Tantangan Pendidikan di Era Mesin Pengerjaan Tugas AI

• Belakangan ini, tantangan di dunia pendidikan akibat mesin pengerjaan tugas AI semakin meningkat
• Siswa dapat dengan mudah melakukan kecurangan tugas dengan menggunakan AI generatif seperti ChatGPT
• Para pendidik menyatakan kekhawatiran bahwa pemanfaatan AI dapat berujung pada terputusnya proses belajar dan berpikir yang sesungguhnya
• Di sekolah, mulai muncul percobaan untuk membatasi penggunaan AI atau menerapkan metode analog (seperti tulisan tangan)
• Untuk mengatasi masalah ini, dibutuhkan perubahan menyeluruh pada lingkungan pendidikan dan pendekatan yang hati-hati

---

Pendahuluan: AI dan analogi Jihad Butlerian

• Penulis telah sejak tahun lalu mendorong penerapan prinsip Jihad Butlerian dari Dune ("jangan membuat mesin yang menyerupai pikiran manusia")
• Prinsip ini dipaparkan sebagai titik acuan untuk menyatukan berbagai kekhawatiran tentang AI dalam satu keyakinan, sekaligus membedakan penggunaan AI yang baik seperti di bidang medis dan AI yang meniru manusia
• Belakangan ini, gerakan “anti-AI” benar-benar sedang meluas
  • Muncul kaus bertuliskan ‘Destroy AI’, jebakan untuk mencegah scraper AI, serta meluasnya pesan anti-AI di ruang publik
  • Di dunia sastra dan penerbitan, klausul anti-AI sedang menjadi standar
• Kontroversi seperti pemilihan panel dengan bantuan AI membuat kreator, artis, dan penulis menganggap bahkan segala interaksi dengan LLM sebagai pengkhianatan terhadap solidaritas kreatif

Penolakan emosional dan mental terhadap AI

• Di luar sekadar gerakan Luddite, terlihat meluasnya penolakan yang mendasar terhadap AI
• Rasa tidak nyaman terhadap AI karena meniru manusia dan penggunaannya yang tidak etis tertanam jauh di dalam diri, melampaui sekadar argumen tandingan yang spesifik
• Sekalipun bantahan logis terhadap teknologi AI dilemahkan, rasa penolakan terhadap AI itu sendiri tidak mudah hilang

Masalah AI di lingkungan pendidikan: bangkitnya mesin pengerjaan tugas

• Belakangan ini, dampak AI terbesar yang dirasakan langsung di lapangan pendidikan adalah kecurangan tugas
• Berbagai artikel juga menunjukkan meningkatnya ketergantungan siswa pada AI, frustrasi guru, dan kebingungan dalam menyikapi penggunaan AI
• Tutor AI mungkin tampak ideal, tetapi memiliki keterbatasan seperti halusinasi/pembuatan informasi yang salah dan kurangnya efek belajar yang nyata

Dampak penggunaan AI terhadap struktur pembelajaran dan evaluasi

• AI memisahkan hasil tugas dari proses berpikir dan latihan yang sebenarnya, sehingga sulit mengetahui apakah siswa benar-benar memahami materi
• AI membuat siswa menghindari “kesulitan yang diinginkan” (Desirable Difficulty) dan hanya memberi kemudahan jangka pendek
• Godaan untuk bergantung pada AI juga kuat bukan hanya di mata kuliah umum, tetapi juga di jurusan, kelas kreatif, dan lain-lain

Pengalaman mengajar nyata dan masalah deteksi kecurangan AI

• Di kelas menulis universitas yang diajar penulis pun, penggunaan AI generatif meningkat tajam
• Ada kasus yang terungkap karena kesalahan pengguna yang mendasar (misalnya informasi penulis hilang, kekeliruan fakta, dan sebagainya), tetapi lama-kelamaan makin sulit dideteksi
• Karena keterbatasan dalam mendeteksi penggunaan AI, guru cenderung mengalami ketidakpercayaan, kelelahan, dan psikologi yang lebih bermusuhan daripada kolaboratif dalam proses penilaian
• Para siswa juga makin mahir menanggapinya, dan tingkat pengakuan atas kecurangan akademik terus menurun

