- Buku teks pada dasarnya memiliki keterbatasan sebagai media yang seragam, dan Google sedang mengeksplorasi cara menggunakan AI generatif untuk secara otomatis membuat representasi alternatif dan contoh yang dipersonalisasi guna meningkatkan efektivitas belajar dan keterlibatan
- Eksperimen riset Learn Your Way mengolah ulang buku teks agar sesuai dengan tingkat dan minat pelajar, lalu mengubahnya menjadi konten multi-representasi (multimodal) untuk mendorong pembelajaran aktif
- Intinya adalah pipeline personalisasi yang menyusun ulang tingkat kelas dan mengganti contoh berdasarkan minat, sehingga menjadi dasar untuk menghasilkan berbagai bentuk representasi seperti slide, narasi, audio, dan peta pikiran
- Dengan LearnLM + Gemini 2.5 Pro sebagai pusatnya, alur kerja agen dan model khusus digabungkan untuk mewujudkan representasi pembelajaran berkualitas tinggi seperti ilustrasi pendidikan, kuis, dan narasi
- Hasil RCT menunjukkan peningkatan yang bermakna, termasuk peningkatan memori jangka panjang sebesar 11 poin persentase, dan mengindikasikan potensi evolusi materi ajar statis menjadi pengalaman belajar interaktif dan berpusat pada pelajar
Latar belakang dan rumusan masalah
- Karena biaya produksi dan keterbatasan waktu, buku teks memiliki keterbatasan struktural berupa kurangnya sudut pandang alternatif, format yang beragam, dan variasi yang disesuaikan
- Diajukan pendekatan yang memanfaatkan AI generatif (GenAI) untuk secara otomatis menghasilkan ekspresi yang disesuaikan dengan minat dan tingkat pelajar sambil tetap menjaga integritas sumber asli
- Tujuannya adalah menyediakan lingkungan agar pelajar dapat memilih sendiri format dan jalur belajarnya, sehingga mendorong peningkatan hasil belajar dan motivasi
Gambaran pendekatan: dua pilar
- Pembuatan multi-representasi: menerapkan desain yang mendorong keterhubungan konsep melalui representasi multimodal seperti teks, slide, audio, peta pikiran, dan kuis
- Berdasarkan Dual Coding Theory dan penelitian lanjutan, hubungan antar representasi yang berbeda berkontribusi pada penguatan skema konsep
- Personalisasi: menetapkan tujuan untuk memperkuat motivasi dan pembelajaran mendalam melalui rekonstruksi teks sesuai tingkat kelas dan minat, serta adaptasi kuis berbasis respons
Susunan teknologi: LearnLM + Gemini 2.5 Pro
- Menerapkan desain bertingkat berbasis Gemini 2.5 Pro yang mengintegrasikan LearnLM
- Tahap 1, pipeline personalisasi: sumber asli seperti PDF di-releveling ke tingkat kelas yang sesuai, lalu contoh umum diganti dengan contoh sesuai minat untuk digunakan sebagai teks acuan bagi pembuatan representasi berikutnya
- Tahap 2, pembuatan multi-representasi:
- Untuk peta pikiran dan timeline, digunakan kemampuan umum dari model dasar
- Untuk slide dan narasi, disusun alur kerja multi-agen guna mengoptimalkan efektivitas pendidikan
- Karena ilustrasi pendidikan memiliki keterbatasan jika hanya mengandalkan model gambar umum, ditambahkan model gambar hasil fine-tuning khusus
- Hasilnya, kombinasi model fondasi yang kuat + tahap agen + komponen khusus mendukung produksi massal representasi pembelajaran multimodal berkualitas tinggi
Susunan pengalaman Learn Your Way
- Immersive text: unit bacaan yang tersegmentasi, gambar hasil generasi, dan pertanyaan tertanam mengubah membaca pasif menjadi pengalaman aktif
