- Meningkatnya AI generatif membuat pentingnya humaniora ikut naik, sekaligus mengubah hakikat humaniora itu sendiri menjadi lebih kompleks dan terasa asing
- Pengetahuan dan kapasitas humaniora kini memegang peran penting dalam riset dan pemanfaatan AI
- Bahkan nonspesialis pun kini semakin memiliki peluang baru untuk dengan mudah mengembangkan perangkat lunak pendidikan atau alat riset mereka sendiri dengan memanfaatkan alat AI
- Di sisi lain, adopsi chatbot AI menimbulkan dampak negatif berupa menurunnya motivasi belajar mandiri siswa dan kualitas pengalaman pendidikan
- Di tengah kekhawatiran akan makin tajamnya polarisasi pendidikan, kemampuan guru secara individu untuk memanfaatkan AI secara kreatif semakin menonjol sebagai tugas kunci yang lebih penting dari sebelumnya
Perubahan hubungan antara AI dan humaniora
Posisi humaniora di era baru AI
- Dalam tulisan D. Graham Burnett di The New Yorker, ia menunjukkan adanya suasana di kampus yang cenderung menutup mata atau mengabaikan perubahan radikal terkait AI, meskipun perubahan itu sedang berlangsung
- Dikemukakan pandangan bahwa menganggap kemunculan AI sekadar tren sesaat atau mengabaikan dampak nyatanya bukan lagi sesuatu yang bisa dipertahankan
- Burnett menekankan bahwa AI sudah memberikan dampak yang struktural dan tidak dapat dipulihkan pada humaniora
AI generatif meningkatkan nilai pengetahuan humaniora
Penemuan kembali kapasitas humaniora
- Dalam berbagai bidang seperti penerjemahan bahasa alami, klasifikasi, dan data mining, AI pada dasarnya memerlukan pemahaman humaniora tentang bahasa dan budaya manusia
- Sebagai contoh, ketika OpenAI menangani masalah sycophancy pada GPT-4o, pendekatan yang dipakai bukanlah kode teknis melainkan penulisan kalimat bahasa Inggris baru (prompt)
- Tanpa wawasan mendalam tentang konteks budaya bahasa, efek retoris, pembedaan genre, dan unsur nonverbal, sistem AI dapat mengalami malfungsi tak terduga
- Para insinyur dan peneliti pun semakin membutuhkan kemampuan berpikir kritis yang luas tentang bahasa, budaya, dan sejarah teknologi
Perluasan kemampuan pemanfaatan AI bagi nonjurusan humaniora
Era membuat perangkat lunak secara langsung
- Bahkan lulusan humaniora tanpa latar belakang teknis kini dapat langsung mengembangkan alat khusus untuk riset dan pendidikan dengan memanfaatkan AI
- Penulis artikel ini benar-benar mengembangkan gim interaktif berbasis pengetahuan humaniora, seperti simulator apoteker abad ke-17 dan gim ekspedisi Galápagos tentang Darwin muda
- Dalam gim pertama, pelajar merasakan pengalaman merawat pasien dengan resep medis awal era modern yang nyata, dan di tengah proses muncul masalah halusinasi AI yang menyimpang dari fakta sejarah
- Gim kedua (Young Darwin) menggunakan catatan Darwin yang sebenarnya untuk mensimulasikan pengalaman mengumpulkan hewan dan menjelajahi pulau, serta meningkatkan kualitas melalui rancangan yang meminimalkan halusinasi AI
- Metode pembelajaran eksperimental seperti ini dapat dipadukan sebagai pelengkap dengan penulisan esai atau diskusi kelas, sehingga memperluas kesadaran historis dan pemikiran kritis siswa secara pengalaman langsung
- Tutoring interaktif berbasis AI juga benar-benar dapat memberi stimulasi mental dan kesempatan belajar dalam pendidikan humaniora
AI generatif membuat pendidikan humaniora menjadi lebih rumit
Perubahan dan tantangan pendidikan yang ditimbulkan AI
- Di lapangan pendidikan, chatbot AI seperti ChatGPT menunjukkan dampak negatif yang sangat melemahkan pengalaman menulis mandiri siswa
