Belajar Kesehatan dengan AI: Bagaimana agar Tetap Kritis?

Ilustrasi dibuat dengan AI; bukan dokumentasi penelitian.

Edisi 26 September 2026 • Aku Belajar

Bayangkan Anda sedang mempelajari sebuah kasus untuk diskusi kelas. Setelah membaca sebentar, Anda meminta bantuan kecerdasan buatan atau AI. Dalam beberapa detik, muncul jawaban yang panjang, runtut, dan terdengar ilmiah. Tugas terasa lebih mudah. Namun, ada pertanyaan yang layak diajukan sebelum menyalinnya ke catatan: apakah Anda bisa menjelaskan kembali alasannya tanpa membuka layar?

Pertanyaan itu menjadi pintu masuk untuk memahami perdebatan pendidikan kesehatan pada 2026. AI menawarkan cara baru untuk berlatih, mencari penjelasan, dan mendiskusikan materi. Akan tetapi, kemudahan memperoleh jawaban perlu dibedakan dari kemampuan memahami serta menilai jawaban tersebut. Tiga publikasi internasional berikut membantu melihat persoalan ini secara lebih hati-hati.

Umpan balik yang lebih personal belum tentu lebih efektif

Penelitian Rother dan kolega, terbit daring Juli 2026 dan dimuat dalam edisi September Journal of Surgical Education, menguji umpan balik individual berbantuan AI dan umpan balik umum dalam pembelajaran penalaran bedah. Mahasiswa kedokteran tahun keempat menggunakan aplikasi soal selama satu semester, dengan rancangan silang sehingga peserta mengalami kedua kondisi umpan balik.

Peneliti tidak menemukan perbedaan bermakna pada nilai ujian akhir antara kondisi umpan balik tersebut. Penggunaan aplikasi yang lebih intensif berhubungan dengan hasil belajar yang lebih baik, tetapi hubungan ini tidak boleh langsung dianggap sebagai bukti bahwa intensitas penggunaan menyebabkan kenaikan nilai. Mahasiswa yang lebih rajin bisa memiliki karakteristik lain yang turut memengaruhi hasil.

Pesannya bagi pembaca: fitur AI yang terlihat canggih belum otomatis memberikan keuntungan belajar yang lebih besar. Hasil penelitian ini juga tidak membuktikan bahwa seluruh umpan balik AI tidak bermanfaat; kesimpulannya terbatas pada intervensi dan konteks yang diteliti. Rother dkk., 2026

Ketika jawaban yang keliru terdengar meyakinkan

Dalam uji acak yang dipublikasikan di npj Digital Medicine pada Maret 2026, Teng dan kolega menganalisis 111 mahasiswa kedokteran pemula. Mereka membandingkan pengerjaan soal tanpa penjelasan, dengan penjelasan benar, dan dengan penjelasan menyesatkan berbantuan AI.

Akurasi jawaban pada kelompok tanpa penjelasan mencapai 21,0%, kelompok penjelasan benar 22,6%, dan kelompok penjelasan menyesatkan 9,2%. Kelompok terakhir tampil secara bermakna lebih buruk, sedangkan penjelasan benar tidak menghasilkan peningkatan akurasi yang bermakna dibandingkan kelompok kontrol.

Angka tersebut bukan ukuran akurasi semua chatbot. Penelitian menggunakan kondisi eksperimen dengan penjelasan sepenuhnya benar atau sepenuhnya menyesatkan, serta tugas tertentu pada mahasiswa pemula. Hasilnya tidak bisa langsung digeneralisasi ke semua mahasiswa, profesi kesehatan, atau situasi klinis. Namun, penelitian ini memberi contoh konkret bahwa penjelasan yang tampak masuk akal dapat mengarahkan peserta pada pilihan yang salah. Teng dkk., 2026

Mengenal risiko “never-skilling”

Artikel perspektif Ke dan kolega di Nature Medicine, Mei 2026, membahas istilah never-skilling: risiko ketika keterampilan dasar belum sempat terbentuk karena proses belajar terlalu cepat diserahkan kepada AI. Ini berbeda dari berkurangnya keterampilan yang sebelumnya sudah dimiliki.

