Pendidikan Terbuka

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

Pendidikan terbuka — gerakan dan praktik mengajar dengan konten berlisensi terbuka, serta pedagogi yang memperlakukan siswa sebagai penghasil konten itu alih-alih konsumennya. Dua artefaknya adalah sumber daya pendidikan terbuka dan tugas pedagogis terbuka; lisensinya adalah yang membuat penggunaan ulang sah, dan klaimnya adalah bahwa keduanya menurunkan biaya dan memperluas kepengarangan. AI generatif kini menekan ketiganya: ia meruntuhkan biaya pembuatan konten, ia mengaburkan siapa yang mengarang sumber daya hasil remix, dan ia memberi institusi alternatif murah bagi commons yang diminta mereka biayai.

Pertanyaan yang Perlu Dipertimbangkan

• Jika sebuah model dapat menyusun satu unit mata kuliah dalam hitungan menit, apa yang masih membenarkan lisensi, jejak atribusi, dan proses tinjauan yang dibawa konten terbuka?
• Sebuah sumber daya dapat terbuka secara lisensi dan tertutup dalam praktik: berkasnya dapat diunduh tetapi mata kuliah di sekitarnya mengasumsikan laboratorium, bahasa, atau koneksi yang tidak dimiliki siswa. Keterbukaan mana yang Anda ukur ketika melaporkan adopsi?
• Pedagogi terbuka meminta siswa memublikasikan karya mereka. Siapa yang memiliki apa yang dibuat siswa dengan alat generatif, siapa yang menyetujui pelepasannya, dan siapa yang menanggung biaya ketika itu salah?
• Literasi AI guru memprediksi praktik pengajaran terbuka, tetapi hubungan itu melemah seiring dukungan institusional meningkat. Apa implikasi pembalikan itu bagi program pelatihan yang dibangun atas asumsi bahwa dukungan hanya membantu?
• Jika teks yang dihasilkan AI tidak dapat dihakciptakan, apakah buku teks yang ditulis mesin otomatis terbuka, dan apa dampaknya bagi argumen pendanaan publik untuk OER?

Pendahuluan

Pendidikan terbuka bukan sumber terbuka, dan kebingungannya merugikan keduanya. Sumber terbuka adalah tentang artefak yang dikirim dan dilisensikan pengembang, terutama kode, bobot model dan kumpulan data, sehingga sebuah sistem dapat dilisensikan, diaudit, dimodifikasi dan diterapkan ulang. Pendidikan terbuka adalah tentang apa yang ditugaskan guru dan apa yang dihasilkan siswa, dan lisensinya ada untuk memungkinkan institusi kedua mengganti, menerjemahkan, me-remix atau mengoreksi sumber daya tanpa meminta izin. Keduanya berbagi mesin hukum (Creative Commons, dalam pendidikan; lisensi perangkat lunak permisif, dalam kode), model produksi (komunitas sukarelawan dan berbasis hibah), dan kini antagonis bersama dalam AI generatif, yang kapasitasnya memproduksi artefak hampir gratis mengganggu dasar ekonomi keduanya.

Keduanya berbeda di titik yang penting. Rilis sumber terbuka dinilai dari apakah sistemnya dapat dibangun ulang dan diperiksa. Sumber daya terbuka dinilai dari apakah guru dengan siswa berbeda, bahasa berbeda dan anggaran berbeda benar-benar dapat menggunakannya, yang merupakan klaim pedagogis alih-alih teknis, dan itulah sebabnya pendidikan terbuka selalu membawa argumen praktik di samping argumen lisensinya. Deimann dan Lukács (2026) membuat versi paling tajam dari poin itu: setelah dua puluh lima tahun advokasi keterbukaan, rezim institusional di tengah pendidikan dibiarkan utuh, karena gerakan itu memusatkan perhatian pada deklarasi dan proyek niche.

