Pahat, Kayu, dan Tangan Pengukir

Pengu­kir gorga, orna­men ukir pada rumah adat Batak, tidak memi­lih pahat yang paling mahal. Ia memi­lih pahat yang cocok dengan kayu dan motif yang hendak dibuat, lalu meng­ge­rak­kan­nya dengan teknik yang ia latih ber­ta­hun-tahun. Pahat ter­baik di tangan yang belum ter­la­tih, atau untuk motif yang salah, justru bisa meru­sak kayu. Kein­da­han ukiran lahir ketika alat, bahan, dan teknik ber­temu.

Tek­no­logi dalam bio­logi bekerja dengan cara serupa. Pada Per­te­muan 1 Anda sudah menge­nal tek­no­logi infor­masi dan lite­rasi data. Per­te­muan ini ber­ta­nya lebih jauh: kapan tek­no­logi benar-benar mem­bantu? Anda akan mema­kai kerangka TPACK untuk pem­be­la­ja­ran, meme­ta­kan alat di setiap tahap pene­li­tian, ber­la­tih mengam­bil kepu­tu­san dengan siklus PPDAC, menge­nal plat­form data bio­logi, dan menim­bang pelu­ang serta tan­ta­ngan AI.

Apersepsi: realitas virtual atau layar biasa?

Dua kelom­pok siswa bela­jar dari simu­lasi labo­ra­to­rium yang sama. Kelom­pok A mema­kai head­set rea­li­tas vir­tual (VR) yang imer­sif, kelom­pok B mema­kai layar kom­pu­ter biasa. Kelom­pok mana yang merasa lebih hadir di labo­ra­to­rium, dan kelom­pok mana yang bela­jar lebih banyak? Tebak dulu, baru buka pem­ba­ha­san.

TI dalam Pembelajaran Biologi: Kerangka TPACK

Mema­kai tek­no­logi di kelas tidak oto­ma­tis mem­buat bela­jar lebih baik. Bab ini mem­ba­has satu kerangka yang mem­bantu guru, dan siapa pun yang men­je­las­kan bio­logi kepada orang lain, memi­lih tek­no­logi dengan alasan yang jelas.

1.1 Tiga pengetahuan yang harus bertemu

Mishra dan Koeh­ler (2006) meru­mus­kan TPACK (Technological Pedagogical Content Knowledge). Menu­rut kerangka ini, inte­grasi tek­no­logi yang baik ter­jadi di irisan tiga penge­ta­huan: penge­ta­huan tek­no­logi (T), peda­gogi (P), dan konten (C). Kerangka ini mengem­bang­kan konsep pedagogical content knowledge dari Shul­man dengan menam­bah­kan unsur tek­no­logi, sehingga ter­ben­tuk tujuh kom­po­nen: TK, PK, CK, PCK, TCK, TPK, dan TPACK. Pilih setiap kom­po­nen pada Gambar 2 untuk meli­hat con­toh­nya pada materi mito­sis.

1.2 Lebih canggih belum tentu lebih baik

Makransky, Ter­kild­sen, dan Mayer (2019) mem­beri contoh mengapa per­ta­nyaan “mengapa alat ini” pen­ting. Dalam uji acak pada simu­lasi labo­ra­to­rium, versi rea­li­tas vir­tual imer­sif mem­buat siswa merasa lebih hadir, tetapi justru bela­jar lebih sedi­kit diban­ding versi layar biasa. Rasa takjub tidak sama dengan pema­ha­man. Tek­no­logi yang lebih cang­gih bisa saja menyita per­ha­tian yang seha­rus­nya dipa­kai untuk mema­hami konsep.

TI dalam Penelitian Biologi

Hampir setiap tahap pene­li­tian bio­logi kini meli­bat­kan perang­kat digi­tal, dari men­cari pus­taka sampai menya­ji­kan hasil. Bab ini meme­ta­kan alat-alat itu ke tahap pene­li­tian, lalu menge­nal­kan dua alat bioin­for­ma­tika yang wajib dike­nal maha­siswa bio­logi.