- Section-level quizzes: mendorong pembelajaran aktif melalui umpan balik langsung dan deteksi kesenjangan pengetahuan
- Slides & narration: menyediakan slide yang mencakup keseluruhan cakupan, aktivitas mengisi bagian kosong, dan narasi bergaya pelajaran rekaman
- Audio lesson: dialog simulasi antara guru AI dan siswa, serta bantuan visual untuk mendorong penyempurnaan miskonsepsi
- Mind map: memungkinkan eksplorasi bolak-balik secara fleksibel antara gambaran besar dan detail melalui penyusunan pengetahuan secara hierarkis
- Semua komponen menerapkan personalisasi berbasis tingkat kelas dan minat, dan kuis interaktif menyesuaikan kembali jalur belajar berdasarkan pencapaian waktu nyata
Evaluasi desain pembelajaran
- 10 buku ajar asli dari OpenStax diubah ke dalam 3 kondisi personalisasi dan diterapkan pada berbagai mata pelajaran seperti sejarah hingga fisika
- Hasil evaluasi oleh 3 pakar pendidikan berdasarkan akurasi, cakupan, dan prinsip ilmu belajar (LearnLM) menunjukkan skor positif dengan rata-rata 0,85 atau lebih pada semua item
- Evaluasi rinci tambahan disajikan dalam tech report pendamping
Studi efektivitas (RCT)
- 60 peserta usia 15–18 tahun di wilayah Chicago, dengan sampel tingkat pemahaman bacaan yang serupa, diacak untuk menjalani pembelajaran hingga 40 menit
- Pembanding: Learn Your Way vs pembaca PDF biasa
- Hasil langsung: kelompok Learn Your Way rata-rata 9 poin persentase lebih tinggi
- Retensi jangka panjang (3–5 hari kemudian): kelompok Learn Your Way 11 poin persentase lebih tinggi (78% vs 67%)
- Penilaian subjektif: kenyamanan 100% vs 70%, niat penggunaan ulang 93% vs 67%, mengonfirmasi kepuasan yang lebih tinggi
- Untuk melengkapi metrik kuantitatif, wawancara mendalam selama 30 menit dilakukan untuk mengumpulkan wawasan kualitatif, dan umpan balik positif dikonfirmasi pada nilai belajar dan keterlibatan
Mengapa efektif
- Pipeline personalisasi menyesuaikan tingkat teks dan contoh dengan konteks pelajar, sehingga berkontribusi pada pengurangan beban kognitif dan peningkatan relevansi
- Multi-representasi mendorong koneksi antar konsep, meningkatkan petunjuk pengambilan memori dan kemungkinan transfer
- Adaptasi kuis dan loop umpan balik mendukung regulasi metakognitif serta koreksi miskonsepsi
Keterbatasan dan langkah berikutnya
- Saat ini masih berada pada tahap riset awal, sehingga diperlukan verifikasi berulang pada sampel, mata pelajaran, dan kelompok usia yang lebih luas
- Diusulkan arah pengembangan menuju sistem adaptif berkelanjutan yang terus menyesuaikan representasi dan tingkat kesulitan berdasarkan kemajuan dan pola kesalahan pelajar
- Ke depan, ada rencana untuk tetap memadukan prinsip pedagogis dan pengukuran efektivitas dengan strategi lokalisasi yang sesuai konteks daerah
Implikasi dan poin penerapan
- Aset kuncinya adalah pipeline operasional yang mengubah materi ajar statis menjadi artefak pembelajaran interaktif dan dipimpin pelajar
- Sekolah, penerbit, dan edutech dapat memperluasnya melalui sistem produksi terstandarisasi yang menggabungkan releveling konten + penggantian contoh berbasis minat + pengembangan multimodal + adaptasi kuis
- Dari sisi rekayasa, kuncinya adalah perancangan orkestrasi agen, pipeline generasi modular, dan loop pemeriksaan kualitas/akurasi
2 komentar
Sebagai orang yang pernah membuat ini, saya bisa bilang bahwa untuk personalisasi dibutuhkan volume informasi yang besar, bisa lebih dari 2 GB.
