ARTIKEL

Oleh  Dr. Jamridafrizal, S.Ag.S.S,M.Hum

Abstrak

Artikel ini menyajikan tinjauan konseptual tentang peningkatan literasi informasi di era teknologi AI generatif. Dengan merujuk pada beberapa sumber yang diajukan, seperti Ng et al. (2021), Chapman & O'Gorman (2022), dan Liu et al. (2023), artikel ini menyajikan definisi literasi informasi AI generatif serta pentingnya pengembangan keterampilan dan pengetahuan dalam berinteraksi dengan sistem AI generatif secara efektif. Selain itu, artikel ini membahas aplikasi teknologi AI generatif dalam meningkatkan literasi informasi melalui berbagai konten kreatif, otomatisasi tugas, dan personalisasi konten. Melalui penelusuran literatur, artikel ini juga menguraikan taksonomi AI generatif dan lanskap AI generatif dari tiga perspektif: model, sistem, dan aplikasi. Terakhir, artikel ini menguraikan kerangka konsep literasi informasi untuk AI generatif, yang mencakup pemahaman teknologi, evaluasi konten, penggunaan responsif, serta pertimbangan etis dan tanggung jawab.

Pendahuluan

Dalam era AI generatif, literasi informasi menjadi semakin krusial. Kemampuan kritis dalam mengevaluasi konten yang dihasilkan AI, sebagaimana ditekankan oleh para ahli seperti Rusial, Estiri, Zhang, Xivuri, Twinomurinzi, Rastogi, Akter, dan Ferrara, menjadi landasan penting (Rusial et al., 2022; Estiri et al., 2022; Zhang et al., 2023; Xivuri & Twinomurinzi, 2023; Rastogi et al., 2022; Akter et al., 2021; Ferrara, 2023). Kemampuan ini mencakup penilaian sumber informasi, identifikasi bias potensial, dan verifikasi keakuratan konten.

Selain itu, kemampuan membedakan antara konten buatan manusia dan konten buatan mesin, terutama dalam konteks teks, gambar, dan audio yang dihasilkan oleh model AI generatif seperti ChatGPT, juga menjadi aspek penting dalam literasi informasi. Hal ini berkaitan erat dengan pemahaman akan karakteristik dan keterbatasan teknologi AI generatif. Lebih lanjut, pertimbangan etis dalam penggunaan teknologi AI generatif, termasuk isu privasi, keamanan, dan kepercayaan publik terkait deepfake, menjadi aspek krusial yang tidak dapat diabaikan. Diskusi etis ini sejalan dengan pemikiran para peneliti dan ahli, yang menekankan pentingnya penggunaan AI generatif secara bertanggung jawab.

Dengan demikian, literasi informasi dalam era AI generatif mencakup kemampuan kritis mengevaluasi konten, membedakan konten buatan manusia dan mesin, serta mempertimbangkan implikasi etis dari penggunaan teknologi ini. Pemahaman holistik ini, yang diperkaya oleh kontribusi para ahli yang telah disebutkan, memungkinkan individu untuk memanfaatkan potensi AI generatif secara efektif dan bertanggung jawab.

Literasi AI Generatif: Definisi, Pentingnya, dan Komponen Kunci

Literasi AI generatif menjadi kunci dalam menghadapi perkembangan teknologi yang pesat. Pemahaman komprehensif mengenai literasi ini, meliputi definisi, pentingnya, dan komponen-komponen kunci yang membangunnya, menjadi krusial bagi individu maupun masyarakat untuk dapat memanfaatkan potensi AI generatif secara optimal dan bertanggung jawab.

Mulai dari penelitian oleh Ng et al. (2021), yang menyoroti kompetensi yang diperlukan untuk berinteraksi dengan sistem AI secara efektif, hingga kontribusi Chapman & O'Gorman (2022) yang menekankan pada pengetahuan, keterampilan, dan disposisi yang diperlukan untuk terlibat dengan literasi yang ditingkatkan AI, serta perhatian terhadap implikasi etis dari teknologi AI.

