Pendahuluan

Dunia pendidikan sekarang memasuki era baru yang menekankan emosi dan motivasi dalam proses belajar. Affective Deep Learning (ADL), evolusi dari pendekatan deep learning yang berpusat pada pemahaman emosi dan respons afektif peserta didik, kini menjadi salah satu pendekatan yang mulai menarik perhatian para peneliti dan praktisi pendidikan. Deep learning dalam kecerdasan buatan (LeCun, Bengio, & Hinton, 2015) dan affective computing adalah dua bidang utama di mana konsep deep learning afektif berakar (Picard, 1997). Affective computing menekankan kemampuan sistem cerdas untuk mengenali, menafsirkan, dan merespons emosi manusia, sedangkan deep learning memungkinkan sistem komputer meniru cara otak manusia mengenali pola data secara mendalam. Dengan menggabungkan kedua ide ini dalam konteks pendidikan, Affective Deep Learning muncul sebagai sebuah pendekatan yang menggunakan emosi dan motivasi sebagai data penting untuk pembelajaran yang adaptif dan individual.

Motivasi telah lama diakui sebagai kunci keberhasilan dalam pembelajaran bahasa Inggris (Dörnyei, 2001; Gardner, 2010). Meskipun seseorang dapat menguasai banyak kosa kata dan tata bahasa, jika mereka tidak memiliki dorongan untuk berlatih sebagimana Practice makes perfect, mereka akan cepat kehilangan motivasi. Memanfaatkan kecerdasan buatan untuk mengenali dan menanggapi kondisi emosional siswa, Affective Deep Learning menawarkan solusi baru. Dengan menggunakan algoritma deep neural network, sistem ADL dapat mengklasifikasi data afektif seperti ekspresi wajah, nada suara, atau pola perilaku untuk memprediksi tingkat motivasi dan emosi siswa selama proses belajar (Calvo & D'Mello, 2010).

Bayangkan sebuah platform pembelajaran bahasa Inggris yang dapat “merasakan” ketika mahasiswa merasa bosan, frustrasi, atau kehilangan semangat. Pendekatan berbasis ADL dapat mendeteksi sinyal emosional melalui ekspresi wajah, nada suara, atau pola interaksi, dan kemudian secara otomatis menyesuaikan aktivitas belajar. Dalam pembelajaran dengan pendekatan ADL yang mengimplementasikan PJBL AI Based Method dalam pembelajaran yang relevan dan menyenangkan ketika motivasi mahasiswa menurun. Metode ini sejalan dengan prinsip pembelajaran yang responsif secara emosional, yang berarti pembelajaran yang menyesuaikan konten dan umpan balik berdasarkan kondisi emosional mahasiswa. Dengan hadirnya teknologi AI yang dapat membantu mencapai keberhasilan di masa depan secara berkelanjutan, termasuk dalam hal pendidikan, misalnya dengan membantu siswa melakukan penyesuaian yang dibutuhkan untuk belajar lebih baik (Gligorea dkk. 2024). AI dalam metode PjBL memungkinkan mahasiswa berlatih berbicara pada tingkat kesulitan yang disesuaikan, menerima umpan balik secara langsung, dan merefleksikan kemajuan mereka melalui transkripsi otomatis. Dengan demikian, AI membantu mengurangi rasa takut mahasiswa untuk berbicara dan membangun kepercayaan diri mereka secara bertahap. Pembelajaran menggunakan AI dapat membimbing mahasiswa dalam pembelajaran, yang dapat menjadi rekomendasi bagi mahasiswa untuk belajar menggunakan teknologi AI yang memiliki fungsi cerdas dalam proses pembelajaran.

Penerapan metode Project-Based Learning (PjBL) berbasis teknologi Artificial Intelligence (AI) dapat meningkatkan keterampilan berbicara dan kepercayaan diri mahasiswa dalam berkomunikasi Bahasa Inggris. Metode PjBL berbasis AI secara signifikan meningkatkan aspek-aspek penting keterampilan berbicara mahasiswa, meliputi kelancaran berbicara, pengucapan, penguasaan kosakata, struktur kalimat, dan keterampilan komunikasi interpersonal. Mahasiswa diberi kesempatan untuk berlatih berbicara dalam lingkungan yang aman, bebas stres, dan personal, mendorong keberanian untuk mencoba, membuat kesalahan, dan memperbaiki diri. AI memberikan umpan balik otomatis yang konstruktif dan mendorong pembelajaran reflektif. Selain itu, proyek-proyek seperti podcasting, vlog, simulasi wawancara, dan drama digital yang dilakukan oleh mahasiswa memungkinkan penggunaan bahasa Inggris dalam konteks yang nyata dan bermakna. Penerapan metode ini juga terbukti efektif dalam membangun kepercayaan diri siswa, terutama bagi mereka yang awalnya merasa canggung atau pasif. Dengan demikian, integrasi PjBL dan AI dalam pembelajaran bahasa Inggris terbukti menjadikan proses pembelajaran yang inovatif, efektif, dan relevan dalam meningkatkan keterampilan berbicara mahasiswa di era digital.

Metode ini tidak hanya membuat pembelajaran lebih dekat dengan diri mereka sendiri dan lebih manusiawi, tetapi juga membantu mahasiswa mempertahankan minat mereka dalam jangka panjang. Selain itu, seorang dosen dapat menggunakan pendekatan ADL untuk memahami pola motivasi mahasiswanya yang mempelajari Bahasa Inggris tetapi berasal dari jurusan non-Pendidikan Bahasa Inggris sebagai mata kuliah umum di universitas. Ini akan memungkinkan strategi pengajaran yang lebih efektif untuk disesuaikan. ADL dapat berfungsi sebagai desain pembelajaran berpusat pada siswa yang memprioritaskan kesejahteraan emosional siswa.

Selain itu, Affective Deep Learning membuka kesempatan baru untuk kolaborasi antara dosen dan teknologi. Media pembelajaran yang dirancang secara adaptif dapat memberikan respons afektif secara real time, tetapi dosen tetap menjadi figur utama yang sebagai fasilitator yang memudahkan proses pembelajaran khususnya bahasa asing yaitu bahasa Inggris sehingga memberi makna pada proses belajar. Hasilnya adalah pembelajaran bahasa Inggris menjadi lebih sesuai, relevan, dan menyenangkan bagi generasi digital saat ini.

Permasalahan dengan Implementasi

Di era digital ini, pembelajaran semakin bergeser ke arah pendekatan yang lebih interaktif dan berbasis teknologi. Dalam bidang teknologi pendidikan, sudah saatnya dunia pendidikan berfokus pada kecerdasan emosional juga kognitif. Dengan menerapkan pendekatan pembelajaran mendalam afektif, kita tidak hanya mengajar bahasa tetapi juga menumbuhkan semangat belajar yang hidup, empatik, dan berkelanjutan.