AI dalam Pengajaran dan Kesadaran Kritis

Maraknya alat AI Generatif belakangan ini memicu para pemimpin pendidikan, pembuat kebijakan, dan praktisi untuk mengevaluasi ulang paradigma pengajaran dan pembelajaran secara menyeluruh. Perubahan ini tidak hanya menyangkut aspek teknis, tetapi juga mencakup bagaimana proses belajar-mengajar dirasakan dan dialami oleh semua pihak.

Di sisi lain, para akademisi dan praktisi pendidikan yang berfokus pada keadilan sosial tengah menganalisis dampak AI terhadap kesetaraan pendidikan. Mereka mengeksplorasi bagaimana teknologi ini dapat memengaruhi akses pendidikan, memperlebar atau justru mempersempit kesenjangan yang ada, serta implikasi etisnya bagi sistem pendidikan yang inklusif.

Di satu sisi, banyak yang berharap AI dapat menjadi katalisator inovasi pedagogis yang mampu merevolusi praktik pembelajaran. Di sisi lain, muncul kekhawatiran mendalam bahwa teknologi ini justru berpotensi memperkuat, mereproduksi, bahkan memperburuk bias sosial dan struktur ketidakadilan yang sudah mengakar dalam sistem pendidikan yang selama ini timpang.  

Sebagai seorang pendidik yang berorientasi pada keadilan sosial, saya terus merenungkan pertemuan tak terduga antara pedagogi pembebasan dan AI dalam pendidikan (AiEd), yang memunculkan pertanyaan kritis, yaitu: Bagaimana pendidik dan siswa dapat memanfaatkan AI sebagai alat pengembangan kesadaran kritis, dan sebaliknya, sejauh mana AiEd dapat membentuk atau justru membatasi visi dan praktik pendidikan yang membebaskan? Refleksi ini muncul dari ketegangan antara potensi transformatif AI dan kekhawatiran akan munculnya ketidakadilan melalui teknologi.  

Sepanjang karier saya sebagai pendidik yang berkomitmen pada kesetaraan, saya belajar, seringkali melalui uji coba, bahwa kunci pembelajaran yang efektif terletak pada kemampuan menumbuhkan rasa percaya diri siswa, merangsang pemikiran kritis, serta menciptakan ruang aman bagi mereka untuk mengekspresikan potensi dan ide-ide brilian mereka secara bebas. Pengalaman ini membuka mata saya bahwa kaum muda sebenarnya adalah pemimpin pendidikan yang visioner, yang tidak hanya mampu menganalisis sistem pendidikan secara mendalam tetapi juga memiliki solusi konkret untuk menciptakan ruang kelas yang lebih inklusif, sekolah yang lebih efektif, dan pada akhirnya, masyarakat yang lebih adil.

Pendidikan Pembebasan di Era Kecerdasan Buatan: Tantangan dan Peluang Transformasi

Penelitian Hammond (2021) menunjukkan bahwa pendidikan pembebasan memungkinkan siswa untuk: (1) menjalankan pembelajaran secara mandiri, (2) memproses informasi secara lebih efektif, dan (3) menyelesaikan tugas akademik yang lebih kompleks. Temuan ini selaras dengan pengalaman praktis saya di kelas, di mana pendekatan ini terbukti tidak hanya meningkatkan hasil akademik tetapi juga perkembangan sosial-emosional siswa, sekaligus menjadi katalis penting bagi pertumbuhan profesional saya sendiri sebagai pendidik.

Pengalaman mengajar saya telah membentuk pendekatan holistik saya dalam berinteraksi dengan sesama pendidik, membimbing siswa, melakukan penelitian, dan mengembangkan program pelatihan guru yang berorientasi pada kesetaraan. Dalam konteks AI, saya memandang teknologi ini sebagai salah satu dari banyak faktor yang memengaruhi kesenjangan pendidikan antara siswa kulit putih dari keluarga kaya dengan siswa kulit hitam, latin, dan dari keluarga berpenghasilan rendah. Namun, saya menghadapi dilema mendalam: di satu sisi, AI berpotensi besar meningkatkan prestasi siswa yang secara historis terpinggirkan; namun di sisi lain, kita tidak boleh mengabaikan risiko etika yang melekat pada pengembangan dan penerapan alat-alat AI dalam pendidikan.  

Struktur sosial yang membentuk hubungan kekuasaan dan sistem penindasan saat ini telah tertanam dalam lanskap pendidikan, sehingga teknologi AI berpotensi mereproduksi dan memperkuat bias serta struktur penindasan yang ada (Barocas & Selbst, 2016; Buolamwini & Gebru, 2018; Madaio et al., 2021; Obermeyer et al., 2019; Raghavan et al., 2020). Mengembangkan konsep Michele Alexander (2010) tentang "The New Jim Crow" yang mengungkap rasisme implisit dalam sistem hukum Amerika, Ruha Benjamin (2020) memperkenalkan istilah "The New Jim Code" untuk menggambarkan:  

"pemanfaatan teknologi baru yang secara halus mereplikasi ketidakadilan sistemik yang ada, namun dikemas dan dipersepsikan sebagai lebih objektif dan progresif dibandingkan bentuk diskriminasi di masa lampau."  

Ketidakadilan struktural ini telah memperkuat kesenjangan pada pencapaian pendidikan, peluang sosial, dan ketimpangan ekonomi di antara kelompok-kelompok yang secara historis tertindas. Untuk memutus siklus penindasan, Freire (1970) menekankan pentingnya pengembangan kesadaran kritis, yaitu kemampuan untuk mengidentifikasi, menganalisis, dan melawan struktur kekuasaan yang menindas. Dalam perjalanan saya bekerja dengan berbagai distrik sekolah dan pendidik di seluruh negeri, semakin jelas bahwa perspektif yang kita gunakan dalam menerapkan AI di pendidikan akan menentukan masa depan: tidak hanya dalam hal pembelajaran siswa, tetapi juga dalam membentuk visi pendidikan yang lebih adil dan kesadaran kolektif masyarakat kita.  

