Avatar AI dan Instruktur Sintetis

Terjemahan mesin otomatis halaman berbahasa Inggris ini, yang belum ditinjau oleh penutur asli.

Avatar AI dan Instruktur Sintetis — sistem AI yang tampak manusia yang menempati peran mengajar, baik sebagai dosen yang direkam, tutor yang berbicara, agen pedagogis, pasien atau siswa yang disimulasikan, mitra bermain peran, atau penguji. Kategorinya ditentukan oleh wajah dan suara yang menggantikan seseorang, bukan oleh satu teknologi. Permukaan itulah yang membuat sistem ini menarik, dan di situlah masalah khasnya terkonsentrasi: Kepercayaan melekat pada isyarat identitas, realisme tidak mengikuti efektivitas, dan pembelajar mungkin tidak tahu bahwa seorang manusia sedang disimulasikan.

Pertanyaan yang Perlu Dipertimbangkan

Jika sebuah video kuliah dibawakan oleh wajah yang kemudian Anda ketahui disintesis dari rupa dosen Anda, apa yang berubah bagi Anda — isinya, rasa Anda tentang siapa yang mengajar, atau tidak ada sama sekali?
Seorang siswa yang disimulasikan yang lancar, kooperatif, dan tidak pernah mengacaukan pelajaran mudah diajak bicara. Untuk apa latihan itu mempersiapkan Anda, dan apa yang diam-diam ditinggalkannya?
Apakah Anda ingin diberi tahu sebelum sebuah pertemuan bahwa pasiennya dihasilkan? Bagaimana mengetahui hal itu setelahnya akan mengubah apa yang Anda ambil dari sesi tersebut?
Mana yang merupakan risiko integritas lebih besar: pembelajar yang menipu penguji AI, atau penguji AI yang salah membaca pembelajar?
Bermain peran dengan teman gratis, akrab, dan menuntut secara sosial. Apa yang harus ditambahkan avatar agar Anda memilihnya sebagai gantinya?

Pendahuluan

Avatar AI adalah representasi manusia yang dirender atau dianimasikan dan digerakkan oleh sebuah model; instruktur sintetis adalah representasi itu yang ditempatkan dalam peran mengajar. Keduanya tidak sama dengan agen. Theelen dkk. (2026) memisahkan representasi dari Agensi Pembelajar: avatar adalah apa yang dilihat peserta, sementara aktor di baliknya bisa berupa teman, spesialis simulasi, skrip, sistem berbasis aturan, atau LLM. Dua siswa virtual yang identik karena itu dapat menawarkan pertemuan yang sepenuhnya berbeda.

Halaman ini disusun menurut peran: peran mana yang ditempati manusia sintetis, bukti apa yang ada untuknya, dan apa yang dilakukan permukaannya terhadap hubungan pembelajar dengan sistem. Literatur di bawah ini mencakup video kuliah, tutorial, simulasi klinis, latihan guru, bermain peran, dan asesmen.

Enam peran yang dapat ditempati manusia sintetis

Dosen di layar. Presenter hasil kloning membawakan video yang direkam. Dalam sebuah mata kuliah sarjana daring berskala besar, Tomlinson dkk. (2026) merender tiga varian setiap topik yang disesuaikan dengan domain menggunakan avatar HeyGen yang dikloning dari dosen, ditinjau sebelum publikasi, dan dikirim ke LMS.

Tutor atau agen pedagogis. ELEVATE membangun tutor avatar 3D yang berjalan sepenuhnya pada perangkat keras lokal, dengan lapisan yang menghadap guru untuk mengendalikan persona, suara, sikap, dan tempo. ACLIME mendeskripsikan peran yang sama dalam media imersif: agen yang membimbing, bertanya, dan menjelaskan.

Pasien atau klien yang disimulasikan. SOPHIE 2.0 menawarkan 24 skenario klinis berbasis peramban dengan pasien avatar yang berbicara. Riachi dkk. (2026) menerapkan pola itu pada Acceptance and Commitment Therapy, menilai kesetiaan peserta pelatihan giliran demi giliran.

Siswa yang disimulasikan. Hauk dkk. (2026) memberi 21 calon guru percakapan suara sepuluh menit dengan "Marco", seorang siswa sekolah menengah pertama yang melontarkan pernyataan merendahkan tentang imigran.

Mitra bermain peran. REMind membuat anak-anak mengendalikan boneka avatar robotik untuk melatih intervensi sebagai pengamat. ACLIME menyebut ini mode interaksi kedua: agen yang memegang peran tertentu untuk dialog situasional.

