Manajemen Perubahan

Di halaman ini

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

Manajemen perubahan — rangkaian proses, struktur tata kelola, dan praktik kepemimpinan yang disengaja yang dengannya institusi pendidikan tinggi merencanakan, menerapkan, dan mempertahankan integrasi AI ke dalam pengajaran, pembelajaran, dan penilaian. Karena AI generatif hadir sebagai "teknologi kedatangan" yang memasuki ruang kelas sebelum bukti pedagogis terakumulasi, manajemen perubahan dalam pendidikan AI harus mendukung adaptasi berkelanjutan di bawah ketidakpastian alih-alih adopsi sekali jalan, menyeimbangkan stabilitas institusi dengan inovasi yang muncul dan tata kelola bersama di antara administrator, dosen, siswa, dan pembuat kebijakan.

Pertanyaan yang perlu dipertimbangkan

Manajemen perubahan di sini digambarkan sebagai pengelolaan adaptasi berkelanjutan di bawah ketidakpastian, karena AI generatif tiba di ruang kelas sebelum bukti pedagogis terakumulasi. Apa artinya mengelola perubahan ketika Anda tidak bisa menunggu praktik terbaik tetapi juga tidak bisa secara bertanggung jawab menskalakan inovasi yang belum teruji?
Hambatan yang berulang adalah kesenjangan antara maksud kebijakan dari atas ke bawah dan realitas ruang kelas — misalnya, kebijakan yang mendorong GenAI sementara silabus mata kuliah melarangnya, sehingga instruktur harus berimprovisasi. Menurut Anda mengapa kebijakan dan praktik begitu mudah menyimpang di sekitar AI?
Penelitian menemukan bahwa orientasi pedagogis seorang dosen — apa yang mereka yakini sebagai makna AI bagi pengetahuan disipliner — adalah prediktor adopsi terkuat, sementara inisiatif institusional dan demografi ternyata prediktor yang lemah secara mengejutkan. Apa implikasinya bagi tempat upaya perubahan harus memusatkan energinya?
Halaman ini mencatat bahwa hanya 7% institusi yang telah membuat peran kepemimpinan AI senior meskipun 49% memandang AI sebagai prioritas strategis. Menurut Anda apa yang disinyalkan ketika sebuah institusi menyebut sesuatu sebagai strategis tetapi tidak memberinya sumber daya kepemimpinan?
Model permainan koordinasi menjelaskan mengapa pernyataan kebijakan saja gagal: penggunaan AI oleh siswa adalah proses pembentukan norma kolektif, dan perubahan kecil yang terkalibrasi baik pada insentif penilaian dapat memicu pergeseran cepat seluruh angkatan menuju penggunaan yang bertanggung jawab. Bagaimana mengubah insentif penilaian bisa berbuat lebih banyak daripada yang bisa dilakukan penerbitan kebijakan?
Halaman ini memperingatkan bahwa adopsi yang terfragmentasi melebarkan kesenjangan yang sudah ada — inklusi, keadilan, dan keberlanjutan sering terabaikan bahkan ketika prinsip etis inti telah dianut. Pembelajar atau institusi mana yang Anda duga dirugikan ketika perubahan dikelola secara tidak merata, dan bagaimana Anda akan menjaga mereka tetap menjadi pusat?

Pendahuluan

Literatur empiris secara konsisten menunjukkan bahwa manajemen perubahan AI yang efektif adalah upaya sosioteknis, bukan semata teknis. Kerangka perubahan institusional mengadaptasi model perubahan klasik untuk AI generatif, dengan berargumen bahwa institusi "tidak bisa menunggu praktik terbaik, tetapi tidak bisa secara bertanggung jawab menskalakan inovasi yang tidak berdasar," dan menyerukan penyelidikan lokal yang rendah hati, reformasi yang diorganisasikan di sekitar pendekatan pedagogis alih-alih alat yang fana, serta siswa yang dilibatkan sebagai mitra dalam reformasi. Pembingkaian ini beresonansi dengan argumen kepemimpinan sistem kompleks bahwa pendidikan adalah sistem adaptif kompleks di mana pemimpin harus menilai kapan memperkuat stabilitas administratif dan kapan memungkinkan "ruang adaptif" — menyebarkan inovasi berisiko tinggi seperti AI melalui jaringan sosial yang dipercaya (penularan kompleks) alih-alih aliran pengetahuan linier.