Literatur era AI dalam basis pengetahuan ini karena itu berbicara tentang tiga hal sekaligus: sumber dayanya, praktiknya, dan apakah salah satunya bertahan ketika generasi hampir gratis. Tentang sumber daya, pertanyaannya adalah siapa yang membuatnya, siapa yang melisensikannya, dan apakah yang ditulis AI dihitung. Tentang praktik, pertanyaannya adalah apa yang diminta pedagogi terbuka dari siswa dan apakah itu mengajari mereka sesuatu yang terukur.

Apa yang sebenarnya dicakup keterbukaan

Sumber daya pendidikan terbuka adalah konten yang dirilis di bawah lisensi yang mengizinkan penggunaan ulang, revisi, remix dan distribusi ulang. Segala hal lain di bidang ini merupakan turunan dari izin itu dan dari kewajiban untuk mengatribusikannya. González Miy (2026) menunjukkan bagaimana kewajiban itu tampak dalam proyek kecil: sebelas peserta yang bekerja daring selama dua minggu menghasilkan situs enam halaman, sebuah chatbot, sebuah manual dan lima tutorial video, dirilis di bawah CC BY-NC-SA, dan paket yang dihasilkan mendapat skor tinggi pada transparansi sementara hanya sedang pada lisensi, replikabilitas, kemampuan adaptasi dan aksesibilitas. Terbuka secara nama, sebagian terbuka dalam penggunaan.

Literatur lisensi bersifat granular karena kegagalannya granular. Ryu (2026) membangun rubrik tujuh prinsip untuk meninjau materi literasi AI berlisensi terbuka dari korpus purposif berisi enam belas makalah inti, perluasan tujuh belas makalah dan tiga puluh enam rujukan bertarget. Atenas, Farrow, Caldwell, Costello dan Havemann (2026) berargumen bahwa unit tata kelola seharusnya bergerak dari sumber daya ke infrastruktur yang menghostingnya, karena commons berisi berkas-berkas individual tanpa platform yang terpelihara adalah masalah fragmentasi alih-alih commons.

Keruntuhan generasi dan belokan barang publik digital

Produksi mata kuliah adalah tempat pergeseran itu sudah terukur: MAIC melaporkan produksi MOOC yang runtuh dari sekitar $25,000 dan 60 jam per mata kuliah menjadi di bawah $2 dan 30 menit dengan generasi multi-agen yang digerakkan LLM. Jika biaya produksi mendekati nol, argumen bahwa OER menghemat uang kehilangan kekuatannya, dan yang tersisa adalah kebebasan lisensi, keterverifikasian dan jaminan mutu.

Tlili, Farrow, Bozkurt, Amiel, Wiley dan Downes (2026) mengorganisasi pergeseran itu di sekitar lima pertanyaan pembingkaian dan sampai pada pembacaan hukum yang menggelisahkan. Karena Kantor Hak Cipta Amerika Serikat memperlakukan prompt semata sebagai tidak cukup untuk kepengarangan, sumber daya yang sepenuhnya dihasilkan AI dapat jatuh ke domain publik dan memenuhi syarat, pada pembacaan ketat, sebagai terbuka secara default. Istilah mereka untuk kegagalan sebaliknya adalah openwashing, ketika sebuah artefak disajikan sebagai terbuka sementara data pelatihannya, pipeline-nya atau lisensinya tidak. Pertanyaan kepengarangan juga pertanyaan hukum sebelum menjadi pertanyaan lisensi, dan sisi hukum dan hak cipta mengalir melalui pelanggaran sama banyaknya dengan melalui kepemilikan.

Respons kebijakan dalam literatur ini adalah mengklasifikasikan ulang. Atenas dan rekan mengusulkan memperlakukan OER sebagai barang publik digital, yang memindahkan obatnya dari memproduksi lebih banyak konten ke membangun infrastruktur non-komersial yang diperintah secara publik. Mereka mengukur infrastruktur itu terhadap prinsip ROAM-X dan standar data FAIR, dan menggambarkan lanskap yang sudah menampung lebih dari dua miliar karya berlisensi terbuka dan 303 Indikator Universalitas Internet. Itu adalah pengalihan yang dapat dipertahankan bagi gerakan yang menghabiskan dua dekade pada produksi konten.

