Kognisi Terdistribusi

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

Kognisi Terdistribusi — perspektif teoretis bahwa kognisi tidak terbatas pada pikiran individu melainkan terdistribusi di antara orang, alat, artefak, dan lingkungan. Dalam penelitian AI dalam pendidikan, kerangka ini menjadi sentral untuk memahami kolaborasi manusia–AI: alih-alih memandang AI sebagai alat netral yang mendukung pembelajar yang sebaliknya tertutup, kognisi terdistribusi memperlakukan berpikir sebagai sesuatu yang muncul dari jalinan antara pembelajar, sistem AI, teman sebaya, dan konteks bersama mereka. Kerangka ini membingkai ulang pertanyaan tentang Agensi Pembelajar, tanggung jawab, dan hasil belajar dalam hal bagaimana kerja kognitif dibagi di seluruh sistem manusia–AI.

Pertanyaan yang Perlu Dipertimbangkan

Kognisi terdistribusi menyatakan bahwa berpikir tidak terbatas pada satu pikiran, melainkan tersebar di antara orang, alat, dan lingkungan. Ketika Anda memakai kalkulator, aplikasi catatan, atau asisten AI, di manakah 'berpikir' itu sebenarnya terjadi?
Jika kognisi terdistribusi di antara manusia dan AI, siapa yang bertanggung jawab ketika hasilnya salah — dan siapa yang akuntabel atas pembelajarannya?
Satu kerangka membedakan 'agensi fungsional' AI (kemampuannya memengaruhi hasil) dari 'tanggung jawab moral' (yang tetap berada pada manusia). Apakah pembedaan itu bertahan dalam praktik, atau tanggung jawab mengabur ketika manusia tidak dapat memahami apa yang dilakukan sistem?
Sistem manusia–AI yang mendistribusikan penalaran paling efisien cenderung menghasilkan kinerja tugas tertinggi tetapi pembelajaran mandiri paling sedikit. Mengapa membuat sistem 'lebih pintar' di tingkat kelompok justru membuat pembelajar individu lebih lemah?
Argumen 'Cognitive Commons' menyatakan bahwa penguasaan terdistribusi bergantung pada keahlian yang terinternalisasi — Anda tidak dapat mengawasi secara efektif sistem AI yang tidak Anda pahami secara mendalam. Bagaimana itu menantang gagasan bahwa AI memungkinkan kita melewati kerja keras belajar?

Pendahuluan

Ini adalah konsep teori pembelajaran dalam untaian Teori Belajar basis pengetahuan ini, yang berhubungan erat dengan Pembelajaran Terwujud, Pembelajaran Tersituasi, dan Offloading Kognitif. Kognisi terdistribusi (DCog), yang berasal dari karya Edwin Hutchins dan rekan-rekannya, menjelaskan bagaimana proses kognitif seperti memori, penalaran, dan Pemecahan Masalah tersebar di antara banyak agen dan sistem material, bukan berada dalam satu kepala. Dalam pendidikan AI hal ini penting karena sistem AI semakin berfungsi sebagai mitra kognitif sejati yang memikul sebagian beban berpikir, sehingga memunculkan pertanyaan di mana pembelajaran sebenarnya terjadi dan siapa yang bertanggung jawab.

Bagaimana AI menggeser distribusi kognisi

Sistem AI generatif dan interaktif mendistribusikan ulang kerja kognitif dengan cara yang tidak dilakukan alat-alat sebelumnya. Basis pengetahuan mendokumentasikan beberapa dimensi pergeseran ini:

