Cara Mengintegrasikan AI ke Dalam Kelas: Bukan Melarang, Tapi Merancang Ulang
RAKYATMEDIAPERS.CO.ID - Dr. Terry Oroszi, Vice Chair dan Associate Professor di Boonshoft School of Medicine, Wright State University, mengamati pola berulang dalam penolakan teknologi di dunia pendidikan selama tiga dekade terakhir. Sejarah mencatat bahwa math departments melarang kalkulator pada tahun 1980-an, sementara fakultas melarang laptop di tahun 1990-an karena kekhawatiran yang serupa mengenai integritas akademik.
Hari ini, ponsel pintar sering dilarang secara mutlak karena adanya akses instan terhadap teknologi kecerdasan buatan generatif atau GenAI. Kebijakan pelarangan semacam ini pada dasarnya adalah upaya regulasi terhadap masalah desain yang seharusnya diselesaikan oleh para pemimpin teknologi institusi.
Generative AI tidak lagi terkurung di dalam dinding institusi pendidikan, karena teknologi ini kini hidup di dalam saku setiap siswa sepanjang waktu. Larangan hanya efektif saat profesor mengawasi, namun kehilangan yurisdiksi selama 23 jam lainnya saat siswa menyelesaikan tugas di luar lingkungan kampus.
Institusi pendidikan membutuhkan alat yang lebih baik alih-alih mencoba melegalkan pelarangan atas teknologi yang sudah ada di mana-mana. Memperbaiki masalah ini memerlukan perancangan ulang lingkungan kelas, yang berarti ini merupakan tantangan teknologi dan bukan sekadar masalah pedagogis semata.
Membangun Infrastruktur Kelas yang Didukung AI
Ruangan pertama yang diusulkan membutuhkan sedikit teknologi dan berfokus pada verifikasi keterampilan yang tidak dibantu oleh perangkat luar. Penilaian harus dilakukan secara langsung, di atas kertas, atau pada perangkat yang terkunci di bawah pengawasan ketat, meskipun hal ini menuntut ruang dan staf tambahan.
Ruangan kedua yang lebih menarik adalah model di mana AI berubah dari ancaman menjadi infrastruktur pembelajaran yang strategis. Dalam model ini, kelas dipenuhi dengan laptop yang menjalankan agen AI khusus dengan pembatasan ketat terhadap halusinasi dan lingkup keahlian tertentu.
Siswa diberikan tujuan pembelajaran, bukan jawaban langsung, sehingga mereka harus bergerak dari satu stasiun ke stasiun lainnya untuk bertanya kepada setiap agen AI. Contohnya termasuk stasiun genetika di mana agen Rosalind Franklin tidak akan mengungkapkan struktur heliks ganda sebelum siswa berhasil menganalisis pola difraksi sendiri.
Membangun kelas ini bukan tanggung jawab dosen sendirian, melainkan tantangan desain produk yang menempatkan pemimpin teknologi di pusat solusi. Industri pendidikan harus fokus membangun AI yang berfungsi sebagai alat pengajar, bukan sekadar mesin yang menyelesaikan pekerjaan siswa secara instan.
Prinsip Desain untuk Agen AI Pendidikan
Pemilihan lingkup atau "Scope" adalah penentu pertama keberhasilan integrasi ini, di mana agen yang hanya berfokus pada satu bidang keahlian menjadi aset berharga. Agen yang dirancang untuk menjawab apa saja justru menjadi kewajiban yang berisiko, sehingga pembatasan lingkup menjadi sangat krusial.
Faktor kedua adalah "Restraint" atau pengendalian, di mana menahan jawaban sampai siswa menunjukkan penalaran adalah tantangan teknis yang lebih sulit daripada sekadar memaksimalkan bantuan. Membangun AI yang mampu menahan jawaban membutuhkan rekayasa yang lebih kompleks untuk mendorong pemikiran kritis siswa.
Elemen ketiga adalah "Auditability" atau kemampuan audit, di mana setiap sesi harus menghasilkan transkrip secara default sebagai bentuk pertanggungjawaban institusi. Vendor harus memperlakukan fitur transkrip ini sama pentingnya dengan kepatuhan FERPA, agar chatbot dapat dipercaya sebagai alat pendidikan.
Mengubah Infrastruktur Penilaian
Penilaian dalam model ini tidak lagi memerlukan alat pendeteksi kecurangan, melainkan memanfaatkan transkrip percakapan yang mengungkap proses berpikir siswa. Lembar tujuan pembelajaran berubah menjadi rubrik penilaian, yang digabungkan dengan debrief dua menit untuk mempertahankan keputusan siswa terhadap agen AI.
Hambatan pertama dalam penerapan ini adalah skalabilitas, di mana dosen tidak mungkin meninjau transkrip secara manual untuk kelas besar berkapasitas 300 mahasiswa. Penggunaan AI untuk mengevaluasi interaksi siswa dengan AI menciptakan tantangan baru, karena sistem harus mampu membedakan antara penyelidikan asli dan upaya penghindaran tugas.
Tantangan kedua melibatkan siklus pengadaan institusi yang seringkali lambat dan tidak sejalan dengan kecepatan pengembangan teknologi agen AI. Peninjauan keamanan, persyaratan aksesibilitas, dan siklus anggaran seringkali menghambat implementasi, sehingga peluncuran di tingkat departemen lebih realistis daripada penerapan skala kampus.
Tantangan ketiga adalah kerentanan injeksi perintah atau "prompt injection" di mana siswa bisa memaksa agen AI untuk mengabaikan instruksi dan memberikan jawaban. Pengembang tidak boleh mengklaim bahwa agen mereka tidak bisa ditembus, melainkan harus melakukan pengujian terus-menerus terhadap ketahanan sistem tersebut.
Kesimpulannya, masalah kecurangan AI di dunia akademis seringkali terjadi karena institusi tetap menggunakan format tugas lama yang mudah dikalahkan oleh teknologi. Institusi yang berhasil adalah mereka yang bekerja sama dengan mitra teknologi untuk memprioritaskan infrastruktur penilaian dan ketahanan terhadap manipulasi prompt.
Pertanyaan mendasar sebenarnya bukan tentang apakah kita harus mengizinkan AI masuk ke dalam saku siswa, karena hal itu sudah terjadi sejak ponsel pintar ditemukan. Fokus utama adalah menentukan di ruang mana pembelajaran terjadi, serta apakah kita bersedia membangun infrastruktur AI yang sengaja dirancang untuk tujuan pendidikan.