AI dalam Pendidikan

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

AI dalam Pendidikan (AIED) — bidang interdisipliner yang luas yang menerapkan kecerdasan buatan pada pengajaran dan pembelajaran, serta mempelajari desain, penggunaan, evaluasi, dan konsekuensinya. Sebagai konsep payung basis pengetahuan ini, AI dalam pendidikan mencakup AI untuk pendidikan (menggunakan AI untuk meningkatkan pengajaran dan penilaian) dan pendidikan tentang AI (mengembangkan literasi AI dan pemahaman kritis). Bidang ini berada di perpotongan teknologi instruksional, ilmu pembelajaran — bidang penelitian empiris yang menanyakan apakah seorang pembelajar berubah, bukan hanya apakah suatu alat berkinerja — ilmu komputer, kebijakan pendidikan, Ethics, dan ekuitas. Halaman ini adalah pengantar ke bidang tersebut dan peta ke setiap konsep yang dicakup basis pengetahuan.

Pertanyaan yang Perlu Dipertimbangkan

• 'AI dalam pendidikan' mencakup dua arah: AI untuk pendidikan (menggunakan AI untuk meningkatkan pengajaran) dan pendidikan tentang AI (membangun literasi dan pemahaman kritis). Manakah yang lebih Anda kenali, dan mana yang cenderung Anda abaikan?
• Sejarah bidang ini digambarkan sebagai ketegangan berulang antara kendali dan agensi pembelajar. Saat Anda mengamati adopsi alat-alat AI, di mana Anda melihat ketegangan yang sama berlangsung saat ini?
• AI dalam pendidikan berada di perpotongan teknologi, ilmu pembelajaran, kebijakan, etika, dan ekuitas. Lensa mana yang secara alami Anda terapkan saat mengevaluasi alat AI — dan mana yang mungkin Anda lupakan?
• Basis pengetahuan ini mengorganisasi bidang tersebut menjadi untaian: pedagogi, teori pembelajaran, teknologi, disiplin, penilaian, umpan balik, pemangku kepentingan, dan tata kelola. Jika Anda memetakan penggunaan AI Anda sendiri, untaian mana yang akan Anda temui?
• AIED mencakup mengajarkan siswa menggunakan AI secara kritis sebagai tujuan itu sendiri. Dalam konteks Anda, apakah AI diperlakukan lebih sebagai subjek yang diajarkan atau alat yang digunakan — dan apakah keseimbangan itu mencerminkan apa yang benar-benar dibutuhkan pembelajar?
• Siswa dapat mempelajari literasi AI dengan menggunakan AI secara kritis, bukan hanya dengan belajar tentang AI. Bagaimana penggunaan kritis yang langsung praktik dapat membangun pemahaman yang tidak dapat dibangun oleh instruksi pasif?

Pendahuluan

AI dalam pendidikan adalah payung yang secara kolektif didefinisikan oleh semua halaman konsep lainnya. Basis pengetahuan mengorganisasi bidang tersebut menjadi untaian-untaian utama di bawah ini, masing-masing menghubungkan ke halaman konsep yang relevan.

Sebuah perspektif sejarah yang menjadi tonggak, Mishra et al. melacak AIED dari sibernetika dan konferensi Dartmouth 1956 melalui tutor kognitif dan konstruksionisme Papert, berpendapat bahwa perdebatan GenAI masa kini memainkan ulang ketegangan kendali lawan Learner Agency dasar bidang tersebut.

Bagaimana basis pengetahuan diorganisasi: halaman payung

Cakupan konsep basis pengetahuan ini dianchor oleh beberapa halaman payung yang mengelompokkan konsep-konsep terkait menjadi untaian yang dapat dinavigasi. Ini adalah titik masuk yang baik untuk menjelajahi bidang tersebut:

