Fitur Utama Sistem
Teknologi canggih dan fitur inovatif yang menjadikan AdaptiXLearn sistem pembelajaran adaptif terdepan
Tiga Fitur Utama
AdaptiXLearn menggabungkan teknologi terdepan dalam deteksi beban kognitif, adaptasi antarmuka, dan sistem umpan balik cerdas
Deteksi Beban Kognitif Multimodal
Multimodal real-time detection
Adaptasi Antarmuka Pengguna (AUI)
Dynamic UI personalization
Laporan & Umpan Balik Otomatis
Intelligent analytics system
Deteksi Beban Kognitif Multimodal
Sistem ini mampu mengenali tingkat beban kognitif pengguna secara real-time melalui kombinasi tiga sumber data utama yang bekerja secara sinergis untuk memberikan penilaian yang akurat dan komprehensif.
Eye-Gaze Tracking
Analisis mendalam terhadap pola tatapan mata pengguna meliputi fixation, saccade, dan gaze transition entropy untuk mengidentifikasi tingkat kesulitan dalam memproses informasi visual.
User Interaction Behavior
Monitoring perilaku interaksi seperti pola klik, navigasi, scroll, dan typing yang mencerminkan tingkat engagement dan kesulitan pengguna dalam berinteraksi dengan sistem.
Self-Report Subjective Rating
Penggunaan NASA-TLX questionnaire yang diinput oleh pengguna pada awal penggunaan untuk mendapatkan baseline persepsi subjektif terhadap beban mental yang dirasakan.
Hasil Klasifikasi
Dengan pendekatan ini, sistem menghasilkan klasifikasi beban kognitif dalam tiga kategori: Rendah, Sedang, Tinggi yang menjadi dasar adaptasi antarmuka.
Alur Deteksi Multimodal
Eye Gaze
Interaction
Self-Report
Machine Learning Processing
Klasifikasi Beban Kognitif
Contoh Adaptasi Antarmuka
🔴 Beban Kognitif Tinggi - Interface Disederhanakan
Interface disederhanakan dengan elemen minimal untuk mengurangi beban kognitif
🟢 Beban Kognitif Normal - Interface Lengkap
Interface dengan mode fokus yang memprioritaskan konten utama
Adaptasi Antarmuka Pengguna (AUI)
Berdasarkan hasil deteksi beban kognitif dan karakteristik awal pengguna (misalnya gaya belajar dan kapasitas memori kerja), sistem akan menyesuaikan berbagai aspek antarmuka secara dinamis untuk mengoptimalkan pengalaman pembelajaran.
Jumlah Elemen yang Ditampilkan
Menyesuaikan kompleksitas visual dengan mengurangi atau menambah elemen UI berdasarkan kapasitas kognitif pengguna saat ini.
Struktur Navigasi dan Alur Pembelajaran
Mengatur ulang hierarki menu dan alur pembelajaran untuk meminimalkan cognitive overhead dalam navigasi sistem.
Pemberian Highlight dan Penekanan
Memberikan penekanan visual yang tepat pada informasi penting tanpa menambah beban kognitif yang tidak perlu.
Penyederhanaan atau Perluasan Konten
Menyesuaikan tingkat detail konten pembelajaran berdasarkan kemampuan pemrosesan informasi pengguna pada saat tertentu.
Laporan & Umpan Balik Otomatis
Adaptasi dilakukan menggunakan pendekatan rule-based engine yang ditentukan dari user model. Setelah sesi belajar, sistem akan memberikan laporan komprehensif dan rekomendasi yang actionable untuk meningkatkan pengalaman pembelajaran selanjutnya.
Ringkasan Kemajuan Belajar
Analisis mendalam tentang pencapaian learning objectives dan pola belajar pengguna.
Estimasi Beban Kognitif
Visualisasi tren beban kognitif selama sesi pembelajaran dengan analisis temporal.
Rekomendasi untuk Sesi Berikutnya
Saran konkret seperti waktu istirahat optimal, materi pengayaan, atau penyesuaian tingkat kesulitan.
Multi-Stakeholder Access
Laporan ini tersedia untuk mahasiswa maupun dosen dengan tingkat detail yang disesuaikan dengan kebutuhan masing-masing peran dalam proses pembelajaran.
Contoh Laporan Sistem
Dashboard Laporan AdaptiXLearn
Antarmuka adaptif lanjutan yang menampilkan analitik pembelajaran, tren beban kognitif, dan rekomendasi yang dipersonalisasi untuk meningkatkan efektivitas pembelajaran.