Asesmen Berorientasi Proses

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

Asesmen berorientasi proses — desain Penilaian di sekitar bagaimana pembelajar mencapai kesimpulan alih-alih hanya di sekitar artefak yang mereka serahkan: pengiriman bertahap, justifikasi reflektif, pertukaran dialogis dan lisan, riwayat draf dan versi, serta kriteria yang dapat diterapkan siswa pada diri mereka sendiri. Ia bukan sinonim dari realisme tugas dan bukan klaim tentang siapa yang memberi nilai: tugas realistis yang satu-satunya buktinya adalah satu produk tanpa pengawasan terpapar masalah substitusi yang sama dengan esai yang digantikannya. AI generatif adalah yang membuat pembedaan ini mendesak, karena keluaran yang lancar kini dapat dihasilkan sesuai permintaan dan berkas jadi tidak lagi membawa informasi tentang penalaran siapa yang menghasilkannya.

Pertanyaan yang Perlu Dipertimbangkan

• Jika seorang siswa mengirimkan esai yang rapi, apa yang sebenarnya dapat Anda klaim tentang pemikirannya dari artefak itu — dan klaim mana yang hanya tampak didukungnya?
• Bukti proses menuntut draf, justifikasi, dan dialog. Siapa dalam konteks Anda yang lancar dalam artikulasi diri akademik semacam itu, dan siapa yang mungkin dinilai berdasarkan kenyamanannya dengannya alih-alih berdasarkan pemahamannya?
• Deteksi tidak andal dan desain ulang di sekitar proses itu mahal. Di mana Anda akan membelanjakan anggaran institusional yang terbatas, dan bukti apa yang akan mengubah jawaban Anda?

Pendahuluan

Penilaian di pendidikan tinggi lama menyimpulkan pemikiran dari produknya. Esai, laporan, atau jawaban ujian yang dikirim mewakili penalaran di baliknya, dan pemberian nilai memperlakukan artefak yang berargumen baik sebagai bukti proses yang berargumen baik. Thapa dan Lewis (2026) menamai asumsi yang dipatahkan AI generatif: respons yang rapi "mungkin tidak lagi mewakili proses berpikir siapa pun," sehingga inferensi dari artefak ke pemahaman berhenti menjadi aman. Jawaban mereka bukan detektor yang lebih baik melainkan basis bukti yang berbeda. Asesmen berorientasi proses mengumpulkan bukti interpretasi, justifikasi, dan konstruksi pengetahuan saat semuanya berkembang, sehingga penalaran tetap terlihat ketika keluaran dapat diproduksi sesuai permintaan.

Berguna untuk menyatakan apa yang bukan konsep ini. Ia bukan penilaian autentik, yang menanyakan apakah sebuah tugas mencerminkan praktik dunia nyata yang layak; Thapa dan Lewis menjaga sumbunya tetap terpisah dan menegaskan bahwa tugas autentik dengan satu produk tanpa pengawasan tetap terpapar. Ia bukan deteksi AI, yang menanyakan apakah alatnya dipakai alih-alih bagaimana keputusan dibuat. Dan ia bukan penilaian otomatis, yang menyangkut siapa atau apa yang memberi nilai: portofolio bertahap yang dinilai mesin dapat berorientasi proses, dan esai akhir yang dinilai manusia belum tentu demikian. Konsep ini menyangkut bukti mana yang dikumpulkan, selama periode apa, dan dalam kondisi apa bukti itu dihasilkan.

Ide ini telah bergerak dari proposisi menjadi rekomendasi yang berulang di seluruh basis pengetahuan. Ia muncul sebagai prioritas bernama dalam agenda AIED untuk agensi dan motivasi pembelajar, sebagai agenda penelitian pengorganisasi untuk masalah retensi dan transfer dalam penelitian kinerja-versus-pembelajaran, sebagai "Penilaian Kotak Hitam" dalam uraian Brunnström dan Palmqvist tentang pembelajaran yang diatur sendiri dengan AI, dan sebagai permintaan dari pendidik guru praktik yang menemukan bahwa pekerjaan tertulis take-home mereka tidak lagi dapat membuktikan pembelajaran sama sekali.

