Pointmarket Logo POINTMARKET
Motivational Engine Generasi Baru

Lebih Dari Sekadar
Gamifikasi Statis

Menjawab krisis motivasi dalam pembelajaran digital dengan AI Adaptif dan Psikometrik Data-Driven. Kami tidak hanya memberi poin, kami memahami mengapa siswa belajar.

Gamifikasi Lama (Statis)

  • Satu Ukuran untuk Semua: Semua siswa mendapat reward yang sama, mengabaikan kepribadian unik mereka.
  • Insentif Dangkal: Hanya fokus pada poin dan lencana. Motivasi hilang saat hadiah hilang.
  • Amotivation: Tidak efektif bagi siswa yang sudah kehilangan minat belajar sejak awal.
Realitas Lapangan

Kesenjangan Antara Janji dan Realitas

Studi menunjukkan 78% guru kesulitan mengakomodasi kebutuhan individual siswa. Sistem konvensional gagal karena mereka buta terhadap kondisi psikologis siswa.

POINTMARKET hadir bukan sebagai perbaikan kecil, melainkan lompatan paradigma dari "Memeberikan Hadiah" menjadi "Mengelola Psikologi".

Core Engine

Siklus Cerdas Pointmarket

Sistem kami bekerja seperti mentor pribadi yang tak kenal lelah, terus berputar dalam tiga fase kritis untuk menjaga api semangat siswa.

AI Core

1. Mendeteksi

Sistem menggunakan instrumen psikometrik (AMS & MSLQ) untuk membaca "detak jantung" motivasi siswa. Kami mengidentifikasi apakah siswa termotivasi oleh rasa ingin tahu (intrinsik) atau sekadar nilai (ekstrinsik).

2. Menyesuaikan

Mesin AI (Reinforcement Learning) menganalisis data profil 2D. Sistem memutuskan strategi terbaik secara real-time: Apakah siswa ini butuh tantangan lebih sulit? Atau butuh dukungan emosional?

3. Merekomendasikan

Content-Based Filtering mengirimkan intervensi spesifik. Bukan reward generik, tapi misi yang relevan dengan minat mereka, atau feedback coaching yang personal.

Architectural Foundation

Sinergi Psikometrik & AI

Kombinasi unik yang membuat sistem dapat "memahami" siswa pada level yang lebih dalam, bukan sekadar melacak aktivitas.

Input Data (Sensing)

Profil Motivasi 2D

Matriks AMS (Jenis Motivasi) x MSLQ (Level Motivasi). Menghasilkan pemetaan psikologis yang presisi.

VARK + NLP

Analisis gaya belajar visual/auditori diperkaya dengan analisis teks jawaban siswa menggunakan NLP.

AI Decision Engine

Strategy Selector Reinforcement Learning
Content Personalizer Content-Based Filtering

Output (Intervention)

Misi Terpersonalisasi

Tantangan sesuai minat intrinsik

Coaching Adaptif

Feedback kontekstual via NLP

Dynamic Reward

Hadiah yang bermakna, bukan generik

Masa Depan

Peta Jalan Implementasi

Visi jangka panjang berbasis TKT (Tingkat Kesiapan Teknologi)

TKT 1-2

2025

Desain & Konsep

Desain konseptual arsitektur sistem dan survei motivasi awal.

TKT 3

2026

Prototipe & Validasi

Pengembangan prototipe alpha dan pilot project di sekolah mitra.

TKT 4-5

2027

Uji Coba Multi-Situs

Penyempurnaan sistem berdasarkan data lapangan dan uji skalabilitas.

TKT 6-7

2028

Implementasi Penuh

Operasional penuh, diseminasi, dan rekomendasi kebijakan nasional.