Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.
com
Jurnal dari
Intelijen
Artikel
Menganalisis Strategi Pemecahan Masalah yang Kompleks
dari Perspektif Kognitif: Peran Keterampilan Berpikir
Hao Wu1,* dan Gyongyvér MolnAR2
Kutipan:Wu, Hao, dan Gyöngyvér Moln
AR. 2022. Menganalisis Strategi
Pemecahan Masalah yang Kompleks
dari Perspektif Kognitif: Peran
Keterampilan Berpikir.Jurnal Intelijen
10: 46. https://doi.org/10.3390/
jintelligence10030046
Diterima: 31 Mei 2022
Diterima: 21 Juli 2022
Diterbitkan: 25 Juli 2022
Catatan Penerbit:MDPI tetap netral
sehubungan dengan klaim yurisdiksi
dalam peta yang diterbitkan dan afiliasi
kelembagaan.
Hak cipta:© 2022 oleh penulis.
Penerima Lisensi MDPI, Basel, Swiss.
Artikel ini adalah artikel akses terbuka
yang didistribusikan berdasarkan
syarat dan ketentuan lisensi Creative
Commons Attribution (CC BY) (https://
creativecommons.org/licenses/by/
4.0/).
J.Int elo.2022,10, 46. https://doi.org/10.3390/jintelligence10030046
1 Grup Riset Teknologi Pembelajaran Digital MTA-SZTE, Pusat Pembelajaran dan Instruksi,
Universitas Szeged, 6722 Szeged, Hongaria
2 Kelompok Riset Teknologi Pembelajaran Digital MTA-SZTE, Institut Pendidikan, Universitas Szeged, 6722
Szeged, Hungaria; gymolnar@edpsy.u-szeged.hu
* Korespondensi: haowu@edu.u-szeged.hu
Abstrak:Pemecahan masalah kompleks (CPS) dianggap sebagai salah satu keterampilan yang paling penting
untuk keberhasilan pembelajaran. Dalam upaya untuk mengeksplorasi sifat CPS, penelitian ini bertujuan untuk
menyelidiki peran penalaran induktif (IR) dan penalaran kombinatorial (CR) dalam proses pemecahan masalah
siswa menggunakan strategi eksplorasi yang dapat dibedakan secara statistik di lingkungan CPS. Sampel
diambil dari sekelompok mahasiswa (N = 1343). Tes disampaikan melalui platform penilaian online eDia. Analisis
kelas laten digunakan untuk mencari siswa yang strategi pemecahan masalah menunjukkan pola yang sama.
Empat profil kelas yang berbeda secara kualitatif diidentifikasi: (1) 84,3% siswa adalah pengguna strategi yang
mahir, (2) 6,2% adalah pembelajar cepat, (3) 3,1% adalah penjelajah yang tidak gigih, dan (4) 6,5% adalah non-
persisten. melakukan penjelajah. Pengguna strategi eksplorasi yang lebih baik menunjukkan perkembangan
yang lebih besar dalam keterampilan berpikir, dan peran IR dan CR dalam proses CPS bervariasi untuk setiap
jenis pengguna strategi. Singkatnya, analisis mengidentifikasi perilaku pemecahan masalah siswa sehubungan
dengan strategi eksplorasi di lingkungan CPS dan mendeteksi sejumlah perbedaan luar biasa dalam hal
penggunaan keterampilan berpikir antara siswa dengan strategi eksplorasi yang berbeda.
Kata kunci:pemecahan masalah yang kompleks; kemampuan berpikir; analisis file log; data proses
1. Perkenalan
Pemecahan masalah adalah bagian tak terpisahkan dari aktivitas kita sehari-hari, misalnya dalam
menentukan apa yang akan dikenakan di pagi hari, bagaimana menggunakan perangkat elektronik baru kita,
bagaimana mencapai restoran dengan angkutan umum, bagaimana mengatur jadwal kita untuk mencapai
hasil kerja terbaik. efisiensi dan bagaimana berkomunikasi dengan orang-orang di negara asing. Dalam
kebanyakan kasus, sangat penting untuk memecahkan masalah yang berulang dalam studi, pekerjaan, dan
kehidupan kita sehari-hari. Situasi ini membutuhkan pemecahan masalah. Secara umum, pemecahan masalah
adalah pemikiran yang terjadi jika kita ingin “mengatasi penghalang antara keadaan tertentu dan keadaan
tujuan yang diinginkan melalui perilaku dan/atau kognitif, aktivitas multi-langkah” (Frensch dan Funke 1995, P.
18). Itu juga telah dianggap sebagai salah satu keterampilan paling penting untuk keberhasilan pembelajaran
di abad ke-21. Studi ini berfokus pada satu jenis pemecahan masalah tertentu, pemecahan masalah kompleks
(CPS). (Banyak istilah lain juga digunakan (Funke dkk. 2018), seperti pemecahan masalah interaktif (Greiff et al.
2013;Wu dan MolnAr 2018), dan pemecahan masalah secara kreatif (OECD 2010), dll.).
CPS adalah keterampilan transversal (Greiff et al. 2014), mengoperasikan beberapa aktivitas mental dan
keterampilan berpikir (lihatMolAr dkk. 2013). Untuk mengeksplorasi sifat CPS, beberapa penelitian telah
difokuskan untuk mendeteksi keterampilan komponennya (Wu dan MolnAr 2018), sedangkan yang lain
menganalisis perilaku siswa selama proses pemecahan masalah (Greiff et al. 2018; Wu dan MolnAr 2021). Studi
ini bertujuan untuk menghubungkan kedua bidang ini dengan menyelidiki peran keterampilan berpikir dalam
pembelajaran dengan memeriksa penggunaan strategi eksplorasi yang dapat dibedakan secara statistik oleh
siswa di lingkungan CPS.
https://www.mdpi.com/journal/jintelligence
J. Intell.2022,10, 46 2 dari 17

1.1. Pemecahan Masalah Kompleks: Pengertian, Penilaian dan Hubungannya dengan Kecerdasan

Menurut definisi yang diterima secara luas diusulkan olehBuchner(1995), CPS adalah
“interaksi yang berhasil dengan lingkungan tugas yang dinamis (yaitu, perubahan sebagai fungsi
dari intervensi pengguna dan/atau sebagai fungsi waktu) dan di mana beberapa, jika tidak semua,
keteraturan lingkungan hanya dapat diungkapkan oleh eksplorasi yang sukses dan integrasi
informasi yang diperoleh dalam proses itu” (Buchner 1995, P. 14). Proses CPS dibagi menjadi dua
fase, akuisisi pengetahuan dan aplikasi pengetahuan. Dalam fase akuisisi pengetahuan (KAC) CPS,
pemecah masalah memahami masalah itu sendiri dan menyimpan informasi yang diperoleh (
Funke 2001;Novick dan Bassok 2005). Dalam fase aplikasi pengetahuan (KAP), pemecah masalah
menerapkan pengetahuan yang diperoleh untuk membawa transisi dari keadaan tertentu ke
keadaan tujuan (Novick dan Bassok 2005).
Pemecahan masalah, khususnya CPS, telah sering dibandingkan atau dihubungkan
dengan inteligensi dalam penelitian sebelumnya (misalnya,Beckmann dan Guthke 1995;
Stadler dkk. 2015;Wenke dkk. 2005).Lotz et al.(2017) mengamati bahwa "kecerdasan dan
[CPS] adalah dua konstruksi yang sangat tumpang tindih" (hal. 98). Ada banyak kesamaan
dan kesamaan yang bisa dideteksi antara CPS dan kecerdasan. Misalnya, CPS dan intelijen
berbagi beberapa fitur kunci yang sama, seperti integrasi informasi (Stadler dkk. 2015). Lebih-
lebih lagi, Wenke dkk.(2005) menyatakan bahwa “kemampuan untuk memecahkan masalah
menonjol dalam hampir setiap definisi kecerdasan manusia” (hal. 9); Sementara itu, dari
perspektif yang berlawanan, kecerdasan juga dianggap sebagai salah satu prediktor
terpenting dari kemampuan untuk memecahkan masalah (Wenke dkk. 2005). Selain itu,
hubungan antara CPS dan kecerdasan juga telah dibahas dari perspektif empiris. Sebuah
meta-analisis yang dilakukan olehStadler dkk.(2015) memilih 47 studi empiris (ukuran sampel
total N = 13.740) yang berfokus pada korelasi antara CPS dan kecerdasan. Hasil analisis
mereka menegaskan bahwa ada korelasi antara CPS dan kecerdasan dengan ukuran efek
sedang M(g) = 0,43.
Karena hubungan yang kuat antara CPS dan intelijen, penilaian kedua domain ini telah terhubung
dan tumpang tindih sampai batas tertentu. Contohnya,Beckmann dan Guthke(1995) mengamati bahwa
beberapa tes kecerdasan “menangkap sesuatu yang mirip dengan kemampuan umum individu untuk
memecahkan masalah (misalnya,Stenberg 1982)” (hlm. 184). Saat ini, beberapa metode penilaian CPS
yang banyak digunakan terkait dengan kecerdasan tetapi masih merupakan konstruk yang berbeda.
Schweizer dkk. 2013), seperti pendekatan MicroDYN (Greiff dan Funke 2009;Greiff et al. 2012;Schweizer
dkk. 2013). Pendekatan ini menggunakan sistem kompleks minimal untuk mensimulasikan masalah yang
disederhanakan, artifisial tetapi tetap kompleks mengikuti aturan konstruksi tertentu (Greiff dan Funke
2009;Greiff et al. 2012).
Pendekatan MicroDYN telah digunakan secara luas untuk mengukur pemecahan masalah
dalam konteks masalah yang terdefinisi dengan baik (yaitu, "masalah memiliki seperangkat sarana
yang jelas untuk mencapai keadaan tujuan yang dijelaskan dengan tepat",Dörner dan Funke 2017,
P. 1). Untuk menyelesaikan tugas berdasarkan pendekatan MicroDYN, pemecah masalah terlibat
dalam interaksi dinamis dengan tugas untuk memperoleh pengetahuan yang relevan. Tidak
mungkin membuat lingkungan pengujian semacam ini dengan metode tradisional berbasis kertas
dan pensil. Oleh karena itu, saat ini hanya mungkin untuk melakukan penilaian CPS berbasis
MicroDYN dalam kerangka penilaian berbasis komputer. Dalam konteks penilaian berbasis
komputer, operasi pemecah masalah dicatat dan dicatat oleh platform penilaian. Jadi, kecuali
untuk data hasil reguler yang berfokus pada pencapaian, data logfile juga tersedia untuk analisis.
Ini memberikan pilihan untuk mengeksplorasi dan memantau perilaku dan proses berpikir
pemecah masalah, khususnya, strategi eksplorasi mereka, selama proses pemecahan masalah
(lihat, misalnya,Chen dkk. 2019;Greiff et al. 2015a;MolAr dan CsapHai2018;MolAr dkk. 2022;Wu dan
MolnAr 2021).
Pemecahan masalah, dalam konteks masalah yang tidak jelas (yaitu, "masalah tidak memiliki
definisi masalah yang jelas, status tujuannya tidak ditentukan dengan jelas, dan sarana untuk bergerak
menuju status tujuan (dijelaskan secara menyebar) tidak jelas", Dörner dan Funke 2017, p.1), melibatkan
proses kognitif yang berbeda dari itu dalam konteks masalah yang terdefinisi dengan baik (Funke 2010;
Schraw dkk. 1995), dan tidak dapat diukur dengan pendekatan MicroDYN. Alam
J. Intell.2022,10, 46 3 dari 17

