Seorang guru berdiri di ruang rapat kecil sambil menatap hasil kelas AI minggu lalu.
Di tangannya ada satu pertanyaan sederhana.
“Kalau kita tidak kasih ujian pilihan ganda, gimana tahu anak-anak benar-benar belajar?”
Guru lain membuka laptop.
“Ya bisa kasih kuis.”
“Bisa. Tapi kalau mereka hafal jawaban ‘AI bisa salah’, apakah itu berarti mereka benar-benar akan cek saat AI kasih jawaban salah?”
Ruangan diam.
Pertanyaan kedua jauh lebih penting.
Kelas AI memang bisa diuji dengan soal.
Apa itu prompt?
Apa itu bias?
Apa arti hallucination?
Mana contoh data pribadi?
Semua bisa dibuat pilihan ganda.
Tetapi AI literacy bukan hanya pengetahuan deklaratif.
Ia juga kebiasaan.
Judgment.
Cara mengambil keputusan.
Kemampuan bertanya.
Kemampuan menahan diri sebelum share.
Kemampuan mengakui bahwa kita belum tahu.
Dan kemampuan berpindah dari AI kembali ke manusia ketika situasinya membutuhkan manusia.
Bagian-bagian itu tidak mudah terlihat dari skor A, B, C, atau D.
Jadi bagaimana mengukur keberhasilan kelas AI tanpa bergantung pada ujian pilihan ganda?
Mulai dari pertanyaan: perilaku apa yang ingin berubah?
Sebelum membuat assessment, guru perlu tahu tujuan.
Misalnya kelas membahas verification.
Tujuannya bukan:
“Anak tahu definisi verifikasi.”
Tujuan yang lebih kuat:
“Anak dapat mengenali klaim AI yang perlu diperiksa dan memilih sumber yang lebih tepat.”
Sekarang assessment bisa berbentuk skenario.
AI memberi tiga klaim.
Satu tentang film.
Satu tentang kesehatan.
Satu tentang aturan sekolah.
Murid diminta menjelaskan:
mana yang paling perlu dicek,
kenapa,
dan sumber apa yang seharusnya dipakai.
Tidak ada satu jawaban huruf.
Yang terlihat adalah reasoning.
Anak mungkin berkata:
“Jadwal film cukup cek situs bioskop. Tapi soal obat aku nggak mau cuma percaya chatbot. Aku cari sumber kesehatan atau tanya orang dewasa.”
Itu competency.
Lebih bermakna daripada memilih jawaban:
“B. Verifikasi.”
Gunakan performance task
AI literacy cocok dengan tugas performatif.
Berikan situasi.
Anak melakukan.
Contoh privacy.
Guru memberi contoh file tugas fiktif.
Di header ada:
nama lengkap,
nomor siswa,
sekolah,
alamat email,
isi tugas.
Tugas siswa:
“Siapkan file ini sebelum digunakan sebagai input AI.”
Anak harus menentukan:
apa yang perlu dihapus,
apa yang masih relevan,
dan kenapa.
Satu murid menghapus nama.
Yang lain juga menghapus nomor siswa.
Murid ketiga berkata:
“Email juga nggak perlu.”
Sekarang guru melihat applied understanding.
Bukan hafalan.
Kalau anak tahu privacy penting tetapi tetap memasukkan seluruh identitas, knowledge belum menjadi skill.
Performance task menangkap gap itu.
Portofolio proses lebih berharga daripada satu nilai akhir
AI membuat final output mudah terlihat bagus.
Poster.
Esai.
Presentasi.
Gambar.
Kode.
Kalau guru hanya menilai final output, sulit tahu siapa yang berpikir.
Lebih berguna menyimpan process portfolio.
Tidak harus rumit.
Untuk satu proyek:
prompt awal,
output pertama,
apa yang anak kritik,
revisi,
sumber yang dicek,
keputusan akhir,
refleksi dua atau tiga kalimat.
