Bagaimana Saya Sebaiknya Memakai AI untuk Belajar secara Efektif?

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

Sekarang pukul 11 malam, set soal harus dikumpulkan pukul sembilan pagi, dan jendela obrolan sudah terbuka. Soal keempat berhenti masuk akal satu jam lalu. Alat itu akan menjawab dalam sepuluh detik dengan sesuatu yang terbaca seperti pekerjaan mahasiswa yang memahaminya, dan Anda harus memutuskan apakah akan mengetik tugasnya atau mengetik kekacauan Anda sendiri lebih dulu.

Kalimat yang layak dibawa dari halaman ini: model yang sama, dibuka pada titik berbeda dalam proses belajar Anda, melakukan hal yang berlawanan terhadap pembelajaran Anda. Buka sebelum Anda mencoba, dan ia mengakhiri pemikirannya, meninggalkan berkas yang rapi dan memori yang lebih tipis. Buka setelah percobaan, untuk menguji Anda, menjelaskan apa yang terlewat, menunjukkan di mana penalaran Anda patah, dan ia bekerja seperti tutor. Hal kedua yang perlu dipegang: pekerjaan yang hasilnya tampak baik bukan bukti bahwa Anda belajar sesuatu. Kiriman yang rapi menunjukkan apa yang dapat Anda dan model lakukan bersama. Ujian, penempatan, dan mata kuliah berikutnya dalam urutan menguji apa yang dapat Anda lakukan sendirian, yang oleh penelitian disebut hasil belajar.

Versi singkat

1. Tulis percobaan Anda sendiri sebelum membuka obrolan, bahkan percobaan yang salah, dan minta alat itu menahan jawabannya sampai Anda punya satu. Inilah langkah dengan bukti terkuat di belakangnya.

2. Mintalah pengajaran: petunjuk, penjelasan, langkah yang dikerjakan, kuis, koreksi atas apa yang Anda hasilkan. Simpan perdebatan, pencarian sumber, dan kalimatnya untuk diri Anda sendiri.

3. Tetaplah dalam percakapan melewati balasan pertama. Bantah, tanyakan mengapa, tanyakan apa yang salah pada pekerjaan Anda.

4. Periksa apa pun yang akan dinilai terhadap sumber yang dapat Anda sebutkan, dan perlakukan kata-kata yang lancar sebagai bukti yang sama sekali tidak ada.

5. Akhiri sesi dengan alat tertutup: jawab dari ingatan, dengan suara keras, dan lihat apa yang hilang. Anda mengetahuinya malam ini alih-alih di ruang ujian.

Mulai sesi dengan percobaan Anda sendiri

Akgun dan Toker (2026) memberi 89 mahasiswa sarjana sesi pretesting adaptif yang sama dan instruksi yang sama, lalu tujuh pekan latihan yang berbeda. Kelompok yang AI-nya menyelidiki miskonsepsi, menuntut elaborasi atas jawaban yang tipis, dan hanya maju pada keterlibatan konseptual yang nyata mendapat skor tertinggi pada pascates tertunda (M = 78,19) dan mengerahkan usaha latihan terbanyak (M = 0,85). Obrolan bebas dengan model yang sama mendapat 67,28 dan 0,49, selisih d = 0,92.

Percobaan itu menjalankan tugasnya bahkan ketika percobaannya buruk. Menulis jawaban mengaktifkan apa yang sudah Anda ketahui, dan itu memperlihatkan tepinya. Lalu koreksinya mendarat pada sesuatu.

Kebijakan yang dapat Anda tempel ke chatbot mana pun malam ini: jelaskan ini seolah saya akan diuji tentangnya, kuis saya satu pertanyaan setiap kali, jangan beri saya jawabannya sampai saya mencoba, beri tahu apa yang salah dan mengapa. Kalimat itu mereproduksi susunan yang menghasilkan 78,19, dan tidak berbiaya apa pun.

