SAGE: Structured AI-Guided Education

About the Project

SAGE TVET: Structured AI-Guided Education for Transformative Learning in TVET Mohd Karafi Bin Md Salleh Program Sijil Senibiina TVETMARA Pekan, Pahang E-mel: karafi@mara.gov.my Abstrak Lanjutan SAGE TVET (Structured AI-Guided Education) ialah inovasi pedagogi berasaskan Artificial Intelligence (AI) yang membimbing pelajar TVET daripada answer seeking kepada guided thinking. SAGE menempatkan AI sebagai Second Reviewer, manakala pensyarah kekal sebagai Primary Educator dan Academic Authority. Melalui structured prompting, pelajar dibimbing untuk memahami masalah, menganalisis evidence, membuat keputusan, menerima critique, melakukan revision dan refleksi. Pilot awal dalam Architectural Design menggunakan 16-step learning journey daripada Project Discovery hingga Learning Legacy. Setiap step menghasilkan structured learning record yang boleh disalurkan kepada Lecturer Dashboard bagi memantau progress, learning gaps, student agency dan keperluan intervention. Framework ini bersifat modular dan boleh diadaptasi kepada bidang TVET lain seperti Building Construction, Automotive, Mechanical, Welding dan ICT. SAGE kini berada pada peringkat prototype. Keberkesanan akan disahkan melalui pilot implementation, pre/post competency assessment, student artefacts, lecturer observation, feedback dan intervention data. Pendekatan ini mengekalkan human agency, critical thinking, fact-checking dan human oversight, serta berpotensi menjadi framework AI pedagogy yang scalable dan platform-agnostic untuk TVET. Kata Kunci: Artificial Intelligence, Learning Analytics, Pedagogical Innovation, Student Agency, Structured Prompting, TVET 1. Latar Belakang / Pernyataan Masalah Generative AI menawarkan sokongan pembelajaran yang pantas tetapi boleh menyebabkan pelajar bergantung kepada jawapan siap. Dalam TVET, penggunaan AI perlu menyokong bukan sahaja pengetahuan tetapi juga problem-solving, decision-making, critical thinking dan keupayaan menerangkan reasoning. Pada masa yang sama, keterbatasan masa pensyarah menyukarkan bimbingan individu secara berterusan. SAGE dibangunkan bagi mengisi jurang ini dengan menjadikan AI sebagai pembimbing kedua yang mencabar pemikiran pelajar tanpa menggantikan academic judgement pensyarah. . 2. Objektif Inovasi 1. Membangunkan framework AI-guided learning berasaskan problem-solving. 2. Meningkatkan critical thinking, student agency, decision-making dan AI literacy. 3. Menghasilkan learning evidence yang tersusun bagi setiap peringkat. 4. Menyokong early intervention melalui Lecturer Dashboard. 5. Membolehkan framework diadaptasi merentas disiplin TVET. 3. Penerangan Inovasi SAGE terdiri daripada tiga komponen utama: SAGE AI Mentor → membimbing, menyoal dan memberi critique. Lecturer Dashboard → memantau progress, gaps dan intervention. Learning Legacy → menyimpan evidence dan pembelajaran untuk kegunaan seterusnya Step Fasa Fungsi 01 Project Discovery & Design Brief Mengenal pasti tujuan, pengguna, skala, ruang, kos dan kekangan. 02 Site Intelligence & Context Analysis Menganalisis keadaan tapak, iklim, access, context, opportunities dan constraints. 03 User, Activity & Experience Analysis Menganalisis pengguna, aktiviti, behaviour dan pengalaman. 04 Precedent, Case Study & Design Intelligence Mengkaji precedent dan mengekstrak lesson tanpa meniru. 05 Space Programming & Area Planning Membentuk programme, kapasiti dan keluasan ruang. 06 Spatial Relationship, Adjacency & Functional Zoning Menguji adjacency, circulation, privacy dan functional relationship. 07 Design Concept, Design Drivers & Spatial Strategy Membentuk concept dan design drivers berasaskan evidence. 08 Site Response, Massing & Spatial Form Exploration Meneroka massing dan form berdasarkan site serta concept. 