Pembelajaran Mikro Pintar: Kerangka Amalan Pengintegrasian Gemini dan NotebookLM dalam Pembelajaran Matematik Tambahan

Pengenalan

Perkembangan pesat kecerdasan buatan (Artificial Intelligence, AI) telah mengubah landskap pendidikan dengan menyediakan peluang baharu untuk memperkasa pengajaran dan pembelajaran. Dalam pendidikan matematik, AI generatif berpotensi menyokong penyelesaian masalah, maklum balas dan perancangan pengajaran. Walau bagaimanapun, penggunaannya perlu disertai pemantauan manusia kerana AI juga boleh menghasilkan maklumat yang tidak tepat dan mendorong kebergantungan berlebihan dalam kalangan murid.

Dalam mata pelajaran Matematik Tambahan, murid sering berhadapan dengan konsep abstrak, prosedur yang kompleks dan kandungan yang bersifat kumulatif. Keadaan ini boleh meningkatkan beban kognitif, khususnya apabila terlalu banyak elemen baharu perlu diproses secara serentak. Menurut Teori Beban Kognitif, kapasiti memori kerja adalah terhad dan reka bentuk pengajaran perlu mengurus kerumitan kandungan supaya pembelajaran dapat berlaku secara lebih berkesan.

Pendekatan pembelajaran mikro (microlearning) memenuhi keperluan tersebut melalui penyampaian kandungan dalam unit kecil, berfokus dan berorientasikan objektif. Sorotan sistematik menunjukkan bahawa microlearning berpotensi menyokong hasil pembelajaran kognitif, tingkah laku dan afektif, termasuk pengekalan pengetahuan, penyelesaian masalah, motivasi dan efikasi kendiri. Sehubungan itu, artikel ini memperkenalkan Pembelajaran Mikro SMART, iaitu satu kerangka amalan yang mengintegrasikan microlearning dengan Gemini dan NotebookLM bagi menyokong pembelajaran Matematik Tambahan yang lebih berstruktur, bermakna dan responsif terhadap keperluan murid.

Kerangka Pembelajaran Mikro SMART

Kerangka SMART Microlearning disokong oleh tiga asas teori utama. Pertama, Teori Beban Kognitif Sweller menjelaskan bahawa kandungan yang kompleks perlu disusun secara berperingkat agar tidak melebihi kapasiti memori kerja murid. Penyampaian dalam segmen kecil dapat mengurangkan beban kognitif luaran dan membolehkan murid menumpukan sumber mental kepada pembentukan skema matematik yang bermakna. Kedua, Teori Konstruktivisme Sosial Vygotsky menekankan pembinaan pengetahuan melalui interaksi dan sokongan perancah. Dalam kerangka ini, guru, Gemini dan NotebookLM menyediakan sokongan yang membantu murid bergerak daripada perkara yang mampu dilakukan dengan bimbingan kepada penguasaan secara kendiri. Ketiga, Teori Kognitif Sosial Bandura menerangkan bahawa pengalaman kejayaan, refleksi dan maklum balas dapat membentuk efikasi kendiri. Pembelajaran melalui tugasan kecil yang boleh dikuasai memberi murid pengalaman penguasaan yang berpotensi meningkatkan keyakinan mereka dalam Matematik Tambahan.

Rajah 1. Kerangka Pembelajaran Mikro SMART

Kerangka ini boleh diaplikasikan dalam pelbagai topik Matematik Tambahan dan disesuaikan mengikut tahap penguasaan murid. Pendekatan ini bukan bertujuan menggantikan peranan guru, tetapi memperkukuh amalan pengajaran melalui penggunaan AI yang terancang dan berfokus.

Contoh Pelaksanaan Pembelajaran Mikro SMART dalam Matematik Tambahan

SMART Microlearning boleh diaplikasikan dalam pelbagai topik Matematik Tambahan melalui pembelajaran secara berperingkat menggunakan modul yang ringkas dan berfokus. Pendekatan ini selaras dengan Teori Beban Kognitif yang menekankan penyampaian kandungan secara terkawal bagi mengurangkan beban memori kerja murid, sekali gus meningkatkan keberkesanan pembelajaran.

Sebagai contoh, bagi topik koordinat geometri, guru membahagikan kandungan kepada empat modul, iaitu kecerunan, pembahagian tembereng garis, persamaan garis lurus dan lokus. Sebelum PdP, guru memuat naik nota dan bahan pembelajaran ke NotebookLM untuk menghasilkan ringkasan, FAQ dan Audio Overview. Semasa PdP, Gemini digunakan untuk menerangkan konsep, menjana contoh serta menyediakan latihan yang bersesuaian, manakala guru bertindak sebagai fasilitator yang membimbing pembelajaran. Pendekatan ini selaras dengan konsep sokongan perancah Vygotsky, di mana AI menyokong pembelajaran tanpa menggantikan guru.

