Konstruktivisme

Di halaman ini

Terjemahan mesin otomatis halaman berbahasa Inggris ini, yang belum ditinjau oleh penutur asli.

Konstruktivisme — teori belajar bahwa pengetahuan dibangun secara aktif oleh pembelajar melalui pengalaman, refleksi, dan interaksi, bukan diterima secara pasif dari instruktur atau sistem. Dalam AI dalam pendidikan, konstruktivisme mendasari komitmen desain bahwa alat AI harus mendukung konstruksi pengetahuan pembelajar sendiri — memberi prompt, bertanya, dan Perancah — alih-alih melakukan kerja kognitif bagi mereka.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)(Generative AI (GenAI) as a mindtool that supports generative learning (GL))

Pertanyaan yang Perlu Dipertimbangkan

Pernahkah Anda 'belajar' sesuatu di kelas hanya untuk menyadari bahwa Anda tidak benar-benar bisa menjelaskan atau menggunakannya kemudian? Apa yang hilang — dan apa yang hal itu katakan tentang bagaimana pemahaman sejati terbentuk?
Konstruktivisme menyatakan pengetahuan dibangun, bukan ditransmisikan. Jika itu benar, apa yang terjadi ketika tutor AI sekadar menyodorkan jawaban yang benar?
Frasa 'konstruktivisme secara nama, Behaviorisme dalam praktik' menggambarkan alat AI yang mengklaim mendukung pembelajaran aktif tetapi sebenarnya menjalankan latihan-drill. Pernahkah Anda melihat kesenjangan ini? Bagaimana Anda akan mendeteksinya pada alat yang sedang Anda evaluasi?
Konstruksionisme Papert menyatakan bahwa kita belajar paling kuat dengan membangun artefak yang dapat dibagikan. Di era AI, satu kerangka merumuskannya sebagai: 'AI menulis kode, tetapi siswa menulis model.' Apa yang sebenarnya dikonstruksi siswa ketika AI menangani mekanikanya?
Sebagian alat AI mempraktikkan 'penolakan generatif' — menahan jawaban dan mengajukan pertanyaan sebagai gantinya. Kapan menahan bantuan secara sengaja lebih bernilai secara pedagogis daripada memberikannya?
Jika pengetahuan dikonstruksi, maka literasi AI tidak dipelajari dengan mendengarkan ceramah tentang AI — melainkan dipelajari dengan menggunakan, mengkritik, dan membangun bersama AI. Apa implikasinya bagi bagaimana literasi AI harus diajarkan kepada Anda atau siswa Anda?

Pendahuluan

Konstruktivisme adalah keluarga teori, bukan satu doktrin tunggal, tetapi klaim intinya sama: pembelajar tidak menyerap makna; mereka membangunnya. Dalam pandangan ini, pemahaman bukanlah akumulasi fakta yang ditransmisikan melainkan pengorganisasian pengalaman secara aktif menjadi model mental. Hal ini berimplikasi langsung pada bagaimana AI dalam pendidikan harus dirancang, dievaluasi, dan diajarkan — dan membantu menjelaskan baik janji maupun risiko AI generatif di ruang kelas.

Mishra et al. mempertentangkan konstruksionisme Papert (Logo, mikrodunia, debugging-sebagai-belajar) dengan tutor kognitif Anderson sebagai visi-visi yang bersaing antara agensi kreatif dan kendali sistematis dalam sejarah AIED.