- Semakin banyak siswa menyerahkan esai atau tugas yang dihasilkan AI, sehingga sistem evaluasi dan tujuan pendidikan yang ada menghadapi tantangan
- Pada akhirnya, ada risiko besar bahwa siswa tidak lagi mengalami upaya intelektual yang bermakna, misalnya pengalaman menembus kebuntuan menulis (writers' block), proses mencari bahan di perpustakaan, atau penelusuran nyata yang berlangsung lama
- Siswa cenderung tidak merasakan minat atau makna pada tugas itu sendiri, dan lebih tertarik pada sekadar mengeksekusinya lewat AI
Contoh positif dan kemungkinan pendidikan baru
- Pada saat yang sama, juga dilaporkan ada contoh ketika perancangan tugas yang mencakup interaksi dengan AI memberi guncangan intelektual baru dan peluang refleksi bagi siswa maupun guru
- AI bukan sekadar menggantikan manusia, tetapi dapat berfungsi sebagai alat bantu yang memungkinkan siswa berdialog dengan AI sambil memeriksa pikirannya sendiri
- Justru sekaranglah saatnya membahas makna dan tujuan pendidikan, serta membutuhkan peran aktif guru di lapangan untuk menjaga pengalaman belajar-mengajar yang autentik
Polarisasi pemanfaatan AI dalam pendidikan humaniora
Saran untuk pendidikan masa depan
- Muncul kekhawatiran bahwa AI generatif pada akhirnya akan memperdalam kesenjangan dalam pendidikan humaniora
- Di kalangan siswa dan lingkungan yang terlatih baik, kemampuan memanfaatkan AI secara orisinal akan menonjol, tetapi siswa dalam lingkungan yang kurang mendukung mungkin tidak demikian
- Kemampuan tiap guru untuk secara langsung mengembangkan tugas dan alat AI yang disesuaikan dipandang sangat penting
- Jika dunia pendidikan bersikap pasif terhadap tugas ini, alat pendidikan AI komersial yang tampak 'interaktif' di permukaan namun sebenarnya seragam dan tidak manusiawi akan mengikis hubungan siswa-guru dan hakikat pembelajaran yang sudah ada
- Dari kesadaran akan masalah ini, sempat dirancang dan didorong proyek yang didukung NEH (National Endowment for the Humanities), tetapi kemudian dibatalkan karena perubahan kebijakan
Bacaan rekomendasi
- Buku D. Graham Burnett The Sounding of the Whale adalah karya unik tentang sejarah ilmu pengetahuan paus
- Diperkenalkan pula contoh riset baru tentang hubungan Shakespeare dan Anne Hathaway, setelah fragmen surat yang digunakan dalam struktur penjilidan ditemukan dalam buku tafsir Alkitab terbitan 1608
- Profesor UNC Kathleen DuVal baru-baru ini memenangkan Pulitzer Prize lewat Native Nations: A Millennium in North America, dan karya-karya sebelumnya juga dinilai menarik
1 komentar
Opini Hacker News
Saya rasa ada masalah pendidikan yang lebih dalam: siswa dilatih untuk memandang sekolah dan dunia kerja sebagai rangkaian tahap pencapaian tujuan tanpa akhir. Pada akhirnya tujuannya adalah ‘mendapat pekerjaan’, tetapi sekarang kita bahkan tidak bisa dengan yakin mengatakan pekerjaan apa yang masih akan ada 5–10 tahun lagi. Mungkin pengecualian utamanya hanya pekerjaan keterampilan praktis, tetapi program-program seperti itu sudah lama hampir hilang dari pendidikan. Jika mahasiswa memakai AI untuk menyelesaikan tugas dengan mudah lalu melewati membaca dan melatih ketekunan, saya melihat tanggung jawabnya lebih besar ada pada sistem pendidikan dan jalur karier yang kita bangun daripada pada mahasiswanya. Masalah ini tidak muncul dalam semalam, dan juga bukan semata-mata disebabkan oleh AI