Misalnya:
“Output pertama terlalu umum. Saya menambahkan konteks Indonesia. Saya juga menemukan satu klaim yang tidak punya sumber, jadi saya hapus.”
Kalimat ini menunjukkan banyak hal.
Prompt iteration.
Critical judgment.
Context awareness.
Verification.
Agency.
Guru melihat proses belajar.
Bukan hanya kecantikan hasil.
Dalam era AI, process evidence menjadi semakin penting karena final output sendiri semakin murah untuk dihasilkan.
Gunakan “jelaskan kembali dengan bahasa sendiri”
Salah satu tes terbaik sangat sederhana.
Anak menggunakan AI untuk membantu memahami fotosintesis.
Guru bertanya:
“Sekarang tutup AI. Jelaskan dengan bahasa kamu sendiri.”
Kalau anak bisa menjelaskan, ada transfer.
Kalau hanya bisa membaca ulang output, belum tentu paham.
Ini bukan anti-AI.
Justru AI boleh dipakai sebagai scaffold.
Tetapi learning outcome tetap milik anak.
Metode teach-back berguna di banyak situasi.
AI membantu kode.
“Jelaskan fungsi bagian ini.”
AI membantu esai.
“Kenapa argumen ini kamu pilih?”
AI memberi rencana.
“Mana yang kamu ubah dan kenapa?”
Anak harus menunjukkan ownership.
Ujian pilihan ganda jarang menangkap ownership.
Percakapan bisa.
Nilai kualitas pertanyaan anak
Program AI yang bagus membuat anak bertanya lebih baik.
Maka pertanyaan bisa menjadi data assessment.
Hari pertama:
“AI itu apa?”
Minggu ketiga:
“Kalau AI kasih rekomendasi dari data lama, bisa nggak itu membatasi anak yang sebenarnya sudah berkembang?”
Perubahan kualitas pertanyaan menunjukkan perubahan model mental.
Guru bisa menyimpan question wall.
Tidak perlu memberi nilai tiap pertanyaan.
Lihat pola.
Apakah siswa mulai bertanya soal:
sumber,
data,
fairness,
consent,
keterbatasan,
tanggung jawab,
dan human oversight?
Jika iya, curiosity mereka bergerak dari fitur ke konsekuensi.
Itu keberhasilan.
UNESCO AI Competency Framework for Students menempatkan kompetensi AI bukan sekadar kemampuan menggunakan aplikasi, tetapi mencakup human-centred mindset, ethics, teknik dan aplikasi AI, serta pemahaman sistem AI.
Assessment yang baik perlu melihat breadth tersebut.
Bukan hanya tool operation.
Observasi kebiasaan kecil
Guru bisa melihat perilaku tanpa membuat semua menjadi tes.
Saat tugas:
apakah anak langsung copy?
Apakah ia membaca?
Apakah bertanya ke teman?
Apakah mengecek sumber?
Apakah menghapus data?
Apakah memberi disclosure sesuai aturan?
Apakah menolak output yang buruk?
Apakah berani bilang:
“AI-nya salah.”
Catatan observasi bisa sangat ringan.
Tidak perlu surveillance.
Misalnya checklist kelas:
VERIFIES IMPORTANT CLAIMS
PROTECTS PERSONAL DATA
EXPLAINS OWN PROCESS
USES AI WITHIN TASK RULES
CAN IDENTIFY WHEN HUMAN HELP IS NEEDED
Guru tidak mencatat setiap menit.
Pilih beberapa aktivitas.
Tujuannya melihat trajectory.
Bukan menghukum.
Peer review juga bisa mengukur
Anak sering melihat hal yang guru lewatkan.
Dua siswa bertukar hasil.
Mereka tidak menilai:
“bagus atau jelek.”
Mereka pakai rubric.
“Apakah ada fakta yang belum diverifikasi?”
“Apakah ada data pribadi?”
“Bagian mana yang terlihat terlalu bergantung pada AI?”
