Saat kelas, kurikulum, kursus, platform, atau guru berubah, apa yang benar benar sudah kamu pahami seharusnya tetap ikut bersamamu. Mapstery sedang dibangun untuk membuat itu menjadi mungkin.
Nama Mapstery membawa dua gagasan yang menjadi inti produk ini.
Knowledge map menggambarkan apa yang dapat dipelajari dan bagaimana berbagai ide saling terhubung. Dari sana kita dapat melihat apa yang perlu dipahami lebih dulu, apa yang bergantung pada apa, apa yang menghambat kemajuan, dan apa yang bisa terbuka setelahnya.
Graf yang terlihat di layar hanyalah salah satu cara untuk melihat struktur pengetahuan yang lebih dalam.Mastery berarti bergerak maju karena ada bukti yang cukup bahwa kamu memahami atau mampu melakukan sesuatu, bukan hanya karena kamu sudah menonton pelajaran, menyelesaikan bab, atau menjawab satu soal dengan benar.
Selesai adalah aktivitas. Mastery adalah pemahaman yang dapat ditunjukkan.Map menunjukkan bagaimana pengetahuan saling terhubung. Mastery menunjukkan apa yang benar benar sudah kamu buktikan. Bersama sama, keduanya dapat membantu Mapstery memahami posisi kamu di dalam sesuatu yang ingin kamu pelajari.
Mapstery sedang dibangun untuk menyimpan gambaran yang terus berkembang tentang apa yang sudah kamu buktikan, apa yang masih belum pasti, apa yang dibutuhkan oleh tujuanmu, dan apa yang mungkin paling masuk akal untuk dipelajari berikutnya.
Apa pun yang layak dipelajari memiliki struktur. Mapstery membantu kamu melihat struktur itu, memahami posisi kamu di dalamnya, dan menemukan jalan untuk maju.
Kamu sudah memahami fondasi yang dibutuhkan oleh konsep ini.
Banyak sistem belajar sangat baik dalam mengingat aktivitas. Sistem tahu apa yang kamu buka, tonton, selesaikan, atau berapa nilaimu. Itu berguna, tetapi belum sama dengan mengetahui apa yang benar benar kamu pahami. Masalahnya bukan kekurangan konten. Masalah yang lebih sulit adalah mengetahui posisi learner yang sebenarnya dan membawa pemahaman itu terus ke depan.
Pelajaran atau kursus yang selesai menunjukkan bahwa proses belajar terjadi. Itu belum otomatis menunjukkan kemampuan yang benar benar bertahan.
AI dapat menjelaskan hampir apa saja, tetapi satu rangkaian percakapan belum tentu dapat menjaga apa yang sudah dipelajari, prasyarat apa yang penting, dan kemampuan apa yang sudah dibuktikan dari waktu ke waktu.
Ide yang sama dapat muncul di kelas, kursus, kurikulum, dan institusi yang berbeda. Seorang learner mungkin sudah memahaminya, tetapi sistem berikutnya sering memperlakukannya sebagai hal baru.
Personalisasi yang baik membutuhkan lebih dari AI yang fleksibel. Sistem perlu memahami apa yang ada, apa yang benar benar sudah ditunjukkan oleh learner, dan apa yang sebaiknya terjadi berikutnya.
Knowledge map menentukan apa yang dapat dipelajari, bagaimana berbagai ide saling terhubung, fondasi apa yang penting, dan jalur apa yang dapat terbuka setelah mastery.
Apa yang perlu ada, dan apa yang perlu dipahami lebih dulu?Aktivitas belajar menghasilkan bukti. Aturan mastery menggunakan bukti itu untuk memperbarui apa yang dapat dikatakan Mapstery secara bertanggung jawab tentang pengetahuan learner.
Apa yang benar benar sudah dibuktikan oleh learner?AI dapat membantu membentuk soal, penjelasan, petunjuk, contoh, remediasi, pengalaman interaktif, audio, visual, dan pengalaman belajar lain berdasarkan kebutuhan yang sudah terverifikasi.
Bagaimana kita dapat membantu learner ini memahami hal yang paling penting berikutnya?AI dapat mengusulkan, mempersonalisasi, dan menjelaskan. Sistem akademik memverifikasi dan memutuskan.
Mapstery tidak perlu memulai dari semua konten yang mungkin ada. Mapstery dapat memulai dari tujuanmu dan apa yang sudah diketahui.
Apa yang ingin kamu pahami atau kuasai?
Apa yang sudah pernah kamu buktikan?
Apa yang paling penting sekarang?
Apa yang mungkin paling membantu berikutnya?
Apa yang ditunjukkan oleh learner?
Apa yang berubah, dan apa yang sekarang menjadi mungkin?
Hasil akhirnya bukan sekadar riwayat yang semakin panjang. Hasilnya adalah langkah berikutnya yang semakin jelas.
Matematika memberi ruang yang kuat untuk membuktikan gagasan inti Mapstery: konsep saling membangun, prasyarat menentukan kesiapan, pemahaman dapat diuji, dan kemajuan dapat diamati.
Namun Mapstery dirancang untuk memahami cara seseorang belajar, bukan terikat pada satu mata pelajaran. Seiring waktu, kerangka yang sama dapat berkembang ke fisika, ilmu komputer, ekonomi, bahasa, keterampilan profesional, AI engineering, dan bidang terstruktur lainnya.
