Pengalaman Siswa

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

Pengalaman siswa — bagaimana siswa mempersepsikan, berinteraksi dengan, dan terpengaruh oleh alat AI dalam latar pendidikan. Dengan lebih dari 85 artikel dalam basis pengetahuan, pengalaman siswa adalah salah satu dimensi AI dalam pendidikan yang paling banyak diteliti. AI berdampak pada siswa ke arah positif maupun negatif, dan alat yang sama dapat membantu sekaligus merugikan tergantung pada bagaimana ia dirancang dan digunakan.

Pertanyaan yang Perlu Dipertimbangkan

Halaman ini mengklaim bahwa AI memengaruhi siswa ke arah positif dan negatif, sering kali secara bersamaan — alat yang sama dapat membantu dan merugikan tergantung desain dan penggunaannya. Dapatkah Anda memberi contoh dari pengalaman Anda sendiri di mana AI membantu dan merugikan pada saat yang sama?
Halaman ini menggambarkan 'celah kinerja–pembelajaran': siswa tampil lebih baik dengan AI tetapi lebih buruk pada tugas tanpa bantuan di kemudian hari. Menurut Anda bagaimana celah itu muncul, dan apa yang diperlukan untuk menutupnya?
Jika ketergantungan berlebih pada AI berarti mendelegasikan penalaran yang justru perlu Anda latih, di mana Anda akan menarik garis antara bantuan yang sah dan pengalihan beban yang menggerus pembelajaran?
Penelitian menanyakan apakah sekadar mengetahui AI tersedia mengubah usaha siswa. Menurut Anda apakah kesadaran akan AI membuat siswa bekerja lebih keras, kurang keras, atau dengan cara berbeda — dan bagaimana Anda akan menguji keyakinan Anda?
Mengingat akses dan efektivitas AI bervariasi antar populasi siswa, kekhawatiran keadilan apa yang menurut Anda paling penting ketika sebuah mata kuliah mengadopsi alat AI, dan siapa yang bertanggung jawab menanganinya?

Pendahuluan

Bagaimana pengalaman siswa dipelajari

Survei skala besar: AI in the Wild menganalisis interaksi autentik ribuan mahasiswa, sementara studi ketersediaan dan kepuasan mengorelasikan akses AI dengan hasil siswa. Ini adalah ukuran laporan diri: keduanya menangkap persepsi dan niat dengan baik dan perilaku hanya secara aproksimatif.
Nonpenggunaan adalah posisi yang beralasan, bukan celah yang harus ditutup. Survei lintas institusi di Inggris atas 7,087 siswa menemukan 32% tidak menggunakan GenAI untuk belajar sama sekali, dengan nonpengguna menyebut keinginan mengerjakan pekerjaan itu sendiri (86%), ketidakakuratan (81%), dan kekhawatiran etis atau lingkungan (Gow et al., 2026).
Pola interaksi: Melacak literasi GenAI memetakan bagaimana siswa terlibat dengan AI di seluruh tugas. Analisis prompting mengungkap tingkat keterlibatan kognitif melalui struktur prompt.
Motivasi dan agensi: Ketersediaan AI dan motivasi menelaah apakah mengetahui AI tersedia mengubah usaha siswa. Misi AIED yang belum selesai membingkai Agensi Pembelajar dan Motivasi sebagai tantangan sentral.
Persepsi dan sikap: Survei penggunaan GenAI dan studi model mental menyelidiki bagaimana siswa memahami dan memercayai AI.
Dimensi keadilan: pengalaman siswa bersinggungan dengan Keadilan — akses dan efektivitas AI bervariasi antar populasi siswa.

Cara AI berdampak pada siswa

AI memengaruhi siswa di seluruh dimensi kognitif, motivasional, afektif, identitas, sosial, dan keadilan. Penelitian menunjukkan dampak positif dan negatif pada setiap dimensi, sering kali secara bersamaan — arahnya bergantung pada desain dan penggunaan.

