AI dalam Pengajaran dan Kesadaran Kritis

Proliferasi alat AI Generatif baru-baru ini telah menyebabkan para pemimpin pendidikan, pembuat kebijakan, dan praktisi mempertimbangkan kembali berbagai cara mengajar dan belajar terlihat, terdengar, dan terasa. Dengan cara yang sama, para sarjana dan praktisi yang berorientasi keadilan sosial mempertimbangkan implikasi AI yang berkaitan dengan kesetaraan pendidikan.

Sementara beberapa berharap tentang potensi AI sebagai katalis untuk kemajuan pedagogis, yang lain takut bahwa AI dapat melanggengkan, mereproduksi, atau memperburuk bias masyarakat dan struktur yang menindas dalam sistem pendidikan yang sudah tidak adil.

Sebagai praktisi pendidikan berorientasi keadilan sosial yang bergulat dengan konvergensi tak terduga dari pedagogi pembebasan dan AiEd, teka-teki ini telah memicu pertanyaan dalam diri saya: Bagaimana mungkin pendidik dan siswa menggunakan AI sebagai alat untuk mempromosikan kesadaran kritis, dan bagaimana, jika sama sekali, mungkin AiEd menginformasikan lintasan dan ruang lingkup pendidikan pembebasan?

Saya telah menghabiskan sebagian besar kehidupan dewasa saya didedikasikan untuk memahami dan mengaktualisasikan panggilan saya sebagai pejuang kesetaraan. Saat berada di kelas, saya belajar (kadang-kadang dengan cara yang sulit) bahwa siswa saya lebih bersedia untuk belajar dan tumbuh ketika saya menghasilkan kekuatan, mendorong pemikiran, dan menciptakan ruang bagi mereka untuk berbagi kejeniusan mereka dan berkomunikasi secara bebas. Sejak itu saya belajar bahwa kaum muda adalah pemimpin pendidikan yang kuat yang memiliki pemikiran mendalam tentang perubahan apa yang harus dilakukan untuk berkontribusi pada kelas yang lebih baik, sekolah yang lebih baik, dan, pada akhirnya, dunia yang lebih adil.

Pendidikan Pembebasan di Era AI

Melalui pendidikan pembebasan, siswa dapat “memimpin pembelajaran mereka sendiri”, “memproses informasi lebih efektif”, dan “melakukan pekerjaan akademis yang lebih kompleks” (Hammond, 2021). Sejalan dengan penelitian pendidikan, pedagogi pembebasan menghasilkan hasil akademis dan sosial-emosional yang kuat pada siswa saya, dan itu tidak dapat disangkal berkontribusi pada perkembangan manusia saya.

Pengalaman kelas saya sebelumnya sekarang menginformasikan pendekatan saya terhadap interaksi orang dewasa, bimbingan, penelitian, dan pengembangan pembelajaran profesional yang berorientasi pada kesetaraan. Jadi, saat saya terlibat dalam percakapan tentang Ai dalam mengajar, saya telah mengkategorikan alat AI sebagai salah satu dari banyak faktor yang menerangi ketidaksetaraan pendidikan antara siswa kulit putih, kaya dan rekan-rekan mereka yang berpenghasilan rendah, Hitam, Coklat, dan berpenghasilan rendah. Namun, ketegangan muncul dalam diri saya ketika saya mempertimbangkan bahwa, sementara ada peluang besar bagi AI untuk berdampak positif pada pencapaian siswa yang secara historis kurang terlayani, implikasi dan risiko etika yang terkait dengan pengembangan dan implementasi alat AI tidak boleh diabaikan.

Karena struktur yang telah mempengaruhi hubungan kekuasaan dan sistem penindasan kita saat ini saling terkait ke dalam struktur lanskap pendidikan, teknologi AI dapat mereproduksi atau memperkuat bias sosial dan struktur penindasan (Barocas & Selbst, 2016; Buolamwini & Gebru, 2018; Madaio et al., 2021; Obermeyer et al., 2019; Raghavan et al., 2020). Selanjutnya, menggemakan konsep Michele Alexander (2010) tentang “The New Jim Crow”, yang melambangkan rasisme implisit dan diskriminasi yang mendasari undang-undang Amerika, Ruha Benjamin (2020) mendefinisikan “The New Jim Code” sebagai:

“Penggunaan teknologi baru yang mencerminkan dan mereproduksi ketidakadilan yang ada tetapi yang dipromosikan dan dianggap lebih objektif dan progresif daripada sistem diskriminatif era sebelumnya.”