“Apakah sumbernya jelas?”
“Apakah ada stereotip?”
Peer review membuat assessment sekaligus learning.
Anak belajar mengevaluasi karya orang.
Lalu membawa lensa itu ke karya sendiri.
Tetapi guru perlu mengatur.
Jangan gunakan data sensitif.
Jangan meminta siswa memeriksa chat pribadi.
Jangan membuat peer review menjadi tuduhan:
“Ini pasti AI.”
Fokus pada kualitas proses, bukan policing.
Gunakan skenario dilematis
AI literacy penuh trade-off.
Skenario dapat mengukur judgment.
Contoh:
“Sekolah punya AI tutor yang sangat membantu, tetapi untuk personalisasi ia meminta data lebih banyak. Apa yang perlu ditanyakan sebelum dipakai?”
Tidak ada satu jawaban.
Siswa bisa menyebut:
data apa,
tujuan,
retention,
consent,
alternatif,
benefit,
age requirement.
Guru menilai reasoning.
Atau:
“Teman membuat deepfake lucu dengan izin, tapi kemudian orang lain re-upload tanpa izin. Masalahnya berubah di mana?”
Anak harus melihat consent punya konteks dan distribusi mengubah risiko.
Assessment seperti ini lebih dekat ke kehidupan digital nyata.
Bukan soal definisi.
Refleksi pendek setelah aktivitas
Tiga kalimat.
“Apa yang kamu lakukan?”
“Apa yang AI lakukan?”
“Apa yang masih menjadi tanggung jawab kamu?”
Ini bisa menjadi exit ticket.
Cepat.
Tetapi powerful.
Contoh jawaban:
“Aku kasih AI tiga ide judul. Aku pilih satu dan bikin outline sendiri. Aku tetap tanggung jawab ngecek fakta dan nulis final.”
Guru melihat pemahaman tentang division of labor.
Anak juga melakukan metacognition.
Ia memikirkan prosesnya.
Ini penting karena AI mudah membuat batas kerja kabur.
Refleksi membuat batas terlihat lagi.
Jangan hanya mengukur kecepatan
Anak yang cepat menghasilkan output belum tentu paling literate.
Mungkin ia paling cepat klik.
Anak yang berhenti lebih lama bisa sedang:
membaca Terms,
mengecek sumber,
mengedit,
atau mempertimbangkan consent.
Jangan membuat rubrik yang secara tidak sengaja memberi hadiah pada speed.
AI sudah cepat.
Manusia tidak perlu meniru mesin.
Kualitas judgment sering membutuhkan jeda.
Kalau program selalu lomba siapa paling cepat membuat, anak belajar satu nilai:
cepat = bagus.
Padahal untuk AI safety, kadang lambat lima detik menyelamatkan keputusan.
Nilai kemampuan berkata “tidak perlu AI”
Ini mungkin assessment paling menarik.
Beri lima tugas.
Minta siswa pilih mana yang layak pakai AI.
Contoh:
cari tiga ide eksperimen,
menulis ucapan personal untuk teman,
cek aturan ujian,
membuat latihan vocabulary,
memutuskan apakah harus minta maaf setelah bertengkar.
Anak harus menjelaskan.
Mungkin AI berguna di beberapa.
Tidak perlu di yang lain.
Tidak ada jawaban universal.
Yang dinilai:
apakah anak menimbang tujuan, data, dan peran manusia.
AI literacy bukan kemampuan memakai AI di semua tempat.
Ia kemampuan memilih tempat yang tepat.
Assessment harus memberi penghargaan pada restraint.
Ukur transfer dua minggu kemudian
Hari kelas selesai, semua anak masih ingat.
Tes lebih kuat:
apakah skill pindah ke konteks baru?
Dua minggu kemudian guru memberi skenario baru yang tidak pernah dibahas.
Tool berbeda.
Situasi berbeda.
Prinsip sama.
Apakah anak masih:
cek sumber,
jaga data,
pikir consent,
dan kembali ke manusia saat perlu?
