AI Dalam Pendidikan: Dari Alat Pembelajaran Kepada Penentu Masa Depan
AI dalam pendidikan merujuk kepada penggunaan sistem kecerdasan buatan untuk menyokong pengajaran, penilaian dan bimbingan pelajar, termasuk penjanaan tugasan, analisis prestasi, pemilihan sumber pembelajaran serta membuat keputusan tentang gred, penempatan kelas dan peluang akademik pelajar. Perkembangan pesat teknologi kecerdasan buatan telah mengubah landskap pendidikan tinggi di seluruh dunia. Jika dahulu pelajar berjam-jam di perpustakaan mencari rujukan, kini banyak kerja itu selesai dalam beberapa minit melalui aplikasi seperti ChatGPT, Gemini, Claude dan Copilot. Dalam konteks AI dalam pendidikan, pelajar boleh guna sistem ini untuk memahami konsep sukar, meringkaskan teks panjang, menjana idea dan menulis kod pengaturcaraan. Masalahnya, semakin banyak keputusan algoritma pelajar dibuat oleh mesin, semakin jelas satu persoalan yang sekolah suka elak: bolehkah mereka terangkan bagaimana keputusan itu dihasilkan? Jika jawapannya “tidak”, kita sedang menggadaikan hak pelajar untuk faham dan mempertikai keputusan yang menyentuh masa depan mereka.
Apabila Keputusan Algoritma Pelajar Menjadi Kotak Hitam
Hari ini, perbincangan tentang AI dalam pendidikan sudah beralih daripada sekadar risau sama ada pelajar menipu tugasan kepada persoalan tentang proses: bagaimana AI membuat keputusan tentang mereka. Agentic AI — sistem yang bukan sahaja menjana jawapan tetapi membuat siri tindakan sendiri — menjadikan isu ini lebih mendesak. Dalam multi-step agentic pipelines, kesilapan kecil di awal proses tidak kekal kecil; ia boleh berganda dan menghasilkan keputusan yang kelihatan munasabah tetapi sebenarnya berasaskan ralat yang tersembunyi. Apabila agent menentukan sumber mana harus diberikan kepada pelajar yang bergelut atau siapa yang layak melepasi rubrik permohonan, ia sedang membentuk peluang pendidikan mereka. Jika keputusan algoritma pelajar ini tidak boleh diperiksa, sekolah menyerahkan sebahagian tugas menjaga kebajikan pelajar kepada proses yang mereka sendiri tidak fahami. Di sinilah transparansi AI sekolah bukan lagi pilihan; ia kewajipan moral.
Bias Algoritma Pembelajaran: Kesilapan Kecil, Kesan Tidak Adil
Sejarah memberi amaran jelas tentang bahaya bias algoritma pembelajaran. Percubaan menggunakan algoritma untuk menganggar gred peperiksaan pernah menghasilkan keputusan yang berat sebelah terhadap kumpulan pelajar dan sekolah tertentu, dan kerosakan berlaku kerana logiknya kekal tersembunyi sehingga terlambat untuk diperbetulkan. Ini selari dengan amaran bahawa dalam sistem berbilang langkah, kesilapan awal akan berganda dan menjejaskan keputusan akhir. UNESCO sudah pun mengingatkan bahawa sistem yang dijual sebagai "terbuka" tetapi kekal tertutup dalam amalan — open-washing — berisiko melebar jurang pendidikan, bukan mengecilkannya. Apabila transparansi AI sekolah lemah, pelajar yang kurang berkuasa untuk mempersoal keputusan akan paling terdedah. Mereka mungkin tidak tahu bahawa alat diagnostik yang kononnya neutral sebenarnya mengulang semula bias lama, contohnya memandang rendah kemampuan pelajar dari latar belakang tertentu. Tanpa kebolehtelusan, bias algoritma pembelajaran menjadi senjata senyap yang menghakis keadilan.
Sekolah Tanpa Literasi AI: Mengajar Dengan Alat Yang Tidak Difahami
Masalah paling merisaukan bukan sekadar adanya AI dalam pendidikan, tetapi budaya sekolah yang menggunakan alat ini tanpa literasi teknikal dan etika yang memadai. Pendidikan mesti memupuk literasi AI, etika dan akauntabiliti supaya teknologi digunakan bertanggungjawab dan tidak menggantikan tanggungjawab manusia. Namun tabiat penting yang perlu ada di institusi — bertanya apa sebenarnya yang diputuskan AI, siapa pemilik keputusan itu dan bagaimana ia boleh diaudit — adalah tabiat yang mudah diketepikan. Apabila guru dan pentadbir tidak dilatih untuk membaca dan mempersoal alasan di sebalik keputusan algoritma pelajar, mereka akan cenderung "percaya sahaja" kepada sistem. Realitinya, pelajar berhak tahu bagaimana keputusan tentang pembelajaran mereka dibuat. Jika sekolah tidak boleh terangkan sebab dan data di sebalik keputusan, kepercayaan pelajar terhadap sistem penilaian runtuh, dan proses pembelajaran berubah daripada dialog kepada arahan daripada kotak hitam.
Menuju Kerangka AI Yang Boleh Dipercayai: Jelaskan Dulu, Baru Guna
EU AI Act telah mengklasifikasikan penggunaan AI dalam kemasukan pelajar, penilaian dan pemarkahan peperiksaan sebagai kategori berisiko tinggi, dengan kewajipan transparansi, pemantauan manusia dan tadbir urus data yang akan berkuat kuasa sepanjang 2026 dan 2027. Ini patut menjadi cermin untuk pendidikan di mana-mana: keputusan yang menyentuh masa depan pelajar tidak boleh diserahkan kepada sistem yang tidak boleh dijelaskan. Alat untuk explainable AI sudah wujud; yang kurang ialah keberanian institusi untuk menetapkan syarat: "tiada agent membuat keputusan jika ia tidak boleh menunjukkan bagaimana ia sampai kepada keputusan itu". Pendekatan seperti Explain-Then-Act, yang mewajibkan agent menyatakan rasionalnya sebelum bertindak, Human-in-the-Loop Summary, yang mengeluarkan penjelasan bahasa biasa untuk disemak manusia sebelum tindakan berisiko tinggi berlaku, dan data lineage, yang menjejak setiap keputusan kembali kepada sumber datanya, perlu menjadi standard dalam bilik darjah digital. Pendidikan yang bertanggungjawab bukan menolak AI, tetapi meletakkan garis jelas: teknologi hanya boleh digunakan jika keputusannya boleh difahami, dipersoal dan dipertahankan.
