Jam 07.05.
Guru Bahasa Indonesia belum masuk kelas.
Di meja paling belakang, seorang siswa sudah punya outline, pembuka, dan tiga argumen untuk tugas esai.
“Cepat banget.”
“AI.”
Lima tahun lalu, guru mungkin melihat tugas final untuk menilai kemampuan.
Sekarang produk akhir bisa muncul sebelum bel pertama.
Pertanyaan assessment berubah:
Kalau jawaban instan tersedia, bagaimana guru melihat proses belajar yang sebenarnya?
Jawabannya bukan dengan membuat semua tugas kembali ke kertas dan pensil.
Bukan juga dengan menganggap setiap teks rapi pasti AI.
Guru perlu menambah evidence lain.
Bukan hanya “apa hasil akhirnya?”
Tetapi:
bagaimana siswa sampai ke sana?
Apa yang ia pahami?
Apa keputusan yang ia buat?
Apa yang berubah setelah feedback?
Apa yang masih bisa dilakukan tanpa bantuan?
Assessment menjadi lebih seperti melihat jejak.
Bukan hanya foto finish.
Produk final tetap berguna, tapi tidak cukup sendirian
Esai akhir masih penting.
Presentasi akhir masih penting.
Proyek final masih penting.
Kita tidak harus membuang produk.
Masalahnya, produk sekarang lebih mudah dipoles oleh AI.
OECD Digital Education Outlook 2026 menekankan bahwa GenAI dapat meningkatkan task performance tanpa menghasilkan learning gain yang setara jika digunakan sebagai shortcut.
Artinya guru harus hati-hati membaca kualitas permukaan.
Tulisan bagus bisa mencerminkan kemampuan siswa.
Bisa juga mencerminkan prompt bagus.
Bisa kombinasi.
Karena itu produk final perlu pasangan.
Process evidence.
Tidak harus banyak.
Satu draft awal.
Satu refleksi.
Satu oral check.
Satu contoh revisi.
Sedikit evidence tambahan bisa membuat interpretasi nilai jauh lebih kuat.
Metode satu: minta first attempt sebelum AI
Guru memberi 10 menit di kelas.
“Tulis apa yang sudah kamu pikirkan tentang topik ini.”
Tidak harus bagus.
Boleh bullet.
Boleh salah.
Boleh belum lengkap.
First attempt menunjukkan starting point.
Setelah itu, jika tugas mengizinkan, AI boleh masuk.
Siswa bisa brainstorming.
Minta feedback.
Cari alternatif.
Nanti guru melihat:
awal,
proses,
akhir.
Perubahan menjadi evidence.
Jika final jauh lebih matang, guru bisa bertanya:
“Apa yang membuat berubah?”
Siswa harus bisa menjelaskan.
AI tidak lagi otomatis dianggap ancaman.
Ia menjadi salah satu faktor proses yang bisa dibaca.
Metode dua: gunakan oral spot check
Tidak perlu semua murid presentasi 15 menit.
Guru bisa memilih satu pertanyaan.
“Kenapa kamu memilih contoh ini?”
“Apa maksud kalimat ini?”
“Kalau argumen kedua dihapus, apa yang terjadi?”
Tiga puluh detik sampai dua menit.
Oral spot check memberi insight.
Apakah siswa memiliki pekerjaan?
Bisa menjelaskan?
Bisa berpikir lanjut?
Namun jangan menjadikan kemampuan bicara spontan sebagai satu-satunya ukuran.
Ada siswa gugup.
Ada kebutuhan khusus.
Assessment harus memberi alternatif.
Mungkin jawaban tertulis singkat.
Mungkin waktu persiapan.
Tujuannya bukan jebakan.
Tujuannya melihat understanding.
Metode tiga: nilai keputusan, bukan hanya hasil
AI bisa memberi sepuluh ide.
Siswa memilih satu.
Apa yang bisa dinilai guru?
Alasan memilih.
“Kenapa ide ini?”
“Kenapa bukan yang lain?”
“Evidence apa yang mendukung?”
Decision quality adalah human work.
AI membuat opsi murah.
Judgment tetap mahal.
Rubrik bisa menambahkan:
kualitas alasan,
relevansi evidence,
kemampuan menimbang alternatif.
Sekarang murid tidak mendapat nilai hanya karena outputnya terlihat profesional.
Ia harus menunjukkan keputusan intelektual.
UNESCO AI Competency Framework for Students menempatkan human agency dan critical thinking sebagai komponen inti literasi AI.
Assessment yang menilai keputusan sesuai dengan arah itu.
Metode empat: buat revision trace
Guru meminta dua versi.
Tidak harus penuh.
Pilih satu paragraf.
Versi awal.
Versi akhir.
Lalu satu catatan:
“Apa yang berubah dan kenapa?”