Seperti Apa Bukti Proses dalam Praktik

Kosakata desain yang paling eksplisit datang dari Thapa dan Lewis, yang empat komitmennya membawa argumen itu ke dalam desain tugas: justifikasi reflektif, desain tugas bertahap, keterlibatan dialogis, dan transparansi evaluatif. Dalam praktik, siswa menjelaskan keputusan interpretif alih-alih hanya menyajikan kesimpulan, mengirimkan pekerjaan yang berkembang lintas titik pemeriksaan, mengambil bagian dalam pertukaran lisan atau dialogis tentang penalaran mereka, dan bekerja dengan kriteria yang dapat mereka terapkan sendiri — wilayah literasi umpan balik dan penilaian diri. Usulan Boysen (2026) untuk praktik pembelajaran terbuka menerjemahkan logika yang sama menjadi jejak audit: rencana pembelajaran bersama yang ditetapkan sebelum proyek dimulai, rencana analisis pembelajaran yang menyebutkan sumber yang diwajibkan dan yang dilarang, serta draf dan riwayat versi yang terdokumentasi, yang dipertahankan melalui Track Changes dan versi berkas tersimpan, yang memaparkan proses kerja dan menjelaskan apa yang menginformasikan setiap revisi. Ia membingkainya sebagai pengaturan diri yang dibuat terlihat.

Saluran yang dipilih untuk bukti proses mengubah apa yang dapat dibuktikan: dalam studi AI generatif yang sama dengan 79 siswa, pemantauan dan perencanaan berkedalaman lebih tinggi lebih umum dalam unit think-aloud sementara regulasi berkedalaman lebih tinggi lebih umum dalam log interaksi, sehingga tidak ada satu rekaman pun yang menangkap seluruh proses (Li dan Liu (2026)). Jejak juga dapat menyimpang dari skor secara langsung: di 150 percakapan siswa–AI, 41% membawa skor tugas tepat 1.00 sementara partisipasi kognitif yang teramati bervariasi, sehingga skor yang cocok dapat menyembunyikan proses yang berbeda (Fábrega, 2026). DraftTrace menjawab masalah yang sama untuk penulisan terintegrasi AI dengan menyelaraskan ukuran proses tingkat-ketukan dengan produk akhir dan dengan jejak interaksi AI, menunjukkan bahwa pengetikan-salin hanya dapat diidentifikasi ketika produk dan proses dibaca bersama (Chandarana et al. (2026)), sebuah contoh konkret dari pengukuran jejak perilaku yang masih belum dimiliki bidang ini.

Uraian praktisi dan kerangka mengisi artefaknya. Kerangka LEARN dari Uden dan Hwang (2026), yang diarahkan pada pembelajaran berbasis masalah Penilaian, menuntut rubrik berfokus proses, justifikasi lisan, pengiriman bertahap, dan jejak penalaran dengan pengungkapan penggunaan AI, dan memperlakukan refleksi melalui jurnal belajar dan protokol think-aloud sebagai mesin metakognitif dari urutan itu. Moganadas dan kolega (2026) menjadikan asesmen berorientasi proses yang transparan-AI sebagai salah satu dari lima proposisi yang dapat diteliti, menuntut dokumentasi, verifikasi, dan justifikasi reflektif alih-alih larangan atau penggunaan detektor. Padhy (2026) merekomendasikan penangkapan riwayat revisi, pola interaksi, dan waktu-dalam-tugas, dipasangkan dengan pengungkapan yang transparan. Goldstein, Marae-Haj dan Zidan (2026) melaporkan artefak yang sama muncul dari praktik setelah krisis kepercayaan: catatan prompt, riwayat versi dokumen, kontribusi kelompok yang terpantau, dan "jurnal perjalanan" reflektif yang disimpan di buku catatan fisik — di samping temuan lugas bahwa pekerjaan tertulis take-home tidak lagi dapat membuktikan pembelajaran.

Perkakas konkret sedang muncul: Kim et al. (2026) mengoperasionalkan pemecahan masalah sebagai empat tahap dan delapan sub-keterampilan diagnostik sehingga sebuah LLM dapat menghasilkan pertanyaan dan rubrik spesifik tahap; lima guru dan 64 siswa memakai sistem itu pada 90 masalah dan 720 sub-pertanyaan, dengan skor rata-rata System Usability Scale 83.5.