Hambatan berulang bagi perubahan adalah kesenjangan antara maksud kebijakan dari atas ke bawah dan realitas ruang kelas. Analisis kebijakan komparatif menemukan bahwa meskipun 63% kebijakan universitas R1 di AS mendorong penggunaan GenAI, separuh silabus mata kuliah komputasi melarangnya secara tegas, sehingga instruktur harus berimprovisasi dengan aturan lokal yang tidak konsisten. Demikian pula, tinjauan kebijakan pendidikan tinggi Inggris mendokumentasikan pemisahan antara institusi intensif riset dan institusi yang dipimpin pengajaran, dengan panduan nasional dikritik karena kurang spesifik dan tidak memiliki kekuatan penegakan, sementara analisis tata kelola institusional menunjukkan kebijakan di tingkat universitas menekankan keamanan data dan mitigasi risiko sedangkan kebijakan di tingkat sekolah (jika ada) berfokus pada pedagogi — ketidakselarasan struktural yang tidak memenuhi ekspektasi akreditasi untuk integrasi terpadu kurikulum, kebijakan, penilaian, dan infrastruktur.

Tanggapan terbitan atas sebuah studi keperawatan memperjelas unit analisisnya: Shankar (2026) berargumen bahwa kerangka seperti Pengetahuan Teknologis, Pedagogis, dan Konten (TPACK) menangkap pendidik individual dan meninggalkan institusi di luar model. Dibaca melalui ilmu implementasi, adopsi bergantung pada empat tingkat sekaligus: intervensi, lingkungan organisasi dalam, lingkungan kebijakan luar, dan individu yang terlibat. Usulan konkretnya adalah mengoperasionalkan Consolidated Framework for Implementation Research sebagai daftar periksa kesiapan yang mencakup keterlibatan kepemimpinan, infrastruktur yang tersedia, dan kapasitas dosen sebelum alat apa pun diadopsi, yang memindahkan pertanyaan dari siapa yang perlu pelatihan ke apakah organisasi siap menerapkan.

Manajemen perubahan dalam penelitian pendidikan AI

Keilmuan bertemu pada beberapa tuas manajemen perubahan. Kerangka tata kelola menyediakan templat berbasis konsensus: studi Delphi global mengusulkan kerangka tata kelola GenAI delapan area (integritas akademik, penggunaan etis, privasi, akses yang adil, literasi, integrasi, pengawasan manusia, dukungan institusional) ditambah mekanisme tinjauan enam bagian untuk menjaga kebijakan tetap mutakhir, memosisikan kebijakan sebagai struktur yang memungkinkan di dalam ekosistem institusional yang saling terhubung. Kepemimpinan antisipatif adalah benang pelengkapnya: tinjauan cakupan menemukan institusi harus bergeser dari tata kelola reaktif ke tata kelola yang digerakkan oleh tinjauan ke depan, dengan kepemimpinan yang memberdayakan dan distributif meningkatkan adopsi — namun hanya 7% institusi yang telah membuat peran kepemimpinan AI senior meskipun 49% memandang AI sebagai prioritas strategis.

Pendorong adopsi mengungkap mengapa perubahan terhenti atau berhasil. Studi pendorong organisasi menunjukkan bahwa budaya organisasi internal dan atribut teknologi (kompatibilitas, keunggulan relatif, kompleksitas rendah) mengatalisasi adopsi AI, dengan regulasi pemerintah sebagai pemungkin eksternal — dinamika sensitif konteks yang terlewat oleh model penerimaan teknologi di tingkat individu. Sebaliknya, studi orientasi dosen menemukan bahwa interpretasi epistemik seorang dosen atas AI — orientasi pedagogis mereka tentang makna AI bagi pengetahuan disipliner — adalah prediktor adopsi terkuat, sementara inisiatif institusional dan demografi ternyata prediktor yang lemah secara mengejutkan. Ini memperingatkan bahwa rencana strategis dari atas ke bawah berdampak terbatas kecuali melibatkan keyakinan dosen, dan bahwa jaringan sebaya dari bawah ke atas (kolega departemen adalah sumber informasi utama) lebih penting daripada inisiatif pusat.

