Science of Learning dan AI: Mengubah Cara Manusia Belajar di Era Digital

Salah satu tantangan utama science of learning adalah adanya bidirectional gap atau kesenjangan dua arah. Banyak hasil penelitian tentang pembelajaran belum diterapkan secara optimal dalam praktik pengajaran di kelas.

Sebaliknya, pengalaman dan kearifan pengajar yang efektif di lapangan belum selalu kembali menjadi bagian dari riset ilmiah. Karena itu, model pembelajaran masa depan membutuhkan hubungan yang lebih erat antara peneliti dan praktisi, termasuk menjadikan pengajar sebagai collaborative researchers atau peneliti kolaboratif.

Perkembangan teknologi pendidikan membawa perubahan besar dalam cara pembelajaran dirancang. Namun, teknologi tidak semestinya dipandang sebagai pengganti pengajar manusia.

Teknologi lebih tepat ditempatkan sebagai infrastruktur yang membantu pengajar dan pembelajar mengambil keputusan. Dalam diferensiasi instruksional, misalnya, pengajar perlu mempertimbangkan karakteristik pembelajar, karakteristik materi, serta konteks pembelajaran.

Jumlah variabel tersebut dapat menjadi terlalu kompleks untuk diproses manusia secara bersamaan. Algoritma dapat membantu mengolah informasi tersebut sehingga pengajar memperoleh gambaran yang lebih baik mengenai kebutuhan pembelajaran tanpa kehilangan peran profesionalnya.

Salah satu contoh penting penerapan science of learning adalah Open Learning Initiative (OLI) di Carnegie Mellon University. Proyek ini dimulai pada 2002 dengan dukungan Hewlett Foundation dan National Science Foundation.

OLI tidak hanya menyediakan materi pembelajaran terbuka. Lingkungan pembelajaran dirancang secara interaktif berdasarkan prinsip bahwa belajar membutuhkan keterlibatan aktif, bukan sekadar menjadi aktivitas menonton atau menerima informasi.

Dalam pendekatan OLI, materi disajikan melalui teks singkat dan latihan interaktif. Pembelajar memperoleh umpan balik yang cepat dan spesifik, kemudian memiliki kesempatan untuk mencoba kembali ketika masih mengalami kesulitan.

Pendekatan tersebut dikembangkan melalui kolaborasi ahli materi, peneliti pembelajaran, perancang pengalaman pengguna, dan insinyur perangkat lunak. Struktur ini memperlihatkan bagaimana teknologi dan ilmu pembelajaran dapat dipadukan sejak tahap desain.

Dalam Accelerated Learning Study, mahasiswa pada mata kuliah pengantar statistik mengikuti format pembelajaran OLI selama delapan minggu. Durasi tersebut jauh lebih singkat dibandingkan kelas tradisional selama 15 minggu.

Hasil penelitian menunjukkan mahasiswa OLI memperoleh nilai ujian tengah dan akhir yang sama atau lebih baik dibandingkan kelas tradisional. Mereka juga memperoleh skor 18 poin lebih tinggi pada tes pengetahuan statistik eksternal. Pengajar pun dapat mengetahui area yang telah dikuasai maupun bagian yang masih membutuhkan perhatian.

Prinsip science of learning juga relevan di luar ruang kelas. Pengalaman Candace dalam menangani persoalan pembelajaran dan upskilling di Amazon menunjukkan bagaimana desain pembelajaran dapat diterapkan pada organisasi dengan skala sangat besar.

Tantangannya mencakup kebutuhan peningkatan keterampilan bagi sekitar 1,6 juta karyawan. Pendekatan tersebut menggunakan format inovasi khas Amazon, yaitu PRFAQ atau Press Release/Frequently Asked Questions.

Pengalaman ini memperlihatkan bahwa persoalan pembelajaran modern tidak hanya berkaitan dengan materi. Infrastruktur, teknologi, proses pengambilan keputusan, dan kemampuan menerapkan pembelajaran dalam skala besar turut menentukan keberhasilan.

AI telah digunakan dalam pembelajaran selama lebih dari dua dekade melalui pendekatan prediktif atau klasik. Sistem tersebut mengumpulkan data mengenai tindakan pembelajar pada antarmuka komputer, kemudian memodelkannya untuk menghasilkan rekomendasi personal.

