ChatGPT baru saja meluncurkan fitur baru untuk para pelajar—Study Mode di ChatGPT—sebuah pengalaman belajar yang membantu pelajar memecahkan masalah langkah demi langkah, bukan hanya menerima jawabannya saja. Fitur ini akan diluncurkan untuk pengguna paket Free, Plus, Pro, dan Team, dan akan segera tersedia di ChatGPT Edu dalam beberapa minggu mendatang.
ChatGPT kini menjadi salah satu alat belajar yang paling banyak digunakan di dunia. Mahasiswa menggunakan alat ini untuk belajar melalui tugas-tugas yang menantang, mempersiapkan ujian, dan mengeksplorasi konsep-konsep baru. Namun, penggunaan alat ini dalam pendidikan juga menimbulkan pertanyaan penting: bagaimana kita dapat memastikan alat ini digunakan untuk mendukung pembelajaran yang sesungguhnya, bukan sekadar memberikan solusi tanpa membantu siswa benar-benar memahami materi?
ChatGPT telah mengembangkan Study Mode untuk membantu menjawab pertanyaan ini. Saat menggunakan Study Mode, siswa dipandu oleh pertanyaan-pertanyaan utama yang menyesuaikan respons dengan tujuan dan tingkat kemampuan mereka, membantu mereka mengembangkan pemahaman yang lebih mendalam. Study Mode dirancang agar menarik dan interaktif, dengan tujuan membantu siswa benar-benar memahami materi, bukan sekadar menyelesaikan tugas.
Bagaimana Study Mode ini dibangun?
Pada dasarnya, Study Mode didasarkan pada instruksi sistem khusus yang dirancang bersama guru, ilmuwan, dan pakar pendidikan untuk mensimulasikan serangkaian perilaku inti yang mendukung pembelajaran yang lebih dalam, termasuk: mendorong partisipasi aktif, mengelola beban kognitif, secara proaktif mengembangkan metakognisi dan refleksi diri, menumbuhkan rasa ingin tahu, serta memberikan umpan balik yang realistis dan konstruktif. Semua perilaku ini didasarkan pada penelitian ilmu pembelajaran jangka panjang dan membantu membentuk cara Study Mode merespons siswa.
“Alih-alih mengerjakan tugas untuk siswa, Study Mode mendorong mereka untuk berpikir kritis tentang konten yang mereka pelajari. Fitur seperti ini adalah langkah positif menuju pemanfaatan AI yang efektif dalam pendidikan. Bahkan di era AI, pembelajaran akan paling efektif ketika siswa terlibat dan berpartisipasi aktif dalam konten pelajaran.” — Robbie Torney, Senior Director of AI Programs di Common Sense Media.
Fitur Utama
Prompt interaktif: Menggabungkan pertanyaan Socratic, saran, dan prompt refleksi diri untuk membimbing pelajar mengeksplorasi dan berpikir aktif, bukan memberikan jawaban langsung.
Respons bertingkat: Informasi diorganisasi dalam bagian-bagian yang mudah diikuti, menyoroti hubungan utama antar topik, menjaga informasi tetap menarik dengan konteks yang cukup, dan mengurangi kebingungan untuk subjek yang kompleks.
Dukungan personalisasi: Pelajaran disesuaikan dengan tingkat pengguna yang sesuai, berdasarkan pertanyaan penilaian kemampuan dan memori dari segmen percakapan sebelumnya.
Pengecekan pengetahuan: Kuis dan pertanyaan terbuka, bersama umpan balik personalisasi untuk melacak kemajuan, mendukung retensi pengetahuan, dan kemampuan menerapkan pengetahuan tersebut pada situasi baru.
Fleksibilitas: Mudah mengaktifkan atau menonaktifkan Study Mode selama percakapan, memungkinkan pelajar menyesuaikan tujuan belajar mereka secara fleksibel di setiap chat.
Cara siswa menggunakan Study Mode
Study Mode dibangun untuk memenuhi kebutuhan mahasiswa universitas. Berikut beberapa pendapat mahasiswa yang kami terima selama fase pengujian awal:
“Menurut saya, cara terbaik untuk menggambarkannya adalah seperti ‘office hour’ langsung yang tersedia 24/7 dan memiliki pemahaman yang komprehensif.” — Umpan balik dari Noah Campbell, mahasiswa universitas
“Study Mode sangat baik dalam memecah materi sulit menjadi penjelasan yang jelas dan koheren.” — Dibagikan oleh Caleb Masi, mahasiswa universitas
“Saya mencoba Study Mode untuk mendapatkan panduan tentang konsep yang sudah berkali-kali saya coba pelajari sebelumnya: sinusoidal positional encoding. Mode ini seperti tutor yang tidak pernah bosan dengan pertanyaan saya. Setelah 3 jam belajar, akhirnya saya cukup paham untuk merasa percaya diri.” — Maggie Wang, mahasiswa universitas
Cara menggunakan Study Mode yang terinspirasi dari mahasiswa universitas di lab ChatGPT
User: Saya ingin belajar tentang Teori Permainan, khususnya cakupan luas bidang ini, dan juga cara-cara menurutmu bidang ini bisa bermanfaat bagi saya dalam kehidupan sehari-hari. Tentu saja, saya ingin kamu memuaskan rasa ingin tahu saya, tapi utamanya kamu akan membimbing saya dan membuat rencana rinci agar saya bisa mencakup seluruh cakupan di sini. Saya akan bertanya jika penasaran, tapi pastikan kamu membimbing saya dengan cepat melalui ini.
Chat GPT: Sempurna. Berikut rencana umum yang akan saya pandu—anggap saja sebagai peta jalan berlapis dari ide dasar hingga intuisi praktis:
🔹 Tahap 1: Fondasi Inti
1. Apa itu Teori Permainan sebenarnya?
Interaksi strategis, agen rasional, asumsi.
