← Penjelasan

Dari Informasi ke Pemahaman

Bayangkan sebuah aturan berbunyi:

Jika sebuah permintaan tidak mempunyai izin yang diperlukan, sistem akan menolaknya.

Kalimat itu pendek. Istilahnya biasa. Tata bahasanya sederhana.

Namun kalimat itu belum menyatakan bahwa ketiadaan izin adalah satu-satunya penyebab penolakan. Jika pembaca memperlakukannya demikian, ia dapat menyimpulkan bahwa setiap permintaan yang ditolak pasti tidak mempunyai izin. Kesimpulan itu tidak mengikuti aturan semula. Permintaan dapat ditolak karena alasan lain.

Masalahnya bukan hanya apakah kalimat tersebut dapat dibaca atau benar secara literal. Masalahnya adalah apakah hubungan yang dinyatakan dapat dibangun dan digunakan dengan benar, tanpa mengubah arah, batas, atau statusnya.

Perbedaan tersebut penting karena informasi dapat terasa jelas tanpa menghasilkan pemahaman yang memadai. Pembaca dapat mengenali istilah, mengingat sebuah kalimat, bahkan merasa mengerti, tetapi tetap gagal ketika hubungan yang sama harus digunakan pada keadaan yang sedikit berbeda.[1] [2]

Karena itu, membuat informasi mudah dipahami tidak dapat direduksi menjadi memendekkan kalimat, menghapus istilah teknis, menambahkan contoh, atau membuat halaman lebih rapi. Semua itu dapat membantu dalam keadaan tertentu. Tidak satu pun, dengan sendirinya, menunjukkan bahwa pembaca dapat menggunakan apa yang dijelaskan.

Persoalannya lebih mendasar:

apa yang harus terjadi agar informasi berubah menjadi sesuatu yang dapat digunakan oleh pembaca?

Kejelasan bukan tujuan akhirnya#

Membaca dengan lancar, memahami sebuah pernyataan saat terlihat, mengingatnya kemudian, dan dapat menggunakannya pada persoalan baru adalah hasil yang berbeda.

Teori pemahaman teks membedakan pemrosesan unsur teks dari pembentukan representasi proposisional dan integrasi informasi menjadi struktur yang koheren dengan pengetahuan pembaca.[1] Kajian National Academies juga menempatkan integrasi pengetahuan dan kemampuan menggunakan struktur pengetahuan secara fleksibel sebagai bagian penting dari belajar dan bernalar.[3]

Perbedaan antara performance saat belajar dan learning yang bertahan menambah masalah lain. Keberhasilan ketika contoh, petunjuk, atau jawaban masih tersedia dapat berbeda dari kemampuan setelah dukungan itu dilepas. Sebaliknya, kesulitan selama proses belajar tidak selalu berarti pembelajaran yang lebih buruk. Review Soderstrom dan Bjork menunjukkan mengapa performance selama acquisition dapat menjadi indikator yang tidak andal bagi learning jangka lebih panjang.[4]

Karena itu, sasaran seperti:

membuat pembaca memahami tulisan ini

masih terlalu kabur.

Pertanyaan yang lebih dapat diperiksa adalah:

Pertanyaan atau penggunaan apa yang hendak dilayani, dan setelah menerima informasi ini apa yang seharusnya dapat dilakukan pembaca, dalam keadaan apa, dengan bantuan apa, dan pada rentang waktu apa?

Seseorang yang hanya perlu menemukan nomor telepon membutuhkan penyajian yang berbeda dari seseorang yang perlu memahami mekanisme inflasi, membuktikan teorema, memperbaiki kegagalan sistem, atau mengambil keputusan berdasarkan bukti yang tidak lengkap. Penjelasan yang sangat baik pun dapat gagal bila ia menjawab pertanyaan yang bukan sedang dilayani.

Dalam assessment, masalah yang berdekatan muncul ketika perilaku pada sebuah tugas digunakan sebagai bukti tentang kemampuan yang tidak dapat diamati secara langsung. Evidence-Centered Design memisahkan klaim tentang kemampuan, tugas yang dapat menghasilkan observasi relevan, dan aturan yang menghubungkan observasi dengan klaim tersebut.[5] Pendekatan argument-based validation juga menekankan bahwa interpretasi dan penggunaan hasil memerlukan inferensi serta asumsi yang dapat diperiksa.[6]

Prinsip yang sama berguna sebelum menulis penjelasan: tentukan dahulu pertanyaan atau penggunaan yang hendak dilayani dan kemampuan apa yang harus menjadi mungkin, baru pilih informasi dan bentuk penyajiannya.

Mulai dari penggunaan yang hendak dilayani#

Anggap seseorang sedang menjelaskan perbedaan antara syarat perlu dan syarat cukup.

Tujuan yang lemah adalah:

pembaca mengetahui definisi syarat perlu dan cukup.

Tujuan yang lebih dapat diperiksa adalah:

ketika diberikan beberapa pernyataan baru, pembaca dapat menentukan arah implikasi, menolak converse yang tidak mengikuti, dan menjelaskan mengapa jawabannya berbeda.

Sekarang penjelasan mempunyai spesifikasi penggunaan yang lebih operasional.

Perubahan kecil ini menentukan banyak hal. Jika pembaca hanya perlu mengenali definisi, satu kartu ringkas mungkin cukup. Jika pembaca harus menggunakan pembedaan itu dalam argumentasi, diperlukan kasus yang mengubah fitur yang menentukan. Jika kesalahan dapat berakibat besar, penjelasan dan pengujiannya perlu mencakup kesimpulan salah yang paling consequential.

