Claim Missing Document
Check
Articles

Found 1 Documents
Search

ANALISIS TINGKAT KESIAPAN GURU DALAM MENGIMPLEMENTASIKAN DEEP LEARNING MENGGUNAKAN KERANGKA KERJA ADKAR DI SEKOLAH DASAR INPRES HARAPAN Watimena, Janti; Destiyani, Gati; Eks Enus, Oriyanto; Ismanto, Bambang; Wasitohadi, Wasitohadi
Consilium: Education and Counseling Journal Vol 6 No 1 (2026): Edisi September- Maret
Publisher : Biro 3 Kemahasiswaan dan Kerjasama Universitas Abduracman Saleh Situbondo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36841/consilium.v6i1.7352

Abstract

Keberhasilan implementasi inovasi pendidikan seperti Deep Learning sangat bergantung pada kesiapan guru. Penelitian ini bertujuan untuk menganalisis tingkat kesiapan guru dalam mengimplementasikan Deep Learning di SD Inpres Harapan dengan menggunakan kerangka kerja manajemen perubahan ADKAR. Kerangka kerja ini mengukur lima elemen kunci: Awareness (Kesadaran), Desire (Keinginan), Knowledge (Pengetahuan), Ability (Kemampuan), dan Reinforcement (Penguatan). Penelitian ini menggunakan pendekatan kualitatif dengan metode studi kasus. Data dikumpulkan melalui wawancara mendalam dengan kepala sekolah dan guru, kemudian dianalisis secara tematik sesuai komponen ADKAR. Hasil penelitian menunjukkan bahwa: (1) Kesadaran (Awareness) guru tergolong tinggi, dipengaruhi oleh sosialisasi dari kepala sekolah; (2) Keinginan (Desire) untuk berpartisipasi terlihat dari permintaan proaktif guru akan pendampingan dan pengembangan diri; (3) Guru telah mengidentifikasi celah Pengetahuan (Knowledge) yang spesifik, terutama dalam merancang pembelajaran berbasis inkuiri dan eksperimen; (4) Kemampuan (Ability) menjadi hambatan terbesar, yang terkendala oleh tantangan praktis seperti keterbatasan waktu dan fasilitas; dan (5) Mekanisme Penguatan (Reinforcement) telah diinisiasi oleh kepala sekolah melalui penghargaan, budaya kerja kolaboratif, dan observasi kelas. Studi ini menyimpulkan bahwa meskipun guru di SD Inpres Harapan siap pada fase awal perubahan (Awareness dan Desire), kemampuan mereka untuk mengimplementasikan Deep Learning secara penuh terhambat oleh kendala praktis dan sumber daya. Hal ini menyoroti kebutuhan krusial akan dukungan sistemik untuk menjembatani kesenjangan antara pengetahuan dan praktik.