Ide-ide inti

Pengetahuan dibangun, bukan ditransmisikan. Pembelajar membangun pemahaman dengan bertindak atas dunia, merekonsiliasi informasi baru dengan pengetahuan awal, dan merenungkan hasilnya. Tutor AI yang sekadar menyodorkan jawaban benar melewati aktivitas konstruktif yang menghasilkan pemahaman yang bertahan lama.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
Pengetahuan awal membentuk pembelajaran baru. Gagasan baru ditafsirkan melalui model mental yang sudah dimiliki pembelajar, sehingga pengajaran harus memunculkan dan membangun di atas apa yang sudah diketahui pembelajar — prinsip yang langsung relevan bagi Miskonsepsi tentang AI dan bagi tutor AI yang beradaptasi dengan pembelajar.
Interaksi sosial mendukung konstruksi. Satu alur utama — konstruktivisme sosial — menyatakan bahwa makna dibangun bersama melalui dialog, kolaborasi, dan aktivitas yang terlokal secara kultural. Ini menghubungkan konstruktivisme dengan Pembelajaran Kolaboratif dan dengan pendekatan Metode Sokratis di mana AI memberikan prompt alih-alih mendikte.(Enacting Constructive Conflicts with AI Agents to Enhance Reconsideration among Novice Interaction Designers)
Konstruksi terlihat dalam aktivitas. Pembelajar mengungkapkan (dan memantapkan) pemahaman mereka dengan menghasilkan, menjelaskan, dan memproduksi — itulah sebabnya kerangka ICAP memeringkat keterlibatan "konstruktif" dan "interaktif" di atas mode "aktif" dan "pasif".(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)(Measuring Cognitive Engagement in Collaborative Discourse with an Extended ICAP Framework: Comparing Human Annotation, In-Context Learning, and Reflective LLM Agents) Sebuah batas pada teori ini adalah bahwa konstruktivisme mengandaikan agensi epistemik yang berpusat pada manusia, sehingga ia belum cukup menjelaskan AI yang menyimulasikan penalaran dan ikut membangun makna; suplemen yang diusulkan adalah ko-agensi epistemik, di mana pembelajar memperlakukan keluaran AI sebagai sesuatu yang dapat dipertandingkan dan mempertahankan kedaulatan epistemik atas apa yang dianggap pengetahuan (Samuel (2026)).

Konstruksionisme

Konstruksionisme adalah cabang konstruktivisme yang diasosiasikan dengan Seymour Papert yang menambahkan klaim khusus: pembelajaran terjadi paling kuat ketika pembelajar mengonstruksi artefak eksternal yang dapat dibagikan — objek fisik atau digital yang mereka rancang, bangun, dan debug. Jika konstruktivisme Piagetian berfokus pada konstruksi mental internal pengetahuan, konstruksionisme menyatakan bahwa konstruksi ini paling baik didukung dan dibuat terlihat melalui pembuatan sesuatu yang berwujud (Harel & Papert, 1991). Dalam sejarah AIED, konstruksionisme berdiri sebagai kutub "agensi" dari tegangan sentral bidang ini antara kendali dan agensi, berhadapan dengan tutor kognitif terstruktur Anderson.

Logo dan mikrodunia. Papert ikut mengembangkan Logo (1967) dengan "kura-kura" ikoniknya — sebuah mikrodunia pemrograman tempat anak-anak menjelajahi geometri dan gagasan-gagasan kuat lainnya dengan memberi perintah dan men-debug agen yang terlihat. Debugging dibingkai ulang sebagai bagian alami dan bernilai dari pembelajaran, bukan kegagalan.(Control vs. Agency: Exploring the History of AI in Education)
Konstruksi di atas instruksi. Konstruksionisme mengkritik "instruksionisme" — asumsi bahwa pengajaran adalah transfer pengetahuan yang efisien — dan sebaliknya menempatkan pembelajar sebagai agen otonom yang membangun pemahaman melalui proyek dan eksperimen (Papert, 1980, Mindstorms).
Garis keturunan ke edtech modern. Penekanan Logo pada konstruksi kreatif dan praktik langsung mendasari Pembelajaran Berbasis Gim, Pembelajaran Berbasis Proyek, robotika (LEGO Mindstorms, Scratch, bata terprogram), dan gerakan maker yang lebih luas.
Warisan konstruksionis dalam AI. Konstruksionisme menyiratkan bahwa alat AI harus berfungsi sebagai bahan untuk membangun — alat berpikir dan rekan-konstruktor kreatif yang diarahkan pembelajar — bukan sebagai instruktur penyedia jawaban. Ini adalah leluhur langsung dari pembingkaian mindtool atas AI generatif dalam basis pengetahuan ini dan dari komitmen desain yang mempertahankan agensi pembelajar atas proses pembelajaran.(Pathways to Learning: Exploring High School Students' Learning of AI-Powered Educational Robotics)
Konstruksionisme di era GenAI: belajar dengan menulis model, bukan kode. Kehadiran AI penghasil kode telah memperbarui konstruksionisme sebagai respons desain, bukan melemahkannya. Kerangka Code-to-Learn with Generative AI (CtL-GenAI) dari Gousopoulos menyintesiskan konstruksionisme, teori beban kognitif, Regulasi Diri dalam Belajar, model keterlibatan ICAP, kegagalan produktif, dan perancah sosiokultural bagi siswa menengah atas yang membangun perangkat lunak bersama AI. Klaim pengorganisasiannya — "AI menulis kode, tetapi siswa menulis model" — membingkai ulang target konstruksi: ketika GenAI mengerjakan kerja sintaksis penulisan kode, konstruksi pembelajar bergeser ke pembangunan dan debugging model konseptual yang diekspresikan kode tersebut. CtL-GenAI mendefinisikan kepengarangan model sebagai konstruk dengan empat faset dan tingkat berurutan yang membawa indikator yang dapat diamati, serta memformalkan model pengukuran kredit parsial yang dapat difalsifikasi untuk menguji apakah pembelajaran semacam itu benar-benar terjadi.(Code to Learn with Generative AI: A Theoretically Grounded Framework for Artifact Construction in Upper-Secondary Education)(The AI Writes the Code, the Student Writes the Model: A Theory and Measurement Programme for Learning by Construction with Generative AI) Ini adalah gagasan klasik konstruksionisme "buat sesuatu yang dapat dibagikan dan debug" yang diperbarui sehingga artefak yang dibuat dan direnungkan siswa adalah model mental yang dibuat terlihat, bukan sekadar kode sumber — dan ini mengaitkan teori tersebut dengan program pengukuran eksplisit sehingga klaimnya menjadi dapat diuji secara empiris.