Opini Hacker News
Saya punya alat bernama asXiv. Bisa dipakai untuk mengajukan pertanyaan ke paper di arXiv.org, dan di halaman awal juga ada rekomendasi pertanyaan yang membantu memahami atau menjelajahi paper. Ada juga demo untuk paper populer Attention Is All You Need. Kodenya sepenuhnya open source, dan untuk menekan biaya saya memakai model Google 2.5 flash lite (saat ini sepenuhnya gratis). Jika perlu, bisa diubah lewat environment variable agar berjalan secara lokal dengan model lain.
asXiv menarik. Saya menambahkan posting Show HN ke second-chance pool. Karena itu, posting tersebut akan muncul secara acak di halaman depan HN. Penjelasan second-chance pool
asXiv keren, tapi hal serupa juga bisa dilakukan di alphaxiv lewat fitur assistant. Tinggal buka paper lalu klik tools → assistant. Contoh alphaxiv
Kelihatannya bagus, saya ingin sekali mencobanya nanti. Satu hal yang saya penasaran: kenapa ini tidak dijadikan SaaS komersial?
Sepertinya alat yang benar-benar fantastis. Saya juga membuat produk serupa untuk membaca arXiv/epub/pdf bernama Ruminate(www.tryruminate.com). Saya ingin mendengar pendapat orang lain
Saya sungguh penasaran apa bedanya dengan RAG yang sudah ada
Saya melihat contoh dasar ilmu komputer untuk siswa kelas 7 dengan skenario anak yang suka makanan. Misalnya penjelasan seperti "list bisa dipakai untuk resep", "set bagus untuk daftar unik bahan makanan selama seminggu", "map bisa dipakai untuk buku masak", "priority queue cocok untuk mengelola pesanan di dapur yang sibuk", dan "graf food pairing menunjukkan bahan yang cocok satu sama lain". Menurut saya, ini terlalu melebih-lebihkan selera anak kelas 7. Kalau saya, saya akan cepat bosan
Memang, ilmu komputer waktu SMA dulu sangat membosankan saat saya mengalaminya 20 tahun lalu. Waktu itu suasananya seperti "kalian harus belajar Microsoft Office". Selama bertahun-tahun menjadi relawan pendidikan, saya melihat banyak anak bertanya hal yang sangat realistis seperti "sebenarnya trigonometri dipakai untuk apa?". Contoh di kelas dan ujian terasa tidak nyambung dengan kehidupan nyata sehingga terlihat tidak bermakna. Menunjukkan bagaimana konsep benar-benar dipakai di dunia nyata jelas punya nilai pendidikan. Kelebihan LLM adalah bisa mengubah contoh dunia nyata itu agar sesuai dengan minat pribadi. Misalnya seperti penjelasan A* pathfinding di seri Red Blob Games, yang membahas algoritme penelusuran graf lewat contoh game yang menarik, menurut saya itu sangat bagus
Saya pernah memakai alat belajar pembuat kuis yang ada di gemini. Untuk hal-hal yang biasanya muncul di buku pelajaran K-12, alat itu cukup berguna. Sampai sekitar 30~40 soal pilihan ganda pertama masih lumayan bermanfaat, tetapi setelah itu soal, opsi pengecoh, dan penjelasannya mulai berulang, lalu muncul jawaban salah atau lebih dari satu jawaban benar. Penjelasannya juga hanya di tingkat yang diharapkan dan QA-nya tampak kurang. Kalau pengguna memeriksa sendiri, ini masih bisa dipakai. Tapi kalau diterima mentah-mentah tanpa verifikasi, justru bisa merugikan
Sejujurnya, saya bahkan tidak paham apa maksud contoh "list bisa dipakai untuk resep". Saya rasa itu justru akan membingungkan siswa kelas 7
Ini mengingatkan saya pada Hawthorne effect (novelty effect). Tidak jelas apakah siswa bilang konten seperti ini lebih menarik karena memang lebih baik, atau cuma karena terasa baru. Wiki Hawthorne effect
Khusus contoh set, itu akan membingungkan siswa kelas 7, apalagi kalau mereka memang belum paham konsep set. Mengatakan "masukkan daftar bahan unik ke dalam set" memang benar secara teknis, tetapi untuk belanja nyata itu tidak terlalu membantu karena kita butuh jumlahnya. Ini juga tidak membuat konsep set jadi intuitif, dan saat harus menjelaskan "perbedaan list dan set", justru bisa menambah kebingungan. Bahkan frasa "bahan unik" sendiri mungkin belum mudah dipahami anak seusia itu