2.1 Alat di setiap tahap penelitian

Gambar 3 dan Tabel 2 meme­ta­kan tahap pene­li­tian ke contoh alat. Alat yang sama akan diprak­tik­kan ber­ta­hap sepan­jang semes­ter, sehingga Anda bisa meli­hat di per­te­muan mana setiap alat dila­tih.

2.2 Dua alat bioinformatika yang wajib dikenal

Dua alat ini sering dise­but di arti­kel bio­logi modern. Anda tidak harus mengu­a­sai­nya seka­rang, tetapi perlu tahu apa yang diker­ja­kan­nya. Pilih alat pada Gambar 4.

Literasi Data dalam Pengambilan Keputusan Ilmiah

Kepu­tu­san ilmiah tidak diam­bil dari satu angka. Ia lahir dari rang­kaian lang­kah, dan setiap lang­kah bisa salah. Bab ini mema­kai satu siklus seder­hana untuk mela­tih kebi­a­saan itu.

3.1 Siklus PPDAC

Wolff et al. (2016) mengait­kan lite­rasi data dengan siklus inku­iri PPDAC dari Wild dan Pfann­kuch (1999): Pro­blem, Plan, Data, Analy­sis, dan Conc­lu­sion. Siklus ini mem­bantu Anda meli­hat bahwa kepu­tu­san ilmiah tidak diam­bil dari satu angka, tetapi dari rang­kaian lang­kah yang masing-masing bisa salah. Telu­suri setiap tahap­nya pada Gambar 5 dengan contoh penu­ru­nan popu­lasi kupu-kupu di taman kampus.

3.2 Tahap yang paling sering dilompati

Dari lima tahap, dua yang paling sering dilom­pati adalah Plan dan Conc­lu­sion. Tanpa ren­cana, data dikum­pul­kan sea­da­nya sehingga tidak bisa men­ja­wab per­ta­nyaan. Tanpa kesim­pu­lan yang hati-hati, temuan kecil di satu tempat dinya­ta­kan ber­laku umum, atau hubu­ngan dinya­ta­kan seba­gai sebab. Lite­rasi data berarti berani menu­lis “belum dapat disim­pul­kan” ketika data­nya memang belum cukup.

Platform Digital Biologi serta Peluang dan Tantangan AI

Data dan lite­ra­tur bio­logi ter­se­bar di banyak plat­form. Setiap plat­form punya jenis isi dan aturan pakai yang ber­beda. Memi­lih plat­form yang tepat adalah bagian dari kom­pe­tensi “mene­mu­kan dan mem­pe­ro­leh data” (Cal­zada Prado & Marzal, 2013). Bab ini ditu­tup dengan menim­bang pelu­ang dan tan­ta­ngan AI secara berim­bang.

4.1 Butuh apa, buka di mana?

Mulai­lah dari kebu­tu­han, bukan dari plat­form yang paling sering dipa­kai teman. Pilih kebu­tu­han Anda pada Gambar 6.

4.2 Peluang dan tantangan AI

AI gene­ra­tif mem­buka pelu­ang nyata bagi pem­be­la­ja­ran dan pene­li­tian bio­logi, tetapi mem­bawa tan­ta­ngan yang sama nya­ta­nya. Pilih ranah­nya pada Gambar 7 dan ban­ding­kan kedua kolom.

Pan­duan GenAI Kemen­dik­bu­dris­tek (Direk­to­rat Jen­de­ral Pen­di­di­kan Tinggi, Riset, dan Tek­no­logi, 2024) mene­kan­kan empat hal yang seja­lan dengan aturan kelas TILDA:

UNESCO (Miao & Holmes, 2023) juga menyo­roti per­lin­du­ngan pri­vasi data dan risiko penye­ra­ga­man pen­da­pat. Bila semua orang ber­ta­nya kepada alat yang sama, jawa­ban yang dite­rima pun cen­de­rung sera­gam.