Dokumentasi yang diwajibkan terbukti layak pada skala kursus: di enam semester kursus metode penelitian pascasarjana asinkron enam minggu yang melayani sekitar 440 guru K-12 — pengiriman titik pemeriksaan rata-rata mencapai 96% penyelesaian, dan iterasi berikutnya yang menambahkan templat prompt eksplisit menghasilkan refleksi yang lebih panjang dan tampak lebih substantif Packard et al. (2026).

• "Bukti proses membutuhkan rezim penilaian khusus." Sebagian darinya hanyalah satu sore instrumentasi: studi atas 77 penulis esai mahasiswa memakai editor CodeMirror yang mencatat penyisipan, penghapusan, seleksi, potongan, salinan, dan tempelan dengan cap waktu, di samping panel obrolan internal pada API bawaan, dan menangkap 361 pesan. Jejak yang sama menunjukkan bahwa 14 respons terhadap kueri perencanaan ditempelkan ke esai akhir, yang tidak akan terungkap oleh laporan tingkat-produk mana pun. Batas jujurnya ada pada instrumennya: kata yang diketik dihitung sebagai milik siswa bahkan ketika diparafrasakan dari respons, sehingga batas antara mengetik dan berpikir tidak terlihat. Mencatat prosesnya lebih murah daripada merancang untuknya.

Jejak proses hanya menjadi umpan balik jika pembelajar membacanya terhadap tugasnya. Xian et al. (2026) memberi sebelas mahasiswa penerjemahan visualisasi Inputlog dan rekaman layar plus satu sesi refleksi 30 menit. Porsi revisi tingkat-makna naik dari 18.1% ke 28.4% (t(10) = 4.259, p = 0.002) sementara total revisi tidak berubah secara signifikan, turun dari 1,292.91 ke 1,052.36 (p = 0.248). Jejak itu tidak membuat siswa lebih banyak menyunting, hanya menyunting secara berbeda, yang merupakan argumen untuk bukti proses dalam satu hasil.

Sumbu yang Berbeda dari Keautentikan, dan dari Pemberian Nilai

Menjaga sumbu-sumbu itu tetap terpisah penting, karena menyatukannya adalah cara sebuah desain ulang tampak selesai sementara paparannya tetap ada. Sharma (2026) membuat pembedaan pelengkap antara keautentikan dan desain berorientasi integritas: keautentikan menanyakan apakah sebuah tugas mencerminkan praktik yang layak, sementara desain berorientasi integritas menanyakan apakah pembelajar dapat menjustifikasi keputusan mereka dan mengambil tanggung jawab dalam kaitannya dengan standar disipliner, itulah sebabnya praktik yang ia tawarkan — jejak keputusan beranotasi, verifikasi klaim yang disumbangkan GenAI, pembelaan lisan, perbedaan draf dengan riwayat versi — dipilih untuk pertimbangan yang mereka buat terlihat alih-alih untuk realisme mereka. Tinjauan sepuluh tahun Espino dan Espino (2026) atas pendidikan bisnis mencapai kesimpulan desain yang sama dari sisi literatur, menemukan bidang itu bertemu pada tugas autentik yang prosesnya terlihat, yang menuntut interpretasi, penerapan kontekstual, dan penghalusan iteratif, dan memperlakukan adopsi alat yang terisolasi di dalam struktur penilaian yang tidak berubah sebagai kegagalan yang paling gigih.

Matriks Fade–Visibility dari Salameh (2026) menyilangkan pertanyaan desain yang sama dengan variabel kedua — apakah dukungan AI bertahan atau memudar — dan menamai kombinasi yang paling sering dijadikan bawaan oleh kursus, dukungan yang tidak pernah memudar dan hanya dinilai produknya, Ketergantungan Senyap (Salameh, 2026).

Konstruk ini juga dapat dibedakan dari pertanyaan bagaimana bukti diskor. Penalaran validitas adalah tempat keduanya bertemu: Brunnström dan Palmqvist (2026) berargumen bahwa ketika sebuah chatbot dapat menghasilkan jawaban ujian yang masuk akal, produk yang dikirim menjadi indikator yang lebih lemah tentang apa yang dipelajari siswa — masalah validitas penilaian alih-alih hanya masalah integritas. Itulah inferensi yang sama yang berisiko dalam argumen kinerja-versus-pembelajaran Yan, Greiff, Lodge dan Gašević, di mana keuntungan kinerja yang menyusut setelah bantuan dicabut menunjukkan keuntungan yang hidup di dalam alat alih-alih di dalam pembelajar, dan di mana obat yang diusulkan adalah ukuran proses seperti uji retensi dan transfer alih-alih keberhasilan tugas segera.

