Artikel ini awalnya diterbitkan di The Conversation.
Selama lebih dari satu abad, teknolog Amerika telah mendesak para pendidik untuk dengan cepat mengadopsi penemuan-penemuan baru mereka. Pada tahun 1922, Thomas Edison menyatakan bahwa dalam waktu dekat, semua buku pelajaran sekolah akan digantikan oleh film strip, karena teks hanya 2% efisien, sedangkan film 100% efisien. Statistik yang keliru itu adalah pengingat baik bahwa orang bisa menjadi teknolog yang brilian, namun sekaligus reformis pendidikan yang tidak kompeten.
Saya teringat Edison setiap kali mendengar teknolog bersikeras bahwa para pendidik harus mengadopsi kecerdasan artifisial secepat mungkin untuk menyongsong transformasi yang akan melanda sekolah dan masyarakat.
Di MIT, saya mempelajari sejarah dan masa depan teknologi pendidikan, dan saya belum pernah menemukan contoh sistem sekolah – sebuah negara, negara bagian, atau munisipalitas – yang dengan cepat mengadopsi teknologi digital baru dan menuai manfaat berkelanjutan bagi siswanya. Distrik-distrik yang pertama kali mendorong siswa membawa ponsel ke kelas tidak lebih baik dalam mempersiapkan generasi muda untuk masa depan dibandingkan sekolah-sekolah yang mengambil pendekatan lebih hati-hati. Tidak ada bukti bahwa negara-negara yang pertama menghubungkan ruang kelas mereka ke internet unggul dalam pertumbuhan ekonomi, pencapaian pendidikan, atau kesejahteraan warganya.
Teknologi pendidikan baru hanya sekuat komunitas yang membimbing penggunaannya. Membuka tab browser baru itu mudah; menciptakan kondisi untuk pembelajaran yang baik itu sulit.
Diperlukan waktu bertahun-tahun bagi para pendidik untuk mengembangkan praktik dan norma baru, bagi siswa untuk mengadopsi rutinitas baru, dan bagi keluarga untuk mengidentifikasi mekanisme dukungan baru agar suatu penemuan dapat secara andal meningkatkan pembelajaran. Namun seiring menyebarnya AI di sekolah, baik analisis historis maupun penelitian baru yang dilakukan dengan guru dan siswa K-12 menawarkan panduan dalam menavigasi ketidakpastian dan meminimalkan kerugian.
Kita Pernah Salah dan Terlalu Percaya Diri
Saya mulai mengajarkan siswa sejarah SMA untuk mencari di web pada tahun 2003. Saat itu, ahli ilmu perpustakaan dan informasi mengembangkan pedagogi untuk evaluasi web yang mendorong siswa untuk membaca situs web dengan cermat mencari penanda kredibilitas: kutipan, pemformatan yang tepat, dan halaman "tentang". Kami memberi siswa daftar periksa seperti tes CRAAP – currency, reliability, authority, accuracy and purpose – untuk memandu evaluasi mereka. Kami mengajarkan siswa untuk menghindari Wikipedia dan mempercayai situs web dengan domain .org atau .edu daripada domain .com. Semuanya tampak masuk akal dan berdasarkan bukti pada waktu itu.
Artikel peer-review pertama yang menunjukkan metode efektif untuk mengajar siswa cara mencari di web diterbitkan pada tahun 2019. Artikel itu menunjukkan bahwa pemula yang menggunakan teknik yang umum diajarkan tersebut berkinerja buruk dalam tes yang mengevaluasi kemampuan mereka memilah kebenaran dari kebohongan di web. Ini juga menunjukkan bahwa ahli dalam evaluasi informasi daring menggunakan pendekatan yang sama sekali berbeda: dengan cepat meninggalkan halaman untuk melihat bagaimana sumber lain mengkarakterisasikannya. Metode itu, yang sekarang disebut membaca lateral, menghasilkan pencarian yang lebih cepat dan akurat. Karya itu merupakan pukulan telak bagi guru lama seperti saya. Kami telah menghabiskan hampir dua dekade mengajari jutaan siswa cara mencari yang terbukti tidak efektif.
Saat ini, ada industri rumahan konsultan, pembicara utama, dan "pemimpin pemikiran" yang berkeliling negeri mengklaim melatih para pendidik tentang cara menggunakan AI di sekolah. Organisasi nasional dan internasional menerbitkan kerangka literasi AI yang mengklaim mengetahui keterampilan apa yang dibutuhkan siswa untuk masa depan mereka. Teknolog menciptakan aplikasi yang mendorong guru dan siswa untuk menggunakan AI generatif sebagai tutor, perencana pelajaran, editor tulisan, atau partner percakapan. Pendekatan ini saat ini memiliki dukungan bukti yang kira-kira sama banyaknya dengan tes CRAAP ketika pertama kali diciptakan.
Ada pendekatan yang lebih baik daripada membuat tebahan yang terlalu percaya diri: menguji dengan ketat praktik dan strategi baru dan hanya mengadvokasi secara luas untuk yang memiliki bukti efektivitas yang kuat. Seperti halnya literasi web, bukti itu akan membutuhkan satu dekade atau lebih untuk muncul.
