Learning Journey Mapping
Learning Journey Mapping (LJM) adalah metode visual untuk mendokumentasikan setiap langkah yang dilalui pebelajar saat berinteraksi dengan solusi pembelajaran Anda. Jika kurikulum hanya fokus pada “apa yang dipelajari”, LJM fokus pada “bagaimana perasaan dan apa yang dilakukan pebelajar” di setiap tahap.
Berikut adalah materi mendalam mengenai komponen utama LJM:
1. Titik Sentuh (Touchpoints) Pebelajar
Section titled “1. Titik Sentuh (Touchpoints) Pebelajar”Touchpoint adalah setiap momen interaksi antara pebelajar dengan sistem, pengajar, atau materi. Dalam LJM, kita melihat perjalanan ini dalam siklus hidup yang lengkap:
A. Sebelum Mulai (Before) - Tahap Ekspektasi
Section titled “A. Sebelum Mulai (Before) - Tahap Ekspektasi”-
Awareness: Bagaimana pebelajar mengetahui adanya kursus ini? (Email, LMS, media sosial).
-
Onboarding: Proses pendaftaran, instalasi aplikasi, atau login pertama kali. Apakah instruksinya jelas?
-
Pre-assessment: Uji awal untuk menentukan tingkat kemampuan. Apakah ini terasa mengintimidasi atau memotivasi?
B. Selama Pembelajaran (During) - Tahap Interaksi
Section titled “B. Selama Pembelajaran (During) - Tahap Interaksi”-
Content Consumption: Membaca teks, menonton video, atau mendengarkan audio.
-
Social Interaction: Berdiskusi di forum, melakukan peer-review, atau sesi sinkronus (Zoom/Google Meet).
-
Practice & Feedback: Mengerjakan kuis atau proyek. Seberapa cepat mereka mendapatkan balasan?
-
Navigation: Berpindah dari satu modul ke modul lain di dalam platform.
C. Setelah Selesai (After) - Tahap Implementasi
Section titled “C. Setelah Selesai (After) - Tahap Implementasi”-
Certification: Proses mendapatkan sertifikat atau lencana (badge).
-
Transfer of Learning: Bagaimana pebelajar menerapkan ilmu di dunia nyata atau pekerjaan.
-
Community: Bergabung dengan grup alumni atau jaringan profesional untuk belajar berkelanjutan.
2. Mengidentifikasi “Pain Points” dan “Moments of Delight”
Section titled “2. Mengidentifikasi “Pain Points” dan “Moments of Delight””LJM membantu desainer memetakan fluktuasi emosi pebelajar. Kita ingin meminimalkan frustrasi dan memaksimalkan kepuasan.
A. Pain Points (Titik Hambatan/Frustrasi)
Section titled “A. Pain Points (Titik Hambatan/Frustrasi)”Ini adalah momen di mana pebelajar merasa bingung, bosan, atau ingin menyerah.
-
Hambatan Teknis: Link yang rusak, video yang buffering, atau navigasi LMS yang membingungkan.
-
Beban Kognitif (Cognitive Overload): Materi yang terlalu padat tanpa jeda, atau instruksi tugas yang ambigu.
-
Isolasi: Merasa belajar sendirian tanpa dukungan saat menemui kesulitan.
-
Feedback Delay: Menunggu terlalu lama untuk hasil ujian sehingga momentum belajar hilang.
B. Moment of Delight (Titik Kepuasan/Aha! Moments)
Section titled “B. Moment of Delight (Titik Kepuasan/Aha! Moments)”Ini adalah momen yang meningkatkan motivasi dan membuat pembelajaran berkesan.
-
“Aha!” Moment: Saat konsep sulit tiba-tiba menjadi jelas melalui simulasi atau analogi yang tepat.
-
Gamifikasi: Mendapatkan poin atau naik level setelah menyelesaikan tantangan sulit.
-
Personal Connection: Mendapatkan umpan balik yang personal dan manusiawi dari pengajar.
-
Relevansi Langsung: Saat pebelajar menyadari bahwa apa yang baru saja dipelajari bisa langsung menyelesaikan masalah mereka hari itu juga.
3. Komponen Visual dalam Dokumen LJM
Section titled “3. Komponen Visual dalam Dokumen LJM”Sebuah peta perjalanan belajar biasanya direpresentasikan dalam bentuk tabel atau diagram alir yang mencakup:
-
Tahapan (Phases): Langkah-langkah kronologis.
-
Tindakan (Actions): Apa yang dilakukan pebelajar di tahap tersebut?
-
Pikiran (Thoughts): Apa yang mereka tanyakan atau asumsikan?
-
Emosi (Emotions): Grafik naik-turun yang menunjukkan tingkat stres atau kebahagiaan.
-
Peluang (Opportunities): Ide desain untuk memperbaiki pain points atau memperkuat delight.
Peran Teknologi dalam LJM
Section titled “Peran Teknologi dalam LJM”Teknologi pendidikan modern (seperti xAPI atau Learning Analytics) memungkinkan kita mengumpulkan data nyata untuk memvalidasi LJM ini. Kita tidak lagi hanya menebak di mana pebelajar berhenti menonton video, tetapi kita bisa melihat datanya secara presisi.