Sebuah studi baru yang melacak sekitar 27.000 siswa di Tiongkok telah menghasilkan beberapa bukti paling serius mengenai AI generatif dalam pendidikan: siswa yang menggunakan alat AI mengalami peningkatan nilai pekerjaan rumahnya sebesar 18 persen dan menyelesaikan tugas dalam waktu yang jauh lebih singkat — kemudian mendapat nilai 20 persen di bawah teman sekelasnya pada ujian yang diambil tanpa bantuan AI. Penelitian tersebut, dipimpin oleh David Strömberg dari Universitas Stockholm bersama dengan Victor Lei dan Wu Yanhui dari Universitas Hong Kong, disorot oleh The Economist pada tanggal 18 Agustus dan diedarkan sebagai kertas kerja di SSRN. Bagi pembaca yang mengikuti berita AI terkini, ini adalah data yang tidak akan mudah diabaikan oleh para pendidik dan orang tua.
Pengaturan dan kejutannya
Para peneliti berupaya menjawab pertanyaan yang selama ini ditebak oleh sebagian besar sekolah: apakah AI membantu siswa belajar, atau membantu mereka menyelesaikannya? Dengan mengikuti puluhan ribu siswa dalam berbagai mata pelajaran selama enam bulan, tim dapat membandingkan kinerja pekerjaan rumah dengan hasil ujian selanjutnya bagi pengguna dan non-pengguna AI.
Temuan utama, seperti yang dirangkum oleh The Economist: setelah enam bulan, siswa yang menggunakan AI melihat rata-rata nilai pekerjaan rumah mereka meningkat sebesar 18 persen di semua mata pelajaran, sementara waktu yang dihabiskan untuk setiap tugas turun dari rata-rata 64 menit menjadi 45. Namun ketika waktu ujian tiba, siswa yang sama mendapat nilai 20 persen di bawah teman sekelas yang tidak pernah menggunakan AI untuk pekerjaan rumah mereka.
Temuan yang lebih dalam lebih tidak kentara dan lebih meresahkan. “Nilai pekerjaan rumah dulunya memprediksi kinerja ujian; sekarang mereka yang mendapat nilai tertinggi, sebaliknya, cenderung mendapat nilai buruk dalam ujian,” demikian analisis The Economist. Dengan kata lain, sinyal tradisional yang diandalkan guru – nilai pekerjaan rumah sebagai bukti pemahaman – telah dipatahkan secara diam-diam. Siswa yang tugasnya terlihat paling baik mungkin adalah siswa yang paling sedikit memahami materi.
Outsourcing, bukan pembelajaran
Mengapa nilai pekerjaan rumah melonjak sementara nilai ujian menurun? Data tersebut menunjukkan apa yang peneliti gambarkan sebagai outsourcing: siswa menyerahkan pekerjaan itu sendiri kepada model alih-alih menggunakannya sebagai tutor. Angka-angka dari makalah yang dikutip dalam diskusi publik menunjukkan bahwa sekitar 81 persen pengguna AI dalam penelitian ini secara efektif mendelegasikan pekerjaan rumah mereka ke model bahasa – dan bahwa tingkat outsourcing meningkat seiring dengan semakin lama siswa mengenal alat tersebut.
Pola tersebut muncul secara bertahap. Pada awal penelitian, beberapa siswa yang menggunakan AI masih menghabiskan lebih dari 65 menit untuk setiap tugas – kira-kira sama dengan waktu yang dihabiskan siswa yang bukan pengguna AI – dan hasil pekerjaan rumah serta ujian mereka tampak serupa dengan teman-teman yang menghindari AI. Para peneliti menyimpulkan bahwa para siswa ini hampir tidak menggunakan model sama sekali. Namun enam bulan setelah adopsi, tidak ada siswa yang terpapar AI yang menghabiskan lebih dari 65 menit untuk mengerjakan pekerjaan rumah. Apa yang awalnya hanya berupa bantuan sesekali, kini berubah, penugasan demi penugasan, menjadi delegasi penuh.