Siswa bisa menulis:
“Aku menghapus klaim ‘semua remaja’ karena sumber yang kutemukan tidak mendukung kata semua.”
Bagus.
Atau:
“AI menyarankan contoh ini, tapi aku tidak memakainya karena konteksnya bukan Indonesia.”
Bagus sekali.
Di sini AI bahkan menjadi bahan critical thinking.
Siswa menunjukkan kemampuan menerima atau menolak feedback.
Revision trace membuat editing terlihat sebagai reasoning.
Bukan tombol “improve”.
Metode lima: gunakan transfer task
Anak sudah menyelesaikan satu soal dengan AI.
Berikan soal serupa tanpa AI.
Atau setelah esai:
“Tulis satu paragraf baru tentang contoh berbeda.”
Atau setelah presentasi:
“Jelaskan konsep ke konteks lain.”
Transfer task menguji apakah skill berpindah.
Ini penting.
Anak bisa memahami output saat melihat.
Belum tentu bisa menghasilkan sendiri.
Transfer adalah bukti yang lebih kuat.
Tidak perlu panjang.
Lima menit pun cukup.
Guru mendapat snapshot kemampuan setelah scaffolding dilepas.
Metode enam: process log yang sangat ringan
Jangan membuat siswa menulis diary 500 kata setiap tugas.
Melelahkan.
Cukup tiga baris:
“Aku mulai dari…”
“AI atau sumber lain membantu pada…”
“Aku memutuskan…”
Contoh:
“Aku mulai dari tiga ide sendiri.”
“AI membantu memberi counterargument.”
“Aku memilih tidak memakai satu saran karena tidak ada sumber.”
Tiga baris.
Guru melihat process awareness.
Kalau disclosure AI memang diwajibkan, ini bisa sekaligus menjadi transparency mechanism.
Tetapi jangan hanya menilai apakah siswa “mengaku AI”.
Nilai pemahaman dan judgment.
Process log bukan surat pengakuan.
Metode tujuh: desain pertanyaan yang dekat dengan konteks siswa
AI sangat kuat pada jawaban generik.
Tugas menjadi lebih meaningful jika meminta koneksi.
“Temukan contoh di lingkungan sekolah.”
“Bandingkan dengan pengalaman observasi.”
“Gunakan data kelas.”
“Jelaskan keputusan desain kelompok.”
Konteks lokal membuat siswa harus membawa sesuatu dari dunia nyata.
AI masih bisa membantu.
Tetapi tidak punya data yang belum diberikan.
Siswa perlu mengamati.
Bertanya.
Mengumpulkan.
Memilih.
Ini menambah authenticity.
Tetapi jaga privasi.
Jangan memaksa siswa membuka detail keluarga atau data personal demi membuat tugas “unik”.
Local context harus aman.
Metode delapan: nilai pertanyaan siswa
Ini menarik.
Di era jawaban murah, pertanyaan berkualitas menjadi evidence.
Setelah belajar topik:
“Tulis dua pertanyaan yang menurutmu masih belum terjawab.”
Atau:
“Pertanyaan apa yang membuat jawaban AI tadi terasa lemah?”
Siswa yang paham sering bisa menemukan gap.
Assessment tidak selalu harus meminta solusi.
Membuat pertanyaan juga menunjukkan struktur pengetahuan.
Guru bisa melihat:
apakah murid hanya mengulang?
Atau benar-benar melihat masalah?
AI bisa membantu menghasilkan pertanyaan, jadi jika ini assessment individual, atur penggunaan.
Namun sebagai aktivitas kelas, membandingkan pertanyaan manusia dan AI juga bisa kaya.
Metode sembilan: peer explanation
Siswa berpasangan.
Satu menjelaskan konsep.
Satu bertugas menanyakan “kenapa”.
Kemudian tukar.
Guru berkeliling.
Tidak perlu grading detail.
Observasi.
Siapa bisa menjelaskan?
Siapa bergantung pada teks?
Siapa punya miskonsepsi?
AI boleh dipakai sebelumnya sebagai practice, jika aturan mengizinkan.
Saat peer explanation, layar ditutup.
Sekarang guru melihat kemampuan sosial-kognitif.
Dan siswa belajar bahwa memahami berarti bisa membuat ide dapat dipahami orang lain.
Metode sepuluh: assessment tanpa AI tetap punya tempat
Tidak semua assessment harus mengizinkan AI.
Ada saat guru memang perlu baseline tanpa bantuan.
Ulangan.
Writing sample.
Mental math.
Oral reading.
Konsep dasar.
Itu sah.
Yang penting siswa tahu mengapa.
“Bagian ini tanpa AI karena Ibu perlu melihat kemampuan kalian sendiri.”
Bukan:
“AI jahat.”
Kejelasan tujuan membuat aturan lebih masuk akal.
Ada pula assessment yang justru harus memakai AI.
