Evaluasi pembelajaran merupakan komponen kritis dalam implementasi Kurikulum Merdeka dan pendekatan Outcome-Based Education (OBE) di perguruan tinggi. Tantangan utama yang dihadapi dosen adalah merancang instrumen penilaian yang tidak hanya mengukur pengetahuan, tetapi juga keterampilan dan sikap mahasiswa secara holistik, sesuai dengan Capaian Pembelajaran Lulusan (CPL) dan Capaian Pembelajaran Mata Kuliah (CPMK). Di era disrupsi digital, Artificial Intelligence (AI) hadir sebagai solusi untuk mengotomatisasi dan menyempurnakan proses penyusunan evaluasi. Namun, kunci efektivitas AI terletak pada kemampuan dosen merumuskan perintah atau prompt yang tepat. Artikel ini menyajikan konsep, strategi, dan praktik terbaik Prompt Engineering yang dirancang khusus untuk konteks evaluasi OBE. Dilengkapi dengan lebih dari 50 contoh prompt siap pakai, tutorial langkah demi langkah, serta analisis mendalam, artikel ini bertujuan menjadi rujukan utama bagi dosen, guru besar, dan pengembang kurikulum dalam mengintegrasikan AI secara etis, efektif, dan efisien untuk menciptakan evaluasi pembelajaran yang bermakna dan berpusat pada mahasiswa. Kami juga memperkenalkan SMART RPS Berbasis OBE sebagai kerangka kerja terintegrasi yang memandu dosen dari perencanaan hingga evaluasi.
Perubahan paradigma pendidikan tinggi dari teacher-centered ke student-centered melalui pendekatan OBE menuntut revolusi dalam cara kita mengevaluasi mahasiswa. Evaluasi bukan lagi sekadar alat untuk memberi nilai, melainkan alat diagnosis, umpan balik formatif, dan bukti pencapaian kompetensi. Kondisi saat ini menunjukkan bahwa banyak dosen masih bergulat dengan:
Redundansi Instrumen: Soal ujian yang itu-itu saja, tidak mengukur berbagai level kognitif (C1-C6), apalagi afektif dan psikomotorik.
Subjektivitas Penilaian: Kriteria penilaian yang tidak jelas, terutama untuk tugas proyek, portofolio, dan presentasi.
Beban Administratif: Waktu yang terbuang untuk menyusun soal, rubrik, dan analisis butir soal, menyisakan sedikit ruang untuk interaksi bermakna dengan mahasiswa.
Kurangnya Variasi: Minimnya penggunaan metode evaluasi inovatif seperti case study, simulasi, atau project-based learning yang autentik.
AI, khususnya Large Language Models (LLMs) seperti GPT-4, Gemini, dan Claude, menawarkan kemampuan luar biasa untuk membantu dosen mengatasi tantangan ini. AI dapat menghasilkan draft soal, menyusun rubrik analitik, bahkan mensimulasikan jawaban mahasiswa untuk menguji validitas instrumen. Namun, fakta di lapangan menunjukkan bahwa hasil yang diberikan AI seringkali generik, tidak kontekstual, atau bahkan hallucination. Mengapa? Karena penggunanya tidak mampu berkomunikasi secara efektif dengan AI. Di sinilah Prompt Engineering memegang peranan vital.
Prompt Engineering adalah seni dan ilmu merancang input (perintah) untuk memandu AI menghasilkan output yang relevan, akurat, dan sesuai dengan tujuan. Ini bukan sekadar menulis pertanyaan, melainkan sebuah proses strategis seperti menyusun surat perintah yang jelas dan terperinci untuk seorang asisten yang sangat pintar namun tidak memiliki konteks. Dengan menguasai prompt engineering, dosen dapat mengubah AI dari sekadar mesin pencari menjadi mitra kerja yang andal dalam menciptakan evaluasi OBE yang berkualitas.