Penulis mengusulkan pengembangan kemampuan mandiri terlebih dahulu, latihan menilai keluaran AI secara kritis, kemudian penggunaan AI dengan supervisi. Namun, publikasi ini merupakan perspektif dan agenda penelitian, bukan uji klinis yang membuktikan bahwa penggunaan AI pasti merusak kompetensi. Penulis juga menyatakan bahwa bukti langsung mengenai risiko tersebut dalam pelatihan medis masih belum tersedia dalam pembahasan mereka. Ke dkk., 2026

Mencoba pola belajar: jawab, bandingkan, periksa

Berikut contoh rancangan latihan mandiri yang dapat dicoba mahasiswa bersama dosen atau pembimbing. Ini merupakan usulan praktis untuk mengatur proses belajar, bukan protokol yang sudah terbukti efektivitasnya oleh ketiga penelitian di atas.

1. Tulis jawaban awal sebelum membuka AI. Pilih satu soal atau konsep dari bahan kuliah. Tuliskan pemahaman Anda, alasan yang mendukungnya, serta bagian yang masih membingungkan. Jangan menunggu jawaban sempurna. Catatan awal ini membuat perubahan pemikiran Anda terlihat.

2. Minta AI mengajukan pertanyaan penuntun. Contohnya: “Saya sedang belajar untuk diskusi kelas. Tolong ajukan satu pertanyaan penuntun setiap kali, agar saya dapat menyusun alasan sendiri. Tunggu jawaban saya sebelum melanjutkan.” Sesuaikan materi dengan tujuan pembelajaran yang diberikan dosen.

3. Bandingkan alasan, bukan hanya hasil akhir. Jika jawaban berbeda, tandai letak perbedaannya. Apakah istilah yang digunakan berbeda? Adakah asumsi tambahan? Apakah satu penjelasan mengabaikan informasi penting? Jadikan perbedaan itu bahan diskusi, bukan perlombaan menentukan pihak yang paling meyakinkan.

4. Buka sumber yang dirujuk. Jangan berhenti pada daftar pustaka yang diberikan chatbot. Periksa apakah artikelnya ada, apakah judul dan penulisnya sesuai, dan apakah isi sumber mendukung klaim yang sedang dibahas. Untuk tugas kuliah, cocokkan juga dengan bacaan wajib dan arahan pembimbing.

5. Coba jelaskan ulang tanpa bantuan. Tutup percakapan, lalu tulis ringkasan pendek dengan bahasa sendiri. Cantumkan satu hal yang sudah dipahami dan satu pertanyaan yang masih terbuka. Bawa pertanyaan itu ke diskusi berikutnya.

Bahan diskusi untuk dosen dan mahasiswa

Sebagai contoh penerapan di kelas, mahasiswa dapat diminta mengumpulkan jawaban awal, bagian yang berubah setelah berdiskusi dengan AI, serta sumber yang mendasari perubahan tersebut. Dengan demikian, penilaian dapat memperhatikan alasan di balik jawaban akhir.

Untuk pembaca keperawatan, kebidanan, farmasi, atau kesehatan masyarakat, pendekatan ini dapat menjadi bahan adaptasi bersama pengajar. Perlu diingat bahwa penelitian empiris yang dibahas di atas melibatkan mahasiswa kedokteran; manfaat yang sama pada program lain masih perlu dievaluasi.

Pada sesi belajar berikutnya, cobalah memilih satu pertanyaan kecil dan dokumentasikan proses menjawabnya. Setelah selesai, tanyakan kepada diri sendiri: “Bagian mana yang sekarang benar-benar bisa saya jelaskan, dan bukti apa yang membuat saya percaya pada penjelasan itu?”

Daftar pustaka

1. Rother JF, Nissen L, Laupichler MC, Raupach T, Sommer N. Enhancing Clinical Reasoning in Surgical Education: A Randomized Crossover Trial on AI-Generated Individual Feedback for Key Feature Question-Based Online Assignments. Journal of Surgical Education. 2026;83(9):104068. doi:10.1016/j.jsurg.2026.104068.
2. Teng D, Tan L, Cao Q, dkk. Impact of AI misinformation on diagnostic accuracy and confidence calibration in novice medical students. npj Digital Medicine. 2026;9:356. doi:10.1038/s41746-026-02547-z.
3. Ke Y, Jin L, Ong JCL, dkk. AI-induced never-skilling in medical education. Nature Medicine. 2026;32:1997–2006. doi:10.1038/s41591-026-04438-y.