Dengan kata lain, relevansi informasi bergantung pada penggunaan yang dituju. Penggunaan di sini bukan sekadar niat penulis. Ia menyatakan pertanyaan atau tugas yang dipilih untuk dilayani, kemampuan yang hendak dibuat mungkin, kondisi penggunaannya, dan apa yang akan dianggap sebagai keberhasilan. Pada tulisan publik, pertanyaan nyata setiap pembaca tentu beragam; penjelasan cukup menyatakan dengan jelas pertanyaan yang memang hendak dijawab dan membatasi dirinya pada penggunaan itu.

Ini bukan berarti tujuan membuat sebuah klaim menjadi benar. Penggunaan menentukan apa yang relevan untuk dijelaskan; kebenaran, ketidakpastian, dan batas klaim tetap harus dinilai secara terpisah. Pembedaan antara apa yang layak dipercaya dan apa yang hendak dilakukan dibahas lebih luas dalam Memahami dan Memilih.

Ini juga menjelaskan mengapa tidak ada panjang tulisan yang selalu benar. Dua ratus kata dapat terlalu panjang untuk menemukan alamat, tetapi terlalu pendek untuk memahami asumsi sebuah model kausal.

Yang perlu dikurangi bukan jumlah kata secara mutlak. Yang perlu dikurangi adalah tuntutan yang tidak membantu kemampuan yang dituju, sambil mempertahankan aktivitas mental yang memang diperlukan untuk membangun atau menggunakan pengetahuan.

Cognitive Load Theory memberi salah satu account tentang bagaimana keterbatasan pemrosesan dan interaksi antara kompleksitas materi, representasi, dan prior knowledge memengaruhi pembelajaran.[7] Meta-analisis terbaru mengenai seductive details juga menemukan efek negatif kecil tetapi konsisten dari materi menarik yang tidak relevan terhadap learning outcomes, dengan peningkatan extraneous cognitive load sebagai mediator utama dalam model yang diuji.[8]

Maka pertanyaan pertama sebelum mengemas informasi bukan:

Bagaimana menjelaskannya sesingkat mungkin?

melainkan:

Pertanyaan atau penggunaan apa yang sedang dilayani, dan apa yang harus menjadi mungkin setelah penjelasan selesai?

Penyederhanaan tidak boleh mengubah makna dan batasnya#

Setelah penggunaan diketahui, persoalan berikutnya adalah menentukan struktur apa yang harus tetap dipertahankan ketika informasi diubah menjadi penjelasan.

Kembali ke aturan awal:

Jika izin tidak tersedia, permintaan ditolak.

Ringkasannya tidak boleh berubah menjadi:

Permintaan yang ditolak berarti izinnya tidak tersedia.

Perubahannya hanya beberapa kata. Secara permukaan keduanya mirip. Secara inferensial, keduanya berbeda.

Hal seperti ini muncul dalam banyak bentuk:

  • korelasi berubah menjadi sebab;
  • kemungkinan berubah menjadi kepastian;
  • syarat cukup berubah menjadi syarat perlu;
  • hasil pada satu populasi diperluas ke populasi lain;
  • sebuah model diperlakukan sebagai hal yang direpresentasikannya;
  • contoh yang lazim diperlakukan sebagai definisi;
  • bukti yang mendukung diperlakukan sebagai bukti yang menetapkan;
  • aturan dalam satu sistem dianggap berlaku bagi semua sistem.

Karena itu, kualitas simplifikasi tidak seharusnya dinilai hanya dari kemiripan dengan sumber atau dari banyaknya detail yang dipertahankan. Sebuah penjelasan perlu menjaga pembedaan, hubungan, kondisi, asumsi, cakupan, alternatif yang material, dan status epistemik yang dapat mengubah jawaban terhadap penggunaan yang dituju. Jika suatu hubungan masih diperdebatkan, penjelasan tidak boleh membuatnya tampak telah selesai hanya karena satu account sedang dijelaskan.

Untuk hubungan yang menentukan jawaban, berguna pula memeriksa batas inferensinya. Apakah hubungan itu dapat dibalik? Apakah contoh dapat digeneralisasi? Apakah asosiasi sedang berubah menjadi sebab? Apakah kemungkinan sedang dinaikkan menjadi kepastian? Apakah satu model sedang diperlakukan sebagai satu-satunya gambaran yang sah? Pemeriksaan ini tidak mencari semua kesimpulan yang mungkin dibuat. Ia hanya menandai transformasi yang, bila salah dipahami, akan mengubah penggunaan yang sedang dilayani.

Secara praktis, pertanyaannya menjadi: Pembedaan apa yang menentukan jawaban? Hubungan apa yang membuat inferensi sah? Kondisi dan asumsi apa yang dapat mengubah kesimpulan? Apa yang masih tidak pasti atau diperdebatkan? Kesimpulan apa yang tampak dekat, tetapi belum dilisensikan oleh status bukti yang sedang dipertahankan?

Sebuah penjelasan pendek dapat tidak lengkap tetapi tetap faithful dalam cakupan yang dinyatakan. Sebaliknya, penjelasan panjang dapat memuat banyak fakta sambil tetap mengajarkan hubungan yang salah.

Pemodelan ilmiah memberi analogi yang berguna. Model dan idealisasi tidak harus memuat seluruh sifat targetnya agar berguna; kecukupannya bergantung pada tujuan, representasi, asumsi, dan inferensi yang hendak ditopang.[9] Dalam tulisan, prinsip ini tidak memberi lisensi untuk menyederhanakan sesuka hati. Ia justru menuntut kejelasan mengenai apa yang sengaja tidak dimasukkan dan kesimpulan apa yang masih boleh ditarik.