• AI dalam Pendidikan — halaman ini, ikhtisar bidang dan peta ke seluruh cakupan.
• Literasi AI — payung untuk memahami, menggunakan, dan mengevaluasi AI secara kritis, mencakup prompt engineering, berpikir kritis, etika AI, dan penggunaan yang bertanggung jawab. Di sampingnya, kolaborasi manusia–AI dan AI agensik membingkai bagaimana manusia dan AI bekerja sama.
• Pedagogi dan strategi pengajaran — payung untuk bagaimana pengajaran terjadi: metode dan strategi pengajaran yang menjadi ruang operasi AI (aktif, kolaboratif, berbasis proyek, berbasis masalah, bersifat pengalaman, berbasis permainan, Sokratik, Scaffolding, dan lainnya), termasuk konteks khusus pengajaran dan pembelajaran daring.
• Teori pembelajaran — payung untuk bagaimana pembelajaran terjadi: kerangka teoretis (Behaviorism, kognitivisme, konstruktivisme, sosiokultural, kognitif, motivasional) yang membentuk desain dan evaluasi AI.
• Teknologi — payung untuk lapisan teknis: sistem AI (LLM, AI generatif, Multimodal AI, robotika) dan teknik (RAG (Retrieval-Augmented Generation), prompt engineering, pembelajaran penguatan, pelatihan model, orkestrasi agensik) yang menggerakkan AIED. Keluarga pemodelan pembelajar — penelusuran pengetahuan, diagnosis kognitif, simulasi siswa, dan sistem yang mengonsumsinya (tutoring cerdas, pembelajaran adaptif, pembelajaran terpersonalisasi) — dikelompokkan di bawah payung Pemodelan Pembelajar dan Instruksi Adaptif dalam untaian teknis ini.
• AI dalam disiplin — payung untuk bagaimana AI diterapkan di berbagai bidang subjek (matematika, fisika, pembelajaran bahasa, ilmu komputer, penulisan, STEM, teknik, bisnis, pendidikan guru, profesi kesehatan, dan lainnya) — dan, melampaui subjek akademik, untaian profesional dan terapan yang menilai praktik yang ditunjukkan alih-alih kebenaran (keperawatan, teknologi informasi, pendidikan dan pelatihan vokasional, pendidikan desain) — dan tingkat pendidikan (K-12, pendidikan tinggi, pembelajaran dewasa).
• Assessment (dengan untaian formatif, sumatif, autentik, lisan, dan otomatis) — payung untuk bagaimana AI menilai pembelajar dan membentuk kembali validitas serta integritas penilaian.
• Feedback — payung untuk bagaimana umpan balik dihasilkan, disampaikan, dan digunakan: loop umpan balik, kualitas umpan balik, literasi umpan balik, dan konteks penilaiannya (formatif, sejawat, otomatis).
• Pemangku kepentingan dalam pendidikan AI — payung untuk siapa para aktornya: pembelajar, guru, perancang pembelajaran, administrator, dan pembuat kebijakan.
• Evaluasi AI ed dan metode penelitian — payung untuk bagaimana kita mengetahui apakah AI bekerja: studi efikasi, benchmark, uji acak terkontrol, meta-analisis, dan keuntungan pembelajaran sebagai ukuran hasil inti. Pembaca juga harus mempertimbangkan keterbatasan lintas-bidang dari bukti ini.
• Tata kelola AI, kebijakan AI pendidikan, dan ekuitas — payung untuk lapisan institusional, regulasi, dan keadilan (lihat juga AI Regulation in Education dan Privacy).

Halaman-halaman payung ini ditautkan di seluruh bagian di bawah ini; setiap untaian di bawah ini menyebutkan baik payung maupun konsep penyusunnya.

Dua dimensi AI dalam pendidikan

Penelitian AI dalam pendidikan mencakup dua arah yang saling terhubung:

• AI untuk pendidikan — menggunakan sistem AI untuk meningkatkan pengajaran, pembelajaran, penilaian, dan administrasi. Ini termasuk tutoring AI, pembelajaran adaptif, pembelajaran terpersonalisasi, penilaian esai otomatis, generasi pertanyaan otomatis, penilaian otomatis, penilaian formatif, analitik pembelajaran, dan loop umpan balik.
• Pendidikan tentang AI — mengajarkan pembelajar dan pendidik untuk memahami, menggunakan, dan mengevaluasi AI secara kritis. Intinya adalah literasi AI, didukung oleh prompt engineering, berpikir kritis, etika AI, pendidikan tata kelola, literasi digital, dan penggunaan yang bertanggung jawab.