09 Spatial Development & Preliminary Floor Plan Membangunkan preliminary spatial organisation dan floor plan. 10 Architectural Development, Technical Integration & Design Resolution Mengintegrasikan technical, structure, material, environment dan constructability. 11 Design Validation, Performance Testing & Critical Review Menguji design dan mengenal pasti kelemahan. 12 Design Synthesis, Refinement & Final Architectural Proposition Mensintesis critique dan memperkemas proposition. 13 Architectural Documentation, Drawing Development & Design Communication Membangunkan drawing, diagram dan visual communication. 14 Design Presentation, Defence & AI Jury Simulation Menguji kemampuan presentation dan defence. 15 Design Reflection, Learning Analysis & Post-Design Review Menganalisis growth, critique, failures dan AI contribution. 16 Design Learning Legacy & Continuous Development Menukar pengalaman projek kepada transferable learning asset. Jadual 1 : Pemetaan fasa dan fungsi SAGA mengikut turutan. 4. Metodologi / Proses Pembangunan SAGE dibangunkan menggunakan pendekatan design-based innovation yang merangkumi analisis masalah pedagogi, pemetaan workflow pembelajaran, pembangunan structured prompts, output schema dan Lecturer Dashboard. Gambarajah 1: Fitur hadapan SAGE Gambarajah 2: Fitur tetapan bagi pengajar Pembangunan SAGE menggunakan pendekatan design-based innovation yang meliputi: Analisis masalah → Pemetaan workflow → Structured prompt → Output schema → Dashboard → Pilot → Validation Prinsip human-in-the-loop memastikan AI bertanya, mencabar dan memberi feedback, tetapi keputusan akhir kekal pada pelajar dan disahkan oleh pensyarah. Structured data seperti completion, confidence, knowledge gap, critical issue, AI contribution, student decision dan next action boleh digunakan untuk membina learning analytics. 5. Cadangan Nilai Inovasi Komponen Description Kebaharuan (Novelty) Menggabungkan guided prompting, Socratic questioning, AI critique, student agency, structured learning records dan Lecturer Dashboard dalam satu pedagogical workflow. AI diposisikan sebagai second reviewer, bukan pengganti pensyarah. Kebergunaan (Usefulness) Membantu pelajar mendapatkan bimbingan yang lebih konsisten, membina reasoning dan reflection, serta membantu pensyarah mengenal pasti learning gaps dan intervention needs. Kebolehlaksanaan (Replicability) Framework modular dan platform-agnostic; prompt dan content layer boleh diubah mengikut disiplin tanpa mengubah core pedagogical engine. Keberkesanan Kos (Cost Effectiveness) Prototype boleh dibina menggunakan platform digital sedia ada seperti AI chat interface, forms, spreadsheet/database dan dashboard; mengurangkan keperluan membina aplikasi custom pada peringkat awal. Kelestarian (Sustainability) Knowledge dan learning evidence boleh disimpan sebagai learning legacy. Framework boleh terus digunakan walaupun model AI atau platform tertentu berubah. Kebolehskalaan (Scalability) Boleh dikembangkan daripada satu kursus kepada pelbagai kursus, program, jabatan dan institusi TVET. Architecture menjadi pilot, manakala domain lain menggunakan domain-specific prompt layer. 6. Dapatan, Pengesahan dan Bukti Keberkesanan Pada peringkat ini, SAGE berada pada fasa pembangunan/prototype dan belum wajar mendakwa keputusan empirikal yang belum dikumpulkan. Oleh itu, jadual berikut membezakan baseline/result yang perlu diukur semasa pilot. Untuk pendaftaran inovasi, bukti reka bentuk dan bukti pelaksanaan awal boleh digunakan, manakala data keberkesanan sebenar perlu ditambah selepas pilot. Evidence Item Before / Baseline After / Result Interpretation Student completion / step adherence Baseline berdasarkan amalan sedia ada Peratus pelajar yang melengkapkan step dan menghasilkan evidence Menunjukkan kebolehgunaan framework. Critical thinking / reasoning Pre-assessment / rubric baseline