Basis Pengetahuan AIEdAIEd KB
Di halaman ini

Baca halaman ini dalam bahasa Inggris

Konsep

Efikasi Diri

Dibuat 2026-08-13 · Diperbarui 2026-11-04

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

Efikasi Diri — keyakinan seorang pembelajar akan kemampuannya untuk berhasil menjalankan suatu tugas atau mencapai suatu tujuan. Berakar pada teori kognitif sosial (Bandura), efikasi diri membentuk motivasi, usaha, ketekunan, dan keterlibatan belajar. Dalam AI dalam pendidikan, efikasi diri penting dalam dua hal: alat AI dapat membangun keyakinan dan otonomi pembelajar (misalnya, dengan memberikan Umpan Balik dan Perancah), dan efikasi diri AI pembelajar — keyakinan mereka dalam menggunakan teknologi AI — memengaruhi seberapa efektif mereka terlibat dengan AI, termasuk bagaimana pengetahuan terkait AI diterjemahkan menjadi kesiapan yang relevan bagi karier.

Pertanyaan yang Perlu Dipertimbangkan

  • Efikasi diri adalah keyakinan tentang kemampuan Anda — berbeda dari kompetensi aktual. Pernahkah Anda sangat mampu dalam sesuatu namun meragukan diri sendiri, atau dengan yakin salah tentang sesuatu yang tidak bisa Anda lakukan? Apa yang diberitahukan celah antara keyakinan dan kemampuan itu tentang mengapa efikasi diri penting?
  • Efikasi diri AI (keyakinan bekerja dengan AI) adalah konstruk yang terpisah dari literasi AI, dan penelitian menemukan literasi hanya diterjemahkan menjadi kesiapan ketika pembelajar juga memiliki keyakinan. Jika seseorang tahu tentang AI tetapi tidak yakin dapat menggunakannya, apa yang terjadi pada pengetahuan itu — dan apa implikasinya bagi pelatihan?
  • Penelitian menemukan bahwa penggunaan AI untuk mendukung pemahaman sepenuhnya dimediasi oleh efikasi diri akademik dalam kaitannya dengan kinerja, sementara penggunaan jalan pintas memprediksi hasil yang lebih buruk sebagian terlepas dari efikasi diri. Mengapa alat yang sama dapat membangun keyakinan ketika digunakan dengan satu cara dan gagal ketika digunakan dengan cara lain?
  • Halaman ini membedakan efikasi diri dari kata sehari-hari 'keyakinan diri'. Sebelum Anda membaca, apa bedanya, dan mengapa seorang peneliti bersikeras pada pembedaan itu alih-alih memperlakukannya sebagai hal yang sama?
  • Robotika dan pembelajaran terwujud membangun keyakinan dengan membumikan tugas pada hasil yang dapat diamati, dan umpan balik dapat membangun efikasi diri pembelajar. Pikirkan sebuah tugas di mana Anda memperoleh keyakinan sungguhan hanya setelah melihat hasil yang konkret. Apa yang dikatakannya tentang pengalaman belajar AI seperti apa yang paling mungkin membangun — alih-alih sekadar melaporkan — efikasi diri?
  • Efikasi diri guru memengaruhi adopsi dan integrasi AI. Jika seorang guru tidak yakin dapat menggunakan AI secara efektif, apakah literasi AI sebanyak apa pun akan memperbaikinya? Apa yang akan membangun keyakinan guru, dan bagaimana itu berbeda dari memberi mereka lebih banyak informasi?

Pendahuluan

Efikasi diri berbeda dari kompetensi aktual: ia adalah keyakinan tentang kemampuan yang menggerakkan perilaku. Ia berkaitan erat dengan — dan sering digunakan secara bergantian dengan — gagasan sehari-hari tentang keyakinan diri pada kemampuan seseorang. Efikasi diri terhubung erat dengan Motivasi, Regulasi Diri dalam Belajar, dan Pengalaman Siswa. Dalam konteks AI, efikasi diri AI (keyakinan dalam bekerja dengan AI) adalah konstruk yang berbeda dari literasi AI, dan penelitian menunjukkan ia berperan krusial dalam apakah pembelajar benar-benar mengaktifkan dan menerapkan pengetahuan terkait AI.