Masalah mengenai apakah klaim, bukti, dan model cukup layak dipercaya dibahas lebih jauh dalam Memahami: Apa yang Layak Dipercaya?. Penjelasan tidak perlu mengulang seluruh proses penilaian itu. Ia perlu mempertahankan hasil yang material bagi penggunaan: apa yang didukung, apa yang masih bersyarat, apa yang diperdebatkan, apa yang diasumsikan, dan batas kesimpulan apa yang masih berlaku.

Pembaca tidak memulai dari titik yang sama#

Penjelasan tidak masuk ke ruang kosong.

Apa yang sudah tersedia bagi pembaca memengaruhi bagaimana informasi baru diinterpretasikan, hubungan apa yang dapat langsung digunakan, dan tuntutan apa yang masih perlu dibantu.[3] Namun keadaan pembaca bukan satu angka sederhana. Selain pengetahuan bidang, penulis dapat perlu mempertimbangkan apakah istilah, notasi, register, atau bentuk representasi yang dipakai memang tersedia bagi pembaca yang dituju.

Meta-analisis Simonsmeier dan kolega terhadap 8.776 effect sizes menemukan korelasi yang kuat antara prior knowledge dan posttest knowledge, tetapi hubungan prior knowledge dengan normalized learning gain sangat bervariasi.[10] Systematic review Hattan, Alexander, dan Lupo tentang aktivasi prior knowledge juga menunjukkan bahwa manfaatnya bergantung pada karakteristik pengetahuan yang diaktifkan dan kondisi pembelajaran.[11]

Konsekuensinya penting. Aturan:

hubungkan penjelasan baru dengan apa yang sudah diketahui pembaca

bukan selalu aman.

Jika pengetahuan yang diaktifkan salah atau tidak relevan, hubungan tersebut dapat mengarahkan interpretasi ke tempat yang salah.

Karena itu, ketika pembaca gagal, berguna untuk membedakan setidaknya beberapa kemungkinan: sesuatu memang belum diketahui; pernah diketahui tetapi sulit diakses; istilah atau notasi tidak dikenal; representasi tidak dapat dibaca; hubungan antarbagian belum terbentuk; atau hubungan yang sudah terbentuk justru salah.

Keenam keadaan itu dapat menghasilkan jawaban salah yang serupa, tetapi intervensinya berbeda. Orang yang hanya tidak mengenal notasi tidak membutuhkan pengulangan seluruh konsep. Orang yang memahami istilah tetapi membalik hubungan membutuhkan kontras yang menargetkan hubungan tersebut. Orang yang pernah mampu tetapi tidak dapat mengakses pengetahuan mungkin membutuhkan retrieval dan latihan penggunaan tanpa cue.

Interaksi antara prior knowledge dan instructional assistance memberi dukungan empiris kuat terhadap kehati-hatian ini. Meta-analisis Tetzlaff dan kolega terhadap 60 studi menemukan bahwa pembelajar dengan prior knowledge rendah, rata-rata, lebih diuntungkan oleh high-assistance instruction, sedangkan pembelajar dengan prior knowledge tinggi lebih diuntungkan oleh bantuan yang lebih rendah; efeknya juga bervariasi menurut domain dan kelompok pendidikan.[12] Temuan ini memperbarui literatur expertise reversal yang sebelumnya banyak disintesis secara naratif.[13]

Karena itu, “novice” dan “expert” lebih aman digunakan sebagai ringkasan lokal terhadap tuntutan tertentu, bukan sebagai label global yang otomatis menentukan seluruh bentuk penjelasan.

Yang dibutuhkan penulis bukan profil psikologis lengkap, melainkan Reader State yang cukup untuk keputusan yang sedang dibuat: dugaan terbaik mengenai apa yang target pembaca sudah dapat bawa, akses, tafsirkan, dan gunakan, beserta ketidakpastian atas dugaan itu. Bukti langsung dari pembaca dapat memperbaruinya, tetapi sebelum bukti tersedia ia tetap dapat dimulai dari asumsi audience yang dinyatakan secara terbuka.

Penjelasan adalah pilihan intervensi#

Setelah penggunaan, struktur yang harus dipertahankan, dan keadaan pembaca dipertimbangkan, barulah muncul pertanyaan yang biasanya dianggap sebagai masalah utama menulis:

Apa yang sebaiknya dilakukan berikutnya, dan bagaimana tindakan itu sebaiknya diwujudkan?

Dua keputusan mudah tercampur di sini. Yang pertama adalah act: apakah pembaca perlu diberi definisi, contoh, kontras, diagram, worked example, pertanyaan, latihan, atau feedback? Yang kedua adalah encoding: dengan kata, urutan, struktur kalimat, susunan paragraf, tabel, diagram, penandaan, atau bentuk representasi apa tindakan itu diwujudkan?

Act yang tepat masih dapat gagal melalui encoding yang buruk. Sebaliknya, memperhalus wording tidak akan memperbaiki act yang sejak awal salah sasaran.

Bagaimana keputusan encoding ini bekerja pada kata, scope, voice, reference, discourse relation, paragraph, evidence, angka, dan struktur dokumen dibahas lebih jauh dalam Merekayasa Prosa Penjelasan.

Knowledge–Learning–Instruction Framework membedakan knowledge components, learning processes, dan instructional events. Pembedaan ini penting karena menyajikan informasi adalah kejadian instructional; perubahan pengetahuan merupakan kemungkinan akibatnya, bukan sinonimnya.[14]

Tidak ada satu urutan yang didukung sebagai optimum universal bagi semua materi dan pembaca.