pemecahan masalah yang tidak jelas telah dieksplorasi dan dibahas dalam berbagai penelitian (misalnya,
Dörner dan Funke 2017;Holda et al. 2020;Schraw dkk. 1995;Welter dkk. 2017). Ini tidak akan dibahas di sini
karena penelitian ini berfokus pada pemecahan masalah yang terdefinisi dengan baik.

1.2. Penalaran Induktif dan Kombinatorial sebagai Komponen Keterampilan Pemecahan Masalah Kompleks

Frensch dan Funke(1995) membangun kerangka teoritis yang merangkum komponen

dasar CPS dan keterkaitan antar komponen. Kerangka kerja ini berisi tiga komponen
terpisah: pemecah masalah, tugas, dan lingkungan. Dampak pemecah masalah terutama
relevan dengan tiga kategori utama, yaitu isi memori, pemrosesan informasi dinamis, dan
variabel non-kognitif. Beberapa keterampilan berpikir telah dilaporkan memainkan peran
penting dalam pemrosesan informasi yang dinamis. Dengan demikian kita dapat
menggambarkan mereka sebagai keterampilan komponen CPS. Penalaran induktif (IR) dan
penalaran kombinatorial (CR) adalah dua keterampilan berpikir yang paling sering dibahas
sebagai keterampilan komponen CPS.
IR adalah keterampilan penalaran yang paling sering dibahas dalam literatur. Saat ini, tidak
ada definisi yang diterima secara universal.MolAr dkk.(2013) menggambarkannya sebagai proses
kognitif memperoleh keteraturan umum dengan menggeneralisasi pengamatan dan pengalaman
tunggal dan spesifik, sedangkanKlauer(1990) mendefinisikannya sebagai penemuan keteraturan
yang bergantung pada pendeteksian persamaan dan/atau ketidakmiripan sebagai atribut
perhatian atau hubungan ke atau antara objek.Sandberg dan McCullough(2010) memberikan
kesimpulan umum dari definisi IR: itu adalah proses perpindahan dari yang khusus ke yang umum.

CsapHai(1997) menunjukkan bahwa IR adalah komponen dasar pemikiran dan membentuk

aspek sentral dari fungsi intelektual. Beberapa penelitian juga membahas peran IR dalam
lingkungan pemecahan masalah. Contohnya,Mayer(1998) menyatakan bahwa IR akan diterapkan
dalam pengolahan informasi selama proses pemecahan masalah umum.Gilholy(1982) juga
menunjukkan bahwa IR memainkan peran kunci dalam beberapa kegiatan dalam proses
pemecahan masalah, seperti pembuatan hipotesis dan pengujian hipotesis. Selain itu, pengaruh IR
pada KAC dan KAP telah dianalisis dan didemonstrasikan pada penelitian sebelumnya (MolAr dkk.
2013).
Studi empiris juga memberikan bukti bahwa IR dan CPS terkait. Berdasarkan hasil
penilaian skala besar (N = 2769),MolAr dkk.(2013) menunjukkan bahwa IR secara signifikan
berkorelasi dengan prestasi pemecahan masalah domain-umum siswa berusia 9-17 tahun (r
= 0,44-0,52).Greiff et al.(2015b) melakukan proyek penilaian skala besar (N = 2021) di
Finlandia untuk mengeksplorasi hubungan antara keterampilan penalaran cair dan CPS
umum domain. Studi ini mengukur penalaran cair sebagai model dua dimensi yang terdiri
dari penalaran deduktif dan penalaran ilmiah dan termasuk proses berpikir induktif (Greiff et
al. 2015b). Gambaran hasil pemodelan persamaan struktural menunjukkan bahwa penalaran
cair yang sebagian didasarkan pada IR memiliki efek prediksi yang signifikan dan kuat pada
KAC (β = 0,51) dan KAP (β = 0,55), dua fase pemecahan masalah. Studi semacam itu telah
menyarankan bahwa IR adalah salah satu keterampilan komponen CPS.
BerdasarkanAdey dan CsapHai'S (2012) definisi, CR adalah proses pembuatan konstruksi
kompleks dari sekumpulan elemen tertentu yang memenuhi kondisi yang secara eksplisit
diberikan atau disimpulkan dari situasi. Dalam proses ini, beberapa operasi kognitif, seperti
kombinasi, pengaturan, permutasi, notasi, dan rumus, akan digunakan (Inggris 2005). CR adalah
salah satu komponen dasar berpikir formal (Batanero dkk. 1997). Hubungan antara CR dan CPS
sudah sering dibahas.Bahasa inggris(2005) mendemonstrasikan bahwa CR memiliki arti penting
dalam beberapa jenis situasi masalah, seperti masalah yang membutuhkan pengujian sistematis
dari solusi alternatif. Lebih-lebih lagi,Newell(1993) menunjukkan bahwa CR diterapkan dalam
beberapa aktivitas utama pemrosesan informasi pemecahan masalah, seperti pembuatan dan
penerapan strategi. Fungsinya termasuk, tetapi tidak terbatas pada, membantu pemecah masalah
untuk menemukan hubungan antara elemen dan konsep tertentu, meningkatkan kelancaran
berpikir ketika mereka mempertimbangkan strategi yang berbeda (CsapHai 1999) dan
mengidentifikasi semua kemungkinan alternatif (OECD 2014). Lebih-lebih lagi,Wu dan MolnAR'S
J. Intell.2022,10, 46 4 dari 17

(2018) studi empiris mengambil sampel (N = 187) siswa sekolah dasar berusia 11-13 tahun di Cina. Studi
mereka membangun model persamaan struktural antara CPS, IR dan CR, dan hasilnya menunjukkan
bahwa CR menunjukkan kekuatan prediksi yang kuat dan signifikan secara statistik untuk CPS (β = 0,55).
Dengan demikian, hasil studi empiris juga mendukung argumentasi bahwa CR merupakan salah satu
komponen keterampilan CPS.