Tapi ada perbedaan kali ini. AI adalah apa yang saya sebut sebagai "teknologi kedatangan." AI tidak diundang ke sekolah melalui proses adopsi, seperti membeli komputer desktop atau papan tulis pintar – ia menabrak pesta dan kemudian mulai mengatur ulang perabotannya. Itu berarti sekolah harus melakukan sesuatu. Para guru merasakan urgensi ini. Namun mereka juga butuh dukungan: Selama dua tahun terakhir, tim saya telah mewawancarai hampir 100 pendidik dari seluruh AS, dan satu keluhan yang luas adalah "jangan biarkan kami menghadapi ini sendirian."
3 Strategi untuk Langkah ke Depan yang Bijaksana
Sambil menunggu jawaban yang lebih baik dari komunitas sains pendidikan, yang akan memakan waktu bertahun-tahun, guru harus menjadi ilmuwan sendiri. Saya merekomendasikan tiga penuntun untuk melangkah maju dengan AI dalam kondisi ketidakpastian: kerendahan hati, eksperimen, dan penilaian.
Pertama, ingatkan secara rutin siswa dan guru bahwa apa pun yang sekolah coba – kerangka literasi, praktik pengajaran, penilaian baru – adalah tebakan terbaik. Dalam empat tahun, siswa mungkin mendengar bahwa apa yang pertama kali diajarkan kepada mereka tentang menggunakan AI ternyata terbukti salah. Kita semua harus siap untuk merevisi pemikiran kita.
Kedua, sekolah perlu memeriksa siswa dan kurikulum mereka, dan memutuskan eksperimen seperti apa yang ingin mereka lakukan dengan AI. Beberapa bagian kurikulum Anda mungkin mengundang kelincahan dan upaya baru yang berani, sementara yang lain pantas mendapat kehati-hatian lebih.
Dalam podcast kami "The Homework Machine," kami mewawancarai Eric Timmons, seorang guru di Santa Ana, California, yang mengajar kursus elektif pembuatan film. Penilaian akhir siswanya adalah film-film kompleks yang membutuhkan berbagai keterampilan teknis dan artistik untuk diproduksi. Seorang penggemar AI, Timmons menggunakan AI untuk mengembangkan kurikulumnya, dan ia mendorong siswa untuk menggunakan alat AI untuk memecahkan masalah pembuatan film, dari penulisan skrip hingga desain teknis. Dia tidak khawatir AI akan melakukan segalanya untuk siswa: Seperti katanya, "Siswa-siswa saya suka membuat film. … Jadi mengapa mereka akan menggantinya dengan AI?"
Ini adalah salah satu contoh terbaik dan paling penuh pertimbangan dari pendekatan "semua dalam" yang pernah saya temui. Saya juga tidak bisa membayangkan merekomendasikan pendekatan serupa untuk mata pelajaran seperti Bahasa Inggris kelas sembilan, di mana pengenalan pivotal untuk menulis di sekolah menengah mungkin harus diperlakukan dengan pendekatan yang lebih hati-hati.
Ketiga, ketika guru meluncurkan eksperimen baru, mereka harus menyadari bahwa penilaian lokal akan terjadi jauh lebih cepat daripada sains yang ketat. Setiap kali sekolah meluncurkan kebijakan atau praktik pengajaran AI baru, para pendidik harus mengumpulkan tumpulan karya siswa terkait yang dikembangkan sebelum AI digunakan selama pengajaran. Jika Anda membiarkan siswa menggunakan alat AI untuk umpan balik formatif pada laporan lab, ambillah setumpuk laporan lab dari sekitar tahun 2022. Kemudian, kumpulkan laporan lab yang baru. Tinjau apakah laporan lab pasca-AI menunjukkan peningkatan pada hasil yang Anda pedulikan, dan revisi praktik sesuai dengan itu.
Antara pendidik lokal dan komunitas internasional ilmuwan pendidikan, orang akan belajar banyak pada tahun 2035 tentang AI di sekolah. Kita mungkin menemukan bahwa AI seperti web, tempat dengan beberapa risiko tetapi akhirnya begitu penuh dengan sumber daya penting dan berguna sehingga kita terus mengundangnya ke sekolah. Atau kita mungkin menemukan bahwa AI seperti ponsel, dan efek negatif pada kesejahteraan dan pembelajaran akhirnya lebih besar daripada potensi keuntungan, dan karenanya paling baik diperlakukan dengan pembatasan yang lebih agresif.
Setiap orang di dunia pendidikan merasakan urgensi untuk menyelesaikan ketidakpastian seputar AI generatif. Tapi kita tidak perlu berlomba untuk menghasilkan jawaban pertama – kita perlu berlomba untuk menjadi benar.
Justin Reich, Professor of Digital Media, Massachusetts Institute of Technology (MIT)
Artikel ini diterbitkan ulang dari The Conversation di bawah lisensi Creative Commons. Baca artikel aslinya.