Konstruksionisme dengan demikian merupakan teori belajar sekaligus kritik: ia menegaskan bahwa tujuan pendidikan bukanlah mereproduksi struktur pengetahuan yang ada melainkan memberdayakan pembelajar untuk mengonstruksi dan mentransformasikannya — sikap yang berimplikasi jelas bagi apakah AI dalam pendidikan memperkuat atau menantang hierarki yang sudah mapan.

Konstruktivisme dan AI dalam pendidikan

AI untuk pembelajaran konstruktivis

AI yang dirancang baik dapat memungkinkan konstruksi dalam skala besar. Sistem Tutoring Cerdas dan AI Tutoring dapat mengajukan masalah dan membimbing Pencarian Bantuan alih-alih membocorkan jawaban; lingkungan Simulasi dan Pembelajaran Berbasis Gim memungkinkan pembelajar membangun dan menguji model mental; serta aktivitas Pembelajaran Berbasis Proyek dan Pembelajaran Eksperiensial yang didukung AI memberikan tugas konstruksi yang autentik kepada pembelajar. Pola desain utamanya adalah Perancah — dukungan terkalibrasi yang memudar seiring tumbuhnya kompetensi — bukan penyelesaian tugas.(The Path to Conversational AI Tutors: Integrating Tutoring Best Practices and Targeted Technologies to Produce Scalable AI Agents)(Embodied Inquiry with AI as Facilitator: An Exploratory Case Study)

Mengklasifikasikan pertanyaan yang diajukan pembelajar adalah salah satu cara untuk melihat konstruksi sedang terjadi, dan untuk bertindak atasnya. Lee, Atif & Kang (2026) menyortir 434 pertanyaan pembelajar autentik dari 11 siswa IT di 12 mata kuliah ke dalam tiga peran instruksional konstruktivis — penyampai pengetahuan, fasilitator, dan rekan-belajar — lalu melatih empat transformer untuk mengenalinya. DeBERTa mengklasifikasikan pertanyaan faktual penyampai pengetahuan dengan presisi 96.67% tetapi pertanyaan fasilitator hanya 78.79%, dan setiap model paling sering mengacaukan dua peran tingkat lebih tinggi itu: mendeteksi penyelidikan dialogis dan eksploratif jauh lebih sulit daripada mendeteksi pencarian informasi. Karena tipologi ini memperlakukan pertanyaan sebagai bukti diagnostik keterlibatan epistemik dan bukan sekadar masukan, ia mendukung langkah desain yang khas konstruktivis — ketika pembelajar berulang kali hanya mengajukan pertanyaan faktual, sistem dapat mendorong pertanyaan reflektif dan eksploratif yang mengembangkan Metakognisi dan penyelidikan kritis alih-alih menjawab pada kedalaman apa pun yang tersirat dari pertanyaan pembelajar.