Dampak kognitif

Positif: AI dapat menopang pembelajaran dengan Umpan Balik, petunjuk, dan penjelasan, mendukung pemahaman, latihan, dan Pencarian Bantuan. Siswa dapat menggunakan AI untuk mempelajari cara menggunakan AI dengan baik, dan alat yang dirancang baik menjaga siswa tetap melakukan kerja kognitif (lihat Apakah AI membantu siswa belajar?).
Negatif: AI dapat mendorong ketergantungan berlebih dan pengalihan beban kognitif, di mana siswa mendelegasikan penalaran yang perlu mereka latih. Inilah celah kinerja–pembelajaran: siswa tampil lebih baik dengan AI tetapi lebih buruk pada tugas tanpa bantuan di kemudian hari (lihat Penyalahgunaan AI dan Kerugian Pembelajaran). Penggunaan berlebihan juga dapat menggerus Metakognisi dan Regulasi Diri dalam Belajar.

Dampak motivasional

Positif: AI dapat menaikkan Motivasi dan keterlibatan dengan menyediakan dukungan yang personal, segera, dan berisiko rendah — membantu siswa bertahan dan merasa kompeten (lihat perspektif penentuan diri tentang otonomi, kompetensi, dan keterhubungan).
Efek motivasional berjalan melalui motivasi, bukan melalui akses. Di antara 297 siswa, dukungan otonomi dan motivasi otonom untuk penggunaan AI tidak memiliki efek langsung pada keterlibatan (β = 0.070 masing-masing), sementara motivasi siswa memprediksi keterlibatan pada β = 0.74 (Ahmed dan Sultan (2026)).
Negatif: Mengetahui AI tersedia dapat menurunkan usaha siswa dan motivasi untuk bergulat secara produktif (Ketersediaan AI dan motivasi, celah keamanan). Ketergantungan berlebih dapat menggerus Agensi Pembelajar dan rasa pencapaian yang datang dari mengerjakan pekerjaan sendiri.

Dampak afektif dan kesejahteraan

Positif: AI dapat menawarkan bantuan yang bertekanan rendah dan sesuai permintaan serta mengurangi kecemasan untuk bertanya, mendukung Kesejahteraan dan kepercayaan diri.
Negatif: Penggunaan AI berkaitan dengan kecemasan dan stres, termasuk ketakutan akan digantikan, penilaian yang tidak pasti, dan tekanan untuk terus mengikuti. Studi seperti analisis komprehensif kecemasan AI dan AIvaluate mendokumentasikan biaya afektif ini. Rasa malu dan rasa bersalah seputar penggunaan AI dapat mendorong penyembunyian dan pengungkapan selektif, merugikan keterlibatan yang jujur dan kesejahteraan sosial-emosional. Tekanan-tekanan ini bersifat lokal dan sosial alih-alih tertulis: lihat norma sosial penggunaan AI. Kondisi penilaian menambahkan tekanannya sendiri: sebuah tinjauan scoping atas pengawasan jarak jauh dalam penilaian keperawatan menemukan siswa cemas tentang konektivitas dan tentang dituduh curang secara keliru, pengguna pertama aplikasi pengawasan menggambarkannya sebagai memicu kecemasan dan melaporkan kesulitan berkonsentrasi saat diawasi, dan sekitar seperlima mengalami kegagalan ekstensi peramban atau konektivitas meskipun ada sumber daya persiapan.

Dampak identitas

Positif: AI dapat mendukung pembentukan identitas dengan menopang rasa memiliki disipliner, kepercayaan diri, dan aspirasi profesional — mis., membantu siswa melihat diri mereka sebagai praktisi yang mampu.
Negatif: AI dapat mengancam identitas siswa melalui hilangnya kepengarangan dan keraguan akan kompetensi — ketika AI menghasilkan karya, siswa mungkin berhenti merasa karya itu "milik mereka." Paradoks kompetensi di bidang kreatif menunjukkan kemudahan penggunaan yang menggerus identitas berbasis keahlian yang diperoleh siswa dari kepengarangan.