AI dan menulis: perbedaan mendasar sebuah alat

• Hasil yang ditulis oleh AI terasa tidak esensial dan kehilangan percakapan manusia, sehingga menambah kelelahan guru
• Muncul juga analogi AI sebagai “kalkulator untuk kata-kata”, tetapi sebagaimana kalkulator tidak bisa menggantikan pendidikan matematika, AI juga tidak dapat menggantikan kemampuan menulis itu sendiri
• Untuk pembelajaran dan pertumbuhan yang sejati, pemikiran dan ekspresi kreatif yang tidak bergantung pada AI tetap penting

Pembatasan penggunaan AI dan eksperimen metode analog

• Format pengumpulan tugas sempat dibatasi lewat Google Docs dan sejenisnya untuk memverifikasi AI, tetapi dalam praktiknya justru meningkatkan pengawasan dan ketidaknyamanan
• Sekolah telah merinci batas penggunaan AI yang diperbolehkan, tetapi pada praktiknya hampir tidak ada siswa yang benar-benar mengutip atau mengungkapkan penggunaannya
• Siswa sendiri juga cenderung menganggap AI sebagai “kecurangan” sehingga kuat dorongan untuk menyembunyikannya

Persepsi dan kegelisahan siswa terkait AI

• Para siswa merasa lelah terhadap AI itu sendiri dan kehidupan yang menumpuk di atas ketergantungan pada platform digital
• Sebagian mengkhawatirkan penyalahgunaan AI dalam proyek-proyek masa depan, atau membayangkan masa depan yang lebih baik dengan ‘pemanfaatan teknologi yang terkendali’
• Kegelisahan ini memperkuat kebutuhan akan pembatasan penggunaan AI berdasarkan usia maupun regulasi sosial yang lebih luas

Dampak kognitif negatif AI dan masalah di seluruh masyarakat

• Teknologi AI yang meniru pikiran manusia dapat menimbulkan efek samping seperti kekacauan emosional, kecanduan, dan delusi
• Masalah ini meluas bukan hanya di pendidikan, tetapi juga menjadi kecurangan di bisnis, hukum, sains, dan seluruh masyarakat
• Hal ini dapat memicu krisis seperti melemahnya fondasi kepercayaan dan rusaknya kebenaran

Cara merespons: eksperimen kelas berpusat pada metode analog

• Sebagai langkah penghindaran yang mendasar, penulis berencana bereksperimen semester depan dengan metode belajar berbasis tulisan tangan dan kertas
• Siswa akan diminta menulis tangan dan memecahkan masalah secara langsung tanpa perangkat digital
• Evaluasi akan lebih berfokus pada proses, yakni partisipasi dan penyelesaian, bukan hanya hasil akhir

Kesimpulan: perubahan paradigma pendidikan untuk memulihkan kemanusiaan

• Pendukung AI mengatakan bahwa “AI akan mengubah segalanya”, tetapi itu belum tentu berarti lingkungan pendidikan akan menjadi lebih baik
• Dalam proses menghadapi AI, penulis menekankan perlunya lingkungan yang lebih manusiawi, saling menghormati, dan reflektif
• Di tengah perubahan yang tak henti-hentinya, penulis berharap pada pemulihan esensi pendidikan dan lompatan baru

Kabar tambahan

• Semester ini, penulis menerima penghargaan keunggulan pengajaran dari pemerintah mahasiswa pascasarjana ASU
• Penulis meraih juara 1 kategori fiksi pascasarjana pada 63rd Glendon and Kathryn Swarthout Awards
• Penulis terpilih untuk Carbon Removal Justice Fellowship yang diselenggarakan oleh National Wildlife Federation dan ‘Responsible Carbon Removal Institute’ milik American University, dan akan menjalani pelatihan di DC dan Louisiana
• Artikel wawancara tentang penulis dimuat di blog Hayden’s Ferry Review

Art Tour: Turbulent Mountain Waterfall

• Saat baru-baru ini mengunjungi Phoenix Art Museum, penulis menikmati karya Pat Steir, “Turbulent Mountain Waterfall” (1991)
• Gambar ini akan tersisa sebagai kenangan yang menyejukkan hati di tengah panas Arizona yang akan datang