Saya mantan guru fisika. Secara teknis ini mengesankan, tetapi menurut saya ini inovasi yang lemah secara pendidikan. Saat mengajar hukum gerak Newton kepada remaja, kesulitan sebenarnya adalah membuat mereka memahami bahwa gesekan tidak selalu ada. Siswa datang dengan 'teori impuls' (theory of impetus, tautan wiki) yang mereka pelajari seumur hidup dari melihat benda bergerak di dunia nyata. AI yang bisa memetakan konsep tiap siswa dan mengajukan pertanyaan untuk membantah teori impuls itu akan benar-benar berguna, tetapi yang diumumkan Google kali ini hanyalah variasi pengajaran papan tulis model "slide + kuis". Alasan saya akhirnya meninggalkan profesi guru adalah karena pendidikan dibahas dengan asumsi bahwa "semua mata pelajaran bisa diajarkan dengan cara yang sama". Kita sudah sampai di batas pendekatan yang netral terhadap mata pelajaran, jadi menurut saya kunci perbaikannya ke depan adalah fokus pada substansi tentang "apa" dan "bagaimana" sesuatu diajarkan
"Guru yang baik bisa mengajar mata pelajaran apa saja". Apa yang bilang begitu kepala bidang bahasa? Saya sangat setuju denganmu, dan bahkan dalam pendekatan netral terhadap mata pelajaran pun, metode belajar efektif yang belum diterapkan seperti spaced repetition atau evaluasi berbasis recall masih belum masuk ke 80% kelas terbawah. Kita sudah tahu banyak dari teori pendidikan dan pembelajaran, tetapi itu masih belum tercermin dalam sistem sekolah
Sebagai siswa, saya benar-benar merasa relate. Alasan saya sulit belajar bukan karena kurang personalisasi, melainkan karena materinya banyak dan sulit. Intinya adalah ada yang memeriksa dengan tepat apakah saya benar-benar paham tiap tahap kemajuan saya, dan menjelaskan bahasa rumus atau istilah dengan kata-kata yang lebih mudah. Study mode di ChatGPT cukup bagus melakukan peran ini untuk mata pelajaran tertentu
Hati-hati kalau bicara soal pengalaman pendidikan, orang-orang industri Edutech bisa marah. Mereka sudah 15 tahun menjanjikan revolusi
Waktu itu seharusnya Anda menyuruh kepala bidang bahasa tadi mengajar kalkulus tensor
Saya penasaran kenapa kepala bidang bahasa itu berkata begitu, apakah itu juga memengaruhi departemen sains, dan apakah Anda benar-benar meninggalkan profesi guru fisika karena pernyataan itu
Kalau melihat berbagai layanan AI sekarang dan perubahan paksa kebijakan biaya Copilot, saya merasa seluruh industri AI sedang mati-matian mempromosikan mainan mahal agar dipakai publik. Saya penasaran kenapa peringatan khas PG (Paul Graham) tentang "solusi yang mencari masalah" belum juga muncul
Menurut saya AI masih terlalu tidak bisa dipercaya untuk dipakai aktif dalam belajar. Saya pernah menyuruhnya merapikan 100 kutipan paper, lalu 10 dihapus, dan 10 lagi malah diciptakan tanpa dasar. Dalam kondisi seperti ini, menggantikan buku pelajaran bahkan tak terbayangkan
Menyimpulkan "AI tidak bisa merangkum atau menjelaskan buku pelajaran" hanya dari pengalaman bahwa "AI gagal mengerjakan kutipan" adalah lompatan logika. Banyak orang tidak bisa merapikan kutipan, tetapi sangat mampu merangkum atau menjelaskan buku pelajaran
Saya sering memakai LLM untuk mendapat penjelasan isi buku pelajaran dengan baik. Saya menempelkan bagian yang tidak saya pahami lalu bertanya, dan hasilnya cukup bagus
Saya penasaran model apa yang Anda pakai, prompt-nya seperti apa, dan kapan Anda mencobanya
Saya suka belajar. Saya bisa sampai kuliah berkat Khan Academy, dan sampai sekarang saat mempelajari paper saya masih memakai ChatGPT, Claude, dan lain-lain. Tapi contoh dari Google cepat sekali mengecewakan.
