Basis Pengetahuan AIEdAIEd KB
Di halaman ini

Baca halaman ini dalam bahasa Inggris

Konsep

AIEd dalam Disiplin Ilmu

Dibuat 2026-08-16 · Diperbarui 2026-11-04

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

AIEd dalam Disiplin Ilmu — penerapan kecerdasan artifisial pada pengajaran dan pembelajaran dalam mata pelajaran akademik tertentu, ketika pedagogi khas, metode, teori, dan kekhawatiran masing-masing disiplin membentuk bagaimana AI dirancang, dipakai, dan dievaluasi. Alih-alih memperlakukan AI dalam pendidikan sebagai satu fenomena generik, ikhtisar ini mengorganisasi cakupan spesifik disiplin basis pengetahuan dan menyingkap tema lintas potong yang merentang dalam riset AIEd bidang studi.

Pertanyaan yang Perlu Dipertimbangkan

  • Tutor matematika yang unggul dalam umpan balik benar/salah bisa gagal di humaniora, tempat interpretasi dan kepengarangan lebih penting daripada kebenaran. Bagaimana disiplin Anda sendiri mendefinisikan apa yang dihitung sebagai 'umpan balik yang baik'?
  • Riset pada 560 siswa menemukan bahwa afiliasi disipliner memprediksi seberapa sering dan seberapa terbuka siswa memakai AI generatif. Mengapa disiplin dapat bertindak sebagai keseluruhan 'sistem aktivitas' yang membentuk penggunaan AI — alih-alih AI menjadi alat netral di mana-mana?
  • 'Tindakan kognitif' yang dialihkan ke AI bersifat spesifik disiplin: komputasi dalam matematika, kode dalam ilmu komputer, komposisi dalam penulisan. Jika ketergantungan berlebih tampak berbeda di setiap bidang, bagaimana Anda mendeteksinya di bidang Anda?
  • Apa arti AI bagi disiplin yang pedagogi khasnya adalah kerja laboratorium praktik langsung, atau pemaknaan interpretatif, alih-alih pemecahan masalah? Apakah ada mata pelajaran yang seharusnya memberi AI peran kecil?
  • Beberapa disiplin — hukum, sejarah, seni — masih tipis dalam riset pendidikan AI. Penggunaan AI disiplin mana yang paling perlu diperhatikan, dan apa yang harus dihormati AI yang baik di bidang itu yang tidak dihormati alat generik?

Pendahuluan

AI dalam pendidikan terwujud secara berbeda di seluruh disiplin karena setiap bidang memiliki pedagogi khasnya sendiri — cara khas pengetahuan dikonstruksi, dipraktikkan, dan diajarkan. Tutor AI yang bersinar dalam matematika bisa gagal di humaniora, tempat interpretasi dan kepengarangan lebih penting daripada jawaban benar. Halaman ini adalah peta payung bagi untaian spesifik disiplin itu, yang kini merentang dari mata pelajaran sekolah melalui pelatihan profesional dan terapan hingga praktik studio. Salah satu anggota untaian itu sama sekali bukan mata pelajaran yang diajarkan: Ilmu Pembelajaran adalah bidang riset di sekitar AI dalam pendidikan, yang memasok mekanisme yang dioperasionalkan sistem AI dan standar yang dengannya sistem itu dinilai — ia mengambil pandangan lintas potong, bertentangan dengan premis halaman ini bahwa materi pelajaran adalah yang mengubah apa yang seharusnya dilakukan dukungan.

Konsep spesifik disiplin

Basis pengetahuan memiliki halaman konsep khusus untuk beberapa bidang studi:

  • Pendidikan Matematika — Tutoring AI, pemecahan masalah adaptif, dan diagnosis konseptual dalam matematika.
  • Pendidikan Fisika — Simulasi AI, chatbot, dan pengajuan masalah dalam pembelajaran fisika.
  • Pendidikan Kimia — AI dalam desain laboratorium/eksperimen, penilaian formatif yang dimediasi AI, pengajaran berbasis konteks dan inkuiri, batas teknis Model Bahasa Besar (LLM) pada tugas kimia, dan filsafat eksperimentasi.
  • Pendidikan Biologi — AI dalam instruksi laboratorium, literasi AI yang tertanam dalam kurikulum biologi, berpikir kritis di era AI, dan alat khusus (identifikasi spesies, pencitraan biologis, pemodelan prediktif).
  • Pendidikan Ilmu Komputer — AI untuk pembuatan kode, debugging, dan dukungan pemrograman bagi pemula.
  • Pendidikan Teknologi Informasi — sayap terapan komputasi, yang menyiapkan praktisi untuk memilih, mengamankan, mengelola, dan menata kelola sistem terpasang yang dijalankan organisasi: unit analisisnya adalah sistem terpasang dan pertimbangan praktisi tentangnya, sementara pendidikan ilmu komputer mengambil program dan algoritme sebagai objeknya.
  • Menulis — Komposisi berbantuan AI, penilaian esai otomatis, dan umpan balik penulisan.
  • Pembelajaran Bahasa — Interlokutor AI, umpan balik pelafalan, dan latihan percakapan dalam bahasa kedua/asing.
  • Pendidikan Bahasa Inggris (EAP / EFL / ESL) — English for Academic Purposes (EAP) dan pengajaran bahasa Inggris (EFL/ESL/L2): register bahasa Inggris akademik, penulisan berbasis genre, serta umpan balik dan penilaian khusus bahasa Inggris — berbeda dari pembelajaran bahasa umum dan penulisan umum.
  • Pendidikan STEM — payung lintas disiplin bagi sains, teknologi, teknik, dan matematika.
  • Pendidikan Guru — persiapan dan pengembangan profesional guru (pra-jabatan dan dalam jabatan), sebuah disiplin tersendiri yang riset AI-nya berpusat pada literasi AI guru, Pengetahuan Teknologis, Pedagogis, dan Konten (TPACK) cerdas, dan kesiapan mengintegrasikan AI.
  • Pendidikan Kedokteran dan Profesi Kesehatan — Simulasi klinis, pelatihan berbasis pembelajaran penguatan, dan prinsip pembelajaran dasar dalam pendidikan profesi kesehatan.
  • Pendidikan Keperawatan — catatan empiris terpadat dalam untaian klinis: simulasi dengan pasien virtual, dukungan penalaran LLM, dan platform adaptif, dibingkai di sekitar pembentukan identitas profesional sebanyak kompetensi, dan cukup sempit untuk menamai batas tempat manfaat AI yang terdokumentasi berhenti (keterampilan psikomotor kompleks dan interaksi yang bermuatan emosi) alih-alih memperlakukan profesi kesehatan sebagai satu kasus.
  • Pendidikan dan Pelatihan Vokasional — persiapan awal bagi kejuruan dan okupasi teknis tertentu, diorganisasi oleh kerangka kualifikasi dan dinilai berdasarkan apa yang dapat dilakukan pembelajar dengan peralatan: ia melampaui pelatihan profesional dan peningkatan keterampilan di tempat kerja yang dicakup Pembelajaran di Tempat Kerja hingga mereka yang belum bekerja, dan pertanyaan desainnya yang berulang adalah bagian praktik mana yang mahal untuk distafkan dapat diserap AI tanpa menggeser pengulangan yang menghasilkan kompetensi.
  • Pendidikan Desain — pembentukan profesional berbasis studio dalam desain produk, layanan, interaksi, interior, dan arsitektur, ketika proses yang terlihat adalah objek yang dinilai dan alat generatif membuat artefak yang mengilap menjadi murah: ia menyempitkan disiplin studio yang dicakup Pendidikan Seni, Desain, dan Media ke jalur desain profesional, sehingga kritik, portofolio, dan regulasi alih-alih praktik material dan performatif yang membawa argumennya.
  • Pendidikan Teknik — pembentukan profesional, desain dan pembelajaran langsung, penggunaan AI yang etis, penilaian terwujud, dan persiapan tenaga kerja dalam teknik.
  • Pendidikan Bisnis — AI dalam pendidikan bisnis, ekonomi, dan manajemen: kerangka GenAI yang diinformasikan siswa, integrasi kurikulum melalui keselarasan konstruktif, dan persiapan bagi praktik profesional terintegrasi AI.
  • Pendidikan Humaniora dan Ilmu Sosial — kognisi interpretatif, kepengarangan, dan pemaknaan dalam humaniora dan ilmu sosial.
  • K-12 dan Pendidikan Tinggi — pendidikan tentang dan dengan AI pada setiap jenjang.