Studi kasus transformasi institusional menunjukkan bagaimana tuas-tuas ini berlangsung dalam praktik. Qin (2026) menganalisis perubahan strategis Lingnan University di empat dimensi — peningkatan instruksional melalui AI, prioritas kompetensi manusia yang tidak tergantikan, pembaruan kurikulum, dan retensi nilai etis/kultural — menggambarkan bagaimana institusi yang sudah lama berdiri dapat mengelola perubahan yang digerakkan GenAI tanpa melepaskan identitasnya. Ia membingkai transformasi itu sebagai intelektual alih-alih teknosentris, memberi para pemimpin institusi model bertahap untuk mewajibkan literasi AI sambil mempertahankan misi humanistik.

Bukti implementasi sistem sekolah menggeser pertanyaan dari produk mana yang diadopsi ke bagaimana produk itu digunakan. Kerja lapangan Instruction Partners — 32 ruang kelas di 16 sistem sekolah di tujuh negara bagian — menemukan produk yang sama mendarat dengan baik atau buruk tergantung bagaimana guru membingkai tujuan, memantau dasbor, dan bertindak atas apa yang dilaporkannya, dengan aktivitas sepuluh menit meluas sepanjang satu kelas di tempat rutinitas dan posisi yang jelas dalam lingkup dan urutan pembelajaran tidak ada. Produk yang menetapkan tindakan guru selama penggunaan dipakai lebih dekat ke pendekatan yang dimaksudkan, dan guru membutuhkan pendampingan berkelanjutan alih-alih peluncuran sekali jalan; ketika para pemimpin mengenal suatu produk dengan baik, guru lebih sering mengambil tindakan yang diinginkan. Keberlanjutan adalah sifat organisasi, bukan alat. Evaluasi acak empat tahun atas chatbot pesan teks AI non-generatif di California State University, Northridge, melacak ketahanannya pada rumah administratif (pengawasan bersama oleh Office of Undergraduate Studies dan Office of the Registrar), satu spesialis komunikasi yang menulis setiap kampanye untuk suara yang konsisten, dan fleksibilitas yang cukup dalam bauran pesan untuk menyerap guncangan COVID-19 — sementara berbagi data lintas kantor untuk penjangkauan bertarget terbukti cukup memberatkan sehingga kampanye bertarget turun dari 36% menjadi 6% dari total tahunan (Mata, Russell & Page 2026, makalah kerja yang temuan implementasinya bertumpu pada observasi sistem dan diskusi administrator alih-alih pada uji coba). Hasil keterlibatannya memperkuat pelajaran yang sama: tingkat opt-out tahunan tidak pernah melebihi 4% selama empat tahun, yang dibaca penulis sebagai penerimaan yang dipertahankan oleh cara institusi mengadaptasi implementasi, bukan oleh teknologinya sendiri.

Reformasi penilaian adalah medan pertempuran manajemen perubahan yang sentral. Studi Skala Penilaian AI menunjukkan implementasi kerangka terhambat oleh ketidakkonsistenan antardepartemen, tekanan beban kerja, dan ketidakpastian, dengan staf menggambarkan prosesnya sebagai "sedikit kekacauan dan kegilaan." Model permainan koordinasi menawarkan uraian formal mengapa pernyataan kebijakan saja gagal: penggunaan AI oleh siswa adalah proses pembentukan norma kolektif, dan perubahan kecil yang terkalibrasi baik pada insentif penilaian reflektif dapat memicu pergeseran cepat seluruh angkatan menuju penggunaan yang bertanggung jawab, sedangkan insentif yang lemah atau tidak selaras membiarkan praktik oportunistik bertahan. Ini mendukung tata kelola yang dipimpin pedagogi alih-alih pengawasan. Survei kesenjangan adaptasi AI menambahkan dimensi pemangku kepentingan: siswa melaporkan intensitas penggunaan AI dan kegunaan yang dirasakan lebih tinggi daripada dosen dan staf administratif, sementara yang terakhir melaporkan kekhawatiran integritas akademik yang lebih kuat — dan kegunaan yang dirasakan mendorong kepercayaan (β = 0.402) lebih kuat daripada kejelasan kebijakan institusional (β = 0.223).