Risiko "konstruktivisme secara nama, behaviorisme dalam praktik"

Karya empiris berulang kali menemukan kesenjangan antara tujuan konstruktivis yang dinyatakan dan implementasi AI yang sebenarnya. Sebuah tinjauan sistematis atas AI dalam pendidikan vokasi, misalnya, menemukan bahwa teori konstruktivis dinyatakan dalam wacana VET sementara desain latihan-drill behavioris mendominasi dalam praktik, dan memperingatkan adanya "Turing Trap" pendidikan — menggunakan AI untuk mereplikasi alih-alih memperkuat pengajaran manusia.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)

Pola ini menggeneralisasi di seluruh bidang:

Ketika AI generatif menyelesaikan penulisan, penalaran, atau kode bagi siswa, pembelajar kehilangan proses berpikir konstruktif yang seharusnya dibangun oleh tugas itu — kekhawatiran yang menjadi inti Offloading Kognitif dan Ketergantungan Berlebih.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
Kerugian itu kini dapat diukur, dan ia mengikuti pekerjaannya, bukan alatnya. Pada 26,811 siswa menengah Tiongkok, AI generatif menaikkan nilai pekerjaan rumah sebesar 18% dan memangkas waktu penyelesaian sebesar 30%, sementara nilai ujian tanpa buku turun 20% dalam enam bulan. Penurunan itu terkonsentrasi pada sekitar 81% pengguna yang waktu penyelesaiannya menunjukkan pekerjaan rumah dialihdayakan, dan pengguna yang mempertahankan waktu pekerjaan rumah setara dengan bukan-pengguna belajar sama efisiennya (Strömberg, Lei dan Wu (2026)). Variabel yang memprediksi pembelajaran bukanlah penggunaan AI melainkan apakah pembelajar masih melakukan konstruksinya.
Implementasi AI yang menekankan umpan balik adaptif dan efisiensi sering kali kurang melayani tujuan agensi pembelajar, refleksi kritis, dan keputusan otonom yang tersirat dari konstruktivisme.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)

Jebakan penamaan: keluaran AI generatif bukan pembelajaran generatif

Kebingungan yang berulang di bidang ini berputar pada tabrakan nama. AI generatif menamai kelas teknologi — model yang menghasilkan teks, gambar, atau kode. Pembelajaran generatif (teori pembelajaran generatif Wittrock) menamai aktivitas pembelajar — pembelajar secara aktif membuat makna dengan mengonstruksi koneksi antara informasi baru dan pengetahuan awal, melalui strategi seperti merangkum, memetakan, menggambar, menguji diri, dan menjelaskan diri. Keduanya bukan hal yang sama, dan mencampuradukkannya membawa konsekuensi pedagogis nyata: AI yang memproduksi ringkasan atau peta bagi siswa adalah kebalikan dari siswa yang melakukan tindakan pembelajaran generatif. Dabbagh & Fake (2026) membangun langsung di atas pembedaan ini, dengan berargumen bahwa mindtool GenAI mendukung pembelajaran generatif hanya ketika pembelajar yang menggerakkan aktivitas konstruktif — menghasilkan peta pikiran dengan bantuan AI adalah pembelajaran generatif; membiarkan AI menghasilkan petanya secara borongan bukan, betapapun lancar atau benarnya keluaran itu.

Pertanyaan penentunya adalah siapa yang melakukan pembentukan makna:

Apakah siswa mengonstruksi penjelasan, atau hanya menerimanya?
Apakah AI mendorong pembelajar menghubungkan gagasan, atau menyediakan koneksinya bagi mereka?
Apakah artefak (ringkasan, peta, kode, model) merupakan produk konstruksi pembelajar, atau penggantinya?

Ini mencerminkan hierarki ICAP — keterlibatan konstruktif dan interaktif lebih tinggi daripada aktif dan pasif — tetapi mempertajamnya: sebuah alat dapat menghasilkan keluaran yang tampak "konstruktif" secara kasat mata sementara pembelajar berada dalam mode pasif atau aktif. Mengevaluasi alat GenAI untuk pembelajaran generatif karena itu berarti memeriksa di mana upaya konstruktif benar-benar terjadi, bukan apakah ada keluaran generatif. Ini adalah jebakan konstruktivis-secara-nama / behavioris-dalam-praktik yang sama, diterapkan pada kasus khusus generasi: kepengarangan model (AI menulis kode, siswa menulis model) adalah satu penyelesaian konkret — pembelajar mengonstruksi model konseptual bahkan ketika AI menyediakan artefak permukaannya.