Bagaimana efikasi diri muncul dalam penelitian basis pengetahuan

  • Menurun dalam kerja studio GenAI-plus-XR: dalam studio desain arsitektur dengan 27 siswa, tim yang menggunakan pipeline GenAI dan XR multi-pengguna menunjukkan penurunan relatif pra–pasca yang lebih besar pada keyakinan efikasi diri desain (β = −1.675, p = 0.021) dan ekspektansi hasil (β = −2.088, p = 0.002) daripada tim yang melanjutkan alur kerja normal, tanpa perbedaan signifikan pada penilaian panel tersamar atas presentasi mereka (Xiao et al., 2026). Lingkungan yang kaya alat dapat menekan keyakinan efikasi bahkan ketika pekerjaannya sendiri dinilai setara.

  • Efikasi diri AI dan kesiapan karier: Penelitian tentang kesiapan AI menunjukkan bahwa efikasi diri AI memoderasi hubungan antara literasi AI dan kesiapan AI: literasi diterjemahkan menjadi kesiapan hanya ketika pembelajar memiliki keyakinan dalam menggunakan AI, dan efikasi diri secara langsung memprediksi adaptabilitas karier.

  • Keyakinan tidak selalu menjadi tuasnya. Sebuah SEM lintas-seksi atas 502 dosen universitas menemukan efikasi diri teknologis sebagai prediktor kecil kesejahteraan AI (β = 0.082) sementara literasi AI mendominasi (β = 0.713), membatasi klaim bahwa keyakinan menjadi gerbang hasil AI: untuk kesejahteraan, pengetahuan lebih berat daripada keyakinan (Liu et al. (2026)).

  • Keterampilan dapat menyalakan ketergantungan sementara efikasi menahannya. Di antara 478 mahasiswa Israel, dimensi keterampilan literasi AI berhubungan positif dengan ketergantungan AI (menggunakan/memahami AI β = 0.404) sementara efikasi diri AI berhubungan negatif (β = −0.132), sehingga pelatihan literasi yang hanya membangun keterampilan alat dapat meningkatkan ketergantungan (Maizel et al. (2026)).

  • Keyakinan rendah mengarah ke penggunaan AI yang lebih berat, lalu ke skor yang lebih rendah. Dalam mata kuliah pembuktian dengan 153 siswa, efikasi diri dasar yang satu poin lebih tinggi memprediksi 39% lebih sedikit pesan chatbot, dan efikasi diri yang satu poin lebih rendah berkaitan dengan 0.62 poin ujian lebih sedikit melalui penggunaan chatbot (Chen et al. (2026)).

  • Kepercayaan sebagai poros antara literasi dan keyakinan: Hu (2026) menyurvei 450 mahasiswa yang sudah menggunakan ChatGPT dan menemukan rantai terurut alih-alih dua korelat paralel: literasi AI berhubungan dengan Kepercayaan pada alat itu (beta = 0.50), kepercayaan dengan efikasi diri akademik (0.48), dan efikasi diri dengan penggunaan berkelanjutan, dengan efek tidak langsung serial yang signifikan (0.07, 95% CI [0.04, 0.10]). Kecemasan AI melemahkan tautan literasi ke kepercayaan (interaksi beta = -0.25, simple slopes turun dari 0.76 ke 0.25 di sepanjang rentang kecemasan), sehingga pengetahuan yang sama membeli lebih sedikit keyakinan, dan mencapai lebih sedikit penggunaan, di antara siswa yang lebih cemas. Keyakinan dengan demikian adalah mata rantai hilir dalam rantai itu alih-alih titik awalnya.

Rute kecemasan yang melaluinya praktik berbantuan AI berhubungan dengan kemauan dapat berbalik alih-alih memudar seiring keyakinan: asosiasi tidak langsung bersyarat turun dari 0.142 pada efikasi diri berbicara rendah ke 0.044 pada rata-rata dan −0.054 pada tinggi, sebuah efek yang terkonsentrasi di ekor atas yang kecil (Wang & Li (2026)).

