Teori dan Kerangka Kerja

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

Teori dan kerangka kerja — inventaris kerja struktur penjelas dan pengorganisasi yang benar-benar dipakai basis pengetahuan ini. Teori menjelaskan mengapa belajar terjadi (Teori Belajar, Teori Determinasi Diri, Pembelajaran Sosiokultural, teori aktivitas); kerangka kerja mengorganisasi keputusan desain, pengajaran, dan adopsi (Pengetahuan Teknologis, Pedagogis, dan Konten (TPACK), SAMR, model adopsi teknologi, ICAP, desain universal untuk pembelajaran); model membuat klaim pembelajaran dapat diuji dan dikomputasi (teori respons butir, Validitas Penilaian, Pelacakan Pengetahuan). Gunakan halaman ini untuk menemukan lensa yang menjadi landasan sebuah studi, atau untuk memilih satu bagi pekerjaan Anda sendiri.

Pertanyaan yang Perlu Dipertimbangkan

Teori memprediksi apa yang terjadi ketika sesuatu berubah; kerangka kerja memberi tahu Anda apa yang perlu diperhatikan. Ketika sebuah studi melaporkan keuntungan di bawah panji sebuah kerangka kerja tetapi tidak membuat prediksi yang bisa saja gagal, apa yang sebenarnya telah dipelajari?
TPACK, SAMR, UDL, model adopsi, dan ICAP semuanya mendahului model bahasa besar. Bagian mana dari semuanya yang masih berlaku ketika alat itu dapat menulis, menjelaskan, dan beradaptasi sendiri, dan bagaimana Anda mengetahuinya?
Beberapa teori yang dikatalogkan di bawah ini diciptakan untuk AI dalam beberapa tahun terakhir. Apa yang diperlukan agar salah satunya terbukti salah, dan adakah yang sudah mencoba menunjukkannya?
Adopsi sering dilaporkan sebagai pergerakan melalui tahapan. Jika seorang kolega melaporkan bahwa mata kuliahnya tahun ini bergerak "dari substitusi ke redefinisi", bukti independen apa yang akan Anda minta sebelum mempercayainya?
Sebagian besar bidang ini menerapkan teori pinjaman alih-alih mengujinya. Pilih satu temuan yang Anda andalkan: dapatkah ia dirumuskan ulang sebagai uji sebuah teori, dan pengukuran apa yang dibutuhkannya?

Pendahuluan

Setiap tutor AI, sistem umpan balik, dan dasbor menanamkan asumsi tentang bagaimana orang belajar, apakah para perancangnya menyatakannya atau tidak. Halaman ini mengumpulkan teori, kerangka kerja, dan model asal asumsi itu, diurutkan secara longgar menurut seberapa besar literatur riset saat ini bersandar padanya, dan menyebutkan secara singkat kegunaan masing-masing. Perbedaan di antara ketiga label itu nyata tetapi kecil, dan diringkas di dekat akhir alih-alih dijadikan subjek. Yang penting secara praktis adalah lensa mana yang menjadi landasan sebuah klaim, dan apakah lensa itu dapat mendukung klaim tersebut.

Teori belajar yang diterapkan literatur

Ini menjelaskan mekanisme: mereka menamai bagian yang melakukan kerja dan memprediksi apa yang menyusul ketika bagian itu berubah. Dalam literatur AI, teori-teori ini sebagian besar dipinjam dari psikologi dan ilmu pembelajaran, dan dipakai sebagai bingkai interpretatif di sekitar alat baru.

