Algoritma personalisasi kini banyak diaplikasikan dalam berbagai platform digital untuk menyesuaikan konten sesuai preferensi pengguna. Namun, studi terbaru menunjukkan bahwa algoritma ini berpotensi mengganggu proses belajar dengan membatasi eksplorasi informasi baru secara menyeluruh. Peserta yang belajar dari nol dan menelusuri materi yang dikurasi algoritma cenderung mendapatkan gambaran yang sempit dan seringkali salah, meski tetap merasa yakin dengan kesimpulan mereka.
Penelitian yang dipublikasikan dalam Journal of Experimental Psychology: General ini melibatkan 346 peserta yang belajar karakteristik fiktif pada sebuah tugas pembelajaran. Algoritma personalisasi mengarahkan peserta untuk terus melihat fitur yang sama, sehingga mereka melewatkan fitur lain yang penting. Akibatnya, pola pengamatan peserta menjadi terbatas dan mereka lebih sering membuat kesalahan saat menghadapi informasi baru, namun justru menunjukkan tingkat kepercayaan diri yang tinggi meski jawabannya salah.
Dampak Algoritma pada Kualitas Belajar
Peneliti Giwon Bahg dari Pennsylvania State University menyatakan bahwa algoritma dapat membangun bias sejak awal proses belajar. “Meskipun seseorang tidak tahu apa-apa tentang topik tersebut, algoritma bisa langsung membentuk pandangan yang menyimpang terhadap realitas,” ujarnya. Hal ini menunjukkan risiko besar ketika algoritma mendikte apa yang dipelajari seseorang secara otomatis tanpa dorongan eksplorasi mandiri.
Profesor Brandon Turner dari Ohio State University menambahkan bahwa pengguna cenderung menarik kesimpulan luas berdasarkan informasi terbatas yang disediakan algoritma. Mereka kehilangan wawasan penting karena hanya fokus pada materi yang terus ditampilkan oleh sistem. Turner memberi contoh, seseorang yang baru pertama kali menonton film dari negara asing akan mendapat rekomendasi film serupa secara berulang, sehingga tidak mendapatkan gambaran yang beragam mengenai budaya dan genre film.
Ilustrasi dan Temuan Eksperimen
Dalam eksperimen, peserta belajar tentang "alien" kristal dengan enam fitur berbeda. Mereka yang mengikuti saran algoritma hanya melihat sebagian kecil fitur secara berulang. Akibatnya:
- Informasi yang diperoleh menjadi terbatas.
- Pola belajar menjadi sempit dan tidak menyeluruh.
- Kesalahan dalam pengelompokkan fitur baru menjadi lebih sering terjadi.
- Rasa percaya diri tetap tinggi meskipun jawaban mereka salah.
Fenomena ini menimbulkan kekhawatiran terkait dampak algoritma pada pembelajaran anak muda dan pengguna umum. Turner mengatakan, “Jika anak muda sungguh-sungguh mencoba belajar tentang dunia, algoritma seperti ini malah bisa membatasi pemahaman mereka.”
Relevansi Terhadap Kehidupan Sehari-hari
Temuan ini penting untuk diperhatikan oleh pendidik dan pengembang teknologi. Algoritma yang menyajikan konten secara personal harus didesain sedemikian rupa agar mendorong eksplorasi lebih luas dan tidak menciptakan filter bubble atau ruang gema. Tanpa mekanisme ini, proses belajar pengguna dapat terhambat, bahkan mengarah pada ketidakakuratan pemahaman yang sulit disadari.
Para peneliti menegaskan bahwa algoritma personalisasi perlu dikaji ulang terutama dalam konteks pendidikan dan penyebaran informasi. Mengandalkan AI untuk menyeleksi materi tanpa kontrol ketat dapat menimbulkan bias kognitif yang merugikan pembelajar. Oleh karena itu, solusi teknologi dan kebijakan harus ditemukan agar algoritma dapat berfungsi mendukung proses belajar dengan cara yang lebih holistik dan inklusif.
Baca selengkapnya di: mediaindonesia.com