Kadang contoh konkret menyediakan pijakan untuk melihat struktur abstrak. Kadang sebuah aturan abstrak diperlukan lebih dahulu agar pembaca tahu fitur mana yang harus diperhatikan. Worked examples mempunyai dukungan kuat terutama untuk tahap awal perolehan keterampilan kognitif, tetapi keberhasilannya tetap bergantung pada desain contoh, pengetahuan awal, dan transisi menuju problem solving.[15] [16]

Dalam keadaan lain, meminta pembelajar mencoba problem sebelum menerima instruksi dapat membantu pembelajaran konseptual. Meta-analisis Sinha dan Kapur terhadap 53 studi menemukan keuntungan rata-rata bagi urutan problem solving lalu instruction dalam kondisi yang diteliti, terutama ketika desainnya memenuhi prinsip productive failure. Temuan itu tidak membenarkan struggle tanpa struktur sebagai aturan umum.[17]

Segmentasi juga mempunyai dukungan empiris, tetapi hasilnya tidak berarti setiap paragraf harus dipotong menjadi bagian kecil. Meta-analisis 56 investigasi menemukan manfaat rata-rata kecil hingga sedang bagi retention dan transfer dalam multimedia learning, sekaligus peningkatan learning time.[18] Batas segmentasi yang lebih berguna adalah ketika satu subgoal atau hubungan dapat diproses tanpa memisahkan informasi yang justru perlu dikoordinasikan bersama.

Signaling dapat membantu pembaca menemukan organisasi atau informasi yang relevan. Meta-analisis 103 studi dengan 12.201 peserta menemukan efek positif rata-rata pada retention dan transfer serta penurunan cognitive load.[19] Tetapi heading, bold, dan panah tidak dapat memperbaiki hubungan yang salah atau tidak pernah tersedia.

Jadi pertanyaan yang lebih tepat bukan:

Apakah contoh lebih baik daripada definisi?

atau:

Apakah konkret harus selalu datang sebelum abstrak?

melainkan:

Operasi apa yang belum dapat dilakukan pembaca, act apa yang paling masuk akal untuk membuatnya tersedia, dan encoding apa yang paling sesuai bagi pembaca serta penggunaan ini?

Yang penting sering kali bukan unsur, tetapi hubungan#

Seseorang dapat mengetahui arti setiap kata dalam sebuah penjelasan dan tetap tidak memahami penjelasan itu.

Ia mungkin mengenal tekanan, volume, dan temperatur, tetapi belum memahami bagaimana ketiganya berhubungan dalam kondisi tertentu.

Ia mungkin mengenal bukti, hipotesis, dan probabilitas, tetapi belum memahami mengapa sebuah pengamatan lebih mendukung satu hipotesis dibanding alternatifnya.

Ia mungkin mengetahui komponen sebuah sistem, tetapi belum mengetahui perubahan apa yang terjadi ketika satu komponen gagal.

Riset comprehension dan learning berulang kali menunjukkan pentingnya integrasi dan relational structure bagi penggunaan pengetahuan.[1] [3] Concept mapping memberikan contoh eksplisit: node merepresentasikan konsep dan link merepresentasikan hubungan. Meta-analisis 142 effect sizes dengan 11.814 peserta menemukan efek positif moderat dari belajar dengan concept atau knowledge maps dibanding kondisi pembanding, walaupun cara peta digunakan tetap memengaruhi hasil.[20]

Self-explanation memberi jalur lain. Dalam studi klasik tentang worked examples, siswa yang menghasilkan lebih banyak self-explanations yang menghubungkan langkah dengan prinsip menunjukkan pemahaman dan transfer yang lebih baik.[21] Eksperimen berikutnya menunjukkan bahwa prompting self-explanation juga dapat membantu pembelajaran dari expository text.[22] Meta-analisis 69 effect sizes kemudian menemukan keuntungan rata-rata yang berarti dari self-explanation prompts, dengan variasi menurut tugas dan implementasi.[23]

Ini mengarah pada satu prinsip kerja yang kuat:

Informasi menjadi lebih berguna ketika hubungan yang relevan bukan hanya tersedia di halaman, tetapi dapat digunakan oleh pembaca.

Namun prinsip itu masih menyisakan pertanyaan penting: hubungan mana yang sebaiknya diberikan, dan mana yang sebaiknya dihasilkan oleh pembaca?

Kapan hubungan harus diberikan, dan kapan harus ditemukan?#

Misalkan pembaca sudah mempunyai semua premis yang diperlukan untuk menarik suatu kesimpulan.

Apakah kesimpulannya sebaiknya langsung diberikan?

Jika diberikan, pembaca dapat mengakses hubungan yang benar dengan cepat. Jika tidak diberikan, usaha menghasilkan hubungan sendiri dapat menjadi bagian dari kemampuan yang memang ingin dibangun.

Koedinger dan Aleven menyebut trade-off umum ini sebagai assistance dilemma: kapan informasi atau bantuan sebaiknya diberikan, dan kapan pembelajar sebaiknya melakukan lebih banyak proses sendiri.[24] Literatur tidak menyediakan satu jumlah assistance yang optimal bagi semua keadaan.

Jika premis atau representasi yang diperlukan belum tersedia, hubungan mungkin perlu disuplai. Jika pembaca sudah dapat mengoordinasikan premis dan inferensi itu sendiri merupakan target, hubungan dapat dielicit melalui pertanyaan atau problem. Jika ada salah tafsir yang cukup dekat tetapi akan merusak penggunaan yang dituju, penjelasan dapat perlu mengontraskannya atau membatasi ruang inferensinya secara eksplisit. Jika kesalahan dapat menimbulkan bahaya, hubungan kritis tidak layak disembunyikan demi membuat pengalaman terasa interaktif. Jika pembaca hanya membutuhkan jawaban untuk penggunaan langsung, latihan panjang juga dapat menjadi pemborosan.

