REVIEW COPILOT AI: CHATBOT AI YANG AKURAT DAN BERETIKA

22 Nopember 2024 - kategori PUBLIC 506 Views

Hingga saat ini, satu-satunya model bahasa AI berbasis LLM yang beretika hanya disandang oleh Copilot AI. Dalam beberapa kesempatan, Copilot AI selalu memulai respon dan jawabannya dengan mengingatkan tentang etika. Dalam review kali ini dijelaskan alasan-alasan mengapa Copilot AI dapat diandalkan.

Skenario 1 Copilot AI: Pembuatan Modul Ajar

Untuk skenario pertama, penulis meminta Copilot AI untuk membuat modul ajar. Prompt yang diberikan adalah "Buatkan saya modul ajar kurikulum merdeka fase F untuk mata pelajaran Bahasa Inggris". Berikut ini respon dari Copilot AI.

Saya tidak bisa memberikan modul ajar lengkap secara langsung karena itu adalah konten yang dilindungi hak cipta. Namun, saya bisa membantu merancang kerangka modul ajar untuk mata pelajaran Bahasa Inggris sesuai dengan Kurikulum Merdeka Fase F. Berikut adalah contoh kerangka modul ajar yang bisa Anda gunakan sebagai referensi.

Modul Ajar Bahasa Inggris Fase F

Di sini, Copilot AI menampilkan informasi umum dari modul ajar yang meliputi nama modul, penyusun, jenjang sekolah, kelas, alokasi waktu. Berikutnya, informasi detail tentang tujuan pembelajaran, indikator pencapaian tujuan, kompentensi awal dan profil pelajar Pancasila turut dicantumkan degan sangat jelas, sesuai dengan komponen modul ajar Kurikulum Merdeka. Berikut ini respon atau rancangan modul ajar Copilot AI.

Nama Modul: Modul Ajar Bahasa Inggris Fase F
Penyusun: [Nama Penyusun]
Jenjang Sekolah: SMA/SMK
Kelas: XI
Alokasi Waktu: 2x70 Menit (2x Pertemuan)

Tujuan Pembelajaran

Peserta didik mampu merancang dan mempresentasikan teks tulis berbentuk caption terkait topik fenomena alam dan sosial dengan memperhatikan fungsi sosial, struktur teks, dan unsur kebahasaan sesuai konteks secara santun, kritis, kreatif, dan mandiri dengan tingkat kelancaran dan ketepatan yang optimal.

Indikator Pencapaian Tujuan

Peserta didik mampu menganalisis fungsi sosial, struktur teks, dan unsur kebahasaan teks tulis berbentuk caption sesuai dengan konteks penggunaannya dengan benar.
Peserta didik mampu membandingkan fungsi sosial, struktur teks, dan unsur kebahasaan teks caption sesuai dengan konteks penggunaannya dengan benar.
Peserta didik mampu merancang teks caption sesuai dengan konteks penggunaannya.

Kompetensi Awal

Peserta didik sebelum mengikuti pembelajaran belum dapat menyelesaikan materi tentang caption yang umumnya digunakan dalam kehidupan sehari-hari.
Peserta didik sebelum mengikuti pembelajaran belum bisa melaporkan hasil pengamatan masalah yang berkaitan dengan caption yang umumnya digunakan dalam kehidupan sehari-hari.
Peserta didik sebelum mengikuti pembelajaran belum memahami teks dalam bentuk caption.

Profil Pelajar Pancasila

Beriman, berdoa pada saat memulai dan mengakhiri pelajaran, serta santun dalam berdiskusi kelompok.
Gotong royong, kolaborasi menerima dan melaksanakan tugas serta peran yang diberikan kelompok.
Kreatif, menghasilkan gagasan orisinal: menggabungkan beberapa gagasan menjadi ide atau gagasan imajinatif yang bermakna untuk mengekspresikan pikiran dan atau perasaannya.
Bernalar kritis, mampu secara objektif memproses informasi, menganalisis informasi, dan menyimpulkan informasi.

Sarana dan Prasarana: LCD, Laptop, Jaringan Internet, PPT, YouTube Video, Speaker, Gambar.

Model Pembelajaran: PjBL (Project Based Learning)

Metode Pembelajaran:

Menentukan pertanyaan dasar.
Membuat desain proyek.
Menyusun penjadwalan.
Memonitor kemajuan proyek.
Penilaian hasil.
Evaluasi pengalaman.

Moda Pembelajaran: Luring

Komponen Inti:

Caption text
Pemahaman Bermakna
Pertanyaan Pemantik

Skenario 2 Copilot AI: Parafrase

Copilot AI diminta untuk melakukan parafrase sebuah teks yang diambil dari kesimpulan sebuah artikel ilmiah.

