumpulan data, bukan aplikasi yang sudah diuji ke mahasiswa. Posisi itu penting supaya harapan tidak melebihi bukti.
Bagi tim yang ingin membangun dasbor serupa, urutan kerja ini layak ditiru: sepakati lebih dulu data apa yang ingin dibaca, lalu tentukan fitur apa yang harus ada untuk menghasilkannya.
Wardhono, Kharisma, dan Jonemaro (2022). Pengembangan Desain Solusi Dasbor Learning Analytics sebagai Input pada Model Personalized Learning. Edunity: Kajian Ilmu Sosial dan Pendidikan.