Sangat disayangkan bahwa seperti halnya AI dipakai sebagai alasan untuk membenarkan PHK massal dan penghematan biaya, kegagalan sistem pendidikan modern pun mulai dilimpahkan kesalahannya kepada AI. Padahal sistem pendidikan pada dasarnya memberi imbalan hanya pada satu hal: nilai. Satu angka yang paling mudah di-game, yaitu 'nilai' (GPA), menentukan jalan dari SMP/SMA ke universitas hingga sesudahnya, lebih daripada pengetahuan, pemahaman, atau kecerdasan. Menurut saya inilah masalah terbesar pendidikan
Saya cukup yakin pekerjaan yang sudah ada sejak lama akan tetap bertahan ke depan. Meski ada perubahan teknologi, pekerjaan itu tidak akan mendadak hilang, melainkan menurun perlahan. Jadi saya rasa masih ada cukup waktu untuk bersiap dan merencanakan. Sebaliknya, pekerjaan berpenghasilan tinggi di sektor ekonomi baru kemungkinan tidak akan bertahan lama, sulit diprediksi, dan jika seseorang mudah iri pada pemasukan tak terduga seperti itu, saya rasa akan sulit baginya merasa bahagia di pekerjaan semacam itu
Menanggapi klaim bahwa ‘yang paling patut disalahkan adalah sistem pendidikan dan karier’, disebutkan bahwa pada kenyataannya banyak orang terus-menerus menyalahkan para siswa
Tak seorang pun pernah bisa selalu yakin dalam memprediksi pekerjaan masa depan. Orang yang memiliki dasar kuat dan fleksibel pada akhirnya akan selalu menemukan jalan
Jika hanya 10% populasi berbondong-bondong ke pekerjaan keterampilan praktis, industri itu pun bisa kolaps. Saya heran mengapa semua orang mengabaikan hal ini
Saya sangat tertarik ketika membaca komentar tentang seorang mahasiswa pascasarjana filsafat di SFSU yang sepenuhnya mengubah kelasnya menjadi terasa seperti ‘berlari di lintasan rintangan melawan AI’, dan para mahasiswa justru tertarik. Muncul ide yang menarik: bagaimana kalau para mahasiswa saling membuat tugas yang tidak bisa diselesaikan dengan ChatGPT, lalu saling memberikannya? Dulu saya pernah mengalami program kuis di barcamp yang dirancang agar jawabannya tidak mudah ditemukan lewat Google, dan itu benar-benar menyenangkan. Merancang tugas yang tahan terhadap ChatGPT terasa sebagai tantangan intelektual tingkat tinggi yang serupa
Saya rasa merancang ‘tugas tahan ChatGPT’ sebenarnya bisa cukup sederhana. Seperti dalam sistem universitas Jerman, mahasiswa tiap minggu mengerjakan soal latihan sulit, dan hanya yang mencapai tingkat keberhasilan tertentu yang boleh ikut ujian. Tujuan sebenarnya dari tugas seperti ini adalah agar mahasiswa yang belum siap tidak menghancurkan dirinya sendiri saat ujian. Meskipun mereka menyontek di tugas dengan ‘ChatGPT’ dan sejenisnya, biasanya tidak dihukum keras, tetapi para mahasiswa tahu bahwa itu hanya akan membuat mereka benar-benar gagal saat ujian. Di sebagian besar universitas Jerman, jika gagal ujian tiga kali, mereka tak bisa lagi mempelajari jurusan itu, dan ini berlaku di semua universitas
Howard Rheingold sedang sangat aktif di topik ini. Jika tertarik, saya merekomendasikan Peeragogy Handbook dan tulisan yang memicu ide tersebut. Ia berbagi bahwa ‘semakin saya menyerahkan otoritas pengajar kepada mahasiswa dan mendorong mereka belajar secara mandiri, semakin mereka memberi tahu saya apa yang perlu didesain ulang dalam metode mengajar saya’
Saya seorang tunanetra, dan saya terusik oleh fakta bahwa jenis soal yang hanya ‘menunjukkan garis luar pulau’ seperti ini sama sekali tidak dapat diakses oleh orang seperti saya. Gerakan untuk mengurangi tugas berbasis teks justru membuat pendidikan yang aksesibel bagi penyandang disabilitas menjadi lebih sulit. Ini adalah awal dari generasi kesenjangan digital yang baru