Lawan bicara asesmen. Hakim SOPHIE menilai transkrip terhadap rubrik komunikasi. Tamme dkk. (2026) mengusulkan agen suara yang mewawancarai siswa tentang sebuah mata kuliah alih-alih menyelenggarakan survei tertulis.

Apa yang didukung bukti, per peran

Buktinya paling kuat ketika manusia sintetis menjadi mitra dalam praktik dan paling lemah ketika ia menjadi pengganti pembelajaran.

Untuk pengajaran yang direkam, hasil yang diukur adalah preferensi, bukan capaian. Pada dua penyelenggaraan dan 493 responden, video personalisasi yang dihasilkan AI mengungguli video rekaman manusia yang tidak dipersonalisasi (peringkat rata-rata 2.26 berbanding 2.69, p < .001). Kondisi berperingkat tertinggi, video personalisasi rekaman manusia, tidak pernah ada, sehingga peringkat itu mencampur pengalaman dengan imajinasi. Para penulis melaporkan hasil pembelajaran objektif sebagai akan datang.(Students prefer personalized, AI-generated educational videos over non-personalized, human-recorded videos)

Untuk tutorial, buktinya adalah kelayakan rekayasa. ELEVATE mencapai sekitar lima hingga enam detik menuju audio pertama pada perangkat keras konsumen dengan melakukan streaming suara, yang menutupi sebagian besar latensi yang dipersepsikan. Tidak ada studi pengguna terkontrol yang dijalankan, sehingga efek terhadap pembelajaran dan Pencarian Bantuan masih terbuka.(ELEVATE: Designing Human-Centered GenAI Virtual Tutors for Scalable and Inclusive Education)

Untuk komunikasi klinis, buktinya paling berkembang dan tetap belum mencapai transfer. Hakim SOPHIE, yang hanya membaca transkrip, mencapai Pearson 0.759 dan ICC(A,1) 0.746 terhadap konsensus penilai manusia — di dalam sebaran manusia individual, bukan di luarnya. Dalam studi jarak jauh atas 59 klinisi dan mahasiswa, 92% merasa sistem itu menarik dan 83% menilainya relevan secara klinis. Skor naik di antara dua pertemuan, tetapi tanpa lengan kontrol kenaikan itu tidak dapat diatribusikan pada pelatihannya.(Scalable AI-based clinical communication training and automated assessment)

Untuk siswa yang disimulasikan, buktinya menyangkut kualitas interaksi alih-alih hasil. Peserta Hauk menilai dialognya jelas fungsional (M = 5.37) dan hanya cukup autentik (M = 3.71), sebuah pemisahan yang direproduksi transkrip pada cakupan 87.1% berbanding 37.4%. Avatar memikul kerja tantangan, pada 51.1% teksnya, sementara guru mengelaborasi dan membenarkan. Dua puluh satu sukarelawan di satu program, satu sesi, tanpa perbandingan dengan bermain peran langsung.(Authentic and functional dialogue with AI-based student avatars: Evidence from a practice-based teacher education program)

Untuk bermain peran, REMind melaporkan kenaikan signifikan dari sebelum ke sesudah pada Efikasi Diri yang dipersepsikan anak-anak untuk membela, dengan keyakinan yang lebih terkalibrasi tentang apakah menghadapi pengganggu menghentikannya. Itu 18 anak berusia sembilan hingga sepuluh tahun dalam konteks uji permainan, yang mendukung janji alih-alih perubahan perilaku yang bertahan.(Play-testing REMind: Evaluating an educational robot-mediated role-play game)

Untuk asesmen, hakim SOPHIE adalah hasil paling jelas dan pewawancara suara paling sedikit. Usulan Tamme melaporkan uji coba teknis dan data yang belum dianalisis secara formal; setiap klaim tentang apa yang dielicitasi suara tetap merupakan hipotesis.(Voice-Based AI Feedback in Higher Education: A Field Study on Quality and Actionability)

Kepercayaan berjalan melalui wajah

Wajah bukan wadah netral bagi konten pedagogis. Dalam dua eksperimen dengan total 396 peserta, Anthis dan Kyriakidou-Zacharoudiou (2026) menemukan bahwa isyarat identitas avatar membentuk evaluasi sekaligus pengambilan bimbingan yang benar-benar dilakukan. Avatar kulit putih, dan avatar laki-laki Asia dalam konteks STEM, dinilai lebih kredibel dan kompeten. Avatar perempuan kulit hitam yang lebih tua menghadapi penalti berlapis pada setiap ukuran. Peserta lebih mudah mengadopsi bimbingan dari avatar yang sesuai dengan kelompok ras mereka atau dengan stereotip mereka tentang keahlian.