AI sebagai mitra kognitif dan ko-regulator. AI dapat bertindak sebagai perancah, dukungan metakognitif, sistem memori eksternal, dan mitra keputusan dalam ko-Regulasi AI dalam Pendidikan berpikir dan belajar.(Artificial intelligence as a cognitive partner: a developmental framework for human-AI co-regulation in learning) Ini memosisikan kognisi sebagai sesuatu yang diregulasi bersama antara pembelajar dan sistem, bukan dikelola secara individual.
Volume penggunaan AI tidak mengungkap bentuk kerja terdistribusi yang sedang berlangsung: Poquet et al. (2026) menemukan bahwa profil berbasis volume dari 97 pembelajar berbeda dalam pengetahuan awal dan kepengarangan tetapi tidak dalam prompting berperan aktif atau tingkat pemahaman, sehingga aktivitas bersama dan pembagian kerja dapat menyertai jumlah penggunaan yang sama.
Redistribusi agensi dan tanggung jawab. Kerangka seperti kognisi ansambel mengonsep ulang berpikir sebagai sesuatu yang muncul dari interaksi manusia–AI yang dinamis, membedakan agensi fungsional AI (kapasitasnya memengaruhi hasil tanpa kesadaran) dari tanggung jawab moral (yang tetap pada manusia).(Towards a philosophy of ensemble cognition: Reconceptualising agency and mind in AI-mediated educational environments) Kognisi terdistribusi dengan demikian membingkai ulang siapa yang akuntabel atas pembelajaran.
Ketegangan efisiensi–regulasi. Kerja empiris menunjukkan trade-off: sistem manusia–AI yang mendistribusikan penalaran paling efisien (misalnya melalui penalaran yang didelegasikan) mencapai kinerja tugas lebih tinggi tetapi dapat mengurangi keterlibatan pengaturan diri pembelajar.(Unpacking Interaction Profiles and Strategies in Human-AI Collaborative Problem Solving: A Cognitive Distribution and Regulation Perspective) Ini adalah wajah empiris dari risiko Offloading Kognitif dan Ketergantungan Berlebih yang didokumentasikan basis pengetahuan.
Mediasi dalam kolaborasi. AI dapat bertindak sebagai mediator pedagogis yang mengorkestrasi interaksi, pemaknaan epistemik, dan proses regulasi dalam pembelajaran kolaboratif, sehingga mendistribusikan ulang agensi, otoritas, dan tanggung jawab di antara aktor manusia dan non-manusia.(Beyond Automation: AI as a Pedagogical Mediator in Collaborative Learning)
Konfigurasi akses mendistribusikan kognisi di dalam kelompok. Xu et al. (2026) menunjukkan bahwa bagaimana sebuah tim berbagi GenAI menentukan distribusi kognisi: kerja sinkron pada satu antarmuka bersama mempertahankan model kognitif bersama (prompt kolektif, memori eksternal bersama), sedangkan penggunaan privat asinkron memecahnya, dengan keluaran diberi label ulang secara selektif sebelum dibagikan. GenAI dengan demikian berfungsi sebagai peserta kognitif terdistribusi sekaligus ruang kolaboratif interaktif yang permeabilitasnya harus dirancang (konteks bersama mengalir masuk, wawasan privat tidak mengalir balik secara otomatis).
Guru pun mengalami distribusi yang didominasi AI versus distribusi komplementer. Logika efisiensi–regulasi yang sama berlaku pada sisi guru dalam desain pelajaran: Choi et al. (2026) menemukan bahwa guru pemula mendelegasikan sebagian besar beban kognitif desain instruksional kepada sistem AI (distribusi yang didominasi AI, dengan sebagian besar respons diterima begitu saja), sedangkan guru berpengalaman yang cakap AI mencapai distribusi komplementer di mana keahlian pedagogis dan dukungan komputasional AI saling memperkuat — dan karena GenAI menghasilkan serta menyusun bersama informasi alih-alih sekadar menyimpannya, mereka menyebutnya kognisi bersama partisipatif, bukan sekadar penggunaan alat.
Jenis interaksi, bukan hasil, sebagai unit. Willcox, Lane dan Arikan (2026) membangun Cognitive Distribution Framework dari 53 log penggunaan ChatGPT mandiri: lima jenis interaksi (ekstensi, outsourcing, penyelarasan, transformasi, pemutusan) dan empat peran pengguna, sehingga siswa yang sama dapat mengalihkan beban dalam satu pertukaran dan berpikir bersama pada pertukaran berikutnya.
Memori transaktif memberi distribusi itu mekanisme yang terukur. Di antara 891 mahasiswa di Amerika Serikat dan Türkiye, baik penilaian diri atas kemampuan berpikir maupun keyakinan pada kemitraan AI tidak memprediksi berpikir kritis secara langsung. Keduanya bekerja melalui pengalaman GenAI yang terakumulasi, yang hanya berpengaruh melalui spesialisasi dan koordinasi kerja (b = 0.636) serta transformasi reflektif atas keluaran (b = 0.367) (Akgun & Toker, 2026). Kedua mediator itu kemudian memprediksi berpikir kritis (b = 0.230 dan 0.175) tanpa jalur langsung yang tersisa, sehingga yang dipakai sistem manusia–AI untuk berpikir adalah pengaturan kerjanya, bukan jumlah penggunaannya.

