Literasi Umpan Balik

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

Literasi umpan balik — kapabilitas dan disposisi siswa untuk memahami, mengevaluasi, dan menindaklanjuti umpan balik guna memperbaiki pembelajaran mereka. Ia adalah padanan sisi siswa bagi penyediaan umpan balik: jika Kualitas Umpan Balik AI dan Lingkar Umpan Balik menyangkut kualitas dan mekanika sistem umpan balik, literasi umpan balik menyangkut kapasitas siswa mencari, memahami, menilai, dan memakai umpan balik produktif.

Pertanyaan yang Perlu Dipertimbangkan

Umpan balik yang dirancang dengan baik hanya membantu siswa yang dapat menafsirkan dan menindaklanjutinya. Jika dua siswa menerima umpan balik identik dan belajar dengan jumlah berbeda, di mana letak perbedaannya — dan apakah itu kesalahan siswa atau sistem?
Penelitian menemukan bahwa siswa dengan literasi umpan balik lebih kuat memperoleh manfaat lebih besar dari umpan balik AI, sementara siswa berliterasi lemah menunjukkan efek minimal atau bahkan negatif. Apa artinya itu bagi penambahan umpan balik AI ke mata kuliah tanpa membangun kapasitas siswa memakainya?
Literasi umpan balik mencakup mencari umpan balik, membuat pertimbangan, mengelola afek, dan menindaklanjuti umpan balik — bukan hanya menerimanya. Kapan terakhir kali Anda mencari umpan balik alih-alih menunggunya, dan apa yang membuat Anda cukup berani (atau tidak) untuk melakukannya?
Jika AI kini dapat menghasilkan umpan balik yang berlimpah dan seketika, apakah hambatannya telah bergeser dari penyediaan umpan balik ke kemampuan siswa memakainya? Apa yang mungkin berubah dalam cara Anda merancang umpan balik jika literasi umpan balik siswa adalah kendala sebenarnya?

Pendahuluan

Literasi umpan balik penting karena umpan balik yang dirancang baik hanya membantu siswa yang dapat menafsirkan dan menindaklanjutinya. Siswa yang tak dapat mengevaluasi akurasi umpan balik buatan AI, atau tak tahu cara mengubahnya menjadi revisi konkret, belajar jauh lebih sedikit dari umpan balik yang sama dibanding teman sebaya yang lebih melek. Ketika AI membentuk ulang penyediaan umpan balik, literasi umpan balik menjadi syarat batas sentral bagi perbaikan pembelajaran oleh umpan balik AI.

Apa itu literasi umpan balik

Literasi umpan balik umumnya dirumuskan sebagai seperangkat kapabilitas yang saling terkait — kapasitas untuk menghargai umpan balik, membuat pertimbangan, mengelola afek, dan mengambil tindakan (mengikuti Carless & Boud). Artikel basis pengetahuan mengelompokkan literasi umpan balik pada beberapa kapabilitas:

Mencari dan memancing umpan balik — meminta umpan balik proaktif alih-alih menerimanya secara pasif.
Membuat pertimbangan — mengevaluasi akurasi dan kegunaan umpan balik, termasuk umpan balik buatan AI.
Pemaknaan — menafsirkan umpan balik dalam kaitannya dengan tujuan dan kriteria tugas, serta memahami implikasinya bagi perbaikan.
Mengelola afek — terlibat produktif dengan umpan balik tanpa menjadi kecil hati atau terlalu terbuai olehnya.
Menindaklanjuti umpan balik — menerjemahkan umpan balik menjadi revisi konkret atau perubahan pendekatan (Lingkar Umpan Balik, Regulasi Diri dalam Belajar).
Menilai otoritas evaluatif — kapasitas lebih lanjut yang diusulkan oleh AlGhamdi (2026): di samping menghargai umpan balik, membuat pertimbangan, mengelola afek, dan mengambil tindakan, siswa yang bernalar tentang umpan balik buatan AI perlu menilai sumber mana yang memegang otoritas evaluatif, terpisah dari menilai kualitas umpan balik. Karena peserta diberi tahu bahwa ChatGPT menghasilkan skor sekaligus umpan balik, literasi umpan balik mereka diuji pada sumber dan legitimasi evaluasi, bukan hanya isinya, dan itu menuntut validasi instruktur alih-alih penerimaan pasif.