Itu bukan salahmu. Semua pilihannya salah. Sosiologi mempelajari masyarakat, budaya, perilaku kelompok, dan sebagainya. Ini halusinasi LLM
Semua jawaban salah. Sistem ini mungkin menginginkan "C) psikologi = genetik, sosiologi = interaksi", tetapi pernyataan bahwa psikologi berfokus pada genetika itu tidak benar
Teks aslinya sendiri tidak mendefinisikan psikologi atau sosiologi, juga tidak membandingkan keduanya. Soalnya meminta menjawab hanya berdasarkan teks, tetapi ternyata perlu menarik pengetahuan dari luar untuk bisa menjawab. Pembuatan soal seperti ini terjadi karena LLM salah menafsirkan data pelatihan. Model tidak bisa membedakan mode reading comprehension (memahami teks) dan mode didactic (mengajar), jadi masalah seperti ini bukan sekadar bug sederhana, melainkan keterbatasan struktural
Ini mungkin terlihat seperti bug kecil, tetapi dalam pendidikan akurasi sangat penting. Kalau kesalahan dasar seperti ini dibiarkan, akan sulit melewati ambang kepercayaan
Teknologi ini tampaknya punya potensi yang besar. Guru manusia tidak punya kesabaran tanpa batas. Saat SMA saya pernah bertanya kepada guru kimia kenapa reaksi tertentu bisa terjadi, dan dia menjawab, "terima saja dan hafalkan, jangan coba-coba memahaminya". Setelah itu saya tidak menjadi ahli kimia. Namun sekarang justru kimia terasa menarik. Saat itu, karena guru saya benar-benar mematahkan rasa ingin tahu saya, saya sengaja menghindari semua jurusan terkait kimia saat memilih kuliah. Kalau alat AI seperti ini ada waktu itu, mungkin hidup saya akan berbeda. Di sisi lain, AI tidak akan bisa menandingi kelas sejarah penuh karakter dari guru saya yang datang membawa baju zirah abad pertengahan dan pedang sungguhan untuk mendemonstrasikan teknik bertarung. Dari 20 murid di kelas kami, 2 orang menjadi doktor sejarah dan arkeolog, jadi dia benar-benar guru yang luar biasa. Orang seperti itu langka
Ceritanya Anda frustrasi karena dijawab "hafalkan saja". Mungkin itu contoh fenomena 'lie-to-children'(penjelasan). Anda menginginkan pemahaman yang lebih dalam, tetapi sebelum memahami konsep tingkat lanjut, memang kadang perlu tahap hafalan dasar tertentu
Saya tipe orang yang tidak hanya ingin diberi hasil akhir, tetapi juga bagaimana sampai ke sana, siapa yang menemukannya, dan kenapa. Kalau generative AI, menurut saya ada potensi untuk menyajikan konteks informasi atau latar sejarahnya juga dalam bentuk naratif
Saya penasaran bagaimana teknologi ini akan bekerja di tengah menurunnya literasi, anti-intelektualisme, dan suasana keterasingan sosial belakangan ini. Sebagus apa pun teknologinya, saya merasa bisa saja malah menjadi kemunduran. Mungkin ini terdengar pesimistis, tetapi saya merasa arahnya bukan sebagai pendamping guru, melainkan pengganti guru
