Pengetahuan Teknologis, Pedagogis, dan Konten (TPACK)

Di halaman ini

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

Pengetahuan Teknologis Pedagogis dan Konten (TPACK) — kerangka (Mishra & Koehler, 2006) yang menggambarkan pengetahuan terintegrasi yang dibutuhkan guru untuk memakai teknologi secara efektif dalam pengajaran: keterkaitan Pengetahuan Teknologis (TK), Pengetahuan Pedagogis (PK), dan Pengetahuan Konten (CK), serta persilangannya. Di era AI, TPACK telah diperluas menjadi AI-TPACK / GenAI-TPACK, yang memodelkan bagaimana guru mengintegrasikan AI generatif ke dalam pengajaran bidang konten. Ia adalah lensa teoretis dominan untuk memahami bagaimana kompetensi AI guru terstruktur dan dibangun melalui pengembangan profesional.

Dominasi itu juga sebagian merupakan artefak pengambilan: dalam tinjauan cakupan PRISMA atas 195 studi pendidikan guru berbantuan teknologi, kompetensi digital, TPACK dan DigCompEdu adalah deskriptor pencarian yang eksplisit, sehingga porsi 46.5% kerangka kompetensi menggambarkan korpus yang terambil alih-alih bidangnya (Patiño Hernández dkk. (2026)).

Pertanyaan yang Perlu Dipertimbangkan

TPACK menyatakan pengajaran efektif dengan teknologi bukan jumlah keterampilan terpisah (mengetahui mata pelajaran + mengetahui pengajaran + mengetahui alat) melainkan hasil keterkaitannya. Pikirkan satu pelajaran yang benar-benar berhasil dengan sebuah teknologi. Kombinasi pengetahuan konten, pedagogi, dan teknologi mana — bukan salah satu saja — yang tampaknya melakukan kerja itu?
Asumsi umum adalah guru yang 'melek teknologi' otomatis siap mengajar dengan AI. Di mana asumsi itu bisa gagal — misalnya, ketika guru yang lancar secara teknis tetap memakai AI dengan cara yang dangkal secara pedagogis atau tidak akurat secara konten? Seperti apa 'kompetensi' yang terlewat oleh tes keterampilan teknis sederhana?
Era AI membingkai ulang teknologi dalam TPACK dari alat pasif menjadi agen aktif yang dapat merencanakan, membangkitkan, dan menjadi tutor. Jika pekerjaan guru bergeser dari mengoperasikan alat menjadi mengorkestrasi AI yang bertindak sendiri, pengetahuan baru apa yang dituntut — dan dapatkah daftar periksa statis menangkapnya?
Halaman ini menyarankan pengembangan profesional melatih persilangannya, bukan hanya alatnya. Pikirkan pelatihan teknologi terakhir yang Anda ikuti atau rancang. Apakah itu terutama 'cara memakai perangkat lunaknya', atau membangun konten dan pedagogi bersama teknologinya? Pendekatan mana yang menurut Anda lebih mengubah praktik kelas, dan mengapa?
Penelitian menemukan 'arketipe guru' berbeda — pengoptimal, pencipta, pengamat pasif — memperoleh manfaat dari dukungan yang berbeda. Arketipe mana yang paling mirip Anda saat memakai AI dalam pengajaran, dan dukungan Perancah seperti apa yang menurut Anda paling membantu? Apakah pembelajar Anda akan menggambarkan Anda sama seperti Anda menggambarkan diri sendiri?
Sebagian peneliti berargumen integrasi AI yang efektif muncul dari keyakinan guru dan rasa efikasi, bukan hanya pengetahuannya. Apa yang Anda yakini tentang peran AI dalam pembelajaran, dan bagaimana keyakinan itu — lebih dari keterampilan teknis Anda — mungkin membentuk apakah dan bagaimana Anda benar-benar mengintegrasikannya?

Pendahuluan

Crompton dkk. DBR mengoperasionalkan standar integrasi teknologi fakultas yang memperluas kerangka TPACK ke praktik institusional.

