Kacamata AI Mengubah Arti Pengawasan Ujian

Pengawasan ujian tradisional bertumpu pada satu asumsi sederhana: orang yang duduk di ruang ujian adalah orang yang menghasilkan jawabannya. Kacamata, earbud, dan perangkat wearable yang terhubung dengan AI membuat asumsi itu semakin sulit dibuktikan.

Kamera yang tertanam pada bingkai menyerupai kacamata biasa dapat merekam soal. Soal itu lalu dapat diproses oleh layanan AI atau pihak lain di luar ruangan, sebelum informasi dikirim kembali lewat tampilan pada lensa atau saluran audio yang nyaris tak terlihat. Masalahnya bukan sekadar hadirnya alat baru untuk mencontek, melainkan melemahnya nilai ujian terawasi sebagai bukti bahwa jawaban dibuat tanpa bantuan eksternal. 46

Kasus 2026 menunjukkan risikonya sudah nyata

Sejumlah insiden baru-baru ini muncul di berbagai sistem ujian:

• University of Auckland: universitas tersebut menjatuhkan tindakan disipliner kepada seorang mahasiswa yang membawa kacamata AI ke dalam tes, padahal penyelenggara telah secara tegas melarang perangkat pintar. Pihak kampus menyatakan staf pengawas ujiannya dilatih untuk mengenali teknologi ini dan meresponsnya. 48
• National Taiwan University (NTU): NTU mendiskualifikasi seorang pelamar ujian masuk yang menggunakan kacamata pintar AI dan memberinya nilai nol. Pengawas mencurigai peserta itu karena berulang kali menundukkan kepala; saat diperiksa, bingkai kacamatanya terasa panas. 49
• Korea Selatan: dua peserta TOEIC—tes kemampuan bahasa Inggris yang lazim dipakai antara lain untuk kebutuhan kerja—tertangkap memakai kacamata AI dalam dua sesi ujian pada Mei, dan skor keduanya dibatalkan. Kasus lain juga dilaporkan dalam ujian kualifikasi teknis nasional; sedikitnya lima peserta dilaporkan tertangkap pada Mei dan Juni, sehingga memicu rencana revisi aturan. 364032
• SAT di Amerika Serikat: aturan perangkat terlarang dari College Board kini secara eksplisit melarang kacamata pintar, ponsel, jam tangan pintar, pelacak kebugaran, perangkat Bluetooth seperti earbud nirkabel, serta wearable lain selama ujian maupun jeda—kecuali peserta memperoleh akomodasi yang disetujui. Larangan eksplisit untuk kacamata pintar mulai berlaku pada musim semi 2026. 1821

Itu adalah kasus yang terdeteksi, bukan ukuran seluruh upaya penyalahgunaan yang mungkin terjadi. Namun, kasus-kasus tersebut menunjukkan bahwa kecurangan berbasis wearable sudah menjadi risiko operasional di konteks ujian masuk perguruan tinggi, tes bahasa, kualifikasi profesi, dan seleksi pendidikan.

Mengapa perangkat wearable sulit dideteksi?

Kacamata pintar sulit dikenali karena dapat tampak seperti kacamata resep biasa, padahal memuat kamera, mikrofon, dan komponen elektronik lain. Seorang pakar dari CQUniversity menjelaskan skenario ketika kacamata menangkap soal dan mengirimkan jawaban dalam hitungan detik melalui audio atau tampilan di lensa. 46

Pendeteksian kerap bergantung pada petunjuk, bukan metode penyaringan yang berlaku universal: posisi kepala yang tidak biasa, kebiasaan menyentuh bingkai berulang kali, pantulan atau suara yang mencurigakan, atau keputusan pengawas untuk memeriksa perangkat. Kasus NTU memperlihatkan keterbatasan itu: perangkat baru teridentifikasi setelah muncul kecurigaan dan dilakukan pemeriksaan fisik. 9

Masalahnya juga tidak terbatas pada kacamata. Earbud nirkabel, jam tangan, cincin pintar, hingga ponsel tersembunyi dapat membagi peran dalam alur yang sama: satu perangkat menangkap atau mengirimkan informasi, perangkat lain menerima jawaban. Pemeriksaan yang hanya berfokus pada ponsel berisiko melewatkan ekosistem perangkat terhubung yang lebih luas.

Klaim bahwa konfigurasi wearable tertentu dapat secara konsisten menghasilkan nilai tertinggi atau sempurna perlu disikapi hati-hati apabila belum diuji secara independen dalam kondisi ujian yang jelas. Pelaporan yang tersedia mendukung adanya upaya dan sanksi yang telah dikonfirmasi, tetapi tidak membuktikan tingkat keberhasilan umum di semua jenis ujian.