Lokakarya praktik penilaian dengan 73 pendidik komputasi memasok padanannya dari sisi ruang kelas. Hampir setiap perubahan yang digambarkan peserta dilakukan oleh instruktur individual dalam satu mata kuliah tanpa koordinasi institusional — kolega di dalam satu departemen mengambil posisi berlawanan tanpa apa pun yang merekonsiliasikannya — dan tanggapan kurikuler yang diperjuangkan laporan itu tidak akan selesai tepat waktu untuk membantu siswa yang kini terdaftar; kesulitan tugas juga teramati kedaluwarsa pada siklus sekitar satu semester, yang menjadikan kalibrasi terhadap kemampuan model terkini sebagai aset institusional yang cepat rusak alih-alih keputusan sekali jalan (Akbar et al., 2026).

Implikasi

Manajemen perubahan dalam pendidikan AI membawa implikasi positif dan negatif. Secara positif, kerangka terstruktur memberi institusi jalan dari manajemen krisis reaktif menuju tata kelola proaktif dan partisipatif; konsensus Delphi dan tata kelola antisipatif keduanya mendukung memperlakukan literasi AI dan etika sebagai kapabilitas institusional lintas sektor alih-alih aturan terisolasi. Secara negatif, adopsi yang terfragmentasi melebarkan kesenjangan yang sudah ada: analisis kerangka UNESCO atas 30 universitas terkemuka menemukan prinsip etis inti dan prinsip tata kelola dianut secara luas tetapi inklusi, keadilan, dan keberlanjutan (akses internet, paritas gender, dampak lingkungan) sering terabaikan — dan peringkat kesiapan AI nasional tidak memprediksi kebijakan institusional yang kokoh. Kerangka LEAGUE memperluas kekhawatiran ini ke analitik pembelajaran, dengan berargumen bahwa tata kelola harus bergerak melampaui kepatuhan (FERPA/GDPR) menuju legalitas, keadilan, agensi, kegunaan, dan etika sejak desain, dengan meninjau praktik data siswa secara transparan dan edukatif.

Di institusi yang strateginya melampaui infrastrukturnya, pekerjaannya menumpuk: pengembang akademik di dua Historically Disadvantaged Institution di Afrika Selatan menyebut strategi AI sebagai "pertunjukan lebih daripada praktik," dan makalah itu menegaskan agar ketidaksetaraan digital — masalah distributif — dijaga terpisah dari kolonialitas algoritmik, masalah epistemik yang bertahan meski akses penuh (Sithole, 2026).

Bagi administrator dan pembuat kebijakan, bukti ini mendukung tata kelola partisipatif, investasi infrastruktur, dan pengembangan kapasitas alih-alih dokumen strategi yang penuh cita-cita, menerjemahkan kebijakan nasional menjadi dukungan instruktur yang konkret alih-alih menerbitkan mandat dari atas ke bawah. Bagi instruktur, manajemen perubahan berarti bergerak dari pengadopsi menjadi eksperimenter yang digerakkan penyelidikan, melibatkan siswa sebagai mitra, dan menjangkarkan reformasi pada prinsip pedagogis yang tahan lama alih-alih alat yang mungkin usang dalam hitungan bulan — dengan catatan bahwa pengembangan profesional harus menyasar siklus desain penuh (penilaian kebutuhan, umpan balik) alih-alih penggunaan alat semata, sebagaimana ditunjukkan survei kerangka DOT.

Studi kasus institusional melacak busur difusi selama satu dekade dalam matematika sarjana, bergerak dari inisiatif individual dan lokakarya sebaya menuju lisensi dosen bersama dan pendanaan pusat (Law, 2026).

