Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Efektivitas ChatGPT sebagai AI-Co-Researcher dalam Meningkatkan Kualitas Proposal Penelitian Mahasiswa
0
Zitationen
5
Autoren
2026
Jahr
Abstract
Disrupsi kecerdasan buatan, khususnya ChatGPT, telah memicu transformasi paradigma riset di lingkungan perguruan tinggi. Penelitian ini bertujuan untuk mengevaluasi efektivitas ChatGPT dalam perannya sebagai AI-Co-Researcher guna meningkatkan kualitas proposal penelitian mahasiswa di STMIK Profesional Makassar. Dengan menggunakan metode campuran (mixed methods) melalui desain explanatory sequential, penelitian ini melibatkan mahasiswa yang sedang menempuh mata kuliah Metodologi Penelitian. Data kuantitatif dikumpulkan melalui instrumen penilaian proposal pada kelompok eksperimen dan kontrol, sedangkan data kualitatif dihimpun melalui wawancara mendalam dan observasi fenomenologis. Hasil penelitian menunjukkan adanya peningkatan signifikan secara statistik pada kualitas proposal kelompok eksperimen, terutama dalam aspek ketajaman identifikasi research gap, sistematika penulisan, dan koherensi metodologi riset. Sebagai institusi berbasis teknologi, mahasiswa STMIK Profesional Makassar menunjukkan literasi digital yang tinggi, sehingga mampu mengoptimalkan ChatGPT sebagai mitra diskusi intelektual melalui teknik prompt engineering yang presisi. Temuan kualitatif mengungkapkan bahwa peran AI telah bertransformasi dari sekadar alat pencari informasi menjadi navigator riset yang memperkuat kedalaman berpikir kritis. Meskipun demikian, efektivitas ini menuntut penguatan aspek moral knowing untuk menjaga integritas akademik dan mencegah degradasi kreativitas akibat ketergantungan teknologi. Simpulan penelitian menegaskan bahwa sinergi antara mahasiswa dan AI sebagai rekan peneliti mampu menciptakan proses produksi ilmu pengetahuan yang lebih efisien dan terstruktur. Penelitian ini merekomendasikan integrasi literasi AI dalam kurikulum formal untuk memaksimalkan potensi kolaborasi akademik di masa depan.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.260 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.116 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.493 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.776 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.438 Zit.