[GN⁺]

Komentar Hacker News

• Mungkin mengubah metodenya juga bisa efektif. Misalnya, bagaimana jika AI digunakan untuk belajar di rumah, lalu di sekolah "pekerjaan rumah" dikerjakan di bawah pengawasan

  • Ada konsep bernama Flipped classroom, dan itu adalah topik tesis masternya saya. Sebenarnya ini sudah merupakan ide lama

• Saya mengajar matematika di universitas dengan sekitar 30 ribu mahasiswa, dan belakangan ini kami kembali ke cara tradisional, yaitu ujian dengan 'kertas dan pena' di bawah pengawasan. Mahasiswa tampaknya tidak terlalu keberatan dengan perubahan ini, tetapi tim administrasi kampus tidak menyukai tren tersebut. Ada tekanan besar agar semua penilaian ramah untuk pembelajaran jarak jauh. Kebijakannya mengharuskan kelas tatap muka dan mahasiswa yang terdaftar secara online memakai metode penilaian yang sama. Karena pendaftaran online adalah sumber pendapatan besar, memperbesarnya dianggap sangat penting. Jika dari 7 kelas Calculus I ada 1 yang dibuka secara online, maka 6 kelas tatap muka lainnya juga semuanya dilarang melakukan evaluasi tatap muka. Alasannya atas nama "keadilan". Sangat membuat frustrasi bahwa situasinya memang seperti ini

  • Saya juga merasakan tekanan itu. Sebenarnya saya pikir banyak masalah AI yang kita alami terjadi karena AI menyingkap masalah-masalah lain di masyarakat kita. Misalnya, dosenlah yang paling paham isi kuliah dan yang benar-benar mengajar, tetapi keputusan nyata ada di bagian administrasi. Selain itu, universitas yang menjadikan mencari uang sebagai tujuan juga merupakan masalah. AI memang memperburuk hal-hal ini, tetapi sebenarnya ini adalah masalah struktural yang sudah ada sebelum AI. Saya berharap, setelah keadaan memburuk jauh lebih parah, fondasi dasarnya akhirnya akan diperbaiki. Kalau beruntung, kita bisa memanfaatkan kesempatan ini untuk membenahi masalah yang sudah lama kita abaikan. Kalau tidak, semuanya hanya akan memburuk tanpa ada kesempatan untuk menjadi lebih baik
  • Saya punya gelar Software Engineering dari Harvard Extension, dan saya memang beberapa kali harus mengikuti ujian dalam lingkungan pengawasan fisik. Mengikuti ujian di Madrid dan London juga tidak sulit diatur. Bagi universitas maupun mahasiswa, ini bukan hal yang terlalu sulit. Sekarang saya sedang mengambil program master online di Georgia Tech, dan evaluasi serta pengawasan online juga berjalan cukup baik. Bahkan kursus yang banyak memuat materi matematika, seperti Simulation, tetap sangat mungkin dilakukan secara online. Hanya saja, beberapa mata kuliah tertentu seperti Graduate Algorithms tampaknya mengalami kesulitan dengan evaluasi online. Saya paham jika profesor lebih menyukai evaluasi tatap muka, tetapi bagi saya pribadi tidak masalah selama tersedia cukup pilihan pengawasan atau pilihan mata kuliah yang beragam
  • Di Australia, bahkan universitas pembelajaran jarak jauh pun memiliki banyak lokasi pusat ujian terawasi di kota-kota besar. Kuliahnya diikuti secara jarak jauh, tetapi ujian akhir wajib dikerjakan di pusat ujian resmi yang diawasi. Ujian itu kadang menyumbang lebih dari 50% nilai akhir. Saya penasaran apakah model seperti ini juga bisa diterapkan di AS
  • Mahasiswa yang saya temui secara konsisten menunjukkan keterkejutan dan kekecewaan saat diberi 'cara lama' seperti ini. Mereka frustrasi karena gelar yang mereka upayakan dengan serius makin kehilangan nilai, tetapi pada saat yang sama mereka juga tidak ingin ujian kembali. Khususnya mahasiswa neurodivergen lebih rentan dalam lingkungan ujian, dan tampak jauh lebih menonjol dalam tugas terbuka (meskipun saya akui sampel saya bias). Mereka mengatakan tidak bisa menemukan solusi. Dari sudut pandang mahasiswa yang paling terdampak, baik situasinya sendiri maupun "solusi" yang secara nyata tidak membantu sama-sama terasa menjengkelkan
  • Di universitas tempat saya kuliah, profesor hampir selalu memaksa penggunaan pensil dan kertas saja untuk kelas-kelas teknis. Saat menulis esai, hanya mata kuliah tertentu yang mengizinkan laptop, dan bahkan saat itu profesor berkeliling kelas selama ujian untuk mengawasi langsung. Dulu saya skeptis kenapa teknologi baru tidak dipakai, tetapi sekarang saya berterima kasih kepada para profesor itu. Dengan belajar matematika sambil benar-benar menulisnya dengan tangan, pemahaman saya atas teori menjadi kokoh. Melihat bagaimana mahasiswa sekarang belajar, saya sungguh merasa sedih. Para profesor, kadang-kadang katakan saja "TIDAK". Nanti para mahasiswa akan berterima kasih