Desain ulang mata kuliah membawa biaya yang harus dianggarkan institusi, bukan diasumsikan: mengadopsi mata kuliah terintegrasi AI memerlukan sekitar 15 hingga 20 jam kerja desain ulang per mata kuliah sebelum penyesuaian berkelanjutan apa pun Packard et al. (2026).

Keterlibatan dijelaskan oleh kapasitas dan disposisi, bukan antusiasme. Sebuah kerangka untuk praktik penilaian berargumen bahwa adopsi GenAI yang tidak merata mencerminkan empat kondisi — kapasitas, disposisi, serta dukungan dan kendala di sekitarnya — alih-alih resistensi, dan bahwa satu lokakarya membangun kosakata tetapi tidak membangun pertimbangan (Miller, 2026). Menamai kondisi yang hilang memberi tahu institusi apakah harus melatih, menyediakan sumber daya, atau mengubah insentif.

Koneksi ke konsep lain

Manajemen perubahan adalah pelengkap institusional bagi integrasi di tingkat ruang kelas. Ia mengoperasionalkan kondisi sistemik — tata kelola, pengembangan dosen, keterlibatan pemangku kepentingan, dan pengaman keadilan — yang memungkinkan inovasi pedagogis mengakar, menghubungkan desain kebijakan Kebijakan AI Pendidikan dengan hasil tata kelola, pengembangan pendidikan, dan keadilan dalam pendidikan AI.

Miskonsepsi umum

"Maksud strategis menciptakan kapasitas." Hanya 7% institusi yang telah membuat peran kepemimpinan AI senior meskipun 49% memandang AI sebagai prioritas strategis. Kesenjangannya ada antara deklarasi dan struktur, dan itulah kegagalan berulang manajemen perubahan AI.
"Mengadopsi alat AI adalah sebuah peristiwa." Keberlanjutan adalah sifat organisasi, bukan alat — evaluasi acak empat tahun atas chatbot pesan teks AI non-generatif di California State University, Northridge menggambarkan skala waktunya. Evaluasi itu berjalan empat tahun karena ketahananlah yang perlu diuji.
"Institusi perlu bereaksi lebih cepat, bukan mengantisipasi." Kepemimpinan antisipatif adalah benang pelengkapnya: tinjauan cakupan menemukan institusi harus bergeser dari tata kelola reaktif ke berbasis tinjauan ke depan. Bereaksi secara kompeten terhadap teknologi yang sudah tiba adalah hal yang didokumentasikan gagal oleh bukti.

Konsep terkait

Tata Kelola AI — struktur kebijakan dan pengawasan yang dioperasionalkan manajemen perubahan
Kebijakan AI Pendidikan — maksud kebijakan AI nasional dan institusional yang harus diterjemahkan manajemen perubahan ke dalam praktik
Pengembangan Pendidikan — membangun kapasitas dosen dan orientasi pedagogis untuk integrasi AI
Administrator — kepemimpinan dan tata kelola antisipatif sebagai agen perubahan
Literasi AI — kapabilitas lintas sektor yang menopang adopsi institusional yang bertanggung jawab
Keadilan — memastikan manfaat perubahan terakumulasi merata di antara institusi dan pembelajar
Model Adopsi Teknologi — pendorong adopsi yang menjelaskan bagaimana perubahan menyebar
Integritas Akademik — jangkar regulasi pusat tempat reformasi penilaian diorganisasikan
Dukungan dan Keberhasilan Siswa — mempertahankan program dukungan melampaui uji coba

FAQ terkait

Sumber daya terkait

Campus AI Framework
Model operasi pendidikan tinggi untuk strategi dan tata kelola AI: delapan pilar institusional, empat domain penerapan, dan Strategic Compass untuk memilih inisiatif, dengan diagram yang memetakan situs pendampingnya.
The Institutional AI Readiness Pack
Asesmen kesiapan AI dan perangkat penerapan tingkat universitas: asesmen mandiri kematangan, survei peneliti dan pembimbing, analisis kesenjangan, taklimat peran dan kebijakan model.

Metadata

Tingkat	Higher Ed
Institusi dan kebijakan	Manajemen Perubahan
Dasar-dasar AI dalam pendidikan	AI dalam Pendidikan

Sumber Riwayat Sunting Obrolan