Sejarah AI dalam Pendidikan

Di halaman ini

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

Sejarah AI dalam Pendidikan — kajian tentang bagaimana kecerdasan artifisial dan pendidikan saling berevolusi sejak pertengahan abad ke-20 dan bagaimana pilihan konseptual, terminologis, dan desain masa lalu terus membentuk perdebatan hari ini tentang AI dalam pembelajaran. Alih-alih memperlakukan AI generatif sebagai kekuatan mendadak yang tak berpreseden, lensa historis menyingkap ketegangan yang berulang — kendali vs. agensi, standardisasi vs. kreativitas, otomasi vs. augmentasi — yang telah menstrukturkan AI dalam pendidikan sejak asal-usulnya.

Pertanyaan yang Perlu Dipertimbangkan

AI generatif hari ini sering digambarkan sebagai revolusi tanpa preseden. Bagaimana pembingkaian itu ('kronosentrisme') dapat menghalangi kita melihat pola berulang di bawahnya?
Bidang ini hampir dinamai 'sibernetika' alih-alih 'kecerdasan artifisial.' Bagaimana satu pilihan penamaan itu mungkin membentuk apakah kita melihat mesin sebagai kecerdasan mandiri atau sebagai bagian dari sistem umpan balik yang saling terhubung?
Halaman ini membingkai sejarah AIED sebagai ketegangan antara kendali (tutor kognitif Anderson yang mengoptimalkan pengajaran) dan agensi (konstruksionisme Papert yang memberdayakan pembelajar). Di mana pilihan AI dalam pendidikan Anda sendiri jatuh pada spektrum itu — dan mengapa?
Personalisasi, menurut halaman ini, memiliki dua makna: memvariasikan jalur menuju hasil yang sama, atau memungkinkan hasil yang beragam dan diarahkan pembelajar. Jenis personalisasi mana yang sesungguhnya dikejar institusi Anda, dan mana yang menurut Anda seharusnya?
Jika perdebatan GenAI hari ini 'mencerminkan' ketegangan historis tersebut, kesalahan masa lalu apa yang mungkin kita ulangi — dan apa yang mungkin kita hindari dengan mengingatnya?
Halaman ini mengklaim bahwa pilihan desain teknis menyematkan penilaian nilai tentang tujuan pembelajaran. Dapatkah Anda mengenali keputusan desain dalam alat pendidikan AI yang pernah Anda gunakan yang diam-diam mengutamakan standardisasi di atas agensi pembelajar — atau sebaliknya?

Pendahuluan

Sejarah bidang ini bukanlah kemajuan linear melainkan rangkaian keputusan kontingen yang efeknya masih bergema. Memahami sejarah ini melindungi dari "kronosentrisme" (bias yang memperlakukan perkembangan sekarang sebagai unik dan revolusioner), membantu menghindari pengulangan kesalahan masa lalu, dan menyingkap bagaimana pilihan tentang pembingkaian dan terminologi — bukan hanya teknologi — mengarahkan lintasan AI dalam pendidikan.

Untaian sejarah utama

Dari sibernetika ke "kecerdasan artifisial." Ketika John McCarthy merencanakan Dartmouth Summer Research Project pada 1956 ia sengaja memilih istilah kecerdasan artifisial alih-alih sibernetika — sebagian untuk menjauhkan bidang ini dari Norbert Wiener dan fokusnya pada umpan balik analog. Keputusan penamaan ini membingkai kapabilitas mesin dalam perbandingan langsung dengan kognisi manusia (pembingkaian antropomorfis), mengarahkan prioritas penelitian, persepsi publik, dan debat etis selama beberapa dekade. Seandainya bidang ini mempertahankan pembingkaian sibernetik, artikel itu membayangkan kita mungkin kini berbicara tentang "sistem pembelajaran sibernetik" yang menekankan umpan balik dan keterhubungan alih-alih "tutor AI" yang memosisikan mesin sebagai sumber kecerdasan yang mandiri.

Revolusi kognitif dan akar ITS. Para perintis awal — Herbert Simon, Allen Newell, Marvin Minsky, John Anderson — bukan sekadar memodelkan kognisi; mereka menyelidiki pertanyaan mendasar tentang pembelajaran dan pengajaran. Karya mereka menghasilkan model pemrosesan informasi kognisi manusia yang menjadi fondasi psikologi pendidikan, dan berujung pada Sistem Tutor Cerdas (ITS), yang berakar pada paradigma pencarian heuristik dan sistem pakar AI dekade 1960–70-an. Sistem-sistem ini selaras secara alami dengan struktur penilaian dan standardisasi yang ada, dan akhirnya melebur menjadi komunitas AIED.