Dampak integritas akademik dan keadilan

Negatif: AI memungkinkan bentuk-bentuk baru ketidakjujuran akademik (esai yang dihasilkan AI, penyelesaian tanpa izin), memicu perdebatan tentang deteksi dan pengurangan. Ini bersinggungan dengan keadilan: akses dan pemahaman yang tidak setara terhadap alat AI dapat memperlebar kesenjangan antar siswa.
Apakah suatu penggunaan terhitung curang bergantung pada disiplinnya. Sebuah tinjauan sistematis atas 89 studi menemukan siswa STEM pada +42% kesepakatan bersih bahwa AI meningkatkan kinerja, sementara siswa humaniora menunjukkan kesepakatan bersih tertinggi bahwa penggunaan AI merupakan kecurangan (+44%) dan menimbulkan kekhawatiran etis (+58%) (Padhy (2026)). Masalah integritas sebuah mata kuliah karena itu sebagian merupakan pertimbangan disipliner alih-alih standar yang tetap, itulah sebabnya aturan yang dihadapi siswa bervariasi antar departemen sebanyak variasi antar kebijakan.
Positif/konstruktif: AI dapat mendukung penilaian yang autentik dan berorientasi proses serta praktik reflektif (mis., penilaian diri terpandu), mengubah kekhawatiran integritas menjadi peluang bagi Literasi AI dan tanggung jawab.

Kisah siswa tentang integritas kurang mapan dibandingkan yang disiratkan pembingkaian ketidakjujuran. Mulisa dan Mezgebu (2026) mewawancarai 27 mahasiswa di sebuah universitas Ethiopia dan menemukan badan siswa terbelah terhadap dirinya sendiri: hampir semuanya menggunakan GenAI atau menyaksikan teman sejawat menggunakannya dan sebagian besar mengaitkannya dengan kenaikan capaian mereka, sebagian kecil menyebut penggunaan untuk tugas kuliah sebagai pelanggaran langsung, dan keluhan yang paling tajam dan paling luas dibagikan adalah keadilan — pengguna AI memperoleh nilai di atas siswa yang bekerja jujur, yang sebagian menggambarkannya sebagai mematikan rasa rajin mereka dan membuat satu peserta tidak yakin "apakah kami diuntungkan atau dirugikan oleh penggunaan AI." Sisi prosedurnya juga penting: Munoz et al. (2026) mengodekan 1,162 kasus pelanggaran GenAI dan menemukan bahwa bukti yang paling sering dikutip — keluaran detektor, laporan kemiripan, pola konten khas AI — membawa nilai pembuktian paling lemah, dan bahwa tanpa ambang bukti minimum dalam alur prosesnya, siswa dengan kasus tipis didorong ke arah banding. Definisi yang terlalu inklusif memperlebar paparan itu: Wright (2026) menunjukkan bahwa larangan yang ditujukan pada "AI generatif" dapat menangkap alat yang hanya mengubah format karya yang sudah ditulis siswa sendiri, sebuah inklusi berlebih yang paling berat menimpa siswa penyandang disabilitas dan siswa yang terekspos keadilan. Sharma (2026) menunjukkan jalan keluar yang konstruktif, memperlakukan integritas sebagai praktik pedagogis yang diwujudkan melalui pertimbangan — jejak keputusan beranotasi, verifikasi, pembelaan lisan, riwayat versi — alih-alih kepatuhan yang dijamin melalui pengawasan.

Verifikasi dapat mengubah bagaimana siswa mengalami pertanyaannya: permintaan untuk menjelaskan pekerjaan mereka mula-mula terbaca sebagai tuduhan, tetapi setelah silabus membingkainya di muka sebagai pedagogi alih-alih pengawasan, mereka mengungkapkan penggunaan AI dengan lebih terbuka dan memperlakukan tugas sebagai tugas belajar, dalam percakapan lima-hingga-sepuluh menit (Mandernach, 2026).

Dampak sosial dan relasional

Positif: AI dapat memediasi kolaborasi dan interaksi manusia–AI, mendukung kerja tim, interaksi sebaya, dan akses ke perspektif yang beragam.
Negatif: AI dapat mengurangi interaksi sejati dengan teman sejawat dan pengajar, menciptakan dinamika menjilat, dan — ketika beroperasi sebagai rekan tim yang tidak diungkapkan — membentuk ulang wacana kelompok dan Agensi Pembelajar dengan cara yang tidak dapat dilihat atau diperdebatkan siswa (lihat agensi siswa yang muncul dalam HAI implisit).