Mengapa Deteksi Tidak Dapat Memikul Beban Ini

Asesmen berorientasi proses biasanya diusulkan sebagai alternatif deteksi, dan bukti tentang deteksi menjelaskan mengapa. Literatur deteksi menemukan tingkat kesalahan, ketergantungan-pada-tugas, dan bias berpola terhadap penulis non-penutur asli dan penyandang disabilitas, dan karya terbaru berlabuh pada kesimpulan prosedural: skor detektor dapat memicu tinjauan lebih dekat tetapi bukan sebuah temuan. Munoz dan kolega (2026) menunjukkan berapa biayanya dalam praktik. Dengan mengodekan 1,162 tuduhan pelanggaran AI generatif, mereka menemukan bahwa jenis bukti terkuat dihasilkan oleh investigasi atau oleh supervisi, bahwa bukti proses seperti draf, pertemuan supervisi, dan presentasi hanya muncul di tempat praktik itu sudah ada — sehingga dalam penilaian yang tidak dirancang ulang ia sama sekali tidak ada — dan bahwa keluaran detektor menarik peringkat probatif terendah dari semua kategori. Konsekuensi desainnya adalah urutan: bukti proses harus ada sebelum sebuah kasus membutuhkannya, dan penalaran Weidlich (2026) tentang inferensi mana yang berisiko menyampaikan hal yang sama dari sisi validitas, karena upaya memulihkan keamanan penilaian melalui deteksi memasukkan varian yang tidak relevan-konstruk alih-alih bukti tentang pembelajar.

Kriteria rubrik itu sendiri dapat dibangun ulang di sekitar lintasannya. Oviedo dan Díaz (2026) membaca model 3P Biggs sebagai tiga dimensi penilaian — agensi dan pengawasan kritis, perancah dialogis, dan kedaulatan kognitif — sehingga lintasan yang dinilai alih-alih hasil statis.

Biaya Desain dan Beban Kerja

Sumber-sumbernya luar biasa terbuka bahwa ini mahal. Thapa dan Lewis menyatakan kehati-hatian keadilannya secara langsung: tugas reflektif dan dialogis dapat mengistimewakan siswa yang lebih percaya diri dalam artikulasi diri akademik kecuali dirancang secara inklusif dan diberi perancah, dan kerja relasional yang intensif umpan balik itu mengintensifkan kerja emosional dan profesional pendidik di lingkungan besar atau bersumber daya terbatas — sebuah kontradiksi dengan harapan institusional akan skalabilitas, standardisasi, dan kinerja yang terukur. Sharma menambahkan versi interpretifnya: menuntut penalaran yang terdokumentasi mengistimewakan pembelajar yang lebih fasih dalam wacana reflektif, dan pertimbangan sebagai bukti "tetap relasional dan tersituasi alih-alih dapat diverifikasi secara mekanis."

