Universiti Lebih Manusia: AI Peribadikan Pembelajaran

Kebanyakan universiti masih beroperasi dengan “sistem operasi” lama: semester 16 minggu, kuliah 50 minit, dan peperiksaan akhir yang menentukan segalanya. Bukan sebab ia terbukti paling berkesan—tetapi sebab itulah cara ia dibina sejak dulu. Masalahnya, model ini memujuk pelajar masuk ke kitaran hafal–lulus–lupa yang kita sendiri bising marahkan.

Dalam siri AI dalam Pendidikan dan EdTech, saya suka pegang satu prinsip mudah: teknologi yang baik tak menjauhkan manusia daripada pembelajaran—ia beri ruang untuk manusia jadi lebih manusia. AI (terutama AI generatif) bukan “batu meteor” yang nak runtuhkan pendidikan tinggi. Ia peluang untuk kita skalakan pengalaman pembelajaran yang mendalam dan diperibadikan, tanpa mengorbankan kualiti.

Yang selalu buat orang panik—isu meniru, esei “siap” dalam 30 saat, pelajar jadi malas—sebenarnya menyorokkan isu sebenar: rekabentuk pedagogi dan penilaian kita dah lama tak sepadan dengan realiti digital. Jika tugasan terlalu generik sampai mesin boleh siapkan, itu petanda tugasan itu perlu dibaiki.

Masalah sebenar universiti: skala vs kualiti

Jawapan terus: pendidikan berkualiti tinggi biasanya perlukan masa, maklum balas peribadi, dan bimbingan rapat—tapi universiti perlu mengajar dalam skala besar. Pertembungan inilah yang membuat kuliah besar-besaran kekal relevan walaupun ramai pelajar tak benar-benar “hidup” dalam kelas.

Model ideal yang sering disebut—bimbingan ala Socrates, perbincangan kecil, soalan yang memaksa pelajar berfikir, maklum balas yang tepat pada masanya—memang berkesan. Cuma satu masalah: ia tak boleh diskalakan bila seorang pensyarah perlu mengurus 120–200 pelajar setiap semester.

Akibatnya, sistem “mencipta” tingkah laku yang kita kutuk:

• Pelajar fokus gred kerana penilaian terlalu berpusat pada gred
• Pelajar “menjawab untuk lulus” kerana tugasan menilai jawapan, bukan pemikiran
• Pelajar lupa cepat kerana pembelajaran jarang diulang dengan terancang

Apatinya bukan budaya pelajar semata-mata. Ia hasil rekabentuk sistem.

AI sebagai enjin untuk pembelajaran mendalam (bukan mesin jawapan)

Jawapan terus: AI boleh mengautomasi mekanik pembelajaran mendalam—latihan, pengulangan, maklum balas mikro—supaya pensyarah boleh fokus pada kerja manusia: membimbing, memberi konteks, dan membina motivasi.

AI generatif paling berguna bila ia berfungsi sebagai coach, bukan mesin siap kerja. Ada tiga aplikasi yang saya rasa paling “realistik” untuk universiti di Malaysia (dan serantau) mula uji dengan pantas.

1) Tutor Socratic 24/7 untuk setiap pelajar

Jawapan terus: AI boleh meniru gaya bimbingan Socratic—banyak bertanya, sedikit memberi jawapan—dan ini memberi ruang “bergelut secara produktif” tanpa malu.

Dalam kelas besar, pelajar yang malu bertanya atau takut nampak “lemah” akan diam. AI boleh jadi ruang latihan yang selamat: pelajar cuba, salah, baiki, cuba lagi—tanpa stigma.

Contoh praktikal (mudah diterapkan dalam EdTech):

• Untuk subjek Matematik/Statistik: AI beri petunjuk langkah demi langkah, bukan jawapan akhir.
• Untuk subjek Undang-undang/Perniagaan: AI minta pelajar jelaskan rasional sebelum cadangkan rangka hujah.
• Untuk subjek Kejuruteraan: AI “audit” andaian pelajar (unit, kekangan, parameter) dan tanya soalan pembetulan.

Bezanya besar: pelajar tak hanya dapat “output”, tetapi belajar cara sampai ke output.

2) Mengalahkan “forgetting curve” dengan latihan bertempo

Jawapan terus: AI boleh menjadualkan ulangkaji mengikut corak lupa individu, menggunakan amalan seperti spaced repetition dan interleaving.

Ramai pelajar belajar secara “last minute”, bukan kerana mereka suka, tetapi kerana tiada sistem yang memandu latihan kecil dan konsisten. Dengan AI, platform boleh:

• mengesan topik mana pelajar selalu tersilap
• memberi soalan ulangkaji tepat pada masa (sebelum pelajar lupa sepenuhnya)
• mencampur topik lama dan baru (interleaving) supaya pemahaman jadi tahan lama

Jika universiti serius nak kurangkan budaya “cram-and-forget”, ini jalan paling praktikal. Bukan dengan ceramah motivasi.

3) Menjadikan “soft skills” boleh dilihat dan diajar

Jawapan terus: AI boleh menganalisis jejak kerja digital untuk memetakan kerjasama, ketekunan, dan refleksi—kemahiran yang universiti kata penting tetapi jarang dinilai.

Dalam tugasan berkumpulan, siapa buat kerja? Siapa menghilang? Siapa memimpin? Biasanya semua ini jadi “drama WhatsApp” yang pensyarah tak nampak. Dengan analitik pembelajaran (learning analytics) yang bertanggungjawab, universiti boleh memerhati corak seperti:

• kekerapan sumbangan dalam dokumen bersama
• pola maklum balas (memberi cadangan atau sekadar setuju)
• respons kepada kegagalan (adakah pelajar cuba semula atau berhenti)

Poin penting: tujuan bukan menghukum. Tujuan untuk melatih. Apabila dinamika pasukan jadi “nampak”, barulah ia boleh dicoach.

