{"id":10597,"date":"2019-12-08T00:00:00","date_gmt":"2019-12-08T00:00:00","guid":{"rendered":"https:\/\/binus.ac.id\/binus-digital\/2019\/12\/08\/pemanfaatan-artificial-intelligence-dalam-elearning\/"},"modified":"2024-09-24T02:20:24","modified_gmt":"2024-09-24T02:20:24","slug":"pemanfaatan-artificial-intelligence-dalam-elearning","status":"publish","type":"post","link":"https:\/\/binus.ac.id\/binus-digital\/2019\/12\/08\/pemanfaatan-artificial-intelligence-dalam-elearning\/","title":{"rendered":"Pemanfaatan Artificial Intelligence dalam eLearning"},"content":{"rendered":"

Penerapan Artificial Intelligence<\/em> (AI) dalam pembelajaran untuk mengubah pengalaman belajar, menghapus batasan-batasan tradisional dan mengenalkan kemungkinan-kemungkinan baru yang menyenangkan. Untuk mengasah potensi besar tersebut, kita perlu memahami dengan jelas cara kerja dari AI dan solusi yang akan didapatkan.<\/span><\/p>\n

Pembelajaran yang dipersonalisasi melalui AI<\/span><\/h3>\n

Meskipun AI terlihat mudah dan sekilas hanya tambahan fitur pada teknologi belajar yang didesain agar belajar menjadi semakin mudah dan murah, melihat potensi AI yang sebenarnya membutuhkan kacamata yang berbeda.<\/span><\/p>\n

AI berarti memahami tiap pebelajar itu berbeda. Konten dan presentasi yang dipersonalisasi berarti mengakomodir tiap preferensi pribadi dan gaya belajar tiap pebelajar, semua itu tidak mungkin dilakukan tanpa AI.\u00a0<\/span><\/p>\n

Pada artikel sebelumnya, penulis membahas tentang teknik \u2018detour\u2019 untuk pembelajaran yang dipersonalisasi<\/a>. Dengan menerapkan AI ke dalam konten tersebut, pengalaman belajar akan semakin powerful<\/em>. Pembelajaran yang dipersonalisasi memungkinkan pebelajar mendapatkan kontrol pada beberapa konten, memberikan masukan terhadap kemajuan aktivitas belajar mereka sendiri.<\/span><\/p>\n

Peranan tersebut akan meningkatkan pengalaman belajar yang dipersonalisasi, karena sistem yang akan memonitor efektivitas seluruh perjalanan belajar seseorang. Algoritma machine learning<\/em> mampu memprediksi nilai, yang akan memberikan konten khusus berdasarkan performa akhir dan tujuan belajar masing-masing pebelajar.<\/span><\/p>\n

Manfaat Pembelajaran yang Benar-benar Di Otomasi<\/span><\/h3>\n
    \n
  1. Mendorong Hasil dan Interaktivitas<\/strong>
    \n<\/span>Algoritma machine learning<\/em> dapat mempredikasi hasil, memungkinkan untuk menyediakan konten yang spesifik berdasarkan performa pebelajar sebelumnya dan tujuan belajar. Misalnya, pebelajar yang menunjukkan kesenjangan keterampilan tertentu akan lebih banyak mendapatkan rekomendasi konten yang dapat membantunya menambah pengetahuan terhadap keterampilan tersebut. Situasi lainnya juga dapat terjadi ketika sistem melihat seseorang yang dapat melewati beberapa modul tertentu untuk mendapatkan konten lain yang lebih komprehensif.<\/li>\n
  2. Mengalokasikan sumber belajar pada tugas-tugas penting<\/strong>
    \n<\/span>Peserta didik mendapatkan sumberdaya online yang sesuai dengan kebutuhan untuk mengisi kesenjangan dan mencapai tujuan pembelajaran. Sebagai gantinya, pebelajar mendapatkan informasi yang mereka butuhkan dengan cepat, karena sumber daya pelatihan online dibuat khusus untuk tujuan pribadi dan profesional mereka. Selain itu, admin L&D dan staf pendukung menghabiskan lebih sedikit waktu menganalisis metrik dan laporan untuk lebih fokus menghasilkan konten pembelajaran yang unggul. Dengan AI, sistem menangani Big Data sehingga tim L&D dapat menghabiskan lebih banyak waktu dan energi untuk tugas-tugas yang lebih berharga.<\/li>\n
  3. Penyebaran konten yang dijadwalkan dan otomatis<\/strong>
    \nTeknologi canggih yang dapat melakukan lebih seperti AI ironisnya masih digunakan untuk melakukan kerja yang cukup keras, namun penting untuk memangkas waktu agar dapat fokus kegiatan-kegiatan lain yang lebih besar. Dengan menggunakan AI, platform<\/em> pembelajaran Anda dapat menjadwalkan tugas-tugas atau mengirimkan sumber belajar berdasarkan hasil penilaian atau simulasi individual tiap pebelajar. Hal tersebut dapat menciptakan lingkungan belajar yang memungkinkan untuk secara otomatis memprediksi peta belajar untuk masing-masing pebelajar yang mendaftar di kelas, dan Anda dapat mengubahnya ketika dibutuhkan.<\/li>\n<\/ol>\n