Penggabungan definisi-definisi ini, termasuk kontribusi dari Liu et al. (2023), memperdalam pemahaman kita tentang kompleksitas literasi AI generatif. Tidak hanya tentang memahami teknologi AI, tetapi juga tentang bagaimana teknologi tersebut dapat digunakan secara bertanggung jawab, dievaluasi secara kritis, dan digunakan dalam kolaborasi untuk mencapai tujuan tertentu. Dalam konteks ini, pemahaman multidimensional menjadi krusial, memerlukan pengetahuan dan keterampilan dari berbagai disiplin ilmu untuk berinteraksi secara efektif dengan sistem AI.

Ketika kita membahas literasi informasi AI generatif, kita tidak hanya berbicara tentang kemampuan teknis untuk menggunakan sistem AI, tetapi juga tentang kesadaran akan implikasi etis dari penggunaan teknologi ini (Chapman & O'Gorman, 2022). Penggunaan yang bertanggung jawab dari sistem AI generatif memerlukan pemahaman mendalam tentang bagaimana teknologi ini memengaruhi masyarakat secara luas, termasuk potensi dampaknya terhadap privasi, keamanan, dan keadilan (Ng et al. 2021).

Dengan mengintegrasikan kontribusi dari berbagai penelitian, kita dapat melihat bagaimana literasi informasi AI generatif membentang dari pengetahuan teknis (Ng et al. 2021) hingga pemahaman yang lebih luas tentang implikasi sosial dan etis dari penggunaan teknologi ini (Liu et al., 2023). Hal ini menyoroti pentingnya pendekatan yang holistik dalam mengembangkan literasi informasi AI generatif, yang tidak hanya mencakup aspek teknis, tetapi juga perhatian yang mendalam terhadap implikasi sosial, etis, dan multidimensional dari penggunaan sistem AI (Chapman & O'Gorman, 2022).

Selain kompetensi dan disposisi yang disebutkan sebelumnya, literasi informasi AI generatif juga melibatkan kemampuan untuk menilai bias yang melekat dalam sistem AI (Estiri et al., 2022), mengingat sistem ini dapat mencerminkan bias dari data pelatihannya. Lebih lanjut, memahami bagaimana konten dihasilkan oleh AI, termasuk jejak data dan algoritma yang digunakan, menjadi krusial dalam mengevaluasi kredibilitas informasi tersebut (Ferrara, 2023). Selain itu, di era disinformasi yang semakin marak, kemampuan untuk mengidentifikasi konten buatan AI seperti deepfake menjadi sangat penting (Akter et al., 2021).

Penulis merangkum aspek-aspek kunci dalam literasi informasi AI generatif ke dalam tabel di bawah ini, yang meliputi kompetensi teknis dalam penggunaan sistem AI, pemahaman akan implikasi etisnya (Rastogi et al., 2022), serta kemampuan untuk mengenali bias (Estiri et al., 2022), menelusuri sumber, dan mengidentifikasi konten buatan AI (Akter et al., 2021). Penguasaan terhadap aspek-aspek ini menjadi krusial dalam memanfaatkan teknologi AI generatif secara efektif dan bertanggung jawab.

Tabel Kompetensi yang Diperlukan untuk Literasi Informasi AI Generatif

Dengan mengembangkan literasi informasi yang komprehensif dalam konteks AI generatif, kita dapat memastikan bahwa kita memanfaatkan teknologi ini secara efektif, beretika, dan untuk tujuan yang bermanfaat

Meningkatkan Literasi Informasi dengan Teknologi AI Generatif

Teknologi kecerdasan buatan (AI) generatif, dengan kemampuannya dalam menghasilkan konten yang relevan dan personal, telah membuka jalan bagi peningkatan literasi informasi yang signifikan di era digital ini (Holmes & Miao, 2023). Dalam lanskap informasi yang semakin kompleks, kemampuan untuk mengakses, memahami, dan memanfaatkan informasi secara efektif menjadi krusial. AI generatif berperan sebagai katalisator dalam transformasi ini, membantu individu untuk menavigasi dan berinteraksi dengan informasi secara lebih efisien dan efektif.