Dua detail menjadikannya masalah desain. Domain memoderasi efeknya: tugas STEM dan prosedural memperkuat bias, sementara tugas reflektif dan interpersonal melemahkannya. Dan bias itu bekerja pada perilaku, bukan hanya pada sikap yang dinyatakan, yang berarti kepercayaan swalapor akan melewatkannya. Para penulis merekomendasikan avatar yang bergaya atau kurang antropomorfik, merotasi avatar yang beragam antar tugas, dan mengevaluasi pengambilan bimbingan alih-alih kepuasan.(Face value: How avatar identity shapes epistemic trust in AI-mediated learning)

Otoritas juga datang melalui tubuh. Para perancang ELEVATE memperingatkan bahwa tubuh dan suara memperkuat otoritas tutor. Mereka merekomendasikan agar avatar menandakan ketidakpastian dan mengundang verifikasi terhadap catatan atau buku teks.(ELEVATE: Designing Human-Centered GenAI Virtual Tutors for Scalable and Inclusive Education) SOPHIE menambahkan komplikasi: di balik avatar yang sama, model yang sebelumnya dinilai lebih mirip manusia kehilangan keunggulan itu, dan kinerja komunikasinya identik di semua backend (0.437 berbanding 0.438). Kemiripan dengan manusia adalah milik interaksi — suara, latensi, pengambilan giliran — bukan milik model.(Scalable AI-based clinical communication training and automated assessment)

Bukti yang berlawanan adalah bahwa siswa dapat diajari menahan kerangka manusia bahkan ketika prompt menyediakannya. Stillman dkk. (2026) menanyakan kepada 654 mahasiswa penulisan apakah chatbot itu terasa seperti tutor, kolaborator, atau sesuatu yang lain, dan hanya sekitar separuh (51.7%) memilih salah satu opsi antropomorfik. Siswa menyebutnya alat atau program, membandingkannya dengan robot atau komputer, atau menciptakan metafora seperti mesin penjual umpan balik yang mengeluarkan teks untuk data. Para penulis memperlakukan penolakan kerangka manusia itu sebagai hasil literasi, yang menempatkan efeknya pada pengajaran alih-alih pada antarmuka.

Kehadiran, realisme, dan yang uncanny

Realisme bukanlah tangga. ACLIME memperlakukan realisme perilaku sebagai prediktor penentu kehadiran sosial dan memperingatkan bahwa kesetiaan visual yang lebih tinggi berisiko masuk ke lembah uncanny, tempat agen yang hampir manusia memicu penolakan mendadak. Ia juga memberi harga pada pertukarannya: imersi dan realisme agen menaikkan beban kognitif asing, sementara interaksi dapat menurunkan beban intrinsik melalui memori kerja kolektif. Peringatan utamanya lugas — sekitar 42% pengguna headset VR melaporkan cybersickness, dan efek setelahnya berlangsung dari sekitar sepuluh menit hingga beberapa jam.(Learning with pedagogical agents in extended reality: A conceptual research-based framework of agent-centered learning in immersive media environments (ACLIME))

Studi praktik sebagian besar mendukung versi sederhana dari klaim ini. Para penulis Hauk membaca autentisitas yang moderat sebagai kesesuaian kesetiaan dengan fungsi. Latihan diadik yang hanya bersuara menstabilkan rutinitas bagi pemula, dan dinamika teman serta isyarat nonverbal dapat ditambahkan kemudian.(Authentic and functional dialogue with AI-based student avatars: Evidence from a practice-based teacher education program) Dalam SOPHIE, 47% peserta masih merasa sulit merasakan empati yang nyata terhadap pasien AI, meskipun 66% merasa berbicara dengan pasien AI lebih tidak menegangkan daripada berbicara dengan manusia.(Scalable AI-based clinical communication training and automated assessment)

