AI Di Dalam Kelas: Kajian Mercu Tanda Google DeepMind Tentang Pembelajaran AI Berpandu di Sekolah-Sekolah Sierra Leone

Janji AI dalam pendidikan sememangnya besar, tetapi bukti kukuh tentang impaknya di dalam bilik darjah sebenar masih sukar ditemui. Pada Jun 2026, Google DeepMind dan organisasi bukan untung pendidikan, Fab AI, menerbitkan hasil daripada satu percubaan rawak terkawal (RCT) mercu tanda di Sierra Leone, menawarkan satu pandangan paling terperinci setakat ini tentang bagaimana alat pembelajaran AI berstruktur boleh berfungsi bersama-sama guru .

Kajian itu mendapati bahawa mengintegrasikan mod 'Pembelajaran Berpandu' (Guided Learning) Gemini ke dalam pelajaran matematik secara signifikan meningkatkan skor ujian pelajar. Namun begitu, hasil kajian ini turut menyerlahkan beberapa nuansa penting: pelajar yang sudah pun maju dalam matematik mendapat manfaat paling besar, para guru terpaksa menyesuaikan peranan mereka, dan sukar untuk mengasingkan keberkesanan intervensi yang direka dengan teliti ini daripada komponen sokongannya yang lain.

Bagaimana Percubaan Ini Direka Bentuk

Dijalankan dengan kerjasama Kementerian Pendidikan Sierra Leone, percubaan ini merupakan percubaan terkawal rawak berkelompok dua-lengan yang telah didaftarkan terlebih dahulu. Ia berlangsung selama lapan minggu, dari 6 Oktober hingga 5 Disember 2025, di 12 sekolah menengah rendah kerajaan di Daerah Port Loko .

Kajian ini melibatkan 1,763 pelajar Gred 7 dan 8 (berumur 13 tahun ke atas) di 48 bilik darjah matematik . Di dalam setiap sekolah dan gred, bilik darjah ditugaskan secara rawak sama ada kepada kumpulan rawatan, yang menggunakan Gemini Pembelajaran Berpandu, atau kumpulan kawalan, yang meneruskan pengajaran standard. Untuk mengelakkan kekeliruan antara kesan alat AI dengan kualiti guru, semua guru menerima latihan yang sama selama 5–6 jam .

Sasaran penggunaan adalah untuk pelajar menggunakan alat AI itu dalam dua daripada empat waktu matematik mingguan mereka, menjadikan jumlah 12 jam sesi Pembelajaran Berpandu sepanjang lapan minggu tersebut .

Struktur Pelajaran Empat Bahagian Berstruktur dengan Kelainan

Intervensi ini bukan sekadar memberi pelajar sebuah chatbot. Ia mengikut rangka kerja pedagogi yang ketat yang direka untuk menjadikan AI sebagai rakan kongsi dalam proses pembelajaran kolaboratif:

1. Pengenalan oleh guru: Guru akan menetapkan objektif pembelajaran dan menyemak pengetahuan sedia ada pelajar.
2. Aktiviti berpasangan utama: Pelajar bekerja secara berpasangan dengan satu peranti (nisbah 2 pelajar kepada 1 peranti). Yang penting, mereka mengambil peranan yang ditetapkan: pemandu (driver) menaip soalan ke dalam Gemini, manakala pemudah arah (navigator) mencatat nota dan membimbing siasatan. Peranan ditukar pada setiap pelajaran untuk memastikan penglibatan yang seimbang.
3. Perbincangan kelas: Guru memimpin sesi perbincangan untuk mengukuhkan apa yang telah dipelajari.
4. Rumusan pleno: Guru mengakhiri pelajaran dengan rumusan terakhir .

Untuk persediaan, guru menetapkan objektif pelajaran, menulis “prompt” permulaan, dan merangka batang soalan di papan hitam untuk menjadi kerangka (scaffold) bagaimana pelajar berinteraksi dengan Gemini .

Hasilnya: Peningkatan Signifikan, Tetapi Bukan Untuk Semua Secara Sama Rata

Percubaan ini menghasilkan peningkatan yang signifikan secara statistik, tetapi magnitud kesannya sangat bergantung pada tahap penggunaan alat dan titik permulaan pelajar.