Biaya operasionalnya dirinci di tempat lain. Boysen mendaftar teknologi baru, tugas dan silabus yang direvisi, pengajaran keterampilan yang tidak dikenal siswa, dan materi tambahan untuk dikumpulkan dan dinilai, memperingatkan bahwa kredit berisiko rendah untuk proses dapat menggelembungkan nilai, dan mengakui bahwa model ini jauh lebih cocok untuk proyek pengembangan keterampilan berskala besar daripada kerja akuisisi pengetahuan sehari-hari; ia juga mencatat bahwa pelacakan proses adalah apa yang disebut sebagian kritikus sebagai pengawasan AI. Partisipan Goldstein, Marae-Haj dan Zidan melaporkan bahwa membangun dokumentasi proses menuntut kerja nyata, bahwa sembilan dari tiga belas membiayai alat canggih dari kantong sendiri dengan cara yang dapat memperdalam kesenjangan digital, dan bahwa beberapa kembali ke ujian tersupervisi dan mengantisipasi pembelaan tesis lisan. Kekhawatiran keadilan memiliki sisi khas-AI dalam temuan Brunnström dan Palmqvist bahwa penggunaan alat tanpa panduan menuntut keterampilan pengelolaan interaksi yang terdistribusi secara tidak merata, sehingga AI "mungkin paling bermanfaat bagi siswa yang sudah beruntung" — risiko distribusional yang sama yang menyertai permintaan agar siswa mengelola proses yang terdokumentasi. Lopez-López, Bru-Cordero dan Correa-Álvarez (2026) menemukan bahwa siswa yang mencurahkan lebih banyak waktu belajar mandiri menilai penggunaan AI lebih ketat, dan merekomendasikan pengujian apakah templat pengungkapan, pembelaan lisan, dan asesmen berbasis proses mengurangi ketidakpastian etis — sebuah studi yang masih dibutuhkan bidang ini. Risikonya melekat pada mekanisme yang membuat bukti proses bekerja: di tempat kolaborasi, revisi, dan refleksi dinilai, siswa punya alasan untuk menghasilkan bukti yang cocok dengan apa yang mereka perkirakan diinginkan penilai, sehingga rekaman proses dapat menjadi performatif alih-alih evidensial (Alam & Jackson, 2026).

Apa yang Masih Belum Terselesaikan

Uraian Thapa dan Lewis bersifat konseptual: tanpa partisipan, tanpa pengumpulan data, dan tanpa uji implementasi, sehingga keempat prinsipnya diargumentasikan alih-alih diuji, dan makalahnya sendiri menyerukan kerja empiris tentang pengalaman siswa, beban kerja pendidik, dan kelayakan jangka panjang. Kelayakannya dibiarkan tidak terdiferensiasi antarkonteks — transfer ke kuliah besar, laboratorium, studio, atau penempatan klinis tidak dibahas. Makalah posisi Lane (2026) mencatat langit-langit institusional: asesmen berbasis proses tumpul oleh struktur penilaian dan transkrip yang menghargai artefak akhir yang rapi, sehingga desain ulang ruang kelas saja tidak mengubah insentifnya. Pengukuran juga tipis: tinjauan Jin dan kolega (2026) atas instrumen literasi AI menyerukan asesmen berbasis kinerja dan berorientasi proses serta pengukuran jejak perilaku atas pemberian prompt dan verifikasi, tetapi melaporkan bahwa instrumen yang ada bersandar pada laporan diri. Tidak ada sumber di sini yang melaporkan uji terkontrol atas desain ulang berorientasi proses dibandingkan dengan yang berorientasi produk, yang meninggalkan klaim sentralnya — bahwa bukti proses lebih sulit dipalsukan sekaligus lebih adil dinilai — diargumentasikan dari prinsip, laporan praktisi, dan bukti berkas kasus alih-alih didemonstrasikan dalam skala besar.

Miskonsepsi Umum

• "Skor tinggi menyiratkan siswa mengerjakan pekerjaan yang kami rancang." Jejak dapat menyimpang dari skor secara langsung: di 150 percakapan siswa-AI, 41% membawa skor tugas tepat 1.00 sementara partisipasi kognitif yang teramati bervariasi. Skornya menjenuh sementara proses yang seharusnya menghasilkannya tidak.
• "Data proses tidak terkelola dalam skala besar." Dokumentasi yang diwajibkan terbukti layak pada skala kursus di enam semester kursus metode penelitian pascasarjana asinkron enam minggu yang melayani sekitar 440 guru K-12. Logistiknya dapat dipecahkan; keberatannya melebih-lebihkan biayanya.
• "Pemecahan masalah terlalu holistik untuk dinilai melalui proses." Ia dapat dioperasionalkan sebagai empat tahap dan delapan sub-keterampilan diagnostik, memungkinkan LLM menghasilkan pertanyaan dan rubrik spesifik tahap — dipakai dengan lima guru dan 64 siswa. Dekomposisilah yang membuat prosesnya terbaca dan dapat dinilai.