Dua dimensi ini tidak terpisah: menggunakan AI dengan baik mensyaratkan pemahamannya, dan mengajarkan tentang AI diperkaya dengan menggunakannya. Kolaborasi manusia-AI ini adalah tema sentral.

Landasan AI dalam pendidikan

Konsep lintas-bidang dan mendasar bidang ini menjadi jangkar cakupan basis pengetahuan dan muncul pertama kali di sidebar. Keduanya dibuka dengan grup Esensial — konsep yang harus dijadikan titik awal setiap pembaca: payung itu sendiri, miskonsepsi tentang AI, literasi AI, AI agensik, cognitive offloading, bagaimana penggunaan AI dibingkai untuk siswa, mengurangi penyalahgunaan AI, integritas akademik, pengajaran, desain pembelajaran, dan pengembangan pendidikan. Untaian bidang kemudian mencakup sejarah bidang, keterbatasan lintas-bidang dari basis bukti, filosofinya, peta teori dan kerangka, dan pengembangan teori. Tema lintas-bidang — kolaborasi manusia–AI, agensi pembelajar, identitas pembelajar, berpikir desain, desain kurikulum, berpikir kritis, dan berpikir komputasional — melintasi setiap untaian, karena model mental yang tidak akurat yang dimiliki orang tentang AI berada di hulu penyalahgunaan dan kepercayaan yang kurang terkalibrasi.

Pembelajaran dan instruksi

Bagaimana AI mendukung pengajaran dan pembelajaran adalah inti dari bidang ini. Konsep-konsep utama meliputi:

• Pedagogi inti: pedagogi dan strategi pengajaran — payung untuk cakupan metode pengajaran basis pengetahuan — bersama dengan pola pedagogi (urutan teruji yang menjadi wujud metode-metode tersebut), pembelajaran aktif, pembelajaran kolaboratif, kerja kelompok, pembelajaran berbasis proyek, pembelajaran berbasis masalah, kegagalan produktif, pembelajaran berbasis inkuiri, pembelajaran berbasis pengalaman, pembelajaran berbasis permainan, pembelajaran dengan mengajar, Scaffolding, metode Sokratik, pedagogi kritis, kemitraan pedagogis, penceritaan, desain pembelajaran, pengajaran dan pembelajaran daring, dan video dalam pendidikan.
• Teori dan proses pembelajaran: payung teori pembelajaran (Behaviorism, kognitivisme, konstruktivisme, sosiokultural, kognisi terdistribusi, pembelajaran tersituasi, pembelajaran berwujud, komunitas inkuiri) berdampingan dengan proses yang berorientasi pembelajar seperti pembelajaran teratur mandiri, teori determinasi diri, Motivation, Self-Efficacy, pembelajaran terarah mandiri, Metacognition, kesulitan yang diinginkan, transfer pembelajaran, pengetahuan sebelumnya, keterlibatan kognitif ICAP, teks refutasi, pengambilan, pengaturan jeda, dan interleaving, dan teori aktivitas.
• Keterlibatan dan pengalaman pembelajar: keterlibatan siswa, Help-Seeking, pembelajaran sosial-emosional, Well-Being, Creativity, pemecahan masalah, pembelajaran penguasaan, dan interaksi siswa–AI membentuk bagaimana pembelajar benar-benar menemui dan terpengaruh AI, sementara norma sosial yang terbentuk di sekitar penggunaan AI menentukan seberapa terbuka hal itu dapat didiskusikan. Di luar mata kuliah, dukungan dan keberhasilan siswa mencakup pekerjaan sisi institusional — penasihatan, jangkauan, rujukan, dan alokasi dukungan yang langka — di mana AI secara andal memindahkan penyelesaian tugas tetapi bukan ketekunan atau kelulusan.