Saya setuju bahwa merancang tugas tahan ChatGPT adalah tantangan intelektual. Namun para dosen hampir tidak punya waktu maupun pelatihan untuk menerapkan metode pengajaran eksperimental seperti ini. Dengan beban 4/4 (empat mata kuliah per semester) saja sudah nyaris tak sanggup mengejar jadwal, jadi sulit bahkan untuk mencoba, dan laju perkembangan alat AI begitu cepat sehingga ide bagus pun segera menjadi usang. Misalnya, saya pernah meminta mahasiswa membuat podcast alih-alih makalah, lalu segera muncul alat ‘buat podcast saya’, sehingga akhirnya kecurangannya jadi semudah pada esai tradisional
Jika pengajar benar-benar memahami topiknya, percakapan 30 detik saja sudah cukup untuk segera tahu apakah mahasiswa benar-benar paham. Mungkin ‘tugas’ bukanlah cara terbaik untuk membentuk dan memverifikasi pengetahuan
Penulis (artikel asli) terutama membahas pendidikan sejarah, tetapi yang sebenarnya ia sebut lebih dekat ke ‘apresiasi sejarah’. Ini bukan pendekatan yang memakai sejarah sebagai alat prediksi, melainkan sebagai budaya membaca ‘teks klasik (misalnya Cicero)’. Perwira militer mempelajari sejarah dengan cara yang sama sekali berbeda, yakni mencari penyebab kesalahan dan kegagalan. Sejarah dari sudut pandang seperti ini juga merupakan area yang sampai sekarang belum terlalu dikuasai LLM. Jika ingin memahami zaman Cicero, saya merekomendasikan buku ini. Buku itu ditulis oleh seorang wartawan politik lapangan, sehingga memberi pengalaman yang tajam dalam membelokkan pandangan sejarah tradisional yang terlalu terpukau oleh retorika
Menggunakan sejarah sebagai alat prediksi bukanlah tujuan asli dunia akademik; sejarah ada untuk memahami arus kehidupan manusia, dan penerapannya sangat luas. Bahkan sejarah militer pun termasuk salah satu bidang yang paling lambat mengadopsi metode penelitian baru
Saya tidak setuju dengan klaim bahwa ‘apresiasi’ dan ‘analisis’ harus dipisahkan. Sejarah penting untuk menjelaskan bagaimana situasi saat ini terbentuk. Kajian klasik pun tentu harus dilakukan secara kritis, dan para sejarawan memang melakukannya
Jika kita mempelajari ‘para pemenang’, yang pasti kita pelajari hanyalah bias penyintas
Pembedaan antara sejarah sebagai analisis strategis dan pendidikan sejarah sebagai apresiasi budaya adalah poin yang sangat bagus. Pendidikan masa kini kebanyakan condong ke yang kedua, dan itulah wilayah yang lebih mudah ditiru AI. Padahal pemikiran yang lebih bernilai justru lahir dari pertanyaan-pertanyaan yang tidak nyaman tentang kegagalan, konsekuensi tak disengaja, dan sudut pandang pinggiran
Penjelasan tambahan bahwa ketika perwira militer memandang sejarah, mereka bukan hanya melakukan ‘analisis kesalahan’
Ujian disertasi doktoral di bidang humaniora terdiri dari ‘disertasi tertulis’ dan pembelaan lisan spontan, sehingga sangat sulit menyontek dengan ChatGPT. Dosen pandai mengajukan pertanyaan dengan menghubungkan hal-hal yang tampaknya tidak relevan. Saya pernah membantu para insinyur menyelesaikan isu analisis semantik, dan mereka sering kebingungan karena tidak memahami bahasa. Saya menemukan bahwa seseorang bisa pandai berkomunikasi tetapi tetap tidak memahami bahasa itu sendiri. Dalam evaluasi terkait AI, yang diuji sebenarnya hanya hal-hal yang memang AI kuasai, sementara kemampuan bahasa saya sendiri tidak masuk dalam kriteria penilaian. Saya harus menunjukkan persoalan bahasa yang dihadapi AI, lalu meyakinkan manusia tentang nilainya