Teori belajar (payung) — keluarga secara keseluruhan, termasuk kutub klasik Behaviorisme dan konstruktivisme serta celah "konstruktivisme dalam nama, behaviorisme dalam praktik" yang berulang dalam implementasi AI. Konektivisme dan teori beban kognitif juga dibahas di sini.
Konstruktivisme — belajar sebagai konstruksi pengetahuan yang aktif. Ia mendasari kerja berbasis proyek, tutoring AI berbasis dialog, dan kritik bahwa sistem latihan-dan-umpan-balik melanggar pedagogi yang mereka nyatakan sendiri.
Teori sosiokultural — belajar sebagai termediasi oleh alat dan interaksi sosial, itulah sebabnya AI diteorikan sebagai artefak yang memediasi alih-alih sekadar bantuan.
Teori aktivitas — mengambil keseluruhan sistem aktivitas, termasuk kontradiksinya, sebagai unit analisis. Lazim dalam studi AI yang berorientasi guru, ketika temuan yang menarik biasanya adalah ketegangan antara alat, aturan, dan komunitas.
Pembelajaran tersituasi dan Pembelajaran terwujud — belajar sebagai terikat pada konteks dan pada tubuh, penyeimbang bagi perlakuan AI sebagai medium yang murni linguistik.
Kognisi terdistribusi — berpikir yang tersebar di antara orang dan artefak, yang membingkai bantuan AI sebagai redistribusi kerja kognitif alih-alih substitusinya.
Komunitas inkuiri — kehadiran sosial, kognitif, dan pengajaran yang membuat pengalaman daring berhasil; teori tentang pengalaman sekaligus bingkai desain.
Teori determinasi diri — otonomi, kompetensi, dan keterhubungan sebagai prasyarat motivasional. Sering menjadi penjelasan yang ditawarkan ketika penggunaan AI menaikkan keterlibatan tanpa menaikkan pembelajaran.
Kognitivisme — pemrosesan informasi, memori kerja, dan divergensi antara perasaan belajar dan pembelajaran aktual.
Teori persepsi sosial (kehangatan dan kompetensi) — diimpor dari kognisi sosial dan riset robot layanan, ia membingkai bagaimana pengguna menilai kredibilitas agen AI: kompetensi yang dipersepsikan memprediksi kredibilitas umpan balik ChatGPT secara langsung sementara kehangatan hanya bekerja melalui empati yang mirip manusia (SEM, 230 siswa; Pérez-López et al. (2026)).
Kategori afordans keempat diusulkan, bukan diuji. Mengodekan 24 studi terhadap skema afordans tiga bagian, para peninjau menemukan keterlibatan, keselamatan, dan efikasi diri tidak cocok dengan kategori teknologi, pedagogis, atau sosial, dan mengusulkan afordans emosional yang berlandaskan determinisme timbal balik Bandura (Lopez & Arabadzhy (2026)).

Model pembelajar dan proses belajar

Pembelajaran teregulasi diri — merencanakan, memantau, dan mengevaluasi pembelajaran sendiri. Konstruk pekerja utama untuk menanyakan apakah dukungan AI mencapai fase yang penting atau hanya eksekusi.
Metakognisi — berpikir tentang pemikiran sendiri, dan konstruk yang paling sering disebut ketika AI dituduh berpikir untuk siswa.
Motivasi — mengapa pembelajar terlibat, dan konstruk yang memisahkan keterlibatan dari pembelajaran dalam studi AI.
Efikasi diri — keyakinan pada kemampuan sendiri, berbeda dari kompetensi, dan sering menjadi mediator antara penggunaan AI dan hasil.
Agensi — siapa yang mengarahkan pekerjaan: konstruk di balik ketegangan kendali-versus-otonomi bidang ini, dan di balik mekanisme agensi terdelegasi dalam teori terbaru.
Kesulitan yang diinginkan, pengambilan, penjarakan, dan interleaving, dan teks penyangkalan — temuan yang membuat gesekan bernilai pedagogis, diterapkan pada keputusan tentang seberapa banyak yang seharusnya dilakukan AI.
Transfer pembelajaran — apakah kemampuan bertahan setelah dukungan ditarik, yang oleh teori terbaru diperlakukan sebagai kriteria yang memisahkan pembelajaran dari bantuan alih-alih satu hasil di antara beberapa.

Kerangka pengajaran, integrasi, dan adopsi

TPACK — pengetahuan guru yang memadukan teknologi, pedagogi, dan konten; kerangka kerja default bagi studi AI yang berorientasi guru.
Model adopsi — niat sebagai fungsi dari kegunaan yang dipersepsikan dan kemudahan penggunaan. Dipakai cukup luas sehingga ketergantungan bidang ini pada niat alih-alih perilaku menjadi kritik yang tetap.
ICAP — memeringkat keterlibatan sebagai pasif, aktif, konstruktif, interaktif; berguna untuk menanyakan mode apa yang sebenarnya diafordanskan oleh interaksi AI.
SAMR — substitusi hingga redefinisi. Populer sebagai kisah kematangan, lemah sebagai instrumen pengukuran.
Desain universal untuk pembelajaran, pembelajaran inklusif, dan Aksesibilitas — bingkai desain tentang siapa yang dilayani, dan yang paling sering diacu dalam kerja disabilitas dan keadilan.
Desain pembelajaran, Desain kurikulum, dan Berpikir desain — bagaimana tugas, urutan, dan program distrukturkan sebelum alat apa pun dipilih.
Manajemen perubahan — apakah sebuah sistem diadopsi sama sekali, yang biasanya merupakan pertanyaan institusional alih-alih pedagogis.