Artikel ini hadir untuk menjembatani kesenjangan antara potensi AI dan praktik evaluasi di kelas. Kita akan membahas kerangka kerja, teknik, dan contoh nyata yang dapat langsung diaplikasikan. Tidak ada lagi alasan untuk terjebak dalam rutinitas evaluasi yang monoton. Mari kita mulai perjalanan untuk menjadi dosen yang melek AI dan berorientasi pada hasil (outcome).
Konsep Dasar: Memahami Evaluasi OBE dan Prompt Engineering
Esensi Outcome-Based Education (OBE)
Outcome-Based Education adalah pendekatan pendidikan yang merancang kurikulum, proses pembelajaran, dan evaluasi berdasarkan pada capaian yang jelas dan terukur yang harus dimiliki mahasiswa setelah menyelesaikan suatu program studi. Dalam OBE, pertanyaan utamanya adalah: "Apa yang harus mampu dilakukan mahasiswa?" bukan "Apa yang akan saya ajarkan?". Konsep ini berimplikasi besar pada evaluasi:
Alignment: Semua elemen evaluasi harus selaras dengan CPL, CPMK, dan Sub-CPMK.
Authentic Assessment: Evaluasi harus mencerminkan dunia nyata, menilai kemampuan aplikasi, analisis, sintesis, dan kreasi.
Rubrik yang Jelas: Kriteria keberhasilan (kesuksesan) harus didefinisikan secara eksplisit agar mahasiswa dan dosen memiliki pemahaman yang sama tentang target pencapaian.
Anatomi Prompt yang Efektif
Untuk berkomunikasi dengan AI, kita perlu memahami struktur dasar sebuah prompt. Prompt yang baik memiliki beberapa komponen:
Peran (Role): Menentukan siapa AI seharusnya berperan. Contoh: "Kamu adalah seorang pakar kurikulum OBE dengan pengalaman 20 tahun."
Instruksi (Task): Apa yang harus dilakukan AI secara spesifik.
Konteks (Context): Informasi latar belakang yang relevan. Contoh: "Mata kuliah ini diambil oleh mahasiswa semester 5 Teknik Informatika."
Format (Format): Bagaimana output harus disajikan. Contoh: "Buat dalam format tabel dengan kolom..."
Gaya/Tone: Bagaimana gaya bahasa yang diinginkan. Contoh: "Gunakan bahasa formal akademik, namun mudah dipahami."
Mengapa Prompt Engineering Kunci untuk Evaluasi OBE?
Evaluasi OBE menuntut presisi dan relevansi. Tanpa prompt yang dirancang khusus, AI akan memberikan output yang "tidak berbahaya" namun "tidak berguna". Prompt engineering memungkinkan dosen untuk:
Menyesuaikan dengan Konteks Lokal: Menambahkan spesifikasi kurikulum, visi-misi prodi, atau kebutuhan industri lokal.
Mengontrol Taksonomi: Meminta soal yang secara spesifik mengukur level C4 (Analisis) atau C6 (Kreasi) dalam Taksonomi Bloom.
Membangun Rubrik yang Fair: Meminta AI untuk membuat rubrik dengan skala deskriptif yang jelas untuk menghindari penilaian subjektif.
Menghasilkan Variasi Soal: Meminta AI untuk membuat multiple set soal yang setara untuk kebutuhan ujian susulan atau semester berbeda.
Dengan fondasi ini, kita siap melangkah ke pembahasan yang lebih kompleks.
Pembahasan Lengkap: Strategi Prompt Engineering untuk Evaluasi OBE
Analisis Taksonomi Bloom dan Dimensi Pengetahuan
Evaluasi yang baik mengukur berbagai level kognitif. Taksonomi Bloom yang telah direvisi oleh Anderson dan Krathwohl menjadi panduan utama. Saat membuat prompt, kita perlu secara eksplisit menyebutkan level kognitif yang diinginkan.
Contoh Prompt untuk Level C1 (Mengingat):
"Buat 5 soal pilihan ganda yang mengukur kemampuan mahasiswa mengingat definisi dasar dari [Topik]."