Jika guru fisika malas, semua soal akan diubah menjadi soal matematika. Jika Anda khawatir kalkulator yang lebih baik membuat ujian jadi tak bermakna, berarti yang diajarkan sebenarnya bukan fisika, melainkan matematika. Jika pengajar humaniora malas, semua soal diubah menjadi soal menulis. Jika spell checker yang lebih baik bisa melumpuhkan penilaian humaniora, itu berarti yang dinilai sebenarnya hanya kemampuan menulis. Ini memang terdengar agak menyerang, tetapi saya meragukan apakah tulisan yang baik selalu identik dengan pemikiran yang baik
Saya setuju bahwa para dosen bisa mengembangkan teknik evaluasi yang tahan terhadap AI. Namun hampir tidak ada dukungan di tingkat organisasi, sehingga semua orang harus menyelesaikannya sendiri. Siklus eksperimen juga sangat lambat dibanding laju perkembangan alat AI. Bahkan jika metode evaluasi baru diuji selama satu semester, hanya dalam beberapa minggu mereka sudah harus menyiapkan mata kuliah berikutnya, sehingga sulit mengevaluasi dan memperbaikinya dengan layak; biasanya paling banyak hanya sempat diulang sekali setahun
Ini mengingatkan saya pada kontroversi saat kalkulator muncul di dunia sains dulu. Di kelas fisika SMA, beberapa siswa yang lebih kaya membawa ‘kalkulator ilmiah’, dan boleh tidaknya dipakai menjadi perdebatan. Kalkulator memang bukan pembanding yang benar-benar setara dengan LLM, tetapi argumen bahwa pada praktik nyata alat itu pada akhirnya akan dipakai tetap terasa meyakinkan. Ini masih sangat berlaku terutama dalam software engineering
Saya pikir jawabannya adalah membawa kembali metode Socrates ke pendidikan humaniora. Bukan proses pasif mengonsumsi dan menghasilkan teks (yang pada praktiknya hanya dibaca asisten dosen dan dosen), melainkan kelas berbasis dialog di mana mahasiswa benar-benar berdiskusi dan berdebat berdasarkan materi kelas dan isi kuliah. LLM mungkin bisa menulis esai yang lumayan, tetapi tidak bisa ikut berdiskusi dengan teman sebaya di ruang kelas. Tentu ada batasan realistis: karena biaya tenaga kerja, pendekatan ini sulit diterapkan secara massal
Saya rasa menyamakan ChatGPT dengan sekadar spell checker itu tidak masuk akal. Menulis sendiri jelas merupakan keterampilan penting yang harus diajarkan
Saya pikir akar utama kecurangan di bidang humaniora adalah adanya insentif ekonomi untuk menyontek
Banyak orang tampaknya tidak tahu betapa banyak pekerjaan yang masih harus dilakukan dalam sejarah dan humaniora. Misalnya, ada orang yang tertarik pada penguraian gulungan hangus dari Herculaneum, tetapi kenyataannya kurang dari 10% teks Neo-Latin dari era Renaisans hingga awal modern telah diterjemahkan ke bahasa Inggris. Bahkan tokoh seperti Marsilio Ficino, meskipun karya klasik yang ia terjemahkan meninggalkan jejak besar dalam sejarah Eropa, sebagian besar tulisannya sendiri masih belum diterjemahkan ke bahasa Inggris. LLM akan sangat berpengaruh di area ini, tetapi jika ada kemauan, mahasiswa mana pun bisa memberi kontribusi nyata di wilayah yang belum dikenal ini. Karena itu, saat menilai mahasiswa saya memakai patokan ‘seberapa banyak saya belajar dari mereka’
Arsitektur transformer awalnya dirancang untuk penerjemahan, tetapi saya merasa model generatif yang terlalu overfit justru sangat rapuh dalam penerjemahan nyata. Pendekatan sederhana seperti penandaan kelas kata + pencarian kamus + pemetaan tata bahasa justru menghasilkan performa yang jauh lebih baik, lengkap dengan interval kepercayaannya. Jika butuh alat terjemahan, lebih baik memakai alat seperti Project Bergamot ketimbang AI generatif. Dan sangat disayangkan bahwa pelajaran humaniora di SMA telah menjadi sekadar latihan, bukan ‘penemuan nyata’