Misalnya:
“Gunakan AI, lalu audit tiga kesalahannya.”
Dua mode bisa hidup.
AI-free assessment dan AI-integrated assessment.
Sekolah tidak perlu memilih satu ideologi untuk semua.
Guru jangan dijadikan auditor teknologi full-time
Semua metode tadi bisa terdengar berat.
Guru sudah banyak pekerjaan.
Jangan menambah 20 dokumen.
Pilih dua atau tiga strategi yang paling masuk akal.
Misalnya:
first attempt,
oral spot check,
revision note.
Cukup.
Atau:
final product,
transfer task.
Assessment redesign harus sustainable.
Kalau sistem baru membuat guru menghabiskan malam membaca log AI murid, tidak akan bertahan.
OECD menekankan pentingnya penggunaan GenAI yang benar-benar mendukung pedagogi, bukan sekadar memasukkan teknologi.
Hal sama berlaku pada assessment.
Desain harus membantu guru melihat learning dengan lebih jelas.
Bukan membuat administrasi lebih besar.
AI juga bisa membantu guru, dengan batas
Guru dapat memakai AI untuk:
membuat variasi soal,
mencari contoh alternatif,
membantu draft rubrik,
menghasilkan pertanyaan oral.
Tetapi teacher judgment tetap memegang keputusan.
Apakah soal sesuai kelas?
Apakah bias?
Apakah jawabannya benar?
Apakah tingkat sulit tepat?
Apakah data siswa aman?
AI tidak boleh mengambil alih penilaian final tanpa oversight.
Terutama ketika keputusan berdampak pada murid.
Human responsibility tetap pusat.
Siswa perlu tahu apa yang dinilai
Ini mungkin paling penting.
Kalau siswa mengira guru hanya menilai file final, mereka akan mengoptimalkan file final.
Kalau guru berkata:
“Nilai kalian terdiri dari ide awal, reasoning, revisi, dan presentasi,”
perilaku berubah.
Murid tahu proses punya nilai.
Bahkan mereka yang memakai AI punya alasan menjaga proses.
“Kalau AI bikin semua, aku enggak punya bahan buat jelasin revisi.”
Assessment mengubah insentif.
Budaya belajar ikut berubah.
Ada satu cara lain yang cukup efektif: gunakan pertanyaan “apa yang kamu ubah setelah sadar kamu salah?”
Pertanyaan ini menilai learning movement.
Seorang siswa mungkin memulai dengan hipotesis yang salah.
Tidak masalah.
Jika ia bisa menunjukkan:
“Awalnya aku pikir A. Setelah lihat data, aku ubah menjadi B,”
guru melihat proses belajar yang nyata.
AI bahkan bisa ikut berada di tengah proses itu.
Siswa mungkin berkata:
“AI memberi satu kemungkinan, tapi setelah dibandingkan dengan sumber, ternyata tidak cocok.”
Itu bukan kegagalan.
Itu evidence critical thinking.
Assessment yang hanya menilai final answer sering tidak memberi nilai pada perubahan pikiran.
Padahal mengubah kesimpulan setelah menemukan evidence adalah kemampuan akademik yang sangat penting.
Guru juga bisa menilai quality of question.
Misalnya setelah tugas selesai:
“Tulis satu pertanyaan yang sekarang menurutmu lebih penting daripada saat mulai.”
Siswa yang belajar biasanya melihat topik dengan lebih tajam.
Pertanyaannya berubah.
Lebih spesifik.
Lebih kritis.
Ini process signal yang sulit diperoleh hanya dari melihat produk akhir.
Hari pengumpulan esai
Guru tadi tidak bertanya:
“Siapa pakai AI?”
Ia berkata:
“Taruh final draft. Lalu ambil kartu kecil.”
Di kartu ada dua pertanyaan.
“Apa satu keputusan paling penting dalam tulisanmu?”
“Apa satu bagian yang berubah dari draft awal?”
Siswa menulis.
Lima menit.
Salah satu menjawab:
“Awalnya aku pakai argumen dari AI, tapi setelah cek sumber ternyata terlalu umum. Aku ganti dengan contoh dari data yang dikasih guru.”
Guru tersenyum.
Itu evidence.
Bukan evidence bahwa siswa “bebas AI”.
Evidence bahwa siswa berpikir.
Di era jawaban instan, penilaian proses bukan berarti guru harus melihat setiap klik.
Guru hanya perlu membuat beberapa momen di mana kemampuan manusia tidak bisa bersembunyi di balik hasil final.
Karena pendidikan bukan mencari siapa yang bisa menghasilkan jawaban paling cepat.
Pendidikan perlu tahu siapa yang memahami, siapa yang berkembang, dan siapa yang masih membutuhkan bantuan.
AI membuat jawaban instan.
Tugas assessment adalah membuat proses belajar tetap terlihat.