Kendali vs. agensi: Anderson dan Papert. Dua visi yang bersaing muncul, terwujud pada John Anderson dan Seymour Papert. Tutor kognitif Anderson (teori ACT/ACT-R) menguraikan pengetahuan menjadi aturan produksi, memberi umpan balik individual yang tepat, dan memperkuat struktur pendidikan tradisional — visi AI sebagai alat untuk mengoptimalkan pengajaran. Konstruksionisme Papert (Logo, "mikrodunia", men-debug sebagai belajar) melihat komputer sebagai lingkungan tempat anak mengonstruksi pengetahuan melalui eksperimentasi kreatif — visi AI sebagai instrumen pemberdayaan intelektual yang menantang hierarki institusional. "Ketegangan esensial" antara kendali dan agensi inilah yang menjadi benang merah sejarah bidang ini.

Dua bentuk personalisasi. Personalisasi memiliki dua tafsir berbeda yang memetakan ke visi-visi tersebut. Yang pertama mempertahankan hasil yang seragam sambil memvariasikan jalur (berakar pada mesin pengajaran Skinner; visi Khan Academy tentang tutoring hingga penguasaan). Yang kedua merangkul hasil yang beragam — pembelajar mengejar minat dan bakat individual, tanpa dibatasi batas kurikulum standar (Zhao, 2024). Model ITS mendukung yang pertama; konstruksionisme yang kedua.

Pelajaran bagi era GenAI. Perdebatan hari ini tentang AI generatif sangat mencerminkan ketegangan historis tersebut. GenAI sering diposisikan sebagai tutor cerdas generasi berikutnya (memperluas Anderson), memunculkan kekhawatiran tentang pengawasan, pengumpulan data, dan standardisasi. Atau ia dapat menjadi alat bagi agensi kreatif (memperluas Papert), yang menuntut kita memikirkan ulang penilaian dan menerima hasil yang lebih ambigu. Sebagaimana disimpulkan Mishra dkk., kekuatan institusional berulang kali mengutamakan pendekatan yang memperkuat struktur yang ada — dan bahasa serta metafora yang kita pilih akan membentuk kemungkinan masa depan. Kerangka AI×Ed Rismanchian & Doroudi memberi intuisi ini landasan empiris: dengan menempatkan makalah dari prosiding AIED (1985, 1993, 2021, 2024) dan IJAIED (2004, 2014, 2021) di sepanjang dua sumbu — peran AI (alat terapan vs. analogi bagi kecerdasan manusia) dan pengguna akhir — mereka melacak bidang yang bergerak dari campuran beragam, termasuk penelitian awal substansial yang menggunakan AI sebagai analogi bagi kecerdasan manusia (model komputasional pembelajaran, mikrodunia Papert, model berbasis agen untuk akuisisi pengetahuan), menuju fokus hampir eksklusif pada penggunaan terapan dan instrumental pada dekade 2000-an. Menariknya, era AI generatif tampak sebagian membalik lintasan itu: pada AIED 2024, tiga dari empat makalah di kuadran "AI-sebagai-analogi" bidang ini berbasis LLM, termasuk makalah terbaik tentang agen yang dapat mengajar berbasis LLM.

Dampak mutakhir AI generatif

Kedatangan AI generatif — keluarga luas yang mencakup model bahasa besar (teks), plus generator gambar, audio, dan video — menandai titik belok paling konsekuensial dalam sejarah AIED sejak bidang ini berdiri. LLM adalah anggota paling menonjol dari keluarga ini dan penggerak sebagian besar dampak di ruang kelas, tetapi AI generatif secara keseluruhan (yang mampu menghasilkan teks, gambar, suara, dan kode baru) adalah kekuatan yang lebih luas yang membentuk ulang pendidikan. Ia paling baik dipahami terhadap sejarah AIED alih-alih sebagai keterputusan bersih. Beberapa ciri membuat era AI generatif khas:

Skala dan jangkauan. Berbeda dengan tutor kognitif dan ITS dekade sebelumnya, yang beroperasi di lingkungan laboratorium dan kelas terkendali, LLM menjangkau ratusan juta pembelajar dan pendidik dalam hitungan bulan sejak rilis, memasuki penulisan, pekerjaan rumah, dan pengajaran sehari-hari nyaris seketika. Debat GenAI berpindah dari jurnal spesialis ke ruang kelas, ruang direksi, dan lembaga legislatif dengan kecepatan tanpa preseden.

