Kesenjangan Digital Baru dalam AI Generatif: Dampak LLM pada Esai Penerimaan Perguruan Tinggi

      Kesenjangan Digital Baru dalam AI Generatif: Dampak LLM pada Esai Penerimaan Perguruan Tinggi

      Model Bahasa Besar (LLM) seperti ChatGPT telah mengubah cara banyak orang berinteraksi dengan teks, termasuk di lingkungan akademik. Alat-alat ini menawarkan potensi besar untuk meningkatkan akses terhadap umpan balik penulisan berkualitas tinggi, terutama bagi siswa yang mungkin memiliki akses terbatas ke dukungan penulisan tradisional. Namun, potensi ini juga diiringi dengan kekhawatiran serius: akankah LLM menstandardisasi suara siswa, mendorong ketergantungan berlebihan, dan pada akhirnya menciptakan kesenjangan digital jenis baru? Sebuah studi baru-baru ini menyoroti pertanyaan ini dengan menganalisis penggunaan LLM dalam esai penerimaan perguruan tinggi, sebuah konteks berisiko tinggi di mana tulisan siswa dapat sangat memengaruhi jalur masa depan mereka.

Studi Kasus: Esai Penerimaan Perguruan Tinggi AS

      Sebuah penelitian akademis berjudul "The Digital Divide in Generative AI: Evidence from Large Language Model Use in College Admissions Essays" (sumber: https://arxiv.org/abs/2602.17791) memeriksa bagaimana adopsi penulisan berbantuan LLM bervariasi di seluruh kelompok sosial ekonomi dan bagaimana hal itu berkaitan dengan hasil dalam konteks penerimaan perguruan tinggi AS yang berisiko tinggi. Studi ini menganalisis kumpulan data longitudinal anonim dari 81.663 aplikasi ke universitas selektif dari tahun 2020 hingga 2024. Para peneliti menggunakan status pembebasan biaya aplikasi sebagai proksi untuk status sosial ekonomi (SES) dan melacak perubahan dalam tulisan siswa seiring dengan meluasnya penggunaan LLM.

      Penerimaan perguruan tinggi, terutama di institusi selektif, menempatkan nilai tinggi pada esai sebagai cara untuk menilai kemampuan komunikasi, pengalaman unik, dan perspektif pribadi di luar metrik kuantitatif. Oleh karena itu, perubahan dalam cara esai ini diproduksi memiliki implikasi besar terhadap kesetaraan dan validitas proses evaluasi. Studi ini bertujuan untuk memahami apakah manfaat potensial LLM diterjemahkan secara adil ke dalam hasil penerimaan bagi semua kelompok siswa.

Tren Adopsi LLM dan Dampaknya yang Berbeda

      Salah satu temuan paling menonjol dari penelitian ini adalah peningkatan tajam dalam perkiraan penggunaan LLM pada tahun 2024 di semua kelompok pemohon. Yang lebih signifikan adalah peningkatan yang tidak proporsional lebih besar di antara pelamar dengan SES rendah. Ini sejalan dengan "hipotesis akses," yang menyatakan bahwa LLM berfungsi sebagai pengganti dukungan penulisan yang langka bagi siswa yang mungkin tidak memiliki akses ke les privat, pelatih esai, atau pusat penulisan yang didanai dengan baik.

      Namun, meskipun adopsi meningkat, hasilnya menunjukkan adanya efek yang mengkhawatirkan. Peningkatan perkiraan penggunaan LLM secara lebih kuat dikaitkan dengan penurunan probabilitas penerimaan bagi pelamar SES rendah dibandingkan dengan pelamar SES tinggi. Ini terjadi bahkan setelah mengontrol kredensial akademik dan fitur stilometrik (gaya penulisan) lainnya. Fenomena ini menunjukkan adanya kesenjangan digital jenis baru: bukan lagi tentang akses terhadap teknologi, melainkan tentang bagaimana teknologi tersebut digunakan secara efektif dan bagaimana hasilnya ditafsirkan oleh para evaluator.