Kerangka

TPACK menyatakan bahwa integrasi teknologi yang efektif bukan jumlah domain pengetahuan terpisah melainkan hasil keterkaitan dinamis mereka. Kerangka ini terdiri atas tiga domain dasar dan empat persilangan:

Pengetahuan Konten (CK) — pengetahuan tentang materi pelajaran yang diajarkan.
Pengetahuan Pedagogis (PK) — pengetahuan tentang metode pengajaran, strategi, dan cara siswa belajar.
Pengetahuan Teknologis (TK) — pengetahuan tentang cara memakai alat dan teknologi, termasuk AI generatif.
Pengetahuan Konten Pedagogis (PCK) — cara mengajarkan konten tertentu secara efektif.
Pengetahuan Konten Teknologis (TCK) — bagaimana teknologi membentuk dan merepresentasikan konten.
Pengetahuan Pedagogis Teknologis (TPK) — bagaimana teknologi mendukung atau membatasi strategi pengajaran.
TPACK — pengetahuan terintegrasi yang muncul di pusat, tempat ketiga domain berinteraksi untuk memungkinkan pengajaran yang diperkaya teknologi dan spesifik konten.
Kerangka ini mendominasi bidang secara bawaan, dan dipaksakan agar pas. Dalam tinjauan berpanduan PRISMA atas 78 studi desain instruksional berbantuan AI, hanya 19 yang memakai kerangka kompetensi bernama — dan TPACK beserta variannya mencakup 17 dari 19 itu, dipakai secara produktif sebagai lensa analitis tetapi dipaksakan melampaui cakupan aslinya, karena TPACK tidak dirancang untuk kapasitas khas AI. Ekstensi yang dibuat khusus karena itu jarang: Intelligent-TPACK muncul hanya di lima studi, biasanya dipasangkan dengan Literasi AI untuk menangani progresi perkembangan (Spyropoulou & Kameas, 2026).
Penelitian berjalan tanpa teori sementara kerangka kebijakan tidak diuji. Tinjauan yang sama menemukan 76% studi menyimpulkan kompetensi dari praktik tanpa pemetaan teoretis sama sekali, dan baik DigCompEdu maupun Kerangka Kompetensi AI untuk Guru UNESCO tidak dipakai sebagai kerangka analitis di antara 78 studi itu — keterputusan yang berjalan dua arah, karena kerja empiris tidak mengakumulasi kosakata bersama sementara kerangka yang seharusnya memandu praktik tetap tak teruji secara empiris dalam konteks ini.

AI-TPACK dan GenAI-TPACK

Era AI telah mendorong kerangka ini ke pembacaan teknologi-dengan-kecerdasan. Alih-alih alat pasif, AI generatif adalah agen aktif yang dapat merencanakan, membangkitkan konten, menjadi tutor, dan beradaptasi — sehingga pengetahuan integrasi makin mencakup orkestrasi: memutuskan kapan dan bagaimana AI bertindak, memberi perancah, atau memberi jalan pada pertimbangan manusia.

