EduAI: Program Pengabdian Masyarakat untuk Pengenalan Teknologi Kecerdasan Buatan di Kalangan Siswa SMA
DOI:
https://doi.org/10.35335/nauli.v2i2.139Keywords:
Pendidikan, Kecerdasan Buatan, Siswa SMA, Pengabdian Masyarakat, Literasi TeknologiAbstract
Dalam konteks pendidikan di era digital, pemahaman dan keterampilan tentang teknologi kecerdasan buatan (AI) menjadi krusial bagi siswa SMA. Namun, terdapat kesenjangan dalam kurikulum yang belum menyediakan materi yang memadai untuk mengenalkan AI kepada siswa. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan dan mengevaluasi Program EduAI, sebuah inisiatif pengabdian masyarakat yang dirancang untuk meningkatkan pemahaman dan keterampilan siswa SMA dalam AI. Metode yang digunakan meliputi workshop interaktif, pelatihan guru, pengembangan modul pembelajaran AI, kerjasama dengan industri dan universitas, serta evaluasi berkelanjutan. Hasil evaluasi menunjukkan peningkatan signifikan dalam pemahaman konsep AI, minat terhadap teknologi AI, dan kepercayaan diri siswa dalam mengaplikasikannya. Implikasi dari penelitian ini adalah bahwa Program EduAI dapat menjadi model yang efektif dalam memperkenalkan dan mengembangkan literasi AI di kalangan siswa SMA, serta memberikan kontribusi yang berarti dalam mempersiapkan generasi muda menghadapi era digital yang semakin berkembang.
References
Ahmad, A., Aftab, S., & Ali, I. (2020). Social media data analytics for understanding citizens' awareness and acceptance of e-government services. IEEE Access, 8, 194856-194866. https://doi.org/10.1109/ACCESS.2020.3033543
Chen, H., Chiang, R. H., & Storey, V. C. (2012). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 36(4), 1165-1188. https://doi.org/10.25300/MISQ/2012/36.4.03
Cruz-Benito, J., Sanz-Rodríguez, J., Sarría-Santamera, A., & García-Peñalvo, F. J. (2020). Learning analytics tools: A systematic literature review. IEEE Access, 8, 132201-132225. https://doi.org/10.1109/ACCESS.2020.3009335
Dua, M., & Dhanjal, M. (2020). Deep learning techniques for big data analytics: A comprehensive review. IEEE Access, 8, 135731-135774. https://doi.org/10.1109/ACCESS.2020.3010603
Esteva, A., Robicquet, A., Ramsundar, B., Kuleshov, V., DePristo, M., Chou, K., ... & Dean, J. (2019). A guide to deep learning in healthcare. Nature Medicine, 25(1), 24-29. https://doi.org/10.1038/s41591-018-0316-z
Gandomi, A., & Haider, M. (2015). Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, 35(2), 137-144. https://doi.org/10.1016/j.ijinfomgt.2014.10.007
Gharaibeh, M., Salahuddin, M. A., Hussini, S. J., Khreishah, A., Khalil, I., Guizani, M., & Al-Fuqaha, A. (2017). Smart cities: A survey on data management, security, and enabling technologies. IEEE Communications Surveys & Tutorials, 19(4), 2456-2501. https://doi.org/10.1109/COMST.2017.2736886
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press. ISBN: 978-0262035613
Han, J., Pei, J., & Kamber, M. (2011). Data mining: Concepts and techniques. Elsevier. ISBN: 978-0123814791
He, K., Zhang, X., Ren, S., & Sun, J. (2016). Deep residual learning for image recognition. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2016, 770-778. https://doi.org/10.1109/CVPR.2016.90
Jha, S., Jha, S. K., & Kathuria, D. (2020). AI-enabled mobile applications for healthcare. IEEE Access, 8, 176293-176309. https://doi.org/10.1109/ACCESS.2020.3027156
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444. https://doi.org/10.1038/nature14539
Mehta, N., & Pandit, A. (2018). Concurrence of big data analytics and healthcare: A systematic review. International Journal of Medical Informatics, 114, 57-65. https://doi.org/10.1016/j.ijmedinf.2018.03.013
Qiu, J., Wu, Q., Ding, G., Xu, Y., & Feng, S. (2016). A survey of machine learning for big data processing. EURASIP Journal on Advances in Signal Processing, 2016(1), 67. https://doi.org/10.1186/s13634-016-0355-x
Wang, L., & Alexander, C. A. (2015). Big data in medical applications and health care. Journal of Biomedical Informatics, 53, 328-335. https://doi.org/10.1016/j.jbi.2015.10.002.
Jurnal Pengabdian Masyarakat Nauli is licensed under a 