Penelitian ini menyelidiki metode dan teknologi saat ini yang menghasilkan peta konsep

representasi pengetahuan struktural yang terdiri dari konsep dan hubungan sebagai
representasi model mental siswa. Penelitian ini adalah jenis validasi silang yang bertujuan
mengidentifikasi metode yang paling baik dalam hal membentuk dasar untuk umpan balik
formatif dinamis. Diasumsikan bahwa menggunakan respon bahasa alami (teks tertulis)
sebagai dasar untuk representasi peta konsep pemikiran siswa cenderung memberikan
dasar yang dapat diandalkan untuk digunakan dalam memberikan umpan balik formatif dan
penilaian . Ada kepercayaan umum bahwa penyelesaian masalah termasuk konseptualisasi
ruang masalah, yang melibatkan penciptaan struktur pengetahuan yang mengintegrasikan
ide dan konsep yang dipecahkan oleh seorang pemecah masalah dengan situasi masalah
(Dochy, Segers, Van den Bossche, & Gijbels, 2003; Jonassen, Beissner, & Yacci, 1993; Newell
& Simon, 1972; Segers, 1997). Sebagai konsekuensinya, menilai penyelesaian masalah
secara alami harus memperhitungkan struktur pengetahuan yang dibangun (Gijbels, Dochy,
Van den Bossche, & Segers, 2005); tes pengetahuan sederhana adalah ukuran yang agak
lemah dari kemampuan pemecahan masalah (Thomas, 2005). Untuk menangkap
pengetahuan struktural, sejumlah teknologi telah dikembangkan, termasuk: DEEP (Evaluasi
Dinamis untuk Pemecahan Masalah yang Ditingkatkan, Spector & Koszalka, 2004); SMD
(Surface, Matching, dan Deep Structure, Ifenthaler, 2008); T-MITOCAR (Jejak Inspeksi Model
Teks Konsep dan Hubungan, Pirnay-Dummer et al., 2009); CmapTools (Novak & Cañas,
2006); jMap (Jeong, 2008); ACSMM (Analisis Dibangun Model Mental Bersama, O'Connor et
al., 2004); KU-Mapper (Clariana & Wallace, 2009); ALA-Mapper (Analisis Lexical
AggregatesMapper, Clariana, Wallace, & Godshalk, 2009; Taricani & Clariana, 2006); ALA-
Reader (Analisis Lexical Aggregates-Reader, Clariana & Wallace, 2009; Clariana et al., 2009);
dan KNOT (Alat Orientasi Jaringan Pengetahuan, Schvaneveldt, 1990). Teknologi saat ini baik
mengharuskan peserta didik untuk membuat peta konsep beranotasi dengan deskripsi kaya
tautan dan simpul (DEEP) atau mereka menggunakan respons teks sebagai langkah
sementara dalam menghasilkan peta konsep (T-MITOCAR dan ALA-Reader) yang kemudian
dapat dinilai dengan alat seperti SMD atau KNOT. Semua teknologi ini memiliki keterbatasan
dalam hal kesesuaian, keandalan, dan validitasnya (Kalyuga, 2006; Seel, 1999; Spector,
Dennen, & Koszalka, 2006). Makalah ini berfokus pada metode yang menggunakan respons
teks untuk menghasilkan peta konsep yang kemudian dapat dinilai dan mengeksplorasi
pendekatan alternatif yang mencoba untuk mengembalikan deskripsi kaya tautan di antara
node. Metode dan teknologi terkemuka diklasifikasikan dan dianalisis dalam hal kelebihan
dan kekurangannya. Selanjutnya, metode dan teknologi alternatif untuk menganalisis
respons siswa dalam bentuk teks tertulis dipilih. Akhirnya, crossvalidation di antara
teknologi yang dipilih dilakukan, dianalisis dan dilaporkan. Berdasarkan hasil, pendekatan
alternatif untuk dipertimbangkan dalam membangun dan menilai secara otomatis peta
konsep berdasarkan respon teks terbuka untuk situasi masalah kemudian dijelaskan