Konsep terkait

• Pola Pedagogis — Titik pemeriksaan bertahap dan bukti proses sebagai desain berurutan
• Penilaian
• Penilaian Autentik
• Deteksi AI
• Validitas Penilaian
• Pertimbangan Evaluatif
• Penilaian Formatif
• Penilaian Sumatif
• Umpan Balik
• Penilaian Diri
• Penilaian Lisan
• E-Portofolio
• Pernyataan Penggunaan dan Pengungkapan AI
• Regulasi Diri dalam Belajar
• Integritas Akademik
• Keadilan

Artikel terkait

• The crisis of critical thinking in higher education: rethinking what universities should teach in an age of information abundance and generative AI — Tinjauan naratif kritis yang berargumen bahwa kegagalan bawaannya adalah dukungan AI yang tak pernah memudar dipasangkan dengan penilaian hanya-produk (Salameh 2026)

• Process-Oriented Collaborative Essays: Empowering Undergraduate Students Through Assessment Redesign in the Age of Generative AI — Esai proses kolaboratif yang dinilai di program magang gelar tahun pertama: iterasi dan kolaborasi dalam rubrik, GenAI diizinkan dalam batas yang dinyatakan (Alam & Jackson 2026)

• Distinguishing performance gains from learning when using generative AI — kinerja bukan pembelajaran: agenda penelitian yang dibangun di atas ukuran proses (Yan et al. 2026)

• Human-centered AI for teacher educators: Designing professional learning for critical AI literacy — pendidik guru meminta tugas berbasis proses yang tahan-AI yang dibangun di atas justifikasi dan refleksi (Baran et al. 2026)

• Educational integrity in GenAI-augmented assessment: making judgment visible — jejak keputusan beranotasi, pembelaan lisan, dan perbedaan draf yang dipilih untuk pertimbangan yang terlihat

• How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis — apa yang terkandung dalam berkas kasus pelanggaran, dan bukti proses yang tidak dimilikinya

• Which inference is at risk? Assessment validity reasoning and generative AI — inferensi mana yang berisiko ketika bukti penilaian disubstitusikan

• Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World — keautentikan harus dirancang ulang, bukan diawasi

• From authentic products to authenticated processes: a systematic conceptual review of authentic assessment in AI-rich — produk autentik dan proses yang menghasilkannya

• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — ujian lisan sebagai format tahan-AI yang membuat penalaran hidup

• Preserving epistemic authenticity: process-oriented assessment in the age of generative AI — keautentikan epistemik dan empat komitmen desain di balik asesmen berorientasi proses (Thapa & Lewis 2026)

• Mapping the Distribution and Depth of Metacognitive Processes in Generative AI-Assisted Learning: Evidence from Interaction Logs and Concurrent Think-Aloud Protocols — Bukti proses yang bergantung saluran: log dan think-aloud mengungkap proses yang berbeda

• DraftTrace: A Multi-View Analytics Environment for AI-Integrated Writing — DraftTrace: Lingkungan Analitik Multi-Tampilan untuk Penulisan Terintegrasi AI

• Same Performance, Different Process: Epistemic Ownership in AI-Mediated Education — Kinerja Sama, Proses Berbeda: Kepemilikan Epistemik dalam Pendidikan yang Dimediasi AI

• STEPwise: Supporting Teachers in Diagnosing Students' Mathematical Problem-Solving Skills through LLM-Generated Questions — STEPwise: Mendukung Guru dalam Mendiagnosis Keterampilan Pemecahan Masalah Matematis Siswa melalui Pertanyaan yang Dihasilkan LLM

• Teaching with AI, Not Against It: A Thinking Partner Framework for Working Adult Learners in Compressed Online Formats — Dokumentasi titik pemeriksaan dialog AI bertahan pada 96% penyelesaian di enam semester dan sekitar 440 guru

• Rubrics and Generative AI: Towards Process-Based Assessment — Tiga dimensi rubrik dari model 3P Biggs: agensi dan pengawasan, perancah dialogis, kedaulatan kognitif (Oviedo & Díaz 2026)

• An Empirical Study to Understand How Students Use ChatGPT for Writing Essays — Editor CodeMirror plus panel obrolan tercatat mengubah satu sesi esai menjadi bukti proses, dengan batas mengetik-versus-berpikirnya (Jelson et al. 2026)

• Process visualization feedback in news translation: a controlled intervention study of human-AI interaction using multimodal process data - visualisasi proses plus satu sesi refleksi menggeser revisi dari tingkat permukaan ke tingkat makna tanpa menambah volume penyuntingan