Pembelajar tidak seragam menginginkan realisme yang lebih besar. Dalam studi eksploratif TriKoNet, siswa dengan suara bulat menolak representasi fotorealistis. Mereka memakai ruang desain modular untuk menulis konsep peran mereka sendiri alih-alih mengadopsi persona yang dipasok.(TriKoNet: The Trivalence Model of Potential Co-Creativity in Socio-Technical Networks) ELEVATE mencatat bahwa perwujudan menjadi hambatan bagi sebagian pembelajar, seperti mereka yang memiliki sensitivitas sensorik atau ketidaknyamanan dengan agen antropomorfik, sehingga konfigurasi avatar menjadi persyaratan alih-alih preferensi.(ELEVATE: Designing Human-Centered GenAI Virtual Tutors for Scalable and Inclusive Education)

Persetujuan, pengungkapan, dan risiko deepfake

Di seluruh uraian ini, pengungkapan muncul sebagai keputusan desain alih-alih variabel yang diukur. Skenario Hauk berada di tepi ujaran kebencian, dan pengamannya bersifat prosedural. Desainnya mencakup orientasi, pedoman moderasi, pemantauan dosen yang berkelanjutan, opsi untuk berhenti segera, pembekalan terstruktur, dan analisis agregat yang teranonimkan.(Authentic and functional dialogue with AI-based student avatars: Evidence from a practice-based teacher education program) Kerangka Theelen meminta agar pembelajar dan pendidik guru mengetahui bagian mana dari sebuah simulasi yang dikendalikan manusia, skrip, atau AI, dan memperlakukan transparansi itu sebagai syarat adaptasi yang dapat dipertahankan.(Classroom simulations for social-emotional learning and inclusive teacher education: a four-layer conceptual framework in the age of AI)

Pertanyaan yang lebih sulit adalah apakah menyimulasikan seseorang dengan sendirinya merupakan penipuan kecil. Pembelajar yang percaya bahwa pasien yang kesulitan itu nyata mungkin menanamkan kepedulian yang tidak akan dimunculkan simulasi yang diungkapkan, lalu merasa disesatkan setelah diberi tahu. Penilaian autentisitas moderat Hauk menyarankan peserta tidak tertipu tentang sifat avatarnya; temuan empati 47% SOPHIE menyarankan sebagian terlibat meskipun mengetahui. Tidak ada studi yang menguji pengungkapan secara langsung.

Pengungkapan juga memiliki sisi produksi. Pipeline Tomlinson mengkloning rupa dan suara dosen. Sebagian mahasiswa mengajukan keberatan berprinsip terhadap GenAI — biaya lingkungan, tenaga kerja, otomasi, integritas — yang tidak akan dijawab oleh rendering yang lebih baik.(Students prefer personalized, AI-generated educational videos over non-personalized, human-recorded videos) Persetujuan seorang dosen untuk dikloning adalah pertanyaan yang terpisah dari persetujuan seorang siswa untuk diajar oleh klon itu, dan tidak ada studi di sini yang mengukur keduanya.

Literasi deepfake adalah sisi sebaliknya dari kemampuan yang sama. Dalam sampel sekunder Australia berisi 199 siswa, laki-laki secara signifikan lebih mungkin telah membuat atau membagikan konten deepfake (23.2% berbanding 10.0%). Para penulis berargumen untuk pendidikan keselamatan yang ditujukan secara eksplisit kepada mereka.(Gender Differences in AI Literacy Workshop Outcomes and Deepfake Engagement) Begitu sebuah institusi dapat menghasilkan dosen yang meyakinkan, pasien yang meyakinkan, atau siswa yang meyakinkan, verifikasi tentang siapa yang berbicara menjadi isu Integritas Akademik sekaligus isu literasi. Ujian lisan dan bukti proses, yang direkomendasikan para penulis ELEVATE begitu tutorial sesuai permintaan tersedia, menangani masalah mendasar yang sama.(ELEVATE: Designing Human-Centered GenAI Virtual Tutors for Scalable and Inclusive Education)

Keadaan bukti yang jujur

Hampir setiap studi di sini kecil dan singkat. Hauk memiliki 21 sukarelawan dan satu sesi. SOPHIE memiliki 59 penyelesai dan tanpa lengan kontrol. Evaluasi psikoterapi memiliki dua psikolog, masing-masing sekitar 90 menit. Uji coba PBL memiliki 26 siswa dan satu kasus. ACLIME dan Theelen adalah kerangka konseptual, dan dasar TriKoNet adalah delapan kelompok dalam sesi tunggal.(Using Generative AI to Simulate Patient History-Taking in a Problem-Based Learning Tutorial: A Mixed-Methods Study)(Toward Accessible Psychotherapy Training Using AI-Driven Interactive Patient Avatars)(Learning with pedagogical agents in extended reality: A conceptual research-based framework of agent-centered learning in immersive media environments (ACLIME))(Classroom simulations for social-emotional learning and inclusive teacher education: a four-layer conceptual framework in the age of AI)(TriKoNet: The Trivalence Model of Potential Co-Creativity in Socio-Technical Networks)