Dampak jangka panjang / kapabilitas

Positif: AI dapat membantu siswa membangun keterampilan yang dapat dipindahkan untuk tempat kerja yang terintegrasi AI — kapabilitas adaptif seperti Literasi AI, Kognisi Terdistribusi, dan Metakognisi — dan menaikkan ekspektasi tentang kesiapan keterampilan AI (ekspektasi keterampilan AI bagi lulusan).
Negatif: Pengalaman AI yang terlalu bergantung atau tidak reflektif dapat membuat siswa kurang mampu tampil tanpa AI, kurang terlatih dalam penalaran mandiri, dan tidak yakin akan kemampuan mereka sendiri (lihat penyalahgunaan AI dan kerugian pembelajaran).

Secara keseluruhan: alat AI yang sama dapat mendukung atau melemahkan siswa tergantung desain dan penggunaan. Pagar pengaman sepanjang halaman ini adalah menjaga siswa tetap melakukan kerja yang penting secara kognitif sambil menggunakan AI untuk dukungan (topang, jangan gantikan), dan memperhatikan seluruh rentang dampak — bukan hanya kinerja. Satu konfigurasi menggeser titik mula pengalamannya: ketika AI yang menghasilkan bacaan mata kuliah itu sendiri alih-alih membantu pekerjaan rumah, siswa menjadi auditor atas kurikulum mereka sendiri. Dalam mata kuliah pascasarjana Sidorkin (2026), siswa menghargai kekhususan kontekstual dan kemampuan penyesuaian teks yang dihasilkan dan 75 persen setuju bahwa mereka belajar lebih banyak daripada di mata kuliah sebanding tanpa pendamping AI, namun mereka harus menyimpulkan kualitas sumber dari konteks karena tautan Wikipedia dan sitasi tinjauan sejawat muncul dalam daftar yang sama tanpa label, dan empat dari 24 responden survei menggunakan bahasa ketergantungan, termasuk satu yang menggambarkan dirinya sebagai "agak kodependen pada AI untuk rasa tenang dan struktur."

Hasil jangka paling panjang yang dialami seorang siswa — apakah mereka kembali semester berikutnya, mengumpulkan kredit, dan lulus — bersifat institusional alih-alih instruksional, dan Dukungan dan Keberhasilan Siswa melacak bagaimana dukungan AI memengaruhinya: penyelesaian tugas bergerak dengan mudah, ketahanan dan kelulusan jauh lebih sedikit.

Keterkaitan

Pengalaman siswa terhubung dengan Ketergantungan Berlebih (ketergantungan AI yang berlebihan), Literasi AI (keterampilan untuk penggunaan yang efektif), Offloading Kognitif (bagaimana AI mengubah kerja kognitif), dan keterlibatan (bagaimana sistem AI mengukur dan merespons perilaku siswa). Ia adalah anggota yang berorientasi siswa dari payung Pemangku Kepentingan, dan rumah bagi perangkuman semua cara AI memengaruhi siswa.

Miskonsepsi Umum

"Siswa yang menghindari AI tertinggal." Nonpenggunaan sering kali merupakan posisi yang beralasan alih-alih sebuah celah: survei lintas institusi di Inggris atas 7,087 siswa menemukan 32% tidak menggunakan GenAI untuk belajar sama sekali, dengan nonpengguna menyebut keinginan mengerjakan pekerjaan itu sendiri. Memperlakukan itu sebagai defisit adopsi membalik temuannya dan menekan siswa keluar dari pilihan yang dapat dipertahankan.

"Laporan siswa adalah ukuran pembelajaran yang wajar." Itu adalah ukuran laporan diri: keduanya menangkap persepsi dan niat dengan baik dan perilaku hanya secara aproksimatif. Celah kinerja–pembelajaran dalam literatur ini — siswa tampil lebih baik dengan AI dan lebih buruk pada tugas tanpa bantuan di kemudian hari — justru merupakan kasus di mana laporan diri dan hasil menyimpang, sehingga badan siswa yang puas bukanlah bukti badan siswa yang belajar.