Praktik C1 sampai C3: Basis Data, Verifikasi AI, dan Tugas Rutin 2

C1 dan C2 diker­ja­kan ber­ke­lom­pok di kelas (25 menit), sedang­kan C3 adalah pan­duan menyu­sun Tugas Rutin 2 secara indi­vidu di luar kelas. Teks ber­muka monos­pace adalah sesu­atu yang dike­tik atau diklik di kom­pu­ter.

C1. Pencarian artikel di tiga basis data

1. Ten­tu­kan topik kelom­pok. Contoh topik: eDNA biodiversity monitoring Indonesia, virtual laboratory biology learning, atau camera trap Sumatran tiger.
2. Cari di Google Scho­lar. Buka scholar.google.com, ketik kata kunci, lalu batasi tahun di panel kiri dengan Since 2021. Catat jumlah hasil dan tiga judul tera­tas.
3. Cari di Dimen­si­ons. Buka app.dimensions.ai dan ketik kata kunci yang sama. Cen­tang filter Open Access bila perlu. Catat jumlah hasil dan tiga judul tera­tas.
4. Cek jur­nal­nya di Scopus Pre­view. Buka scopus.com/sources dan ketik nama jurnal dari salah satu arti­kel. Catat apakah jurnal itu terin­deks dan berapa CiteScore-nya.
5. Simpan bukti. Ambil tang­ka­pan layar hasil pen­ca­rian dan simpan di folder 02_P02.

C2. Membandingkan hasil pencarian dengan jawaban AI

1. Ajukan prompt beri­kut dengan topik kelom­pok Anda.

Sebutkan 5 artikel ilmiah tentang <topik kelompok>
yang terbit 2021-2025, lengkap dengan penulis, jurnal, dan DOI.

2. Periksa setiap arti­kel. Tempel DOI ke https://doi.org/ dii­kuti DOI-nya. Jika tidak ada DOI, cari judul­nya di search.crossref.org atau Google Scho­lar.
3. Ban­ding­kan per kolom. Cocok­kan penu­lis, tahun, judul, nama jurnal, volume, dan hala­man.
4. Beri label mengi­kuti alur pada Gambar 9: valid, meta­data salah, tidak men­du­kung klaim, atau fiktif. Hitung per­sen­ta­se­nya dan ban­ding­kan dengan temuan Wal­ters dan Wilder (2023).

C3. Menyusun Tugas Rutin 2

1. Per­ba­rui mind map P01. Tam­bah­kan cabang baru: plat­form digi­tal, TPACK, PPDAC, serta pelu­ang dan tan­ta­ngan AI. Guna­kan alat digi­tal seperti Canva, Miro, XMind, atau draw.io.
2. Tulis esai ana­li­tis 2 sampai 3 hala­man dengan struk­tur beri­kut.
   • Pen­da­hu­luan: satu masa­lah bio­logi yang dipi­lih.
   • Ana­li­sis: TI dan data apa yang dipa­kai untuk masa­lah itu, serta keter­ba­ta­san­nya.
   • Peran AI: man­faat dan risiko, ber­da­sar­kan penga­la­man di C2.
   • Sim­pu­lan: satu reko­men­dasi kon­kret.
3. Pakai mini­mal 5 ruju­kan ilmiah dalam format APA 7. Setiap ruju­kan harus bisa dite­mu­kan di Google Scho­lar atau Cross­ref.
4. Lam­pir­kan bukti AI: prompt, cupli­kan jawa­ban, dan log veri­fi­kasi dari C2, ditam­bah refleksi satu para­graf ten­tang proses veri­fi­kasi.
5. Unggah satu PDF ber­nama NIM_P02_TR2_Nama.pdf.

