Di halaman ini

Baca halaman ini dalam bahasa Inggris

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

Pembelajaran terwujud — prinsip pedagogis bahwa pembelajaran berakar pada pengalaman tubuh, interaksi fisik, dan konteks sensorimotor pembelajar. Pendekatan terwujud berpendapat bahwa kognisi tidak sepenuhnya abstrak melainkan dibentuk oleh tubuh dan interaksinya dengan lingkungan. Dalam AI dalam pendidikan, perwujudan dihadirkan melalui robot pendidikan dan robot sosial, yang kehadiran fisiknya membumikan konsep abstrak (seperti logika program atau keterampilan sosial) pada perilaku yang dapat diamati dan dimanipulasi.

Pertanyaan yang Perlu Dipertimbangkan

  • Kita sering menganggap belajar sebagai sesuatu yang terjadi 'di dalam kepala', dengan tubuh hanya membawa otak ke mana-mana. Bagaimana jika pembelajaran sebenarnya berakar pada pengalaman tubuh dan interaksi dengan lingkungan? Sebutkan satu pelajaran yang Anda rasa menuntut tubuh Anda — dan bisakah itu dipelajari secara murni abstrak?
  • Pendekatan terwujud mengklaim bahwa agen fisik yang dapat dimanipulasi membantu pembelajar menghubungkan gagasan abstrak dengan hasil konkret — misalnya melihat sebuah program membuat robot bergerak. Kapan Anda pernah menyadari bahwa melakukan sesuatu secara fisik membuat konsep abstrak akhirnya 'klik'?
  • Sebagian peneliti memperlakukan gestur sebagai bukti pemahaman — melacak gerakan tangan siswa bersama tuturannya untuk menilai pemahaman konseptual. Jika tangan siswa 'tahu' konsep itu sebelum kata-katanya, apa implikasinya bagi cara kita menilai pembelajaran?
  • Kritik yang sedang berkembang menantang AI 'tanpa tubuh' yang beroperasi pada simbol abstrak, dengan argumen bahwa AI seharusnya dirancang di sekitar kecerdasan terwujud agar menopang berpikir pembelajar alih-alih mengalihkannya. Menurut Anda, dapatkah AI yang tidak pernah memiliki tubuh sepenuhnya mendukung pembelajaran terwujud?

Pendahuluan

Pembelajaran terwujud berhubungan erat dengan Pembelajaran Aktif, Pembelajaran Eksperiensial, dan teori situasional/Konstruktivisme. Klaim kuncinya adalah bahwa agen fisik yang dapat dimanipulasi membantu pembelajar menghubungkan gagasan abstrak dengan hasil konkret — program yang membuat robot bergerak, atau bermain peran dengan robot fisik — dengan cara yang mungkin tidak dicapai interaksi berbasis layar murni. Robotika adalah perwujudan AI paling jelas dalam pendidikan, memberi pembelajar sesuatu untuk dilihat, disentuh, dan diamati.

Bagaimana pembelajaran terwujud muncul dalam penelitian basis pengetahuan

  • Pemrograman yang terbumikan: RoboBlockly Studio membumikan pemrograman blok pada eksekusi robot yang terwujud, menciptakan lingkar rapat antara menulis, menjalankan, mengamati, dan merevisi sehingga pembelajar melihat kode mereka menjadi perilaku.
  • Interaksi robot sosial: Robot sosial yang dipakai untuk bercerita (MotiBo, RoboBuddy), bermain peran (REMind), dan bahasa isyarat (Pepper) menyediakan interaksi sosial terwujud yang mendukung pembelajaran relasional dan emosional.
  • Fitur perwujudan bukan yang menggerakkan hasil. Meta-analisis atas 11 studi RALL (N = 595, g = 0.83, I² = 84.4%) menemukan bahwa morfologi robot, modalitas, otonomi, dan peran sosial tidak memoderasi pembelajaran L2; format berbasis kelompok mengalahkan format satu-lawan-satu, sehingga posisi robot, bukan perwujudannya, yang membawa efek (Wang et al. (2026)).
  • Perwujudan dan penulisan kreatif: Penelitian tentang integrasi robot-LLM dalam penulisan kreatif mengkaji bagaimana perwujudan memengaruhi interaksi dan hasil pembelajar.
  • Interaksi manusia–robot: Penelitian HRI (kepercayaan, agensi) mengkaji bagaimana perwujudan fisik membentuk kepercayaan, keterlibatan, dan otonomi.
  • Gestur sebagai bukti pemahaman: Morphew et al. memadukan pelacakan gestur berbasis visi komputer dengan analisis Model Bahasa Besar (LLM) atas tuturan untuk menunjukkan bahwa pemahaman konseptual mahasiswa teknik atas statistika terungkap melalui tuturan maupun gestur. Gestur penjelas dengan keyakinan tinggi mengelompok di sekitar konsep tertentu (terutama rerata), dan kopling gestur–tuturan yang erat menandakan pembicaraan konseptual yang koheren sementara divergensi menandai gagasan yang sedang berkembang — sehingga memosisikan tindakan terwujud sebagai bukti dalam penilaian melalui analitik pembelajaran multimodal, bukan hanya sebagai mekanisme belajar.
  • Fasilitator yang hanya berbahasa menarik inkuiri ke arah yang dapat dikatakan. Di laboratorium statika fluida tingkat magister, siswa membangun model gaya apung dengan tangan sebelum fasilitator berbasis Gemini bergabung untuk menerapkannya pada fenomena baru. Pada tiga pasangan, AI mempertahankan urutan ISLE, tetapi ketika didesak "tolong beri tahu saja", ia menghasilkan nilai massa yang tidak diukur siapa pun, dan satu peserta jarak jauh menyelesaikan siklus yang benar secara fisik namun bersih tanpa tubuh (Tufino & Damiani, 2026). Pelajaran desainnya adalah urutan, bukan substitusi: bangun model di tubuh dahulu, lalu biarkan model bahasa bekerja menerapkannya.

