Studi Literatur: Pendekatan Deep Learning DalamPengembangan Media Game Based Learning (GBL) PadaPembelajaran Fisika

Abstract

Pembelajaran Fisika kerap menghadapi tantangan konseptual yang kompleks, sehingga memerlukan media inovatif untuk meningkatkan pemahaman dan keterlibatan siswa. Game-Based Learning (GBL) telah terbukti efektif dalam menciptakan lingkungan belajar yang interaktif dan memotivasi. Namun, pengembangan GBL konvensional masih memiliki sejumlah keterbatasan dalam implementasinya. Studi literatur ini bertujuan untuk menganalisis potensi integrasi pendekatan Deep Learning dalam pengembangan GBL untuk pembelajaran Fisika. Metode yang digunakan adalah tinjauan sistematis terhadap literatur yang membahas GBL, penerapan Deep Learning dalam pendidikan, serta desain instruksional adaptif. Hasil kajian menunjukkan bahwa Deep Learning memiliki potensi signifikan dalam meningkatkan efektivitas GBL melalui mekanisme adaptif dan personalisasi. Integrasi ini memungkinkan sistem GBL untuk menganalisis pola belajar siswa secara real-time, menyesuaikan tingkat kesulitan, mempersonalisasi alur pembelajaran, dan memberikan umpan balik yang lebih relevan. Dengan demikian, penerapan Deep Learning diharapkan dapat menghasilkan media GBL Fisika yang lebih efektif, adaptif, dan responsif terhadap kebutuhan belajar individu, serta mampu memfasilitasi pengalaman belajar yang lebih mendalam dan bermakna.