Survei terhadap 103 dosen di 26 universitas Rusia menemukan bahwa pemakaian kecerdasan artifisial paling kuat berkaitan dengan kondisi pendukung di kampus — bukan dengan seberapa paham dosen soal teknologinya. Sampelnya kecil dan diukur sekali, jadi arah sebabnya belum bisa dipastikan.
Kalau sebuah universitas ingin dosennya benar-benar memakai kecerdasan artifisial dalam mengajar, seminar sosialisasi mungkin bukan belanja pertama yang paling berguna. Sebuah studi akses terbuka di jurnal Psychological Science and Education menunjukkan bahwa dari enam faktor yang diukur, yang paling kuat berkaitan dengan pemakaian AI oleh dosen adalah kondisi pendukung di institusi masing-masing.
Tim dari Institute of Education, HSE University, Moskow — Yulia V. Sibiryakova, Daniil P. Talov, Bibigul S. Iskakova, Anton I. Kutuzov, dan Valeria O. Kolesnik — menyesuaikan sebuah kuesioner berbasis UTAUT dan TAM ke dalam bahasa Rusia. UTAUT (Unified Theory of Acceptance and Use of Technology) dan TAM (Technology Acceptance Model) adalah dua kerangka baku untuk mengukur mengapa orang menerima atau menolak teknologi baru. Penulis menyebut alat ukur berbahasa Rusia yang sudah tervalidasi untuk konteks ini masih langka.
Kuesioner itu diujikan kepada 103 dosen dari 26 universitas di Rusia. Analisis faktor konfirmatori mendukung struktur enam faktor dengan kecocokan model yang memadai: CFI 0,932 dan RMSEA 0,068. Reliabilitas dilaporkan lewat alfa Cronbach, yang pada abstrak disebut berkisar 0,85–0,86, sementara tabel di dalam artikel menampilkan rentang 0,80–0,89.
Bagian yang paling menarik bagi pengelola kampus ada di analisis regresinya. Tiga prediktor menonjol. Kondisi pendukung — ketersediaan perangkat, akses, dan bantuan teknis — punya koefisien beta terstandar 0,39 (p < 0,001). Sikap positif terhadap AI 0,29 (p < 0,01). Persepsi risiko bergerak ke arah sebaliknya, −0,29 (p < 0,001): makin besar risiko yang dirasakan, makin kecil pemakaiannya.
Yang justru tidak menonjol adalah kesadaran atau pengetahuan tentang AI, dengan beta 0,17 dan galat baku 0,10 — artikel tidak melaporkan nilai p untuk prediktor ini. Begitu pula kesulitan teknis yang dirasakan (−0,04; galat baku 0,07) dan jenis kelamin laki-laki (0,19; galat baku 0,12). Dengan kata lain, dalam data ini tahu-atau-tidak-tahu bukan pembeda utama; tersedia-atau-tidak-tersedianya dukungan yang membedakan.
Ada beberapa hal yang perlu ditahan sebelum temuan ini dibawa ke rapat senat. Jumlah responden hanya 103 orang, kecil untuk model regresi dengan belasan prediktor termasuk kategori usia. Datanya potret satu waktu dan berbasis laporan diri, sehingga hubungan yang ditemukan bersifat korelasional — studi ini tidak membuktikan bahwa menambah dukungan akan menaikkan pemakaian. Konteksnya pun universitas-universitas Rusia, bukan Indonesia. Artikelnya juga punya ketidakcocokan internal yang sebaiknya disebut terbuka: rentang alfa Cronbach berbeda antara abstrak (0,85–0,86) dan tabel (0,80–0,89), nilai p untuk faktor sikap tertulis p < 0,01 di tabel tetapi p < 0,009 di uraian, satu faktor dinamai “Implementation” di bagian hasil dan “Behavior” di bagian diskusi, serta ada satu nama rujukan yang muncul dalam dua ejaan.
Meski begitu, arah praktisnya cukup jelas dan murah diuji. Penulis menyimpulkan bahwa universitas sebaiknya memprioritaskan dukungan organisasi, membangun sikap positif, dan menurunkan persepsi risiko — bukan sekadar memberi informasi kepada dosen. Untuk kampus di Indonesia yang sedang menyusun kebijakan AI, itu berarti pertanyaan pertama bukan “sudahkah dosen kami dilatih?” melainkan “kalau seorang dosen memutuskan memakai AI besok, apakah perangkat, akses, dan orang yang bisa dimintai bantuan sudah ada?”
Komentar