Teknologi dan teknik

Halaman Teknologi adalah payung untuk lapisan teknis:

• Model dan teknik: AI generatif, model bahasa besar, retrieval-augmented generation, model multimodal, NLP pendidikan, pembelajaran penguatan, knowledge graph, robot dalam pendidikan, AI percakapan, Simulation, dan pelatihan dan fine-tuning LLM. Metode dasarnya juga penting: machine learning adalah tempat sistem-sistem ini dibangun, teknologi suara dan ucapan membawa tutoring lisan dan praktik bahasa, Visualization mencakup dasbor dan analitik visual untuk pembelajar dan instruktur, dan realitas virtual dan augmented menjadi tuan rumah praktik imersif yang lapisan visualnya kini dapat dihasilkan model. Gaya interaksi yang lebih baru juga termasuk di sini — paling menonjol vibe coding, alur kerja yang digerakkan bahasa alami di mana pengguna menetapkan program dengan mem-prompt LLM dan menilai perilaku yang dihasilkan alih-alih membaca atau menyunting kode. Itu membingkai ulang pemrograman sebagai tindakan ekspresi dan verifikasi dan menurunkan hambatan bagi pengguna akhir yang membangun alat mereka sendiri. Kerangka kedalaman integrasi seperti SAMR dan teori adopsi seperti TAM mengklasifikasi seberapa dalam AI diadopsi dan seberapa besar ia mengubah tugas.
• Pemodelan pembelajar dan sistem adaptif: sistem teknis yang merepresentasikan dan beradaptasi pada pembelajar dikelompokkan di bawah payung Pemodelan Pembelajar dan Instruksi Adaptif — penelusuran pengetahuan, diagnosis kognitif, simulasi siswa, tutoring cerdas, pembelajaran adaptif, pembelajaran terpersonalisasi, sistem rekomendasi dan jalur pembelajaran, agen pedagogis, tutoring afektif, komputasi afektif, AI human-in-the-loop, dan analitik pembelajaran. Ini berada di lapisan teknis karena keduanya adalah sistem AI itu sendiri, berbeda dari pedagogi yang mereka terapkan.

AI dalam disiplin

AI diterapkan di berbagai disiplin dan tingkat pendidikan. Ikhtisar basis pengetahuan tentang AIEd dalam disiplin memetakan cakupan bidang subjek — di samping ilmu pembelajaran, yang bukan subjek yang diajarkan melainkan bidang penelitian lintas-bidang yang mempelajari pembelajaran itu sendiri dan memperlakukan materi subjek sebagai satu variabel di antara yang lain:

• Bidang subjek: matematika, fisika, kimia, biologi, ilmu komputer, teknik, STEM, penulisan, pembelajaran bahasa, pendidikan bahasa Inggris (EAP/EFL/ESL), pendidikan sains, bisnis, ekonomi, dan manajemen, humaniora dan ilmu sosial, pendidikan seni, desain, dan media, profesi medis dan kesehatan, pendidikan hukum, dan untaian profesional dan terapan — keperawatan, teknologi informasi, pendidikan dan pelatihan vokasional, dan pendidikan desain.

Tingkat dan konteks

Alat AI yang sama bertemu dengan pengaturan yang sangat berbeda, dan basis pengetahuan memisahkan tingkat pendidikan dari pedagogi agar temuan tidak diam-diam berpindah di antara keduanya: sekolah K-12, pendidikan anak usia dini dan dasar, pendidikan tinggi, pembelajaran dewasa, pendidikan dan pelatihan vokasional, pendidikan khusus, dan pendidikan guru. Konsep yang berdekatan dengan domain dan melintasi tingkat meliputi desain universal untuk pembelajaran, Neurodiversity, pembelajaran multibahasa, dan pembelajaran sosial-emosional.

Penilaian dan pengukuran

AI mengubah baik cara kita menilai pembelajar maupun cara kita mengevaluasi sistem AI itu sendiri:

• Penilaian dan umpan balik: Assessment, penilaian formatif, penilaian sumatif, penilaian autentik, e-portofolio, Feedback dan literasi umpan balik, kualitas umpan balik AI, penilaian sejawat, penilaian lisan, penilaian otomatis, penilaian esai otomatis, dan generasi pertanyaan otomatis. Karena model kini dapat menghasilkan pekerjaan jadi yang masuk akal sesuai permintaan, basis pengetahuan menonjolkan kemampuan yang tetap menjadi milik pembelajar itu sendiri: penilaian evaluatif, kapasitas untuk menilai mutu pekerjaan sendiri, pekerjaan sejawat, dan keluaran AI terhadap kriteria yang beralasan. Itulah konstruk yang menjadi titik temu beberapa studi umpan balik dan penilaian autentik — kondisi umpan balik hibrida yang mengungguli umpan balik AI langsung dalam eksperimen multi-situs, kesenjangan keberlanjutan dalam umpan balik formatif AI, dan langkah praktis menilai keputusan yang diambil siswa alih-alih hanya artefak — dan itu adalah alasan inti mengapa perancangan ulang era AI bergeser dari deteksi menuju tugas-tugas yang integritasnya bertahan terhadap inspeksi. Kerja kelompok juga dinilai sepanjang proses dan produk, di mana tim harus menegosiasikan keterlibatan AI siapa dan jenis apa yang dihitung dapat diterima.
• Pengukuran dan validitas: validitas penilaian, AI yang sadar psikometri, pengukuran pendidikan, teori respons butir, ukuran laporan diri (instrumen di balik sebagian besar bukti ini, dan keterbatasan yang berulang), deteksi AI, proktoring jarak jauh, dan integritas akademik.

Metode penelitian dan evaluasi

Bagaimana kita mengetahui apakah AI bekerja adalah untaiannya sendiri, dan basis pengetahuan memperlakukannya demikian:

• Metode penelitian: metode penelitian dalam AIED sebagai payung, dengan pendekatan kualitatif, kuantitatif, metode campuran, berbasis desain, dan kegunaan, ditambah uji acak terkontrol, meta-analisis dan tinjauan sistematis, dan analisis jaringan.

Pekerjaan penelitian bidang ini sendiri kini menjadi subjeknya sendiri. Penelitian Pendidikan Berbantuan AI mencakup AI yang digunakan sebagai instrumen untuk pencarian literatur, penyaringan, pengkodean kualitatif, analisis, dan penulisan, termasuk penelitian praktisi seperti scholarship of teaching and learning. Ini tetap berbeda dari desain yang digunakan untuk mempelajari apa yang dilakukan AI pada pembelajar.

• Evaluasi sistem AI: Evaluasi AI ed dan benchmark untuk menilai kemampuan sistem, dengan keuntungan pembelajaran sebagai hasil yang penting, dan keterbatasan lintas-bidang dari bukti ini dan bagaimana membaca satu studi sebagai penyeimbang yang penuh peringatan.

Orang-orang

AI dalam pendidikan mengubah peran setiap pemangku kepentingan. Halaman Pemangku kepentingan dalam pendidikan AI basis pengetahuan adalah payung yang mencakup semuanya:

• Pembelajar: pengalaman siswa, pengembangan karier dan kesiapan, dan kecemasan dan stres AI membentuk bagaimana siswa menemui AI.
• Keluarga dan komunitas: orang tua dan keluarga adalah audiens yang paling sering dihadapi sekolah tentang AI dan yang paling sedikit penelitian di balik panduannya, sehingga kekhawatiran mereka milik gambar pemangku kepentingan, bukan di luarnya.
• Instruktur dan kerangka pengajaran: kompetensi AI guru, technological pedagogical content knowledge (TPACK), SAMR, dan pengembangan pendidikan mengatasi persiapan dan dukungan pendidik.
• Pembangun: Educational Technology Developers — perancang produk, pengembang perangkat lunak, insinyur pembelajaran, dan perancang analitik yang mengubah kemampuan model menjadi sesuatu yang dapat dibeli sebuah institusi. Mereka adalah audiens yang berbeda dari praktisi dan administrator di atas, dan mereka berada di luar institusi yang mengadopsi alat mereka, itulah sebabnya default, co-design, dan pemeliharaan pasca-pendanaan muncul di basis pengetahuan ini sebagai pertanyaan pedagogis alih-alih komersial.

Institusi dan kebijakan

Lapisan institusional adalah tempat keputusan AI benar-benar dibuat dan dipertahankan: administrator dan pemimpin institusional, kebijakan AI pendidikan, tata kelola AI, manajemen perubahan sebagai pekerjaan membuat adopsi bertahan, regulasi AI, dan pertanyaan pengadaan dan platform yang menyusul dari adopsi teknologi, open source, dan platform edtech, di samping pembelajaran profesional dan seumur hidup dan pelatihan profesional.