2. Jenis-jenis permainan
Kooperatif dan non-kooperatif
Simultan vs. berurutan
Zero-sum vs. non-zero-sum
3. Konsep dasar
Pemain, strategi, hasil, informasi
Strategi dominan
Keseimbangan Nash (inti dari hampir segalanya)
🔸 Tahap 2: Permainan dan Konsep Klasik
4. Permainan terkenal
Dilema narapidana
Chicken
Battle of the sexes
Stag hunt
Matching pennies
5. Keseimbangan strategi campuran
Saat tidak ada strategi murni yang berhasil
Randomisasi dan hasil yang diharapkan
🔹 Tahap 3: Pendalaman Model
6. Permainan berulang & Teorema Folk
Kerja sama yang muncul seiring waktu
Tit-for-tat, Grim Trigger, dll.
7. Permainan bentuk ekstensif
Pohon permainan, induksi mundur
Keseimbangan subgame perfect
8. Permainan Bayesian
Permainan dengan informasi tidak lengkap
Keyakinan, tipe, dan utilitas yang diharapkan
🔸 Tahap 4: Relevansi Kehidupan Nyata
9. Desain mekanisme / Reverse game theory
Sistem pemungutan suara, lelang, kontrak
10. Teori permainan perilaku
Rasionalitas terbatas, keadilan, metode pencarian
11. Aplikasi dalam kehidupan sehari-hari
Negosiasi, kencan, politik, sistem AI, dll.
🔹 Tahap 5: Lanjutan & Opsional
12. Teori permainan evolusioner
Strategi yang berkembang seiring waktu
13. Teori permainan algoritmik
Dampak jaringan, lelang internet
14. Duniamu: Mengapa ini penting untuk Parker
Desain sistem, insentif, struktur kekuasaan
Sepanjang proses ini, saya akan memasukkan:
🔄 Contoh terpandu
🧠 Eksperimen pemikiran
🎭 Skenario dunia nyata untuk menerapkan teori
🧩 Pengecekan cepat untuk memastikan ide tersampaikan
Mari mulai Tahap 1.
Pertanyaan cepat pertama: Dengan kata-katamu sendiri, menurutmu apa itu Teori Permainan? Tidak perlu dirapikan—cukup katakan saja.
User: Saya pikir Teori Permainan adalah semacam kerangka metafisik untuk aspek-aspek masyarakat modern dalam kehidupan, di mana kita mempertimbangkan orang-orang dalam situasi dan sistem yang kompleks dan mencoba menganalisis bagaimana orang-orang di dalamnya membuat keputusan, kadang-kadang mengapa mereka membuat keputusan itu, dan bagaimana hal ini memengaruhi situasi/sistem.
Chat GPT: Luar biasa—kamu sudah mengelilingi inti utamanya.
Mari kita gali sedikit lebih dalam bersama. Teori Permainan pada dasarnya tentang pengambilan keputusan strategis—situasi di mana hasil setiap orang tidak hanya bergantung pada apa yang mereka lakukan, tetapi juga pada apa yang orang lain lakukan.
Pertanyaan cepat:
Jika kamu membuat keputusan dan keputusan itu sepenuhnya tergantung pada alam atau kebetulan—seperti melempar dadu—apakah itu Teori Permainan?
Dan kemudian:
Jika kamu membuat keputusan dan keputusan itu tergantung pada tindakan orang lain—misalnya apakah mereka bekerja sama atau mengkhianatimu—apakah itu Teori Permainan?
Bagikan pendapatmu tentang keduanya.
................
Keterbatasan dan Langkah Selanjutnya
Ini adalah langkah pertama dalam perjalanan panjang untuk meningkatkan pembelajaran di ChatGPT. Saat ini, Study Mode didasarkan pada instruksi sistem khusus. ChatGPT memilih pendekatan ini karena memungkinkan pembelajaran cepat dari umpan balik pengguna nyata dan meningkatkan pengalaman—meskipun dapat menyebabkan perilaku yang tidak konsisten dan kesalahan dalam percakapan. ChatGPT berencana untuk melatih perilaku ini secara langsung ke dalam model intinya setelah menemukan metode paling efektif melalui iterasi dan umpan balik dari pelajar.
Kami juga sedang mengeksplorasi fitur-fitur baru untuk membuat Study Mode lebih menarik dan bermanfaat bagi pelajar, termasuk:
- Ilustrasi yang lebih jelas untuk konsep yang kompleks atau penuh teks.
- Penetapan tujuan dan pelacakan kemajuan sepanjang percakapan
- Personalisasi yang lebih dalam agar sesuai dengan tingkat kemampuan dan tujuan setiap siswa
Penelitian masih terus berlangsung untuk mengembangkan cara paling efektif dalam menerapkan AI di pendidikan. OpenAI terus mengembangkan penelitian lebih lanjut tentang pembelajaran dan kecerdasan buatan (AI) melalui berbagai mitra dalam inisiatif NextGenAI, dan juga bekerja sama dengan para ahli di SCALE Initiative of Stanford University’s Accelerator for Learning (buka di jendela baru) untuk mempelajari dan membagikan bagaimana alat AI memengaruhi hasil belajar di bidang seperti pendidikan K-12.
Dalam penelitian jangka panjang tentang bagaimana siswa dapat belajar paling efektif dengan AI, OpenAI bermaksud untuk menerbitkan analisis yang lebih mendalam tentang temuan hubungan antara desain model dan kognisi, membentuk pengalaman produk di masa depan berdasarkan wawasan ini, serta berkolaborasi dengan ekosistem pendidikan yang lebih luas untuk memastikan AI memberikan manfaat bagi pelajar di seluruh dunia.