    AI tanpa data seperti mobil tak berpenumpang<\/span><\/h3>\n

    AI membutuhkan suntikan data yang terus menerus agar semakin efektif. Anggaplah AI sebagai pebelajar: semakin banyak data yang diterima, maka semakin pintar pula, sehingga tugas-tugas kecil seperti menyelesaikan personalisasi belajar dan otomasi tugas-tugas administrasi akan menjadi lebih efektif karena AI telah lama berada di dalam platform belajar Anda.<\/span><\/p>\n

    Untuk menyiapkan AI yang akan membantu personalisasi pembelajaran, maka AI perlu dipaparkan terhadap beberapa variabel yang dipakai untuk menyelesaikan tugas, dengan menggunakan berbagai tipe data input. Beberapa sistem AI menciptakan tugas mereka sendiri setelah mereka mengidentifikasi tujuan dari data yang mereka dapatkan<\/span>.<\/span><\/p>\n

    Misalnya, dan dalam konteks pembelajaran, efektivitas dari fungsi auto-tagging<\/em> bergantung pada seberapa konsisten aliran data yang mengalir dan siap untuk dibaca. Auto-tagging mendengarkan aset-aset konten, memahami berbagai kata kunci untuk memproduksi sejumlah tags yang membantu kategorisasi dan pencarian, tanpa harus melakukannya secara manual, dengan demikian admin dan pebelajar tidak banyak butuh waktu pada saat mengunggah konten. Ketika suatu bagian dari konten diperbaharui, AI terus merayapi bagian konten tersebut dan ikut memperbaharui tag-nya apabila diperlukan.<\/span><\/p>\n

    Hal tersebut cukup membantu ketika diterapkan pada pembelajaran di lingkungan kerja, dimana pebelajar mencari jawaban pada pertanyaan yang spesifik, disaat yang sangat dibutuhkan. Misalnya pada pramuniaga perjalanan: seseorang yang sedang berada di dalam mobil atau bandara, dan ada permintaan penting dari seorang calon pembeli mengenai aspek teknis dari produk Anda.<\/span><\/p>\n

    Seiring berjalannya waktu, semakin banyak AI membuat tags, yang juga dapat diubah secara manual, fungsi-fungsinya menjadi semakin efektif, memungkinkan terjadinya siklus perbaikan berkelanjutan di balik layar platform belajar tanpa intervensi manusia.<\/span><\/p>\n

    Menjadikan pembelajaran yang dipersonalisasi jadi nyata<\/span><\/h3>\n

    Pembelajaran yang dipersonalisasi berarti memberikan beberapa kontrol kepada pebelajar, memberikan mereka cara untuk mengelola bagaimana mereka melaju selama proses belajar.<\/span><\/p>\n