Kognisi terdistribusi dan perspektif terkait

Basis pengetahuan memperlakukan kognisi terdistribusi bersama tradisi teoretis tetangganya, yang saling tumpang tindih tetapi tidak identik:

Pembelajaran situasional / kognisi situasional menekankan bahwa kognisi dan pembelajaran tak terpisahkan dari konteks autentik dan komunitas praktik tempat keduanya terjadi — pelengkap bagi fokus DCog pada distribusi kognitif antar sistem.
Kognisi terwujud menekankan peran tubuh dan interaksi sensorimotor, dengan argumen bahwa berpikir berakar pada keterlibatan tubuh dan bukan pada manipulasi simbol abstrak.
Offloading Kognitif adalah mekanisme praktis ketika kerja kognitif diserahkan kepada sistem eksternal (termasuk AI), dan merupakan padanan yang sarat risiko bagi uraian deskriptif DCog.
Kognisi diperluas / tesis pikiran diperluas (dipakai dalam karya posthumanis) menyatakan bahwa artefak eksternal dapat menjadi bagian konstitutif suatu sistem kognitif, bukan sekadar instrumen — klaim yang lebih kuat bahwa AI adalah bagian dari pikiran pembelajar itu sendiri.(Pedagogical Symbiosis: conceptualizing the Post-Human Learner in the age of cognitive AI)

Mengapa ini penting bagi desain dan evaluasi AI

Kognisi terdistribusi menyediakan lensa desain sekaligus lensa evaluasi. Untuk desain, ia menanyakan bagaimana membagi kerja kognitif antara pembelajar dan AI untuk mempertahankan (bukan mengikis) agensi pembelajar manusia, Metakognisi, dan regulasi diri. Untuk evaluasi, ia membingkai ulang metrik keberhasilan: alih-alih hanya bertanya "apakah kinerja meningkat?", DCog menanyakan apakah distribusi kognisi mendukung pembelajaran yang tahan lama, agensi epistemik, dan keadilan pendidikan — perspektif yang terhubung dengan Evaluasi AI dalam Pendidikan dan Teori Belajar.

Fowlin et al. (2026) mengoperasionalkan pembagian itu sebagai urutan dua fase: bangun kompetensi inti tanpa AI terlebih dahulu, lalu perkenalkan AI sebagai mitra kognitif yang sarannya dievaluasi secara kritis oleh siswa, untuk mencegah penurunan keterampilan yang terkait otomasi (Fowlin et al. (2026)).

Penguasaan terinternalisasi vs. terdistribusi. Kerangka Cognitive Commons (Lovett 2026) membedakan Penguasaan Terinternalisasi (pengetahuan domain yang mendalam dalam pikiran individu) dari Penguasaan Terdistribusi (mengorkestrasi sistem manusia–AI) dan berargumen bahwa yang terakhir bergantung pada yang pertama melalui "Validation Tether": pengawasan efektif atas sistem terdistribusi/AI mengandaikan keahlian terinternalisasi yang mungkin justru dirusak sistem-sistem itu. Ini mempertajam pertanyaan desain DCog — distribusi kognisi tidak boleh mengorbankan keahlian yang memvalidasinya.

Miskonsepsi Umum

"Dokumen bersama berarti kognisi bersama." Profil berbasis volume dari 97 pembelajar berbeda dalam pengetahuan awal dan kepengarangan tetapi tidak dalam prompting berperan aktif atau tingkat pemahaman. Volume partisipasi mengukur paparan, bukan distribusi kerja kognitif — jadi analitik penggunaan alat kolaboratif hanya sedikit berbicara tentang siapa yang berpikir.
"Semua orang mengalihkan beban ke AI secara setara." Guru pemula mendelegasikan sebagian besar beban kognitif desain instruksional kepada sistem AI, sehingga sampai pada distribusi yang didominasi AI di mana mereka sebagian besar menerima respons, sedangkan guru berpengalaman dan berpengetahuan AI mendistribusikan secara berbeda. Keahlian tampak pada di mana beban diletakkan, bukan hanya pada seberapa banyak AI dipakai.
"Semakin banyak keterlibatan AI berarti semakin banyak dukungan." Distribusi yang didominasi AI adalah pola yang perlu diwaspadai, karena porsi kerja kognitif manusia menyusut sementara volume keluaran naik. Sistem dapat tampak lebih mampu justru ketika pengguna mengerjakan lebih sedikit.

Konsep terkait

Metadata

Pembelajaran dan pengajaran	Kognisi Terdistribusi, Pembelajaran Terwujud, Teori Belajar, Metakognisi, Pembelajaran Tersituasi
Dasar-dasar AI dalam pendidikan	Agensi Pembelajar, Offloading Kognitif, Kolaborasi Manusia-AI

Sumber Riwayat Sunting Obrolan