E-Portofolio

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

E-Portofolio (e-portofolio) — kumpulan digital karya, refleksi, dan bukti pencapaian seorang pembelajar, yang digunakan untuk penilaian, pembelajaran, dan evaluasi. Di era AI, e-portofolio muncul sebagai bentuk penilaian yang relatif tangguh terhadap AI dan terbantu AI: portofolio menangkap proses belajar (penalaran, penyusunan draf, refleksi) alih-alih hanya artefak akhir, sehingga bernilai di tengah runtuhnya artefak-sebagai-proksi, dan AI generatif dapat mendukung pembuatan, umpan balik, dan evaluasinya.

Pertanyaan yang Perlu Dipertimbangkan

E-portofolio menangkap proses belajar — draf, revisi, refleksi — bukan hanya artefak akhir. Mengapa proses justru merupakan hal yang tidak mudah difabrikasi AI, dan apa yang membuat portofolio berguna untuk itu di kelas yang sarat AI?
Karena AI mampu menghasilkan produk akhir yang rapi sesuai permintaan, 'artefak-sebagai-proksi' bagi pembelajaran telah runtuh. Menurut Anda apa yang dapat dipelajari penilai dari portofolio yang tidak lagi dapat mereka percayai dari satu esai atau ujian yang dikumpulkan?
Sebagian penelitian merekomendasikan portofolio beranotasi, pertahanan lisan, dan tayangan rekaman untuk menyelidiki penalaran secara real time, meniru praktik profesional. Seberapa berbeda itu akan membuat penilaian dibandingkan esai dan ujian yang pernah Anda kerjakan — dan apakah lebih adil atau lebih sulit diskalakan?
AI dapat mendukung proses portofolio itu sendiri — memberi umpan balik, membantu penyusunan draf, dan memancing refleksi. Di mana batas antara AI yang benar-benar membantu siswa belajar dan AI yang diam-diam mengerjakan pemikiran yang seharusnya diungkap portofolio?

Pendahuluan

E-portofolio adalah bentuk penilaian autentik dan penilaian formatif: portofolio menghimpun karya siswa dari waktu ke waktu, sering dengan komentar reflektif, menjadi kumpulan bukti yang dapat dinilai secara holistik. Kekuatannya adalah bahwa ia memunculkan proses belajar — draf, revisi, umpan balik, dan refleksi diri — yang justru merupakan hal yang tidak mudah difabrikasi AI dan yang dibutuhkan penilai untuk mengevaluasi pembelajaran yang sejati. Ini menjadikan portofolio kandidat terdepan untuk desain ulang penilaian di era AI generatif.

E-portofolio di era AI

Penelitian dalam basis pengetahuan menunjukkan e-portofolio semakin sentral bagi integrasi AI yang produktif dan desain ulang penilaian.

Penilaian portofolio relatif tangguh terhadap AI generatif. Zhan, Boud & Du (2025) mengidentifikasi portofolio kontribusi sosial dan artefak yang diciptakan bersama dengan rantai asal-usul yang dapat diaudit di antara bentuk penilaian autentik yang paling tangguh terhadap AI generatif. Melampaui deteksi (2025) juga merekomendasikan portofolio beranotasi / pertahanan lisan / tayangan rekaman untuk menyelidiki penalaran secara real time, meniru praktik profesional.
Penilaian portofolio berbantuan AI. Ni & Lam (2026) mempelajari persepsi siswa tentang penilaian portofolio berbantuan AI untuk pengembangan multiliterasi, menunjukkan AI dapat mendukung proses portofolio (umpan balik, penyusunan draf, refleksi) dan meningkatkan keterlibatan sementara siswa mengevaluasi umpan balik AI secara kritis.
ChatGPT + e-portofolio untuk pembelajaran bahasa. Laksana et al. (2026) menggabungkan ChatGPT dengan penilaian e-portofolio (model CEA) untuk berbicara EFL: MANOVA menunjukkan keuntungan signifikan dalam kinerja berbicara (F(1)=48.554, p<.001) dan literasi umpan balik (F(1)=16.135, p<.001), dengan e-portofolio mendukung baik kemampuan berbicara maupun kemampuan metakognitif untuk menggunakan umpan balik secara efektif.
Portofolio sebagai strategi penilaian era AI. Penilaian yang bertanggung jawab (2026) berargumen untuk beralih dari pengujian sekali waktu ke penilaian berkelanjutan yang tertanam menggunakan portofolio dan pendekatan berbasis kompetensi. Rowe (2026) menamai portofolio (bersama ujian lisan dan praktik terobservasi) sebagai jawaban sebagian atas masalah terbuka penilaian dalam skala besar ketika artefak-sebagai-proksi telah rusak.
Portofolio sebagai jejak belajar yang dapat dinilai. Uden & Hwang (2026) menggunakan portofolio pembelajaran personal sebagai mekanisme kerangka LEARN — jejak belajar yang dapat dinilai (portofolio, pengungkapan penggunaan AI) yang membuat ketergantungan pada AI transparan dan dapat diaudit.
Portofolio simbiotik bagi pembelajar hibrida. Elsayed (2026) mengusulkan Portofolio Simbiotik bagi pembelajar pasca-manusia/hibrida, dinilai dengan rubrik lima kriteria (Generative Dialogue, Epistemic Auditing, Critical Reflection, dll.) — model eksplisit untuk mengevaluasi kerja kolaboratif manusia+AI.