Sampel besar menyangkut sikap dan preferensi — 396 peserta tentang identitas avatar, 493 responden tentang preferensi video — dan keduanya merupakan populasi kenyamanan atau satu mata kuliah. Tidak ada studi dalam himpunan ini yang menunjukkan bahwa instruktur sintetis menghasilkan pembelajaran yang lebih baik daripada instruktur manusia. Klaim yang dapat dipertahankan lebih sempit: sistem ini dapat mendekati pertemuan praktik, dapat dinilai terhadap penilai manusia dengan kesepakatan yang dapat diterima di satu domain, dan dapat menggeser cara pembelajar mengevaluasi sumber pengajaran.

Penyempitan itu penting. Para penulis Theelen menyatakannya langsung: kelancaran dan rasa kehadiran bukanlah bukti validitas.(Classroom simulations for social-emotional learning and inclusive teacher education: a four-layer conceptual framework in the age of AI) Terdengar seperti guru melewati ambang termudah di ruangan itu.

Miskonsepsi Umum

"Avatar yang lebih realistis mengajar lebih baik." Realisme dan efektivitas terpisah di mana pun keduanya diukur. Dua backend SOPHIE menghasilkan skor komunikasi yang identik di balik avatar yang sama, dan siswa TriKoNet menolak persona fotorealistis secara langsung.

"Jika avatarnya meyakinkan, pembelajar akan memperlakukannya sebagai manusia." Mahasiswa kedokteran mewawancarai pasien genAI sebagai basis pertanyaan yang dapat ditelusuri, sebagian besar dengan kueri tertutup, bahkan sementara mereka menilai pengalamannya tinggi.(Using Generative AI to Simulate Patient History-Taking in a Problem-Based Learning Tutorial: A Mixed-Methods Study) Keyakinan dan gaya interaksi adalah hasil yang terpisah.

"Instruktur sintetis adalah satu teknologi, jadi temuannya dapat dialihkan." Dosen hasil kloning yang mengoptimalkan preferensi, tutor yang mengoptimalkan latensi, dan pasien yang mengoptimalkan kesetiaan klinis adalah artefak berbeda dengan mode kegagalan berbeda. Bukti dari satu peran tidak memberi lisensi untuk klaim tentang peran lain.

"Penampilan avatar bersifat kosmetik." Isyarat identitas mengubah penilaian kredibilitas dan pengambilan bimbingan yang sebenarnya, dengan penalti berlapis bagi avatar perempuan kulit hitam yang lebih tua.(Face value: How avatar identity shapes epistemic trust in AI-mediated learning) Konfigurasi adalah keputusan pedagogis dan kesetaraan.

"Pasien yang disimulasikan adalah pasien terstandar, minus biayanya." Psikolog peserta pelatihan menemukan pasien virtual mereka kooperatif dan sudah mahir dalam terapi, sebuah kasus "ideal" yang kurang merepresentasikan ketidakfleksibelan perilaku.(Toward Accessible Psychotherapy Training Using AI-Driven Interactive Patient Avatars) Biaya turun; validitas kasus tidak otomatis menyusul.

Konsep terkait

Metadata

Disiplin	Medical Education
Tingkat	Higher Ed, Teacher Education
Audiensi sasaran	Instructors, Instructional Designers
Pembelajaran dan pengajaran	Pembelajaran di Tempat Kerja, Pembelajaran Eksperiensial, Pembelajaran Tersituasi, Video dalam Pendidikan
Teknologi dan teknik	AI Generatif, Model Bahasa Besar (LLM), Agen Pedagogis, Simulasi, Mensimulasikan Siswa, Realitas Virtual dan Tertambah, AI Percakapan
Asesmen dan pengukuran	Penilaian Otomatis, Validitas Penilaian, Umpan Balik
Kesetaraan, etika, dan penggunaan yang bertanggung jawab	Kepercayaan, Pernyataan Penggunaan dan Pengungkapan AI, Mitigasi Bias, Pembelajaran Inklusif
Dasar-dasar AI dalam pendidikan	Kolaborasi Manusia-AI, Pengajaran, Integritas Akademik

Sumber Riwayat Sunting Obrolan