1.3. Perilaku dan Strategi dalam Lingkungan Pemecahan Masalah yang Kompleks
Wüstenberg dkk.(2012) menyatakan bahwa pembuatan dan implementasi eksplorasi strategis
adalah tindakan inti dari tugas pemecahan masalah. Menjelajahi dan menghasilkan informasi yang
efektif adalah kunci untuk berhasil memecahkan masalah.Wittmann dan Hattrup(2004) mengilustrasikan
bahwa "strategi yang lebih berisiko [menciptakan] lingkungan belajar dengan peluang lebih besar untuk
menemukan dan menguasai aturan dan batasan [dari suatu masalah]" (hal. 406). Dengan demikian,
ketika mengumpulkan informasi tentang masalah yang kompleks, mungkin ada perbedaan antara
strategi eksplorasi dalam hal kemanjuran. Skenario MicroDYN, penyederhanaan dan simulasi konteks
pemecahan masalah dunia nyata, juga akan dipengaruhi oleh adopsi dan implementasi strategi
eksplorasi.
Efektivitas strategi variasi terisolasi (atau strategi “Vary-One-Thing-At-A-Time”—VOTAT;
Vollmeyer et al. 1996) di lingkungan CPS telah diperdebatkan dengan hangat (Chen dkk. 2019;
Greiff et al. 2018;MolAr dan CsapHai2018;MolAr dkk. 2022;Wu dan MolnAr 2021;Wüstenberg dkk.
2014). Untuk menggunakan strategi VOTAT, seorang pemecah masalah “secara sistematis
memvariasikan hanya satu variabel masukan, sedangkan yang lainnya tetap tidak berubah.
Dengan demikian, pengaruh variabel yang baru saja diubah dapat diamati secara langsung
dengan memantau perubahan variabel keluaran” (MolAr dan CsapHai2018, P. 2). Memahami dan
menggunakan VOTAT secara efektif adalah dasar untuk mengembangkan strategi yang lebih
kompleks untuk mengoordinasikan banyak variabel dan dasar untuk beberapa fase pemikiran
ilmiah (yaitu penyelidikan, analisis, inferensi, dan argumen;Kun 2010;Kuhn et al. 1995).
Beberapa studi sebelumnya telah menunjukkan bahwa siswa yang mampu menerapkan
VOTAT lebih mungkin mencapai kinerja yang lebih tinggi dalam penilaian CPS (Greiff et al. 2018),
terutama jika masalahnya adalah sistem kompleks minimal yang terdefinisi dengan baik (seperti
MicroDYN) (Fischer et al. 2012;MolAr dan CsapHai2018;Wu dan MolnAr 2021). Contohnya,MolAr
dan CsapHai(2018) melakukan studi empiris untuk mengeksplorasi bagaimana strategi eksplorasi
siswa memengaruhi kinerja mereka dalam lingkungan pemecahan masalah yang interaktif.
Mereka mengukur sebuah kelompok (N = 4371) dari kelas 3 hingga kelas 12 (usia 9-18) prestasi
pemecahan masalah siswa Hongaria dan mencontohkan strategi eksplorasi siswa. Hasil ini
menegaskan bahwa strategi eksplorasi siswa mempengaruhi kinerja pemecahan masalah mereka.
Misalnya, pengguna strategi VOTAT yang sadar terbukti menjadi pemecah masalah terbaik.
Selanjutnya, studi empiris lainnya (misalnya,MolAr dkk. 2022;Wu dan MolnAr 2021) mencapai hasil
yang serupa, sehingga menegaskan pentingnya VOTAT dalam lingkungan CPS berbasis MicroDYN.
Lotz et al.(2017) mengilustrasikan bahwa penggunaan VOTAT yang efektif dikaitkan dengan tingkat
kecerdasan yang lebih tinggi. Studi mereka juga menunjukkan bahwa kecerdasan memiliki potensi untuk
memfasilitasi perilaku eksplorasi yang sukses. Keterampilan penalaran merupakan komponen penting
dari kecerdasan umum. BerdasarkanLotz et al.'S (2017) pernyataan, peran IR dan CR bermain dalam
proses CPS mungkin berbeda karena pola penggunaan strategi siswa yang berbeda. Namun, masih ada
kekurangan studi empiris dalam hal ini.

2. Tujuan dan Pertanyaan Penelitian

Sejumlah penelitian telah mengeksplorasi sifat CPS, beberapa di antaranya membahas dan
menganalisisnya dari perspektif perilaku atau kognitif. Namun, hampir tidak ada yang
menggabungkan kedua perspektif ini. Dari perspektif kognitif, penelitian ini mengeksplorasi peran
keterampilan berpikir (termasuk IR dan CR) dalam proses kognisi CPS. Dari perspektif perilaku,
penelitian ini berfokus pada perilaku siswa (yakni strategi eksplorasi mereka) dalam proses
penilaian CPS. Lebih khusus lagi, penelitian ini bertujuan untuk mengisi celah ini dan memeriksa
penggunaan strategi eksplorasi yang dapat dibedakan secara statistik oleh siswa di lingkungan
CPS dan untuk mendeteksi hubungan antara tingkat pemikiran siswa.
J. Intell.2022,10, 46 5 dari 17

keterampilan dan strategi perilaku mereka di lingkungan CPS. pertanyaan- Penelitian berikut ini
pertanyaan demikian terbentuk.

(RQ1) Profil strategi eksplorasi apa yang mencirikan berbagai pemecah masalah di
tingkat universitas?
(RQ2) Bisakah perbedaan perkembangan dalam CPS, IR, dan CR terdeteksi di antara siswa
dengan profil strategi eksplorasi yang berbeda?
(RQ3) Apa persamaan dan perbedaan peran IR dan CR dalam proses CPS serta
dalam dua fase CPS (yaitu, KAC dan KAP) di antara siswa dengan profil strategi
eksplorasi yang berbeda?

3. Metode
3.1. Peserta dan Prosedur
Sampel diambil dari salah satu universitas terbesar di Hungaria. Partisipasi bersifat
sukarela, tetapi siswa dapat memperoleh satu kredit kursus untuk mengambil bagian dalam
penilaian. Partisipannya adalah mahasiswa yang baru memulai studinya di sana (N = 1671).
43,4% dari siswa tahun pertama mengambil bagian dalam penilaian. 50,9% dari peserta
adalah perempuan, dan 49,1% adalah laki-laki. Kami memfilter sampel dan mengecualikan
mereka yang memiliki lebih dari 80% data yang hilang pada salah satu tes. Setelah data
dibersihkan, data dari 1343 siswa tersedia untuk dianalisis. Tes dirancang dan disampaikan
melalui sistem penilaian online eDia (CsapHaidan MolnAr 2019). Penilaian diadakan di ruang
TIK universitas dan dibagi menjadi dua sesi. Sesi pertama melibatkan tes CPS, sedangkan sesi
kedua melibatkan tes IR dan CR. Setiap sesi berlangsung selama 45 menit. Bahasa ujiannya
adalah Hongaria, bahasa ibu para siswa.

3.2. Instrumen
3.2.1. Pemecahan Masalah Kompleks (CPS)
Instrumen penilaian CPS mengadopsi pendekatan MicroDYN. Ini berisi total dua belas skenario,
dan setiap skenario terdiri dari dua item (satu item dalam fase KAC dan satu item dalam fase KAP di
setiap skenario masalah). Oleh karena itu, dua belas item KAC dan dua belas item KAP disampaikan pada
tes CPS dengan total dua puluh empat item. Setiap skenario memiliki cerita sampul fiksi. Misalnya, siswa
menemukan kucing yang sakit di depan rumahnya, dan mereka diharapkan memberi makan kucing
tersebut dengan dua jenis makanan kucing yang berbeda untuk membantunya sembuh.

Setiap item berisi hingga tiga input dan tiga variabel output. Hubungan antara
variabel input dan output dirumuskan dengan persamaan struktural linier (Funke 2001).
Angka1menunjukkan struktur sampel MicroDYN yang berisi tiga variabel input (A, B dan
C), tiga variabel output (X, Y dan Z) dan sejumlah kemungkinan hubungan antar variabel.
Kompleksitas item ditentukan oleh jumlah variabel input dan output, dan jumlah
hubungan antar variabel. Tes dimulai dengan soal yang tingkat kerumitannya paling
rendah. Kompleksitas setiap item secara bertahap meningkat seiring berjalannya tes.

Antarmuka setiap item menampilkan nilai setiap variabel dalam bentuk numerik dan
figural (Lihat Gambar2). Setiap variabel input memiliki pengontrol, yang memungkinkan
untuk memvariasikan dan mengatur nilai antara +2 (+ +) dan−2 (− −). Untuk mengoperasikan
sistem, siswa perlu mengklik tombol “+” atau “−” atau gunakan penggeser secara langsung
untuk memilih nilai yang ingin ditambahkan atau dikurangi dari nilai saat ini dari variabel
input. Setelah mengklik tombol "Terapkan" di antarmuka, variabel input akan menambah
atau mengurangi nilai yang dipilih, dan variabel output akan menampilkan perubahan yang
sesuai. Riwayat nilai variabel input dan output dalam skenario masalah yang sama
ditampilkan di layar. Jika siswa ingin menarik semua perubahan dan menyetel semua variabel
ke status aslinya, mereka dapat mengklik tombol “Reset”.
J. Intell.2022,10, 46 6 dari 17

Gambar 1.Struktur MicroDYN tipikal dengan tiga variabel input dan tiga variabel output (Greiff
dan Funke 2009).

Gambar 2.Cuplikan layar Cat item MicroDYN—fase pertama (perolehan pengetahuan). (Barang-barang
diberikan dalam bahasa Hungaria.)

Pada tahap pertama proses pemecahan masalah, tahap KAC, siswa diminta untuk
berinteraksi dengan sistem dengan mengubah nilai variabel masukan dan mengamati serta
menganalisis perubahan terkait pada variabel keluaran. Mereka kemudian diharapkan untuk
menentukan hubungan antara variabel masukan dan keluaran dan menggambarnya dalam
bentuk (an) anak panah pada peta konsep di bagian bawah antarmuka. Untuk menghindari
ketergantungan item pada fase kedua dari proses pemecahan masalah, siswa diberikan peta
konsep selama fase KAP (lihat Gambar3), yang menunjukkan koneksi yang benar antara variabel
input dan output. Para siswa diharapkan untuk berinteraksi dengan sistem dengan memanipulasi
variabel masukan untuk membuat variabel keluaran mencapai nilai target yang diberikan dalam
empat langkah atau kurang. Artinya, mereka tidak dapat mengklik tombol "Terapkan" lebih dari
empat kali. Fase pertama memiliki batas waktu 180 detik, sedangkan fase kedua memiliki batas
waktu 90 detik.
J. Intell.2022,10, 46 7 dari 17

Gambar 3.Cuplikan layar Cat item MicroDYN—fase kedua (aplikasi pengetahuan). (Item diberikan
dalam bahasa Hungaria).

3.2.2. Penalaran Induktif (IR)

Instrumen IR (lihat Gambar4) awalnya dirancang dan dikembangkan di Hungaria (CsapHai
1997). Dalam 25 tahun terakhir, instrumen tersebut telah dikembangkan lebih lanjut dan
diskalakan untuk rentang usia yang luas (MolAr dan CsapHai2011). Selain itu, item figural telah
ditambahkan, dan metode penilaian telah berkembang dari kertas dan pensil menjadi berbasis
komputer (PAsztor 2016). Saat ini, instrumen tersebut digunakan secara luas di sejumlah negara
(lihat, misalnya, Mousa dan MolnAr 2020;PAsztor et al. 2018;Wu dkk. 2022;Wu dan MolnAr 2018).
Dalam penelitian ini, empat jenis item dimasukkan setelah uji adaptasi: seri figural, analogi figural,
analogi angka dan seri angka. Siswa diharapkan untuk memastikan hubungan yang benar antara
angka dan angka yang diberikan dan memilih angka atau angka yang sesuai sebagai jawaban
mereka. Siswa menggunakan operasi drag-and-drop untuk memberikan jawaban mereka. Secara
total, 49 item penalaran induktif disampaikan kepada siswa yang berpartisipasi.