"Jika siswa merasa AI membantu, berarti ia membantu." Merasa terbantu adalah datum nyata tentang pengalaman dan inferensi yang tidak andal tentang hasil. Celahnya terdokumentasi dan siswa dalam kelompok yang dirugikan tidak secara andal mempersepsikannya, sehingga persepsi dan hasil harus dikumpulkan sebagai ukuran terpisah alih-alih satu mewakili yang lain.

"Pengalaman siswa adalah kekhawatiran yang lunak dibandingkan hasil." Ia adalah indikator pendahulu bagi adopsi dan pengungkapan: siswa yang merasa penggunaannya dihakimi akan menyembunyikannya, dan penggunaan yang tersembunyi adalah kondisi di mana penyalahgunaan dan kerugian paling tidak terlihat oleh institusi.

Implikasi bagi Praktik

Bagi pengajar

Jangan memperlakukan nonpenggunaan sebagai celah yang harus ditutup. Sekitar sepertiga siswa memilih mengerjakan pekerjaan itu sendiri, dan tekanan untuk mengadopsi mengubah posisi yang beralasan menjadi masalah kepatuhan.
Kumpulkan persepsi dan hasil secara terpisah. Survei kepuasan menggambarkan pengalaman dan tidak dapat menggantikan kinerja tanpa bantuan.
Buat pengungkapan menjadi aman, karena siswa yang mengharapkan penghakiman menyembunyikan penggunaannya, dan penggunaan yang tersembunyi adalah tempat di mana perbedaan antara kinerja berbantuan dan tanpa bantuan bersembunyi.

Bagi pengembang

Laporkan hasil pembelajaran bersama metrik pengalaman dalam apa pun yang Anda terbitkan kepada siswa, karena hasil yang dirasakan dan yang terukur secara rutin menyimpang.
Dukung penolakan atas asisten tanpa kehilangan akses ke mata kuliah.

Bagi peneliti

Laporkan ukuran dan alasan kelompok nonpengguna secara eksplisit; 32% dari sampel 7,087 siswa adalah sebuah populasi, bukan residu.

Konsep terkait

Pembelajar — Siswa: payung bagi konsep-konsep sisi siswa
Kemitraan Pedagogis — Kemitraan Pedagogis
Identitas Pembelajar — identitas siswa yang berkembang secara disipliner, profesional, kreatif, dan akademik
Agensi Pembelajar
Kesejahteraan
Kecemasan dan Stres
Pembelajaran Sosial-Emosional
Proctoring Jarak Jauh
AI Generatif
Model Bahasa Besar (LLM)
Pendidikan Tinggi
Literasi AI
Offloading Kognitif
Keadilan
K-12
Perancah
Metakognisi
Regulasi Diri dalam Belajar
Membingkai Penggunaan AI bagi Siswa
Integritas Akademik
Pemangku Kepentingan — Payung: orang dan audiens dalam pendidikan AI (siswa, guru, perancang, administrator, pembuat kebijakan)
Ukuran Laporan Diri
Keterlibatan Siswa — bagaimana sistem AI mengukur dan merespons perilaku siswa
Norma Sosial Penggunaan AI — bagaimana penggunaan AI menjadi terlihat oleh teman sejawat
Dukungan dan Keberhasilan Siswa — sisi institusional dari dukungan: apa yang dilakukan universitas kepada siswa, bukan apa yang terjadi di dalam mata kuliah

FAQ terkait

Metadata

Tingkat	Higher Ed, K 12
Pembelajaran dan pengajaran	Kesejahteraan
Teknologi dan teknik	AI Generatif, Model Bahasa Besar (LLM)
Kesetaraan, etika, dan penggunaan yang bertanggung jawab	Keadilan
Dasar-dasar AI dalam pendidikan	Literasi AI, Offloading Kognitif

Sumber Riwayat Sunting Obrolan