Jenis kapabilitas baru. Sistem AIED sebelumnya memodelkan kognisi dan menyampaikan pengajaran terstruktur (tradisi Anderson). LLM melakukan generasi terbuka — menghasilkan esai, penjelasan, kode, dan dialog — yang mengedepankan agensi dan kreativitas pembelajar (tradisi Papert) dengan cara yang tidak dapat dilakukan ITS sebelumnya. Inilah sebabnya momen sekarang menyalakan kembali ketegangan kendali-vs-agensi begitu tajam: alat yang sama dapat diterapkan sebagai tutor cerdas generasi berikutnya (mengendalikan hasil) atau sebagai rekan penulis kreatif dan mitra berpikir (memperkuat agensi).

Pembalikan persamaan akses. Secara historis, tutoring terpersonalisasi langka dan mahal; GenAI membuat dukungan adaptif satu-satu nyaris gratis dan universal — sangat menurunkan hambatan aksesibilitas dan biaya yang membentuk AIED sebelumnya. Namun ia juga menghadirkan risiko baru: bias algoritmik, halusinasi, pengawasan, pengumpulan data, dan penurunan keterampilan pendidik.

Kekhawatiran yang diperbarui tentang literasi AI dan penyalahgunaan. Era AI generatif membuat Literasi AI mendesak dan membingkai ulang debat Integritas Akademik (deteksi vs. dialog), sekaligus menghidupkan kembali kekhawatiran lama tentang otomasi, standardisasi, dan ketergantungan epistemik. Ini adalah ungkapan modern dari ketegangan asli bidang ini.

Risiko kronosentrisme. Sebagaimana diperingatkan Mishra dkk., hiruk-pikuk seputar AI generatif sering kurang kesadaran historis, membiarkan evangelis teknologi mendominasi percakapan. Memahami bahwa debat GenAI hari ini bergema dengan perpecahan Anderson–Papert dan keputusan penamaan sibernetika 1955 membantu kita membuat pilihan yang sengaja alih-alih memperlakukan masa kini sebagai tak terelakkan. Pertanyaan sesungguhnya bukanlah apa yang dapat dilakukan alat AI generatif, melainkan apa yang kita inginkan mereka lakukan — keputusan yang dibentuk oleh perjalanan kita sejauh ini.

Implikasi

Bacalah hiruk-pikuk secara historis. Sadari bahwa setiap gelombang AI baru dibingkai sebagai revolusioner; kesadaran historis menyingkap kesinambungan dan membantu menahan dominasi korporat atas percakapan.
Lihat pilihan desain sebagai pilihan nilai. Keputusan teknis tentang AI dalam pendidikan menyematkan posisi ideologis tentang tujuan pembelajaran — munculkan dan interogasi.
Timbang kendali terhadap agensi secara sengaja. Apakah AI seharusnya mengoptimalkan ke arah hasil standar atau memungkinkan hasil beragam yang diarahkan pembelajar adalah pilihan sungguhan dengan konsekuensi institusional dan politis, bukan keniscayaan teknis.
Peliharalah agensi pembelajar. Perlawanan berulang terhadap standardisasi dan kendali demi pendekatan terbuka yang berpusat pada pembelajar adalah benang yang tahan lama dan layak dipertahankan.

Miskonsepsi Umum

"AI dalam pendidikan dimulai dengan ChatGPT." Tidak, dan keyakinan itu mahal karena membuat setiap pelajaran sebelumnya tak terlihat. Tutoring cerdas berasal dari karya pencarian heuristik dan sistem pakar dekade 1960-an dan 70-an, dan komunitas AIED terbentuk di sekitarnya beberapa dekade sebelum model bahasa besar. Mishra dkk. menunjukkan debat sekarang mereproduksi perpecahan yang sudah eksplisit pada tutor kognitif Anderson dan konstruksionisme Papert, sehingga pembaca yang menentukan usia bidang ini pada 2022 akan menurunkan ulang argumen yang pernah diselesaikan, ditinggalkan, atau dikalahkan bidang ini sekali sebelumnya.

"Bidang ini mantap meninggalkan AI-sebagai-analogi demi alat terapan, dan AI generatif melanjutkan tren itu." Ini adalah koreksi paling instruktif di halaman ini, karena lintasannya nyata tetapi tidak monoton. Analisis posisional Rismanchian dan Doroudi atas AIED 1985, 1993, 2021 dan 2024 serta IJAIED 2004, 2014 dan 2021 memang menunjukkan pergeseran dari bidang yang beragam menuju instrumentalisasi terapan yang hampir eksklusif pada dekade 2000-an. Namun pada AIED 2024, tiga dari empat makalah di kuadran AI-sebagai-analogi berbasis LLM, termasuk makalah terbaik tentang agen yang dapat mengajar berbasis LLM. AI generatif sebagian membalik tren itu alih-alih melanjutkannya, itulah sebabnya memperlakukannya sebagai "tutor cerdas berikutnya" salah membaca ke mana batas penelitian sesungguhnya bergerak.

