Inflasi Nilai Berbasis AI: Mengapa Nilai yang Lebih Tinggi Mungkin Menandakan Kurangnya Pembelajaran

Integrasi AI generatif yang cepat di dunia akademik mendorong lonjakan signifikan pada nilai mahasiswa, namun penelitian baru menunjukkan bahwa tren ini mencerminkan pendelegasian tugas (outsourced labor) alih-alih peningkatan kemampuan kognitif. Seiring dengan pergeseran distribusi nilai A ke arah yang lebih tinggi, para pendidik dan pemimpin industri memperingatkan akan adanya "atropi keterampilan" (skill atrophy) yang dapat memisahkan kredensial akademik dari kompetensi yang sebenarnya.

Data di Balik Lonjakan Nilai

Sebuah studi komprehensif oleh peneliti Igor Chirikov, yang melacak 319 mata kuliah di 84 departemen dari tahun 2018 hingga 2025, mengungkapkan tren yang mengejutkan dalam performa akademik. Sejak perilisan ChatGPT pada November 2022, proporsi nilai A telah melonjak sebesar 13 poin persentase—sekitar 30% di atas baseline tahun 2022. Pergeseran ini telah menyebabkan rata-rata IPK naik sebesar 0,12 poin dan mempersempit distribusi nilai secara keseluruhan secara signifikan.

Studi tersebut menyoroti bahwa inflasi ini tidak seragam di semua disiplin ilmu. Sebaliknya, hal ini paling nyata terlihat pada mata kuliah dengan "paparan AI" yang tinggi—khususnya mata kuliah dengan campuran tugas menulis dan pengodean (coding) yang berat. Menariknya, data menunjukkan bahwa nilai A-minus dan B-plus sering kali "dinaikkan" menjadi nilai A murni, yang menunjukkan adanya pergeseran naik yang sistematis dalam evaluasi.

Pekerjaan Rumah vs. Ujian Terawasi: Bukti yang Tak Terbantahkan

Temuan paling kritis dari penelitian ini terletak pada di mana peningkatan nilai tersebut terjadi. Jika AI benar-benar meningkatkan pembelajaran, peningkatan nilai akan terlihat di semua jenis penilaian. Namun, data menunjukkan korelasi yang jelas antara inflasi nilai dan tugas-tugas yang tidak diawasi.

Pada mata kuliah di mana pekerjaan rumah memiliki bobot lebih dari median nilai akhir, nilai A naik sebesar 16 poin persentase tambahan dibandingkan dengan mata kuliah dengan beban pekerjaan rumah yang lebih rendah dengan paparan AI yang serupa. Sebaliknya, pada mata kuliah yang mengandalkan ujian terawasi atau presentasi lisan—bidang di mana kegunaan AI jauh lebih rendah—nilai tetap stabil. Hal ini menunjukkan bahwa lonjakan nilai adalah hasil langsung dari penggunaan AI oleh mahasiswa untuk menyelesaikan tugas-tugas yang tidak diawasi, alih-alih mencerminkan kemajuan pedagogis yang nyata.

Pengikisan Sinyal Akademik dan Berpikir Kritis

Selama beberapa dekade, inflasi nilai telah menjadi perhatian di institusi seperti Harvard, di mana nilai A naik dari 24% pada tahun 2005 menjadi lebih dari 60% pada tahun 2025. Namun, Chirikov berpendapat bahwa AI menghadirkan masalah yang secara fundamental berbeda. Jika pendorong inflasi sebelumnya terjadi pada tahap penilaian, AI mengubah tahap produksi, mengubah cara kerja dibuat bahkan sebelum instruktur melihatnya.

Hal ini menciptakan dua risiko utama bagi lanskap teknologi dan profesional yang lebih luas:

  1. Kredensial yang Terdevaluasi: Jika nilai dalam mata kuliah yang berat pada pengodean dan menulis mencerminkan hasil AI alih-alih keterampilan manusia, pemberi kerja dan program pascasarjana akan kesulitan membuat keputusan seleksi yang akurat.
  2. Atropi Keterampilan: CEO OpenAI Sam Altman telah memperingatkan bahwa tanpa perubahan pendidikan yang sistemik, keterampilan berpikir kritis berisiko mengalami "atropi yang signifikan." Jika mahasiswa mendelegasikan tugas-tugas yang melatih pikiran—seperti menulis dan pemrograman—mereka mungkin lulus tanpa logika fundamental yang diperlukan untuk menguasai alat yang mereka gunakan.

Poin-Poin Penting

  • Korelasi dengan Pekerjaan Tanpa Pengawasan: Inflasi nilai paling agresif terjadi pada mata kuliah di mana pekerjaan rumah memiliki bobot tinggi, yang menunjukkan bahwa AI digunakan untuk memintas, alih-alih menambah, pembelajaran.
  • Kerentanan Spesifik: Kurikulum yang berat pada menulis dan pengodean memiliki risiko tertinggi terhadap inflasi nilai yang "didelegasikan" karena kemahiran tinggi LLM dalam domain tersebut.
  • Krisis Sinyal: Pergeseran ini mengancam untuk memisahkan nilai akademik dari tingkat keterampilan yang sebenarnya, yang berpotensi menciptakan tenaga kerja yang kurang memiliki pemikiran kritis mendasar yang diperlukan untuk pemecahan masalah yang kompleks.