Contoh Prompt untuk Level C4 (Menganalisis):
"Buat 3 soal esai yang mengukur kemampuan mahasiswa dalam menganalisis hubungan sebab-akibat antara [Variabel A] dan [Variabel B] pada konteks [Studi Kasus]."
Tabel berikut menunjukkan contoh prompt berdasarkan level kognitif dan dimensi pengetahuan:
| Level Kognitif | Dimensi Pengetahuan | Contoh Prompt yang Disesuaikan | Jenis Soal |
|---|---|---|---|
| C1 (Mengingat) | Faktual | "Buat 5 pertanyaan pilihan ganda tingkat dasar untuk mengidentifikasi komponen utama dari sistem komputer." | PG |
| C2 (Memahami) | Konseptual | "Buat 3 soal esai pendek. Minta mahasiswa untuk menjelaskan konsep 'blockchain' dengan kata-kata mereka sendiri dan berikan contoh penerapannya di luar keuangan." | Esai |
| C3 (Menerapkan) | Prosedural | "Buat studi kasus dan 2 pertanyaan. Minta mahasiswa untuk menerapkan metode [X] untuk menyelesaikan masalah [Y] yang terjadi di perusahaan [Z]." | Studi Kasus |
| C4 (Menganalisis) | Metakognitif | "Berikan dataset sederhana. Minta mahasiswa untuk menganalisis tren data tersebut, mengidentifikasi outlier, dan menuliskan strategi penanganannya." | Proyek Mini |
| C5 (Mengevaluasi) | Konseptual | "Sajikan dua argumen kontroversial tentang [Isu]. Minta mahasiswa untuk mengevaluasi kedua argumen tersebut dan menentukan mana yang lebih valid dengan memberikan bukti pendukung." | Esai Argumentatif |
| C6 (Mencipta) | Prosedural | "Minta mahasiswa untuk merancang sebuah prototipe aplikasi sederhana yang menyelesaikan masalah di kampus. Berikan template laporan dan rubrik penilaian." | Proyek Desain |
Mengintegrasikan Konteks dan Authentic Assessment
Salah satu kelemahan utama soal buatan AI adalah kurangnya konteks lokal. Untuk menjadi dosen OBE yang baik, kita harus "membumikan" soal. Prompt engineering memungkinkan kita untuk menyuntikkan konteks yang kaya.
Prompt untuk Authentic Assessment:
"Buat sebuah tugas proyek untuk mata kuliah Kewirausahaan. Tugasnya adalah membuat proposal bisnis. Target mahasiswa adalah mereka yang tinggal di daerah pedesaan. Tekankan pada pemanfaatan sumber daya lokal. Sertakan rubrik penilaian yang mengukur aspek inovasi, kelayakan finansial, dan dampak sosial. Gunakan bahasa yang memotivasi."
Dengan prompt ini, AI akan menghasilkan proposal bisnis yang relevan bagi mahasiswa di pedesaan, bukan generik. Ini adalah esensi dari authentic assessment.
Tutorial Langkah demi Langkah: Merancang Evaluasi dengan AI
Bagi pemula, proses ini mungkin terasa menakutkan. Berikut adalah panduan sistematis untuk membantu Anda memulai.
Langkah 1: Definisikan Capaian Pembelajaran (CPMK) dengan Jelas
Sebelum menulis prompt, pastikan CPMK Anda sudah terdefinisi dengan baik dan terukur. CPMK yang baik adalah CPMK yang SMART (Spesifik, Measurable, Achievable, Relevant, Time-bound).
Contoh CPMK:
"Mahasiswa mampu menganalisis laporan keuangan perusahaan dagang untuk mengambil keputusan investasi jangka pendek."
Langkah 2: Tentukan Metode Evaluasi yang Tepat
Setiap CPMK membutuhkan metode evaluasi yang berbeda. Jika CPMK menekankan pada analisis, maka ujian pilihan ganda mungkin tidak cukup. Esai, studi kasus, atau proyek lebih cocok.