Gambar 4.Contoh item untuk tes IR. (Barang-barang diberikan dalam bahasa Hongaria.).
J. Intell.2022,10, 46 8 dari 17

3.2.3. Penalaran Kombinatorial (CR)

Instrumen CR (lihat Gambar5) awalnya dirancang olehCsapHai(1988). Instrumen ini pertama
kali dikembangkan dalam format kertas dan pensil dan kemudian dimodifikasi untuk penggunaan
komputer.PAsztor dan CsapHai2014). Setiap item berisi elemen figural atau verbal dan persyaratan
yang jelas untuk menyisir elemen tersebut. Siswa diminta untuk membuat daftar setiap kombinasi
berdasarkan aturan tertentu yang dapat mereka temukan. Untuk item figural, siswa memberikan
jawaban mereka menggunakan operasi drag-and-drop; untuk item verbal, mereka diminta untuk
mengetik jawabannya di kotak teks yang tersedia di layar. Tes terdiri dari delapan item penalaran
kombinatorial secara total.

Gambar 5.Contoh item untuk tes CR. (Item diberikan dalam bahasa Hungaria).

3.3. Skor
Kinerja siswa dinilai secara otomatis melalui platform eDia. Item pada tes CPS dan IR
dinilai secara dikotomis. Pada tahap pertama (KAC) tes CPS, jika seorang siswa menggambar
semua hubungan yang benar pada peta konsep yang disediakan di layar dalam jangka waktu
yang diberikan, kinerjanya diberi skor 1 atau skor 0. Dalam tahap kedua (KAP) tes CPS, jika
siswa berhasil mencapai nilai target yang diberikan dari variabel output dengan
memanipulasi level variabel input dalam waktu tidak lebih dari empat langkah dan jangka
waktu yang diberikan, maka kinerjanya memperoleh skor 1 atau sebaliknya skor 0. Pada soal-
soal tes IR, jika seorang siswa memilih angka atau angka yang benar sebagai jawabannya,
maka ia mendapat skor 1; jika tidak, skornya adalah 0.
Performa siswa pada item tes CR diberi skor menurut indeks J khusus, yang
dikembangkan olehCsapHai(1988). Indeks J berkisar dari 0 hingga 1, di mana 1 berarti bahwa
siswa memberikan semua kombinasi yang benar tanpa kombinasi berlebihan pada tugas
tersebut. Rumus untuk menghitung indeks J adalah sebagai berikut:

J = x(T−y)/T2,

Di mana
x adalah jumlah kombinasi yang benar dalam jawaban siswa, T adalah
jumlah dari semua kemungkinan kombinasi yang benar, dan
y singkatan jumlah kombinasi berlebihan dalam jawaban siswa. Selanjutnya
menurutCsapHai'S (1988) desain, jika y lebih besar dari T, maka indeks J akan
dihitung sebagai 0.
J. Intell.2022,10, 46 9 dari 17

3.4. Pengkodean dan Pelabelan Data Logfile

Di luar data jawaban yang konkret, interaksi siswa dan perilaku manipulasi juga dicatat
dalam sistem penilaian. Ini memungkinkan untuk menganalisis perilaku eksplorasi siswa pada fase
pertama proses CPS (fase KAC). Untuk tujuan ini, kami mengadopsi sistem pelabelan yang
dikembangkan olehMolAr dan CsapHai(2018) untuk mentransfer data file log mentah ke file data
terstruktur untuk dianalisis. Berdasarkan sistem, setiap percobaan (yaitu, jumlah manipulasi
dalam skenario masalah yang sama yang diterapkan dan diuji dengan mengklik tombol
"Terapkan") dimodelkan sebagai entitas data tunggal. Jumlah percobaan ini dalam masalah yang
sama didefinisikan sebagai strategi. Dalam penelitian kami, kami hanya mempertimbangkan uji
coba yang mampu memberikan informasi yang berguna dan baru bagi pemecah masalah,
sedangkan uji coba operasi atau redundan tidak disertakan.
Dalam penelitian ini, kami menganalisis uji coba siswa untuk menentukan sejauh mana mereka
menggunakan strategi VOTAT: sepenuhnya, sebagian, atau tidak sama sekali. Strategi ini adalah strategi
eksplorasi yang paling sukses untuk masalah seperti itu; itu adalah yang paling mudah untuk menafsirkan dan
memberikan informasi langsung tentang variabel yang diberikan tanpa efek mediasi (Fischer et al. 2012;Greiff et
al. 2018;MolAr dan CsapHai2018;Wüstenberg dkk. 2014;Wu dan MolnAr 2021). Berdasarkan definisi VOTAT yang
tercantum dalam Bagian1.3, kami memeriksa uji coba siswa untuk memastikan apakah mereka secara
sistematis memvariasikan satu variabel input sambil mempertahankan yang lain tidak berubah, atau
menerapkan strategi berbeda yang kurang berhasil. Kami mempertimbangkan tiga jenis uji coba berikut:

1. “Hanya satu variabel input tunggal yang dimanipulasi, yang hubungannya dengan variabel output
tidak diketahui (kami menganggap hubungan tidak diketahui jika efeknya tidak dapat diketahui
dari pengaturan sebelumnya), sedangkan variabel lainnya ditetapkan pada nilai netral seperti nol
[...]
2. Satu variabel input tunggal diubah, yang hubungannya dengan variabel output tidak diketahui. Yang
lainnya tidak nol, tetapi pada pengaturan yang digunakan sebelumnya. [ . . . ]
3. Satu variabel input tunggal diubah, yang hubungannya dengan variabel output tidak
diketahui, dan yang lainnya tidak nol; namun, efek dari variabel input lainnya
diketahui dari pengaturan sebelumnya. Meski begitu, kombinasi ini tidak dicoba
sebelumnya ”(MolAr dan CsapHai2018, P. 8)
Kami menggunakan angka 0, 1 dan 2 untuk membedakan tingkat penggunaan strategi eksplorasi yang paling
efektif oleh siswa (yaitu, VOTAT). Jika seorang siswa menerapkan satu atau lebih percobaan di atas untuk setiap variabel
input dalam skenario yang sama, kami menganggap bahwa mereka telah menggunakan strategi VOTAT lengkap dan
memberi label perilaku ini 2. Jika seorang siswa hanya menggunakan VOTAT pada beberapa tetapi tidak semua variabel
input, kami menyimpulkan bahwa mereka telah menggunakan strategi VOTAT parsial untuk skenario masalah itu dan
menamakannya 1. Jika seorang siswa tidak menggunakan satupun percobaan yang disebutkan di atas dalam eksplorasi
masalah mereka, maka kami menentukan bahwa mereka tidak menggunakan VOTAT sama sekali dan sehingga
memberi mereka label 0.

3.5. Rencana Analisis Data

Kami menggunakan LCA (analisis kelas laten) untuk mengeksplorasi profil strategi eksplorasi siswa.
LCA adalah pendekatan pemodelan variabel laten yang dapat digunakan untuk mengidentifikasi kelas
sampel yang tidak terukur (laten) dengan variabel yang diamati serupa. LCA telah banyak digunakan
dalam menganalisis data logfile untuk penilaian CPS dan dalam mengeksplorasi pola perilaku siswa
(lihat, misalnya,Gnaldi et al. 2020;Greiff et al. 2018;MolAr dkk. 2022;MolAr dan CsapHai2018; Mustafić dkk.
2019;Wu dan MolnAr 2021). Skor penggunaan VOTAT pada fase KAC (0, 1, 2; lihat Bagian3.4) digunakan
untuk analisis LCA. Kami menggunakan Mplus (Muthén dan Muthén 2010) untuk menjalankan analisis
LCA. Beberapa indeks digunakan untuk mengukur kesesuaian model: AIC (kriteria informasi Akaike), BIC
(kriteria informasi Bayesian) dan aBIC (kriteria informasi Bayesian yang disesuaikan). Dengan ketiga
indikator ini, nilai yang lebih rendah menunjukkan kecocokan model yang lebih baik. Entropi (berkisar
dari 0 sampai 1, dengan nilai mendekati 1 menunjukkan tingkat kepastian yang tinggi dalam klasifikasi).
Rasio kemungkinan yang disesuaikan Lo–Mendell–Rubin digunakan untuk membandingkan model yang
berisi n kelas laten dengan model yang berisi n−1 kelas laten, dan nilai p adalah indikator apakah
perbedaan yang signifikan dapat terjadi
J. Intell.2022,10, 46 10 dari 17

terdeteksi (Lo dkk. 2001). Hasil analisis rasio kemungkinan yang disesuaikan Lo–Mendell–Rubin
digunakan untuk menentukan jumlah kelas laten yang tepat dalam model LCA.
ANOVA digunakan untuk menganalisis perbedaan kinerja untuk CPS, IR dan CR pada
siswa dari profil kelas yang berbeda. Analisis dijalankan dengan menggunakan SPSS. Analisis
jalur (PA) digunakan dalam kerangka pemodelan persamaan struktural (SEM) untuk
menyelidiki peran CR dan IR dalam CPS dan persamaan dan perbedaan di antara siswa dari
profil strategi eksplorasi yang berbeda. Model PA dilakukan dengan Mplus. Indeks Tucker-
Lewis (TLI), indeks kecocokan komparatif (CFI) dan kesalahan perkiraan root-mean-square
(RMSEA) digunakan sebagai indikator untuk kecocokan model. TLI dan CFI lebih besar dari
0,90 dipasangkan dengan RMSEA kurang dari 0,08 umumnya dianggap sebagai model yang
dapat diterima (van de Schoot dkk. 2012).

