Empati

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

Sintesis: Empati masuk ke pendidikan dari tiga arah sekaligus: sebagai hasil yang coba diajarkan pendidik, sebagai konstruk yang coba mereka ukur, dan sebagai sesuatu yang semakin sering dikatakan ditampilkan sistem AI. Bukti di ketiga arah itu tidak merata. Mengajarkan empati berhasil — bermain peran, VR, dan dialog LLM semuanya menghasilkan kenaikan pra-pasca yang terukur — tetapi efeknya menyusut ketika pengalaman menjadi kurang berwujud, dan studi perbandingan mencampuradukkan modalitas dengan waktu pengerjaan. Mengukur empati lebih sulit daripada mengajarkannya: penilaian pengamat saling konsisten, sementara proksi computer vision sepakat soal kontak fisik, tidak sepakat soal kontak mata, dan berbalik arah soal senyum. AI dapat melatih percakapan empatik dalam skala besar, tetapi studi dengan kontrol terbaik menunjukkan kompetensi yang dinilai sendiri naik tanpa pemeriksaan kinerja yang diamati. Dan kekhawatiran terbaru bergerak ke arah sebaliknya: percaya bahwa AI dapat menyediakan empati membuat orang kurang bersedia menyediakannya sendiri (Shastry & Gray, 2026).

Pertanyaan yang Perlu Dipertimbangkan

Jika bermain peran, VR, dan chatbot semuanya menaikkan skor empati, apakah perbedaannya merupakan pembelajaran atau waktu pengerjaan?
Seorang mahasiswa keperawatan tersenyum kepada pasien yang kesakitan: pengamat membaca ketidaksesuaian, detektor senyum membaca kehangatan. Mana yang harus dipercaya oleh suatu penilaian?
Sebagian besar studi tentang pelatihan empati berbantuan AI mengukur kepercayaan diri alih-alih perilaku yang diamati. Jika kepercayaan diri naik tetapi perilaku tidak, apakah pelatihan itu gagal atau hanya belum diuji?
Ketika chatbot merespons dengan hangat, siswa melaporkan merasa dipahami. Apakah itu empati, pertunjukan empati, atau sesuatu yang penting terlepas dari yang mana?
Jika orang melepaskan tanggung jawab empatik begitu mereka percaya AI dapat melakukannya, apa implikasinya bagi kurikulum yang mengajarkan empati sebagian melalui praktik dengan AI?
Siapa yang harus memutuskan apakah empati merupakan hasil yang dapat dinilai — dan apa yang terjadi pada siswa yang akurat tetapi tidak hangat?

Pendahuluan

Empati biasanya diuraikan menjadi setidaknya dua komponen: komponen kognitif, yaitu pengambilan perspektif, dan komponen afektif, yaitu ikut merasakan perasaan orang lain, dengan sebagian uraian menambahkan komponen motivasional, yaitu dorongan untuk menolong. Distres pribadi — reaksi aversif terhadap penderitaan orang lain — sering diukur bersamaan dan berperilaku berbeda dari komponen lainnya. Hal ini penting bagi pendidikan karena komponen-komponen tersebut dapat diajarkan dengan cara berbeda dan diukur dengan tingkat keberhasilan yang berbeda.

AI masuk pada tiga titik yang berbeda, dan mencampuradukkannya adalah sumber kebingungan utama dalam literatur.

AI sebagai metode pengajaran empati manusia. Simulasi, pewujudan VR, bermain peran dengan persona yang dihasilkan LLM, dan citra generatif yang digunakan untuk membuat pengalaman orang lain menjadi hidup.
AI sebagai instrumen pengukuran. Computer vision yang menilai bahasa tubuh dalam simulasi terekam, atau skala yang memperlakukan empati sebagai disposisi yang diekspresikan dalam interaksi dengan AI.
AI sebagai aktor empatik. Chatbot yang memerankan pasien, pelatih, atau pendamping dan dirancang agar tampak memahami, yang memunculkan pertanyaan apakah empati itu nyata, dipertunjukkan, atau pengganti kontak manusia.

Dua yang pertama tentang pembelajar; yang ketiga tentang sistem. Halaman yang mencampuradukkan keduanya akan menghasilkan klaim seperti "AI meningkatkan empati" yang berarti tiga hal berbeda.

Dapatkah empati diajarkan?

Perbandingan langsungnya luar biasa bersih dalam desain dan luar biasa tercampur dalam pelaksanaan. Zwoliński et al. (2026) menugaskan secara acak 64 mahasiswa magister dalam mata kuliah aksesibilitas ke bermain peran dunia nyata dengan kursi roda, pakaian penuaan, dan simulator kehamilan; peralatan yang sama di laboratorium VR; atau dialog pembentukan persona dengan ChatGPT-4.0. Ketiga kelompok meningkat secara signifikan pada Davis Interpersonal Reactivity Index. Bermain peran naik 13,2%, VR 11,6%, dan kondisi AI 8,8%. Hanya Distres Pribadi yang berbeda secara signifikan antarkelompok.