Kalau iya, ada transfer.
Ini salah satu bukti terbaik.
Program tidak sekadar mengajarkan jawaban untuk contoh.
Ia membangun framework.
Transfer membuat framework terlihat.
Libatkan orang tua sebagai sumber observasi, bukan penilai utama
Orang tua bisa diberi dua pertanyaan sebulan setelah program.
“Apakah anak pernah mengingatkan keluarga untuk mengecek informasi?”
“Apakah anak membicarakan penggunaan AI secara lebih terbuka?”
Jawabannya kualitatif.
Tidak perlu masuk rapor.
Tetapi memberi insight.
Satu orang tua mungkin berkata:
“Sekarang anak saya sebelum upload tugas suka hapus nama.”
Itu impact.
Yang lain:
“Dia mulai bilang kapan AI bantu.”
Impact.
Jangan membuat orang tua memantau semua penggunaan.
Tujuannya melihat perubahan budaya.
Bukan surveillance.
Anak juga perlu menilai dirinya sendiri
Self-assessment:
“Saya bisa menjelaskan kapan AI perlu diverifikasi.”
“Saya tahu data apa yang jangan diberikan.”
“Saya bisa bilang kalau saya belum tahu.”
“Saya bisa menggunakan AI tanpa menyerahkan semua pekerjaan.”
Skala sederhana.
Lalu:
“Beri satu contoh.”
Contoh lebih penting daripada angka.
Self-assessment melatih awareness.
Anak belajar melihat growth.
Bukan hanya mendapat label dari guru.
Tetapi jangan bergantung penuh pada self-report.
Gabungkan dengan performance.
Triangulasi ringan.
Assessment tidak harus menjadi nilai rapor
Sekolah bisa merasa:
“Kalau tidak ada nilai, anak tidak serius.”
Belum tentu.
Ada competency badge.
Portofolio.
Presentasi proses.
Reflection.
Teacher feedback.
Project exhibition.
Conversation.
AI literacy bisa menjadi cross-curricular competency.
Tidak semua harus angka 0 sampai 100.
Yang penting sekolah tahu apakah program bekerja.
Dan siswa tahu apa yang berkembang.
Metrik program juga perlu lebih luas
Jangan hanya:
95 persen lulus kuis.
Tambahkan:
berapa siswa bisa mengidentifikasi data yang tidak perlu?
berapa yang memverifikasi klaim?
berapa yang tahu jalur report?
berapa yang bisa menjelaskan peran AI dalam tugas?
berapa yang berani menolak output?
berapa yang bertanya lebih dalam?
berapa yang menunjukkan transfer?
UNICEF dalam Guidance on AI and Children 2025 menempatkan safety, privacy, fairness, transparency, skills, well-being, dan meaningful participation sebagai bagian child-centred AI.
Kalau program untuk anak mengklaim sukses tetapi hanya mengukur kemampuan prompt, ukurannya terlalu sempit.
Kembali ke ruang rapat guru tadi
Mereka akhirnya tidak membuang kuis.
Kuis tetap dipakai untuk beberapa konsep.
Tetapi bukan satu-satunya ukuran.
Mereka menambah:
satu performance task,
satu process portfolio,
satu reflection,
satu skenario baru dua minggu kemudian,
dan feedback siswa.
Guru pertama melihat rencana.
“Lebih ribet sedikit.”
Rekannya menjawab:
“Ya. Tapi sekarang kita tahu anak cuma hafal atau benar-benar bisa pakai.”
Itulah perbedaannya.
Ujian pilihan ganda bisa memberi snapshot pengetahuan.
AI literacy membutuhkan film yang lebih panjang.
Kita perlu melihat anak ketika memilih.
Mencoba.
Salah.
Mengecek.
Mengubah keputusan.
Dan bertanggung jawab.
Kalau assessment bisa menangkap itu, kelas AI mulai mengukur hal yang benar-benar penting.