• Saya selalu berpikir sistem pendidikan sudah rusak sejak lama dan nyaris tidak berguna. Guru hampir tidak pernah memberi kesan bahwa mereka benar-benar “mengajar” sesuatu. Justru kalau terlihat sedang berpikir, itu ditekan karena tidak sesuai kurikulum. Fakta bahwa AI bisa mengerjakan PR dengan mudah menunjukkan bahwa PR memang tidak punya nilai. Kelas dan pembelajaran yang sejati membutuhkan kolaborasi

  • Menganggap PR tidak bermakna hanya karena AI bisa mengerjakannya adalah pandangan yang dangkal. Banyak PR sebenarnya juga bisa dikerjakan dengan mudah memakai kalkulator, Wikipedia, atau buku teks. Itu bukan berarti PR tersebut tidak diperlukan. Justru lewat PR kita membangun kerangka berpikir otak dan mempelajari beberapa keterampilan sekaligus. Tentu benar bahwa seiring zaman berubah, makna evaluasi juga berubah dibanding masa lalu
  • Tujuan PR adalah benar-benar berlatih, menemukan bagian yang perlu diperbaiki, dan memeriksa kemajuan. Fakta bahwa AI bisa mengerjakan PR tidak membuat PR menjadi tidak berguna. Tentu sangat disayangkan kalau Anda punya pengalaman buruk atau tidak bertemu guru yang baik, tetapi tidak masuk akal untuk menolak seluruh sistem yang bekerja cukup baik bagi kebanyakan orang. Sebelum mengharapkan pemikiran kritis yang mandiri, banyak siswa bahkan belum bisa membaca atau berhitung dasar. Salah satu poin penting dari belajar soal matematika di sekolah adalah mempelajari ‘penalaran yang masuk akal tentang hasil’. Kemampuan untuk memeriksa apakah jembatan sepanjang 43 ribu km itu masuk akal menurut saya sangat penting
  • AI saat ini bisa mengerjakan PR matematika dan pemrograman setingkat Harvard, tetapi di era sebelum GPT pun saya benar-benar belajar banyak dari PR, dan saya juga menikmati PR itu sendiri. Mengatakan bahwa semua makna hilang hanya karena ada AI adalah lompatan logika
  • Tujuan sejati PR bukan sekadar mengerjakan PR itu sendiri, melainkan membuktikan kemampuan belajar dan hasil belajarnya. Entah dikerjakan orang lain atau dibantu AI, kalau kemampuan nyata tidak bertambah maka ijazah itu tidak punya makna. Universitas harus memperbaiki metode evaluasi untuk menjaga kredibilitas gelar. Jika kemampuan menggunakan AI memang perlu, maka itu harus dinilai secara terpisah dan diberi gelar tersendiri. Artinya, gelar Computer Science biasa dan gelar AI Assisted Computer Science harus dibedakan dengan jelas