Dari Ranah ke Esai: Aktivitas dan Tugas Pertemuan 2

Di tatap muka, kelom­pok Anda menga­na­li­sis satu ranah bio­logi, men­cari arti­kel di bebe­rapa basis data, mem­ban­ding­kan­nya dengan jawa­ban AI, lalu mem­pre­sen­ta­si­kan temu­an­nya. Di luar kelas, Anda menyu­sun Tugas Rutin 2 secara indi­vidu. Rang­kaian ini mela­tih keman­di­rian, kebe­ri­ni­si­a­ti­fan, etika ber­ko­mu­ni­kasi, kerja sama, dan tang­gung jawab.

A. Alur kegiatan tatap muka (2 × 50 menit)

B. Tugas Rutin 2, tugas individu

Tugas Rutin 2 melan­jut­kan mind map Tugas Rutin 1 dan menam­bah­kan esai ana­li­tis. Lang­kah pem­bu­a­tan­nya ada di Pro­se­dur C3 hala­man Prak­tik. Bobot­nya 5% dari nilai akhir.

Skor maksimum rubrik umum

C. Kriteria penilaian

Kembali ke Raka dan Nadira

Raka mema­suk­kan lima arti­kel dari chat­bot ke slide hanya karena semu­a­nya ber-DOI. Kini Anda tahu bahwa DOI pun bisa dika­rang. Setiap arti­kel perlu ditem­pel ke https://doi.org/, dico­cok­kan meta­da­ta­nya, lalu diberi label: valid, meta­data salah, tidak men­du­kung klaim, atau fiktif. Ribuan hasil di Google Scho­lar juga tidak berarti topik­nya kuat atau arti­kel­nya ber­mutu, karena Google Scho­lar bukan indeks yang diku­rasi. Raka perlu meme­riksa rele­vansi judul tera­tas dan repu­tasi jur­nal­nya di Scopus Pre­view atau DOAJ.

Nadira ter­goda oleh tek­no­logi paling cang­gih. Makransky et al. (2019) menun­juk­kan bahwa VR imer­sif mem­buat siswa merasa lebih hadir tetapi bela­jar lebih sedi­kit. Per­ta­nyaan TPACK-nya belum ter­ja­wab: mengapa VR, untuk konsep mito­sis, dengan cara apa? Data kupu-kupu­nya juga melom­pati dua tahap PPDAC. Satu kali hitu­ngan tanpa ren­cana dan tanpa data tahun sebe­lum­nya tidak bisa menun­juk­kan penu­ru­nan. Penye­bab­nya pun tidak pernah diukur, sehingga kesim­pu­lan yang jujur adalah “belum dapat dipas­ti­kan”.

Janji kecil untuk memilih teknologi

• Saya memi­lih tek­no­logi ber­da­sar­kan konsep dan tujuan, bukan karena paling cang­gih.
• Saya men­cari di lebih dari satu basis data dan meme­riksa repu­tasi jur­nal­nya.
• Saya mem­buka setiap DOI dari jawa­ban AI dan mem­be­ri­nya label.
• Saya meren­ca­na­kan pengam­bi­lan data sebe­lum mengum­pul­kan­nya.
• Saya menu­lis batas kesim­pu­lan: di mana ber­laku dan apa yang belum dapat dipas­ti­kan.
• Saya menu­lis esai yang menga­na­li­sis, bukan hanya meng­gam­bar­kan.

Jawa­ban Anda tidak dini­lai; guna­kan untuk meli­hat kebi­a­saan mana yang perlu diba­ngun lebih dulu. Mulai­lah dari yang paling kecil: sebe­lum mema­kai alat baru, tulis satu kali­mat jawa­ban untuk per­ta­nyaan “mengapa alat ini?”. Di Per­te­muan 3, Anda akan mem­buka sen­diri data dari GBIF dan NCBI dan menge­nali bentuk serta for­mat­nya.

Glosarium dan Daftar Pustaka

Glosarium

Daftar Pustaka