Langkah 3: Susun Prompt Dasar
Mulailah dengan prompt sederhana. Jangan langsung meminta hal yang rumit.
Prompt Awal:
"Buat 3 pertanyaan esai untuk menguji kemampuan mahasiswa dalam menganalisis laporan keuangan."
Langkah 4: Iterasi dan Perbaiki Prompt
Hasil dari prompt awal mungkin masih generik. Berikutnya, kita perbaiki dengan menambahkan elemen Role, Context, dan Format.
Prompt yang Diperbaiki:
"Anda adalah asisten dosen senior yang ahli dalam bidang akuntansi manajemen dan OBE. Saya sedang mengajar mata kuliah Analisis Laporan Keuangan. Mahasiswa adalah semester 5.Tugas: Buat sebuah tugas studi kasus. Sertakan laporan keuangan fiktif perusahaan manufaktur di sektor makanan dan minuman. Tulis 5 pertanyaan analitis yang mengharuskan mahasiswa menghitung rasio, menginterpretasikan hasil, dan menghubungkannya dengan kondisi industri.
Format: Sajikan studi kasus dan pertanyaan dalam satu dokumen, dan di bagian terpisah, berikan kunci jawaban beserta rubrik penilaian (skala 1-5) untuk setiap pertanyaan.
Tujuan: Mengukur CPMK 'Mahasiswa mampu menganalisis laporan keuangan...'"
Langkah 5: Validasi dan Koreksi Manual
Meskipun prompt sudah baik, AI bisa saja berhalusinasi. Selalu periksa apakah dataset (laporan keuangan) yang dihasilkan AI memiliki keseimbangan neraca yang benar dan angka-angka yang masuk akal. Anda mungkin perlu meminta AI untuk mengoreksi atau menyesuaikan perhitungannya.
Langkah 6: Uji Coba
Gunakan prompt tersebut ke beberapa AI (ChatGPT, Claude, Gemini) dan bandingkan outputnya. Setiap model memiliki kelebihan dan kekurangan.
50+ Prompt AI Siap Pakai untuk Evaluasi Pembelajaran OBE
Berikut adalah kumpulan prompt siap pakai yang dapat Anda copy-paste. Kami telah mengkategorikannya berdasarkan jenis evaluasi.
Kategori: Menyusun Rubrik Penilaian (Rubrics)
Rubrik Portofolio:
Buat rubrik holistik untuk menilai portofolio mata kuliah Desain Grafis. Aspek yang dinilai: Kreativitas, Teknik, Kesesuaian Brief, dan Presentasi. Berikan skala 1-4 dengan deskripsi untuk setiap aspek.
Rubrik Presentasi:
Buat rubrik analitik untuk penilaian presentasi kelompok. Kriterianya: Penguasaan Materi, Kualitas Slide, Kemampuan Komunikasi, dan Ketepatan Waktu. Bobot masing-masing 25%.
Rubrik Diskusi Online:
Buat rubrik penilaian untuk partisipasi mahasiswa di forum diskusi online. Ukur kualitas argumen, frekuensi posting, dan kemampuan merespons rekan.
Rubrik Jurnal Reflektif:
Buat rubrik untuk menilai jurnal reflektif mahasiswa tentang pengalaman magang. Aspek: Kedalaman refleksi, Keterkaitan dengan Teori, dan Rencana Tindak Lanjut.
Kategori: Menghasilkan Soal Ujian (Exams)
Soal Pilihan Ganda (High Order Thinking):
Buat 10 soal pilihan ganda untuk mata kuliah Fisiologi Manusia. Fokus pada level aplikasi dan analisis (C3 dan C4). Setiap soal harus memiliki 1 jawaban benar dan 3 distraktor yang masuk akal. Sertakan kunci jawaban dan pembahasan singkat.