Tema lintas disiplin

Beberapa utas memotong semua disiplin, meski bermain keluar secara berbeda di masing-masing:

  • Disiplin sebagai sistem aktivitas. Jiang et al. (2026) menunjukkan, pada 560 mahasiswa sarjana di lima domain akademik, bahwa afiliasi disipliner berkaitan secara signifikan dengan frekuensi penggunaan dan praktik pengungkapan GenAI siswa — disiplin berfungsi sebagai sistem aktivitas yang norma, kebijakan, dan ekspektasi perannya membentuk bagaimana siswa terlibat dengan dan mengungkapkan GenAI. Ini bukti langsung bagi premis basis pengetahuan bahwa AI dalam pendidikan tidak netral disiplin.
  • Bentuk "interdisipliner" itu sendiri ditentukan disiplin. Xia et al. (2026) dalam tinjauan PRISMA atas 59 studi mengatalogkan enam bentuk pendidikan interdisipliner tempat AI hadir: integrasi STEM (n = 26), kohort dengan latar belakang siswa lintas disiplin (n = 14), bidang non-STEM (n = 10), konten pembelajaran lintas disiplin (n = 10), integrasi antar-STEM (n = 8), dan STEAM (n = 2). Distribusinya adalah temuan tingkat disiplin, bukan tingkat alat: interdisiplinaritas berbantuan AI sangat didominasi STEM, dan kohort dengan latar belakang lintas disiplin lebih sering diteliti daripada bidang non-STEM yang hendak dijembatani kohort itu. Tinjauan tersebut lebih lanjut menunjukkan bahwa fungsi AI yang sama berulang di seluruh pengaturan ini — asisten (n = 43), evaluator (n = 22), agen (n = 14), pemantau (n = 9) — sementara efek kognitif, perilaku, dan afektifnya berbeda menurut disiplin dan pemangku kepentingan, dengan siswa paling banyak diteliti (n = 57), guru berikutnya (n = 26), dan staf administratif hampir tidak diteliti sama sekali (n = 4).
  • Tutoring dan umpan balik. Sistem tutoring AI (Tutoring AI, Tutoring Cerdas, Umpan Balik, Kualitas Umpan Balik AI) muncul di hampir setiap disiplin, dari tutor matematika dan fisika hingga umpan balik penulisan dan bahasa. Disiplin membentuk apa yang dihitung sebagai umpan balik yang baik — benar/salah dalam matematika, mutu argumen dalam penulisan, kelancaran dalam bahasa.
  • Penilaian dan evaluasi. Penilaian Otomatis, Penilaian Otomatis, Penskoran Esai Otomatis, dan Penilaian Formatif dibayangkan kembali oleh AI di seluruh disiplin, tetapi konstruk penilaiannya berbeda (akurasi prosedural vs. kedalaman interpretatif vs. kompetensi komunikatif).
  • Offloading kognitif dan ketergantungan berlebih. Risiko Offloading Kognitif dan Ketergantungan Berlebih muncul di matematika, ilmu komputer, dan penulisan, meski "tindakan kognitif" yang dialihkan bersifat spesifik disiplin — komputasi vs. kode vs. komposisi.
  • Literasi AI dan penggunaan kritis. Literasi AI, Berpikir Kritis, dan Pedagogi Kritis mendasari penggunaan yang bertanggung jawab di setiap mata pelajaran.
  • Landasan disipliner menjadi gerbang metakognisi berbantuan AI. Dalam seminar linguistik teks, pemula merefleksikan secara metakognitif dengan LLM terutama ketika pengetahuan subjek sudah terkonsolidasi, dan sebagian besar mengatribusikan keluaran yang buruk ke model alih-alih ke prompt mereka sendiri — bukti bahwa desain prompt harus diajarkan secara eksplisit di dalam suatu disiplin (Brocca & Garassino (2026)).
  • Keadilan dan akses. Keadilan, Kesenjangan Digital, dan Pedagogi Relevan Budaya menjadi perhatian semua disiplin.

Pedagogi khas, metode, dan teori menurut disiplin

Setiap disiplin membawa tradisi pedagogis khas yang digeluti riset AI:

Disiplin yang terwakili dalam basis pengetahuan

Cakupan spesifik disiplin terkuat basis pengetahuan ada pada STEM secara luas — terutama Pendidikan Matematika, Pendidikan Fisika, Pendidikan Kimia, Pendidikan Biologi, dan Pendidikan Ilmu Komputer — diikuti Pendidikan Statistika dan Ilmu Data — untaian yang berbeda dari matematika karena pedagogi khasnya adalah investigasi data alih-alih penalaran menuju jawaban yang telah ditentukan — Contoh dari masalah desain untaian itu sendiri: DagFlow-AI memakai pipeline agensik untuk menghasilkan kumpulan data sintetis yang sesuai konteks, yang menangani materi yang dibutuhkan mata kuliah statistika alih-alih penjelasannya — dan, menurut pengakuan penulisnya sendiri, tidak dapat mengajarkan pengumpulan data, pengukuran, atau desain studi. dan Menulis, Pembelajaran Bahasa (dengan untaian Pendidikan Bahasa Inggris (EAP / EFL / ESL) tersendiri untuk EAP/EFL/ESL), dan lebih baru Pendidikan Teknik, Pendidikan Guru (dengan badan riset pelatihan AI pra-jabatan dan dalam jabatan yang substansial), Pendidikan Kedokteran dan Profesi Kesehatan, dan Pendidikan Humaniora dan Ilmu Sosial. Teknik dan desain juga memiliki badan artikel yang terus tumbuh. Konsentrasi ini mengikuti literatur yang lebih luas: tinjauan Xia et al. (2026) menemukan STEM sebagai bentuk interdisipliner paling umum dalam pendidikan tinggi berbantuan AI (n = 26), jauh di depan bidang non-STEM (n = 10) dan STEAM (n = 2) — peringatan tingkat disiplin bahwa bukti AI-dalam-pendidikan menumpuk paling cepat di tempat perkakas komputasional paling mudah ditanamkan, bukan tentu di tempat nilai pedagogis AI paling besar. Tambahan terbaru memperluas untaian melampaui mata pelajaran akademik ke pendidikan profesional dan terapan — keperawatan, teknologi informasi, dan pendidikan dan pelatihan kejuruan — ketika pembelajar dinilai berdasarkan praktik yang ditunjukkan alih-alih berdasarkan kebenaran, dan ketika pemberi kerja dan badan lisensi, bukan hanya akademi, mendefinisikan apa yang dihitung sebagai kompetensi.

Untaian kejuruan adalah yang tertipis dalam bukti itu: tinjauan sistematis atas 26 studi dalam pendidikan dan pelatihan kejuruan tidak menemukan satu pun yang dilakukan di pengaturan tempat kerja meskipun karakter VET berbasis kerja, hanya lima eksperimen teracak, dan hanya tiga desain yang memberi pembelajar peran aktif (Deutscher et al. (2026)).

Disiplin yang kurang terwakili

Beberapa disiplin tetap tipis dalam basis pengetahuan dan merupakan kandidat baik untuk penambahan sumber mendatang:

Disiplin yang kurang terwakili ini akan memperoleh manfaat dari halaman konsep khusus dan penambahan artikel tambahan seiring basis pengetahuan tumbuh.

Miskonsepsi Umum

  • "Disiplin terutama penting untuk contoh konten." Riset pada 560 siswa menemukan afiliasi disipliner memprediksi seberapa sering dan seberapa terbuka siswa memakai AI generatif. Disiplin membentuk apakah alat itu dipakai sama sekali dan apakah penggunaan itu diungkapkan, bukan hanya tentang apa alat itu ditanyai.
  • "Interdisiplinaritas adalah tujuan institusional generik." Bentuk "interdisipliner" itu sendiri ditentukan disiplin: Xia et al. (2026) dalam tinjauan PRISMA-nya menemukan bentuk yang diambilnya bervariasi menurut bidang. Satu definisi institusional tunggal salah membaca setidaknya sebagian disiplin yang dicakupnya.
  • "Pendidikan kejuruan memiliki basis riset yang sebanding dengan disiplin akademik." Untaian kejuruan paling tipis dalam bukti itu: tinjauan sistematis atas 26 studi dalam pendidikan dan pelatihan kejuruan menemukan tidak satu pun dilakukan di pengaturan tempat kerja — pengaturan tempat kompetensi itu benar-benar dijalankan. Ketiadaan literatur adalah celah, bukan hasil nol.

Konsep terkait

Artikel terkait

Metadata

DisiplinStem Education, Math Education, Physics Education, Cs Education, Language Learning, Writing Education, Medical Education, Humanities Education, Business Education, Design Education, Information Technology, Vocational Education, Nursing Education, Learning Sciences
Dasar-dasar AI dalam pendidikanAI dalam Pendidikan
SumberRiwayatSuntingObrolan

Sematkan halaman ini

Salin kode di bawah untuk menyematkan halaman ini di sistem manajemen pembelajaran atau situs web lain. Versi yang disematkan hanya menampilkan konten halaman — header, navigasi, dan footer situs disembunyikan.