Ramalan pesimistis tentang literasi seperti semacam obituari sosial itu selalu terlalu dini. Justru ada pembaca tertentu yang bergerak ke arah membaca yang melawan arus secara intelektual, mencerna buku panjang berbahasa asli atau materi yang mendalam. Saya sedang memperluas kosakata dan kemampuan berekspresi lewat Norman Lewis 'Word Power Made Easy' dan Tom Heehler 'The Well-Spoken Thesaurus'. Dalam proses ini saya memakai ChatGPT dan Gemini sebagai tutor pribadi. Kalau diberi instruksi yang tepat, mereka membantu merekomendasikan kata baru atau memperjelas kalimat. Saya benar-benar merasakan bahwa teknologi justru memperkuat kemampuan ekspresi dan komunikasi saya. Dulu saya hampir hanya menulis email atau jurnal harian, tetapi sekarang dengan AI sebagai kolaborator dan penopang, saya mencoba menyusun ulang episode hidup saya menjadi cerpen, bahkan mengubahnya ke gaya penulis yang saya kagumi. Ini bukan pengganti guru, melainkan fondasi bagi renaissance belajar mandiri
Kalau yang dikhawatirkan adalah turunnya literasi, masalahnya bukan apakah kita menambah teknologi atau tidak, melainkan nilai-nilai masyarakat secara keseluruhan. Masyarakat yang menghargai literasi tidak akan mudah tergoyah oleh demo atau promosi blog. Sebaliknya, kalau masyarakat tidak menghargai pemahaman, keahlian, dan guru, mereka akan selalu mencari jalan pintas untuk menggantikannya
Saya tidak yakin ini pendekatan terbaik, tetapi saya sangat setuju dengan kesadaran masalahnya. Saya juga masih ingat jelas bagaimana guru saat SD dan SMP sering melewati pertanyaan saya tanpa penjelasan berarti. Pikiran saya tersangkut pada pertanyaan yang menggantung sehingga saya tidak bisa fokus pada pokok pelajaran, dan guru mungkin memang tidak punya waktu dalam sistem pendidikan massal, atau mungkin kurang siap untuk menanggapinya. Peran LLM yang saya harapkan adalah menjadi alat bantu yang aman mengarahkan proses eksplorasi siswa yang menyimpang dari kurikulum utama—melamun, rasa ingin tahu, dan sebagainya—namun pada akhirnya tetap membimbing mereka ke tujuan belajar yang diinginkan.
Dari pengalaman saya, rasa penasaran kecil seperti ini justru membawa pada pemahaman yang jauh lebih dalam.
TFA (artikel asli) mengajukan pertanyaan, "Bagaimana kalau siswa bisa merancang sendiri perjalanan belajarnya?"
Sebenarnya, untuk nonfiksi atau buku pelajaran, ini sudah memungkinkan sekarang.
Sampai SMA saya belum mengenal buku 'How to Read a Book'(wiki), dan buku itu membuka wawasan saya bahwa "membaca tuntas secara urut bukan selalu jawaban yang benar".
Saya berharap dengan AI, lebih banyak siswa bisa belajar bahwa ada banyak cara belajar selain kurikulum yang sudah ditentukan
Saya berharap ke depan kita benar-benar akan melihat teknologi seperti "A Young Lady's Illustrated Primer" dari Diamond Age
Apakah penulis novel itu sebenarnya sudah meramalkan masa depan sejak dulu? Cerita tentang dunia yang dipenuhi nanoteknologi dan nanobot
Bahkan saat membeli pinenote pun saya membayangkan masa depan seperti itu. Akan menyenangkan punya perangkat seperti buku harian Todd Riddle yang membantu belajar matematika. Tetapi perkembangan sisi Linux untuk pinenote berjalan lambat, dan saya juga makin sibuk, jadi minat saya memudar