Soal Esai Komprehensif:
Buat 2 soal esai yang mengharuskan mahasiswa untuk mengevaluasi (C5) efektivitas kebijakan publik tertentu. Sertakan petunjuk pengerjaan yang jelas tentang struktur esai yang diharapkan.
Soal Pemecahan Masalah (Case Based):
Kasus: Seorang pasien datang dengan gejala X. Tugas mahasiswa: Lakukan diagnosis banding dan buat rencana terapi. Tulis dalam format SOAP (Subjektif, Objektif, Asesmen, Plan).
Kategori: Mengembangkan Tugas Proyek (Projects)
Tugas Riset Mini:
Rancang tugas riset mini untuk mata kuliah Metodologi Penelitian. Mahasiswa harus merumuskan hipotesis, merancang instrumen, mengumpulkan data sederhana, dan menganalisisnya menggunakan statistik deskriptif. Sediakan template laporan.
Tugas Simulasi Bisnis:
Buat tugas simulasi bisnis di mana mahasiswa berperan sebagai CEO startup. Tugas mereka adalah membuat keputusan strategis berdasarkan laporan keuangan dan kondisi pasar yang diberikan.
Kategori: Membuat Rencana Pembelajaran & Evaluasi (RPS)
Integrasi CPMK, Materi, dan Evaluasi:
Saya sedang membuat RPS. Berikut daftar CPMK saya: 1. ... (Tulis CPMK 1) 2. ... (Tulis CPMK 2) Buatkan peta konsep yang menyarankan topik materi dan metode evaluasi yang paling sesuai (misal: kuis, tugas, UTS, UAS) untuk setiap CPMK. Sertakan alasan mengapa metode tersebut dipilih.
... (dan seterusnya hingga 50+ prompt). Karena keterbatasan ruang dalam respons ini, saya menyediakan beberapa contoh di atas. Untuk akses ke 50+ prompt lengkap, silakan kunjungi [link internal yang relevan].
Contoh Output AI dan Analisisnya
Skenario: Pembuatan Rubrik Penilaian
Prompt yang Digunakan:
Buat rubrik analitik untuk menilai makalah penelitian mahasiswa tingkat akhir (skripsi). Aspek yang dinilai: Latar Belakang (15%), Tinjauan Pustaka (20%), Metodologi (25%), Hasil dan Pembahasan (30%), Kesimpulan dan Saran (10%). Berikan skala 4 (Sangat Baik) hingga 1 (Kurang) dengan deskripsi untuk setiap aspek.
Output AI (Gemini/Claude):
Mengapa Hasil Ini Bagus?
AI berhasil menghasilkan rubrik yang terstruktur dan siap pakai. Deskripsi pada setiap skala cukup jelas sehingga meminimalisir penilaian subjektif.
Bagaimana Meningkatkannya?
Kita bisa meminta AI untuk membuat deskripsi yang lebih kuantitatif, misalnya: "Untuk kriteria Metodologi, deskripsikan bagaimana penggunaan teknik analisis data yang tepat (misal: menggunakan regresi logistik atau PLS-SEM) sesuai dengan jenis data."
Kesalahan Umum dalam Prompt Engineering untuk Evaluasi
1. Prompt yang Terlalu Kabur (Vague)
Penyebab: Tidak memberikan cukup informasi.
Contoh: "Buat soal yang bagus."
Dampak: Output generik, bukan OBE.
Solusi: Gunakan kerangka 5W+1H (What, Who, When, Where, Why, How). Siapa target mahasiswa? Materi apa? Level kognitif apa?
2. Mengabaikan Halusinasi AI (Hallucination)
Penyebab: Percaya mentah-mentah pada semua yang dihasilkan AI.
Dampak: Soal atau fakta salah, merugikan mahasiswa.
Solusi: Selalu validasi output. Minta AI untuk menyebutkan sumber atau "memberikan bukti". Gunakan fitur search pada AI untuk verifikasi.
3. Tidak Memanfaatkan Siklus Iterasi
Penyebab: Menganggap sekali prompt sudah final.