  • Profil efikasi diri akademik dan siapa yang meraih AI: Suriá-Martínez et al. (2026) menjalankan analisis profil laten atas efikasi diri akademik di antara 102 mahasiswa dengan disabilitas motorik di Spanyol dan menemukan tiga profil (rendah 29.4%, sedang 41.2%, tinggi 29.4%) yang penggunaan AI yang dilaporkan naik bertahap mengikuti tingkat profil (rata-rata 2.41, 3.56, 4.68; F(2, 99) = 27.84, p < .001, eta kuadrat = .36), dengan Excellence, dimensi perencanaan dan penetapan tujuan, paling kuat berhubungan dengan penggunaan AI (beta = .47). Para penulis membaca ini sebagai masalah keadilan: jika keyakinan mengikuti pengambilan, siswa dengan efikasi diri lebih rendah mungkin yang paling kecil kemungkinannya meraih dukungan AI yang dapat mengurangi hambatan akses, sehingga dukungan bagi efikasi diri akademik berada di dalam kerangka inklusi.
  • Pola penggunaan AI dan efikasi diri: Stamatoulis et al. (2026) menemukan bahwa menggunakan GenAI untuk mendukung pemahaman (integrasi evaluatif) sepenuhnya dimediasi oleh efikasi diri akademik dalam asosiasinya dengan kinerja — penggunaan AI yang berorientasi pemahaman membangun keyakinan — sedangkan penggunaan jalan pintas (pengambilan dengan verifikasi rendah) memprediksi hasil lebih buruk sebagian terlepas dari efikasi diri. Efikasi diri dengan demikian adalah jalur yang melaluinya penggunaan AI yang produktif membantu sekaligus faktor yang mungkin gagal dibangun oleh penggunaan jalan pintas.
  • Atribusi membentuk apakah efikasi tumbuh. Mengkreditkan keberhasilan pada AI alih-alih pada usaha sendiri membatasi pertumbuhan efikasi diri dan memperkuat pola jalan pintas, sehingga mengurutkan aktivitas kompleks menjadi langkah-langkah di mana siswa mengatribusikan kemajuan pada strategi mereka sendiri lebih penting daripada alatnya (Øby, 2026).
  • Robotika dan pembelajaran langsung: role-play bermediasi robot dari REMind membangun efikasi diri anak-anak dalam intervensi anti-perundungan; robotika dan pembelajaran terwujud umumnya membangun keyakinan dengan membumikan tugas pada hasil yang dapat diamati.
  • Efikasi diri kreatif pada anak-anak: Niu et al. (2026) melaporkan, dalam tinjauan scoping sistematis atas 22 studi primer tentang AI generatif dengan anak usia 6 hingga 15 tahun, bahwa keuntungan efikasi diri kreatif mengelompok dengan berpikir divergen dan kreativitas naratif, sebagian besar melalui alat teks-ke-gambar yang menurunkan hambatan antara ide dan artefak. Mereka berhenti sebelum mengklaim efikasi: desainnya heterogen, tinjauan itu tidak melakukan penilaian kritis, dan korpusnya hampir diam tentang disabilitas, konektivitas rendah, dan pembelajar yang kurang terlayani, sehingga keyakinan kreatif adalah hasil yang dilaporkan naik alih-alih yang telah dikonfirmasi bidang ini.
  • Efikasi diri guru: penelitian kompetensi AI guru mengkaji bagaimana pengembangan profesional membangun keyakinan guru dalam menggunakan AI, yang memengaruhi adopsi dan integrasi. Ismael, Luo & Li (2026) menambahkan bukti kuasi-eksperimental bahwa model e-mentoring berbantuan AI menaikkan efikasi diri dan kecerdasan emosional calon guru EFL selama praktikum: kelompok eksperimen memperoleh jauh lebih banyak daripada kontrol pada kedua ukuran, dengan efek antar-kelompok yang besar dan keuntungan pada semua subdomain efikasi diri — dan para penulis mengaitkannya pada mentoring yang dimediasi AI di dalam siklus reflektif terstruktur alih-alih pada AI semata.
  • Umpan balik dan keyakinan: umpan balik AI dan tutoring dapat membangun efikasi diri pembelajar dengan memberikan umpan balik yang dapat ditindaklanjuti dan suportif.
  • Pemberdayaan dalam pemecahan masalah dengan AI: Zhu dan Kong (2026) menemukan bahwa pemberdayaan siswa dalam menggunakan AI untuk pemecahan masalah memediasi hubungan antara pembelajaran berbasis proyek yang dipersepsikan dan kepuasan dengan mata kuliah literasi AI. Dalam analisis SEM mereka atas 1,027 siswa, PBL menumbuhkan kondisi yang memberdayakan siswa untuk menggunakan AI bagi pemecahan masalah, yang pada gilirannya mendorong kepuasan mata kuliah — bukti bahwa membangun keyakinan dan kapabilitas siswa dengan AI adalah mekanisme kunci pendidikan literasi AI yang efektif.

