“10 Key Concepts” (10 Konsep Kunci) terkait penilaian dalam pendidikan di era kecerdasan buatan (AI)
"10 Key Concepts" (10 Konsep Kunci) terkait penilaian dalam pendidikan di era kecerdasan buatan (AI)
Gambar dibawah ini adalah slide presentasi dari Prof. Phillip Dawson dalam acara EDUVATE 2025 yang berjudul “10 Key Concepts” (10 Konsep Kunci) terkait penilaian dalam pendidikan di era kecerdasan buatan (AI). Berikut adalah penjelasan dari setiap poin:
1. Assessment matters, but so does what is assessed
Penilaian penting, tapi yang dinilai juga penting.
Apakah penilaian perlu disesuaikan di era AI? Fokus bukan hanya pada proses penilaian, tetapi juga apakah yang dinilai masih relevan.
2. Validity matters more than cheating
Validitas lebih penting daripada kecurangan.
Kekhawatiran akan AI digunakan untuk mencontek justru bisa mengaburkan fokus utama: apakah penilaian masih mengukur hal yang benar.
3. Future-authentic assessment
Penilaian yang autentik dan berorientasi masa depan.
Kita perlu menyiapkan peserta didik untuk dunia mereka yang akan datang, bukan dunia kita yang sudah berlalu.
4. Reverse scaffolding
Pembalikan scaffolding (penyangga belajar).
Gunakan AI hanya setelah siswa mampu menyelesaikan tugas sendiri. Ini menjaga penguasaan keterampilan.
5. Zone of Proximal Development (ZPD)
Zona perkembangan proksimal.
Gunakan alat produksi (AI, misalnya) secara hati-hati: ada perbedaan antara alat untuk belajar dan alat untuk menyelesaikan tugas.
6. Cognitive offloading
Pemindahan beban kognitif.
Apakah AI digunakan untuk mengurangi beban yang tidak perlu (ekstrinsik) atau malah menghambat proses belajar?
7. Evaluative judgement
Kemampuan menilai kualitas karya sendiri dan orang lain.
Kemampuan ini penting, tetapi bukan satu-satunya. AI bisa membantu, tapi tidak bisa menggantikan refleksi diri.
8. Make structural not discursive changes
Ubah strukturnya, bukan hanya aturan di permukaan.
Mengubah kebijakan tanpa mengubah cara belajar dan penilaian secara mendasar tidak cukup (misalnya: larangan pakai AI tanpa mengubah metode pengajaran).
9. No such thing as AI-proof assessment
Tidak ada penilaian yang benar-benar tahan terhadap AI.
Waspadai pihak yang mengklaim punya solusi “kebal AI”. Fokus seharusnya pada desain penilaian yang bermakna, bukan hanya anti-AI.
10. Swiss Cheese, programmatic
Seperti keju Swiss: lapisan penilaian yang saling menutupi kekurangan.
Penilaian yang baik tidak hanya bergantung pada satu metode sempurna, tetapi gabungan dari berbagai penilaian yang saling melengkapi.
Gambar diatas menggambarkan bagaimana pendekatan terhadap penilaian di era AI harus berubah secara mendasar, strategis, dan berorientasi masa depan, bukan hanya reaktif terhadap isu kecurangan atau teknologi baru.
