Penerapan Model Pembelajaran Challenge Based-Learning Berbantuan Deep Learning terhadap Kemampuan Koneksi Matematis Siswa

Abstract

Rendahnya kemampuan koneksi matematis siswa yang masih ditandai pembelajaran prosedural dan kurangnya keterkaitan konsep dengan konteks nyata menunjukkan adanya masalah mendasar dalam pembelajaran matematika. Berbagai inovasi pembelajaran telah diterapkan, namun sebagian besar belum secara eksplisit memadukan konteks dunia nyata dengan proses kognitif yang mendalam untuk menumbuhkan koneksi antar representasi, antar topik, serta penerapan matematika dalam kehidupan sehari-hari. Kesenjangan ini menegaskan urgensi hadirnya strategi pembelajaran yang mampu mengintegrasikan pendekatan kontekstual dengan pembelajaran bermakna. Integrasi Challenge-Based Learning (CBL) dengan pendekatan Deep Learning dipandang berpotensi menjawab kebutuhan tersebut. Tujuan artikel ini adalah mengkaji secara konseptual bagaimana integrasi CBL dan Deep Learning dapat memfasilitasi pengembangan kemampuan koneksi matematis siswa. Metode yang digunakan adalah studi literatur dengan menganalisis sintaks CBL (engage, investigate, act), karakteristik Deep Learning (mindful, meaningful, joyful), serta indikator koneksi matematis. Hasil analisis menunjukkan bahwa pada setiap sub-tahap CBL, proses kognitif Deep Learning secara operasional memfasilitasi indikator koneksi matematis, mulai dari koneksi antar representasi, koneksi prosedural, koneksi antar topik, hingga penerapan matematika dalam konteks nyata. Dengan demikian, integrasi CBL dan Deep Learning menghadirkan pembelajaran yang kontekstual sekaligus konseptual, sehingga siswa membangun pemahaman bermakna melalui keterkaitan pengetahuan. Kesimpulannya, integrasi kedua pendekatan ini memiliki landasan teoretis dan operasional yang kuat untuk memperkuat kemampuan koneksi matematis siswa dalam pembelajaran matematika abad ke-21.