Post-assessment / rubric score Menilai perubahan dalam reasoning dan decision-making. Student agency Baseline self-report / observation Agency score + AI suggestions accepted/modified/rejected Menilai sama ada AI menyokong atau menggantikan keputusan pelajar. Repeated design/learning errors Error pattern sebelum intervensi Error pattern selepas penggunaan SAGE Menunjukkan keberkesanan critique dan intervention. Lecturer intervention Jumlah/jenis intervention sebelum pilot Intervention yang lebih bersasar berdasarkan dashboard Menilai nilai operasi kepada pensyarah. Student/lecturer satisfaction Baseline perception Post-pilot perception Menilai usability dan perceived usefulness. Figure 1. Cadangan aliran kerja umum SAGE TVET Pelajar → SAGE AI → Structured Step Record → Learning Data → Lecturer Dashboard → Intervention → Pelajar 7. Impak Inovasi Komponen Impak Penerangan Academic / Learning Impact Bimbingan berfasa, critical thinking, problem-solving, decision-making, reflection, AI literacy dan readiness untuk assessment. Operational / Institutional Impact Pemantauan progress berstruktur, early warning, evidence-based intervention, standardisation dan cohort-level insight. Community / Industry / Market Impact Menyediakan model AI-guided learning yang boleh disesuaikan kepada bidang TVET dan menyokong keperluan graduan yang mampu menyelesaikan masalah serta menggunakan AI secara bertanggungjawab. Commercialization Potential Berpotensi dipakejkan sebagai prompt framework, training package, dashboard template, institutional implementation package atau platform SaaS pada masa hadapan. IP dan model perniagaan masih memerlukan pembangunan lanjut. Policy / TVET Ecosystem Impact Menyokong transformasi pendidikan berpusatkan manusia, AI pedagogy, continuous learning dan digital learning analytics tanpa menghapuskan peranan pendidik. 8. Kesimpulan SAGE TVET menawarkan satu pendekatan pedagogi yang memindahkan penggunaan AI daripada 'answer generation' kepada 'guided thinking'. Kekuatan utamanya ialah gabungan structured prompting, critical questioning, student agency, lecturer oversight, learning analytics dan learning legacy dalam satu workflow yang boleh diadaptasi merentas disiplin. Pilot dalam Architectural Design menunjukkan bentuk penggunaan yang jelas melalui 16-step design journey, manakala domain lain seperti Building Construction dan Automotive boleh menggunakan core framework yang sama dengan kandungan khusus bidang. Untuk memastikan inovasi ini benar-benar berimpak, fasa seterusnya ialah pelaksanaan rintis terkawal, pengumpulan baseline dan post-intervention evidence, validation oleh pensyarah serta refinement berdasarkan data sebenar. Dengan pengesahan tersebut, SAGE berpotensi berkembang daripada prototype peringkat kursus kepada ekosistem pembelajaran AI untuk TVET. Prinsip akhirnya ialah: AI guides, student decides, lecturer validates, and learning continues. Perisytiharan • Karya ini adalah asli. • Semua penulis telah menyumbang secara signifikan. • Tiada unsur plagiat. • Kandungan yang dijana AI, jika digunakan, telah disemak dan disahkan oleh penulis. • Semua data hendaklah disokong oleh rekod pelaksanaan dan boleh disahkan. Rujukan Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., & Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274 Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://www.unesco.org/en/articles/ai-competency-framework-teachers Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research Nota Penyerahan Templat ini menggunakan placeholder untuk nama penulis, afiliasi dan e-mel. Bahagian 'Dapatan, Pengesahan dan Bukti Keberkesanan' sengaja tidak mengandungi angka yang direka kerana data pilot sebenar belum dibekalkan. Selepas pilot dijalankan, jadual tersebut boleh digantikan dengan data sebenar dan statistical/qualitative evidence.