4. Hasil
4.1. Hasil Deskriptif
Ketiga tes menunjukkan reliabilitas yang baik (Cronbach's α: CPS: 0,89; IR: 0,87; CR: 0,79).
Selanjutnya, dua sub-dimensi tes CPS, KAC dan KAP, juga menunjukkan reliabilitas yang
memuaskan (Cronbach's α: KAC: 0,86; KAP: 0,78). Tes demikian terbukti dapat diandalkan.
Rata-rata dan standar deviasi kinerja siswa (dalam persentase) pada setiap tes disajikan
dalam Tabel1.

Tabel 1.Sarana dan standar deviasi kinerja siswa pada setiap tes.

CPS
IR CR
Keseluruhan KAC KAP
Berarti (%) 56.21 62.93 49,50 65.83 68.46
SD (%) 22.37 26.65 22.75 15.41 20.02

4.2. Empat Profil Strategi Eksplorasi yang Berbeda Secara Kualitatif Dapat Dibedakan di CPS
Berdasarkan data file log berlabel untuk CPS, kami menerapkan analisis kelas laten untuk
mengidentifikasi pola perilaku siswa dalam fase eksplorasi proses pemecahan masalah. Model yang
cocok untuk analisis LCA tercantum dalam Tabel2. Dibandingkan dengan model kelas laten 2 atau 3,
model kelas laten 4 memiliki AIC, BIC, dan aBIC yang lebih rendah, dan uji statistik rasio kemungkinan
(uji rasio kemungkinan yang disesuaikan Lo–Mendell–Rubin) mengonfirmasi model tersebut memiliki
kecocokan model yang jauh lebih baik. . Model kelas laten 5 dan 6 tidak menunjukkan kecocokan model
yang lebih baik daripada model kelas laten 4. Oleh karena itu, berdasarkan hasil, empat profil strategi
eksplorasi yang berbeda secara kualitatif dapat dibedakan, yang mencakup 96% siswa.

Meja 2.Sesuaikan indeks untuk analisis kelas laten.

Jumlah L–M–R
AIC BIC aBIC Entropi P
Kelas Laten Tes
2 9078 9333 9177 0,987 4255 <0,001
3 8520 8905 8670 0,939 604 <0,001
4 8381 8897 8582 0,959 188 <0,05
5 8339 8984 8591 0,955 92 0,93
6 8309 9084 8611 0,877 96 0,34

Pola untuk empat profil strategi eksplorasi yang berbeda secara kualitatif ditunjukkan pada
Gambar6. Secara total, 84,3% siswa adalah pengguna strategi eksplorasi yang mahir, yang mampu
menggunakan VOTAT dalam setiap skenario masalah terlepas dari tingkat kesulitannya (diwakili
oleh garis merah pada Gambar5). Secara total, 6,2% siswa adalah pembelajar cepat. Mereka tidak
dapat menerapkan VOTAT di awal pengujian pada soal yang paling mudah tetapi berhasil belajar
dengan cepat, dan, setelah kurva pembelajaran cepat di akhir pengujian, mereka mencapai tingkat
pengguna strategi eksplorasi mahir, meskipun masalah menjadi
J. Intell.2022,10, 46 11 dari 17

jauh lebih kompleks (diwakili oleh garis biru). Secara total, 3,1% siswa terbukti sebagai
penjelajah yang tidak gigih, dan mereka menggunakan VOTAT pada soal yang paling mudah
tetapi tidak mentransfer pengetahuan ini ke soal yang lebih kompleks. Akhirnya, mereka
tidak lagi dapat menerapkan VOTAT ketika kompleksitas masalah meningkat (diwakili oleh
garis hijau). Secara total, 6,5% siswa adalah penjelajah yang tidak berprestasi; mereka hampir tidak
menggunakan strategi VOTAT apa pun selama seluruh pengujian (diwakili oleh garis merah muda) terlepas dari
kompleksitas masalah.

Gambar 6.Empat profil strategi eksplorasi yang berbeda secara kualitatif.

4.3. Pengguna Strategi Eksplorasi yang Lebih Baik Menunjukkan Kinerja yang Lebih Baik dalam Keterampilan Penalaran

Siswa dengan profil strategi eksplorasi yang berbeda menunjukkan jenis kinerja yang
berbeda di setiap keterampilan penalaran yang sedang diselidiki. Hasil (lihat Tabel3) menunjukkan
bahwa pengguna strategi yang lebih mahir cenderung memiliki pencapaian yang lebih tinggi di
semua domain yang dinilai serta di dua sub-dimensi di CPS (yaitu, KAC dan KAP; ANOVA: CPS: F(3,
1339) = 187,28,P<0,001; KAC: F(3, 1339) = 237,15,P<0,001; KAP: F(3, 1339) = 74,91,P<0,001; IR: F(3,
1339) = 48,10,P<0,001; CR: F(3, 1339) = 28,72,P<0,001); khususnya, siswa yang diidentifikasi sebagai
"pengguna strategi eksplorasi mahir" mencapai tingkat tertinggi pada tes keterampilan penalaran
terlepas dari domain. Rata-rata, mereka diikuti oleh pembelajar yang cepat, penjelajah yang tidak
gigih, dan terakhir, penjelajah yang tidak berprestasi. Tes post hoc Tukey mengungkapkan rincian
lebih lanjut tentang perbedaan kinerja siswa dengan profil eksplorasi yang berbeda di setiap
domain yang diukur. Pengguna strategi yang mahir terbukti secara signifikan lebih terampil di
setiap domain penalaran. Mereka diikuti oleh pembelajar cepat, yang mengungguli penjelajah
yang tidak gigih dan penjelajah yang tidak berprestasi di CPS. Dalam domain IR dan CR, tidak ada
perbedaan pencapaian antara pembelajar cepat dan penjelajah non-persisten, yang secara
signifikan mengungguli penjelajah strategi yang tidak berkinerja baik.

Tabel 3.Performa siswa pada setiap tes—dikelompokkan menurut profil strategi eksplorasi yang
berbeda.

CPS
Profil Kelas IR CR
Keseluruhan KAC KAP
Strategi mahir Berarti (%) 61.37 69,57 53.17 67.79 70.47
pengguna SD (%) 19.67 22.25 21.90 14.22 18.96
Berarti (%) 35.39 36.65 34.14 59.23 62.67
Pembelajar yang cepat
SD (%) 14.26 20.45 17.15 14.22 17.60
Tidak gigih Berarti (%) 27.03 24.59 29.47 57.29 56.11
penjelajah SD (%) 10.75 14.06 11.80 18.75 24.52
Tidak berkinerja Berarti (%) 22.75 19.64 25.86 50,65 53.72
penjelajah SD (%) 12.67 15.30 16.38 16.55 23.99
J. Intell.2022,10, 46 12 dari 17

4.4. Peran IR dan CR dalam CPS dan Prosesnya Berbeda untuk Setiap Jenis Pengguna Strategi
Eksplorasi
Analisis jalur digunakan untuk mengeksplorasi kekuatan prediksi IR dan CR untuk CPS dan
prosesnya, perolehan pengetahuan dan aplikasi pengetahuan, untuk setiap kelompok siswa
dengan profil strategi eksplorasi yang berbeda. Artinya, empat model analisis jalur dibangun
untuk menunjukkan kekuatan prediksi IR dan CR untuk CPS (lihat Gambar7), dan empat model
analisis jalur lainnya dikembangkan untuk memantau kekuatan prediksi IR dan CR untuk dua fase
CPS yang dapat dibedakan secara empiris (yaitu, KAC dan KAP) (lihat Gambar8). Kedelapan model
memiliki kecocokan model yang baik, indeks kecocokan TLI dan CFI di atas 0,90, dan RMSEA adalah
kurang dari 0,08.

Gambar 7.Model analisis jalur (dengan CPS, IR dan CR) untuk setiap jenis pengguna strategi; * signifikan pada
0,05 (P<0,05); ** signifikan pada 0,01 (P<0,01); NS: tidak ditemukan pengaruh yang signifikan.

Angka 8.Model analisis jalur (dengan KAC, KAP, IR dan CR) untuk setiap jenis pengguna strategi; * signifikan pada 0,05 (
P<0,05); ** signifikan pada 0,01 (P<0,01); NS: tidak ditemukan pengaruh yang signifikan.