Metrik	Dapatan
Niat-untuk-rawat (ITT)	Secara purata, pelajar yang ditugaskan menggunakan Pembelajaran Berpandu menyaksikan peningkatan sebanyak +0.258 sisihan piawai (SD). Ini bersamaan dengan memindahkan pelajar dari persentil ke-50 ke persentil ke-60 .
Hubungan dos-tindak balas	69% pelajar yang melengkapkan dos sasaran penuh 12 jam atau lebih mencapai kesan yang lebih besar iaitu +0.380 SD. Setiap jam penggunaan tambahan dikaitkan dengan peningkatan +0.016 SD .
Tahap kecekapan asas	Dapatan paling kritikal: pelajar dengan kemahiran asas matematik yang lebih kukuh mendapat manfaat yang lebih besar secara signifikan. Kesan rawatan meningkat sebanyak 0.195 SD bagi setiap pertambahan satu sisihan piawai kecekapan asas matematik yang dimiliki pelajar .
Analisis subkumpulan	Tiada perbezaan yang signifikan dalam kesan AI apabila dipecahkan mengikut kecekapan bacaan asas, jantina, atau umur pelajar .

Bagaimana Pelajar Sebenarnya Berinteraksi dengan Gemini

Salah satu bahagian paling mendedahkan dalam kajian ini ialah analisis transkrip lebih 113,000 interaksi antara pelajar dengan Gemini. Ia menggambarkan AI bertindak bukan sebagai mesin jawapan, tetapi sebagai tutor peribadi.

Sebilangan besar perbualan—91.4%—tertumpu kepada pemahaman matematik . Tingkah laku Gemini sendiri dikawal selia dengan teliti oleh ciri Pembelajaran Berpandu: ia mengemukakan soalan pembimbing (scaffolding) dalam 76.4% mesejnya, mendorong pelajar untuk berfikir sendiri, dan memberikan jawapan langsung hanya dalam 2.1% kes .

Risiko Jurang Pencapaian Yang Semakin Melebar

Dapatan bahawa pelajar yang pada awalnya berprestasi lebih tinggi mendapat manfaat paling mendorong para penyelidik untuk membangkitkan satu kebimbangan yang signifikan. Tanpa strategi yang disengajakan untuk menyokong pelajar berprestasi rendah, intervensi ini berisiko melebarkan jurang pencapaian sedia ada dan bukannya merapatkannya .

Apa Yang Guru Alami

Maklum balas kualitatif daripada kumpulan fokus guru menambah satu dimensi lain kepada keputusan ini. Guru melaporkan peningkatan dalam penglibatan pelajar dan penyertaan yang lebih aktif di dalam bilik darjah . Ramai yang mula menggunakan Gemini untuk persediaan pelajaran, menemui cara baharu untuk menerangkan topik yang kompleks seperti pecahan .

Yang penting, guru menggambarkan perubahan dalam identiti profesional mereka sendiri, merasakan peranan mereka beralih daripada "pensyarah" kepada "pemudah cara," bergerak di sekeliling bilik darjah untuk menyokong pasangan pelajar .

Bukan semua maklum balas adalah positif. Sesetengah guru melaporkan cabaran, termasuk Gemini yang kadangkala memperkenalkan kandungan di luar topik atau memperlahankan kemajuan kelas melalui kurikulum yang dirancang .

Batasan Kritikal Kajian

Walaupun hasilnya memberangsangkan, para penyelidik berhati-hati menggariskan beberapa batasan yang harus mengkontekstualisasikan dapatan ini:

• Intervensi gabungan: Percubaan ini menggabungkan Pembelajaran Berpandu dengan latihan guru, struktur pelajaran baharu, penyediaan peranti, dan pemantauan dalam kelas. Reka bentuk ini tidak dapat mengasingkan kesan alat AI sahaja daripada sokongan penting yang lain ini .
• Kebolehgeneralisasian: Sampel adalah dari satu daerah di Sierra Leone dan tidak mewakili seluruh negara. Dapatan ini paling sesuai diaplikasikan ke sekolah dengan prasarana yang setanding, termasuk tablet, internet yang boleh dipercayai, dan kesediaan guru .

Satu Pelan Tindakan Penyelidikan Global

Percubaan di Sierra Leone ini hanyalah permulaan. Ia adalah yang pertama dalam siri antarabangsa yang dirancang untuk ujian-ujian terkawal rawak oleh Google DeepMind dan Fab AI untuk mengkaji Pembelajaran Berpandu merentas sistem pendidikan yang berbeza . Sebagai langkah ke arah ketelusan dan skalabiliti, rakan kongsi ini mengeluarkan secara terbuka bahan latihan guru dan sebuah panduan ringkas RCT bersama-sama dengan keputusan ini, menyediakan pelan tindakan untuk penyelidik dan sistem pendidikan lain .