Argumen institusional untuk keterbukaan juga dibuat atas dasar otonomi. Panda (2026) berargumen dalam sebuah editorial bahwa transformasi digital dalam pembelajaran terbuka dan fleksibel adalah transformasi pedagogis alih-alih adopsi teknologi, dan bahwa teknologi memperoleh kredibilitas hanya ketika selaras dengan pedagogi yang tepat dalam konteks lokal. Rodés-Paragarino dan Atenas (2026) mengubahnya menjadi kerangka tujuh pilar untuk integrasi bertanggung jawab OER dan AI generatif, dibangun dari analisis dokumenter plus validasi pakar dan lokakarya partisipatif dengan 81 peserta di Bilbao pada Desember 2025.

Pedagogi terbuka dan belokan praktik

Pedagogi terbuka memindahkan siswa dari konsumen ke kontributor: sebuah tugas menghasilkan sesuatu yang dipublikasikan, dilisensikan dan dapat digunakan ulang. Clinton-Lisell (2026) menyediakan uji terbersih bidang ini atas gagasan tersebut. Dua kelas mata kuliah pengantar perkembangan anak memperbarui buku teks yang sama, salah satunya dengan alat AI generatif. Di seluruh 113 tugas, siswa di kedua kelas melaporkan pertumbuhan keterampilan literasi informasi, dan keuntungannya secara statistik tidak dapat dibedakan di antara keduanya: efek waktu F(1, 84) = 47.30, p < 0.001, η2 parsial = 0.36, dibandingkan interaksi waktu menurut kelas F(1, 84) = 0.04, p = 0.85. Kelas AI menyelesaikan lebih banyak pekerjaan dan mendapat skor sedikit lebih rendah, 174.73 dibandingkan 173.86 dari 180.

Praktik memiliki literatur kematangannya sendiri. Duan (2026) menyaring 540 catatan menjadi empat belas model praktik pendidikan terbuka di bawah PRISMA 2020, membandingkannya pada tiga dimensi, dan menyimpulkan bahwa AI generatif berada di bawah model-model yang sudah mapan alih-alih menggantikannya, argumen yang ditempatkan makalah itu terhadap TPACK. Ahmadfard (2026) mencapai kesimpulan serupa tentang interaktivitas dalam tinjauan terstruktur yang berjalan sejak 1970: fitur interaktif lebih merupakan argumen desain daripada efek yang terbukti, dan ukuran efek terkuat yang dilaporkannya dipinjam dari karya pendidikan fisika sebelumnya alih-alih diukur dalam OER.

Dua studi lebih lanjut menunjukkan seberapa cepat lapisan praktik menjadi lapisan tata kelola. Patiño, Martínez-Pérez, Ramírez-Montoya dan Miranda (2026) mendokumentasikan residensi UNESCO dan ICDE dengan 110 peserta dari 13 negara dalam 10 tim, tetapi basis survei mereka adalah 72 respons dari 54 institusi tanpa laju respons, yang merupakan dukungan tipis bagi peta jalan yang diarahkan pada Agenda 2030 PBB. Dan Guo, Lu dan Gao (2026) mensurvei 512 guru di 30 provinsi Tiongkok tentang apakah literasi AI berterjemah menjadi praktik pengajaran terbuka, menemukan jalur tidak langsung melalui perilaku inovatif sebesar 0.218 pada dukungan institusional rendah yang turun menjadi 0.042 yang tidak signifikan pada dukungan tinggi.