Bagaimana literasi umpan balik muncul dalam penelitian

Literasi umpan balik sebagai moderator nilai umpan balik AI: Mendoza et al. (2026) menunjukkan bahwa literasi umpan balik memoderasi kaitan antara penerimaan ChatGPT dan Regulasi Diri dalam Belajar: siswa dengan literasi lebih kuat merasakan manfaat SRL lebih besar dari umpan balik AI, sementara siswa berliterasi lemah menunjukkan efek minimal atau negatif (Ketergantungan Berlebih). Literasi umpan balik adalah syarat batas bagi kemampuan siswa "memaknai" umpan balik AI.
Literasi umpan balik sebagai jalur dari penggunaan GenAI ke berpikir kritis: pada 421 mahasiswa sarjana Tiongkok, kaitan penggunaan GenAI dengan berpikir kritis yang dilaporkan sendiri berjalan hampir seluruhnya melalui literasi umpan balik GenAI (β=0.185, 71.98% dari efek total), dan jalur itu menguat seiring naiknya berpikir reflektif (indeks mediasi termoderasi = 0.030) (Yan et al. (2026)).
Literasi umpan balik memprediksi pembelajaran dari penulisan berbantuan AI: Hawkins et al. (2026) menemukan bahwa literasi umpan balik adalah satu-satunya prediktor positif signifikan bagi nilai esai dalam tugas menulis esai diperkaya AI, sementara Liu & Deris (2025) mengembangkan dan memvalidasi skala AI Feedback Literacy (AIFL) serta menunjukkan skalanya memprediksi pengambilan umpan balik.
Lingkar literasi–keterlibatan berjalan dua arah. Panel random-intercept tiga gelombang atas 399 mahasiswa sarjana Tiongkok menemukan literasi umpan balik AI memprediksi keterlibatan agentik yang lebih belakangan (β = 0.222) dan jalur sebaliknya sama kuatnya (β = 0.263), dengan uji Wald tidak mampu memisahkan besaran keduanya (Xu (2026)).

Disposisi saingan: sensitivitas imbalan. Sensitivitas imbalan berbasis nilai melemahkan kaitan kredibilitas–pembelajaran bagi Pérez-López et al. (2026) (kemiringan sederhana 0.733, 0.607 dan 0.483 pada sensitivitas rendah, rata-rata, dan tinggi), menempatkan orientasi instrumental siswa terhadap nilai di tempat penelitian literasi umpan balik menemukan disposisi yang dapat ditumbuhkan.