• Saya mengajar teknik komputer/pemrograman, dan tidak mudah mencari kebijakan optimal terhadap AI. Di satu sisi, saya sendiri juga banyak memakai AI dan merasa sangat terbantu dalam belajar. Tetapi walaupun AI menyelesaikan pekerjaan dengan cepat, kualitas hasilnya lebih rendah. Mahasiswa memandang tugas wajib sebagai semacam 'rintangan yang harus dilewati', dan fokus pada cara paling mudah untuk melampauinya. Dalam situasi ini, AI terasa dipakai bukan sebagai alat bantu belajar melainkan sekadar mesin PR. Saya tidak bisa memperkenalkan penggunaan komputer atau bahasa yang aneh-aneh (seperti cara memakai compiler buatan saya sendiri). Untuk saat ini pendekatan saya berpusat pada tugas proyek dan ujian lisan. Proyek menuntut kolaborasi, jadi strukturnya tidak mudah menghasilkan jawaban langsung dari LLM, dan dalam ujian lisan kemampuan serta kedalaman pemahaman langsung terlihat. Namun, setiap tahun ada beberapa mahasiswa yang menghabiskan sampai 3 semester atau membuang waktu tanpa bisa menghubungkan bahkan konsep dasar sekalipun, dan pada saat seperti itu saya sebagai profesor harus mengatakan kepada mereka bahwa itu adalah 'waktu yang sia-sia'. Dasar-dasar Linux relatif kurang terdampak karena itu hanya latihan terminal sederhana dan LLM belum punya akses ke API terminal. Saya juga mempertimbangkan menyediakan IDE secara online untuk memantau proses copy-paste, tetapi saya kurang suka dengan kenyataan bahwa mahasiswa jadi tidak bisa menjalankan perangkat lunak langsung di komputer mereka sendiri

  • Saya juga bukan dari generasi yang terlalu tua, tetapi saat kuliah evaluasi CS berbasis proyek kelompok dan ujian tulis tatap muka. Di ruang ujian, kalkulator dengan fungsi pemrograman atau memori besar, apalagi laptop, dilarang masuk. Tidak terlalu merepotkan. Meski sekarang kontroversinya besar, saya rasa ini sebenarnya tidak lebih dari konflik antargenerasi atau klaim hak mahasiswa. Justru menurut saya mata kuliah yang memerlukan penilaian esai panjang berada dalam situasi lebih genting. Ujian lisan atau ujian esai dengan blue book dulu juga berjalan cukup baik
  • Sikap mahasiswa yang melihat tugas wajib hanya sebagai 'tembok yang harus dilewati dengan aman' tampaknya sudah menyebar luas di komunitas online seperti Hacker News. Bahkan sebelum LLM, sudah banyak logika seperti 'universitas itu tak berarti', 'gelar cuma secarik kertas', 'isi kuliah tak bernilai', dan akhirnya 'jadi menyontek pun masuk akal'. Tetapi saat benar-benar menilai kemampuan kerja atau kompetensi praktis mahasiswa, sangat mudah membedakan mahasiswa yang belajar dengan benar dari mereka yang hanya ingin melewatinya seperti permainan
  • Saya setuju bahwa kemampuan mahasiswa terlihat jelas dalam ujian lisan. Jika ada laboratorium komputer, mungkin bagus juga memberi latihan pemrograman langsung secara berkala di setiap kelas. Menyediakan IDE online atau memantau copy-paste mungkin punya kelemahan karena mahasiswa yang mahir jadi tidak bisa memakai editor pilihan mereka sendiri. Saya sendiri juga tidak suka menulis kode di halaman web
  • Agak mengejutkan melihat setiap tahun ada beberapa mahasiswa yang datang sampai ke ruang ujian tanpa benar-benar memahami dasar apa pun
  • Jika ada mata kuliah di mana mahasiswa merancang dan mengimplementasikan bahasa pemrograman mereka sendiri, salah satu caranya mungkin memakai bahasa karya mahasiswa terbaik tahun sebelumnya. Dengan begitu LLM tidak bisa dengan mudah menghasilkan jawaban. Saya sendiri berada di bidang yang sama sekali berbeda dalam matematika/komputer, tetapi menurut saya ini ide yang menarik