Respons desain yang berlandaskan konstruktivisme

Penolakan Generatif — alat AI yang secara strategis menahan teks yang dihasilkan dan mengajukan pertanyaan sebagai gantinya, mengembalikan gesekan kognitif kepada pengguna sehingga kerja artikulasi itu sendiri membangun pemahaman.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
Alat berpikir di atas mesin jawaban — menggunakan GenAI sebagai Generative AI (GenAI) as a mindtool that supports generative learning (GL) di mana pembelajar menggerakkan alatnya, bukan alat yang menggantikan pembelajar.(Generative AI (GenAI) as a mindtool that supports generative learning (GL))
Konflik konstruktif — agen AI adversarial yang menantang desain atau penalaran pembelajar, mendorong pertimbangan ulang dan konstruksi alternatif yang lebih mendalam, dalam tradisi tutorial Sokratik.(Enacting Constructive Conflicts with AI Agents to Enhance Reconsideration among Novice Interaction Designers)
Oposisi tersimulasi bukanlah oposisi. Posisi lawan yang dapat disuarakan sesuai permintaan tetapi tidak pernah melawan hanya melatih koreografi dialog sambil menahan apa yang membuatnya kuat: ia tidak memiliki perwujudan, taruhan, atau paparan terhadap konsekuensi, sehingga tidak seperti liyan manusia ia tidak menawarkan jalan menuju perbaikan (Du et al. (2026)).
Umpan balik internal melalui perbandingan — membiarkan pembelajar membandingkan karyanya sendiri dengan contoh yang dihasilkan AI sehingga tindakan membandingkan itu sendiri menghasilkan pembelajaran.(Unravelling undergraduates' development of evaluative judgments through AI-supported internal feedback)
Pemberian prompt yang sadar tipe pertanyaan — mengklasifikasikan pertanyaan pembelajar ke dalam peran konstruktivis agar sistem dapat dengan sengaja menaikkan seorang siswa dari pencarian informasi menuju penyelidikan eksploratif dan dialogis alih-alih mencerminkan kedalaman kognitif apa pun yang tersirat dari pertanyaan itu. Karena maksud fasilitator dan rekan-belajar tetap sulit dibedakan bagi pengklasifikasi otomatis, desain ini mempertahankan manusia untuk memvalidasi kategorisasinya sebelum kategorisasi itu menggerakkan Umpan Balik atau Perancah.(Analysing AI utilisation in education through learner question types: A constructivist approach)
Komunitas sebagai standar evaluatif — pembelajar merancang sesuatu yang nyata bagi komunitasnya dengan AI sebagai sumber daya desain, sementara pengetahuan komunitas dan praktisi komunitas berfungsi sebagai standar yang menilai hasilnya, menyisakan ruang bagi keterbatasan, penolakan, atau tidak-menggunakan secara strategis di mana keterlibatan kritis menuntutnya.(Ojeda-Ramirez, Gyles & Peppler (2026))

Konstruktivisme dan "pendidikan tentang AI"

Konstruktivisme juga membentuk bagaimana literasi AI itu sendiri diajarkan. Jika pengetahuan dikonstruksi, maka literasi AI tidak diperoleh dengan berceramah tentang model melainkan dengan secara aktif menggunakan, mengkritik, dan membangun bersama AI — menghasilkan artefak, menginterogasi keluaran, dan merenungkan interaksinya.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy) Ini menempatkan Literasi AI sebagai kompetensi aktif dan partisipatif alih-alih sekumpulan pengetahuan pasif, dan menghubungkan konstruktivisme dengan Berpikir Kritis serta dengan Agensi Pembelajar dalam perjumpaan pembelajar dengan AI.

