Editorial Ilmu Komputer & AI
Open AccessOA2025
Peran Kecerdasan Buatan dalam Pendidikan Ilmu Komputer: Tinjauan Sistematis dengan Fokus pada Pengajaran Basis Data
Tinjauan sistematis ini menganalisis 31 studi empiris dari 2020–2025 tentang integrasi AI dalam pendidikan ilmu komputer, dengan fokus khusus pada pengajaran basis data. Temuan menunjukkan bahwa alat AI seperti chatbot dan sistem tutor cerdas meningkatkan pembelajaran personal dan umpan balik, tetapi tantangan seperti ketidakakuratan, bias, dan risiko integritas akademik masih ada, dan penelitian khusus basis data masih terbatas.
Alkmini Gaitantzi; Ioannis Kazanidis· Applied Sciences· 2025· DOI 10.3390/app15073960
Masalah inti
Integrasi kecerdasan buatan (AI) ke dalam pendidikan ilmu komputer (CS) berkembang pesat, namun penerapan spesifiknya dalam pengajaran basis data masih kurang diteliti. Tinjauan sistematis ini menjawab kesenjangan tersebut dengan menganalisis 31 studi empiris yang diterbitkan antara 2020 dan 2025. Tinjauan ini mengkaji bagaimana aplikasi AI mendukung pengajaran dan pembelajaran di CS, dengan penekanan khusus pada pendidikan basis data. Mengikuti metodologi PRISMA, studi ini mengategorikan aplikasi AI menurut model desain instruksional, peran, tindakan, manfaat, dan tantangan. Motivasi ini muncul dari meningkatnya perhatian terhadap AI dalam pendidikan pemrograman dan kebutuhan untuk memahami potensi serta batasannya di domain basis data, yang krusial untuk manajemen data dan pengembangan perangkat lunak. Tinjauan ini bertujuan menyintesis bukti terkini, mengidentifikasi tren, dan menyoroti area yang memerlukan investigasi empiris lebih lanjut.
Inovasi
Tinjauan ini mengikuti pedoman PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) untuk memastikan proses yang ketat dan transparan. Pencarian sistematis dilakukan di berbagai basis data akademik, menghasilkan kumpulan studi awal. Setelah menerapkan kriteria inklusi—studi empiris yang diterbitkan antara 2020 dan 2025, berfokus pada aplikasi AI dalam pendidikan CS, dengan relevansi terhadap pengajaran basis data—31 studi dipilih untuk analisis akhir. Ekstraksi data berfokus pada model desain instruksional, peran AI (misalnya, tutor, alat, tutee), tindakan (misalnya, instruksi personal, umpan balik), manfaat, dan tantangan. Analisis melibatkan pengategorian dan sintesis temuan untuk mengidentifikasi pola dan kesenjangan. Diagram alur PRISMA ditampilkan di bawah ini:
Pendahuluan
Integrasi kecerdasan buatan (AI) ke dalam pendidikan ilmu komputer (CS) berkembang pesat, namun penerapan spesifiknya dalam pengajaran basis data masih kurang diteliti. Tinjauan sistematis ini menjawab kesenjangan tersebut dengan menganalisis 31 studi empiris yang diterbitkan antara 2020 dan 2025. Tinjauan ini mengkaji bagaimana aplikasi AI mendukung pengajaran dan pembelajaran di CS, dengan penekanan khusus pada pendidikan basis data. Mengikuti metodologi PRISMA, studi ini mengategorikan aplikasi AI menurut model desain instruksional, peran, tindakan, manfaat, dan tantangan. Motivasi ini muncul dari meningkatnya perhatian terhadap AI dalam pendidikan pemrograman dan kebutuhan untuk memahami potensi serta batasannya di domain basis data, yang krusial untuk manajemen data dan pengembangan perangkat lunak. Tinjauan ini bertujuan menyintesis bukti terkini, mengidentifikasi tren, dan menyoroti area yang memerlukan investigasi empiris lebih lanjut.
Mengapa penting
Analisis mengungkap pergeseran dalam pendidikan pemrograman seiring AI membentuk ulang praktik pengembangan perangkat lunak, mendorong kebutuhan untuk menyelaraskan kurikulum dengan ekspektasi industri yang berkembang. Meskipun alat AI menawarkan manfaat signifikan, tantangan tetap ada, termasuk ketidakakuratan AI, bias, ketergantungan siswa pada AI, dan risiko integritas akademik. Misalnya, kode yang dihasilkan AI mungkin mengandung kesalahan atau menyebarkan bias, dan siswa mungkin menjadi terlalu bergantung pada AI, menghambat pengembangan keterampilan dasar. Kekhawatiran integritas akademik muncul dari kecurangan dan plagiarisme yang dibantu AI. Tinjauan ini menekankan peran kritis pendidik manusia dalam mencapai hasil pembelajaran yang bermakna dan efektif. Integrasi alat AI yang cermat dapat melengkapi pengajaran tradisional, tetapi memerlukan strategi pedagogis yang mendorong pemikiran kritis dan kesadaran etis. Penelitian yang terbatas tentang pengajaran basis data menunjukkan kebutuhan akan studi lebih ekstensif yang membahas strategi pedagogis yang digerakkan AI dan dampak jangka panjangnya. Pekerjaan selanjutnya harus mengeksplorasi bagaimana AI dapat disesuaikan untuk pendidikan basis data, termasuk sistem pembelajaran adaptif dan penilaian otomatis tugas basis data yang kompleks.
Siapa yang sebaiknya membaca
Pembaca Research Digest dan praktisi rumpun ini.
Membuka konten member…