Pertimbangan Utama untuk Menggunakan AI dalam Pengajaran

Sebagai seorang pendidik, kita perlu berani mengajukan pertanyaan-pertanyaan mendasar: (1) Siapa sebenarnya yang memiliki akses terhadap AI dalam pendidikan (AIEd) dan teknologi generatif? (2) Bagaimana pelatihan penggunaan alat-alat ini dirancang? (3) Sumber data apa yang membentuk algoritma mereka? (4) Nilai dan bias apa yang tersembunyi dalam sumber-sumber tersebut? (5) Sejauh mana siswa diberi ruang untuk mengkritisi konten buatan AI? (6) Bagaimana pendidik dapat memanfaatkan AI untuk memperkuat pedagogi pembebasan? (7) Dalam cara apa AI bisa menjadi alat untuk mengidentifikasi dan melawan praktik diskriminatif?

Sebagai langkah awal dalam mengevaluasi potensi AIEd (Artificial Intelligence in Education) untuk memperkuat atau justru meruntuhkan ketidakadilan sistemik dalam pendidikan, saya mengajak semua pemangku kepentingan untuk:  

1) Merenungkan bagaimana pengalaman hidup kita, hubungan, dan bias menginformasikan pemikiran dan perasaan kita tentang tujuan dan fungsi alat AI di kelas K-12;  

2) Menganalisis pola sosial ekonomi dan demografis terkait dengan pikiran dan perasaan itu;  

3) Mengamati dan memahami bagaimana pola pikir, respons emosional, serta kerangka konseptual kita mempengaruhi penerapan AIEd di berbagai konteks pembelajaran, khususnya dalam sistem sekolah publik yang semakin beragam; dan  

4) Bekerja secara aktif untuk meningkatkan kesadaran tentang struktur tidak adil yang ada dalam lingkup AIEd dan membangun kapasitas untuk memperbaiki struktur tersebut.  

Saya optimis bahwa proses refleksi kritis ini akan membekali pendidik, peneliti, dan pembuat kebijakan dengan kerangka kerja untuk mengembangkan kebijakan, praktik kelas, dan inisiatif pedagogis yang berpusat pada pembebasan, yang pada akhirnya akan meningkatkan hasil belajar siswa secara signifikan. Saat ini kita berada pada momen bersejarah yang unik, di mana AI dapat menjadi alat potensial untuk: (1) mengungkap ketidakadilan struktural dalam pendidikan, (2) menganalisis akar masalah ketimpangan, dan (3) mentransformasi realitas pembelajaran siswa (Garcia & Lee, 2021). Tanggung jawab kita bersama untuk memanfaatkan peluang transformatif ini merupakan panggilan moral yang tidak boleh kita abaikan.  

Artikel ini ditulis oleh Dr. Tawheedah Abdullah, seorang pakar pendidikan dan teknolog pembelajaran yang berkolaborasi dengan CheckIt Labs, Inc. untuk memberikan analisis mendalam tentang integrasi AI dalam pendidikan berkeadilan.

Daftar Pustaka

Alexander, M. (2010). The New Jim Crow: Mass Incarceration in the Age of Colorblindness [Jim Crow Baru: Penahanan Massal di Era Buta Warna]. The New Press.

Barocas, S., & Selbst, A.D. (2016). Dampak Berbeda dari Big Data. California Law Review, 104(3), 671-732. https://doi.org/10.2139/ssrn.2477899

Benjamin, R. (2020). Race after Technology: Abolitionist Tools for the New Jim Code [Ras Pasca Teknologi: Alat Abolisionis untuk Kode Jim Baru]. Polity Press.

Buolamwini, J., & Gebru, T. (2018). Nuansa Gender: Disparitas Akurasi Interseksional dalam Klasifikasi Gender Komersial. Prosiding Penelitian Pembelajaran Mesin, 81, 77-91. https://proceedings.mlr.press/v81/buolamwini18a/buolamwini18a.pdf

Garcia, A., & Lee, C.H. (2021). Pendekatan Berpusat pada Ekuitas untuk Teknologi Pendidikan. Dalam Buku Pegangan Penelitian dalam Komunikasi dan Teknologi Pendidikan (edisi ke-5, hlm. 247-261). Springer Nature.

Hammond, Z. (2021). Pendidikan Pembebasan: Mengintegrasikan Ilmu Pembelajaran dan Praktik Responsif Budaya. Pendidik Amerika. https://files.eric.ed.gov/fulltext/EJ1305167.pdf

Madaio, M., dkk. (Akan terbit). Melampaui "Keadilan": Lensa Keadilan Struktural pada AI untuk Pendidikan. Dalam W. Holmes & K. Porayska-Pomsta (Eds.), Etika dalam Kecerdasan Buatan untuk Pendidikan. Taylor & Francis.

Obermeyer, Z., Powers, B., Vogeli, C., & Mullainathan, S. (2019). Membedah Bias Rasial dalam Algoritma untuk Manajemen Kesehatan Populasi. Sains, 366(6464), 447-453. https://doi.org/10.1126/science.aax2342

Raghavan, M., Barocas, S., Kleinberg, J., & Levy, K. (2020). Mitigasi Bias dalam Perekrutan Algoritmik: Mengevaluasi Klaim dan Praktik. Prosiding Konferensi ACM tentang Keadilan, Akuntabilitas, dan Transparansi (FAT '20)*. https://doi.org/10.1145/3351095.3372828

‍