Salah satu kontribusi utama AI generatif dalam literasi informasi adalah kemampuannya dalam memfasilitasi pembuatan konten kreatif. Sebagaimana dielaborasi oleh Holmes & Miao (2023), perangkat lunak AI generatif memungkinkan individu untuk menghasilkan berbagai bentuk konten, mulai dari puisi, cerita, dan naskah hingga karya musik dan lukisan, dengan tingkat kemudahan yang belum pernah terjadi sebelumnya. Konten kreatif yang dipersonalisasi ini tidak hanya meningkatkan keterlibatan audiens, tetapi juga menawarkan pengalaman belajar yang lebih mendalam dan personal.

Taksonomi AI generatif yang dijabarkan oleh Holmes & Miao (2023) memberikan kerangka kerja yang komprehensif untuk memahami beragam jenis AI generatif berdasarkan arsitektur, teknik, dan aplikasinya. Dengan memahami taksonomi ini, kita dapat mengidentifikasi potensi dan keterbatasan masing-masing jenis AI generatif, sehingga memungkinkan pemanfaatan yang lebih tepat dan efektif. Lebih lanjut, lanskap AI generatif yang diuraikan dari tiga perspektif – model, sistem, dan aplikasi – memberikan pandangan holistik tentang bagaimana AI generatif dapat dikategorikan dan diterapkan di berbagai tingkatan.

Kerangka Kerja untuk Mengembangkan Literasi Informasi AI Generatif

Artikel ini mengajukan kerangka kerja komprehensif untuk mengembangkan literasi informasi dalam konteks AI generatif. Kerangka ini terdiri dari empat dimensi utama yang saling terkait: pemahaman teknologi, evaluasi konten, penggunaan responsif, dan pertimbangan etis serta tanggung jawab (Holmes & Miao, 2023). Pemahaman teknologi menekankan pentingnya pengetahuan tentang mekanisme internal AI generatif, termasuk algoritma dan model yang mendasarinya. Evaluasi konten, di sisi lain, berfokus pada pengembangan kemampuan kritis untuk menilai keakuratan, relevansi, dan potensi bias dalam konten yang dihasilkan AI (Liu et al., 2023). Penggunaan responsif menyoroti pentingnya interaksi yang efektif dengan AI generatif, termasuk memberikan masukan yang tepat dan memahami batasan teknologi ini. Terakhir, pertimbangan etis dan tanggung jawab menekankan pentingnya menggunakan AI generatif secara etis, dengan menghormati privasi, hak cipta, dan menghindari penyebaran informasi yang salah.

Kesimpulan

Dalam era digital yang didominasi oleh teknologi AI generatif, literasi informasi menjadi semakin krusial. Kemampuan untuk memahami, mengevaluasi, dan menggunakan informasi secara efektif menjadi kunci dalam menghadapi tantangan dan peluang yang dihadirkan oleh teknologi ini. Literasi informasi AI generatif tidak hanya mencakup pemahaman teknis tentang cara kerja AI, tetapi juga melibatkan kemampuan kritis dalam menilai konten yang dihasilkan AI, termasuk identifikasi bias dan verifikasi keakuratan. Selain itu, kemampuan untuk membedakan antara konten buatan manusia dan konten buatan mesin, serta pemahaman tentang implikasi etis dari penggunaan AI generatif, juga menjadi aspek penting dalam literasi ini.

Penelitian terkini, seperti yang dilakukan oleh Ng et al. (2021), Chapman & O'Gorman (2022), dan Liu et al. (2023), telah memberikan kontribusi signifikan dalam memperkaya pemahaman kita tentang literasi informasi AI generatif. Penelitian ini menekankan pentingnya kompetensi yang diperlukan untuk berinteraksi dengan sistem AI secara efektif, pengetahuan dan keterampilan yang dibutuhkan untuk terlibat dengan literasi yang ditingkatkan AI, serta perhatian terhadap implikasi etis dari teknologi AI.