Tingkat IR siswa secara signifikan memprediksi tingkat CPS mereka di keempat model analisis
jalur terlepas dari profil strategi eksplorasi mereka (Gambar7; pengguna strategi mahir: β =0,432,P
<0,01; pembelajar cepat: β = 0,350,P<0,01; penjelajah yang tidak gigih: β = 0,309,
J. Intell.2022,10, 46 13 dari 17

P<0,05; dan penjelajah yang tidak berkinerja: β = 0,386,P<0,01). Tidak demikian halnya dengan CR,
yang hanya terbukti memiliki kekuatan prediktif untuk CPS di kalangan pengguna strategi mahir (β
=0,104,P<0,01). IR dan CR secara signifikan berkorelasi di keempat model.
Setelah memeriksa peran IR dan CR dalam proses CPS, kami melangkah lebih jauh untuk
mengeksplorasi peran kedua keterampilan penalaran ini dalam fase CPS yang dapat dibedakan.
Model analisis jalur (Gambar8) menunjukkan bahwa daya prediksi IR dan CR untuk KAC dan KAP
bervariasi pada masing-masing kelompok. Tingkat IR dan CR di antara penjelajah non-persisten
dan penjelajah non-performing gagal memprediksi pencapaian mereka dalam fase KAC dari proses
CPS. Selain itu, tingkat IR pelajar cepat secara signifikan memprediksi pencapaian mereka di fase
KAC (β = 0,327,P<0,01), tetapi tingkat CR mereka tidak memiliki kekuatan prediksi yang sama.
Selanjutnya, tingkat pengguna strategi mahir dari kedua keterampilan penalaran memiliki
kekuatan prediksi yang signifikan untuk KAC (IR: β = 0,363,P<0,01; CR: β = 0,132,P<0,01). Selain itu,
dalam fase KAP masalah CPS, IR memainkan peran penting untuk semua jenis pengguna strategi,
meskipun dengan kekuatan yang berbeda (pengguna strategi mahir: β = 0,408, P<0,01; pembelajar
cepat: β = 0,339,P<0,01; penjelajah yang tidak gigih: β = 0,361,P<0,01; dan penjelajah yang tidak
berkinerja: β = 0,447,P<0,01); sebaliknya, CR tidak memiliki daya prediksi yang signifikan untuk fase
KAP di salah satu model.

5. Diskusi
Studi ini bertujuan untuk menyelidiki peran IR dan CR dalam CPS dan tahapannya di
antara siswa menggunakan strategi eksplorasi yang dapat dibedakan secara statistik di
lingkungan CPS yang berbeda. Kami memeriksa 1343 mahasiswa Hongaria dan menilai
keterampilan CPS, IR, dan CR mereka. Data pencapaian dan data logfile digunakan dalam
analisis. Indikator prestasi tradisional membentuk dasar untuk menganalisis kinerja CPS, CR
dan IR siswa, sedangkan data proses yang diambil dari data logfile digunakan untuk
mengeksplorasi perilaku eksplorasi siswa di berbagai lingkungan CPS.
Empat profil strategi eksplorasi yang berbeda secara kualitatif dibedakan:
pengguna strategi mahir, pembelajar cepat, penjelajah non-gigih, dan penjelajah non-
performing (RQ1). Keempat profil tersebut konsisten dengan hasil penelitian lain yang
dilakukan di tingkat universitas (lihatMolAr dkk. 2022), dan frekuensi keempat profil ini
dalam dua penelitian ini sangat mirip. Oleh karena itu kedua penelitian menguatkan dan
memvalidasi hasil satu sama lain. Mayoritas peserta diidentifikasi sebagai pengguna
strategi mahir. Lebih dari 80% mahasiswa mampu menerapkan strategi eksplorasi yang
efektif di berbagai lingkungan CPS. Dari siswa yang tersisa, beberapa berkinerja buruk
dalam penggunaan strategi eksplorasi di bagian awal tes (pelajar cepat), beberapa di
bagian terakhir (penjelajah non-persisten) dan beberapa sepanjang tes (penjelajah non-
performing). Namun, siswa dengan ketiga profil strategi eksplorasi ini hanya merupakan
sebagian kecil dari total sampel (dengan proporsi berkisar antara 3,1% hingga 6,5%).
Greiff et al. 2018;Wu dan MolnAr 2021; siswa sekolah dasar hingga sekolah menengah,
lihatMolAr dan CsapHai2018).

Hasilnya menunjukkan bahwa pengguna strategi eksplorasi yang lebih baik mencapai kinerja
CPS yang lebih tinggi dan memiliki tingkat pengembangan IR dan CR (RQ2) yang lebih baik.
Pertama, hasil telah mengkonfirmasi pentingnya VOTAT dalam lingkungan CPS. Temuan ini
konsisten dengan penelitian sebelumnya (misalnya,Greiff et al. 2015a;MolAr dan CsapHai2018;
Mustafić dkk. 2019; Wu dan MolnAr 2021). Kedua, hasil telah mengkonfirmasi bahwa penggunaan
VOTAT yang efektif sangat terkait dengan tingkat pengembangan IR dan CR. Penalaran merupakan
komponen penting kecerdasan manusia, dan tingkat perkembangan penalaran merupakan
indikator tingkat kecerdasan (Klauer et al. 2002;Sternberg dan Kaufman 2011). Oleh karena itu,
temuan ini melengkapi bukti empiris untuk argumen bahwa penggunaan VOTAT yang efektif
dikaitkan dengan tingkat kecerdasan sampai batas tertentu.
Peran IR dan CR terbukti bervariasi untuk setiap jenis pengguna strategi eksplorasi
(RQ3). Misalnya, tingkat CPS di antara pengguna strategi eksplorasi terbaik (mis
J. Intell.2022,10, 46 14 dari 17

pengguna strategi mahir) diprediksi oleh level IR dan CR, tetapi tidak demikian halnya
dengan siswa dengan profil lain. Selain itu, hasil menunjukkan bahwa IR memainkan peran
penting baik dalam fase KAC dan KAP untuk siswa dengan profil strategi eksplorasi yang
relatif baik (yaitu, pengguna strategi mahir dan pembelajar cepat) tetapi hanya dalam fase
KAP untuk siswa lainnya. (penjelajah non-persisten dan penjelajah non-performing); selain
itu, kekuatan prediksi CR hanya dapat dideteksi pada fase KAC dari pengguna strategi mahir.
Singkatnya, hasil menunjukkan kecenderungan umum IR dan CR memainkan peran yang
lebih penting dalam proses CPS di antara pengguna strategi eksplorasi yang lebih baik.
Menggabungkan jawaban RQ2 dan RQ3, kita dapat memperoleh wawasan lebih jauh tentang
penggunaan strategi eksplorasi siswa dalam lingkungan CPS. Hasil kami telah mengkonfirmasi bahwa
penggunaan VOTAT dikaitkan dengan tingkat pengembangan IR dan CR dan bahwa pentingnya IR dan CR
meningkat dengan kecakapan dalam penggunaan strategi eksplorasi. Berdasarkan temuan ini, kita dapat
membuat argumen yang masuk akal bahwa IR dan CR adalah keterampilan penting untuk menggunakan VOTAT
dan IR dan CR yang kurang berkembang akan mencegah siswa menggunakan strategi yang efektif di
lingkungan CPS. Oleh karena itu, jika kita ingin mendorong siswa untuk menjadi pengguna strategi eksplorasi
yang lebih baik, penting untuk meningkatkan keterampilan IR dan CR mereka terlebih dahulu. Studi sebelumnya
telah menyarankan bahwa membangun pelatihan eksplisit dalam menggunakan strategi yang efektif dalam
lingkungan CPS penting untuk pengembangan CPS siswa.MolAr dkk. 2022). Temuan kami telah mengidentifikasi
pentingnya IR dan CR dalam penggunaan strategi eksplorasi, yang memiliki implikasi penting untuk merancang
program pelatihan.
Hasilnya juga memberikan dasar untuk studi lebih lanjut. Studi selanjutnya telah
disarankan untuk lebih menghubungkan perspektif perilaku dan kognitif dalam penelitian
CPS. Misalnya, IR dan CR dianggap sebagai keterampilan komponen CPS (lihat Bagian1.2).
Hasil penelitian menunjukkan kemungkinan tidak hanya membahas peran IR dan CR dalam
proses kognitif CPS, tetapi juga perilaku eksplorasi dalam lingkungan CPS. Hasilnya demikian
memberikan perspektif baru untuk mengeksplorasi keterampilan komponen CPS.

6. Keterbatasan

Ada beberapa keterbatasan dalam penelitian ini. Semua tes dipertaruhkan rendah; oleh karena itu,
siswa mungkin tidak cukup termotivasi untuk melakukan yang terbaik. Fitur ini mungkin menghasilkan
nilai yang hilang yang terdeteksi dalam sampel. Selain itu, beberapa perilaku eksplorasi siswa yang
ditunjukkan dalam penelitian ini mungkin secara teoritis berada di bawah level sebenarnya. Namun,
mengingat pembersihan data diadopsi dalam penelitian ini (lihat Bagian3.1), kami percaya fenomena ini
tidak akan memiliki pengaruh yang luar biasa pada hasil. Selain itu, tes CPS dalam penelitian ini
didasarkan pada pendekatan MicroDYN, yang merupakan model buatan yang mapan dan banyak
digunakan dengan jumlah variabel dan relasi yang terbatas. Namun, tidak memiliki kekuatan untuk
mencakup semua jenis masalah yang kompleks dan dinamis dalam kehidupan nyata. Misalnya,
pendekatan MicroDYN tidak dapat mengukur pemecahan masalah yang tidak jelas. Dengan demikian,
penelitian ini hanya dapat menunjukkan pengaruh IR dan CR pada pemecahan masalah dalam masalah
simulasi MicroDYN yang terdefinisi dengan baik. Selain itu, VOTAT sangat membantu dengan masalah
kompleks minimal di bawah kondisi laboratorium yang terdefinisi dengan baik, tetapi mungkin tidak
begitu membantu dengan masalah kompleks dunia nyata yang tidak jelas (Dörner dan Funke 2017;Funke
2021). Oleh karena itu, generalisasi temuan terbatas.

7. Kesimpulan
Secara umum, hasilnya telah memberikan pemahaman baru tentang perilaku pemecahan
masalah siswa sehubungan dengan strategi eksplorasi di lingkungan CPS dan mengeksplorasi
perbedaan dalam hal penggunaan keterampilan berpikir antara siswa dengan strategi eksplorasi
yang berbeda. Sebagian besar penelitian membahas strategi pemecahan masalah siswa dari
perspektif perilaku. Sebaliknya, makalah ini membahasnya dari perspektif perilaku dan kognitif,
sehingga memperluas pemahaman kita di bidang ini. Adapun implikasi pendidikan, penelitian ini
memberikan kontribusi untuk merancang dan merevisi metode pelatihan untuk CPS dengan
mengidentifikasi pentingnya IR dan CR dalam perilaku eksplorasi di lingkungan CPS. Singkatnya,
J. Intell.2022,10, 46 15 dari 17

studi telah menyelidiki sifat CPS dari sudut pandang baru dan memberikan dasar yang kuat untuk studi
selanjutnya.