Keadilan, keberlanjutan dan Global South

Argumen keadilan untuk konten terbuka adalah yang tertua: sumber daya tanpa harga tidak dapat diusir oleh harga. Itu juga yang paling mudah dinyatakan dan paling jarang diuji. Versi era AI-nya lebih hati-hati. Atenas dan rekan membingkai OER sebagai tuas bagi komunitas termarginalkan dan bagi partisipasi bermakna dalam pengumpulan data, sambil memperingatkan bahwa ketergantungan berlebih pada sumber daya yang dihasilkan berisiko menurunkan nilai kreativitas dan pertimbangan manusia. Tlili dan rekan menamai mekanisme yang membuat generasi menurunkan tuas itu: kesalahan terjemahan, bias data pelatihan, dan lingkar halusinasi ketika konten yang dihasilkan didaur ulang ke dalam korpora yang melatih model berikutnya.

Keberlanjutan masuk dua kali, sebagai pendanaan dan sebagai energi. Argumen barang publik digital pada dasarnya adalah argumen keberlanjutan: commons terfragmentasi berisi berkas yang didanai hibah tidak hidup lebih lama dari hibahnya, sedangkan infrastruktur yang diperintah secara publik mungkin bisa. Kasus lingkungan muncul dalam literatur keterbukaan yang lebih luas dan dalam konsep Keberlanjutan basis pengetahuan ini, di mana pelaporan biaya inferensi model diperlakukan sebagai kewajiban praktik terbuka alih-alih renungan belakangan.

Dimensi Global South adalah tempat bukti paling menipis. Kasus non-Barat dalam batch ini nyata tetapi sedikit: residensi kerja sama Amerika Latin, guru universitas terbuka Tiongkok, dan pembingkaian infrastruktur sebagai prasyarat partisipasi. Klaim bahwa keterbukaan secara otomatis mendistribusikan ulang kapasitas tidak didukung studi-studi ini, dan beberapa di antaranya mengatakan demikian.

Tempat sistem penulisan dan rekomendasi bertemu argumen

Dua makalah dalam batch ini berbicara tentang sistem produksi alih-alih kebijakan. Peng (2026) mengembangkan pemberi rekomendasi mendalam hibrida untuk OER dan melaporkan akurasi 93.6 persen, presisi 92.5 persen, recall 91.0 persen dan skor F1 90.2 pada 2,400 catatan interaksi. Tabel pembandingnya sendiri menunjukkan garis dasar BERT4Rec pada F1 90.8 dengan recall setara, dan bagian kumpulan datanya membiarkan jumlah pengguna, jumlah item dan sparsitas sebagai placeholder. Klaim pemodelannya sederhana; polanya akrab, dalam arti bahwa kemajuan atas garis dasar yang kuat lebih kecil daripada judulnya.

Yang kedua adalah pengingat bahwa sistem generatif dapat terbuka dan kontennya tertutup. OATutor memasangkan basis kode MIT dengan teks aljabar OpenStax CC BY, yang berarti lisensi kode dan konten harus dijaga kompatibel sejak desain. Kewajiban teknis tunggal itu adalah bentuk praktis terjelas dari hubungan sumber terbuka dan pendidikan terbuka: objek berbeda, mesin hukum sama, dan batasan kompatibilitas yang jatuh pada siapa pun yang merakit keduanya.

Miskonsepsi Umum

"Pendidikan terbuka dan sumber terbuka adalah keterbukaan yang sama." Keduanya berbagi mesin lisensi dan model produksi dan keduanya tidak dapat dipertukarkan. Sumber terbuka adalah klaim tentang sistem yang dapat dibangun dan diperiksa; pendidikan terbuka adalah klaim tentang sumber daya pengajaran yang dapat digunakan dan diadaptasi. Sebuah sekolah dapat menjalankan perangkat lunak sepenuhnya sumber terbuka di atas buku teks tertutup, dan banyak yang melakukannya.

"Terbuka berarti gratis bagi siswa, dan itulah seluruh manfaatnya." Biaya adalah separuh yang terukur. Separuh lainnya adalah izin: sumber daya yang boleh direvisi adalah sumber daya yang dapat diperbaiki, diterjemahkan dan dilokalkan institusi kedua. Studi dalam batch ini melaporkan penyelesaian dan kepuasan jauh lebih sering daripada adaptasi, itulah sebabnya klaim adaptasi sebagian besar masih belum teruji.