Pemahaman, bukan keterlaksanaan, yang membawa hasil revisi. Sepanjang tiga siklus umpan balik-revisi menulis di dua kelas utuh yang masing-masing berisi 48 siswa, pemahaman adalah dimensi yang paling berkaitan dengan kualitas revisi (r = 0.501), di atas keterlaksanaan (r = 0.480) dan akurasi diagnostik (r = 0.445); lembar interpretasi yang dibaca sebelum revisi mandiri adalah yang ditambahkan oleh kondisi diagnostik (Yao & Fan (2026)).
Kerangka GenAI untuk keterlibatan umpan balik: Zhan, Boud, Dawson & Yan (2025) (Boud dan Dawson pakar literasi umpan balik terkemuka) berargumen bahwa GenAI dapat memungkinkan keterlibatan siswa dengan umpan balik, memetakan model umpan balik regulasi diri bersiklus ke fase memancing/memproses/melaksanakan.
Umpan balik AI hadir tanpa pembingkaian guru: Brunnström and Palmqvist (2026) berargumen bahwa GenAI membuat literasi umpan balik lebih menuntut, karena respons dihasilkan interaktif dan tanpa pembingkaian langsung dari guru: siswa harus menafsirkan, mengevaluasi, terlibat dengan, dan menggunakan respons tersebut — termasuk memutuskan kapan sebuah respons terlalu abstrak, kapan harus bertahan, dan kapan harus kembali ke sumber daya konvensional. Sepanjang demonstrasi delapan pertukaran mereka, penyederhanaan dan struktur yang dapat dipakai baru muncul setelah intervensi siswa, sehingga siklus memancing/memproses/melaksanakan keterlibatan umpan balik harus digerakkan siswa (Zhan, Boud, Dawson & Yan memetakan siklus itu untuk GenAI; Regulasi Diri dalam Belajar).
Literasi umpan balik dalam penulisan berbantuan AI dan EAP: Naskah literasi umpan balik dan mekanisme penilai kedua melatih siswa terlibat kritis dengan umpan balik AI selama revisi tulisan, menggeser revisi ke perbaikan tingkat argumen, bukan suntingan permukaan.
Alat umpan balik otomatis untuk pengembangan literasi: Tubino & Adachi (2025) berargumen bahwa alat umpan balik otomatis AI sebaiknya dirumuskan ulang sebagai instrumen pengembangan literasi umpan balik siswa, bukan sekadar penyedia umpan balik lebih banyak.
Umpan balik sejawat dan literasi umpan balik: Irwin & Muller (2025) menempatkan GenAI dalam umpan balik sejawat EFL untuk melatih literasi umpan balik dan memungkinkan pengambilannya di kelas berbicara, sementara studi perancah membandingkan GenAI vs. teman sebaya manusia dalam umpan balik teregulasi diri.
Umpan balik tersimpan sebagai data tahan lama dan dapat dirujuk. Memasangkan ChatGPT dengan e-portofolio meningkatkan kinerja berbicara dan literasi umpan balik sekaligus (partial η² = 0.218 untuk yang terakhir), karena siswa memperlakukan umpan balik terarsip dari dosen, teman sebaya, dan AI sebagai data yang perlu didamaikan, bukan koreksi sekali pakai (Laksana et al. (2026)).
Literasi umpan balik dalam analitik pembelajaran dan dasbor GenAI: Jin et al. (2025) mengkaji persepsi siswa atas umpan balik Analitik Pembelajaran bertenaga GenAI dari perspektif literasi umpan balik.
Literasi umpan balik sebagai tujuan literasi AI dan desain penilaian: Richmond & Nicholls (2025) menggunakan penilaian proses-di-atas-artefak di mana siswa mengkritik keluaran ChatGPT terhadap rubrik untuk membangun literasi umpan balik, psikologis, dan AI bersamaan; umpan balik AI yang berpusat pada siswa dan desain umpan balik yang penuh perhatian mengaitkan kualitas umpan balik dengan kapasitas siswa terlibat.
Literasi umpan balik dapat diajarkan, dan AI dapat menyediakan bahan latihannya. Sebuah panduan konseptual meminta instruktur menghasilkan spektrum contoh karya AI yang dinilai — memenuhi semua, sebagian, dan tidak satu pun kriteria — lalu membimbing siswa melalui kritik yang dimodelkan, analisis kelas terpandu, dan evaluasi mandiri (Pennington and Hock (2026)).

Mengapa literasi umpan balik penting bagi AI dalam pendidikan

AI mengubah umpan balik dalam dua arah yang keduanya menaikkan taruhan literasi umpan balik. Pertama, AI dramatis meningkatkan volume dan kesegeraan umpan balik (Kualitas Umpan Balik AI, Lingkar Umpan Balik), sehingga siswa menghadapi jauh lebih banyak umpan balik yang harus mereka pilah dan evaluasi. Kedua, umpan balik buatan AI membawa risiko tersendiri — ketidakakuratan, halusinasi, dan "ilusi penguasaan" — yang menuntut keterampilan evaluasi kritis dan kewaspadaan terhadap Ketergantungan Berlebih dan salah atribusi. Literasi umpan balik karena itu menjadi komponen inti Literasi AI: mengetahui bukan hanya cara meminta umpan balik kepada AI, tetapi juga cara menilai apakah umpan balik itu layak ditindaklanjuti dan cara mengubahnya menjadi pembelajaran yang sejati alih-alih penyelesaian tugas.