• Saya melihat kemungkinan besar bahwa AI akan sangat mempercepat pembelajaran bagi siswa masa depan. Seperti pendidikan Montessori, LLM bisa membantu siswa yang menelusuri jalur mereka sendiri ke berbagai arah. Dalam kasus saya, saat SMA guru sering menghindari menjawab atau tidak melanjutkan diskusi secara mendalam, sehingga rasa penasaran saya selalu tersisa tanpa terjawab, terutama dalam biologi atau kimia. Tentu lingkungan pendidikan saat ini berpusat pada PR, jadi mungkin hanya siswa yang benar-benar penuh rasa ingin tahu yang bisa merasakan manfaat LLM. Jika metode pengajaran baru diperkenalkan, saya berharap itu bisa lebih baik dalam menarik rasa ingin tahu yang ada dalam diri semua siswa. Jika ada yang tahu alat AI yang memungkinkan eksplorasi per topik sambil tetap menjaga gambaran besar konsep-konsep utama seperti trigonometri, saya ingin diperkenalkan

  • Saya rasa inti masalah saat ini adalah struktur yang 'berpusat pada PR'. Yang benar-benar dibutuhkan siswa yang penasaran justru adalah 'waktu luang'. Daripada tugas yang menumpuk dan penggunaan LLM terus-menerus, mungkin dulu lebih baik ketika beban kelas cukup wajar sehingga masih ada waktu untuk mengeksplorasi sendiri. Dalam kasus saya, saat belajar musik dan elektronika secara otodidak, alih-alih ujian saya mengukur perkembangan dengan tolok ukur lain yang saya tentukan sendiri, seperti apakah rangkaiannya benar-benar bekerja. Saya ragu apakah pemahaman mendalam bisa dicapai hanya lewat penggunaan LLM tanpa tolok ukur eksternal
  • Saya sedang membuat produk tutor AI yang dirancang agar percakapan bergaya Socratic bisa bercabang bebas mengikuti topik. Kalau tertarik, saya bisa memasukkan Anda ke daftar tunggu. Targetnya MVP akan dirilis dalam beberapa minggu
  • Saat menelusuri masalah yang kompleks, berbicara dengan AI yang bisa berbohong atau menghasilkan kutipan palsu justru menjadi penghambat
  • Saya sendiri belum pernah melihat langsung contoh AI yang benar-benar memberikan bantuan belajar yang eksplosif. Ulasan online atau laporan diri saja tidak cukup dapat dipercaya
  • Dulu kalau saya frustrasi karena suatu konsep, guru sering menjawab seadanya atau tidak menjelaskan secara mendalam sehingga terasa belum tuntas. Belakangan saya menyadari bahwa melalui AI, pembelajaran yang lebih cair dan eksploratif menjadi mungkin. Saya sendiri juga tahu ChatGPT tidak sempurna, tetapi untuk membandingkan konsep atau menguji bantahan logis, ini cukup berguna dalam memperluas cara berpikir saya. Dalam praktiknya, saya tidak menerima jawaban AI sebagai kebenaran mutlak, melainkan memakainya untuk memantulkan ide saya ke berbagai arah dan menemukan arah eksplorasi baru

• Saya mengajar di perguruan tinggi kecil. Metode yang kami pakai seperti berikut

  • Semua ujian tengah semester dan ujian akhir ditulis tangan
  • Mahasiswa diminta menjelaskan bagaimana mereka merancang dan menulis kode tugas pemrograman mereka (ini memungkinkan karena jumlahnya sekitar 15-20 orang; kalau lebih banyak akan sulit)
  • Presentasi mahasiswa dan tanya jawab untuk topik yang kompleks
  • Menyerahkan ringkasan tulisan tangan satu halaman, diagram, mind map, dan sebagainya
  • Praktikum lab pemrograman juga mengubah kebutuhan pada hari itu secara kreatif dan meminta mereka menyelesaikannya langsung (misalnya skenario bahwa 'klien' mengubah kebutuhannya) Masalah sebenarnya adalah metode ini menuntut jauh lebih banyak usaha dari pengajar, dan tidak banyak orang yang mau berpikir di luar kebiasaan
  • Pertanyaannya, apakah 'ditulis tangan' itu benar-benar berarti pena dan kertas sungguhan