Sebagai klasifikasi engineering yang longgar, tindakan itu dapat dipikirkan sebagai supply, elicit, dan constrain: memberi struktur yang belum tersedia, meminta pembaca menghasilkan operasi yang memang ingin dibangun, atau mencegah interpretasi material yang tidak didukung. Ketiganya bukan tiga proses psikologis universal. Mereka hanya membantu membedakan keputusan yang memerlukan bentuk pengujian berbeda.

Bahkan coherence mempunyai trade-off yang berdekatan. Eksperimen McNamara dan kolega menemukan interaksi antara tingkat coherence teks, background knowledge, dan jenis pemahaman yang diukur. Dalam kondisi tertentu, pembaca dengan pengetahuan lebih tinggi dapat memperoleh manfaat dari aktivitas inferensial yang lebih besar pada teks yang kurang eksplisit, sedangkan pembaca dengan pengetahuan lebih rendah lebih terbantu oleh coherence yang lebih tinggi.[25]

Maka tujuan yang tepat bukan maksimal explicitness.

Tujuannya adalah menyediakan struktur yang cukup agar pembaca tidak dipaksa menebak hal yang seharusnya sudah tersedia, sambil tetap meminta pembaca melakukan operasi yang memang ingin dibangun.

Contoh harus dipilih berdasarkan apa yang dibedakannya#

Contoh sering dianjurkan karena membuat konsep abstrak lebih mudah dibayangkan. Tetapi contoh yang mudah dibayangkan belum tentu contoh yang baik.

Misalkan konsepnya adalah syarat cukup tetapi tidak perlu. Jika seluruh contoh mempunyai banyak perbedaan sekaligus, pembaca tidak tahu fitur mana yang menentukan jawaban.

Contoh yang lebih berguna dipilih karena ia mengisolasi sesuatu. Satu kasus menunjukkan aturan. Kasus kedua mengubah fitur yang menentukan. Non-example berada cukup dekat sehingga alasan ketidakcocokannya terlihat. Boundary case menunjukkan sampai di mana aturan berlaku. Counterexample mematahkan generalisasi yang terlalu luas. Analogi menggunakan struktur yang sudah dikenal, tetapi mapping dan batasnya perlu tetap terlihat.

Riset worked-example menekankan pentingnya struktur konseptual, multiple examples, dan transisi dari melihat solusi menuju penggunaan yang lebih mandiri.[15] [16] Untuk misconception tertentu, refutation text memberi contoh pendekatan yang lebih langsung: nyatakan konsepsi yang relevan, tunjukkan mengapa ia tidak memadai, lalu berikan account pengganti. Meta-analisis 44 independent comparisons menemukan efek positif moderat dibanding kondisi pembanding dalam konteks yang diteliti.[26]

Prinsip umumnya bukan “tambahkan contoh”, melainkan:

pilih contoh berdasarkan interpretasi alternatif yang ingin dibedakan.

Jika satu contoh dapat dijelaskan oleh beberapa aturan yang berbeda, contoh itu belum cukup untuk menunjukkan aturan mana yang sebenarnya dimaksud.

Jangan menguji apakah pembaca merasa mengerti#

Setelah sebuah penjelasan selesai, pertanyaan termudah adalah:

Apakah sudah jelas?

Jawaban “ya” memberikan sedikit bukti tentang kemampuan yang sebenarnya.

Rozenblit dan Keil menunjukkan bahwa orang dapat menilai pemahaman mereka terhadap mekanisme jauh lebih tinggi daripada kemampuan mereka ketika diminta menjelaskan mekanisme itu secara rinci.[2] Fluency, familiarity, agreement, dan recognition karena itu tidak seharusnya diperlakukan sebagai pengganti demonstrasi penggunaan.

Validasi perlu kembali kepada penggunaan dan kemampuan yang ditetapkan sejak awal. Ia juga perlu memeriksa apakah qualification, batas, atau ketidakpastian yang material tetap terbawa ketika pembaca menggunakan pengetahuan itu.

Satu heuristic praktis adalah mencari empat jenis bukti:

Reconstruct. Dapatkah hubungan inti dibangun kembali ketika kalimat aslinya tidak terlihat?

Vary. Jika satu fitur yang relevan berubah, apakah kesimpulan ikut berubah secara tepat?

Bound. Dapatkah pembaca mengenali keadaan ketika aturan tidak berlaku atau kesimpulan belum dapat dibuat?

Use. Dapatkah struktur tersebut digunakan dalam tugas yang memang menjadi tujuan?

Keempatnya bukan hierarchy psikologis universal. Mereka hanya memberi cara untuk menghindari satu jenis bukti yang terlalu sempit. Untuk hubungan yang mudah disalahgunakan, pengujian juga dapat memasukkan kasus yang mewakili kesimpulan dekat tetapi tidak didukung, sehingga keberhasilan tidak hanya berarti mengulang pola yang baru saja dilihat.

Retrieval practice mempunyai dukungan luas untuk retention. Systematic review terhadap 50 eksperimen kelas dengan 5.374 peserta menemukan manfaat retrieval practice pada berbagai tingkat pendidikan, domain, format tes, dan delay yang dipelajari, walaupun generalisasi di luar cakupan studi tetap memerlukan kehati-hatian.[27] Namun keberhasilan mengingat definisi belum membuktikan bahwa hubungan dapat digunakan.