Urutannya intuitif dan interpretasinya tidak. Ketiga kondisi berlangsung sekitar 125, 87, dan 42 menit, sehingga studi itu membandingkan modalitas dan dosis sekaligus. Adil untuk mengatakan bahwa dialog LLM selama 42 menit menghasilkan kenaikan yang lebih kecil daripada latihan berwujud selama dua jam; tidak adil untuk mengatakan bahwa pewujudan bernilai tiga kali lipat per menit. Para penulis menyatakan pencampuradukan itu secara eksplisit, dan rekomendasi mahasiswa mereka sendiri — menggabungkan keterulangan VR, kekayaan sensorik dunia nyata, dan adaptivitas LLM — adalah pembacaan bukti yang wajar.

Literatur profesi kesehatan menambah skala tetapi tidak banyak kejelasan kausal. Ismail dan Zafira (2026) meninjau 17 studi tentang AI untuk pengembangan ranah afektif dan menemukan bahwa intervensinya terkonsentrasi pada pelatihan komunikasi, pasien virtual, umpan balik reflektif, simulasi menyampaikan berita buruk, dan penilaian bergaya OSCE. Sebagian besar melaporkan kenaikan kepercayaan diri, efikasi diri, keterlibatan reflektif, atau keterampilan komunikasi yang dipersepsikan. Bukti untuk empati itu sendiri, responsivitas emosional, keaslian relasional, dan komunikasi nonverbal tetap terbatas. Itulah temuan utamanya: bidang yang berniat mengajarkan empati sebagian besar mengukur kenyamanan.

Untaian keempat membuat ambiguitas itu eksplisit: sensor gairah yang dapat dikenakan dan citra yang dihasilkan AI dapat membuat keadaan orang lain menjadi hidup, tetapi kenaikan konduktansi kulit adalah bukti gairah, bukan bukti empati, dan studi dalam alur ini sering berhenti di situ (Lim et al., 2024).

Dapatkah empati diukur?

Penilaian pengamat adalah hal yang paling mendekati standar rujukan, dan perilakunya cukup wajar. Dalam Nissan et al. (2026), dua dosen menilai 37 mahasiswa keperawatan dalam simulasi terekam dengan inventaris 12 butir (α = 0,91) dan skala enam gestur (α = 0,93), dan penilaian gestur berkorelasi dengan inventaris pada 0,41 sampai 0,63.

Algoritmanya menceritakan kisah yang lebih menarik. Deteksi kontak fisik sepakat dengan empat ukuran pengamat pada 0,46 sampai 0,54. Deteksi kontak mata dan heatmap tidak menunjukkan asosiasi signifikan dengan penilaian pengamat. Dan detektor senyum berkorelasi negatif dengan tiga ukuran pengamat, serta dengan empati total pada r = −0,322, karena para pengamat melihat seorang mahasiswa tersenyum kepada pasien yang kesakitan dan membacanya sebagai kegugupan atau ketidaksesuaian. Sinyalnya nyata; interpretasinya terbalik. Ini adalah celah inferensial yang sama yang didokumentasikan dalam analitik sensor dan tatapan, dalam latar yang taruhannya adalah nilai klinis.

Skala laporan diri menempati ujung lainnya. AI Empathy Scale for Generative AI Interaction memperlakukan empati sebagai disposisi manusia yang diekspresikan selama penggunaan AI dan menanyakan kepada responden tentang respons kognitif, afektif, dan motivasional mereka sendiri; struktur faktor awalnya tidak mereproduksi enam dimensi yang dimaksudkan (Kang et al., 2026). Kuesioner disposisi dan observasi perilaku tidak dapat dipertukarkan, dan tidak satu pun menggantikan penilaian pasien tentang apakah pertemuan itu terasa penuh perhatian.

Dapatkah AI melatih empati?

Ya, setidaknya untuk bagian latihannya. Müller et al. (2026) memberi 162 mahasiswa kedokteran satu percakapan dengan GPT-4o yang diprompt peran dalam salah satu dari empat skenario — pengambilan keputusan bersama, wawancara motivasional, konsultasi IMS, menyampaikan berita buruk — dan kompetensi komunikasi yang dinilai sendiri naik dari 5,89 menjadi 6,83 pada skala 0–10 (d = 0,58) setelah rata-rata 13 pertukaran. Mahasiswa menilai umpan balik AI berguna pada 7,92 dari 10, tetapi kecukupan umpan balik tidak memprediksi kenaikan itu (r = 0,08). Tidak ada kelompok kontrol.

Polanya berulang: latihan singkat dengan taruhan rendah menghasilkan kenaikan efikasi diri yang besar, dan mekanismenya lebih mungkin adalah latihannya daripada kritik model. Itu bukan alasan untuk membuang alatnya. Pasien terstandardisasi mahal, langka, dan terjadwal; chatbot bukan semua itu, dan mahasiswa yang sudah pernah membicarakan percakapan menyampaikan berita buruk sekali akan menggunakan sesi pasien terstandardisasi secara berbeda. Itu adalah alasan untuk berhenti menyebut kenaikan tersebut sebagai bukti kompetensi.