"Personalisasi berarti menyesuaikan tingkat kesulitan bagi setiap pembelajar." Itu hanya satu dari dua makna yang tidak dapat didamaikan, dan mencampuradukkannya menyembunyikan pilihan politis. Dalam makna pertama hasilnya dijaga tetap dan hanya jalurnya yang bervariasi, dengan garis keturunan dari mesin pengajaran Skinner hingga tutoring berbasis penguasaan. Dalam makna kedua hasilnya sendiri terdiversifikasi, ketika pembelajar mengejar minat individual tanpa dibatasi kurikulum standar (Zhao, 2024). Sebuah ITS menerapkan yang pertama; konstruksionisme yang kedua. Alat yang digambarkan "terpersonalisasi" belum memberi tahu Anda apa pun sampai Anda tahu makna mana yang dimaksud.

"'Kecerdasan artifisial' hanyalah nama yang jelas untuk bidang ini." Istilah itu merupakan pilihan yang disengaja. Ketika McCarthy merencanakan proyek Dartmouth pada 1956 ia mengutamakan kecerdasan artifisial alih-alih sibernetika sebagian untuk menjauhkan karya itu dari tradisi umpan balik analog Wiener. Satu keputusan itu membingkai mesin dalam perbandingan langsung dengan kognisi manusia, dan pembingkaian antropomorfis yang ditanamkannya masih membentuk prioritas penelitian, bahasa produk, dan pertanyaan etis yang diajukan publik.

Menerapkannya dalam Praktik

Bagi instruktur dan perancang instruksional

Namai tradisi tempat alat Anda berasal sebelum mengadopsinya. Tanyakan apakah alat itu mengoptimalkan ke arah hasil tetap atau membuka arah pembelajar, karena jawaban itu, bukan daftar fiturnya, menentukan apa yang akan dilakukannya pada desain penilaian Anda.
Interogasi kata "terpersonalisasi" dalam setiap klaim vendor, dan dapatkan jawaban dalam kerangka dua makna di atas. Produk yang memvariasikan tempo menuju standar bersama dan produk yang membiarkan siswa menyimpang bukanlah pengganti satu sama lain.
Ketika siswa menyajikan GenAI sebagai tanpa preseden, sejarah adalah materi yang dapat diajarkan dengan sendirinya. Pembingkaian Anderson-Papert memberi mereka kosakata untuk berargumen tentang AI, bukan sekadar menggunakannya.

Bagi pengembang

Bahasa antarmuka adalah keputusan desain dengan garis keturunan. Menyebut sistem Anda "tutor AI" mewarisi pembingkaian Anderson dan ekspektasi mengoptimalkan ke arah hasil standar; menyebutnya "mikrodunia" atau "lingkungan belajar" mewarisi pembingkaian Papert. Keduanya tidak netral, jadi pilihlah dengan sengaja.
Jika Anda membangun dalam tradisi analogi (model pembelajaran, agen yang dapat mengajar, simulasi akuisisi pengetahuan), katakan demikian. Kuadran itu nyaris kosong selama dua dekade dan kini terisi kembali; posisinya menjadi pembeda dan kriteria evaluasinya berbeda.

Bagi peneliti

Gunakan korpora historis sebagai garis dasar alih-alih memperlakukan masa kini sebagai satu-satunya pembanding yang tersedia. Prosiding AIED 1985, 1993, 2021 dan 2024 serta IJAIED 2004, 2014 dan 2021 adalah sampel longitudinal siap pakai atas klaim bidang ini sendiri.
Sebutkan garis keturunan ketika Anda mengklaim kebaruan. Klaim bahwa sebuah sistem "mempersonalisasi pembelajaran" atau "memodelkan pembelajar" hanya baru relatif terhadap tradisi sebelumnya yang spesifik, dan tradisi itu terdokumentasi.

Konsep terkait

Metadata

Pembelajaran dan pengajaran	Konstruktivisme, Teori Belajar
Teknologi dan teknik	AI Generatif, Tutoring Cerdas
Dasar-dasar AI dalam pendidikan	Agensi Pembelajar, AI dalam Pendidikan, Sejarah AI dalam Pendidikan

Sumber Riwayat Sunting Obrolan