Eskalasi inilah yang membuat temuan ini sulit untuk diabaikan. Bukan berarti bimbingan belajar AI tidak dapat berfungsi — jika digunakan dengan sengaja, sebagai mitra Socrates yang menjelaskan dan memberikan kuis, teknologi ini terbukti dapat membantu orang belajar. Hal ini terjadi karena dalam kondisi naturalistik, dengan tugas-tugas yang masih remaja dan terlambat, jalan yang paling sedikit hambatannya adalah langsung menuju jawabannya.
Mengapa Tiongkok melakukan uji kasus yang bersih
Latar belakang penelitian ini memperkuat kesimpulannya. Di Tiongkok, penerimaan universitas dilakukan melalui ujian standar yang berisiko tinggi, dan nilai pekerjaan rumah tidak meningkatkan hasil perkuliahan seperti di tempat lain. Ujian-ujian tersebut diukur secara eksternal dan sangat penting, sehingga kesenjangan 20 persen ini lebih sulit dijelaskan dengan penilaian yang mudah atau keringanan hukuman dari guru. Studi ini secara efektif mengisolasi saluran-saluran yang menjadi perhatian para peneliti: AI mengubah cara pembuatan pekerjaan rumah, dan ujian mengukur apa yang sebenarnya telah dipelajari.
Diskusi makalah di Hacker News, yang mengumpulkan ratusan poin, bergumul dengan pertanyaan lanjutan yang jelas — apakah AI merupakan "penguat" yang membuat siswa yang rajin menjadi lebih baik dan siswa yang tidak terlibat menjadi lebih buruk. Analisis makalah ini mendorong kembali kerangka yang menenangkan tersebut: data penggunaan waktu menunjukkan bahwa bahkan siswa yang mulai menggunakan AI secara bertanggung jawab pun beralih ke delegasi selama berbulan-bulan, yang menyiratkan bahwa risiko ini tidak terbatas pada mereka yang tidak pernah berniat untuk belajar.
Dilema kebijakan bagi sekolah
Temuan ini terjadi pada saat yang canggung. Pemerintah dan perusahaan teknologi pendidikan berlomba-lomba untuk menghadirkan tutor AI kepada siswa, dan mereka yakin bahwa bantuan AI yang dipersonalisasi akan menutup kesenjangan prestasi. Studi ini menunjukkan bahwa hasil sebaliknya mungkin terjadi dalam skala besar: pekerjaan rumah menjadi lebih mudah, nilai meningkat, dan pembelajaran terukur di bawahnya secara diam-diam terkikis – hanya diketahui ketika sudah terlambat untuk memperbaikinya.
Bagi sekolah, dampaknya nyata. Jika pekerjaan rumah tidak dapat lagi menjadi bukti pembelajaran, penilaian harus dilakukan di dalam kelas dan diawasi. Jika penggunaan AI tidak dapat dihindari, tugas-tugas mungkin perlu didesain ulang berdasarkan teknologi – pertahanan lisan, sesi masalah di kelas, dan penilaian berbasis proses yang memberikan penghargaan atas perjuangan yang dilewati siswa dalam penelitian tersebut. Dan jika outsourcing semakin intensif seiring dengan keterpaparan, penundaan bukanlah hal yang netral: setiap bulan akses AI yang tidak terstruktur tampaknya memperdalam kebiasaan tersebut.
Kontribusi para peneliti adalah untuk menggantikan kepanikan anekdotal di era ChatGPT di dalam kelas dengan angka-angka yang membujur, dan jumlahnya suram. Peningkatan pekerjaan rumah sebesar 18 persen yang dibeli dengan biaya penurunan ujian sebesar 20 persen bukanlah keuntungan pembelajaran — ini adalah transfer pekerjaan dari siswa ke mesin, dengan bunga yang jatuh tempo pada hari ujian.
Tetap Terdepan dalam AI
Untuk terobosan penelitian, dampak kebijakan, dan analisis jujur AI dalam pendidikan, tandai AI Buzz Wire.
Baca berita AI selengkapnya →