Model pengukuran dan komputasional

Teori respons butir — estimasi butir dan kemampuan, dan model yang membuat angka sebuah tes dapat ditafsirkan.
Pengukuran pendidikan — lanskap instrumen, termasuk ukuran yang dibangun khusus untuk literasi AI.
Validitas — apakah sebuah instrumen mengukur konstruk yang diklaimnya, yang menentukan apakah hasil yang dilaporkan mendukung klaim teoretis yang dilekatkan padanya.
Ukuran laporan diri — sumber bukti yang dominan dan paling rapuh dalam literatur ini; beberapa konstruk di atas diketahui menyimpang tajam antara laporan diri dan kinerja.
Pelacakan pengetahuan dan Pemodelan siswa — mengestimasi keadaan pembelajar seiring waktu dari data interaksi.
Diagnosis kognitif — mengatribusikan kinerja ke komponen keterampilan tertentu, padanan pemodelan bagi pengajaran diagnostik.
Tolok ukur, Evaluasi pendidikan AI, dan Kesadaran psikometrik dalam desain AI — bagaimana sistem dan intervensi dinilai, dibandingkan, dan diaudit.
Riset berbasis desain — metode yang menghasilkan teori dari intervensi yang dirancang alih-alih mengujinya sebelumnya.

Teori yang diciptakan untuk era AI

Empat usulan dalam basis pengetahuan membangun teori alih-alih meminjamnya. Semuanya halaman artikel alih-alih simpul konsep, karena masing-masing merupakan satu argumen:

Generativisme — teori belajar baru yang berargumen bahwa empat teori klasik menunjukkan keterbatasan konseptual signifikan seiring AI generatif berkembang.
Koagensi epistemik — model tentang bagaimana pembelajar dan sistem AI bersama-sama menghasilkan pengetahuan dan pemahaman.
Garis dasar kognitif yang tidak ada — membuat teori tentang mengapa siswa asli AI melebih-lebihkan pembelajaran mereka sendiri ketika AI menggelembungkan kinerja.
Agentivisme — teori jangkauan menengah yang menamai empat mekanisme (agensi terdelegasi, pemantauan dan verifikasi epistemik, internalisasi rekonstruktif, dan transfer di bawah dukungan yang berkurang) dan menyatakan enam proposisi yang dapat diuji.

Membedakan ketiga label

Kata-katanya dipakai secara longgar dalam literatur, dan perbedaannya layak mendapat satu paragraf alih-alih satu halaman penuh:

Teori menjelaskan mekanisme dan memprediksi apa yang terjadi ketika bagian-bagiannya berubah. Ia dapat gagal, itulah sebabnya studi yang menguji satu teori dapat melaporkan ukuran efek.
Kerangka kerja mengorganisasi atau memerintahkan. Ia menamai komponen yang perlu diperhatikan, biasanya tanpa memprediksi besaran, dan ia tidak dapat difalsifikasi.
Model adalah representasi formal, paling sering tentang pengukuran atau keadaan pembelajar. Ia dapat dicocokkan, dibandingkan, dan ditunjukkan salah dengan cara yang tidak dapat dilakukan kerangka kerja.
Labelnya tumpang tindih. Komunitas inkuiri adalah teori dan bingkai desain sekaligus; teori aktivitas bersifat penjelas dan analitis. Perlakukan label sebagai petunjuk tentang apa yang diklaim sebuah sumber, bukan sebagai kategori pengarsipan.

Lapisan terkait

Dua halaman tetangga sengaja membahas hal lain. Filsafat AI dalam pendidikan menanyakan pertanyaan normatif dan konseptual — untuk apa pendidikan, apakah mesin dapat mengajar — dan tidak memprediksi ukuran efek; sebuah studi dapat naif secara filosofis dan sehat secara teoretis, atau sebaliknya. Pengembangan teori adalah meta-aktivitas membangun, meminjam, dan merevisi teori, termasuk kritik yang tetap bahwa banyak kerja AIED menerapkan teori yang ada alih-alih mengujinya. Halaman ini adalah inventarisnya; pengembangan teori adalah tentang menghasilkan dan merevisi inventaris itu.

Memilih lensa ketika pertanyaannya praktis

Instruktur yang berangkat dari sebuah masalah dapat bekerja mundur: jika pembelajar tidak terlibat, ICAP dan SDT menamai penyebab yang berbeda dan menyarankan perbaikan yang berbeda; jika pertanyaannya apakah akan mengadopsi sebuah alat sama sekali, model adopsi dan SAMR menanyakan hal yang berbeda tentangnya.
Perancang pembelajaran memperoleh paling banyak dari bingkai desain — UDL, Desain Pembelajaran, dan Perancah — dipasangkan dengan teori yang memprediksi apa yang terjadi ketika perancah itu dilepas.
Peneliti sebaiknya menyatakan simpul mana yang diklaim sebuah studi dan apakah desainnya benar-benar dapat mengujinya; model pengukuran (IRT, Validitas Penilaian, Ukuran Laporan Diri) menentukan apakah hasil yang dilaporkan mendukung klaim itu.
Administrator menemui kerangka kerja ini sebagai pertanyaan adopsi dan perubahan, ketika model tahapan sering dipakai sebagai kisah kematangan alih-alih sebagai instrumen.