Kontribusi Penulis:Konseptualisasi, HW dan GM; metodologi, HW dan GM; analisis formal, HW;
tulisan—persiapan draf asli, HW; menulis—ulasan dan penyuntingan, GM; administrasi proyek,
GM; akuisisi pendanaan, GM Semua penulis telah membaca dan menyetujui versi naskah yang
diterbitkan.

Pendanaan:Studi ini telah dilakukan dengan dukungan yang diberikan oleh Dana Penelitian,
Pengembangan dan Inovasi Nasional Hongaria, dibiayai di bawah skema pendanaan OTKA K135727 dan
didukung oleh Program Penelitian untuk Pengembangan Pendidikan Publik, Akademi Ilmu Pengetahuan
Hongaria (KOZOKT2021-16).

Pernyataan Dewan Peninjau Kelembagaan:Persetujuan etis tidak diperlukan untuk penelitian ini
sesuai dengan pedoman nasional dan kelembagaan. Penilaian yang menyediakan data untuk penelitian
ini merupakan bagian terintegrasi dari proses pendidikan universitas yang berpartisipasi. Partisipasi itu
bersifat sukarela.

Pernyataan Persetujuan yang Diinformasikan:Semua siswa dalam penilaian berusia 18 tahun, yaitu,
tidak diperlukan atau tidak mungkin untuk meminta dan mendapatkan izin tertulis dari para peserta.

Pernyataan Ketersediaan Data:Data yang digunakan untuk mendukung temuan tidak dapat dibagikan saat ini karena juga merupakan
bagian dari studi yang sedang berlangsung.

Konflik kepentingan:Penulis menyatakan tidak ada konflik kepentingan.

Referensi
Adey, Philip, dan Benő CsapHai.2012. Mengembangkan dan Mengkaji Penalaran Ilmiah. Di dalamKerangka Penilaian Diagnostik Ilmu.
Diedit oleh Benő CsapHaidan GAbor SzabHai.Budapest: Nemzeti TankönyvkiadHai,hlm. 17–53.
Batanero, Carmen, Virginia Navarro-Pelayo, dan Juan D. Godino. 1997. Pengaruh model kombinatorial implisit pada kombinatorial
penalaran pada siswa sekolah menengah.Studi Pendidikan di Matematika32: 181–99. [CrossRef]
Beckmann, Jens F., dan Jürgen Guthke. 1995. Pemecahan masalah yang kompleks, kecerdasan, dan kemampuan belajar. Di dalamPemecahan Masalah yang Kompleks:
Perspektif Eropa. Diedit oleh Peter A. Frensch dan Joachim Funke. Hillsdale: Erlbaum, hlm. 177–200.
Buchner, Axel. 1995. Topik dasar dan pendekatan untuk mempelajari pemecahan masalah yang kompleks. Di dalamPemecahan Masalah yang Kompleks: Orang Eropa
Perspektif. Diedit oleh Peter A. Frensch dan Joachim Funke. Hillsdale: Erlbaum, hlm. 27–63.
Chen, Yunxiao, Xiaoou Li, Jincheng Liu, and Zhiliang Ying. 2019. Analisis statistik data proses pemecahan masalah yang kompleks: An
pendekatan analisis sejarah peristiwa.Perbatasan dalam Psikologi10: 486. [CrossRef] [PubMed] CsapHai,
Benő. 1988.Sebuah kombinasiSayavképeséstruktur gúRAjaés fejlődése. Budapest: Akadémiai KiadHai.
CsapHai,Benő. 1997. Pengembangan penalaran induktif: Penilaian cross-sectional dalam konteks pendidikan.Internasional
Jurnal Perkembangan Perilaku20: 609–26. [CrossRef]
CsapHai,Benő. 1999. Meningkatkan pemikiran melalui isi pengajaran. Di dalamMengajar dan Mempelajari Keterampilan Berpikir. Lisse: Permen &
Zeitlinger, hlm. 37–62.
CsapHai,Benő, dan Gyöngyvér MolnAR. 2019. Penilaian diagnostik online untuk mendukung pengajaran dan pembelajaran yang dipersonalisasi: eDia
Sistem.Perbatasan dalam Psikologi10: 1522. [CrossRef] [PubMed]
Dörner, Dietrich, dan Joachim Funke. 2017. Pemecahan masalah yang kompleks: Apa itu dan apa yang bukan.Perbatasan dalam Psikologi8: 1153.
[CrossRef] [PubMed]
Bahasa Inggris, Lyn D. 2005. Kombinatorik dan pengembangan penalaran kombinatorial anak-anak. Di dalamMenjelajahi Probabilitas di Sekolah:
Tantangan untuk Mengajar dan Belajar. Diedit oleh Graham A. Jones. New York: Springer, hlm. 121–41.
Fischer, Andreas, Samuel Greiff, dan Joachim Funke. 2012. Proses pemecahan masalah yang kompleks.Jurnal Pemecahan Masalah4: 19–42.
[CrossRef]
Frensch, Peter A., dan Joachim Funke. 1995.Pemecahan Masalah Kompleks: Perspektif Eropa. New York: Pers Psikologi. Funke, Joachim. 2001. Sistem
dinamis sebagai alat untuk menganalisis penilaian manusia.Berpikir dan Bernalar7: 69–89. [CrossRef] Funke, Joachim. 2010. Pemecahan masalah
yang kompleks: Sebuah kasus untuk kognisi yang kompleks?Pemrosesan Kognitif11: 133–42. [CrossRef] Funke, Joachim. 2021. Dibutuhkan Lebih Dari
Kecerdasan untuk Memecahkan Masalah Dunia Konsekuensial.Jurnal Intelijen9: 38. [CrossRef] Funke, Joachim, Andreas Fischer, dan Daniel V. Holt.
2018. Kompetensi untuk kompleksitas: Pemecahan masalah di abad kedua puluh satu.
Di dalamPenilaian dan Pengajaran Keterampilan Abad 21. Diedit oleh Esther Care, Patrick Griffin dan Mark Wilson. Dordrecht: Springer, hlm.
41–53.
Gilhooly, Kenneth J. 1982.Pemikiran: Diarahkan, Tidak diarahkan dan Kreatif. London: Pers Akademik.
Gnaldi, Michela, Silvia Bacci, Thiemo Kunze, dan Samuel Greiff. 2020. Profil Pemecahan Masalah Siswa yang Kompleks.Psikometrika85:
469–501. [CrossRef] [PubMed]
J. Intell.2022,10, 46 16 dari 17

