Bagian favorit saya dalam mengajar di sekolah menengah bukanlah penilaian. Itu adalah kekacauan eksperimen.
Saya membatalkan laporan buku itu. Mati pada saat kedatangan. Sebaliknya, siswa menggunakan pengatur grafis, dibatasi hingga 100 kata, untuk respons multi-modal. Laporan lisan dibatasi hanya dua menit. Jika saya memergoki Anda membaca selama SSR? Poin bonus. Sederhana.
Tes? Bawalah catatanmu. Slide saya. Buku teks. Apa pun.
Saya tidak peduli jika Anda ingat tanggal. Saya ingin melihat apakah Anda dapat mensintesis, mengevaluasi, dan menganalisis.
Selama dua belas tahun mengajar, saya tidak pernah memaksa seorang siswa pun untuk menulis esai lima paragraf.
Mengapa?
Saya telah menjadi penulis profesional sejak sebelum sebagian besar model AI ini lahir. Saya benci formatnya. Struktur itu penting. Tapi struktur yang hanya ada di dalam kelas? Itu hanya membuang-buang waktu.
Baru-baru ini, beberapa penulis Substack tentang AI di bidang pendidikan menghidupkan kembali minat saya pada desain.
Saya menjalankan tes.
Saya menanyakan satu hal kepada LLM besar: Apa yang membuat tugas mudah bagi Anda?
Saya tahu jawabannya sebelum saya bertanya. Pengenalan pola.
Kami menyalahkan teknologinya. Itu malas.
Masalahnya bukan karena AI terlalu kuat.
Masalahnya adalah kami merancang tugas kami agar dapat diprediksi, prosedural, dan membosankan dan dapat diotomatisasi.
Industri mengetahui hal ini: jika Anda dapat mengotomatiskannya, maka hal itu akan otomatis. Pendidikan hanya terlambat ke pesta.
Formula yang Disukai AI
Kami tidak tersandung pada tugas-tugas yang ramah AI. Kami membangunnya.
LLM berkembang pesat dalam struktur. Bukan wawasan. Bukan pengalaman hidup. Struktur.
Inilah yang mematikan kreativitas siswa—dan mendukung AI:
1. Templat Kaku
Esai lima paragraf adalah raja. Pendahuluan. Tiga paragraf isi. Kesimpulan. Tukar topik. Bentuknya tetap.
AI tidak perlu berpikir. Itu hanya mengisi kekosongan.
2. Anjuran yang Jelas
“Jelaskan Siklus Air.”
“Daftar Penyebab Revolusi.”
Ini bukanlah pertanyaan. Itu adalah perintah pencarian.
Model memetakan isyarat ke jawaban yang disimpan. Ini adalah penyelesaian, bukan penciptaan.
3. Berpikir Dangkal
Ringkaslah. Mendefinisikan. Daftar.
Para ilmuwan kognitif menyebutnya tingkat “permukaan”. Di sinilah kepadatan pola paling tinggi. AI mendominasi permukaan. Ia hampir tidak mencoba secara mendalam.
4. Rubrik Daftar Periksa
Sertakan tiga contoh.
Gunakan lima kosakata.
Bermanfaat? Ya.
Ramah algoritma? Sangat mengerikan.
LLM merekayasa balik rubrik Anda. Mereka mengoptimalkan poin, bukan makna.
5. Tanpa Konteks
Ketika suatu tugas mengabaikan siapa siswa sebenarnya, maka hal itu menjadi pengetahuan yang didekontekstualisasikan.
Saya membuat anak-anak menghubungkan buku ke acara TV. Untuk video game. Untuk kehidupan mereka.
AI tidak memiliki kehidupan. Ketika tugas tidak memiliki konteks, AI tidak akan merugikan Anda.
Jebakan Desain Terbelakang
Ironi? Kerangka kerja terbaik kami membantu hal ini terjadi.
Desain mundur dimulai dengan hasil. Kemudian Anda membuat tes.
Itu koheren. Itu rapi.
Dan itu buruk untuk dipikirkan.
Jika Anda mendefinisikan “sukses” dengan terlalu jelas—pernyataan tesis, tiga kutipan, 800 kata—Anda hanya menulis perintah untuk AI.
Saya telah melihat keponakan saya melakukannya. Hal pertama yang mereka lakukan? Copy-paste instruksi dan rubriknya ke ChatGPT.
Kesesuaian terjamin.
Daftar periksa saja tidak cukup. Anda memerlukan indikator kualitas. Anda memerlukan domain tingkat tinggi dari Taksonomi Bloom. Bukan hanya kotak untuk diperiksa.
Ya, model-model baru meniru sintesis. Ya, mereka memalsukan kreativitas.
Itu membuat perancangan menjadi lebih sulit. Itu membuat pemeriksaan lebih mudah.
Saat AI Tersandung
Jangan bakar kurikulum Anda. Ubah saja variabelnya.
AI berjuang dengan:
- Ambiguitas otentik
- Lokal, konteks spesifik
- Proses yang terlihat
- Penilaian manusia
- Sintesis asli di bawah batasan
Kendala adalah kuncinya.
Bicara dengan dewan kota? Keras.
Menulis podcast? Aneh untuk sebuah LLM.
Gunakan data lokal yang bertentangan? Sulit.
Revisi berdasarkan surat kebencian rekan? Menyakitkan untuk bot.
Saat tugas berpindah dari eksekusi pola ke konstruksi makna, bot terputus-putus.
Kita memerlukan “gesekan produktif”.
Bukan kekacauan.
Gesekan.
Rekan-rekan di AI Friction Labs sedang membangun ini. Mereka menggantikan AI yang “membantu” dengan perlawanan. Dialog Sokrates. Negosiasi pemangku kepentingan. Pertahankan argumen Anda secara real time.
Mereka menilai pemikirannya, bukan PDFnya.
Pembelajaran berbasis proyek?
- Definisikan kekacauannya.
- Cari tahu apa yang tidak Anda ketahui.
- Uji solusinya.
- Gagal. Ulangi.
Tidak ada templat yang berfungsi di sini. Tidak ada jalan keluar lima paragraf.
Jadi Bagaimana Sekarang?
Kami menanyakan pertanyaan yang salah.
Bukan “Bagaimana kita berhenti berbuat curang?”
Tapi “Mengapa tugas ini begitu mudah dipalsukan?”
Itu menyakitkan. Itu harus.
Jika bot melakukannya dalam hitungan detik, apakah kita mengukur pembelajaran? Atau apakah kita mengukur kepatuhan terhadap suatu formula?
Tugas-tugas yang mematahkan AI adalah tugas-tugas yang menuntut:
- Ide baru.
- Keahlian khusus.
- Pengalaman langsung yang tidak dimiliki kumpulan data.
Ini bukanlah sebuah krisis. Itu adalah filter.
Ini menunjukkan kepada kita di mana tugas kita gagal.
Kita perlu merancang pengalaman yang memerlukan pemikiran manusiawi yang tersituasi dan berulang.
Hal itu masih sulit bagi mereka.
Semoga beruntung.