Implikasi bagi desain dan penelitian

Pertahankan aktivitas konstruktif. AI harus menjadi perancah bagi pemikiran pembelajar sendiri — memberi prompt, bertanya, dan mendukung — bukan melakukannya. Perancang harus bertanya apakah alat itu meningkatkan atau menggantikan upaya konstruktif pembelajar.(Stop Writing for Me: Generative Refusal in AI Tools for Thought)
Gunakan lensa ICAP. ICAP mengklasifikasikan keterlibatan ke dalam mode konstruktif, interaktif, aktif, dan pasif — gunakan itu untuk mengevaluasi apakah interaksi AI benar-benar memunculkan mode konstruktif dan interaktif alih-alih konsumsi pasif. Perancang harus mengutamakan mode yang lebih dalam (konstruktif dan interaktif) di mana tujuan pembelajaran menuntutnya.(Systematic Review of Collaborative Learning Activities for Promoting AI Literacy)
Selaraskan teori dan implementasi. Peneliti harus melihat melampaui apakah AI "berhasil" menuju bagaimana ia mewujudkan sebuah teori belajar, memeriksa kesenjangan konstruktivis-secara-nama, behavioris-dalam-praktik.(Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness)
Pelajari agensi dan transfer pembelajar. Komitmen konstruktivis menyiratkan evaluasi bukan hanya atas perolehan nilai segera tetapi juga atas apakah pembelajar dapat mentransfer dan menerapkan secara mandiri pemahaman yang mereka konstruksi.(Metode Penelitian dalam AIED)

Miskonsepsi Umum

"Anda dapat mendeteksi pengajaran konstruktivis dari pertanyaan yang diajukan." Sebuah pengklasifikasi DeBERTa mengklasifikasikan pertanyaan faktual penyampai pengetahuan dengan presisi 96.67% tetapi pertanyaan fasilitator hanya 78.79%, dan setiap model mengacaukan dua peran tingkat lebih tinggi itu. Konstruk yang paling penting justru yang paling buruk ditangani deteksi otomatis.
"Ciri permukaan sebuah pelajaran mengungkap pedagoginya." Kegagalan pengklasifikasi itu bukan detail implementasi. Peran fasilitator dan konstruktivis adalah kasus sulit justru karena keduanya didefinisikan oleh apa yang dilakukan guru dengan pemikiran pembelajar, dan relasi itu tidak dapat dipulihkan dari teks pertanyaan semata.
"Konstruktivisme berarti guru tidak menjelaskan." Teori ini menempatkan pembelajaran pada konstruksi pembelajar dari pengalaman, yang kompatibel dengan pengajaran langsung. Memperlakukannya sebagai larangan untuk memberi tahu salah membaca teori itu maupun bukti tentang contoh yang dikerjakan.

Konsep terkait

Komunitas Inkuiri — Community of Inquiry (berakar pada pragmatisme konstruktivis/Deweyan)
Psikologi Kognitif — Kognitivisme, kutub klasik ketiga teori belajar
Pembelajaran Aktif
Belajar dengan Mengajar
Perancah
Regulasi Diri dalam Belajar
Pembelajaran Kolaboratif
Pembelajaran Eksperiensial
Pembelajaran Berbasis Proyek
Pembelajaran Terwujud
Desain Pembelajaran
AI Generatif
Tutoring Cerdas
Offloading Kognitif
Agensi Pembelajar
Berpikir Kritis
Literasi AI
Miskonsepsi tentang AI
Teori Belajar
Behaviorisme
Pendidikan Kimia — Pendidikan kimia dan AI: laboratorium, penilaian formatif, batas LLM, filsafat eksperimen
Pengembangan Teori dalam AI dalam Pendidikan — Pengembangan Teori dalam AI dalam Pendidikan
Kegagalan Produktif

Sumber daya terkait

Vibes DIY
Pembuat aplikasi berbahasa sederhana: deskripsikan alat kecil dengan kata-kata dan dapatkan aplikasi web yang berfungsi dan dapat dibagikan, dengan paket React dan CLI di baliknya dirilis di bawah Apache-2.0.

Metadata

Pembelajaran dan pengajaran	Pembelajaran Aktif, Pembelajaran Kolaboratif, Pembelajaran Eksperiensial, Teori Belajar, Perancah, Regulasi Diri dalam Belajar
Teknologi dan teknik	AI Generatif
Dasar-dasar AI dalam pendidikan	Desain Pembelajaran

Sumber Riwayat Sunting Obrolan