Sejarah yang kita miliki pasti turun melalui jalur yang sempit, sehingga banyak bagian hilang, dipoles berlebihan, atau terdistorsi berat. Kita nyaris tidak tahu apa yang sebenarnya terjadi 500 tahun lalu, dan besar kemungkinan pihak yang berkuasa, seperti Medici, juga mengarahkan catatan sejarah agar sesuai dengan kepentingan mereka. Pada akhirnya, sejarah adalah melukis latar bagi masa kini. Saya tidak yakin AI akan sangat membantu untuk lebih memahami masa lalu; justru bisa jadi ia menjadi alat yang memungkinkan para Medici baru zaman modern mengubah latar masa lalu dengan lebih cepat
Ada klaim bahwa insinyur yang mengembangkan sistem AI harus memikirkan bahasa dan budaya, serta sejarah dan filsafat teknologi secara mendalam, tetapi menurut saya yang lebih penting adalah bahwa masalah muncul ketika orang mengabaikan kompleksitas dunia nyata, bukan semata-mata karena kurangnya pengetahuan akademik. Jika kemampuan coding menjadi makin terkomoditisasi, orang yang punya kemampuan pelengkap (misalnya coding + sejarah) justru akan mendapat keuntungan lebih besar. Inilah inti perubahan yang sedang terjadi di bidang humaniora sekarang
Pada dasarnya, ‘kemampuan mengajukan pertanyaan yang baik dan menyelesaikannya sendiri’ selalu merupakan keterampilan yang sangat berharga
Mahasiswa sekarang cenderung bergerak dalam tim dengan teman-teman dari latar yang beragam, alih-alih mendalami hanya satu hal seperti coding saja. Karena laju perubahan sekarang tak bisa dibandingkan dengan masa lalu, mereka lebih cepat menyadari batas diri dan kebutuhan untuk berkolaborasi, terlepas dari kualitas pelatihannya. Tantangan yang lebih besar adalah bagaimana berkolaborasi, menyelaraskan diri, dan menetapkan arah sebagai satu tim di tengah bakat, minat, dan perubahan yang serbacepat
Dunia sejarah sudah menghadapi persoalan ‘sejarah sebagai narasi’ lewat Hayden White beberapa dekade lalu. Klaim White bahwa ‘sejarah adalah fiksi (=fiction)’ sebenarnya bukan menolak faktualitas itu sendiri, melainkan menegaskan bahwa interpretasi dan narasi sastra melekat dalam sejarah. Artinya, ia menekankan bahwa sejarawan, seperti novelis, membentuk makna peristiwa melalui struktur naratif dan teknik ekspresi
Saya rasa kegagalan sistem AI yang kita lihat kebanyakan berasal dari pengabaian terhadap kompleksitas dunia nyata
Pada dasarnya ini hanya cara lain untuk mengatakan konsep Joel Spolsky tentang ‘commoditize your complement’
Dalam system prompt OpenAI ada kalimat seperti ‘pertahankan keahlian dan kejujuran yang paling baik mencerminkan nilai-nilai OpenAI’, dan orang dengan latar humaniora bisa secara naluriah menangkap bahwa kalimat seperti ini dapat berbalik sangat fatal dalam krisis AI di masa depan. Nuansa semacam inilah yang benar-benar penting, dan justru dari sinilah lahir skenario (ala Hollywood) ‘mesin runtuh saat mencoba menyerupai pikiran penciptanya’
Saya pribadi skeptis terhadap efektivitas penggunaan komputer di lingkungan pendidikan. Untuk benar-benar mempelajari sesuatu, menurut saya kita perlu membaca di atas kertas dan mencatat dengan tangan di margin atau buku catatan kertas agar benar-benar melekat dalam ingatan. Sebagai programmer, saya memang memakai layar setiap hari, tetapi jika ingin benar-benar mengingat hal baru, saya harus memakai kertas. Dalam rapat offline atau konferensi pun saya tidak pernah membuka laptop dan selalu mencatat di kertas. Karena itu saya selalu bertanya-tanya apakah belajar dengan laptop atau tablet benar-benar membantu