Kecerdasan terwujud dan kritik atas AI tanpa tubuh

Untaian kedua yang lebih teoretis dalam penelitian perwujudan basis pengetahuan ini menyangkut peran tubuh dalam pembelajaran yang dimediasi AI — bukan melalui robot fisik, melainkan melalui pertanyaan apakah sistem AI itu sendiri (atau dapat menjadi) terwujud. Karya ini menantang dominasi model AI simbolik dan tanpa tubuh yang dibangun di atas pemrosesan informasi abstrak:

Pembelajaran terwujud terhubung dengan Robot dalam Pendidikan, Robot dalam Pendidikan, Robot dalam Pendidikan, Pembelajaran Aktif, Pembelajaran Eksperiensial, Pembelajaran Tersituasi, Kognisi Terdistribusi, Berpikir Komputasional, dan Pembelajaran Sosial-Emosional.

  • Pelacakan tubuh mengubah regulasi menjadi sinyal yang terukur. Dalam simulasi fotosintesis realitas campuran ketika tag gerak memindahkan agen siswa melintasi model yang diproyeksikan, pipeline LLM memberi label pada 470 segmen perilaku pengaturan diri dalam 40 menit video, dengan pemaksaan (enacting dominating) sebesar 66.4% (Fonteles et al., 2026).

  • AI lebih banyak mengamati tubuh daripada bergabung dengannya. Dalam tinjauan PRISMA atas 23 studi AI untuk pembelajaran terwujud, 40 peran AI yang dikode didominasi penginderaan: analisis dan evaluasi 40.0% serta pengenalan dan deteksi 22.5%, dibanding 35.0% untuk peran yang bertindak di dalam aktivitas (umpan balik dan pembinaan 15.0%, interaksi 12.5%, pembuatan konten 7.5%). Mengeluarkan tiga makalah bernilai Rendah dan empat yang tak dapat dinilai memangkas interaksi menjadi 6.7% dan pembuatan konten menjadi 3.3%, sehingga bukti bahwa AI bergabung dalam lingkar terwujud bertumpu pada makalah terlemah (Kim dan Han (2026)).

  • Literatur yang paling bertubuh justru paling sedikit mengukur tubuh. Dari 32 tag hasil, hasil kognitif mengambil 43.8%, afektif 34.4%, dan psikomotor 21.9%, urutan yang tetap bertahan di antara 16 makalah bernilai lebih tinggi (24.0% dari 25 tag). Penulisnya menyalahkan sulitnya memilih ukuran psikomotor dan kebiasaan memprioritaskan perolehan kognitif, bukan efek yang lemah pada keterampilan tubuh. Tak satu pun sistem yang ditinjau dirancang untuk pembelajar yang bertindak bersama; kolaborasi yang muncul adalah kerja sama antara guru dan AI (Kim dan Han (2026)).

Miskonsepsi Umum

  • "Tubuhlah yang membuat pembelajaran terwujud berhasil." Meta-analisis atas 11 studi RALL (N = 595, g = 0.83, I² = 84.4%) menemukan bahwa morfologi robot, modalitas, otonomi, dan peran sosial tidak memoderasi hasil pembelajaran bahasa kedua. Fitur perwujudan bukan bahan aktifnya, dan heterogenitas cukup tinggi (I² = 84.4%) sehingga efek gabungan menggambarkan kumpulan intervensi yang sangat beragam.
  • "Efek besar menyelesaikan soal mekanisme." g = 0.83 dengan 595 peserta pada 11 studi adalah sinyal nyata dan tidak mengidentifikasi apa yang menghasilkannya. Karena fitur desain tidak memoderasi efek, mekanisme yang masuk akal terletak pada aktivitas pedagogis, bukan pada perangkat keras — dan itu mengubah apa yang perlu diinvestasikan.
  • "Perwujudan tidak dapat diukur, jadi tetap teoretis." Pelacakan tubuh dapat mengubah regulasi menjadi sinyal terukur: dalam simulasi fotosintesis realitas campuran ketika tag gerak memindahkan agen siswa melintasi model yang diproyeksikan, pipeline LLM memberi label pada 470 segmen perilaku regulasi. Konstruknya dapat dioperasionalkan meski sulit didefinisikan.

Konsep terkait

Artikel terkait

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.