Efikasi diri terhubung ke Motivasi, Regulasi Diri dalam Belajar, Pengalaman Siswa, Literasi AI, Agensi Pembelajar, dan Robot dalam Pendidikan. Membangun efikasi diri adalah mekanisme kunci yang melaluinya AI mendukung keterlibatan dan pembelajaran. Efikasi diri hampir seluruhnya diukur dengan laporan diri, sehingga asosiasinya dengan perilaku yang diamati patut mendapat kewaspadaan yang biasa.

  • Efikasi diri AIGC sebagai poros antara alat dan pembelajaran. Liang et al. (2026) menemukan bahwa afordansi yang dipersepsikan dari konten yang dihasilkan AI menaikkan efikasi diri AIGC (beta = 0.583), yang kemudian memediasi jalur ke motivasi belajar (efek tidak langsung 0.329) dan ke pembelajaran yang meregulasi diri (0.145), dengan jalur serial afordansi ke efikasi diri ke motivasi ke regulasi diri juga signifikan (0.173). Kontras yang membuat temuan ini berguna adalah bahwa kualitas umpan balik penilaian AI tidak memprediksi efikasi diri (beta = 0.131, n.s.) meskipun ia sangat memprediksi kepuasan — keyakinan terhadap alat dibangun dengan mengarahkannya, bukan dengan menerima keluaran yang baik darinya.

  • Tidak ada efek perlakuan dalam RCT sepanjang semester — keyakinan naik seiring waktu kuliah: dalam eksperimen lapangan teracak Thoeni dan Fryer (2026) dengan 454 mahasiswa dalam mata kuliah Principles of Marketing, efikasi diri naik sepanjang semester bagi semua siswa (efek waktu β = 0.099, p = 0.0009, Cohen's ƒ2 = 0.025) sementara efek kelompok (p = 0.1162) maupun interaksi kelompok × waktu (p = 0.5306, d = 0.023) tidak signifikan, sehingga chatbot RAG tidak menambahkan apa pun. Keuntungan keyakinan dalam mata kuliah berbantuan AI dapat mengikuti progresi kuliah alih-alih alatnya — risiko atribusi bagi konstruk yang hampir seluruhnya diukur bidang ini dengan laporan diri.

  • Keyakinan dapat bergerak berlawanan dengan perilaku. Dalam pemrograman kompetitif, siswa yang berhenti berkompetisi melaporkan keyakinan teoretis yang lebih tinggi daripada teman sebayanya yang aktif namun menunjukkan kebiasaan upsolving dan lingkaran sebaya yang jauh lebih lemah (p < .001), sehingga sinyal efikasi diri saja akan menyesatkan sistem peringatan dini (Ruhan et al. (2026)).

  • Keyakinan dapat naik sementara kapabilitas di baliknya menurun. Di antara mahasiswa, penggunaan AI generatif yang sering menaikkan keyakinan dan efisiensi yang dipersepsikan dan meningkatkan ketergantungan teknologis pada pembelajar yang sama, sehingga skor efikasi diri yang diambil selama kerja berbantuan AI dapat terbaca tinggi pada saat keterampilan yang mendasarinya sedang terkikis (Yan et al., 2025).

  • Penggunaan AI berjalan bersama keyakinan, tetapi keyakinan tidak memprediksi kehadiran. Dalam survei PLS-SEM atas 291 mahasiswa Portugal, penggunaan AI secara umum berhubungan positif dengan efikasi diri untuk belajar mandiri (β = 0.266, f² = 0.106). Konstruk itu dimodelkan sebagai komposit formatif tingkat kedua dari empat sumber Bandura — pengalaman penguasaan, pengalaman vikarius, persuasi verbal, dan keadaan emosional. Efikasi diri pada gilirannya tidak memprediksi ketidakhadiran (β = −0.068, p = 0.276), meskipun penggunaan AI secara terpisah berhubungan dengan ketidakhadiran yang lebih tinggi (β = 0.148, f² = 0.029). Jalur penggunaan AI → efikasi diri secara signifikan lebih kuat pada pria daripada wanita (β = 0.449 vs. 0.159; Δβ = −0.289, p = 0.013), di bawah invariansi pengukuran parsial (Franco et al. (2026)).