Apa yang tidak dapat dilakukan kerangka kerja

Kerangka kerja bukan bukti. Mereka biasanya dipinjam dari konteks pra-LLM dan dilokalkan oleh siapa pun yang menerapkannya, mereka dapat berfungsi sebagai branding, dan model tahapan mengundang adopsi kotak centang yang melaporkan pergerakan melalui tingkat alih-alih pembelajaran. Klaim yang bersandar pada kerangka kerja sebaiknya dibaca berdampingan dengan keterbatasan lintas potong bidang ini, validitas apa pun yang mengukur hasilnya, dan batas yang diketahui dari laporan diri.

Keselarasan mekanisme-ke-teori tetap dapat menentukan: sintesis tematik atas 55 studi pembelajaran berbasis permainan berbantuan AI menemukan bahwa efektivitas bergantung pada apakah mekanisme AI menjalankan pedagogi yang seharusnya dilayaninya alih-alih pada kecanggihan algoritmik (Kaşarcı dan Yurt (2026)).

Miskonsepsi Umum

"Menerapkan teori pinjaman pada alat AI berarti menggunakan teori." Sebagian besar bidang ini menerapkan teori pinjaman alih-alih mengujinya, dan perbedaannya adalah apakah kerangka kerja itu membuat prediksi yang bisa saja gagal. Ketika sebuah studi melaporkan keuntungan di bawah panji sebuah kerangka kerja sambil tidak berkomitmen pada prediksi yang dapat difalsifikasi, tidak ada yang dipelajari tentang kerangka kerja itu — hasil yang konsisten dengan setiap teori dalam katalog adalah bukti bagi tidak satu pun darinya.

"Nilai sebuah kerangka kerja adalah seberapa baik ia menggambarkan sistem yang sudah Anda bangun." Itu pelabelan pascahoc. Taksonomi yang menampung desain apa pun tidak memiliki daya pembeda, itulah sebabnya kerangka kerja deskriptif sebaiknya dinilai berdasarkan apa yang dikecualikannya. Pertanyaan evaluasinya bukan "apakah sistem saya cocok dengan ini?" melainkan "sistem seperti apa yang akan dinyatakan salah oleh kerangka kerja ini?"

"Teori belajar, model pembelajar, dan kerangka adopsi adalah lensa yang dapat dipertukarkan." Mereka menjawab pertanyaan yang berbeda — bagaimana belajar terjadi, apa keadaan pembelajar, dan mengapa sebuah praktik menyebar — dan jenis buktinya berbeda sesuai itu. Memilih lapisan yang salah menghasilkan studi yang mengukur variabel yang tepat terhadap prediksi yang salah, yang terbaca sebagai hasil nol padahal itu kesalahan kategori.

"Semakin banyak kerangka kerja berarti bidang yang semakin matang." Kerangka kerja yang diciptakan untuk era AI menumpuk lebih cepat daripada diuji, dan akumulasi tanpa falsifikasi adalah gejala alih-alih kemajuan. Kematangan tampak sebagai prediksi yang saling bersaing yang terselesaikan, bukan sebagai pertumbuhan kosakata.

Konsep terkait

Pengembangan Teori dalam AI dalam Pendidikan — membangun dan merevisi teori di bidang ini
Filosofi AI dalam Pendidikan — lapisan normatif dan konseptual
Teori Belajar — payung bagi teori belajar
Ilmu Pembelajaran — bidang tetangga tempat sebagian besar teori dipinjam
Keterbatasan dalam Penelitian AIEd — apa yang dapat dan tidak dapat didukung basis bukti
Pengetahuan Teknologis, Pedagogis, dan Konten (TPACK) — kerangka pengetahuan guru
Model Adopsi Teknologi — kerangka adopsi
Teori Respons Butir — model pengukuran
Desain Universal untuk Pembelajaran — kerangka desain
Metode Penelitian dalam AIED — bagaimana teori diuji

Metadata

Pembelajaran dan pengajaran	Teori Belajar
Asesmen dan pengukuran	Validitas Penilaian, Teori Respons Butir
Metode riset dan evaluasi	Metode Penelitian dalam AIED
Dasar-dasar AI dalam pendidikan	AI dalam Pendidikan, Pengembangan Teori dalam AI dalam Pendidikan, Filosofi AI dalam Pendidikan

Sumber Riwayat Sunting Obrolan