Ketika empati merupakan kualitas percakapan alih-alih keterampilan, buktinya adalah tentang persepsi. Wang et al. (2026) menjaga model, platform, dan temperature tetap konstan dan hanya mengubah peran serta gerakan percakapan dalam prompt, menghasilkan perbedaan besar dalam empati yang dipersepsikan (21,27 versus 18,24, r = 0,53). Empati, dalam pengertian yang dialami siswa, dapat dituliskan sebagai skrip. Apakah penulisan skrip itu baik secara pendidikan adalah pertanyaan terpisah.

Masalah substitusi

Alur kerja terbaru menanyakan apa yang dilakukan empati AI terhadap empati manusia. Dalam empat studi dengan 249, 494, 743, dan 737 partisipan, Shastry dan Gray (2026) menemukan bahwa semakin mampu orang percaya AI dalam memberikan dukungan emosional, semakin sedikit mereka bersedia memberikannya sendiri — offloading empati — dengan mengontrol empati sebagai sifat dan penggunaan AI sebelumnya. Ketika sumber dukungan penerima disebutkan, partisipan mengatakan mereka akan lebih sedikit melepaskan ke AI daripada ke teman atau terapis, karena mereka menilai kapasitas empatik AI lebih rendah. Pada ukuran perilaku, partisipan yang sama yang mengatakan tidak akan melepaskan justru memilih lebih sedikit kata empati dan lebih banyak kata ketidakpedulian.

Bagi pendidikan hal ini memotong dua arah. Kurikulum yang menggunakan AI untuk melatih empati mungkin sedang membangun keterampilannya; budaya kampus yang mengarahkan dukungan emosional ke chatbot mungkin sedang mengikis motivasi untuk menggunakannya. Kedua efek itu kompatibel, dan tidak ada yang dalam literatur saat ini mengukurnya bersama-sama.

Artinya bagi praktik

Pisahkan ketiga pertanyaan itu. Ketika seseorang mengklaim AI meningkatkan empati, tanyakan apakah yang dimaksud mengajari manusia, mengukur manusia, atau menyimulasikan empati. Buktinya berbeda untuk masing-masing.
Jangan menerima efikasi diri sebagai hasil empati. Kepercayaan diri itu murah dan naik setelah hampir semua latihan; observasi, pasien terstandardisasi, atau penilaian pasien adalah ukuran yang penting.
Perlakukan skor visi sebagai pembaca kedua. Deteksi kontak fisik dapat digunakan untuk umpan balik formatif; deteksi senyum dan kontak mata tidak, tanpa konteks skenario yang tidak dimiliki model.
Anggarkan waktu, bukan hanya modalitas. Studi perbandingan mencampuradukkan keduanya, dan metode yang lebih murah yang memakan seperempat waktu mungkin tetap pilihan yang lebih baik — hanya saja bukan pilihan yang setara.
Awasi offloading. Jika AI menjadi saluran default untuk dukungan emosional, empati yang Anda coba ajarkan mungkin diam-diam dialihdayakan.

Miskonsepsi Umum

"AI dapat mengajarkan empati." AI dapat mendukung latihan dan refleksi; tinjauan terkuat menemukan bukti terbatas untuk empati sebagai hasil, dan studi pelatihan dengan kontrol terbaik mengukur penilaian sendiri.
"Empati adalah bahasa yang hangat." Empati yang dipersepsikan dapat dihasilkan hanya dengan desain prompt, yang merupakan bukti tentang persepsi, bukan tentang pemahaman.
"Senyum berarti kehangatan." Dalam pertemuan klinis yang menyedihkan, pengamat membaca senyum sebagai ketidaksesuaian, dan detektor aksi wajah membacanya sebagai afek positif. Konteks adalah variabel yang hilang.
"Skala laporan diri mengukur empati." Skala itu mengukur disposisi atau konsep diri; skala itu tidak mengukur perilaku dalam suatu pertemuan.
"Semakin imersif selalu lebih baik." Metode imersif menunjukkan kenaikan lebih besar, tetapi dengan biaya dan durasi beberapa kali lipat, dan perbandingannya tidak menyetarakan paparan.

Konsep terkait

Metadata

Tingkat	Higher Ed, K 12
Audiensi sasaran	Instructors, Medical Educators, Curriculum Designers, Researchers
Pembelajaran dan pengajaran	Pembelajaran di Tempat Kerja, Pembelajaran Eksperiensial, Pembelajaran Sosial-Emosional
Teknologi dan teknik	Komputasi Afektif, Tutoring Afektif, AI Generatif, Simulasi, Analitik Sensor dan Tatapan
Kesetaraan, etika, dan penggunaan yang bertanggung jawab	Keselamatan Pedagogis, Privasi
Dasar-dasar AI dalam pendidikan	Literasi AI

Sumber Riwayat Sunting Obrolan