Ekuitas, etika, dan penggunaan yang bertanggung jawab

Keadilan, akses, dan tanggung jawab adalah sentral bagi AI dalam pendidikan:

• Ekuitas dan akses: Ekuitas, efek diferensial di antara kelompok pembelajar (pertanyaan untuk siapa sebuah temuan berlaku), kesenjangan digital, mitigasi bias, pedagogi relevan secara budaya, pembelajaran multibahasa, pembelajaran inklusif, Accessibility, teknologi asistif, Neurodiversity, desain universal untuk pembelajaran, dan studi Global Selatan.
• Etika dan tanggung jawab: etika AI, penyalahgunaan AI dan kerugian pembelajaran, isu dan risiko hukum, pengungkapan penggunaan AI, Guardrails, Privacy, risiko halusinasi, sikofansi AI, Trust, kalibrasi kepercayaan, mengurangi penyalahgunaan AI, bagaimana penggunaan AI dibingkai untuk siswa, keselamatan pedagogis, Sustainability, dan cognitive offloading.

Sebuah tinjauan sistematis terhadap literatur etika bidang ini (Agarwal et al. 2026, 25 artikel) mengonsolidasi etika AIED menjadi enam nilai etika utama — non-diskriminasi, pengelolaan data, pengawasan manusia, goodwill, keterjelasan, dan kesesuaian pendidikan — dan memetakan norma etika ke matriks pemangku-kepentingan-lawan-nilai. Ia menemukan pengguna akhir sebagian besar pasif dalam literatur etika (suara siswa nyaris tidak ada) dan menyerukan integrasi etika ke dalam desain AIED serta fokus yang lebih besar pada dimensi pendidikan (pedagogis) dari etika AIED.

Tema yang muncul dan lintas-bidang

Beberapa tema melintasi bidang:

• Kepercayaan dan penggunaan kritis: Trust, kalibrasi kepercayaan, sikofansi AI, berpikir kritis, cognitive offloading, pedagogi kritis, dan mengurangi penyalahgunaan AI (lihat juga bagaimana penggunaan AI dibingkai untuk siswa). Bagaimana pembelajar dan guru memutuskan untuk mengadopsi dan bersandar pada AI dimodelkan oleh penelitian penerimaan teknologi, sementara studi Global Selatan menonjolkan ekuitas dan konteks budaya dalam adopsi. Secara empiris, bagaimana AI menjelaskan dirinya membentuk kepercayaan ini: Feldman-Maggor et al. (2025) menunjukkan bahwa AI yang dapat dijelaskan membangun kepercayaan guru pada rekomendasi AI melalui keterpahaman, dengan penjelasan yang digerakkan domain (bahasa kurikuler) lebih dipercaya dan diterima daripada keluaran kepentingan fitur yang digerakkan data.
• Evolusi bidang: basis pengetahuan melacak AI dalam pendidikan dari sistem tutoring cerdas awal dan penelusuran pengetahuan ke tutoring yang digerakkan LLM, agen, dan AI agensik — pergeseran cepat dari studi yang berpusat pada alat ke kerangka sosioteknis (berpikir desain, desain kurikulum, perubahan institusional), dan dari sistem yang ditulis tangan ke alur kerja yang digerakkan pengguna di mana pembelajar atau non-programmer menetapkan perilaku dalam bahasa alami (vibe coding). Rismanchian & Doroudi memformalkan lintasan ini dengan kerangka AI×Ed mereka, melacak makalah di seluruh empat dekade prosiding untuk menunjukkan bahwa bidang itu bergerak dari campuran yang beragam — termasuk penelitian substansial yang memperlakukan AI sebagai analogi terhadap kecerdasan dan pembelajaran manusia — menuju fokus nyaris eksklusif pada penggunaan terapan, digerakkan data, yang berorientasi peneliti, sebuah pergeseran yang kini tampak sebagian dibalik oleh kebangkitan LLM (tiga dari empat makalah "AI-sebagai-analogi" di AIED 2024 berbasis LLM).
• Emosi, kecemasan, dan masa depan karier: AI memicu dan membentuk respons emosional — kecemasan dan stres AI yang mencakup pengawasan proktoring, ketakutan integritas, dan pemindahan karier — sementara pengembangan karier dan kesiapan mengatasi bagaimana pendidikan menyiapkan pembelajar untuk pasar tenaga kerja yang terganggu AI (lihat juga Well-Being).

