Penelitian Metode Campuran

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

Penelitian metode campuran — desain dan praktik menggabungkan secara sengaja jalur kuantitatif dan kualitatif dalam satu studi sehingga kekuatan keduanya saling melengkapi dan kelemahannya saling menutupi. Dalam AI dalam pendidikan, desain metode campuran digunakan secara luas karena efek AI sekaligus dapat diukur (keuntungan pembelajaran, keterlibatan) dan sarat makna (kepercayaan, Agensi Pembelajar, identitas) — dan baik survei maupun wawancara saja tidak menangkap keduanya.

Pertanyaan yang Perlu Dipertimbangkan

Misalkan sebuah survei menunjukkan siswa melaporkan kepuasan tinggi terhadap alat AI, tetapi skor tes tidak membaik. Angka mana yang 'benar'? Halaman ini berargumen bahwa menggabungkan jalur kuantitatif dan kualitatif memungkinkan masing-masing menjelaskan yang lain — bagaimana wawancara dapat menjelaskan apa yang tidak dapat dijelaskan angka saja?
Pandangan umum adalah bahwa angka bersifat objektif dan wawancara bersifat anekdotal, sehingga bukti kuantitatif lebih unggul. Halaman ini justru memperlakukan keduanya sebagai saling melengkapi — keluasan dan presisi dari angka, kedalaman dan makna dari kata-kata. Kapan sebuah angka tanpa konteks menyesatkan lebih jauh daripada wawancara?
Satu pola desain (eksplanatori berurutan) mengumpulkan data kuantitatif lebih dulu, lalu menggunakan wawancara untuk menjelaskan hasil yang mengejutkan. Dapatkah Anda memikirkan hasil pendidikan yang membingungkan secara numerik sampai catatan kualitatif mengungkap mekanismenya?
Triangulasi adalah nilai intinya: ketika jalur-jalur independen bertemu, keyakinan meningkat, dan ketika mereka menyimpang, penyimpangan itu sendiri informatif. Pernahkah Anda memiliki dua sumber bukti tentang hal yang sama yang saling bertentangan — dan apa yang Anda pelajari dari konflik itu?
Metode campuran dapat sekaligus menangkap efek (seberapa besar keuntungan belajar) dan makna (kepercayaan, identitas, agensi) — hal-hal yang tidak ditangkap survei atau wawancara tunggal. Jika Anda meneliti apakah sebuah alat AI membantu siswa, pertanyaan kuantitatif dan kualitatif apa yang akan Anda pasangkan, dan dalam urutan apa?

Pendahuluan

Desain metode campuran mengintegrasikan keluasan, presisi, dan daya kausal metode kuantitatif dengan kedalaman, konteks, dan makna metode kualitatif. Proposisi nilainya adalah triangulasi: ketika jalur-jalur independen bertemu pada kesimpulan yang sama, keyakinan meningkat; ketika mereka menyimpang, penyimpangan itu sendiri informatif.

Di seluruh 394 studi GenAI pendidikan tinggi, metode campuran adalah desain penelitian paling umum (213 studi, 54%), diikuti penelitian kuantitatif (109, 28%) dan kualitatif (72, 18%) (Lin et al. (2026)).

Pola desain yang umum

Eksplanatori berurutan (QUAN → kual). Data kuantitatif dikumpulkan lebih dulu, lalu data kualitatif menjelaskan atau memberikan konteks bagi temuan kuantitatif yang mengejutkan atau signifikan. Studi metode campuran tentang GenAI dan pembelajaran berkelanjutan memasangkan survei tiga gelombang dengan wawancara pendidik untuk menjelaskan pola kuantitatif peningkatan-menuju-ketergantungan-berlebih.
Eksploratori berurutan (KUAL → kuan). Kerja kualitatif membangun teori, menghasilkan hipotesis, atau menginformasikan desain instrumen yang kemudian diuji secara kuantitatif. Tipologi kualitatif adopsi ChatGPT menghasilkan kategori yang dapat menginformasikan desain survei selanjutnya.
Eksploratori berurutan dengan invariansi pengukuran. Bu dan Li (2026) mengode wawancara untuk mengidentifikasi empat dimensi model, membangun instrumen 22 item darinya, lalu menguji invariansi konfigural, metrik, dan skalar di seluruh gender dan bidang disiplin pada sampel analitik 642 — menunjukkan jalur kualitatif yang memberi masukan pada instrumen survei dan uji invariansi yang mengonfirmasi konstruk berperilaku sama di seluruh kelompok.
Konvergen/paralel. Jalur kuantitatif dan kualitatif berjalan bersamaan dan diintegrasikan dalam analisis. Studi paradoks kompetensi menggunakan kelompok fokus instruktur, survei siswa, dan wawancara lanjutan secara paralel; studi kesenjangan kepercayaan–kegunaan menggabungkan bukti survei dan wawancara tentang adopsi AI mahasiswa fisika.