• Kalau tren saat ini terus berlanjut, saya rasa sebagian besar gelar universitas ke depan akan menjadi benar-benar tidak berguna. Jika mahasiswa yang menyelesaikan tugas secara curang dengan AI tetap mendapatkan ijazah, maka gelar itu tidak punya nilai sama sekali sebagai bukti pencapaian belajar. Lembaga yang memberikan gelar seperti itu tidak berbeda dari pabrik ijazah tak bermoral di masa lalu. Saya malah merasa beruntung gelar saya berasal dari tahun 2011

  • Profesor-profesor terbaik yang pernah saya temui hampir tidak memberi bobot pada nilai PR, atau paling-paling hanya memeriksa apakah tugas dikumpulkan. Kehadiran juga sama sekali tidak diperhitungkan. Mereka menyediakan kuliah dan tugas hanya sebagai sarana belajar, sementara evaluasi yang sesungguhnya dilakukan lewat ujian yang diawasi saat jam kuliah atau di pusat ujian resmi universitas. Menurut saya, mengelola mahasiswa dewasa lewat nilai PR atau kehadiran itu agak kekanak-kanakan dan terlalu protektif. Lebih masuk akal membiarkan mereka belajar sendiri, lalu menilai hanya seberapa banyak yang benar-benar mereka pelajari dalam lingkungan yang tidak memungkinkan menyontek. Upaya memberantas kecurangan PR terasa bukan inovasi pembelajaran yang nyata, melainkan sekadar tambalan sementara bagi sistem lama yang sudah mencapai batasnya
  • Sekolah atau universitas harus berhenti menjadikan PR sebagai 'bukti kemampuan'. Saya ragu apakah nilai PR itu sendiri punya makna. Era AI sudah tak bisa dibalikkan, jadi universitas juga harus mengakui kenyataan dan bersiap berubah
  • Saya justru berpikir sebaliknya. Gelar universitas yang terverifikasi akan menjadi lebih bernilai. Universitas terbaik akan berubah ke arah menekankan ujian tatap muka daripada tugas jarak jauh untuk memastikan pembelajaran yang nyata. Sebenarnya kecurangan sudah merajalela sejak dulu, dan universitas yang bagus punya sistem yang membuat sulit untuk terus menyontek sampai lulus. Di universitas negeri sekitar saya, di kalangan mahasiswa sudah umum diketahui bahwa kalau memilih profesor tertentu atau kelas tertentu, Anda bisa lulus dengan mudah karena peluang menyonteknya besar. Profesor yang tegas terhadap kecurangan bahkan bisa diserang lewat penilaian mahasiswa yang buruk
  • Ini tidak terkait AI, tetapi saya punya cerita tentang menyontek dalam ujian online. Keponakan saya beralih ke kelas online karena pandemi, dan sejak saat itu nilai rata-rata kelasnya tiba-tiba melonjak. Awalnya dia menolak menyontek, tetapi akhirnya ikut mulai menyontek seperti yang lain. Dia mengerjakan ujian dengan banyak post-it ditempel di dinding sekitar monitornya, lalu ayahnya masuk dan memarahinya karena dindingnya jadi rusak
  • Saya rasa ini bukan masalah baru. Dulu profesor saya juga pernah menganggap autocomplete di Java IDE mengganggu pembelajaran, jadi kami diminta melakukan lab dengan SSH langsung ke Vim dan C