Kedewasaan bidang

Basis pengetahuan ini mencerminkan bidang yang berevolusi cepat — dari sistem tutoring cerdas awal ke tutoring yang digerakkan LLM dan AI agensik; dari alat integritas akademik yang berfokus deteksi ke perancangan ulang penilaian; dari studi yang berpusat pada alat ke kerangka sosioteknis dan berfokus ekuitas. Basis bukti semakin menekankan metode penelitian yang ketat, evaluasi, desain eksperimental, dan hasil jangka panjang.

Koneksi

AI dalam pendidikan terhubung ke setiap konsep di basis pengetahuan — ini adalah bidang yang secara kolektif didefinisikan oleh semua halaman konsep lainnya. Gunakan halaman ini sebagai titik awal untuk menavigasi basis pengetahuan secara penuh.

Konsep Terkait

• Pedagogical Patterns — Urutan teruji yang mengoperasionalkan pedagogi bidang tersebut
• Literasi AI — payung: memahami, menggunakan, dan mengevaluasi AI
• Human AI Collaboration — payung: bagaimana manusia dan AI bekerja sama
• Pedagogies and Teaching Strategies — payung: metode dan strategi pengajaran
• Learning Theories — payung: bagaimana pembelajaran terjadi
• Technologies — payung: model, teknik, dan sistem
• AIEd in the Disciplines — payung: AI di berbagai bidang subjek dan tingkat
• Assessment — payung: bagaimana AI menilai pembelajar dan membentuk validitas
• Feedback — payung: bagaimana umpan balik dihasilkan, disampaikan, dan digunakan
• Stakeholders — payung: siapa para aktornya
• Learners — payung: konsep sisi pembelajar (pengalaman, identitas, agensi, interaksi, model pembelajar)
• AI Ed Evaluation — payung: bagaimana kita mengetahui apakah AI bekerja
• Research Methods in AIED — payung: metode penelitian efikasi
• AI-Assisted Educational Research — Penelitian Pendidikan Berbantuan AI
• AI Governance — payung: lapisan institusional dan regulasi
• Educational AI Policy — payung: kebijakan, panduan, dan implementasi
• Equity — payung: keadilan, akses, dan inklusi
• Learning Sciences — bidang empiris di balik AIED
• Ethics — dimensi etika AI dalam pendidikan
• Misconceptions about AI — model mental yang orang bawa ke AI
• Interpreting and Applying AIEd Research — membaca sebuah studi, dan membawa temuan ke praktik
• Limitations in AIEd Research — batas lintas-bidang dari basis bukti
• Meta-Analysis and Systematic Review — apa yang ditetapkan oleh tinjauan dan meta-analisis
• History of AI in Education — bagaimana bidang berevolusi
• Philosophy of AI in Education — landasan filosofis
• Theories and Frameworks — peta node teori dan kerangka
• Theory Development in AI in Education — membangun dan merevisi teori

Artikel Terkait

Tinjauan menyeluruh AI dalam pendidikan — studi yang meninjau seluruh bidang atau seluruh tingkat pendidikan alih-alih satu topik:

• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — Evolusi penelitian AI-dan-pendidikan di sepanjang empat dekade (kerangka AIxEd)
• Control vs. Agency: Exploring the History of AI in Education — Kendali lawan agensi: sebuah sejarah AI dalam pendidikan
• Generative AI in Higher Education: A Systematic Review of Opportunities, Challenges, and Pedagogical Innovations (2022–2025) — AI generatif dalam pendidikan tinggi: tinjauan sistematis 125 studi
• The Evidence Base on AI in K-12: A 2026 Review — Basis bukti tentang AI di K-12: tinjauan 818 makalah
• Generative AI technologies and educational outcomes: a comprehensive meta-analysis comparing traditional and AI-driven approaches — AI generatif dan hasil pendidikan: meta-analisis komprehensif