Pengujian pendidikan sedang mengalami perubahan mendasar. Untuk pertama kalinya, kecerdasan buatan menawarkan potensi untuk beralih dari penilaian yang terstandarisasi dan bersifat universal menuju evaluasi yang dinamis dan personal. Namun, penerapan AI saja pada sistem yang memiliki kelemahan akan memperbesar bias dan melanggengkan kesenjangan—yang pada dasarnya “membuka jalan lama” dengan teknologi baru.
Untuk menciptakan masa depan penilaian yang benar-benar efektif dan adil, dua kerangka kerja inti harus diintegrasikan: Desain Berpusat pada Bukti (ECD) dan Desain Universal untuk Pembelajaran (UDL). Artinya, memprioritaskan aksesibilitas bukan hanya sekedar renungan, namun sebagai prinsip dasar.
Logika Penilaian: Bukti dan Validitas
Intinya, pengujian adalah tentang mengumpulkan bukti. ECD memperlakukan penilaian seperti argumen hukum, memerlukan klaim yang jelas (misalnya, “Siswa ini memahami aljabar”), data (hasil tes) yang mendukung, dan surat perintah yang valid (alasan yang menghubungkan data dengan klaim).
Kelemahan kritis dalam banyak sistem saat ini terletak pada hambatan yang tidak relevan untuk dibangun —hambatan yang menghalangi siswa untuk menunjukkan pemahaman mereka yang sebenarnya. Seorang siswa yang kesulitan dengan ukuran font atau kecepatan pemrosesan tidak gagal dalam ujian; mereka gagal dalam desain pengujian. Mengabaikan hambatan-hambatan ini tidak akan memberikan hasil yang berarti, karena kinerja hanya menjadi ukuran kepatuhan dan bukan kompetensi.
Inferensi Bersyarat: Keadilan Melampaui Standardisasi
Model pengujian tradisional mengandalkan asumsi yang salah bahwa kondisi yang setara menjamin keadilan. Keadilan sejati menuntut inferensi bersyarat : menstandardisasi validitas penilaian sambil secara aktif memvariasikan penyampaiannya untuk memenuhi kebutuhan individu.
Bayangkan sebuah mikroskop yang tidak dapat diatur: gambar buram bukanlah kesalahan subjeknya, melainkan kesalahan instrumennya. Demikian pula, memaksa semua siswa untuk memenuhi kriteria kaku yang sama akan mengabaikan beragam cara mereka belajar dan memproses informasi.
Mendesain Tepian: Manfaat untuk Semua
Berinvestasi pada teknologi yang dirancang khusus untuk siswa penyandang disabilitas bukan sekadar tindakan inklusi; ini adalah katalis untuk meningkatkan penilaian bagi semua peserta didik. Dengan mengatasi hambatan bagi kelompok marginal, kami menciptakan sistem yang lebih akurat, andal, dan adil secara menyeluruh.
Beberapa perusahaan, yang didukung oleh inisiatif seperti program SBIR dari Departemen Pendidikan AS, telah membuktikan konsep ini:
- Alchemie (Kasi) : Menggunakan visi komputer dan alat taktil untuk membuat kimia dapat diakses oleh siswa tunanetra.
- IDRT : Memberikan penilaian dalam Bahasa Isyarat Amerika untuk siswa Tunarungu, menghilangkan ketergantungan pada bahasa Inggris tertulis.
- Alat Cekatan : Mengintegrasikan overlay adaptif, text-to-speech, dan pembesaran untuk mempersonalisasi pengalaman pengujian.
- IQ Sonics : Memanfaatkan musik untuk menilai kemampuan bahasa ekspresif pada anak-anak dengan keterlambatan bicara.
Hambatan Sistemik dan Solusi Berbasis AI
Tantangannya lebih dari sekedar akomodasi individu. Untuk memastikan akses yang adil, diperlukan infrastruktur yang sistemik:
- Kehadiran : Memfasilitasi akses jarak jauh yang aman ke layanan terapi.
- Pendidikan Dimodifikasi : Menerjemahkan IEP menjadi alur kerja kelas yang dapat ditindaklanjuti.
AI multimodal mempunyai potensi untuk menyesuaikan fitur penilaian secara dinamis dan real-time, namun hal ini memerlukan penerapan yang hati-hati. Seperti teks tertulis—yang tadinya merupakan tambahan, kini menjadi standar—aksesibilitas harus dimasukkan ke dalam proses desain sejak awal.
Kesimpulan
AI tidak mengubah prinsip dasar penilaian yang valid; itu memperkuat kemampuan kita untuk mencapainya. Dengan melakukan investasi pada ECD dan UDL, kami dapat memastikan bahwa setiap siswa memiliki jalur yang jelas untuk menunjukkan kemampuan mereka, membuka masa depan di mana ujian benar-benar mengukur pengetahuan, bukan hambatan.
