Di era digital saat ini, perkembangan teknologi kecerdasan buatan atau Artificial Intelligence (AI) telah membawa perubahan besar dalam berbagai bidang, termasuk pendidikan. Salah satu teknologi yang berkembang pesat adalah Large Language Models (LLMs), yaitu model bahasa berbasis pembelajaran mesin yang mampu menghasilkan teks secara otomatis dengan kualitas yang semakin mendekati manusia. Dalam konteks pendidikan matematika, LLM membuka peluang baru dalam pembuatan soal cerita matematika atau Mathematical Word Problems (MWPs) yang selama ini menjadi tantangan bagi para guru.
Soal cerita matematika memiliki peran penting dalam pembelajaran karena mampu menghubungkan konsep abstrak dengan situasi kehidupan nyata. Melalui soal cerita, siswa tidak hanya belajar menghitung, tetapi juga memahami bagaimana matematika digunakan dalam kehidupan sehari-hari. Selain itu, soal cerita juga dapat meningkatkan kemampuan berpikir kritis, pemecahan masalah, dan kreativitas siswa. Namun, dalam praktiknya, menyusun soal cerita yang baik bukanlah hal yang mudah. Guru sering menghadapi keterbatasan waktu dan kesulitan dalam menciptakan soal yang variatif, kontekstual, dan sesuai dengan kebutuhan siswa.
Di sinilah peran LLM menjadi sangat relevan. Dengan kemampuannya mengolah data dalam jumlah besar dan menghasilkan teks secara otomatis, LLM dapat membantu guru dalam membuat berbagai jenis soal matematika dengan cepat. Namun, penelitian menunjukkan bahwa penggunaan LLM dalam pendidikan matematika masih memiliki keterbatasan, terutama dalam mendukung aspek sosial dalam pembelajaran. Selama ini, sebagian besar soal yang dihasilkan hanya berfokus pada kemampuan individu, bukan pada interaksi sosial antar siswa.
Padahal, dari perspektif sosiokultural, belajar matematika bukan hanya proses individu, tetapi juga proses sosial. Siswa belajar melalui interaksi, diskusi, dan kolaborasi dengan teman sebaya. Mereka berbagi ide, bernegosiasi, dan membangun pemahaman bersama. Oleh karena itu, penting untuk mengembangkan soal matematika yang tidak hanya menguji kemampuan kognitif, tetapi juga mendorong keterampilan sosial seperti kolaborasi, kerja sama, negosiasi, dan berbagi ide.
Menjawab tantangan tersebut, penelitian ini memperkenalkan sebuah kerangka kerja inovatif bernama SocioMathLLM. Kerangka ini dirancang khusus untuk menghasilkan soal cerita matematika yang tidak hanya kontekstual dan relevan, tetapi juga mampu mendorong interaksi sosial antar siswa. SocioMathLLM mengintegrasikan tiga komponen utama, yaitu kontekstualisasi, personalisasi, dan sosialisasi.
Komponen pertama adalah kontekstualisasi. Dalam tahap ini, model menggunakan informasi kontekstual dari dunia nyata, termasuk data visual seperti gambar atau diagram. Misalnya, gambar taman, lantai kelas, atau jendela dapat digunakan sebagai dasar untuk membuat soal geometri. Pendekatan ini membuat soal menjadi lebih realistis dan mudah dipahami oleh siswa karena berkaitan langsung dengan pengalaman sehari-hari mereka.
Komponen kedua adalah personalisasi. SocioMathLLM tidak hanya menghasilkan soal secara umum, tetapi juga menyesuaikannya dengan karakteristik siswa. Informasi seperti tingkat kemampuan, latar belakang sosial ekonomi, kemampuan membaca, dan kecepatan berpikir matematika digunakan untuk menyesuaikan tingkat kesulitan dan kompleksitas soal. Dengan demikian, soal yang dihasilkan menjadi lebih relevan dan sesuai dengan kebutuhan siswa.
Komponen ketiga adalah sosialisasi. Pada tahap ini, soal yang telah dibuat dimodifikasi agar mendorong interaksi sosial. Model dirancang untuk menghasilkan soal yang mengharuskan siswa bekerja sama, berdiskusi, berbagi ide, atau bahkan bernegosiasi dalam menyelesaikan masalah. Misalnya, siswa diminta untuk membagi tugas, mendiskusikan strategi penyelesaian, atau mencapai kesepakatan bersama.
Keunggulan utama SocioMathLLM terletak pada penggunaan teknik prompt engineering. Teknik ini memungkinkan peneliti untuk mengarahkan model agar menghasilkan output sesuai dengan tujuan pedagogis tertentu. Dengan menggunakan pendekatan seperti chain-of-thought, few-shot prompting, dan zero-shot prompting, model dapat menghasilkan soal yang tidak hanya benar secara matematis, tetapi juga kaya secara konteks dan interaksi sosial.
Hasil penelitian menunjukkan bahwa SocioMathLLM memiliki performa yang sangat baik. Dalam evaluasi otomatis, model ini mencapai nilai presisi sebesar 0,906, recall 0,943, dan F1-score 0,925. Nilai ini menunjukkan bahwa soal yang dihasilkan memiliki kualitas tinggi baik dari segi kesesuaian konteks maupun keakuratan isi
Selain itu, dibandingkan dengan metode sederhana seperti zero-shot prompting, SocioMathLLM menunjukkan peningkatan yang signifikan dalam berbagai aspek. Soal yang dihasilkan lebih menarik, lebih kompleks secara kognitif, dan lebih mampu mendorong interaksi sosial. Hal ini menunjukkan bahwa pendekatan yang terstruktur dan berbasis kriteria lebih efektif dalam menghasilkan soal berkualitas.
Evaluasi juga dilakukan oleh guru matematika sebagai penilai manusia. Hasilnya menunjukkan bahwa soal yang dihasilkan dinilai sangat baik dalam hal kejelasan, relevansi, dan kemampuan mendorong diskusi. Menariknya, evaluasi yang dilakukan oleh LLM juga menunjukkan hasil yang sejalan dengan penilaian manusia, meskipun terdapat beberapa perbedaan dalam menilai aspek sosial yang lebih kompleks.
Secara keseluruhan, SocioMathLLM merupakan inovasi penting dalam pendidikan matematika berbasis AI. Pendekatan ini tidak hanya membantu guru dalam membuat soal, tetapi juga membuka peluang untuk menciptakan pembelajaran yang lebih interaktif dan kolaboratif. Dengan menggabungkan teknologi dan pedagogi, SocioMathLLM menunjukkan bahwa AI dapat digunakan tidak hanya untuk meningkatkan efisiensi, tetapi juga untuk memperkaya pengalaman belajar siswa.
Ke depan, integrasi AI dalam pendidikan diharapkan dapat terus berkembang dengan mempertimbangkan aspek sosial dan budaya dalam pembelajaran. Dengan demikian, teknologi tidak hanya menjadi alat bantu, tetapi juga menjadi mitra dalam menciptakan pembelajaran yang lebih bermakna dan manusiawi.
Author:
- Prof. Wu-Yuin Hwang (Distinguished Professor, National Central University, Taiwan)
- Ika Qutsiati Utami (Dosen S1 Teknologi Sains Data FTMM Unair)
Link artikel:
- Scopus:
- Jurnal Penerbit:
