METACOGNITIVE DESKILLING AKIBAT PENGGUNAAN CHATGPT: STUDI KRITIS PADA VALIDITAS ASESMEN DAN KARAKTER PESERTA DIDIK DI INDONESIA

Oleh Aneke Valensia

Mahasiswa Universitas Negeri Surabaya, Pascasarjana Pendidikan Geografi, Surabaya, Indonesia

Email: [email protected]

Integritas akademik merupakan fondasi utama dalam sistem pendidikan yang menjamin bahwa kualifikasi yang diberikan merepresentasikan kompetensi riil peserta didik. Prinsip ini mencakup kejujuran, kepercayaan, keadilan, rasa hormat, dan tanggung jawab. Namun, disrupsi teknologi Generative Artificial Intelligence (GAI) telah menantang fondasi tersebut secara fundamental.

Sejak Open AI merilis ChatGPT-3.5 pada November 2022, akses terhadap mesin yang mampu menghasilkan teks koheren, esai, kode, dan analisis setara manusia menjadi terbuka dan gratis. Di Indonesia, akselerasi adopsi GAI ditopang oleh infrastruktur digital yang masif. Survei APJII (2024) mencatat tingkat penetrasi internet nasional mencapai 79,5% atau setara 221,56 juta pengguna. Keterjangkauan akses ini berkorelasi dengan temuan survei kolaboratif Kominfo, Tirto, dan Jakpat (2024) yang melaporkan 87% pelajar telah memanfaatkan AI untuk menunjang pengerjaan tugas sekolah. Prevalensi tersebut meningkat signifikan pada jenjang pendidikan tinggi, di mana 95,25% mahasiswa mengaku menggunakan GAI dalam aktivitas pembelajaran (UNESCO, 2023).

Kesenjangan antara masifnya adopsi Generative AI dengan kesiapan sistem pendidikan memunculkan persoalan krusial. Pertama, terdapat ancaman terhadap validitas asesmen karena sulitnya membedakan karya orisinal dengan output AI, yang pada gilirannya mendorong pergeseran modus kecurangan akademik. Kedua, belum teridentifikasi secara empiris dampak penggunaan GAI terhadap penurunan kemampuan kognitif dan karakter jujur peserta didik dalam konteks Indonesia. Ketiga, absennya regulasi dan pedoman pedagogis yang komprehensif menimbulkan kebingungan di level institusi terkait batas etis pemanfaatan AI dalam pembelajaran. Ketiga persoalan tersebut mendesak untuk dijawab melalui kajian sistematis.

Pola Penggunaan GAI dalam Tugas Akademik Lintas Jenjang

Temuan menunjukkan adanya pola yang konsisten namun dengan kompleksitas berbeda di tiap jenjang.

Tabel 1. Pola Konsistensi Tiap Jenjang

Data di atas mengkonfirmasi bahwa GAI telah menurunkan "biaya usaha" untuk berbuat curang hingga mendekati nol. Jika dulu kecurangan memerlukan usaha menyalin, kini hanya memerlukan satu kalimat prompt.

Dampak Sistemik: Melampaui Plagiarisme

Dampak GAI terhadap pendidikan lebih dalam dari plagiarisme konvensional pada empat aspek:

1.      Erosi Proses Kognitif dan Metacognitive Deskilling.                                      

Mengacu pada kerangka Cognitive Load Theory (Sweller, 1988), tugas akademik pada hakikatnya merupakan germane load yang sengaja dirancang untuk membangun dan mengotomatisasi skema kognitif peserta didik. Ketika Generative AI mengambil alih proses penyelesaian tugas tersebut, maka germane load tidak terjadi sehingga konstruksi dan elaborasi skema mental menjadi terhambat. Fenomena ini memicu metacognitive deskilling, yaitu degradasi kapasitas peserta didik dalam melakukan perencanaan, pemantauan, dan evaluasi terhadap proses berpikirnya sendiri (Valcke, 2002; Winne & Azevedo, 2014). Dalam jangka panjang, ketergantungan ini mengatrofi fungsi eksekutif otak yang menjadi basis kemampuan pemecahan masalah kompleks.

2.      Delegitimasi Instrumen Asesmen.

Keruntuhan legitimasi asesmen take-home tidak lagi bersifat wacana, melainkan telah termanifestasi dalam respons kebijakan institusional global. Hal ini tercermin dari langkah ekstrem Universitas Hong Kong yang secara resmi melarang pemanfaatan ChatGPT dalam seluruh bentuk asesmen sejak Februari 2023. Desakan serupa mengemuka di Inggris melalui konsorsium Russell Group yang mendorong revitalisasi ujian luring berbasis kertas sebagai penjamin otentisitas pada Mei 2023. Tren ini dikonfirmasi oleh konsorsium Group of Eight di Australia yang menargetkan konversi 60% asesmen ke format invigilated pada 2024. Respons yang konvergen dari berbagai kawasan tersebut mengindikasikan adanya konsensus de facto bahwa instrumen asesmen take-home telah kehilangan landasan validitasnya dan tidak dapat dipulihkan hanya melalui mekanisme deteksi AI (Weber-Wulff et al., 2023)

3.       Rekonstruksi Norma Kecurangan: Dari Stigma Menjadi Apresiasi.

Berbeda dari praktik menyontek konvensional yang melekat stigma moral dan sanksi sosial, pemanfaatan Generative AI dalam tugas akademik mengalami redefinisi kultural sebagai bentuk technological fluency atau kecakapan adaptif. Pergeseran semantik dari "curang" menjadi "efisien" ini secara perlahan mengikis demarkasi etis antara kolaborasi dan substitusi, antara bantuan alat dan pengambilalihan agensi kognitif. Kondisi tersebut berisiko menormalisasi disonansi kognitif, di mana peserta didik menginternalisasi praktik delegasi berpikir sebagai standar baru produktivitas akademik (Bandura, 2002; Bretag et al., 2019). Akumulasi pembenaran ini dalam jangka panjang berpotensi membentuk disposisi etis yang permisif terhadap manipulasi kebenaran.

4.      Implikasi Jangka Panjang: Defisit Modal Kognitif dan Kreatif.

Proyeksi pasar tenaga kerja global mengindikasikan pergeseran signifikan dalam permintaan kompetensi. The Future of Jobs Report 2023 oleh World Economic Forum mengidentifikasi analytical thinking dan creative thinking sebagai dua keterampilan inti yang paling dibutuhkan oleh pemberi kerja pada periode 2023-2027 (WEF, 2023). Paradoksnya, ekosistem pendidikan yang menormalisasi delegasi proses berpikir kepada Generative AI justru berpotensi menghasilkan kelangkaan pada kedua modal tersebut. Ketika peserta didik tidak lagi terlatih menghadapi desirable difficulties dalam memecahkan masalah dan menghasilkan gagasan orisinal, maka terjadi erosi pada kapasitas metakognitif yang menjadi fondasi lifelong learning. Dalam jangka panjang, hal ini berisiko menciptakan kesenjangan antara kualifikasi formal yang tertera pada ijazah dengan kompetensi riil yang dimiliki lulusan, sehingga mengancam daya saing sumber daya manusia Indonesia di era ekonomi pengetahuan.

Analisis Akar Masalah: Ekosistem, Bukan Individu

Menyalahkan peserta didik sebagai satu-satunya aktor adalah reduktif. Analisis ekosistem menunjukkan tiga faktor kontributor:

1.      Desain Instruksional yang Obsolet.

Sebagian besar tugas masih bersifat low-order thinking pada taksonomi Bloom: mengingat dan memahami. Tugas seperti "Jelaskan pengertian..." sangat mudah direplikasi GAI. Asesmen belum bergeser ke high-order thinking: menganalisis, mengevaluasi, mencipta, yang berbasis konteks dan pengalaman personal.

2.      Kesenjangan Literasi AI pada Pendidik.

Problematika integritas akademik di era GAI turut diakselerasi oleh defisit kapasitas pedagogis pendidik dalam merespons teknologi ini. Data Status Literasi Digital Indonesia 2023 menunjukkan skor dimensi digital skills guru hanya 3,12 dari 5,00, yang menjadi proksi awal atas ketidaksiapan menghadapi disrupsi AI generatif (Kominfo & Katadata, 2023). Kondisi domestik ini sejalan dengan gambaran global, di mana Teaching and Learning International Survey (TALIS) 2024 melaporkan hanya 31% guru lintas negara merasa memiliki kompetensi untuk mengintegrasikan AI ke dalam praktik pengajaran (OECD, 2024). Asimetri kapasitas ini menciptakan kesenjangan tajam: peserta didik sebagai digital natives secara masif mengeksploitasi AI untuk tugas akademik, sementara pendidik belum dibekali kerangka pedagogis untuk mendesain ulang asesmen yang resilien terhadap manipulasi AI

3.      Budaya Hasil-Oriented.

Tekanan dari orang tua dan sistem yang terlalu menekankan angka dan ijazah sebagai penanda kesuksesan mendorong peserta didik mencari jalan pintas paling efisien.

Berdasarkan hal di atas maka dibutuhkan pendekatan represif berupa pelarangan total GAI terbukti tidak efektif. Solusi harus bersifat adaptif dan berjenjang:

1.      Transformasi Asesmen Menuju Otentikasi.

Prinsip utamanya adalah AI cannot be in the room atau AI has no personal experience. Implementasinya:

a) Meningkatkan proporsi process-based assessment: draf, logbook, refleksi;

b) Memperbanyak in-class, on-paper, no-device assessment;

c) Mendesain authentic assessment berbasis proyek, wawancara, observasi, dan presentasi lisan yang terikat konteks lokal.