Ketidakadilan ini tidak diragukan lagi telah mengabadikan pencapaian, peluang, dan hutang pendapatan di antara kelompok-kelompok kuat yang ditargetkan untuk penindasan. Untuk mengganggu praktik penindasan, kelompok yang telah ditargetkan harus mengembangkan kesadaran kritis—kemampuan untuk mengenali, menganalisis, dan mengambil tindakan terhadap kekuatan sosial yang menindas (Freire, 1970). Ketika saya terus bekerja dengan distrik dan pendidik di seluruh negeri, saya menjadi semakin sadar bahwa lensa yang melaluinya kita mendekati AI dalam mengajar akan memiliki dampak besar pada masa depan pembelajaran siswa, visi pendidikan, dan kesadaran kolektif kita.

Pertimbangan Utama untuk Menggunakan AI dalam Pengajaran

Kita harus bertanya pada diri sendiri pertanyaan sulit: Siapa yang memiliki akses ke AIEd? Bagaimana mereka diajarkan untuk menggunakan alat AI generatif? Sumber apa yang menginformasikan alat? Pola pikir apa yang tercermin dalam sumber-sumber tersebut? Peluang apa yang ada bagi siswa untuk mengkritik konten yang dihasilkan AI? Bagaimana pendidik dapat menggunakan AI sebagai alat untuk mempromosikan pedagogi pembebasan dan kesadaran kritis? Bagaimana siswa dan orang dewasa menggunakan AI untuk mengenali dan mengambil tindakan terhadap praktik yang menindas?

Sebagai titik awal untuk mengenali potensi AiEd untuk melanggengkan atau membongkar ketidakadilan pendidikan sistemik, saya menantang kita semua untuk terlibat dalam refleksi dan kritik yang mendalam. Kita harus...

1) Renungkan 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 pikiran, perasaan, dan pola tersebut menginformasikan pendekatan kami untuk penggunaan AIEd di seluruh kelompok siswa dan dalam sistem sekolah umum 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 berharap bahwa proses ini akan mendukung pendidik, peneliti, dan pembuat kebijakan dengan pengembangan kebijakan, praktik, dan inisiatif pedagogis yang berorientasi pada kebebasan yang pada akhirnya akan menghasilkan hasil siswa yang lebih kuat. Kami memiliki peluang historis yang lezat untuk memanfaatkan alat AI untuk “mengungkap, menjelaskan, dan menganalisis kondisi masyarakat yang tidak setara” dan “mengubah kondisi realitas [siswa]” (Garcia & Lee, 2021). Tanggung jawab kolektif kita untuk bertindak atas kesempatan ini tidak boleh diabaikan.

Artikel ini dibuat oleh Dr. Tawheedah Abdullah, kontributor independen yang terlibat oleh CheckIt Labs, Inc. untuk memberikan wawasan tentang topik ini.

Referensi

Alexander, M. (2010). Jim Crow baru: Penahanan massal di era buta warna. pers baru.

Barocas, S., & Selbst, AD (2016). Dampak Big Data yang Berbeda. Tinjauan Hukum California, 104, 671-732.

https://doi.org/10.2139/ssrn.2477899

Benjamin, R. (2020). Perlombaan demi teknologi: Alat Abolisionis untuk kode jim baru. Politik.

Buolamwini, J., & Gebru, T. (2018). Nuansa Gender: Disparitas Akurasi Interseksional dalam Klasifikasi Gender Komersional. Prosiding Penelitian Pembelajaran Mesin, 81, 77-91.

https://proceedings.mlr.press/v81/buolamwini18a/buolamwini18a.pdf

Garcia, A., & Lee, C.H. (2021). Pendekatan yang Berpusat pada Ekuitas untuk Teknologi Pendidikan. Dalam Buku Pegangan Penelitian dalam Komunikasi dan Teknologi Pendidikan (edisi ke-5, hlm. 247—261). esai, 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 datang) Melampaui “Keadilan:” Lensa Keadilan Struktural (Dalam) pada AI untuk Pendidikan. Dalam W. Holmes & K. Porayska-Pomsta (eds.), Etika dalam Kecerdasan Buatan dalam Pendidikan, Taylor & Francis.

Obermeyer, Z., Powers, B., Vogeli, C., & Mullainathan, S. (2019). Membedah bias rasial dalam algoritma yang digunakan untuk mengelola kesehatan populasi. Sains (New York, NY), 366 (6464), 447—453. https://doi.org/10.1126/science.aax2342

Raghavan, Manish dan Barocas, Solon dan Kleinberg, Jon dan Levy, Karen, Mitigasi Bias dalam Perekrutan Algoritmik: Mengevaluasi Klaim dan Praktik (21 Juni 2019). Konferensi ACM tentang Keadilan, Akuntabilitas, dan Transparansi (FAT*), 2020, Tersedia di SSRN: https://ssrn.com/abstract=3408010 atau http://dx.doi.org/10.2139/ssrn.3408010

‍