Tujuan jangka panjangnya bukan sekadar satu peta matematika, melainkan peta pengetahuan yang dapat dipelajari.Kelas, kurikulum, sekolah, kursus, tutor, platform, bidang, bahkan model AI dapat berubah. Pemahaman yang sudah benar-benar kamu buktikan seharusnya tetap ikut bersamamu. Seiring waktu, Mapstery ingin menjaga gambaran yang semakin berguna tentang apa yang kamu pahami, apa yang masih belum pasti, apa yang perlu ditinjau kembali, apa yang dibutuhkan oleh tujuanmu, dan langkah apa yang paling masuk akal berikutnya.
Bukan sekadar AI yang mengetahui banyak hal, melainkan sistem belajar yang semakin baik dalam membantu kamu belajar.
Kami memulai dari matematika dan menguji siklus belajar inti bersama learner nyata. Setiap tahap harus membangun fondasi yang kuat untuk tahap berikutnya.
Bisakah Mapstery memahami posisi learner, menemukan blocker yang tepat, membantu mereka belajar, memverifikasi mastery, menjaga kemajuan itu, dan memilih langkah berikutnya dengan benar?
Matematika lebih dulu. Learner nyata. Bukti nyata.
Tujuan → kondisi pengetahuan → blocker → belajar → bukti → mastery → langkah berikutnyaSetelah siklus inti dapat diandalkan, Mapstery dapat menjelaskan rekomendasi dengan lebih jelas dan menyesuaikan soal, penjelasan, remediasi, representasi, serta pengalaman belajar berdasarkan kebutuhan learner yang sudah terverifikasi.
Dari langkah berikutnya yang tepat menuju pengalaman belajar yang tepat.Memperluas Mapstery ke lebih banyak bidang pengetahuan dan konteks belajar sambil tetap menjaga apa yang sudah diketahui setiap learner. Seiring waktu, sistem dapat belajar intervensi mana yang paling berguna untuk kondisi pengetahuan, tujuan, dan miskonsepsi yang berbeda.
Sistem belajar yang semakin berguna seiring bertambahnya pembelajaran yang terverifikasi.Model pendanaan Mapstery dapat berkembang. Prinsipnya tetap: setiap dukungan harus memperkuat cara kami melayani learner, bukan menggeser tujuan belajar.
Keputusan produk harus dinilai dari kemampuannya membantu orang memahami, menguasai, mengingat, dan bergerak maju. Lebih banyak klik atau waktu di layar saja belum cukup.
Belajar yang bermakna seharusnya menjangkau sebanyak mungkin orang. Mereka yang mampu berkontribusi dapat membantu menjaga akses bagi learner dengan keadaan yang berbeda.
Apa yang Mapstery pelajari tentang dirimu harus digunakan untuk membantu kamu belajar. Ketidakpastian, riwayat, dan perhatianmu tidak boleh berubah menjadi profil iklan.
Kebutuhan learner harus memiliki suara yang kuat dalam menentukan arah Mapstery. Dukungan komunitas membantu menjaga kemandirian itu sambil kami membangun model jangka panjang yang berkelanjutan.
Mapstery saat ini dibangun secara independen. Dukungan awal membantu menutup biaya nyata untuk pengembangan, infrastruktur, konten belajar, riset, dan berbagai alat yang dibutuhkan agar proyek ini terus bergerak.
Di masa depan, cara orang berkontribusi dapat berubah. Prinsipnya dapat tetap sama: mereka yang merasa Mapstery bernilai dapat membantu membuat pembelajaran yang bermakna lebih mudah dijangkau oleh lebih banyak orang.
Dukungan membantu membangun proyek. Dukungan tidak membeli kepemilikan atau kendali atas Mapstery.
Mapstery didirikan dan dibangun oleh Arby Nuryana, seorang fisikawan, pendidik, science communicator, dan product builder.
Arby menyelesaikan Master of Science in Physics di Universitas Gadjah Mada dan Bachelor of Science in Physics di Universitas Negeri Yogyakarta. Latar belakang akademiknya mencakup riset computational physics dan reactor physics, termasuk publikasi ilmiah, dan pendidikan masternya ditempuh sebagai penerima beasiswa LPDP.
Namun Mapstery tidak hanya lahir dari pengalaman riset. Selama bertahun-tahun, Arby bekerja langsung dengan learner melalui private tutoring, student mentoring, teaching, dan science communication. Ia juga ikut membangun Semestamu, platform komunikasi sains yang menjangkau ratusan ribu orang melalui YouTube dan TikTok. Pengalamannya kemudian berkembang ke bidang teknologi dan product development, termasuk memimpin tim produk multidisiplin serta terlibat dalam pengembangan dan pengujian sebuah platform AI.
Bisakah kita memahami proses belajar dengan cukup presisi untuk mengetahui apa yang sudah dipahami seseorang, apa yang masih kurang di balik tujuan yang terasa sulit, dan apa yang benar-benar akan membantu berikutnya?
M.Sc. Physics, Universitas Gadjah Mada · B.Sc. Physics, Universitas Negeri Yogyakarta
Publikasi ilmiah dalam computational physics dan reactor physics
Teaching, tutoring, mentoring, dan science communication
Kepemimpinan produk dan pengalaman pengembangan produk AI
Ambisinya besar. Pekerjaannya tetap dibuat terarah, dapat diuji, dan berpusat pada learner.
Baca catatan pengembanganKami memulai dari matematika. Kami memulainya dengan sengaja dan terarah. Namun idenya lebih besar: belajar yang mengingat apa yang sudah kamu lalui, memahami posisi kamu sekarang, dan membantu kamu melihat ke mana kamu bisa bergerak berikutnya.