Mintalah tutor dan sebutkan tugasnya

Permintaan yang kabur mendapat bantuan yang kabur. Viberg, Feldman-Maggor dan Wong (2026) mewawancarai 20 mahasiswa STEM tentang bagaimana mereka mencari bantuan dan menemukan urutan empat tahap yang layak ditiru: memutuskan apakah bantuan diperlukan, memilih kepada siapa bertanya, memutuskan jenis bantuan apa yang diminta, dan menilai apa yang kembali. Mahasiswa ini mendatangi model lebih dulu karena itu opsi dengan hambatan terendah, dalam kata seorang mahasiswa "pertama ChatGPT, lalu teman sekelas, dan terakhir guru", dan mereka meminta petunjuk, panduan langkah demi langkah, dan penjelasan konsep alih-alih solusi jadi. Peserta lain menggambarkan chatbot itu sebagai "sebuah petunjuk, alat bantu, tetapi bukan solusi mandiri".

Bunyinya bila diketik: "Saya terus mendapat tanda yang salah ketika mengintegralkan per bagian; ini percobaan saya; di mana patahnya?" Titik macet yang bernama mendapat balasan yang berguna, dan "bantu saya dengan tugas ini" mendapat draf. Minta contoh yang dikerjakan untuk satu jenis soal, pelajari bentuknya, lalu kerjakan soal berikutnya sendiri. Minta konsepnya dijelaskan seolah Anda akan diuji tentangnya, lalu jelaskan kembali tanpa melihat. Minta pertanyaan, satu setiap kali, dan tahan jawaban Anda sampai Anda berkomitmen pada satu.

Polanya adalah alat yang bekerja pada pemahaman Anda. Meringkas bab yang sudah Anda baca, menerjemahkan sumber, memformat ulang catatan Anda, dan membuat kartu latihan semuanya wajar. Memutuskan apa yang diperdebatkan esai Anda, menemukan sumbernya, dan menulis kalimatnya adalah bagian Anda.

Tetaplah dalam percakapan melewati balasan pertama

Kesenjangan antara apa yang diniatkan mahasiswa dan apa yang mereka lakukan adalah temuan paling konsisten dalam literatur ini. Yan dan rekan-rekan (2026) mewawancarai 38 mahasiswa sarjana di Jepang dan Tiongkok sementara para mahasiswa menelusuri riwayat obrolan mereka sendiri untuk penilaian esai tanpa pengawasan. Tiga puluh satu dari 38 mengatakan mereka bermaksud memakai AI sebagai asisten belajar, dan mereka tetap melaporkan ketergantungan berlebih, kelonggaran mental, dan lupa yang cepat. Salah satu berkata "kecepatan Anda melupakannya juga sangat cepat". Kelompok yang lebih kecil menyerahkan seluruh tugas: guru menetapkan, mahasiswa meneruskannya ke GenAI, GenAI menghasilkan, mahasiswa memeriksa format, mahasiswa mengumpulkan, dan satu peserta menggambarkan hal itu sebagai telah "sepenuhnya menggantikan otak saya".

Hanya 8 dari 38 yang bekerja sebagai apa yang disebut penulis sebagai mitra kognitif. Mereka tidak memakai lebih sedikit AI. Usaha total mereka tetap stabil dan berubah bentuk. Satu memindahkan usaha dari mencari ke memeriksa kualitas. Yang lain menulis catatan refleksi singkat setelah setiap sesi AI untuk memperlambat memudarnya informasi yang diambil secara instan.

Kebiasaan yang memisahkan kedua kelompok itu, sebagai instruksi kepada diri sendiri:

• Tempelkan soalnya dan percobaan Anda, bukan judul tugasnya. 76,32% mahasiswa ini mengikuti pola bertanya, mendapat jawaban, berhenti, biasanya menempelkan judul penilaian tanpa menyebutkan apa yang mereka butuhkan lalu mengirimkan ulang prompt yang sama ketika balasannya mengecewakan. Dialog iteratif yang berkelanjutan muncul pada 23,68%, hampir semuanya mitra kognitif.
• Jaga agar tetap di dalam bacaan dan tulisan Anda sendiri. 78,94% memakai AI entah sebelum mulai atau setelah menyusun draf, dan keterlepasan itu adalah tanda kelompok yang paling sedikit belajar.
• Lewati balasan pertama. Penelitian pencarian bantuan menunjukkan bentuk yang sama. Amoozadeh dan Alipour (2026) mengklasifikasikan 830 prompt dari 72 mahasiswa pada dua tugas pemrograman. Beberapa gerakan yang sama terus berulang: asersi yang melaporkan kebingungan, prompt verifikasi yang menanyakan apakah sesuatu benar, dan prompt prosedural yang meminta langkah berikutnya. Perbandingan, prediksi, dan spesifikasi fitur, gerakan yang membuat Anda berpikir, tetap jarang. Riwayat prompt Anda sendiri akan memprediksi pembelajaran Anda lebih baik daripada niat Anda.

Periksa keluarannya terhadap sesuatu yang dapat Anda sebutkan

"Penggunaan kritis" adalah frasa yang berarti sedikit sampai Anda memisahkan bagian-bagiannya. Wei dan Shang (2026) memisahkan tujuh: evaluasi epistemik, apakah Anda mulai memeriksa, seberapa baik Anda memeriksa, apakah pemeriksaannya berhasil, apa yang Anda lakukan dengan keluarannya, bagaimana kinerja Anda pada tugasnya, dan apa yang Anda pelajari secara mandiri. Dua di antaranya lebih penting daripada sisanya. Memeriksa tidak sama dengan berhasil memeriksa, dan proses yang cermat dapat berakhir tanpa kesimpulan sementara proses yang serampangan mendarat pada jawaban yang benar secara kebetulan. Ketergantungan terkalibrasi berarti keputusan Anda untuk menerima atau menolak cocok dengan kualitas keluaran yang sebenarnya, yang tidak dapat Anda baca dari seberapa yakin jawabannya terdengar.

Tiga temuan membuat masalahnya konkret. Dávila dkk. (2025) memberi pembelajar saran yang benar sekitar separuh waktu dan menemukan bahwa seberapa besar bobot yang mereka berikan bervariasi menurut pengetahuan awal dan gender mereka, jadi kepercayaan tidak melacak akurasi. Zheng dkk. (2025) mendokumentasikan pola "aplikasi yang gagal" ketika seorang mahasiswa mengikuti panduan yang benar dengan tepat dan tetap mencapai jawaban yang salah. Keyakinan juga bukan pemandu: Rheu dan Cho (2025) menemukan bahwa memahami cara kerja model bahasa berkaitan dengan lebih banyak pemeriksaan fakta yang dilaporkan sendiri, sementara beberapa bentuk keyakinan dan pengetahuan fitur berkaitan dengan lebih sedikit.

Jadi verifikasi apa pun yang dinilai terhadap sumber yang dapat Anda sebutkan. Mahasiswa dalam studi Viberg memeriksa keluaran terhadap materi kuliah mereka dan pengajar mereka, salah satu menjelaskan "Saya hanya menemui asisten pengajar jika kami tidak dapat menentukan apakah ChatGPT mengarang". Ketika Anda benar-benar tidak dapat menentukannya, tandai titik itu belum terselesaikan dan tanyakan kepada orang. Mengadopsi sebuah klaim agar halaman selesai adalah cara ketidakpastian kecil menjadi jawaban salah yang sudah Anda hafalkan.

Putuskan aturan dasar Anda sebelum Anda membutuhkannya. Pérez-Portabella dan rekan-rekan (2026) mensurvei 151 mahasiswa sarjana dan menemukan bahwa pertimbangan etis merupakan syarat perlu bagi niat memakai model bahasa besar untuk persiapan ujian, dengan penalaran konsekuensialis dan deontologis memprediksi niat itu, dan niat memprediksi penggunaan aktual dengan kuat. Apa yang Anda putuskan di muka tentang apa yang akan dan tidak akan Anda lakukan adalah yang diikuti perilaku Anda pada pukul 11 malam.

Biarkan ia menangani logistik

Kecepatan punya kegunaan yang sah. Kawamura (2026) membangun sistem yang menyesuaikan pemutaran lisan dengan tingkat kesulitan tiap segmen, rata-rata sekitar 1,30x, dan menghasilkan ringkasan video multimodal yang memangkas waktu menonton 53% tanpa perbedaan yang signifikan secara statistik pada skor kuis. Meringkas, menerjemahkan, dan merencanakan jadwal belajar berada dalam kategori yang sama. Bergerak melalui materi lebih cepat tidak apa-apa. Melewati kerja yang mengubah Anda adalah bagian yang harus dihindari.

Pembedanya adalah di mana alat itu berada relatif terhadap pemikirannya. Ringkasan sebuah bab yang sudah Anda baca menghemat waktu. Ringkasan yang Anda baca alih-alih babnya menggantikan bacaannya.

Akhiri dengan alat tertutup

Menilai sesi dari bagaimana rasanya atau seberapa rapi keluarannya akan menyesatkan Anda. Belajar mandiri berarti retensi, transfer, kinerja tanpa bantuan, dan menemukan kesalahan Anda sendiri setelah dukungannya hilang. Tiga uji tidak membutuhkan peneliti:

• Tutup alatnya dan jawab. Jika Anda tidak dapat menghasilkan penjelasan atau solusinya dengan obrolan tertutup, Anda belum mempelajarinya.
• Uji setelah jeda. Pascates tujuh pekan adalah yang memisahkan kondisi dalam studi statistik itu. Skor yang diambil dengan percakapan masih di layar memberi tahu Anda sangat sedikit.
• Jelaskan dengan suara keras, dari ingatan, tanpa catatan. Jika Anda membutuhkan frasa alat itu, pemahamannya belum menjadi milik Anda.

Pengambilan membutuhkan jadwal. Zhang (2026) menggambarkan Memdora, sistem repetisi berjeda AI yang dibangun di atas temuan bahwa sekitar 70% materi yang baru dipelajari terlupakan dalam 24 jam tanpa peninjauan. Ia membuat kartu dari apa pun yang sedang Anda baca dan menjadwalkannya dengan FSRS-6. Bersikaplah tepat tentang nilainya: makalah itu melaporkan retensi yang lebih baik daripada alat kartu kilat tradisional, dan kontribusinya adalah taksonomi desain dan interaksi alih-alih uji retensi terkontrol. Terima penjadwalan dan pengambilan sebagai mapan dan desain interaksi spesifiknya sebagai menjanjikan. Jika aplikasi yang Anda pakai melaporkan hasil per item, bacalah, karena pembelajaran per kartu memberi tahu Anda lebih banyak daripada hitungan rentetan.

Apa yang salah dipahami mahasiswa tentang hal ini

Jam-jam di dalam obrolan adalah waktu belajar. 89 mahasiswa sarjana dalam studi pretesting menghabiskan tujuh pekan dalam kondisi berbeda dengan model yang sama. Kondisi yang mendapat 78,19 adalah kondisi ketika alat itu menolak menyerahkan jawaban. Bedanya adalah bantahan.

Jawaban yang baik berarti saya memahaminya. Mahasiswa Yan menilai penggunaan mereka sendiri efektif sambil melaporkan lupa yang cepat, dan 31 dari 38 mengatakan mereka bermaksud memakainya sebagai asisten belajar. Keluarannya adalah bukti tentang model. Jawaban buku tertutup Anda adalah bukti tentang Anda.

Meminta jawabannya adalah langkah yang efisien. Ia efisien dalam menghasilkan artefaknya. Dalam sampel Yan, kelompok yang menyerahkan tugasnya menghasilkan pekerjaannya dan paling sedikit menyimpannya; mahasiswa yang melaporkan lupa tercepat adalah kelompok yang jauh lebih besar yang percaya mereka memakai alat itu dengan baik.

Fasih berarti akurat. Keyakinan pada jawaban tidak memberi tahu Anda apa pun tentang kualitasnya, dan kefasihan yang sama itulah yang membuat klaim yang salah mudah diadopsi. Verifikasi harus terhadap sesuatu di luar obrolan.

Membaca ulang jawabannya adalah memeriksa. Pemisahan Wei dan Shang penting di sini. Apakah Anda memeriksa dan apakah pemeriksaannya berhasil adalah variabel berbeda, dan hanya yang kedua melindungi nilai Anda.

Keberatan yang akan Anda dengar

"Saya membayar untuk ini, jadi mengapa tidak memakainya?" Langganan membeli sesuatu yang lebih baik daripada jawaban, dan jawaban adalah bagian yang murah. Anda membayar untuk tutor yang sabar yang akan menjelaskan gagasan yang sama dengan lima cara, menguji Anda sampai Anda dapat melakukannya tanpa persiapan, dan memberi tahu apa yang salah pada percobaan Anda sendiri. Sebagian besar mahasiswa tidak dapat memiliki itu pada pukul 11 malam.

"Semua orang melakukannya dengan cara ini." Sebagian besar dari mereka melakukannya dengan cara yang menurut studi ini bekerja dengan buruk: 76,32% bertanya, mendapat jawaban, lalu berhenti; 78,94% tidak pernah membawa alat itu ke bagian pekerjaan yang akan mengubah mereka. 8 dari 38 yang bekerja sebagai mitra kognitif bukan jalur berbakat. Ciri pembedanya adalah aturan yang dapat Anda adopsi malam ini, yaitu bahwa usaha berpindah alih-alih menghilang.

"Ini lebih cepat." Memang. Kecepatan itu adalah paradoks efisiensi: sesinya selesai lebih cepat dan hal yang menjadi tujuan tugas itu menurun. Obrolan bebas dalam studi pengambilan mengerjakan lebih sedikit latihan (M = 0,49 melawan 0,85) dan mendapat skor lebih rendah tujuh pekan kemudian (67,28 melawan 78,19, d = 0,92). Anda akan lebih cepat malam ini dan lebih lambat di ujian, dan Anda dapat memilih yang mana yang Anda inginkan.

"Saya tidak cukup tahu untuk mencobanya lebih dulu." Percobaan adalah cara Anda menemukan tepi dari apa yang Anda ketahui, dan pretesting membantu bahkan ketika jawaban pertama salah. Tuliskan menurut Anda apa yang ditanyakan soal itu dan di mana Anda macet, lalu buka obrolan dengan itu.

"Dosen saya melarangnya, jadi tidak ada yang bisa dipelajari di sini." 38 mahasiswa dalam studi Yan melaporkan bahwa dosen mereka melarang penyalinan dan hampir tidak memberi panduan konkret, dan kekosongan itu mendorong bahkan mahasiswa yang berniat baik ke arah outsourcing. Larangan tidak memberi Anda apa pun untuk dilakukan pada hari alat itu diizinkan, dan kebiasaan di halaman ini adalah yang Anda bawa ke mata kuliah tersebut.

Yang perlu dilakukan pekan ini

1. Pilih mata kuliah tempat Anda sekarang menempel lebih dulu. Untuk set soal berikutnya, tulis percobaan satu paragraf sebelum Anda membuka obrolan apa pun, dan tempelkan percobaan itu bersama pertanyaannya.

2. Taruh instruksi empat baris dari bagian pertama ke dalam instruksi khusus alat apa pun yang Anda pakai, dan biarkan di sana.

3. Sebelum kiriman karya Anda yang berikutnya, minta alat itu menguji Anda atas materinya selama sepuluh menit dengan jawaban ditahan. Catat apa yang tidak dapat Anda jawab.

4. Ambil satu topik yang Anda kira sudah Anda ketahui dan jelaskan dengan suara keras dengan laptop tertutup. Apa pun yang membuat Anda tersandung adalah daftar revisi Anda.

5. Periksa setiap klaim yang akan Anda kirimkan terhadap sumber yang bernama, dan tulis "belum terselesaikan" di samping yang tidak dapat Anda periksa.

Ke mana selanjutnya

Bagaimana Saya Mencegah Siswa Terlalu Bergantung pada AI? membahas kebiasaan yang menjaga alat itu agar tidak menggantikan pertimbangan Anda, Bagaimana Cara Mengajari Siswa Memverifikasi Keluaran AI? menangani sisi pemeriksaan lebih rinci, dan Bagaimana AI Memengaruhi Siswa? menguraikan apa yang dikatakan bukti yang lebih luas tentang mahasiswa dan alat-alat ini. Jika Anda juga mengajar, Apakah Penggunaan AI Benar-benar Membantu Siswa Belajar? adalah bukti tentang pembelajaran yang bertahan lama, dan Bagaimana AI Memengaruhi Kecemasan dan Kesejahteraan Siswa, dan Apa yang Bisa Kita Lakukan? membahas apa yang dilakukan laju perubahan ini terhadap mahasiswa yang berusaha mengikutinya.