• Untuk tugas MBA, cara yang saya lakukan seperti ini

  • Menentukan opini yang sudah saya miliki lebih dulu
  • Mencari cukup banyak paper yang mendukung opini itu, tetapi tanpa membaca isinya dengan teliti, hanya meninjau abstraknya
  • Saat menulis esai, saya hanya mengambil bagian dari paper referensi yang paling cocok dengan klaim tersebut Tidak ada pembelajaran sama sekali dalam cara ini. Yang meningkat justru hanya keterampilan mencari jurnal. Selalu ada banyak paper yang mendukung pandangan yang diinginkan, tinggal pandai mencarinya. Kalaupun proses ini sepenuhnya diserahkan ke LLM, saya rasa tidak akan berdampak apa pun pada pendidikan yang sebenarnya
  • Sayang sekali jika memang seperti itu. Saya penasaran kenapa Anda tidak bisa benar-benar tenggelam dan belajar dari paper itu sendiri
  • Sebenarnya masalahnya ada pada diri sendiri. Kalau menulis paper berdasarkan metode ilmiah, Anda benar-benar bisa menulis dengan baik tentang topik apa pun. Tetapi gelar seperti MBA pada kenyataannya dipandang sebagai batu loncatan untuk promosi kerja, perpindahan karier, dan sebagainya. Dalam praktiknya, melakukan 'sains sungguhan' tidak memberi imbalan yang lebih baik. Saya sendiri mengulang cara yang sama di banyak mata kuliah, berkali-kali, sambil hanya mengumpulkan nilai. Selama isinya tampak meyakinkan, itu sudah cukup. Setelah masuk ke dunia kerja, ternyata perusahaan pun mirip. Kita pilih hanya data yang membuktikan opini kita, dan kalau tidak ada, kita tarik bukti yang mirip untuk seolah-olah mendukung klaim kita. Bahkan jika opini atau asumsi saya salah, tidak ada imbalan saat mengatakan kepada atasan atau klien bahwa mereka tidak benar
  • Saya pernah menuliskan tugas psikologi milik seorang teman tanpa punya pengetahuan latar apa pun, dan itu mendapat nilai tertinggi. Saya melakukannya persis seperti yang baru dijelaskan. Ibu saya bahkan pernah menyediakan layanan menulis paper berdasarkan rekaman kuliah untuk mahasiswa asing
  • Meskipun pada akhirnya hanya merangkum paper, tetap perlu diingat bahwa seseorang harus menulis paper itu secara langsung dan menghasilkan pengetahuan dengan pemikiran independen

• Kita perlu merenungkan secara menyeluruh, sebagai umat manusia, apa tujuan pendidikan dan apa yang seharusnya menjadi tujuannya ke depan. Secara realistis, saya rasa tidak ada orang yang membayar uang kuliah universitas sambil berharap justru merusak kemampuan dan pemahaman dirinya sendiri. Bagi 90% mahasiswa, tujuannya jelas karena ijazah adalah tiket menuju pekerjaan, sedangkan untuk 10% sisanya, tidak aneh jika pemberi kerja tidak memberi kepercayaan, karena mereka bahkan tidak mau mengakui kebenaran yang tidak nyaman tentang diri mereka sendiri. Sebenarnya semua orang tahu bahwa nilai ujian atau prestasi akademik bukanlah tolok ukur yang objektif. Standar pendidikan dan kurikulum sangat berbeda antara satu sekolah dan yang lain. Saat SMA saya nyaris hanya bertahan dengan GPA 3,2, tetapi ketika masuk universitas, 'tes penempatan matematika' ternyata hanya setingkat SMP dan saya bisa mengerjakannya dengan mudah, sementara bahkan mahasiswa dengan GPA 4,0 pun sering harus mengulang dari mata kuliah dasar. Meski begitu, penolakan terhadap ujian standar selalu sangat besar. Padahal seperti SAT pun ada kesempatan untuk mengulang beberapa kali

  • Jadi maksudnya 10% mahasiswa yang benar-benar ingin belajar pun tetap harus berkompromi dengan permainan pabrik ijazah? Saya sendiri agak sinis, tetapi rasanya itu tetap keterlaluan

• Saya juga punya pengalaman sebaliknya. Kalau tidak ada AI, mungkin saya tidak akan punya ketekunan untuk benar-benar menuntaskan belajar Rust di luar sekolah tahun lalu. Punya tutor pribadi yang selalu bisa diakses adalah aset luar biasa, karena pertanyaan yang muncul saat mandi pun bisa langsung ditanyakan. Pada saat yang sama, kalau saya kembali ke sekolah, saya rasa saya pasti akan memakai AI agar tidak tertinggal dalam ujian atau tugas. Dalam lingkungan evaluasi yang didasarkan pada penyesuaian kurva lonceng, AI menciptakan situasi teori permainan di mana semua orang dipaksa menggunakannya

  • Saya juga mirip. AI benar-benar alat belajar yang sangat kuat, tetapi juga tantangan bagi sistem pendidikan