Model ini memiliki kemiripan dengan sistem rekomendasi yang digunakan pada berbagai platform digital. Dalam pendidikan, rekomendasi dapat membantu pembelajar, pengajar, maupun peneliti memahami pola aktivitas dan kebutuhan belajar.

AI Generatif Membawa Interaksi Baru

AI generatif memperluas kemungkinan tersebut melalui antarmuka komunikasi. Data pembelajaran yang sebelumnya tampil sebagai dasbor kompleks dapat diakses melalui percakapan yang lebih natural.

AI generatif juga membuka konsep learning through creation. Pembelajar dapat membuat representasi visual atau diagram mengenai konsep yang dipelajari tanpa harus memiliki keterampilan teknis tertentu dalam menggambar.

Perubahan ini berpotensi mendemokratisasi proses pembuatan materi pembelajaran. Teknologi dapat membantu mendistribusikan kembali suara dan kekuasaan sehingga lebih banyak pembelajar memiliki kesempatan untuk menciptakan serta mengekspresikan pengetahuan.

Perkembangan ilmu pembelajaran juga menantang anggapan populer tentang learning styles. Gagasan bahwa seseorang memiliki satu gaya belajar tetap, misalnya hanya visual, auditori, atau kinestetik, tidak memiliki dukungan empiris yang kuat sebagai prinsip untuk mencocokkan pengajaran dengan satu label gaya belajar.

Sebaliknya, representasi ganda atau multimodal dapat membantu pembelajar memahami berbagai jenis materi. Cara terbaik menyajikan informasi juga berkaitan dengan karakteristik materi yang sedang dipelajari, bukan semata-mata label gaya belajar seseorang.

Masa Depan Pembelajaran Membutuhkan Infrastruktur Publik

Masa depan science of learning tidak hanya ditentukan oleh kecanggihan AI. Infrastruktur data yang baik dan diarahkan untuk kepentingan publik menjadi kebutuhan penting agar pengetahuan tentang pembelajaran dapat terus berkembang.

Teknologi yang dirancang secara tepat juga berpotensi memberikan ruang bagi kelompok yang sebelumnya kurang terdengar dalam proses pendidikan. Pada titik ini, revolusi science of learning bukan hanya tentang mesin yang semakin pintar, tetapi tentang manusia yang memiliki agensi lebih besar dalam proses belajar.

Science of learning menawarkan cara baru untuk memahami pembelajaran melalui kolaborasi lintas disiplin. Teknologi, algoritma, dan AI dapat memperkuat proses tersebut, tetapi tetap membutuhkan pengajar, peneliti, dan pembelajar sebagai aktor utama.

Pengalaman OLI dan penerapan pembelajaran dalam skala besar menunjukkan bahwa desain berbasis bukti dapat menghasilkan pembelajaran yang lebih adaptif dan efektif. Sementara itu, AI generatif membuka peluang baru untuk berkomunikasi, menciptakan pengetahuan, dan memperluas partisipasi.

Pada akhirnya, masa depan pendidikan tidak cukup hanya mengandalkan teknologi baru. Yang lebih penting adalah membangun sistem pembelajaran yang terus belajar dari bukti ilmiah, pengalaman praktisi, dan kebutuhan manusia.

FAQ

1. Apa yang dimaksud dengan science of learning? Science of learning adalah bidang interdisipliner yang mempelajari perubahan pengetahuan dan kapabilitas manusia dari waktu ke waktu.
2. Apakah teknologi akan menggantikan pengajar? Tidak. Teknologi diposisikan sebagai infrastruktur yang membantu pengajar dan pembelajar mengambil keputusan pembelajaran secara lebih tepat.
3. Apa itu Open Learning Initiative? Open Learning Initiative atau OLI adalah proyek Carnegie Mellon University yang mengembangkan lingkungan pembelajaran interaktif berbasis riset dan umpan balik.
4. Apa perbedaan AI prediktif dan AI generatif dalam pembelajaran? AI prediktif menganalisis data perilaku untuk menghasilkan rekomendasi, sedangkan AI generatif memungkinkan interaksi berbasis percakapan serta membantu menciptakan representasi pengetahuan.
5. Apakah setiap orang memiliki gaya belajar tetap? Tidak ada bukti empiris kuat bahwa setiap orang memiliki satu gaya belajar tetap yang harus menjadi dasar utama metode pengajaran. Representasi multimodal lebih sesuai dengan prinsip pembelajaran berbasis bukti.

Sumber : https://www.youtube.com/watch?v=N79u1MAx5RY