BALELITERASIBALELITERASI

Journal of Educational StudiesJournal of Educational Studies

Penelitian ini menyelidiki bagaimana machine learning (ML) mengubah pendidikan tinggi di Cina melalui dimensi pedagogis, institusional, dan etika. Data dikumpulkan dari 45 peserta, termasuk administrator universitas, dosen, dan mahasiswa dari institusi terkemuka di Beijing, Shanghai, dan Guangzhou. Analisis kuantitatif menggunakan SPSS 27 menunjukkan korelasi positif yang kuat antara manfaat yang dirasakan (r = .69, p < .01), dukungan institusional (r = .71, p < .01), dan efektivitas pengajaran, sementara kekhawatiran etis menunjukkan korelasi negatif yang signifikan (r = - .53, p < .01). Analisis regresi berganda (R² = .68, F (3. 41) = 9.72, p < .001) mengidentifikasi dukungan institusional (β = .47, p < .001) sebagai prediktor terkuat dampak ML yang dirasakan. Analisis kualitatif, menggunakan NVivo 12, mengungkapkan tiga tema dominan: peningkatan efisiensi pengajaran dan penelitian, pengambilan keputusan institusional yang didorong data, dan tantangan etis terkait privasi data dan bias algoritma. Analisis dokumen lebih lanjut mengonfirmasi bahwa kebijakan nasional seperti Kerangka Aksi AI-in-Education (2022) telah mempercepat integrasi ML, sambil juga mengungkapkan disparitas regional dan kesenjangan tata kelola. Penelitian ini menyimpulkan bahwa ML berfungsi sebagai katalis untuk inovasi dalam pendidikan tinggi Cina melalui pembelajaran personalisasi, analitik prediktif, dan modernisasi institusional; namun, dampaknya yang berkelanjutan tergantung pada tata kelola yang berpusat pada manusia, akses yang adil, dan pengembangan fakultas berkelanjutan.

Penelitian ini menyimpulkan bahwa ML berfungsi sebagai katalis untuk inovasi dalam pendidikan tinggi Cina melalui pembelajaran personalisasi, analitik prediktif, dan modernisasi institusional.namun, dampaknya yang berkelanjutan tergantung pada tata kelola yang berpusat pada manusia, akses yang adil, dan pengembangan fakultas berkelanjutan.Penelitian ini berkontribusi pada tubuh bukti yang berkembang bahwa efektivitas ML dalam pendidikan tinggi tidak hanya dibentuk oleh kemampuan teknologi, tetapi juga oleh tata kelola etis, kesiapan institusional, dan implementasi inklusif.

Untuk penelitian lanjutan, disarankan untuk melakukan studi longitudinal yang menyelidiki bagaimana integrasi ML mempengaruhi hasil belajar, peran akademik, dan praktik institusional selama waktu. Selain itu, penelitian lebih lanjut juga harus menyelidiki aplikasi disiplin ilmu spesifik ML, konteks lintas negara yang komparatif, dan pengembangan kerangka tata kelola dan etika yang kuat yang menyeimbangkan inovasi dengan kesetaraan dan akuntabilitas. Dengan memperluas penyelidikan ke arah-arah ini, penelitian masa depan dapat mendalam pemahaman tentang bagaimana ML dapat dimanfaatkan untuk mendukung transformasi inklusif, etis, dan berkelanjutan dalam pendidikan tinggi.

Read online
File size310.08 KB
Pages13
DMCAReport

Related /

ads-block-test