Feedback juga mempunyai efek positif rata-rata, tetapi bentuknya sangat heterogen. Meta-analisis 435 studi dengan lebih dari 61.000 peserta menemukan variasi besar antar-intervensi dan menunjukkan bahwa kandungan informasi feedback merupakan moderator penting.[28] Jadi ketika pembaca gagal, respons yang tepat bukan otomatis menjelaskan lagi dengan lebih panjang.

Kegagalan perlu didiagnosis. Apakah masalahnya pertanyaan yang salah sasaran, account yang terlalu kuat, prasyarat pembaca, act yang keliru, encoding yang ambigu, hubungan yang terbalik, lupa, kurang latihan, contoh yang menyesatkan, atau justru tugas pengujiannya yang buruk? Validation menunjukkan kegagalan yang terlihat; perbaikannya harus diarahkan kepada bagian yang paling mungkin menghasilkan kegagalan itu, lalu diperiksa lagi pada kasus yang berbeda.

Lima tanggung jawab di balik satu penjelasan#

Pembahasan sejauh ini dapat disusun menjadi lima tanggung jawab. Ini adalah sintesis engineering, bukan klaim tentang lima bagian universal di dalam psikologi belajar.

Use Specification menentukan pertanyaan atau tugas yang hendak dilayani, kemampuan yang harus menjadi mungkin, kondisi penggunaannya, dukungan yang boleh tersedia, stakes yang relevan, dan apa yang akan dianggap sebagai keberhasilan.

Domain Account menjaga klaim, pembedaan, hubungan, asumsi, cakupan, ketidakpastian, alternatif yang material, dan batas inferensi yang warranted status-nya tidak boleh berubah selama penjelasan. Sumber tidak otomatis menjadi kebenaran; bila sumber bertentangan atau tidak cukup, ketidakpastian atau pertentangan itu sendiri dapat menjadi bagian yang harus dipertahankan.

Reader State adalah dugaan terbaik, di bawah ketidakpastian, mengenai apa yang target pembaca dapat bawa, akses, tafsirkan, dan gunakan. Bukti dari pembaca memperbarui keadaan ini; ketika bukti langsung belum ada, asumsi audience yang dinyatakan dapat menjadi titik awal.

Instructional Policy memilih dua hal yang saling terkait. Act menentukan apa yang diberikan atau diminta dari pembaca. Encoding menentukan bagaimana act itu diwujudkan melalui bahasa, urutan, representasi, diagram, tabel, atau bentuk lain.

Validation melakukan dua pekerjaan yang perlu dibedakan: memeriksa apakah penjelasan tetap faithful terhadap Domain Account, dan memeriksa apakah perilaku pembaca benar-benar mendukung capability claim dalam Use Specification.[5] [6] [14]

Kelima tanggung jawab itu bukan pipeline satu arah. Validation dapat memperbarui Reader State dan Instructional Policy, atau menunjukkan bahwa Use Specification dan Domain Account perlu diperiksa lagi. Bahkan kesulitan saat meng-encode sebuah hubungan dapat mengungkap bahwa scope, arah, asumsi, atau status hubungan itu sebenarnya belum cukup diputuskan.

Kelima nama itu bukan tujuan. Nilainya hanya muncul jika pembedaan tersebut mengubah keputusan yang sebenarnya dibuat ketika merancang atau memperbaiki penjelasan.

Untuk tulisan biasa, seluruh arsitektur itu dapat dikompresi menjadi empat pekerjaan:

  1. Spesifikasikan penggunaan. Pertanyaan atau tugas apa yang sedang dilayani, dan apa yang harus menjadi mungkin?
  2. Pertahankan struktur yang layak beserta batas materialnya. Hubungan, kondisi, asumsi, ketidakpastian, alternatif, dan inferensi dekat apa yang dapat mengubah penggunaan?
  3. Jembatani kekurangan pembaca melalui act dan encoding yang sesuai. Apa yang dapat diasumsikan, apa yang perlu disuplai, dielicit, atau dibatasi, dan bagaimana itu sebaiknya direpresentasikan?
  4. Periksa penggunaan baru. Dapatkah pembaca menggunakan struktur itu pada kasus yang cukup berbeda untuk membedakan pemahaman dari pengulangan?

Empat pekerjaan itu tidak mengharuskan setiap tulisan menjadi pelajaran interaktif. Dalam bahan statis, Reader State dapat diwakili oleh asumsi audience yang dinyatakan, dan validation pembaca dapat dilakukan melalui pilot terpisah. Adaptasi individual baru layak ditambahkan ketika bukti tentang pembaca benar-benar mengubah tindakan berikutnya dan manfaatnya menutup biaya diagnosis serta interaksi.

Tulisan yang baik tidak selalu tulisan yang paling mudah#

Ada godaan untuk merumuskan seluruh persoalan sebagai optimisasi:

minimalkan usaha pembaca.

Itu salah sasaran.

Beberapa usaha memang tidak membantu: mencari referen yang tidak jelas, menebak arti simbol yang tidak pernah dijelaskan, mengingat informasi yang seharusnya tersedia berdekatan, atau memilah detail yang tidak relevan.