Melampaui pengetahuan yang terpisah. Penelitian AI-TPACK berargumen integrasi AI yang efektif muncul bukan dari memiliki domain terpisah melainkan dari keterkaitan dinamis berpikir sistem, keyakinan pedagogis, dan Efikasi Diri — menantang model kompetensi AI guru yang statis dan berbasis daftar periksa. Arketipe guru (Pengoptimal Sistematis, Pencipta Produktif, Pengamat Pasif) muncul dari cara guru merancang alur kerja instruksional multi-agen.
Apa yang ditinggalkan kerangka integrasi. Kritik koagensi menyatakan TPACK dan SAMR membahas pengetahuan dan tingkat adopsi guru tetapi meninggalkan kuasa, kepemilikan data, dan akuntabilitas, sehingga pengetahuan integrasi membutuhkan batas etis eksplisit alih-alih domain pengetahuan lain (Poudyal (2026)).
Bukti lintas tingkat untuk inti pedagogis. Studi multilevel atas 46 guru dan 2,832 siswa sekolah menengah menemukan pengetahuan AI teknis saja tidak cukup — bahkan sedikit melemahkan persepsi siswa tentang AI untuk kebaikan sosial — sementara pengetahuan AI pedagogis (TPAIK) justru menumbuhkan persepsi dan niat berperilaku siswa untuk mempelajari AI. Hasilnya menyuling menjadi pedoman "pedagogi dahulu, teknologi kemudian" yang menggemakan temuan peran mediasi di atas.
Etika sebagai mediator integratif, bukan batas. Dalam survei atas 454 guru universitas, pengetahuan AI-teknologis yang terisolasi memiliki asosiasi langsung negatif dengan AI-TPACK terintegrasi (β = −0.303) sementara efek totalnya tetap positif (β = 0.639), berjalan melalui pengetahuan pedagogis, konten, dan etika (Chen dkk. (2026)). Pengetahuan etika juga menyalurkan efeknya lebih jauh, memprediksi pengetahuan pedagogis (β = 0.353) dan konten (β = 0.269).
Lensa tinjauan untuk seluruh bidang. Tinjauan sistematis dari perspektif TPACK (Liu & Zhong, 2025) menganalisis 71 studi empiris GenAI dalam pembelajaran siswa, menemukan efek positif keseluruhan (Hedges' g = 0.752) dan mengidentifikasi literasi GenAI bagi siswa serta pengembangan profesional GenAI-TPACK bagi guru sebagai dua prioritas kritis bidang ini.
Kemahiran semata tidak memprediksi integrasi pedagogis. Choi dkk. (2026) mengukur Intelligent-TPACK guru untuk menyegmentasi peserta dan mengamati bahwa bahkan pemula yang mahir AI bersandar pasif pada keluaran AI selama perancangan pelajaran, sementara guru berpengalaman — dengan AI-TPACK terukur lebih rendah — terlibat kembali secara kritis dan mengadaptasi saran AI ke konteks pedagogis. Hasilnya memperkuat pola di atas: AI-TPACK diterjemahkan menjadi penggunaan kelas yang sehat melalui pertimbangan pedagogis yang berpengalaman, dan dukungan Pendidikan Guru karena itu harus menyasar penerapan pengetahuan AI, bukan sekadar memilikinya.
Konteks pendidikan guru. TPACK berperan penting dalam membudayakan kompetensi guru untuk mengintegrasikan teknologi ke pengajaran spesifik kurikulum, yang sebabnya penelitian pendidikan guru dan PD (mis., program PD GenAI intensif, kesiapan AI-TPACK calon guru) makin mengukurnya sebagai luaran yang diminati.
Pengetahuan pedagogis memediasi integrasi GenAI. Mohebi dan ElSayary (2026) mensurvei 325 guru dalam jabatan di 26 negara dan mewawancarai tujuh, memakai desain metode campuran sekuensial eksplanatori untuk memodelkan TPACK-GenAI. Pengetahuan Teknologis (TK), Pengetahuan Pedagogis (PK), dan Pengetahuan Konten Pedagogis (PCK) masing-masing berasosiasi dengan TPACK-GenAI keseluruhan, tetapi Pengetahuan Pedagogis Teknologis (TPK) memediasi tautan itu — bukti bahwa gerak "dari kemahiran ke pedagogi" penting: menerjemahkan keterampilan GenAI menjadi penggunaan kelas yang sehat berjalan melalui pengetahuan integrasi pedagogis-teknologis, bukan keakraban alat semata.
Di pendidikan tinggi, keahlian konten tidak beralih ke integrasi GenAI. Sutedjo, Chowdhury & Liu (2026) mengadaptasi instrumen TPACK-21 untuk mensurvei 127 fakultas di universitas riset AS tentang penggunaan GenAI untuk mengajarkan keterampilan abad ke-21. Fakultas melaporkan CK (M = 5.15) dan PCK (M = 4.70) yang kuat tetapi pengetahuan terintegrasi teknologi yang rendah — TPK (M = 2.62), TCK (M = 2.75), dan TPACK keseluruhan (M = 2.55, domain terendah) — dan CK tidak menunjukkan korelasi signifikan dengan TK atau domain terintegrasi teknologi mana pun (r = .11–.15, ns). Ketiga domain terintegrasi teknologi saling berkorelasi begitu kuat (r = .81–.91) sehingga mungkin berfungsi sebagai satu faktor integrasi GenAI. Hasilnya memperkuat prinsip desain melatih persilangan: pengembangan fakultas harus sengaja membangun pengetahuan integrasi GenAI melalui aktivitas spesifik disiplin alih-alih mengasumsikan keahlian materi pelajaran akan terbawa, dan memperlakukan domain terintegrasi teknologi sebagai fondasi literasi GenAI bersama.
Mode institusional dan tingkat pelatihan berinteraksi. Mnguni dkk. (2026) membandingkan 186 calon guru sains tahun akhir di universitas berbasis kampus Afrika Selatan (n = 85) dan universitas pendidikan jarak jauh (n = 97). TPACK yang dilaporkan sendiri lebih tinggi di kampus (64.0% versus 47.4%), Pengetahuan Pedagogis adalah domain paling sedikit dilaporkan di kedua kelompok (53% di kampus), dan tingkat pelatihan AI berasosiasi dengan TPACK yang dilaporkan sendiri hanya di institusi jarak jauh, tempat menyelesaikan kursus singkat lima kredit memprediksi TPACK yang dilaporkan lebih lemah daripada tanpa pelatihan sama sekali (p = .039, versus p = .607 di kampus). Kesiapan karena itu mengikuti konteks penyediaan institusional alih-alih jam pelatihan semata, dan penulisnya memperingatkan kesiapan yang dilaporkan sendiri tidak dapat menggantikan bukti kinerja.