Memahami Kesenjangan Digital Baru dalam AI

      Kesenjangan digital secara tradisional dipahami sebagai celah dalam akses ke teknologi. Namun, LLM memperkenalkan babak baru di mana akses mungkin universal, tetapi perbedaan dalam penggunaan dan konteks membentuk siapa yang pada akhirnya memperoleh manfaat. Studi ini menunjukkan bahwa meskipun LLM dapat membantu meningkatkan kualitas penulisan (misalnya tata bahasa dan struktur), keuntungan ini tampaknya lebih terkonsentrasi di antara siswa SES tinggi. Hal ini mungkin karena siswa SES tinggi cenderung menggunakan strategi prompting yang lebih abstrak dan canggih, sementara siswa SES rendah cenderung menggunakan prompt yang lebih konkret dan mungkin menghasilkan respons LLM yang lebih generik.

      Selain itu, teks yang dihasilkan AI cenderung menyatu menuju pola linguistik dan struktur retoris umum. Dalam konteks penerimaan, di mana esai dimaksudkan untuk membedakan pelamar, konvergensi ini dapat mengurangi nilai sinyal tulisan dan memperumit cara esai ditafsirkan oleh pembaca. Karena keluaran LLM mencerminkan pola dalam data pelatihan yang mungkin terlalu mewakili penulis berpendidikan tinggi, esai berbantuan AI dapat mereproduksi norma linguistik yang terkait dengan hak istimewa, yang berpotensi merugikan pelamar dari latar belakang yang kurang beruntung.

Implikasi untuk Kesetaraan Pendidikan dan Masa Depan AI

      Temuan ini menimbulkan kekhawatiran serius tentang kesetaraan dalam pendidikan dan validitas evaluasi berbasis esai di era penulisan berbantuan AI. Jika LLM tanpa disadari memperdalam ketidaksetaraan dalam hasil evaluasi, diperlukan pemikiran ulang tentang bagaimana lembaga pendidikan mendekati penggunaan AI dan bagaimana mereka menilai penulisan siswa. Hal ini mungkin melibatkan pengembangan pedoman yang jelas, alat pendukung yang adil, dan metode evaluasi yang lebih sensitif terhadap nuansa penulisan berbantuan AI.

      Bagi organisasi yang ingin menerapkan teknologi AI, penting untuk mempertimbangkan implikasi etis dan sosial yang lebih luas. Mengembangkan solusi AI kustom yang adil dan transparan, seperti yang ditawarkan oleh ARSA Technology yang berpengalaman sejak 2018, sangatlah krusial. Ini termasuk memastikan bahwa desain AI mempertimbangkan berbagai konteks pengguna dan bahwa hasil yang dihasilkan tidak secara tidak sengaja memperkuat bias yang ada. Kemampuan untuk mengoptimalkan dan menyesuaikan kinerja AI untuk skenario tertentu dapat membantu mengatasi beberapa tantangan ini. ARSA juga menyediakan berbagai ARSA AI API yang dapat diintegrasikan dengan cermat untuk memastikan penggunaan AI yang bertanggung jawab.

      Studi ini memberikan bukti longitudinal berskala besar pertama yang menghubungkan adopsi LLM, perubahan linguistik, dan hasil evaluatif dalam penerimaan perguruan tinggi. Ini menjadi pengingat penting bahwa "kesenjangan digital" terus berkembang, menuntut perhatian dan inovasi berkelanjutan dari komunitas teknologi dan pendidikan.

      ---

      **Sumber:** Lee, J., Borchers, C., Alvero, A. J., Joachims, T., & Kizilcec, R. F. (2026). The Digital Divide in Generative AI: Evidence from Large Language Model Use in College Admissions Essays. arXiv preprint arXiv:2602.17791.

      ARSA Technology berkomitmen untuk mengembangkan dan menerapkan solusi AI yang tidak hanya inovatif dan efisien, tetapi juga bertanggung jawab secara etis. Untuk mengeksplorasi bagaimana solusi AI dan IoT kami dapat membantu mengatasi tantangan operasional dan etis Anda, silakan kontak ARSA untuk konsultasi gratis.