Bearman dan kolega (2026) menambahkan satu tuntutan lagi. Dalam studi lokakarya mereka, siswa tidak mengelola satu sumber umpan balik melainkan jaringan: mereka menimbang komentar pendidik terhadap keluaran AI, rubrik, materi kuliah, dan teman sebaya, dan ketika umpan balik manusia lambat mereka terus bekerja dengan AI sebagai pola penahan, lalu merevisi kemudian bila AI menyesatkan. Para penulis menyarankan siswa dapat menjadi manusia-dalam-lingkar mereka sendiri dengan mengelola relasi itu dari tugas granular ke lintasan lebih luas — kapabilitas literasi umpan balik tersendiri. Peringatan mereka: komentar pendidik yang tipis atau terlambat mendorong siswa ke sumber tak terverifikasi.

Koneksi ke konsep terkait

Literasi umpan balik terhubung ke Kualitas Umpan Balik AI dan Lingkar Umpan Balik (sisi penyediaan yang ia lengkapi), Penilaian Formatif (siklus penilaian yang ia pasok), dan Regulasi Diri dalam Belajar (Penilaian Diri dan adaptasi yang ia dukung). Ia adalah subset dari Literasi AI ketika diterapkan pada umpan balik buatan AI, bersinggungan dengan Penilaian Sejawat dalam konteks kolaboratif, dan sangat konsekuensial bagi Menulis. Ia terhubung ke Metakognisi dan Kalibrasi Kepercayaan — kemampuan menilai apakah umpan balik dapat dipercaya.

Menindaklanjuti umpan balik tidak sama dengan memperbaiki artefak. Di antara 22 calon guru matematika, penerimaan selektif atas umpan balik AI dan sejawat menjadi norma (32 dari 44 episode), namun hanya lima yang memperbaiki kualitas tugas yang dirancang — celah penerjemahan yang diatribusikan penulis pada pertimbangan evaluatif alih-alih pengambilan umpan balik (Oh, 2026).

Wang and Guo (2026) memperlakukan literasi umpan balik sebagai kapabilitas yang dapat dikembangkan lewat latihan: peninjau sejawat EFL yang bekerja dialogis dengan AI generatif untuk menghasilkan komentar meningkatkan kapasitas mereka menilai dan memakai umpan balik, bukan hanya komentar yang disampaikan.

Miskonsepsi Umum

"Umpan balik AI memperbaiki berpikir kritis secara langsung." Pada 421 mahasiswa sarjana Tiongkok, kaitan penggunaan GenAI dengan berpikir kritis yang dilaporkan sendiri berjalan melalui literasi umpan balik. Literasi itulah mediatornya, sehingga intervensi yang menambahkan umpan balik AI tanpa membangun kapasitas membacanya menangani suku yang salah.
"Literasi adalah prasyarat, bukan hasil." Sebuah panel random-intercept tiga gelombang atas 399 mahasiswa sarjana Tiongkok menemukan literasi umpan balik AI memprediksi keterlibatan agentik yang lebih belakangan (β = 0.222), sehingga lingkarnya berjalan dua arah. Ia bersifat dinamis alih-alih gerbang yang dilewati sekali.
"Keterlaksanaan adalah yang membuat umpan balik mengubah tulisan." Sepanjang tiga siklus umpan balik-revisi menulis di dua kelas utuh yang masing-masing berisi 48 siswa, pemahaman adalah dimensi yang membawa hasil revisi. Umpan balik yang tak dapat diurai siswa tidak membaik dengan membuatnya lebih mudah dilaksanakan.

Konsep terkait

Pola Pedagogis — Langkah penilaian kritis yang dibangun rangkaian ini ke alur kerja
E-Portofolio
Kualitas Umpan Balik AI
Umpan Balik
Penilaian Formatif
Regulasi Diri dalam Belajar
Literasi AI
Penilaian Sejawat
Penilaian Diri
Menulis
Metakognisi
Kalibrasi Kepercayaan
Offloading Kognitif
Pendidikan Tinggi

FAQ terkait

Metadata

Disiplin	Writing Education
Pembelajaran dan pengajaran	Regulasi Diri dalam Belajar
Asesmen dan pengukuran	Kualitas Umpan Balik AI, Umpan Balik, Literasi Umpan Balik, Penilaian Formatif, Penilaian Sejawat
Dasar-dasar AI dalam pendidikan	Literasi AI

Sumber Riwayat Sunting Obrolan