Satu ayat yang saya pegang: Kalau kita tak ukur dan tak beri maklum balas, kita sebenarnya tak mengajar kemahiran itu.

Isu meniru: krisis integriti atau krisis penilaian?

Jawapan terus: panik tentang pelajar guna AI untuk menyiapkan tugasan selalunya menutup masalah sebenar—penilaian yang terlalu generik dan mudah “dipalsukan”.

Saya tegas di sini: melarang AI secara total biasanya hanya menghasilkan dua perkara—pelajar guna juga secara senyap, dan pensyarah kehabisan tenaga jadi “polis”. Yang patut berubah ialah cara kita menilai.

Rekabentuk tugasan yang lebih “tahan meniru”

Tugasan yang baik bukan semata-mata “susah”. Ia spesifik, berasaskan konteks, dan memerlukan keputusan yang boleh dipertahankan.

Antara format yang sangat berkesan:

1. Kajian kes tempatan (contextual case): minta pelajar analisis situasi yang berkait komuniti/kampus/industri setempat.
2. Proses + produk: markah bukan pada jawapan akhir sahaja, tetapi pada log pemikiran, draf, dan refleksi.
3. Pertahanan lisan (viva ringkas): 5–7 minit per pelajar (secara giliran) untuk jelaskan keputusan utama.
4. Data/artefak unik: guna dataset kelas sendiri, dapatan kaji selidik ringkas, atau pemerhatian lapangan.

AI masih boleh membantu—tetapi ia jadi pembantu berfikir, bukan “pencetak tugasan”.

AI sebagai rakan kreatif pensyarah

Jawapan terus: AI boleh bantu pensyarah menjana variasi soalan, senario, rubrik, dan tahap kesukaran—supaya tugasan kurang klise dan lebih autentik.

Ini sangat berguna bila:

• ramai pensyarah mengajar seksyen berbeza (perlukan bank soalan setara)
• kursus perlu banyak latihan (tetapi masa pensyarah terhad)
• pensyarah nak variasi kes yang “messy” seperti dunia sebenar

Yang penting, pensyarah kekal sebagai editor dan pemilik standard akademik.

Pelan 90 hari untuk universiti yang nak mula dengan selamat

Jawapan terus: mula kecil, ukur impak, dan bina garis panduan—bukan terus “rollout” besar-besaran tanpa tadbir urus.

Ini rangka yang saya cadangkan untuk institusi yang mahu bergerak pada awal 2026:

Fasa 1 (Minggu 1–3): Tetapkan dasar penggunaan AI

• Definisi jelas: apa yang dibenarkan, apa yang perlu diisytihar
• Contoh “disclosure statement” ringkas untuk tugasan
• Prinsip privasi: data pelajar, rakaman, dan log interaksi

Fasa 2 (Minggu 4–8): Pilih 2 kursus perintis dan 1 metrik utama

Pilih kursus yang:

• kelas besar (impak skala paling ketara)
• banyak latihan kemahiran (contoh: statistik asas, penulisan akademik, pengaturcaraan)

Pilih 1–2 metrik yang mudah diukur:

• kadar penyerahan tugasan tepat masa
• peningkatan skor kuiz berulang (pre/post)
• pengurangan “blank submission” atau plagiarisme tradisional

Fasa 3 (Minggu 9–12): Latih pensyarah dengan format “studio”

Bukan bengkel teori 3 jam. Buat studio 60–90 minit:

• reka 1 tugasan tahan meniru
• bina rubrik proses + produk
• sediakan 10 soalan latihan bertempo

Hasil studio mesti boleh terus digunakan minggu itu juga.

AI tak menggantikan pensyarah—ia menukar peranan pensyarah

Jawapan terus: AI akan mengambil kerja berulang (semakan asas, latihan bertempo, penjanaan variasi soalan), tetapi peranan manusia jadi lebih penting pada bahagian yang tak boleh diautomasi: empati, motivasi, dan bimbingan nilai.

Pensyarah yang hebat bukan “pembaca slaid”. Mereka arkitek pengalaman belajar. Mereka yang boleh:

• mengesan pelajar yang hilang arah
• mengaitkan teori dengan realiti industri dan masyarakat
• memandu perbincangan sukar dan beretika

AI yang digunakan dengan betul memberi ruang masa untuk semua itu.

Langkah seterusnya untuk pembaca (dan kenapa ia berbaloi)

Universiti yang lebih manusia bukan bermaksud kurang teknologi. Ia bermaksud teknologi digunakan untuk menguatkan hubungan belajar: maklum balas yang cepat, latihan yang tepat masa, dan bimbingan yang lebih peribadi.

Jika anda dari pihak universiti, pengendali EdTech, atau fakulti yang sedang menyusun strategi 2026: mulakan dengan satu perintis kecil, bina penilaian yang lebih autentik, dan letakkan AI sebagai tutor + sistem pengukuhan—bukan mesin menyiapkan tugasan.

Dalam siri AI dalam Pendidikan dan EdTech, persoalan yang patut kita bawa ke mesyuarat kurikulum bukan “Macam mana nak halang AI?”. Soalannya: Macam mana nak bina pembelajaran yang begitu bermakna sampai pelajar tak mahu menipu—sebab mereka rasa ia milik mereka sendiri?