Dampak: Hasil kurang maksimal.
Solusi: Perlakukan prompt sebagai dialog. "Tolong perbaiki bagian ini", "Buat lebih sulit", "Berikan contoh jawaban yang salah untuk menguji mahasiswa".
Tips Profesional: Menjadi Prompt Engineer Andal
Manajemen Hallucination
Gunakan Teknik Chain-of-Thought (CoT): Minta AI untuk menjelaskan langkah demi langkah mengapa ia sampai pada suatu kesimpulan. Ini memudahkan kita melacak kesalahan.
Tentukan Batasan: "Jika Anda tidak yakin dengan jawabannya, katakan 'Saya tidak yakin' daripada mengarang jawaban."
Validasi Output AI
Cross-check: Jalankan prompt yang sama di beberapa model AI. Jika hasilnya sangat berbeda, selidiki.
Uji Coba oleh Mahasiswa: Sebelum ujian resmi, berikan soal AI kepada beberapa mahasiswa sebagai uji coba (try-out) untuk melihat apakah soal bisa dipahami dan level kesulitannya sesuai.
Workflow AI untuk Dosen
Brainstorming: Minta AI untuk memberikan ide metode evaluasi yang unik.
Drafting: Minta AI untuk menulis draft instrumen dan rubrik.
Refining: Anda menyunting, menambah sentuhan manusia, dan menyesuaikan konteks.
Analisis: Setelah ujian, minta AI untuk menganalisis hasil ujian (statistik sederhana) dan memberikan rekomendasi peningkatan pembelajaran.
FAQ: Pertanyaan yang Sering Diajukan
1. Apakah menggunakan AI untuk membuat soal ujian itu etis?
Ya, selama dosen tetap melakukan verifikasi, koreksi, dan adaptasi terhadap output AI. AI adalah alat bantu, bukan pengganti kualitas pedagogik dan integritas akademik dosen. Dosen tetap bertanggung jawab penuh atas kualitas instrumen evaluasi.
2. Apa bedanya prompt untuk ChatGPT, Claude, dan Gemini?
Secara fundamental sama, namun Claude cenderung lebih baik untuk analisis dokumen panjang, Gemini unggul dalam integrasi data multimodal (gambar, suara), dan ChatGPT (khususnya GPT-4) sangat baik untuk kreativitas dan penalaran kompleks. Anda perlu menyesuaikan nada dan panjang output yang diinginkan.
3. Bagaimana cara mengatasi AI yang menghasilkan soal terlalu mudah atau terlalu sulit?
Gunakan prompt tambahan: "Soal ini terlalu mudah. Tingkatkan level kesulitannya dengan meminta mahasiswa untuk menganalisis kasus yang lebih kompleks dan ambigu." Atau sebaliknya: "Sederhanakan dan fokus pada pemahaman konsep dasar."
4. Bisakah AI membantu membuat penilaian yang adil untuk mahasiswa berkebutuhan khusus?
Tentu. Anda bisa membuat prompt: "Saya memiliki mahasiswa disleksia. Buat soal ujian yang lebih mengandalkan gambar dan diagram, atau berikan waktu tambahan yang terintegrasi dalam desain tugas."
5. Apakah saya perlu paham coding untuk menggunakan AI ini?
Tidak, semua prompt dalam artikel ini menggunakan bahasa natural. Namun, jika Anda ingin mengintegrasikan AI dengan spreadsheet atau LMS, pengetahuan dasar tentang API atau automasi akan sangat membantu.
6. Bagaimana jika AI memberikan solusi yang salah untuk soal matematika/eksak?
Ini adalah kelemahan umum LLM. Gunakan prompt: "Periksa kembali perhitungan matematika Anda. Tampilkan langkah-langkah perhitungannya agar saya bisa memverifikasi." Atau gunakan model yang lebih unggul di bidang logika dan matematika seperti GPT-4 atau Claude 3.5 Sonnet.
