Basis Pengetahuan AIEdAIEd KB
Di halaman ini

Baca halaman ini dalam bahasa Inggris

Konsep

Pembelajaran Berbasis Inkuiri

Dibuat 2026-08-22 · Diperbarui 2026-11-04

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

Pembelajaran berbasis inkuiri (IBL) — pedagogi berpusat pembelajar di mana siswa mengembangkan pemahaman dengan mengajukan pertanyaan, menjelajah secara mandiri, dan mengonstruksi pengetahuan melalui siklus inkuiri, refleksi, dan revisi, dengan instruktur yang merancah alih-alih berceramah. Di era AI, struktur IBL yang digerakkan pertanyaan dan berpusat eksplorasi menjadi titik fokus: AI generatif dan alat Model Bahasa Besar (LLM) dapat berperan sebagai "rekan-inkuirer" interaktif yang mendukung pertanyaan dan penyelidikan — tetapi hanya ketika dirancang untuk mempertahankan, bukan melewati, kerja kognitif inkuiri.

Pertanyaan yang Perlu Dipertimbangkan

  • Pembelajaran berbasis inkuiri berpusat pada pertanyaan yang digerakkan siswa dan pada proses inkuiri itu sendiri. Apa bedanya belajar yang digerakkan pertanyaan Anda sendiri dengan belajar yang digerakkan pertanyaan orang lain?
  • Halaman ini bertanya apakah AI berperan sebagai "rekan-inkuirer" yang mendukung penyelidikan Anda atau sebagai pengganti yang melewati kerja kognitif. Ketika Anda menggunakan AI untuk menjelajahi sebuah pertanyaan, siapa yang berinkuiri?
  • Bukti tentang inkuiri berbantuan AI bercampur: dalam satu studi ia meningkatkan kinerja kreatif dan sikap tetapi tidak pemecahan masalah kritis, dan dalam studi lain ia memperdalam pemahaman konseptual tanpa menaikkan literasi AI. Apa yang disiratkan hal itu tentang apa yang dapat dan tidak dapat dikembangkan AI sendirian?
  • Jika memperlakukan keluaran AI sebagai otoritatif berisiko menimbulkan ketergantungan berlebih dan kesimpulan yang dangkal, bagaimana Anda akan mengajarkan siswa mengevaluasi jawaban yang dihasilkan AI sebagai bagian dari siklus inkuiri?
  • Halaman ini menghubungkan inkuiri dengan kegagalan produktif — pembelajar menjelajah sebelum pengajaran, sehingga perjuangan itu sendiri menyiapkan pembelajaran. Bagaimana AI yang menahan jawaban dan memancing beberapa percobaan dapat mendukung perjuangan itu alih-alih menghapusnya?
  • Apa peran fasilitator ketika AI menurunkan hambatan dalam mengajukan pertanyaan? Jika siswa dapat memperoleh jawaban seketika, apa yang kini perlu diracah instruktur yang sebelumnya tidak perlu?

Pendahuluan

Pembelajaran berbasis inkuiri berpusat pada pertanyaan yang digerakkan siswa dan pada proses inkuiri itu sendiri, yang biasanya bergerak melalui fase-fase (orientasi → konseptualisasi → investigasi → diskusi → kesimpulan). Ia adalah keluarga yang lebih luas tempat pembelajaran berbasis masalah dan pembelajaran berbasis proyek sering dinaungi: IBL menekankan proses bertanya dan penemuan, PBL menekankan masalah yang berstruktur buruk, dan pembelajaran berbasis proyek menekankan artefak yang tangible.

Bagaimana pembelajaran berbasis inkuiri muncul dalam basis pengetahuan

AI sebagai rekan-inkuirer. Sebuah tinjauan sistematis atas ChatGPT untuk pembelajaran berbasis inkuiri dalam STEAM (The AI-Powered Co-inquirer: A Systematic Review of ChatGPT for Inquiry-Based Learning in STEAM Education, 24 studi) menemukan ChatGPT terutama digunakan pada fase konseptualisasi, investigasi, dan diskusi — sebagai alat belajar, tutor, rekan belajar, pakar domain, dan asisten pengajaran — yang meningkatkan kinerja, berpikir kritis, keterlibatan, dan motivasi, sekaligus menimbulkan risiko ketergantungan berlebih, halusinasi, dan kesimpulan yang dangkal ketika keluaran diperlakukan sebagai otoritatif.

Pengajuan masalah sebagai titik awal. Sebuah kuasi-eksperimen dengan 97 siswa kelas tiga (Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science) menunjukkan bahwa chatbot GenAI secara signifikan mengungguli mesin pencari dalam pengajuan masalah sains, meningkatkan kualitas pertanyaan dan menghasilkan jaringan epistemik yang lebih terpadu sekaligus menurunkan beban kognitif.