"AI membuat konten begitu murah sehingga OER usang." Pembacaan sebaliknya tersedia dan lebih didukung. Jika generasi hampir gratis, barang yang langka menjadi lisensi, jejak atribusi, proses tinjauan dan platform yang terpelihara. Itulah sebabnya literatur ini konvergen pada tata kelola dan infrastruktur alih-alih pada produksi.

"Menambahkan alat AI pada tugas terbuka memperbaiki pembelajaran." Satu-satunya uji kuasi-eksperimental di sini menemukan pertumbuhan keterampilan yang dipersepsikan di kedua kelompok tanpa perbedaan yang terdeteksi di antaranya, bersama penyelesaian yang lebih tinggi dan skor yang sedikit lebih rendah di kelas AI. AI mengubah apa yang dihasilkan siswa dan tidak mengubah apa yang mereka laporkan telah dipelajari.

Konsep terkait

• Sumber Terbuka
• Isu dan Risiko Hukum
• Regulasi AI dalam Pendidikan
• AI Generatif
• Kebijakan AI Pendidikan
• Tata Kelola AI
• Keadilan
• Desain Kurikulum
• Pembelajaran Aktif
• Pembelajaran Kolaboratif
• Penilaian Autentik
• Keberlanjutan
• Global South
• Literasi AI
• Kesenjangan Digital
• Aksesibilitas
• Manajemen Perubahan

Artikel terkait

• The double-edged sword: Open educational resources in the era of Generative Artificial Intelligence — Lima pembingkaian untuk OER setelah AI generatif masuk ke produksi (Tlili et al., 2026)
• Building sustainable futures: Responsible development of AI-enabled open educational resources as digital public goods — OER sebagai barang publik digital dan argumen untuk infrastruktur yang diperintah (Atenas et al., 2026)
• From niche to regime: Rethinking openness in the age of artificial intelligence — Mengapa dua puluh lima tahun keterbukaan membiarkan bagian tengah institusional utuh (Deimann dan Lukács, 2026)
• Information literacy through open pedagogy: What's the role of AI tools? — Pedagogi terbuka dengan dan tanpa alat AI di dua kelas mata kuliah (Clinton-Lisell, 2026)
• The evolution of open educational practices: a comparative analysis of models and a new framework for the AI era — Empat belas model praktik pendidikan terbuka dan posisi AI di dalamnya (Duan, 2026)
• The association between teachers' artificial intelligence literacy and open education teaching practices in China: a moderated mediation analysis of teachers' innovative behavior and school support — Literasi AI guru dan praktik pengajaran terbuka di 30 provinsi Tiongkok (Guo et al., 2026)
• Open educational resources and generative AI: towards a framework for responsible integration — Kerangka tujuh pilar untuk integrasi OER dan AI yang bertanggung jawab (Rodés-Paragarino dan Atenas, 2026)
• Active learning, mentoring and AI-open educational resources: a case study in a virtual laboratory — Mentoring dan produksi OER-AI dalam laboratorium virtual (González Miy, 2026)
• Developing AI literacy OER: A literature-informed rubric for design and review — Rubrik tujuh prinsip untuk meninjau OER literasi AI (Ryu, 2026)
• Advancing open learning through interactive open educational resources — Interaktivitas dalam OER sebagai argumen desain alih-alih temuan (Ahmadfard, 2026)
• AI-Driven Model for Fostering International Cooperation in Open Education: A Roadmap for Innovation and Equity — Kerja sama internasional dalam pendidikan terbuka sebagai kasus instrumental (Patiño et al., 2026)
• Research on personalized recommendation algorithm for open educational resources driven by artificial intelligence — Pemberi rekomendasi hibrida untuk OER terhadap garis dasar yang lebih kuat daripada yang diklaim (Peng, 2026)
• Editorial: Digital transformation in open and flexible education: How pedagogy is changing in response to new possibilities — Transformasi digital dalam pembelajaran terbuka sebagai transformasi pedagogis (Panda, 2026)