Tetapi beberapa usaha dapat menjadi bagian dari belajar: mengingat kembali, membandingkan, mencoba menghasilkan hubungan, menerapkan aturan, menemukan konflik, atau menjelaskan alasan. Cognitive Load Theory sendiri tidak mendukung perlakuan semua effort sebagai sesuatu yang harus dihilangkan; desain perlu mempertimbangkan apa yang diproses, pengetahuan yang sudah tersedia, dan bagaimana sumber daya kognitif dialokasikan.[7]

Bukti terbaru tentang generative AI dalam pembelajaran memberi contoh yang tajam. Dalam field experiment pada hampir seribu siswa sekolah menengah, akses ke sistem berbasis GPT-4 meningkatkan performance ketika bantuan tersedia. Namun kelompok dengan antarmuka yang lebih bebas kemudian berkinerja lebih buruk daripada kontrol ketika AI dilepas, sedangkan guardrails yang lebih berorientasi pada pembelajaran mengurangi kerugian tersebut.[29]

Temuan itu tidak menunjukkan bahwa AI secara umum merusak pembelajaran. Ia menunjukkan klaim yang lebih sempit: kemampuan menyelesaikan tugas dengan bantuan dan kemampuan menyelesaikannya setelah bantuan dilepas dapat berbeda.

Desain informasi perlu menentukan mana yang sebenarnya dibutuhkan.

Batas dari gagasan ini#

Tidak ada satu algoritma yang diketahui dapat menghasilkan penjelasan optimal untuk setiap pembaca dan setiap bidang.

Keadaan pembaca tidak dapat diamati secara langsung. Respons yang sama dapat berasal dari penyebab yang berbeda. Sebuah jawaban salah mungkin menunjukkan misconception, tetapi dapat pula berasal dari istilah yang tidak dipahami, lupa, salah membaca pertanyaan, atau representasi yang tidak familiar.[5] [6]

Domain Account yang dijadikan acuan juga dapat salah, tidak lengkap, atau memuat hubungan yang masih diperdebatkan. Ia tidak boleh berarti sekadar “apa yang penulis percaya”. Memeriksa coherence internal tidak cukup bila seluruh sumber berbagi asumsi yang sama. Karena itu, kualitas penjelasan tetap bergantung pada kualitas pemeriksaan bukti, alternatif, model, dan batas klaim. Tugas penjelasan bukan mengulang seluruh proses penilaian tersebut, melainkan menjaga agar status yang telah dinilai tidak berubah diam-diam ketika account itu disederhanakan atau direpresentasikan untuk pembaca lain.

Beberapa kemampuan tidak dapat dibangun melalui teks saja. Keterampilan fisik, sosial, prosedural, atau profesional dapat membutuhkan practice dan feedback dalam lingkungan yang relevan. Penjelasan yang sangat baik tidak dengan sendirinya membuktikan kompetensi pelaksanaan.

Tidak ada pula sequence universal seperti selalu konkret sebelum abstrak, selalu sederhana sebelum kompleks, atau selalu memberikan overview sebelum bagian-bagiannya. Evidence yang tersedia menunjukkan conditional effects dan interaksi dengan learner, task, domain, representation, dan outcome.[7] [12] [17] [18] [25]

Prinsip seperti signaling, segmenting, worked examples, retrieval, self-explanation, feedback, dan refutation mempunyai dukungan empiris dalam kondisi tertentu. Mereka merupakan repertoire intervensi, bukan daftar wajib yang harus muncul dalam setiap tulisan.[15] [18] [19] [23] [26] [27] [28]

Bahkan sebuah tulisan yang memenuhi pertimbangan di atas tetap hanya menyediakan kesempatan untuk memahami. Pemahaman baru dapat diklaim sejauh ada bukti bahwa pembaca memang dapat menggunakan struktur yang relevan pada kondisi yang dituju.

Dari informasi menjadi sesuatu yang dapat digunakan#

Masalah pengemasan informasi pada akhirnya bukan terutama masalah jumlah informasi.

Ia adalah hubungan antara:

pertanyaan atau penggunaan yang hendak dilayani,
struktur dan status apa yang harus tetap terjaga,
apa yang dapat dibawa dan diproses pembaca,
act apa yang dipilih dan bagaimana ia di-encode,
dan apa yang dianggap sebagai bukti bahwa penjelasan bekerja.

Kalimat sederhana membantu jika mengurangi hambatan yang tidak diperlukan.

Contoh membantu jika membuat pembedaan penting terlihat.

Diagram membantu jika membuat hubungan yang perlu dikoordinasikan lebih mudah diperiksa.

Pertanyaan membantu jika jawabannya mengungkap atau melatih operasi yang relevan.

Latihan membantu jika operasi yang dilatih memang operasi yang akan dibutuhkan.

Tidak satu pun merupakan tujuan pada dirinya sendiri.

Kembali ke aturan di awal:

Jika sebuah permintaan tidak mempunyai izin yang diperlukan, sistem akan menolaknya.

Pembaca belum menunjukkan pemahaman hubungan itu hanya karena dapat mengulang kalimat tersebut.

Bukti yang lebih kuat muncul ketika ia menghadapi kasus baru dan dapat mengatakan:

ketiadaan izin cukup untuk menghasilkan penolakan menurut aturan ini, tetapi penolakan saja belum menunjukkan bahwa izin pasti tidak tersedia.

Pada saat itu, informasi tidak lagi hanya berada di halaman.

Hubungannya telah menjadi sesuatu yang dapat digunakan.

