Analisis Komparatif Pembelajaran Mandiri Berbasis AI On-Device dan Pedagogi Tradisional dalam Pendidikan Ilmu Kesehatan Universitas

Tidak adanya perbedaan kuantitatif yang signifikan menunjukkan bahwa buku teks AI, seperti yang diterapkan dalam studi ini, tidak secara inheren mengungguli materi tradisional dalam hal prestasi akademik, waktu belajar, atau kepuasan. Namun, temuan kualitatif menunjukkan bahwa pembelajaran berbasis AI dapat mendukung pendidikan mandiri, yang krusial untuk pembelajaran sepanjang hayat di ilmu kesehatan. Tantangan yang teridentifikasi—kesetaraan digital, bias algoritmik, dan privasi data—merupakan hambatan kritis bagi implementasi yang setara. Kekhawatiran kesetaraan digital muncul dari akses yang tidak merata terhadap perangkat dan konektivitas internet, yang dapat memperparah disparitas yang ada. Bias algoritmik dalam model AI seperti LLama 3.1 dapat secara tidak sengaja melanggengkan stereotip atau ketidakakuratan, khususnya dalam mata pelajaran presisi tinggi. Kekhawatiran privasi data melibatkan pengumpulan dan penggunaan data mahasiswa, sehingga memerlukan kerangka etika yang kuat. Studi ini menekankan perlunya pelatihan pendidik yang komprehensif, pembentukan kerangka etika, dan pengembangan strategi implementasi yang skalabel untuk sepenuhnya memanfaatkan potensi buku teks AI. Penelitian mendatang harus memprioritaskan uji coba terkontrol acak (RCT) untuk mengevaluasi dampak jangka panjang alat pendidikan berbasis AI dan mengembangkan kerangka adaptif yang menyeimbangkan kemajuan teknologi dengan dimensi emosional dan motivasional pendidikan yang berpusat pada manusia. Penelitian perintis ini meletakkan dasar bagi kemajuan AI generatif di pendidikan tinggi dan menumbuhkan ekosistem pembelajaran yang inovatif dan setara.

Tidak adanya perbedaan kuantitatif yang signifikan menunjukkan bahwa buku teks AI, seperti yang diterapkan dalam studi ini, tidak secara inheren mengungguli materi tradisional dalam hal prestasi akademik, waktu belajar, atau kepuasan. Namun, temuan kualitatif menunjukkan bahwa pembelajaran berbasis AI dapat mendukung pendidikan mandiri, yang krusial untuk pembelajaran sepanjang hayat di ilmu kesehatan. Tantangan yang teridentifikasi—kesetaraan digital, bias algoritmik, dan privasi data—merupakan hambatan kritis bagi implementasi yang setara. Kekhawatiran kesetaraan digital muncul dari akses yang tidak merata terhadap perangkat dan konektivitas internet, yang dapat memperparah disparitas yang ada. Bias algoritmik dalam model AI seperti LLama 3.1 dapat secara tidak sengaja melanggengkan stereotip atau ketidakakuratan, khususnya dalam mata pelajaran presisi tinggi. Kekhawatiran privasi data melibatkan pengumpulan dan penggunaan data mahasiswa, sehingga memerlukan kerangka etika yang kuat. Studi ini menekankan perlunya pelatihan pendidik yang komprehensif, pembentukan kerangka etika, dan pengembangan strategi implementasi yang skalabel untuk sepenuhnya memanfaatkan potensi buku teks AI. Penelitian mendatang harus memprioritaskan uji coba terkontrol acak (RCT) untuk mengevaluasi dampak jangka panjang alat pendidikan berbasis AI dan mengembangkan kerangka adaptif yang menyeimbangkan kemajuan teknologi dengan dimensi emosional dan motivasional pendidikan yang berpusat pada manusia. Penelitian perintis ini meletakkan dasar bagi kemajuan AI generatif di pendidikan tinggi dan menumbuhkan ekosistem pembelajaran yang inovatif dan setara.