Bagaimana metode campuran muncul dalam basis pengetahuan

Menjelaskan mekanisme. Same AI, different pathways: Unpacking mechanisms of AI-mediated learning across discipline-institution contexts menggabungkan jalur untuk mengurai mekanisme pembelajaran yang dimediasi AI di seluruh konteks disiplin-institusi, di mana perbedaan kuantitatif saja akan buram.
Melengkapi data hasil dengan pengalaman. Keamanan tutor AI memasangkan indikator kerugian kuantitatif dengan catatan kualitatif tentang kerugian pedagogis; The Competence Paradox: Negotiating Ease, Risk, and Creative Identity in Text-to-Image Generative AI Use Among Art and Design Students memasangkan hasil survei kuantitatif dengan catatan kualitatif negosiasi identitas.
Integrasi tanpa penggabungan. Wang dan Zhao (2026) mengoordinasikan survei (N = 131), pengodean manusia atas 66 teks Keterlibatan Kritis, dan log pemrograman (N = 1,423) yang berasal dari sampel berbeda dan tidak pernah digabung, memberikan cabang jejak bebas AI peran uji batas alih-alih peran konfirmatori — setiap jalur diberi tugas inferensial yang berbeda alih-alih dilaporkan berdampingan.
Desain dan evaluasi. Eksperimen multisitus tentang desain umpan balik GenAI menggabungkan pengukuran hasil eksperimental dengan umpan balik kualitatif dari pembelajar, mengintegrasikan estimasi efek kuantitatif dengan panduan desain.
Bukti proses di dalam uji coba besar. Mata et al. (2026) memasangkan observasi sistem dan diskusi dengan administrator terhadap evaluasi teracak empat tahun atas 8,708 siswa di delapan semester, yang berdaya untuk mendeteksi efek 0.05 simpangan baku, sehingga studi yang sama menjelaskan kondisi organisasi yang mempertahankan program chatbot dan melaporkan nol yang berbatas ketat pada IPK dan persistensi.
Melakukan triangulasi atas fenomena kebijakan. Studi tentang penundaan privasi siswa dalam EdTech memasangkan dua belas wawancara semiterstruktur dengan audit dokumen 48 platform yang dinilai dua pengode untuk keandalan antar-penilai (rata-rata Cohen's κ = 0.781), menggunakan wawancara untuk menjelaskan mengapa privasi ditunda dan audit untuk menunjukkan pola pengungkapan yang dihasilkan penundaan itu — desain konvergen di mana tidak ada jalur yang sendirian dapat mendukung klaim tersebut (Nair & Greenstadt, 2026).

Kekuatan dan keterbatasan

Kekuatan: triangulasi meningkatkan keyakinan; keluasan kuantitatif plus kedalaman kualitatif; dapat menjelaskan hasil tak terduga dan menjembatani mekanisme dengan besaran; menghasilkan efek sekaligus makna; cocok untuk fenomena AI dalam pendidikan yang kompleks dan kontekstual.
Keterbatasan: kompleks, padat sumber daya, dan menuntut secara metodologis; integrasi dapat menjadi dangkal jika jalur-jalur hanya dilaporkan berdampingan alih-alih benar-benar digabungkan; tetap mewarisi kelemahan masing-masing jalur (mis., bias lapor-diri dalam survei, ketergantungan peneliti dalam wawancara); menuntut kemahiran dalam kedua tradisi metodologis.
Batas pengelompokan yang membatasi inferensi. Alshehri et al. (2026) menetapkan dua kelas utuh (n = 31, n = 22), sehingga dengan hanya dua klaster uji-t yang dilaporkan mengabaikan penyarangan intra-kelas dan model bertingkat tidak dapat diestimasi, membuat uji signifikansi terlalu optimistis tentang apa yang dapat didukung desain.
Pilihan instrumen dapat membalik jalur komputasional. VADER dan RoBERTa yang disetel halus memberikan valensi berlawanan pada kiriman yang sama (0.9413 sangat positif menurut VADER, −0.9209 menurut RoBERTa), sehingga pembacaan kuantitatif sebuah korpus dapat bergantung pada pengklasifikasi mana yang digunakan (Geraili Meykola et al., 2026).

Hubungan dengan lanskap metode yang lebih luas

Metode campuran berada di antara tradisi kuantitatif dan kualitatif, mengambil kekuatan masing-masing sekaligus menambahkan disiplin desain berupa integrasi yang disengaja. Ini adalah respons metodologis terhadap pengakuan bahwa fenomena AI dalam pendidikan sekaligus berefek dan sarat makna — dan bahwa bidang ini maju paling cepat ketika keluasan dan kedalaman digabungkan (lihat Metode Penelitian dalam AIED). Ini terhubung ke Pengukuran Pendidikan (instrumen kuantitatif), Pengembangan Teori dalam AI dalam Pendidikan (pembangunan teori kualitatif), dan Evaluasi AI dalam Pendidikan (mengintegrasikan bukti hasil dan pengalaman).

Miskonsepsi Umum

"Metode campuran adalah pilihan niche dalam penelitian pendidikan AI." Di seluruh 394 studi GenAI pendidikan tinggi, metode campuran adalah desain penelitian paling umum (213 studi, 54%), diikuti kuantitatif (109, 28%) dan kualitatif (72, 18%). Desain dominan bidang ini bukanlah desain yang diasumsikan oleh debat metodologisnya.
"Bukti observasional dan wawancara dapat menopang klaim tentang sistem." Memasangkan observasi sistem dan diskusi administrator terhadap evaluasi teracak empat tahun atas 8,708 siswa di delapan semester, yang berdaya mendeteksi efek 0.05 simpangan baku, menunjukkan apa yang tidak dapat dilakukan jalur kualitatif sendiri: mendeteksi efek kecil secara andal. Mencampur metode bukan cara memindahkan daya antarjalur.
"Triangulasi berarti dua metode lemah menghasilkan klaim kuat." Nilai pemasangan itu adalah bahwa setiap jalur menjawab pertanyaan berbeda. Desain yang menjalankan keduanya lalu melaporkan temuan kualitatif sebagai konfirmasi atas temuan kuantitatif belum melakukan triangulasi, melainkan hanya mengulang.

Konsep terkait

Metadata

Desain studi	Survey
Metode riset dan evaluasi	Penelitian Metode Campuran, Penelitian Kualitatif, Penelitian Kuantitatif, Metode Penelitian dalam AIED

Sumber Riwayat Sunting Obrolan