Referensi#

  1. Kintsch, W. (1988). “The Role of Knowledge in Discourse Comprehension: A Construction-Integration Model.” Psychological Review, 95(2), 163–182. DOI.
  2. Rozenblit, L., & Keil, F. (2002). “The Misunderstood Limits of Folk Science: An Illusion of Explanatory Depth.” Cognitive Science, 26(5), 521–562. DOI.
  3. National Academies of Sciences, Engineering, and Medicine. (2018). How People Learn II: Learners, Contexts, and Cultures, terutama Bab 5, “Knowledge and Reasoning.” Washington, DC: National Academies Press. DOI.
  4. Soderstrom, N. C., & Bjork, R. A. (2015). “Learning Versus Performance: An Integrative Review.” Perspectives on Psychological Science, 10(2), 176–199. DOI.
  5. Mislevy, R. J., Almond, R. G., & Lukas, J. F. (2004). A Brief Introduction to Evidence-Centered Design. CSE Report 632. ERIC.
  6. Kane, M. T. (2013). “Validating the Interpretations and Uses of Test Scores.” Journal of Educational Measurement, 50(1), 1–73. DOI.
  7. Sweller, J., van Merriënboer, J. J. G., & Paas, F. (2019). “Cognitive Architecture and Instructional Design: 20 Years Later.” Educational Psychology Review, 31, 261–292. DOI.
  8. Cheng, C., Wu, Y., Wang, R., & Wang, Z. (2026). “Seductive Details, Cognitive Load, and Learning Outcomes: A Multi-level Meta-analysis and MASEM.” Educational Psychology Review, 38, Article 28. DOI.
  9. Frigg, R., & Hartmann, S. (2025 revision). “Models in Science.” Stanford Encyclopedia of Philosophy. Sumber.
  10. Simonsmeier, B. A., Flaig, M., Deiglmayr, A., Schalk, L., & Schneider, M. (2022). “Domain-Specific Prior Knowledge and Learning: A Meta-Analysis.” Educational Psychologist, 57(1), 31–54. DOI.
  11. Hattan, C., Alexander, P. A., & Lupo, S. M. (2024). “Leveraging What Students Know to Make Sense of Texts: What the Research Says About Prior Knowledge Activation.” Review of Educational Research, 94(1), 73–111. DOI.
  12. Tetzlaff, L., Simonsmeier, B., Peters, T., & Brod, G. (2025). “A Cornerstone of Adaptivity: A Meta-analysis of the Expertise Reversal Effect.” Learning and Instruction, 98, 102142. DOI.
  13. Kalyuga, S. (2007). “Expertise Reversal Effect and Its Implications for Learner-Tailored Instruction.” Educational Psychology Review, 19, 509–539. DOI.
  14. Koedinger, K. R., Corbett, A. T., & Perfetti, C. (2012). “The Knowledge-Learning-Instruction Framework: Bridging the Science-Practice Chasm to Enhance Robust Student Learning.” Cognitive Science, 36(5), 757–798. DOI.
  15. Atkinson, R. K., Derry, S. J., Renkl, A., & Wortham, D. (2000). “Learning from Examples: Instructional Principles from the Worked Examples Research.” Review of Educational Research, 70(2), 181–214. DOI.
  16. Renkl, A. (2014). “Toward an Instructionally Oriented Theory of Example-Based Learning.” Cognitive Science, 38(1), 1–37. DOI.
  17. Sinha, T., & Kapur, M. (2021). “When Problem Solving Followed by Instruction Works: Evidence for Productive Failure.” Review of Educational Research, 91(5), 761–798. DOI.
  18. Rey, G. D., Beege, M., Nebel, S., Wirzberger, M., Schmitt, T. H., & Schneider, S. (2019). “A Meta-analysis of the Segmenting Effect.” Educational Psychology Review, 31, 389–419. DOI.
  19. Schneider, S., Beege, M., Nebel, S., & Rey, G. D. (2018). “A Meta-analysis of How Signaling Affects Learning with Media.” Educational Research Review, 23, 1–24. DOI.
  20. Schroeder, N. L., Nesbit, J. C., Anguiano, C. J., & Adesope, O. O. (2018). “Studying and Constructing Concept Maps: A Meta-Analysis.” Educational Psychology Review, 30, 431–455. DOI.
  21. Chi, M. T. H., Bassok, M., Lewis, M. W., Reimann, P., & Glaser, R. (1989). “Self-Explanations: How Students Study and Use Examples in Learning to Solve Problems.” Cognitive Science, 13(2), 145–182. DOI.
  22. Chi, M. T. H., de Leeuw, N., Chiu, M.-H., & LaVancher, C. (1994). “Eliciting Self-Explanations Improves Understanding.” Cognitive Science, 18(3), 439–477. DOI.
  23. Bisra, K., Liu, Q., Nesbit, J. C., Salimi, F., & Winne, P. H. (2018). “Inducing Self-Explanation: A Meta-Analysis.” Educational Psychology Review, 30, 703–725. DOI.
  24. Koedinger, K. R., & Aleven, V. (2007). “Exploring the Assistance Dilemma in Experiments with Cognitive Tutors.” Educational Psychology Review, 19(3), 239–264. DOI.
  25. McNamara, D. S., Kintsch, E., Songer, N. B., & Kintsch, W. (1996). “Are Good Texts Always Better? Interactions of Text Coherence, Background Knowledge, and Levels of Understanding in Learning From Text.” Cognition and Instruction, 14(1), 1–43. DOI.
  26. Schroeder, N. L., & Kucera, A. C. (2022). “Refutation Text Facilitates Learning: A Meta-Analysis of Between-Subjects Experiments.” Educational Psychology Review, 34, 957–987. DOI.
  27. Agarwal, P. K., Nunes, L. D., & Blunt, J. R. (2021). “Retrieval Practice Consistently Benefits Student Learning: A Systematic Review of Applied Research in Schools and Classrooms.” Educational Psychology Review, 33, 1409–1453. DOI.
  28. Wisniewski, B., Zierer, K., & Hattie, J. (2020). “The Power of Feedback Revisited: A Meta-Analysis of Educational Feedback Research.” Frontiers in Psychology, 10, 3087. DOI.
  29. Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). “Generative AI without Guardrails Can Harm Learning: Evidence from High School Mathematics.” Proceedings of the National Academy of Sciences, 122(26), e2422633122. DOI.