  • Keyakinan setelah protokol terstruktur mengikuti strukturnya, bukan dosisnya. Keyakinan pasca-protokol dalam memecahkan soal serupa secara mandiri rata-rata 7.18 pada skala 1–10 (σ = 1.62, n = 217), dengan rata-rata institusional hanya berkisar 6.86 hingga 7.52 di empat kampus. Ia mengikuti manfaat yang dipersepsikan dari penjelasan AI (r_s = 0.37) dan dari praktik yang direplikasi (r_s = 0.35), lebih lemah pada keyakinan AI sebelumnya (r_s = 0.20), dan tidak mengikuti frekuensi penggunaan (r_s = 0.02, p = 0.749) atau GPA yang dilaporkan sendiri (r_s = 0.13, p = 0.064) (Paul et al., 2026). Itu rute penguasaan — kesulitan yang dirancang, lalu percobaan mandiri — alih-alih lebih banyak waktu di dalam alat, sebuah pembedaan yang belum dimiliki halaman ini. Studi itu tidak mengukur hasil belajar apa pun, sehingga ia membatasi apa yang siswa yakini.

  • Tugas desain AI terbuka menyortir siswa menurut keyakinan yang sudah ada sebelumnya. Zangari et al. (2026) menemukan bahwa harga diri kinerja berkorelasi dengan ekstroversi (r = 0.262, p < 0.001) dalam mata kuliah di mana 345 siswa masing-masing membangun agen percakapan untuk mengajar seorang teman, dan bahwa mahasiswi melaporkan harga diri yang jauh lebih rendah daripada teman sebaya pria (Kruskal-Wallis H(2) = 9.87, p < .005). Inferensi desain yang ditarik para penulis: tugas kreatif percakapan yang terbuka menguntungkan mereka yang sudah yakin, sehingga "tugas desain terbuka [hendaknya] mencakup perancah yang memadai untuk membangun harga diri kinerja secara adil di semua tipe kepribadian" — sebuah peringatan bahwa tugas artefak buatan siswa dapat melebarkan, bukan menutup, celah keyakinan jika perancahnya tidak disengaja.

  • Efikasi diri berinteraksi dengan preferensi format, bukan hanya dengan hasil. Sebuah studi dalam-subjek berimbang (97 siswa kelas sembilan; praktik interpretasi dan konstruksi grafik berbasis tutor vs. berbasis kertas yang dicocokkan kontennya) menemukan praktik berbasis tutor mengalahkan kertas secara keseluruhan (t(62.30) = 2.38, p = .020), dan — berlawanan dengan intuisi — efikasi diri dasar yang lebih rendah memprediksi keuntungan yang lebih besar pada kedua format (t(98.40) = −2.14, p = .035). Struktur yang menarik adalah interaksi tiga arah yang signifikan antara efikasi diri × kesukaan × format (t(99.84) = −2.58, p = .011): di antara siswa dengan efikasi diri rendah, kesukaan terhadap tutor memprediksi keuntungan lebih besar khusus pada praktik tutor. Sebuah hasil nol yang menyadarkan bagi asumsi bahwa praktik tutor menguatkan dirinya sendiri secara motivasional: praktik ITS tidak secara signifikan memperbaiki efikasi diri pasca-latihan dibandingkan kertas — dikaitkan pada intervensi yang singkat (dua sesi ~40 menit). Sinyal praktisnya: efikasi diri dasar dan kesukaan terhadap teknologi adalah masukan yang murah dan dapat ditindaklanjuti untuk penugasan format; praktik tutor memanfaatkan kesukaan yang sudah ada alih-alih menciptakannya. (Self-efficacy and favorability shape learning from tutoring systems and paper practice)

  • Pengetahuan mencapai niat melalui kepercayaan, kecemasan dan efikasi diri. Dalam model PLS-SEM atas 526 mahasiswa desain, pengetahuan AIGC yang dipersepsikan berhubungan positif dengan kepercayaan, efikasi diri dan niat penggunaan serta negatif dengan kecemasan, dan kepercayaan, kecemasan dan efikasi diri masing-masing membawa jalur tidak langsung yang signifikan dari pengetahuan ke niat (Wei et al., 2026). Kecemasan berada di jalurnya alih-alih menghalanginya.