Greiff, Samuel, dan Joachim Funke. 2009. Mengukur pemecahan masalah yang kompleks-pendekatan MicroDYN. Di dalamTransisi ke Komputer-
Penilaian Berbasis. Diedit oleh Friedrich Scheuermann dan Julius Björnsson. Luksemburg: Kantor Publikasi Resmi Komunitas
Eropa, hlm. 157–63.
Greiff, Samuel, Daniel V. Holt, dan Joachim Funke. 2013. Perspektif Pemecahan Masalah Penilaian Pendidikan: Analitis,
interaktif, dan pemecahan masalah kolaboratif.Jurnal Pemecahan Masalah5: 71–91. [CrossRef]
Greiff, Samuel, Gyöngyvér MolnAr, Romain Martina, Johannes Zimmermann, and Benő CsapHai.2018. Strategi Eksplorasi Siswa
dalam lingkungan masalah kompleks yang disimulasikan komputer: Pendekatan kelas laten.Komputer & Pendidikan126: 248–63.
Greiff, Samuel, Sascha Wustenberg, dan Francesco Avvisati. 2015a. Analisis file log yang dihasilkan komputer sebagai jendela ke
pikiran? Sebuah studi showcase berdasarkan penilaian pemecahan masalah PISA 2012.Komputer & Pendidikan91: 92–105. Greiff,
Samuel, Sascha Wustenberg, dan Joachim Funke. 2012. Pemecahan Masalah Dinamis: Perspektif Pengukuran Baru.Terapan
Pengukuran Psikologis36: 189–213. [CrossRef]
Greiff, Samuel, Sascha Wüstenberg, Benő CsapHai,Andreas Demetriou, Jarkko Hautamäki, Arthur C. Graesser, dan Romain Martin.
2014. Domain-general problem solving skills and education in the 21st century.Tinjauan Penelitian Pendidikan13: 74–83. [CrossRef]
Greiff, Samuel, Sascha Wüstenberg, Thomas Goetz, Mari-Pauliina Vainikainen, Jarkko Hautamäki, and Marc H. Bornstein. 2015b. A
studi longitudinal tentang keterampilan berpikir tingkat tinggi: Memori kerja dan penalaran cair di masa kanak-kanak meningkatkan pemecahan masalah yang
kompleks di masa remaja.Perbatasan dalam Psikologi6: 1060. [CrossRef] [PubMed]
Hołda, Małgorzata, Anna Głodek, Malwina Dankiewicz-Berger, Dagna Skrzypińska, and Barbara Szmigielska. 2020. Tidak jelas
pemecahan masalah tidak mendapat manfaat dari tidur siang.Perbatasan dalam Psikologi11: 559. [CrossRef]
Klauer, Karl Josef. 1990. Pengajaran paradigma berpikir induktif.Pembelajaran dan Instruksi2: 23–45.
Klauer, Karl Josef, Klaus Willmes, and Gary D. Phye. 2002. Menginduksi penalaran induktif: Apakah itu ditransfer ke kecerdasan cair?
Psikologi Pendidikan Kontemporer27: 1–25. [CrossRef]
Kun, Deanna. 2010. Apa itu pemikiran ilmiah dan bagaimana perkembangannya? Di dalamThe Wiley-Blackwell Handbook of Childhood Cognitive
Perkembangan. Diedit oleh Usha Goswami. Oxford: Wiley-Blackwell, hlm. 371–93.
Kuhn, Deanna, Merce Garcia-Mila, Anat Zohar, Christopher Andersen, H. White Sheldon, David Klahr, and Sharon M. Carver. 1995.
Strategi akuisisi pengetahuan.Monografi Masyarakat untuk Penelitian dalam Perkembangan Anak60: 1–157. [CrossRef]
Lo, Yungtai, Nancy R. Mendell, dan Donald B. Rubin. 2001. Pengujian Jumlah Komponen Dalam Campuran Normal.Biometrika88:
767–78. [CrossRef]
Lotz, Christin, Ronny Scherer, Samuel Greiff, and Jörn R. Sparfeldt. 2017. Kecerdasan dalam Tindakan—Perilaku Strategis yang Efektif Sementara
memecahkan masalah yang kompleks.Intelijen64: 98–112. [CrossRef]
Mayer, Richard E. 1998. Aspek kognitif, metakognitif, dan motivasional dari pemecahan masalah.Ilmu Instruksional26: 49–63.
[CrossRef]
MolAr, Gyongyvér, dan Benő CsapHai.2011. Az 1–11évfolyamotAkabutHaiindukSayav gondolkodAs kompetenciaskAla készSayaTélaut
valHaiszSayanűségi tesztelmébiarkan alkalmazASAval.Magyar PedagHaigia111: 127–40.
MolAr, Gyongyvér, dan Benő CsapHai.2018. Efikasi dan Pengembangan Strategi Pemecahan Masalah Siswa Selama Wajib
sekolah: analisis Logfile.Perbatasan dalam Psikologi9: 302. [CrossRef] [PubMed]
MolAr, Gyongyvér, Saleh Ahmad Alrababah, dan Samuel Greiff. 2022. Bagaimana kita mengeksplorasi, menafsirkan, dan memecahkan masalah yang kompleks: A
studi lintas-nasional tentang proses pemecahan masalah.Heliyon8: e08775. [CrossRef] [PubMed]
MolAr, Gyongyvér, Samuel Greiff, dan Benő CsapHai.2013. Penalaran induktif, domain spesifik dan pemecahan masalah yang kompleks:
Hubungan dan perkembangan.Keterampilan Berpikir dan Kreativitas9: 35–45. [CrossRef]
Mousa, Mojahed, dan Gyöngyvér MolnAR. 2020. Pelatihan matematika berbasis komputer meningkatkan penalaran induktif anak usia 9 hingga 11 tahun
anak-anak.Keterampilan Berpikir dan Kreativitas37: 100687. [CrossRef]
Mustafić, Maida, Jing Yu, Matthias Stadler, Mari-Pauliina Vainikainen, Marc H. Bornstein, Diane L. Putnick, and Samuel Greiff. 2019.
Pemecahan masalah yang kompleks: Profil dan jalur perkembangan diungkapkan melalui analisis transisi laten.Psikologi Perkembangan55:
2090–101. [CrossRef]
Muthén, Linda K., dan Bengt O. MuthéN. 2010.Panduan Pengguna Mplus. Los Angeles: Mutén & MutéN.
Newell, Allen. 1993.Penalaran, Pemecahan Masalah, dan Proses Keputusan: Ruang Masalah sebagai Kategori Mendasar. Boston: MIT Press. Novick,
Laura R., dan Miriam Bassok. 2005. Pemecahan masalah. Di dalamCambridge Handbook of Thinking and Reasoning. Diedit oleh Keith
James Holyoak dan Robert G. Morrison. New York: Cambridge University Press, hlm. 321–49. OECD. 2010.
Kerangka Pemecahan Masalah Uji Coba Lapangan PISA 2012. Paris: Penerbitan OECD.
OECD. 2014.Hasil: Pemecahan Masalah Kreatif—Keterampilan Siswa dalam Mengatasi Masalah Kehidupan Nyata (Volume V). Paris: Penerbitan OECD.
PAsztor, Attila. 2016. Pengkajian Berbasis Teknologi dan Pengembangan Penalaran Induktif. Ph.D. tesis, Sekolah Doktoral
Pendidikan, Universitas Szeged, Szeged, Hungaria.
PAsztor, Attila, dan Benő CsapHai.2014. Meningkatkan Penalaran Kombinatorial Melalui Pembelajaran IPA Berbasis Inkuiri. Makalah disajikan
pada Konferensi Pendidikan Sains dan Matematika, Dublin, Irlandia, 24-25 Juni.
PAsztor, Attila, Sirkku Kupiainen, Risto Hotulainen, Gyöngyvér MolnAr, dan Benő CsapHai.2018. Membandingkan Finlandia dan Hongaria
Keterampilan Penalaran Induktif Siswa Kelas Empat. Makalah dipresentasikan pada Konferensi EARLI SIG 1, Helsinki, Finlandia, 29–31 Agustus.

Sandberg, Elisabeth Hollister, dan Mary Beth McCullough. 2010. Pengembangan Kemampuan Bernalar. Di dalamPanduan Dokter untuk Normal
Perkembangan Kognitif di Masa Kecil. Diedit oleh Elisabeth Hollister Sandberg dan Becky L. Spritz. New York: Routledge, hlm. 179–89.
J. Intell.2022,10, 46 17 dari 17

Schraw, Gregory, Michael E. Dunkle, dan Lisa D. Bendixen. 1995. Proses kognitif dalam pemecahan masalah yang terdefinisi dengan baik dan tidak terdefinisi dengan baik.
Psikologi Kognitif Terapan9: 523–38. [CrossRef]
Schweizer, Fabian, Sascha Wustenberg, dan Samuel Greiff. 2013. Validitas pendekatan MicroDYN: Pemecahan masalah yang kompleks
memprediksi nilai sekolah di luar kapasitas memori kerja.Pembelajaran dan Perbedaan Individu24: 42–52. [CrossRef]
Stadler, Matthias, Nicolas Becker, Markus Gödker, Detlev Leutner, dan Samuel Greiff. 2015. Pemecahan masalah dan kecerdasan yang kompleks:
Sebuah meta-analisis.Intelijen53: 92–101. [CrossRef]
Sternberg, Robert J. 1982.Buku Pegangan Kecerdasan Manusia. New York: Cambridge University Press.
Sternberg, Robert J., dan Scott Barry Kaufman. 2011.Buku Pegangan Kecerdasan Cambridge. New York: Cambridge University Press. van de
Schoot, Rens, Peter Lugtig, dan Joop Hox. 2012. Daftar periksa untuk menguji invarian pengukuran.Jurnal Pembangunan Eropa
Psikologi9: 486–92. [CrossRef]
Vollmeyer, Regina, Bruce D. Burns, dan Keith J. Holyoak. 1996. Dampak kekhususan tujuan pada penggunaan strategi dan perolehan
struktur masalah.Ilmu Kognitif20: 75–100. [CrossRef]
Welter, Marisete Maria, Saskia Jaarsveld, and Thomas Lachmann. 2017. Ruang Masalah Masalah: Pengembangan Kreativitas dan
kecerdasan pada anak sekolah dasar.Jurnal Riset Kreativitas29: 125–32. [CrossRef]
Wenke, Dorit, Peter A. Frensch, dan Joachim Funke. 2005. Pemecahan Masalah Kompleks dan Kecerdasan: Hubungan Empiris dan Kausal
arah. Di dalamKognisi dan Kecerdasan: Mengidentifikasi Mekanisme Pikiran. Diedit oleh Robert J. Sternberg dan Jean E. Pretz. New
York: Cambridge University Press, hlm. 160–87.
Wittmann, Werner W., dan Keith Hattrup. 2004. Hubungan antara kinerja dalam sistem dinamis dan kecerdasan.Sistem
Penelitian dan Ilmu Perilaku21: 393–409. [CrossRef]
Wu, Hao, dan Gyöngyvér MolnAR. 2018. Pemecahan Masalah Interaktif: Penilaian dan Hubungan Kombinatorial dan Induktif
pemikiran.Jurnal Penelitian Psikologis dan Pendidikan26: 90–105.
Wu, Hao, dan Gyöngyvér MolnAR. 2021. Logfile analisis penggunaan strategi yang berhasil dan tidak berhasil dalam pemecahan masalah yang kompleks: A
studi perbandingan lintas negara.Jurnal Psikologi Pendidikan Eropa36: 1009–32. [CrossRef]
Wu, Hao, Andi Rahmat Saleh, and Gyöngyvér MolnAR. 2022. Penalaran induktif dan kombinatorial dalam pendidikan internasional
konteks: Penilaian, invarian pengukuran, dan perbedaan rata-rata laten.Tinjauan Pendidikan Asia Pasifik23: 297–310. [CrossRef] Wüstenberg,
Sascha, Samuel Greiff, dan Joachim Funke. 2012. Pemecahan masalah yang kompleks—Lebih dari sekadar penalaran?Intelijen40: 1–14.
[CrossRef]
Wüstenberg, Sascha, Samuel Greiff, Gyöngyvér MolnAr, dan Joachim Funke. 2014. Perbedaan gender lintas negara yang kompleks
pemecahan masalah dan determinannya.Pembelajaran dan Perbedaan Individu29: 18–29. [CrossRef]