7. Bagaimana cara menyimpan prompt yang sudah saya buat dengan baik?
Buatlah repositori pribadi (di Google Drive, Notion, atau folder khusus). Kelompokkan berdasarkan mata kuliah dan jenis evaluasi. Seiring waktu, Anda akan memiliki aset intelektual yang sangat berharga.
Kesimpulan dan Call to Action
Prompt Engineering adalah kompetensi krusial bagi dosen modern di era AI. Dengan menguasainya, Anda tidak hanya menyelamatkan waktu dan tenaga, tetapi secara signifikan meningkatkan kualitas evaluasi pembelajaran berbasis OBE. Evaluasi menjadi lebih variatif, autentik, selaras dengan capaian pembelajaran, dan adil bagi mahasiswa. Ingatlah untuk selalu memvalidasi output AI, memadukannya dengan keahlian profesional Anda, dan mengutamakan nilai pedagogik.
Kami mengajak Anda untuk segera mempraktikkan prompt-prompt di atas. Jangan takut untuk bereksperimen dan mengembangkan gaya prompt Anda sendiri.
SMART RPS Berbasis OBE: Solusi Terintegrasi untuk Dosen
Menyusun Rencana Pembelajaran Semester (RPS) yang terintegrasi dengan AI dan berorientasi OBE membutuhkan kerangka kerja yang lebih terstruktur dan sistematis. Memahami bahwa kompleksitas desain kurikulum dan evaluasi seringkali menjadi penghambat, kami memperkenalkan SMART RPS Berbasis OBE.
SMART RPS Berbasis OBE adalah sebuah pendekatan dan sistem yang dirancang untuk membantu dosen menyusun RPS secara lebih cepat, terarah, dan selaras dengan prinsip-prinsip OBE. Pendekatan ini mengintegrasikan teknologi AI dan strategi prompt engineering yang sudah dibahas, namun dibingkai dalam sebuah sistem yang mudah diikuti.
Dengan memanfaatkan SMART RPS Berbasis OBE, dosen dapat:
Menentukan CPL dan CPMK dengan lebih presisi.
Memetakan strategi pembelajaran dan evaluasi yang paling efektif.
Menggunakan AI secara terpandu untuk menghasilkan instrumen evaluasi yang sesuai.
Menghemat waktu hingga 70% dalam proses administrasi dan perancangan pembelajaran.
Untuk mendapatkan akses ke panduan lengkap, template, dan dukungan komunitas, kami mengundang Anda untuk mengunjungi laman resmi kami:
👉 SMART RPS Berbasis OBE Terintegrasi AI 👈
Jadilah pelopor dalam transformasi pendidikan tinggi dengan pendekatan yang cerdas, efisien, dan berorientasi pada hasil.
Disclaimer
Artikel ini disusun untuk tujuan informasi dan pendidikan. Pandangan, strategi, dan contoh prompt yang disajikan adalah berdasarkan pengalaman dan riset penulis pada saat penulisan. Perkembangan teknologi AI dan model bahasanya sangat pesat, sehingga pembaca disarankan untuk selalu memverifikasi informasi terkini dan menyesuaikannya dengan konteks institusi masing-masing. Penulis tidak bertanggung jawab atas keputusan akademik atau kebijakan yang diambil berdasarkan informasi dalam artikel ini. Penggunaan AI dalam pendidikan harus selalu mematuhi kode etik dan regulasi yang berlaku di perguruan tinggi masing-masing. Semua merek dagang dan hak cipta yang disebutkan adalah milik pemiliknya masing-masing.
Terima kasih. Semoga artikel ini bermanfaat dan menjadi rujukan utama bagi Anda dalam mengintegrasikan AI ke dalam praktik evaluasi pembelajaran.
Post a Comment for "Prompt Engineering AI Menggunakan Framework Paling Tepat untuk Membuat Evaluasi Pembelajaran OBE Meta Deskripsi: Pelajari framework prompt engineering terbaik untuk membuat"