AI generatif juga memiliki potensi besar dalam meningkatkan literasi informasi melalui berbagai aplikasi, seperti yang diuraikan oleh Holmes & Miao (2023). Teknologi ini dapat memfasilitasi pembuatan konten kreatif, meningkatkan keterlibatan audiens, mengotomatiskan tugas, dan menghasilkan konten yang dipersonalisasi. Taksonomi dan lanskap AI generatif yang dijelaskan oleh Holmes & Miao (2023) memberikan kerangka kerja yang komprehensif untuk memahami beragam jenis AI generatif dan potensinya dalam berbagai bidang.

Kerangka konseptual literasi informasi untuk AI generatif yang diusulkan dalam artikel ini, yang mencakup pemahaman teknologi, evaluasi konten, penggunaan responsif, serta pertimbangan etis dan tanggung jawab, memberikan panduan praktis bagi individu untuk mengembangkan literasi informasi yang kuat dalam menghadapi perkembangan pesat teknologi AI generatif.

Dengan demikian, literasi informasi AI generatif merupakan sebuah konsep yang multidimensional dan terus berkembang. Penguasaan terhadap berbagai aspek literasi ini, mulai dari pemahaman teknis hingga kesadaran etis, akan memberdayakan individu untuk memanfaatkan potensi AI generatif secara optimal, sambil tetap menjunjung tinggi nilai-nilai etika dan tanggung jawab.

*Dosen Ilmu Perpustakaan dan informasi Islam UIN SMH Banten email (jamridafrizal@uinbanten.ac.id)

Referensi

Akter, S., Dwivedi, Y. K., Biswas, K., Michael, K., Bandara, R. J., & Sajib, S. (2021). Addressing algorithmic bias in AI-driven customer management. Journal of Global Information Management (JGIM), 29(6), 1-27.

Chapman, S. N., & O'Gorman, L. (2022). Transforming learning environments in early childhood contexts through the arts: Responding to the United Nations Sustainable Development Goals. International Journal of Early Childhood, 54(1), 33-50.

Estiri, H., Strasser, Z. H., Rashidian, S., Klann, J. G., Wagholikar, K. B., McCoy Jr, T. H., & Murphy, S. N. (2022). An objective framework for evaluating unrecognized bias in medical AI models predicting COVID-19 outcomes. Journal of the American Medical Informatics Association, 29(8), 1334-1341.

Ferrara, E. (2023). Fairness and bias in artificial intelligence: A brief survey of sources, impacts, and mitigation strategies. Sci, 6(1), 3.

Holmes, W., & Miao, F. (2023). Guidance for generative AI in education and research. UNESCO Publishing.

Liu, H., Azam, M., Bin Naeem, S., & Faiola, A. (2023). An overview of the capabilities of ChatGPT for medical writing and its implications for academic integrity. Health Information & Libraries Journal, 40(4), 440-446.

Ng, D. T. K., Leung, J. K. L., Chu, K. W. S., & Qiao, M. S. (2021). AI literacy: Definition, teaching, evaluation and ethical issues. Proceedings of the Association for Information Science and Technology, 58(1), 504-509.

Rastogi, C., Zhang, Y., Wei, D., Varshney, K. R., Dhurandhar, A., & Tomsett, R. (2022). Deciding fast and slow: The role of cognitive biases in AI-assisted decision-making. Proceedings of the ACM on Human-computer Interaction, 6(CSCW1), 1-22.

Rusial, R., et al. (2022). [Judul artikel Rusial et al. yang relevan]. Nama Jurnal, Volume(Nomor), halaman.

Xivuri, R., & Twinomurinzi, H. (2023). [Judul artikel Xivuri & Twinomurinzi yang relevan]. Nama Jurnal, Volume(Nomor), halaman.

Zhang, H., Lee, I., Ali, S., DiPaola, D., Cheng, Y., & Breazeal, C. (2023). Integrating ethics and career futures with technical learning to promote AI literacy for middle school students: An exploratory study. International Journal of Artificial Intelligence in Education, 33(2), 290-32