2.      Kebijakan Institusional yang Berjenjang.

Institusi pendidikan perlu merumuskan Academic Integrity Policy in the Age of AI. Kebijakan ini harus mengatur level penggunaan:

1) No AI: untuk ujian;

2) AI-Assisted: boleh untuk brainstorming, wajib disertai declaration of AI use yang mencantumkan prompt;

3) AI-Integrated: sebagai objek kajian.

3.      Penguatan Kapasitas Pendidik dan Kurikulum Literasi AI. Diperlukan pelatihan masif untuk guru/dosen tentang prompt engineering for assessment design dan AI-writing detection. Secara paralel, kurikulum perlu mengintegrasikan "Etika dan Literasi AI" sejak SD untuk membangun kesadaran bahwa kejujuran adalah kompetensi abad 21.

Kehadiran GAI telah menciptakan titik belok dalam sejarah integritas akademik. Masalah ini bersifat sistemik, lintas jenjang, dan tidak dapat diselesaikan dengan pendekatan moralistik semata. GAI mentransformasi kecurangan akademik dari aktivitas berisiko tinggi menjadi opsi berbiaya kognitif nyaris nol, yang dalam jangka panjang menggerus otot kognitif dan karakter peserta didik.

Oleh karena itu, respons yang diperlukan adalah re-desain ekosistem pendidikan secara fundamental.

Pertama, melalui transformasi asesmen dari produk ke proses dan dari generik ke otentik.

Kedua, melalui kehadiran kebijakan institusional yang jelas, bukan melarang, tetapi mengatur.

Ketiga, melalui investasi pada literasi AI bagi pendidik dan peserta didik.

Penelitian lanjutan diperlukan untuk mengukur efektivitas model asesmen otentik dan mengembangkan instrumen deteksi tulisan AI yang adil dan akurat dalam konteks Bahasa Indonesia. Jika tidak ada intervensi serius, pendidikan berisiko melahirkan generasi yang memiliki ijazah tanpa kompetensi, dan cerdas tanpa integritas.

Referensi

APJII. (2024). Laporan survei internet Indonesia 2024. Jakarta: Asosiasi Penyelenggara Jasa Internet Indonesia.

Bandura, A. (2002). Selective moral disengagement in the exercise of moral agency. Journal of Moral Education, 31(2), 101–119. https://doi.org/10.1080/0305724022014322

Bretag, T., Harper, R., Burton, M., Ellis, C., Newton, P., Rozenberg, P., ... & van Haeringen, K. (2019). Contract cheating: A survey of Australian university students. Studies in Higher Education, 44(11), 1837–1856. https://doi.org/10.1080/03075079.2018.1462788

Herbold, S., Hautli-Janisz, A., Heuer, U., Kikteva, Z., & Trautsch, A. (2023). A large-scale comparison of human-written versus ChatGPT-generated essays. Scientific Reports, 13(1), 18617. https://doi.org/10.1038/s41598-023-45644-9

Kane, M. T. (2013). Validating the interpretations and uses of test scores. Journal of Educational Measurement, 50(1), 1–73. https://doi.org/10.1111/jedm.12000

Kominfo, Tirto, & Jakpat. (2024). Survei kolaboratif adopsi AI pada pelajar Indonesia. Jakarta: Kementerian Komunikasi dan Informatika.

Kominfo & Katadata. (2023). Status literasi digital Indonesia 2023. Jakarta: Kementerian Komunikasi dan Informatika.

OECD. (2024). Teaching and learning international survey (TALIS): Ready for AI? Paris: OECD Publishing. https://doi.org/10.1787/talis-2024-en

OpenAI. (2022, November 30). Introducing ChatGPT. https://openai.com/blog/chatgpt

Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285. https://doi.org/10.1207/s15516709cog1202_4

UNESCO. (2023). Guidance for generative AI in education and research. Paris: United Nations Educational, Scientific and Cultural Organization. https://unesdoc.unesco.org/ark:/48223/pf0000386693

Valcke, M. (2002). Cognitive load theory: Implications for the design of instructional materials. Journal of Educational Technology, 18(3), 1–14.

Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., Foltýnek, T., Guerrero-Dib, J., Popoola, O., ... & Waddington, L. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19(1), 1–39. https://doi.org/10.1007/s40979-023-00146-z

Winne, P. H., & Azevedo, R. (2014). Metacognition. In R. K. Sawyer (Ed.), The Cambridge handbook of the learning sciences (2nd ed., pp. 63–87). Cambridge University Press.

World Economic Forum. (2023). The future of jobs report 2023. Geneva: World Economic Forum. https://www3.weforum.org/docs/WEF_Future_of_Jobs_2023.pdf