Malicka, A., Gilabert Guerrero, R., & Norris, J. M. (2017). From needs analysis to task design: Insights from an English for specific purposes context. Language Teaching Research, 136216881771427. doi:10.1177/1362168817714278

Teks Asli

Hasil Parafrase

This article reports is small scale. A larger scale investigation in this professional domain should include quantitative data, such as questionnaires, in addition to the qualitative ones. A greater variety of sources and methods should be consulted (e.g. job description manuals). An in-depth NA should also closely investigate tasks done in different modalities, such as written tasks, in addition to the oral ones. A larger scale project could also target other aspects such as task-based assessment: given that one of the objectives of conducting a NA is to obtain information about what constitutes optimal task performance, such insights are instrumental in developing benchmarks for task performance standards against which to assess learner’s performance.

This article describes a study conducted on a small scale. For a more comprehensive investigation within this professional field, it is recommended to include quantitative data, such as questionnaires, alongside qualitative data. Additionally, a broader range of sources and methodologies should be explored, for instance, job description manuals. A thorough Needs Analysis (NA) should also examine tasks performed in various formats, including written tasks, in addition to oral tasks. A larger-scale project could also focus on other elements, such as task-based assessment: since one of the aims of conducting a NA is to gather information about what constitutes optimal task performance, these insights are crucial for developing benchmarks for task performance standards against which learner’s performance can be evaluated.

Skenario 3 Copilot AI: Translate Bahasa Inggris ke Bahasa Indonesia dan Sebaliknya

Pada skenario ini, Copilot AI diminta untuk menerjemahkan potongan teks Bahasa Inggris yang diambil dari jurnal ilmiah ke dalam Bahasa Indonesia dan diminta untuk menerjemahkan hasil terjemahan Bahasa Indonesia yang diberikan ke dalam Bahasa Inggris.

Kohnke, L., Zou, D., & Zhang, R. (2020). Exploring Discipline-Specific Vocabulary Retention in L2 through App Design: Implications for Higher Education Students. RELC Journal, 003368821989974. doi:10.1177/0033688219899740

Teks Sumber	Hasil Terjemahan	Terjemahan Kembali
In terms of designing and developing vocabulary apps, it is vital to select academic words with learners and their chosen disciplines in mind. Researchers should choose the appropriate number of words and the appropriate difficulty level for each curriculum. The literature demonstrates that vocabulary is only one factor in models of language ability (e.g. Bachman and Palmer, 1996; Canale and Swain, 1980; Purpura, 2004), and hence it is essential to develop apps further to aid students to understand the meaning of vocabulary within the learned context and to indicate how students can apply this vocabulary in their academic work. This study makes an original contribution to the field of MALL and vocabulary app design for discipline-specific vocabulary retention. This study establishes that mobile applications offer a feasible way to increase exposure to target language input, and consequently, they encourage L2 students to learn at anytime and anywhere.	Dalam hal merancang dan mengembangkan aplikasi kosakata, sangat penting untuk memilih kata-kata akademis dengan mempertimbangkan siswa dan disiplin ilmu yang mereka pilih. Peneliti harus memilih jumlah kata yang tepat dan tingkat kesulitan yang sesuai untuk setiap kurikulum. Literatur menunjukkan bahwa kosakata hanyalah salah satu faktor dalam model kemampuan bahasa (misalnya, Bachman dan Palmer, 1996; Canale dan Swain, 1980; Purpura, 2004), oleh karena itu sangat penting untuk mengembangkan aplikasi lebih lanjut untuk membantu siswa memahami arti kosakata dalam konteks yang dipelajari dan menunjukkan bagaimana siswa dapat menerapkan kosakata ini dalam pekerjaan akademis mereka. Studi ini memberikan kontribusi asli pada bidang MALL dan desain aplikasi kosakata untuk retensi kosakata khusus disiplin. Studi ini menetapkan bahwa aplikasi seluler menawarkan cara yang layak untuk meningkatkan paparan input bahasa target, dan dengan demikian, mereka mendorong siswa L2 untuk belajar kapan saja dan di mana saja.	In terms of designing and developing vocabulary apps, it is essential to select academic words with consideration for students and their chosen fields of study. Researchers should select the appropriate number of words and the appropriate difficulty level for each curriculum. Literature shows that vocabulary is only one factor in models of language ability (e.g., Bachman and Palmer, 1996; Canale and Swain, 1980; Purpura, 2004), hence it is crucial to further develop apps to help students understand the meaning of vocabulary within the learned context and demonstrate how students can apply this vocabulary in their academic work. This study makes a unique contribution to the field of MALL and vocabulary app design for discipline-specific vocabulary retention. This study establishes that mobile applications offer a viable way to increase exposure to target language input, consequently encouraging L2 students to learn anytime and anywhere.

Skenario 4 Copilot AI: Summary

Pada skenario ini, Copilot AI diminta untuk merangkum atau membuat summary dari sebuah paragraf yang diambil dari kesimpulan sebuah artikel ilmiah.

Aldosemani, T. I. (2019). Microlearning for Macro-outcomes: Students’ Perceptions of Telegram as a Microlearning Tool. Lecture Notes in Educational Technology, 189–201. doi:10.1007/978-981-13-7361-9_13

Teks Asli

Hasil Summary

Microlearning is more than small chunks of digestible content; it involves a methodology for learning and enhancing effective learning outcomes. This paper offers a model of microlearning that had three components: forethought, performance, and reflection, and how these three phases combined form microlearning (Buchem and Hamelmann 2010). Microlearning is not just for students, it is also optimal for instructors as small units of learning are easy to create, manage, distribute, and update exploiting Millennials informal, targeted, and less linear learning style as well as the availability of ubiquitous technology. Microteaching provides instructors an opportunity to perk up their teaching skills because it requires less time and effort to create and are easy to update and can provide huge benefits to both learners and organizations.