Pola tingkat kognitif dalam IBL yang digerakkan LLM. Sebuah studi eksploratif atas 117 transkrip wawancara dan catatan interaksi (Luo et al.) mengidentifikasi 14 pola interaksi di seluruh tingkat kognitif Bloom, menunjukkan bagaimana pengetahuan awal siswa membentuk penggunaan LLM dan menekankan kebutuhan akan perancah yang menyasar tahap berpikir tingkat tinggi serta meredam ketergantungan berlebih.

Bukti luaran bercampur. Sebuah eksperimen IBL berbantuan AI dalam matematika (Mujib et al.) meningkatkan kinerja matematis kreatif dan sikap tetapi tidak keterampilan pemecahan masalah kritis — yang mengesankan bahwa AI-IBL terutama mendukung kreativitas dan perkembangan afektif. Sebuah meta-analisis atas 29 eksperimen (Zhao et al.) menemukan GenAI berefek positif moderat pada berpikir tingkat tinggi, paling kuat untuk pemecahan masalah, dengan intervensi 8–16 minggu dan pembelajar pembelajar mandiri yang lebih tinggi memperoleh manfaat terbesar. Sebuah kuasi-eksperimen dengan 48 calon guru sains di Türkiye (Aydın) yang menggunakan program inkuiri terbimbing berbantuan AI selama 8 minggu (memadukan pembelajaran berbasis masalah dan berbasis desain) menemukan perolehan kelompok-berdasarkan-waktu yang signifikan dalam pemahaman konseptual fotosintesis dan respirasi seluler, tetapi tidak ada efek signifikan pada literasi AI atau berpikir komputasional yang dipersepsikan sendiri — bukti bahwa AI-IBL dapat memperdalam pemahaman domain sementara pengembangan kompetensi AI/CT memerlukan desain yang lebih eksplisit dan tersasar.

Gousopoulos (2026) mengisolasi kontribusi AI dari inkuiri itu sendiri dalam studi iklim tiga kelompok: inkuiri berbantuan AI memperoleh lebih banyak daripada rekan yang hanya berinkuiri pada pengambilan keputusan (d = 0.69), dengan perolehan terbesar pada pemantauan dan pengelolaan adaptif (d = 1.37), sementara pengumpulan data dasar meningkat sama besar di semua kondisi.

Keadilan dan konteks. Sebuah kerangka konseptual menjembatani ko-desain AI generatif dengan praktik pendidikan terbuka untuk mendukung pengajaran STEM yang dipimpin inkuiri dalam konteks berkekurangan sumber daya, menggunakan bahan multibahasa dan simulasi yang dihasilkan AI serta relevan secara kontekstual.

Perbandingan bukti yang terancah AI. An dan rekan-rekannya (2026) menunjukkan bagaimana sistem ekstraksi informasi bertenaga AI menggeser tinjauan pustaka sarjana dari peringkasan menuju pengorganisasian dan perbandingan bukti — siswa bergerak dari membaca terisolasi ke perbandingan lintas studi dan pembenaran berbasis bukti untuk mendukung pembelajaran berbasis riset dan penyelesaian skripsi. Hal ini mengonkretkan bagaimana AI dapat merancah proses inkuiri dalam riset sarjana STEM.

Mengapa pembelajaran berbasis inkuiri penting bagi integrasi AI

Struktur IBL yang digerakkan pertanyaan dan berfokus proses adalah rumah alami bagi penggunaan AI yang produktif: siswa belajar bersama AI sebagai mitra alih-alih dari AI sebagai pengganti. Bukti dalam basis pengetahuan ini bertemu pada satu ketegangan inti — AI dapat menurunkan hambatan pengambilan informasi dan perumusan pertanyaan (mengurangi beban kognitif dan memungkinkan refleksi yang lebih dalam), tetapi tanpa perancah desain ia berisiko menimbulkan ketergantungan berlebih dan melewati kognisi tingkat tinggi. Peran fasilitator, desain perancah, dan pengajaran keterampilan evaluasi secara eksplisit adalah tuas yang menentukan apakah AI memperdalam atau menggusur inkuiri.

Satu studi menggantikan fasilitator alih-alih menambahkan alat di sampingnya. Dalam kursus farmakologi empat minggu, 136 mahasiswa kedokteran tahun kedua dibagi antara pembelajaran berbasis masalah yang dipimpin fasilitator dan yang dipimpin AI. Kedua lengan memperoleh perolehan signifikan pada tes pilihan ganda pra/pasca dan perbedaan antarkelompok tidak signifikan (p = 0.474), tetapi kelompok yang dipimpin fasilitator memperoleh skor lebih tinggi pada berpikir kritis (14.75 berbanding 13.09, p < 0.001) dan pada rubrik penilaian kelompok (26.51 berbanding 24.74, p = 0.035) (Shetty dan Rao, 2026). Luaran inkuiri terbelah menurut jenisnya: pengetahuan isi bertahan dari substitusi dan proses penalaran tidak, dan itulah makna mengatakan fasilitator adalah tuasnya.