Selepas PdP, murid membuat refleksi terhadap penyelesaian yang diperoleh, manakala guru dan Gemini memberikan maklum balas bagi membantu penambahbaikan. Maklum balas yang berterusan dapat menyokong pembentukan efikasi kendiri murid melalui pengalaman penguasaan sebagaimana dijelaskan dalam Teori Kognitif Sosial Bandura. Jadual 1 menunjukkan contoh pelaksanaan SMART Microlearning menggunakan Gemini dan NotebookLM bagi topik Koordinat Geometri.

Implikasi

Pembelajaran Mikro SMART menawarkan pendekatan yang praktikal dalam memperkasa pengajaran dan pembelajaran Matematik Tambahan melalui pengintegrasian AI secara terancang. Dengan memanfaatkan Gemini dan NotebookLM, guru dapat menyediakan bahan pembelajaran yang lebih sistematik, menjana latihan yang pelbagai serta memberikan maklum balas dengan lebih pantas. Hal ini selari dengan pandangan bahawa AI generatif berpotensi menyokong perancangan pengajaran, pembelajaran diperibadikan dan penghasilan sumber pembelajaran yang lebih berkualiti apabila digunakan secara beretika dan di bawah bimbingan guru.

Bagi murid, Pembelajaran Mikro SMART menyokong pembelajaran mengikut kadar penguasaan masing-masing melalui kandungan yang disampaikan secara berperingkat dan mudah difahami. Pendekatan microlearning didapati membantu mengurangkan beban kognitif, meningkatkan penglibatan murid dan memperkukuh kefahaman konsep, manakala penggunaan AI dapat menyediakan maklum balas segera, pembelajaran diperibadikan serta meningkatkan hasil pembelajaran dan motivasi murid. Walau bagaimanapun, penggunaan AI perlu dipandu oleh guru bagi memastikan ketepatan maklumat, penggunaan yang beretika dan pencapaian objektif pembelajaran.

Kesimpulan

Pembelajaran Mikro SMART merupakan satu kerangka amalan yang menggabungkan pendekatan microlearning dengan keupayaan Gemini dan NotebookLM bagi menyokong pengajaran dan pembelajaran Matematik Tambahan. Melalui lima komponen utama, kerangka ini membantu guru merancang pengalaman pembelajaran yang lebih tersusun, interaktif dan berpusatkan murid tanpa mengabaikan peranan guru sebagai fasilitator utama.

Dalam era pendidikan digital, pengintegrasian AI secara kreatif, beretika dan terancang berpotensi memperkayakan pengalaman pembelajaran serta meningkatkan penglibatan murid dalam Matematik Tambahan. Diharapkan Pembelajaran Mikro SMART dapat menjadi panduan praktikal kepada guru Matematik Tambahan dalam mengintegrasikan AI secara kreatif, beretika dan berkesan bagi menyokong pembelajaran abad ke-21.

Rujukan
[1] Gkintoni, E., Antonopoulou, H., Sortwell, A., & Halkiopoulos, C. (2025). Challenging cognitive load theory: The role of educational neuroscience and artificial intelligence in redefining learning efficacy. Brain Sciences, 15(2), 203. https://doi.org/10.3390/brainsci15020203
[2] Kementerian Pendidikan Malaysia. (2018). Dokumen Standard Kurikulum dan Pentaksiran (DSKP) Matematik Tambahan Tingkatan 4. Bahagian Pembangunan Kurikulum, Kementerian Pendidikan Malaysia.
[3] Monib, W. K., Qazi, A., & Apong, R. A. (2025). Microlearning beyond boundaries: A systematic review and a novel framework for improving learning outcomes. Heliyon, 11, e41413. https://doi.org/10.1016/j.heliyon.2024.e41413
[4] Street, K. E. S., Malmberg, L.-E., & Stylianides, G. J. (2022). Changes in students’ self-efficacy when learning a new topic in mathematics: A micro-longitudinal study. Educational Studies in Mathematics, 111, 515–541. https://doi.org/10.1007/s10649-022-10165-1
[5] Walkington, C. (2025). The implications of generative artificial intelligence for mathematics education. School Science and Mathematics. https://doi.org/10.1111/ssm.18356