Mengapa e-portofolio penting bagi integrasi AI

Karena e-portofolio mengedepankan proses, refleksi, dan pemahaman yang ditunjukkan di atas satu artefak akhir, ia langsung menjawab masalah utama AI: ketika AI dapat menghasilkan produk yang rapi, produk itu tidak lagi menjadi bukti keterlibatan di baliknya. E-portofolio menggeser penilaian ke arah bukti yang bertahan — draf, revisi, jejak penalaran, dan penilaian diri yang reflektif — sementara AI sendiri dapat membantu menghasilkan umpan balik, merancah refleksi, dan (dengan desain rubrik yang tepat) mendukung evaluasi. Ini menjadikan e-portofolio landasan bagi penilaian autentik, formatif, dan berbasis proses di era AI generatif, serta rumah alami bagi literasi umpan balik dan pembelajaran yang diatur sendiri.

Miskonsepsi Umum

"E-portofolio adalah folder digital berisi karya yang sudah selesai." Nilai penilaiannya berasal dari menangkap proses — penalaran, penyusunan draf, revisi, refleksi — alih-alih artefak akhir. Itulah justru sebabnya e-portofolio relatif tangguh terhadap AI: ketika artefak dapat dihasilkan, penilaian yang dibangun di atas proses mempertahankan bukti yang telah hilang dari penilaian yang dibangun di atas produk.

"AI membuat e-portofolio semudah esai untuk dipalsukan." Modus kegagalannya berbeda dan bukti menunjukkan format ini bergerak ke arah sebaliknya. Menggabungkan ChatGPT dengan penilaian e-portofolio (model CEA) dalam berbicara EFL menghasilkan keuntungan signifikan dalam kinerja berbicara (F(1) = 48.554, p < .001) dan literasi umpan balik (F(1) = 16.135, p < .001), dengan e-portofolio mendukung lapisan reflektif. Portofolio tidak menjadi mata rantai yang lemah setelah AI ditambahkan ke mata kuliah; portofolio itulah yang menopang penilaian.

"Hasil multivariat yang signifikan membuktikan portofolio adalah bahan aktifnya." Itu membuktikan paketnya menggerakkan hasil. Studi tersebut menggabungkan alat AI, struktur portofolio, dan tugas berbicara, dan desain berbentuk demikian tidak dapat mengisolasi komponen mana yang menghasilkan keuntungan. Klaim yang dapat dipertahankan adalah tentang kombinasinya, dan kehati-hatian keuntungan pembelajaran berlaku: keuntungan yang dilaporkan perlu dilacak ke suatu komponen sebelum dapat digunakan kembali.

"E-portofolio menggantikan kebutuhan akan penilaian tanpa bantuan." Portofolio melengkapinya. Portofolio membuktikan proses dan pertumbuhan dari waktu ke waktu; ia tidak membuktikan apa yang dapat dilakukan pembelajar tanpa dukungan, dan mencampuradukkan keduanya menghadirkan kembali masalah artefak-sebagai-proksi yang hendak dipecahkan oleh format ini.

Implikasi bagi Praktik

Bagi instruktur

Tuntut prosesnya, bukan hanya produknya: draf bertanggal, penjelasan revisi, dan refleksi tentang apa yang berubah dan mengapa. Itulah artefak yang tidak dapat disediakan AI atas nama pembelajar.
Pasangkan portofolio dengan setidaknya satu ukuran kinerja tanpa bantuan, sehingga bukti proses dan bukti kapabilitas keduanya tercatat.
Gunakan AI di dalam alur kerja portofolio — untuk umpan balik atas draf — alih-alih di luarnya, yang merupakan konfigurasi yang diuji studi yang dikutip.

Bagi pengembang

Bangun untuk riwayat revisi dan pembuatan versi alih-alih untuk tampilan akhir yang rapi; pedagoginya hidup di dalam diff.
Buat prompt refleksi cukup terstruktur untuk dapat dinilai, karena refleksi yang tidak terstruktur adalah tempat teks yang dihasilkan AI paling mudah lolos.

Bagi peneliti

Rancang untuk isolasi komponen ketika mempelajari paket AI-plus-portofolio; jika tidak, bidang ini akan mengakumulasi efek kombinasi yang tidak dapat diuraikannya.

Konsep terkait

Metadata

Disiplin	Language Learning
Tingkat	Higher Ed
Pembelajaran dan pengajaran	Keterlibatan Siswa
Teknologi dan teknik	AI Generatif
Asesmen dan pengukuran	Penilaian, Penilaian Autentik, Penilaian Otomatis, Umpan Balik, Penilaian Formatif, Asesmen Berorientasi Proses

Sumber Riwayat Sunting Obrolan