Namun ini sepenuhnya pengalaman pribadi, dan menurut saya sama sekali tidak berlaku konsisten bagi orang lain. Saya sendiri sudah bertahun-tahun tidak menulis apa pun di kertas, tetapi tetap bisa mempelajari banyak hal baru selama itu
Saya rasa perbedaan seperti ini bergantung pada bagaimana kebiasaan belajar dibentuk sejak awal. Jika saya mencatat di Notepad hasilnya kurang efektif, dan kalau menulis dengan tangan saya lebih mudah ingat, itu adalah produk kebiasaan pendidikan sekolah, yaitu latihan personal. Orang lain bisa saja belajar dengan sangat baik lewat cara mereka sendiri
Sudah ada generasi yang membuktikan bahwa pengalaman generasi saya bukanlah kasus universal dalam pendidikan
Saya setuju bahwa aplikasi belajar, terutama alat belajar yang digamifikasi, jelas menunjukkan efektivitas dari sisi ‘latihan’
Saya punya pengalaman bahwa LLM telah membobol lubang besar dalam cara pendidikan benar-benar berjalan di Amerika Serikat. Selama ini penilaian didasarkan pada asumsi bahwa ‘hasil tulisan tanpa pengawasan adalah bukti belajar’, tetapi LLM dengan mudah menghasilkan output itu, dan akibatnya industri jasa penulisan esai pun ikut hancur. Sekarang para pendidik harus mencari ulang kriteria penilaian itu sendiri, dan pertanyaan lama seperti ‘apa itu belajar’ serta ‘bagaimana mengukurnya secara bermakna’ menjadi semakin penting. Saya (setengah bercanda) memperkirakan hafalan, ujian lisan, dan evaluasi berbasis tutur akan bangkit kembali. Cara ini juga punya kelemahan, tetapi untuk saat ini masih tidak mudah dicurangi, jadi tampaknya akan tetap berguna untuk sementara
Cara berpikir bahwa mahasiswa membuktikan belajar hanya dengan menyerahkan esai memang sudah lama merupakan ilusi. Sekarang AI bahkan bisa menulis itu juga, jadi yang dibutuhkan adalah verifikasi yang esensial. Jika ‘menulis saja tidak cukup untuk membuktikan belajar’, maka yang tersisa adalah pertanyaan: bagaimana membedakan pembelajaran yang sungguh-sungguh? Karena itu, saya rasa ujian lisan dan evaluasi diskusi real-time bisa kembali hidup. AI tidak merusak pendidikan; ia hanya menelanjangi masalah yang memang sudah ada
Menurut saya inti lubang itu adalah ‘objektivitas’. Karena pendidikan terlalu terobsesi pada pengukuran, kita mengajar seolah-olah hal-hal yang diajarkan adalah fakta apriori (‘kebenaran objektif’), padahal kenyataannya itu sendiri hampir seperti mitos. Semakin ketat kita mengukurnya, semakin kita tertipu bahwa pengetahuan itu adalah kebenaran. Padahal sebenarnya semua tulisan dan pembelajaran adalah kumpulan pengalaman subjektif, dan untuk mendapatkan objektivitas kita harus menjelajahi banyak sudut pandang subjektif. Kehadiran LLM justru mem-bypass hal itu dan menghasilkan jawaban bukan lewat penalaran logis, melainkan berdasarkan ‘vibe’. Kini tujuannya menjadi menciptakan suasana sosial atau konteks yang terasa akrab, dan di mana garis batasnya akan ditarik masih belum jelas. Keketatan terlalu dibesar-besarkan; belajar dengan menelusuri banyak perspektif bersama adalah cara belajar terbaik bagi manusia
Saya tidak merasa definisi belajar berubah. Bahkan catatan tertua umat manusia pun pada dasarnya berisi keluhan ‘gara-gara tulisan model baru ini para murid jadi tidak belajar’, jadi pendidikan selalu beradaptasi terhadap perubahan
Porsi yang sangat besar dalam pendidikan Amerika memang adalah memproduksi ‘esai yang tak bermakna’, jadi wajar jika AI dengan mudah menyusup ke celah seperti ini