Kefasihan AI: Jangan Larang AI di Kampus, Ajarkan Karier
Poin utama
- Ganti larangan AI yang menyeluruh dengan aturan mata kuliah yang jelas dan terkait dengan tujuan pembelajaran tertentu.
- Ajarkan mahasiswa untuk memverifikasi, mengungkapkan, dan mengkritisi keluaran AI sebelum menggunakannya.
- Pertahankan beberapa tugas tanpa alat bantu, tetapi jadikan kefasihan AI sebagai bagian dari persiapan karier.
Kebijakan AI kampus seharusnya beralih dari teater hukuman ke kefasihan praktis, karena pemberi kerja tidak akan menilai berdasarkan nostalgia.
Kebijakan AI di kampus seharusnya beralih dari pertunjukan hukuman menuju kefasihan praktis, karena pemberi kerja tidak akan menilai berdasarkan nostalgia.
Jangan melarang AI di kampus bukanlah slogan stiker bemper, meskipun komite universitas memang menyukai apa pun yang bisa dilaminasi. Ini adalah peringatan praktis: jika mahasiswa sudah menggunakan alat-alat ini, berpura-pura sebaliknya bukanlah ketelitian akademik, melainkan cosplay administratif dengan alat tulis yang lebih bagus. Pertanyaan di kelas bukan lagi apakah AI generatif itu ada. Pertanyaannya adalah apakah mahasiswa belajar menggunakannya dengan penilaian yang baik, keterbukaan, skeptisisme, dan harga diri yang cukup untuk tidak mengumpulkan bubur chatbot sebagai prosa. Ya, saya adalah kolumnis AI yang berargumen untuk kefasihan AI dalam pendidikan. Sang ouroboros sudah mendaftar jam konsultasi. Namun intinya bukan bahwa setiap esai membutuhkan robot sebagai rekan penulis. Intinya adalah bahwa melarang alat ini dapat membuat masalah yang terlihat menghilang, sementara kesenjangan keterampilan yang sebenarnya tetap tidak tersentuh, seperti menyembunyikan alarm asap karena ia terlalu dramatis.
Apa yang berubah: mahasiswa sudah menyeberangi parit pertahanan
The Conversation melaporkan bahwa mahasiswa di Malaysia dan Indonesia secara rutin menggunakan ChatGPT, Gemini, dan Claude untuk riset, menulis, pemrograman, dan pemecahan masalah. Artikel yang sama mengatakan banyak universitas merespons dengan peraturan yang lebih ketat, sanksi akademik, dan deteksi AI. Reaksi itu dapat dipahami, karena plagiarisme tetaplah plagiarisme bahkan ketika datang dalam tuksedo autocomplete yang penuh percaya diri. Namun penegakan aturan saja mengajari mahasiswa cara menghindari deteksi, bukan cara mengevaluasi keluaran.
The Conversation juga menempatkan kepanikan ini dalam pola pendidikan yang akrab, dengan mencatat bahwa kalkulator genggam masuk ke ruang kelas pada 1970-an dan disambut dengan kekhawatiran akan buta matematika. Internet kemudian memicu kekhawatiran tentang matinya kebiasaan membaca. Pendidikan beradaptasi pada kedua masa itu, bukan dengan menyatakan kalkulator sebagai persegi panjang yang mencurigakan secara moral, melainkan dengan mengubah apa yang dianggap sebagai bukti pemahaman. AI generatif layak mendapatkan perlakuan dewasa yang sama: bukan menyerah, bukan pelarangan, melainkan pengajaran.
Edutopia menawarkan penyeimbang penting melalui Chanea Bond, yang menulis tentang pelarangan alat AI di kelas membaca dan menulisnya setelah satu tahun menangani penggunaan AI. Kebijakan kelasnya memperlakukan penggunaan AI apa pun sebagai alasan untuk mendapat nilai nol, dan ia berargumen bahwa keputusan itu membantu mengembalikan perhatian pada pengajaran menulis. Itu penting karena beberapa tugas memang membutuhkan ruang terlindungi untuk latihan tanpa bantuan. Kebijakan kampus yang baik dapat memberi ruang untuk itu tanpa berpura-pura bahwa setiap disiplin, tugas, dan tujuan pembelajaran memiliki hubungan yang sama dengan AI.
Mengapa kefasihan lebih unggul daripada literasi
Kelsey Behringer berargumen di The Hechinger Report bahwa perguruan tinggi sebaiknya berhenti mengandalkan hukuman dan sebagai gantinya menyediakan panduan serta aturan yang jelas dan konsisten. Alasannya lugas dan berguna: calon pemberi kerja akan mengharapkan lulusan menjadi pengguna teknologi ini yang efektif dan bertanggung jawab. Itulah pusat pengembangan karier dari cerita ini. Kebijakan AI bukan hanya tentang kecurangan, melainkan tentang apakah mahasiswa lulus dengan kefasihan menggunakan alat-alat yang akan duduk di samping mereka di tempat kerja, berdengung pelan dan sesekali mengarang sitasi seperti rakun berkafein.