Peringatan pengukuran pelengkap datang dari Model Kapabilitas–Keputusan penulis yang sama: ketika TPACK dilaporkan sendiri dan kontrol perilaku yang dipersepsikan diukur sebagai Efikasi Diri, keduanya mungkin tidak dapat dibedakan secara empiris, sehingga suatu studi tidak dapat memastikan apakah kapabilitas atau keyakinan umum yang memprediksi niat (Mnguni (2026)).

TPACK terintegrasi paling bergerak ketika AI diberi perancah di dalam tugas berbasis masalah yang autentik. Chen dan Osman (2026) membandingkan modul CTD-PBL berbantuan AI selama delapan minggu dengan pengajaran konvensional untuk 130 calon guru fisika tahun ketiga dalam desain kuasi-eksperimental kelas utuh (65 per kondisi), dengan kelompok memakai DeepSeek melalui templat prompt spesifik tugas dan setiap keluaran AI wajib lolos verifikasi manusia sebelum masuk ke artefak instruksional. Kelompok modul melaporkan TPACK pascates lebih tinggi (M = 4.04 vs. 3.40, p < 0.001, d = 1.02) dan pemecahan masalah kolaboratif yang dipersepsikan lebih tinggi (M = 3.62 vs. 3.05, d = 0.88), dengan interaksi kelompok × waktu yang signifikan pada kedua luaran. Di mana keuntungannya mendarat adalah detail yang relevan bagi TPACK: efek dimensi terbesar ada pada domain terintegrasi — TPCK (d = 1.21), PCK (d = 1.06) dan TPK (d = 0.95) — dan keuntungan kolaborasi paling jelas pada pembangunan pengetahuan bersama dan regulasi sosial, yakni persilangan alih-alih domain dasar. Penulis menyajikannya sebagai perubahan diferensial yang terkait dengan kondisi instruksional terintegrasi, bukan sebagai efek AI: AI tidak pernah dipisahkan dari rantai tugas PBL, kolaborasi terstruktur, perancah instruktur, umpan balik sejawat, atau revisi reflektif, dan kedua luaran adalah persepsi kompetensi berbasis kuesioner alih-alih kinerja kelas yang ditunjukkan.
Sebuah intervensi dapat menggerakkan domain dasar lebih dahulu. Program pengembangan profesional enam bulan yang dibangun langsung di atas kerangka Intelligent-TPACK paling menaikkan pengetahuan AI teknis (AITK: 3.92 ke 4.43, t(63) = 3.856, p < .001, d = .48), berikutnya pengetahuan teknologis-pedagogis (AITPK: d = .33) dan paling sedikit AITPACK terintegrasi (d = .26), dengan kesadaran etis relatif stagnan (Tan, Cheng & Ling, 2025). Urutannya adalah cermin dari keuntungan domain terintegrasi Chen dan Osman, dan keduanya laporan diri.

AI-TPACK sebagai mediator antara literasi dan integrasi kelas. Model persamaan struktural atas calon guru sains Tiongkok (Zou, Li, Wang & Du, 2026) memposisikan AI-TPACK bukan sebagai kompetensi paralel melainkan sebagai mekanisme transmisi yang melaluinya Literasi AI umum menjadi praktik mengajar. Literasi AI memprediksi AI-TPACK secara kuat, AI-TPACK kemudian memprediksi pengajaran sains Efikasi Diri, dan efikasi diri mengajar adalah prediktor tunggal terkuat bagi niat mengajar melalui inkuiri terintegrasi AI.

Rantai serial lengkap (literasi AI → AI-TPACK → efikasi diri → niat) signifikan, begitu pula jalur tidak langsung terpisah melalui AI-TPACK dan melalui efikasi diri; secara keseluruhan, sebagian besar asosiasi literasi AI dengan niat berjalan melalui mediator ini alih-alih secara langsung, dan hasilnya bertahan setelah mengendalikan gender, tahun studi, jurusan, dan frekuensi penggunaan AI. Klaim praktis model itu adalah urutan dengan titik masuk: literasi AI perlu tetapi tidak cukup, dan kerja integrasi terjadi di tempat pengetahuan teknologis, pedagogis, dan konten digabungkan — yang juga tempat keyakinan guru dalam mengajar mata pelajaran dibangun.

Validasi sebagai kompetensi keempat. Orhon, Cekerol dan Ugur (2026) memperluas model dengan Pengetahuan Validasi AI — menundukkan keluaran AI probabilistik pada verifikasi spesifik disiplin sebelum memperlakukannya sebagai bukti keputusan yang sah — dan memasangkannya dengan rubrik berorientasi proses untuk pendidikan desain.