Larangan perlu, tetapi belum cukup

Larangan yang jelas tetap penting. Aturan itu menetapkan batas, memberi pengawas dasar untuk bertindak, dan melindungi peserta yang mematuhi ketentuan. Kebijakan College Board menjadi contoh yang lugas mengenai penetapan batas tersebut. 18

Namun, strategi yang hanya mengandalkan penegakan aturan memiliki keterbatasan:

• Perangkat wearable dapat makin menyerupai aksesori biasa.
• Penggeledahan intensif dan pengawasan terus-menerus mahal serta berpotensi memunculkan kecurigaan keliru.
• Peserta yang memakai kacamata resep atau teknologi bantu yang disetujui memerlukan akomodasi yang adil dan dapat dijalankan.
• Bahkan kontrol ruang ujian yang ketat tidak serta-merta membuktikan setiap jawaban mencerminkan pemahaman mandiri.

Karena itu, persoalannya juga menyangkut desain asesmen, bukan semata keamanan perangkat. Jawaban tertulis berbatas waktu makin menjadi bukti yang rapuh ketika AI dapat membantu mengingat, menjelaskan, atau menghitung di luar pandangan penguji.

Bentuk penilaian yang bisa dipakai kampus

Bukan berarti semua ujian terkontrol harus ditinggalkan. Institusi masih dapat membutuhkan asesmen untuk mengukur pengetahuan dasar tanpa bantuan. Namun, keputusan berisiko tinggi sebaiknya tidak bertumpu pada satu sesi ujian tulis yang mudah dimediasi teknologi.

Beberapa pilihan yang dapat dipadukan:

1. Kinerja autentik dalam pengawasan. Tugas praktik, simulasi, kerja laboratorium, latihan klinis, dan studi kasus dapat memperlihatkan cara peserta mengambil keputusan serta menjalankan metode.
2. Pembelaan lisan singkat. Ujian viva, demonstrasi, atau wawancara lanjutan dapat menguji apakah peserta mampu menjelaskan pilihannya, merespons skenario baru, dan memperbaiki kesalahan.
3. Bukti proses. Draf, catatan keputusan, evaluasi sumber, iterasi, umpan balik, dan refleksi membantu menunjukkan bagaimana sebuah pekerjaan berkembang—bukan hanya seperti apa jawaban akhirnya.
4. Asesmen penggunaan AI yang transparan. Bila penggunaan AI memang menyerupai praktik profesional, yang dinilai dapat mencakup pengungkapan penggunaan alat, cara memberi instruksi, verifikasi hasil, keterbatasan, dan pertimbangan yang bertanggung jawab.
5. Bukti yang ditriangulasi. Gabungkan observasi berisiko rendah, tugas terawasi, dan pemeriksaan terarah agar satu sesi ujian yang terganggu tidak memikul bobot penilaian terlalu besar.

Pembedaan utamanya adalah antara kemampuan seseorang tanpa bantuan dan kemampuan seseorang dengan bantuan alat yang digunakan secara bertanggung jawab. Keduanya dapat bernilai, tetapi keduanya adalah klaim yang berbeda dan perlu dinilai secara terbuka.

Isu privasi dan tata kelola yang lebih luas

Kemampuan yang mengancam integritas ujian—kamera dan mikrofon tersamar, pengambilan gambar, serta bantuan melalui jaringan—juga memunculkan kekhawatiran mengenai perekaman orang tanpa pemberitahuan yang bermakna. Sekolah, universitas, dan pemberi kerja membutuhkan kebijakan jelas tentang area bebas perangkat, persetujuan, perekaman, penyimpanan serta penghapusan data, investigasi, akomodasi disabilitas, dan pemeriksaan yang proporsional.

Pemerintah juga menghadapi pertanyaan soal kebijakan produk: apakah wearable berkamera perlu memiliki indikator perekaman yang lebih mencolok, pengaturan privasi bawaan yang lebih kuat, kewajiban bagi penjual, persyaratan pengungkapan, atau pembatasan atas perangkat yang dipasarkan untuk penggunaan tersamar.

Sumber yang tersedia mendukung kasus keamanan ujian dan respons kebijakan yang dijelaskan di atas. Namun, sumber tersebut belum cukup untuk menarik kesimpulan hukum yang spesifik untuk Britania Raya, Inggris dan Wales, Norwegia, atau Australia. Aturan privasi, pengawasan, pidana, dan produk konsumen berbeda menurut yurisdiksi maupun konteks, sehingga masing-masing perlu ditelaah secara terpisah.

Intinya

Wearable berbasis AI menyingkap kelemahan pengawasan tradisional: melihat peserta duduk di meja ujian tidak lagi sama dengan mengetahui bahwa mereka bekerja sendirian. Larangan perangkat yang tegas dan pengawas terlatih tetap merupakan pengaman penting. Namun, solusi yang lebih tahan lama adalah merancang asesmen yang menunjukkan pemahaman, pertimbangan, dan proses kerja—bukan sekadar menghasilkan jawaban yang dapat dibantu oleh perangkat terhubung.