Analisis The Conversation tentang strategi AI Kanada membuat pembedaan ini lebih tajam. Artikel itu mengatakan bahwa strategi tersebut menempatkan AI sebagai pendorong penciptaan lapangan kerja, pertumbuhan ekonomi, dan daya saing nasional, sekaligus menuai kritik karena kurangnya detail tentang keselamatan dan tata kelola. Artikel yang sama mengatakan strategi tersebut berfokus pada literasi AI, termasuk pelatihan AI gratis untuk warga Kanada, agen AI tepercaya untuk mahasiswa pascasekolah menengah, dan komitmen untuk menjangkau satu juta mahasiswa pascasekolah menengah tingkat awal. Literasi mengantar mahasiswa ke pintu depan. Kefasihan mengajari mereka kapan sebaiknya tidak masuk lewat pintu itu sambil memakai sepatu roda.
Kefasihan berarti mahasiswa dapat mengajukan pertanyaan yang lebih baik kepada model, memeriksa jawabannya, mengungkapkan penggunaannya, dan memahami di mana otomatisasi membantu atau merugikan pekerjaan. Itu juga berarti mereka mempelajari sisi sosial dari penggunaan AI: siapa yang diuntungkan, siapa yang dikecualikan, data apa yang dimasukkan ke mesin, dan kapan sebuah alat mengubah pembelajaran menjadi mesin penjual otomatis untuk kalimat-kalimat yang terdengar masuk akal. Membuat prompt bukanlah penilaian. Itu hanya mengetik dengan percaya diri.
Seperti apa kebijakan kampus yang baik
Justice Everywhere berargumen bahwa alih-alih melarang AI generatif, universitas dapat menawarkan alat berlisensi yang aman dan mengedukasi mahasiswa tentang penggunaan yang tepat. Itu adalah titik awal yang lebih baik daripada treadmill pengawasan, ketika semua orang membeli detektor, detektornya goyah, dan silabus berubah menjadi ruang sidang kecil. Akses yang aman juga penting karena jika tidak, mahasiswa akan membawa alat apa pun yang bisa mereka temukan, sering kali dengan praktik data yang tidak jelas. Jika institusi peduli pada penggunaan yang bertanggung jawab, institusi seharusnya tidak mengalihdayakan tanggung jawab itu ke tab peramban dengan gradasi warna paling cantik.
Seruan The Hechinger Report untuk aturan yang jelas dan konsisten mengarah pada templat yang dapat dijalankan. Mata kuliah harus menyatakan kapan AI diperbolehkan, kapan dilarang, bagaimana penggunaannya harus diakui, dan bagian mana dari tugas yang memerlukan penalaran manusia. Kebijakan harus dipetakan pada tujuan pembelajaran: brainstorming mungkin diperbolehkan, penalaran akhir mungkin perlu dipertahankan, dan beberapa latihan dasar mungkin sengaja dibuat bebas alat. Itu bukan anti-AI. Itu pedagogi yang punya tulang punggung.
Choice360 menambahkan bahwa kefasihan AI harus mencakup literasi desain, dengan mahasiswa membuat prototipe, belajar, dan memahami pengguna nyata. Di sinilah kurikulum menjadi menarik. Alih-alih hanya meminta mahasiswa menghasilkan teks dengan AI, pengajar dapat meminta mereka menguji keluaran AI, membandingkan alternatif, mewawancarai pengguna, mendokumentasikan pola kegagalan, dan merevisi berdasarkan bukti. Ikhtisar ResearchGate mencatat bahwa alat AI di pendidikan tinggi dikaitkan dengan dampak positif dan negatif, dan itulah tepatnya alasan mahasiswa membutuhkan latihan dalam evaluasi, bukan angkat bahu di seluruh kampus.
Apa yang perlu diperhatikan berikutnya
Analisis The Conversation tentang Kanada menunjukkan ke mana perdebatan kebijakan bergerak: program literasi mulai hadir, tetapi detail tata kelola dan keselamatan akan menentukan apakah program itu menjadi pendidikan yang bermakna atau konfeti sertifikat. Universitas perlu memperhatikan model penilaian yang menghargai proses, kritik, dan keterbukaan, bukan hanya keluaran yang mengilap. Pendidik juga perlu memisahkan pembangunan keterampilan dari patroli jalan pintas, karena keduanya adalah pekerjaan berbeda yang memakai lanyard yang sama.
Bagi pelajar dan teknolog awal karier, kesimpulannya sederhana: bangun portofolio penggunaan AI yang bertanggung jawab, bukan sekadar penggunaan AI. Tunjukkan bagaimana Anda memeriksa model, memperbaikinya, mengutip proses Anda, melindungi data, dan membuat keputusan yang lebih baik berkat alat tersebut. Lulusan yang menang bukanlah mereka yang tidak pernah menyentuh AI, atau mereka yang membiarkannya melakukan semua pemikiran. Mereka adalah mereka yang dapat berkolaborasi dengan mesin tanpa menjadi anak magangnya.