Mengapa Ini Penting dalam Pendidikan AI

TPACK adalah kerangka pengorganisasi untuk sisi guru dari basis bukti pengetahuan ini. Ia menjelaskan mengapa kompetensi AI guru lebih dari kelancaran alat: guru harus mengintegrasikan pengetahuan teknologis, pedagogis, dan konten bersama-sama untuk mengubah AI menjadi capaian belajar. Halaman Kompetensi AI Guru di basis pengetahuan membahas dimensi kompetensinya; TPACK adalah struktur pengetahuan yang mendasarinya. Penelitian tentang keyakinan guru, pengembangan profesional, dan peran guru yang berubah semuanya beroperasi di dalam (atau menentang) kerangka ini. Kerangka ini kini diperluas untuk mengevaluasi program secara utuh: Wu & Li (2026) membangun sistem evaluasi AHP-Fuzzy-AHP untuk program sertifikat AI pada dimensi TPACK dan menemukan bahwa kompetensi profesional fakultas — bukan infrastruktur teknis — adalah kesenjangan terbesar antara prioritas ahli dan penyediaan saat ini, menandakan bahwa pemberian kredensial semestinya berinvestasi pada kapasitas pedagogis terintegrasi guru.

Mediasinya berjalan terutama melalui kemudahan penggunaan. Zhao (2026) menguji enam jalur tidak langsung dari literasi AI dan TPACK ke pembelajaran mendalam pada 423 calon guru: TPACK melalui persepsi kemudahan penggunaan paling besar (0.212) dan literasi AI melalui kebermanfaatan paling kecil (0.033), sehingga pengetahuan integrasi bekerja melalui kegunaan, bukan manfaat.

Implikasi Desain

Latih persilangannya, bukan hanya alatnya. PD semestinya membangun pengetahuan teknologis, pedagogis, dan konten bersama-sama alih-alih menawarkan pelatihan alat yang terisolasi — prinsip desain inti TPACK.
Perlakukan AI sebagai agen, bukan peralatan. AI-TPACK memperluas kerangka menuju orkestrasi agen AI, menuntut berpikir sistem dan pertimbangan pedagogis tentang kapan AI harus bertindak.
Diferensiasi PD menurut profil guru. Arketipe guru berbeda (pengoptimal, pencipta, pengamat) memperoleh manfaat dari perancah berbeda — kerangka lanjutan, umpan balik cepat, atau pemodelan eksplisit.
Nilai kompetensi terintegrasi. Luaran berorientasi TPACK (mis., keuntungan AI-PCK) semestinya diukur sebagai kapabilitas terintegrasi, bukan keakraban alat yang dilaporkan sendiri.

Miskonsepsi Umum

"Dominasi TPACK mencerminkan daya penjelasannya." Dominasi itu sebagian artefak pengambilan: dalam tinjauan cakupan PRISMA atas 195 studi pendidikan guru berbantuan teknologi, kompetensi digital, TPACK dan DigComp mendominasi literatur terindeks. Prevalensi dalam pencarian adalah sifat kosakata yang dipakai bidang itu, bukan bukti bahwa kerangkanya menjelaskan lebih banyak.
"Kerangka yang terkenal adalah kerangka yang tervalidasi untuk AI." TPACK tidak dirancang untuk kapasitas khas AI, yang sebabnya Intelligent-TPACK dikembangkan — dan ia muncul hanya di lima studi dalam tinjauan 78 studi itu. Memakai TPACK untuk kompetensi GenAI memaksakannya melampaui konstruksinya.
"Menerapkan kerangka berarti penelitiannya berteori." Tinjauan yang sama menemukan 76% studi menyimpulkan kompetensi dari praktik tanpa pemetaan teoretis, sehingga kehadiran TPACK di bidang ini hidup berdampingan dengan sebagian besar penelitian yang tanpa teori. Kerangka bernama tidak sama dengan kerangka yang bekerja.

Konsep terkait

FAQ terkait

Bagaimana saya merancang pengembangan fakultas untuk AI yang benar-benar mengubah praktik?

Metadata

Audiensi sasaran	Faculty Developers, Instructors
Teknologi dan teknik	AI Generatif
Dasar-dasar AI dalam pendidikan	Literasi AI, Desain Kurikulum, Pengembangan Pendidikan, Desain Pembelajaran, Pengajaran, Pengetahuan Teknologis, Pedagogis, dan Konten (TPACK), Kompetensi AI Guru

Sumber Riwayat Sunting Obrolan