Kegagalan produktif dan inkuiri

Kegagalan produktif (PF) adalah sepupu paling terstruktur dari pembelajaran berbasis inkuiri: pembelajar menjelajahi masalah dan menghasilkan solusi sebelum pengajaran langsung, lalu mengonsolidasi. Keduanya berbagi premis bahwa percobaan yang dihasilkan pembelajar (bahkan yang gagal) mengaktifkan pengetahuan awal dan menyiapkan pembelajar untuk belajar dari pengajaran. Riset PF di era AI mempertajam bagaimana AI semestinya merancah inkuiri tanpa memotongnya: Kim et al. (2026) menurunkan prinsip desain AI untuk mempertahankan perjuangan melalui eksplorasi masalah dan generasi solusi; Puech et al. (2025) menunjukkan tutor LLM dapat diarahkan untuk menahan jawaban dan memancing beberapa percobaan; tugas petunjuk-sebelum-koreksi mencontohkan perancah berbasis petunjuk (vs. langsung) yang menjaga pembelajar tetap melakukan penalaran. Semua ini menghubungkan inkuiri dan PF pada imperatif yang lebih luas bahwa AI tidak boleh menghapus perjuangan produktif yang melaluinya pembelajaran yang tahan lama terbentuk.

Dalam latar lapangan di luar ruang, imperatif yang sama menjadi spasial: GenAI dapat menstrukturkan lebih dulu apa yang diperhatikan pembelajar sebelum mereka menjumpai buktinya, sehingga urutan lapangan-dulu yang menahan penjelasan yang dihasilkan sampai observasi dan interpretasi awal dicatat akan melindungi inkuiri (Choi, 2026).

Sebuah peta 66 studi menempatkan AI generatif di samping investigasi dan paling jarang pada orientasi. Yahya et al. (2026) mengodekan penggunaan GenAI ke dalam lima fase inkuiri dan menemukan dukungan paling sering dilaporkan pada investigasi (45 studi, 68.2%), lalu kesimpulan (29, 43.9%), diskusi (28, 42.4%) dan konseptualisasi (27, 40.9%), dengan orientasi terakhir (20, 30.3%). Sebelas studi mencakup kelima fase, 19 mencakup satu fase, dan sembilan tidak menyebutkan fase mana pun. Hanya 8 studi (12.1%) mengukur keterampilan inkuiri, dan 4 di antaranya memiliki kondisi pembanding, sehingga ini adalah peta tentang di mana alat ditempatkan alih-alih tentang apa yang diperoleh inkuiri.

Miskonsepsi umum

"AI adalah pasangan alami bagi pembelajaran berbasis inkuiri karena keduanya eksploratif." Kesesuaiannya sepenuhnya bergantung pada desain: AI generatif dan alat LLM dapat berperan sebagai rekan-inkuirer interaktif yang mendukung pertanyaan dan penyelidikan hanya ketika dirancang untuk mempertahankan kepemilikan siswa atas pertanyaannya. Jika digunakan sebaliknya, siswa yang eksploratif mengikuti sebuah jawaban alih-alih melakukan inkuiri, dan keduanya tampak serupa dari luar.

"AI apa pun yang ditambahkan ke unit inkuiri akan memperbaikinya." Kontribusi AI harus diisolasi dari inkuiri itu sendiri. Gousopoulos (2026) melakukannya dengan desain tiga kelompok dalam studi iklim: inkuiri berbantuan AI memperoleh lebih banyak daripada rekan yang hanya berinkuiri pada pengambilan keputusan (d = 0.69), dengan bukti terletak pada luaran yang spesifik alih-alih pada keunggulan umum pendekatannya.

"Inkuiri secara definisi tidak terstruktur." Instruktur merancah, dan strukturnya terletak pada desain pertanyaan serta siklus refleksi, bukan pada penyampaian isi. Menghapus perancah tidak membuat inkuiri lebih autentik; ia membuatnya tanpa perancah.

"Pertanyaan yang dipimpin siswa akan tersusun baik jika siswa tertarik." Menghasilkan pertanyaan yang dapat dikerjakan adalah keterampilan yang sedang dikembangkan, dan itulah sebabnya sistem yang menyuplai pertanyaan bagus telah mengerjakan keterampilan inkuiri yang justru menjadi tujuan aktivitas itu.

Konsep terkait

Artikel terkait

Metadata

DisiplinStem Education
Pembelajaran dan pengajaranPembelajaran Aktif, Pembelajaran Berbasis Inkuiri, Metakognisi, Pembelajaran Berbasis Masalah, Perancah, Regulasi Diri dalam Belajar
Teknologi dan teknikAI Generatif
Dasar-dasar AI dalam pendidikanBerpikir Kritis
SumberRiwayatSuntingObrolan

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.