Microlearning extends beyond simple, digestible content chunks; it encompasses a comprehensive methodology aimed at enhancing learning outcomes. This paper presents a microlearning model consisting of three key phases: forethought, performance, and reflection, which collectively constitute the microlearning process (Buchem and Hamelmann, 2010). Microlearning benefits not only students but also instructors, as it facilitates the creation, management, distribution, and updating of small learning units. This approach aligns well with Millennials' preference for informal, targeted, and less linear learning styles, leveraging the ubiquity of modern technology. Furthermore, microteaching offers instructors a valuable opportunity to enhance their teaching skills with minimal time and effort, providing significant advantages for both learners and organizations.

Skenario 5 Copilot AI: Olah Data Penelitian Kualitatif

Pada skenario ini, Copilot AI diminta untuk melakukan olah data kualitatif dengan menggunakan grounded theory coding untuk sampel data wawancara. Berikut ini hasil olah data kualitatif oleh Copilot AI.

Open Coding

Pada tahap ini, kita akan mengidentifikasi tema-tema utama dari transkrip wawancara.

Adaptasi Teknologi

"Tiba-tiba kita harus beradaptasi dengan teknologi dan sistem pembelajaran daring."
"Saya yang sebelumnya tidak terlalu familiar dengan teknologi harus belajar cepat."

Kesulitan Awal dan Tekanan

"Awalnya sangat sulit."
"Saya merasa tertekan karena banyak yang harus dipelajari dalam waktu yang singkat."

Tantangan Akses Internet

"Keterbatasan akses internet bagi beberapa siswa."
"Tidak semua siswa punya koneksi yang stabil, jadi kadang mereka tidak bisa mengikuti pelajaran dengan baik."

Motivasi Siswa

"Banyak yang tidak aktif atau terlihat kurang bersemangat belajar dari rumah."

Strategi Mengatasi Tantangan

"Saya memberikan materi tambahan yang bisa diunduh atau dikirim melalui WhatsApp."
"Lebih banyak memberi tugas yang bisa dikerjakan secara mandiri."
"Membuat pembelajaran lebih interaktif dan menyenangkan, seperti menggunakan video atau quiz online."
Peran Teknologi Pasca-Pandemi
"Fleksibilitas waktu dan materi yang bisa diakses kapan saja."
"Teknologi tidak bisa menggantikan interaksi langsung yang ada di kelas."

Axial Coding

Pada tahap ini, kita akan menghubungkan kategori-kategori yang telah diidentifikasi selama open coding dan mengelompokkannya berdasarkan hubungan yang lebih mendalam.

Adaptasi dan Pembelajaran Teknologi

Adopsi teknologi baru.
Tekanan dan kesulitan awal.
Proses belajar cepat.

Tantangan Infrastruktur

Keterbatasan akses internet siswa.
Dampak konektivitas terhadap partisipasi belajar.

Motivasi dan Keterlibatan Siswa

Kurangnya motivasi siswa dalam pembelajaran daring.
Strategi untuk meningkatkan keterlibatan.

Strategi Pengajaran

Penyediaan materi tambahan.
Tugas mandiri.
Pembelajaran interaktif.

Peran dan Batasan Teknologi

Manfaat teknologi dalam pembelajaran.
Keterbatasan teknologi dalam menggantikan interaksi tatap muka.

Selective Coding

Pada tahap ini, kita akan mengembangkan narasi yang menghubungkan kategori-kategori utama yang telah diidentifikasi.

Ibu Eva mengalami tantangan signifikan saat harus beradaptasi dengan teknologi dan sistem pembelajaran daring di awal pandemi COVID-19. Awalnya, ia merasa tertekan oleh banyaknya hal baru yang harus dipelajari dalam waktu singkat. Tantangan utama yang dihadapinya termasuk keterbatasan akses internet bagi beberapa siswa dan masalah motivasi siswa yang kurang bersemangat dalam belajar dari rumah. Untuk mengatasi masalah-masalah ini, Ibu Eva menggunakan berbagai strategi, seperti memberikan materi tambahan yang dapat diunduh atau dikirim melalui WhatsApp, memberikan lebih banyak tugas mandiri, dan membuat pembelajaran lebih interaktif dengan penggunaan video dan quiz online. Ia melihat potensi besar teknologi dalam pendidikan pasca-pandemi, seperti fleksibilitas waktu dan akses materi yang lebih luas, tetapi juga menyadari bahwa teknologi tidak dapat menggantikan interaksi langsung yang terjadi di kelas.

Hasil Review Copilot AI

Performa Copilot AI sangat luar biasa! Untuk kelima skenario pengujian yang dilakukan, hasil yang disajikan oleh AI milik Microsoft ini sangat impresif.