  • "Keyakinan menulis yang rendah muncul sebagai permintaan bantuan." Ia muncul sebagai permintaan prosa. Dalam studi esai terinstrumentasi, Skala Efikasi Diri untuk Menulis memprediksi total kueri secara negatif (-0.258, SE 0.075, p < 0.001), dan asosiasi itu berjalan melalui Translating (-0.949) dan Reviewing (-0.588) alih-alih Planning (-0.204) atau delegasi esai utuh (-0.016). Siswa yang meragukan tulisan mereka meminta model menghasilkan dan mengoreksi teks; mereka tidak memintanya menentukan apa yang harus diperdebatkan. Efikasi diri memprediksi ketergantungan, dan ketergantungan itu mengambil bentuk yang spesifik.

Keyakinan tidak melindungi pembelajar dari terlalu memercayai alat. Di antara 300 mahasiswa, Kim, Kim dan Zhang (2026) menemukan efikasi diri akademik berhubungan dengan kepercayaan berlebih pada AI (r = 0.230) dan memprediksinya pada B = 0.3901 (95% CI [0.2190, 0.5612]) dalam model mediasi serial, membalik hipotesis para penulis. Versi produktif dari keyakinan adalah keyakinan pada penilaian sendiri, yang justru dikatakan hilang oleh skor kepercayaan berlebih yang tinggi.

  • Keyakinan mencapai adopsi sebagian melalui literasi. Belief to behavior: how AI self-efficacy shapes AI acceptance through AI literacy menguji sebuah urutan pada 622 mahasiswa di Türkiye. Efikasi diri AI memprediksi penerimaan AI (B = 0.43, R² = 0.29), dan literasi AI membawa sebagian tautan itu (indirect B = 0.15, 95% CI [0.12, 0.19]) tanpa menyerapnya seluruhnya. Keyakinan juga harus diperhitungkan sebagai prediktor pengambilan, bukan hanya kapabilitas. Desainnya lintas-seksi tanpa kontrol demografis, sehingga arah dan porsi termediasi adalah asosiasi alih-alih efek.

  • Jejak perilaku dapat membawa sinyalnya, tetapi label menetapkan batas atasnya. Pipeline dua universitas mendeteksi efikasi diri rendah dari jejak interaksi; label sesi survei mengalahkan pembelahan tengah semester, dan subskala MSLQ saja memberi label sebaik instrumen lengkapnya (Somny, Chouati & Lefevre, 2026).

Miskonsepsi Umum

  • "Siswa yang kurang yakin menghindari AI." Pola sebaliknya muncul: dalam mata kuliah pembuktian dengan 153 siswa, efikasi diri dasar yang satu poin lebih tinggi memprediksi 39% lebih sedikit pesan chatbot. Keyakinan rendah mengarah ke penggunaan AI yang lebih berat — siswa yang paling perlu berlatih justru yang paling mungkin mengalihkannya.
  • "Lebih banyak penggunaan AI dengan keyakinan rendah adalah strategi koping yang tak berbahaya." Temuan yang sama menghubungkan pengarahan itu dengan skor lebih rendah, sehingga pola koping tersebut memiliki biaya terukur alih-alih menjadi pilihan netral.
  • "Literasi saja membangun keyakinan." Hu (2026) menyurvei 450 mahasiswa yang sudah menggunakan ChatGPT dan menemukan kepercayaan sebagai poros antara literasi dan keyakinan. Jalurnya melewati kepercayaan, sehingga menaikkan literasi tanpa menangani kepercayaan membiarkan mekanismenya tak tersentuh.
  • "Profil efikasi diri seragam dalam populasi penyandang disabilitas." Analisis profil laten atas 102 mahasiswa dengan disabilitas motorik di Spanyol menemukan tiga profil, dengan kelompok rendah pada 29.4% dan sisanya terbagi antara profil sedang dan lebih tinggi. Memperlakukan kelompok itu sebagai satu populasi akan merata-ratakan keadaan motivasional yang berbeda.

Konsep terkait

Artikel terkait

FAQ terkait

Metadata

Audiensi sasaranLearners
Pembelajaran dan pengajaranMotivasi, Efikasi Diri, Regulasi Diri dalam Belajar
Asesmen dan pengukuranPenilaian
Dasar-dasar AI dalam pendidikanLiterasi AI
SumberRiwayatSuntingObrolan

Sematkan halaman ini

Salin kode di bawah untuk menyematkan halaman ini di sistem manajemen pembelajaran atau situs web lain. Versi yang disematkan hanya menampilkan konten halaman — header, navigasi, dan footer situs disembunyikan.