Khusus Hari Guru | Dari Satu Kelas ke Riset dan Pengajaran Jangka Panjang, Ia Menyerahkan Kelas pada Qwen Office

Bagaimana kecerdasan buatan membantu guru meningkatkan efisiensi

Studi Kasus QwenWork

Setelah selesai mengajar satu hari, Wang Yize akan mengirim secara massal tautan rekaman audio pelajaran harian tersebut ke Qwen Office.

"Misalnya hari ini saya mengajar lima kelas, saya hanya perlu menyalin lima tautan dan mengirimkannya agar sistem dapat membacanya."

Di balik setiap tautan terdapat kelas nyata mata pelajaran Ekonomi Barat. Rekaman tersebut mencakup poin-poin pengetahuan yang telah dijelaskan guru, contoh-contoh spontan yang diberikan selama kelas, serta jawaban-jawaban dari siswa. Sebelumnya, data-data ini tersebar di tiap kelas; kini, Wang Yize mulai menggunakan Qwen Office dan versi pendidikan DingTalk AI untuk mengintegrasikan semuanya.

Pertama, simpan satu sesi kelas

Wang Yize adalah seorang guru yang fokus pada pendidikan persiapan kuliah jenjang sarjana. Ia telah lama mengajar mata pelajaran ekonomi, dengan jumlah siswa yang diajarnya setiap tahun mencapai antara 2500 hingga 3000 orang.

Semakin matang suatu kursus dan semakin stabil sistem pengetahuannya, tampaknya beban kerja guru seharusnya makin ringan. Namun, perasaan Wang justru berlawanan. "Ketika Anda telah menyempurnakan sebuah kelas hingga sangat matang, maka sisa hidup Anda hanyalah menyalin dan menempel."

Pengetahuan yang sama harus dijelaskan ulang kepada setiap generasi siswa baru. Namun setelah kelas usai, contoh-contoh spontan yang diberikan saat mengajar atau bagian mana yang belum dipahami siswa sulit direkam secara lengkap.

Jika siswa tidak mengerti, mereka harus bertanya lagi atau memutar ulang video, bolak-balik menggeser garis waktu. Sementara itu, guru tetap harus menyusun rencana pelajaran, membuat latihan, memeriksa pekerjaan rumah, serta menilai bagian mana yang menjadi hambatan bagi siswa.

Sebulan lalu, Wang Yize mulai menggunakan versi pendidikan AI. Pola "salin-tempel" ini mulai berubah. Setelah setiap kelas, selain mengonversi audio menjadi teks, versi pendidikan AI juga secara otomatis menghasilkan ringkasan, bab-bab, dan catatan kelas. Jika siswa melewatkan satu poin penting, mereka tidak perlu bolak-balik mencari dalam pemutaran ulang—struktur pengetahuan, poin-poin utama dan sulit, serta analisis contoh semua bisa ditemukan kembali dalam catatan.

Wang Yize sebelumnya pernah mencoba menggunakan model bahasa besar untuk membuat soal latihan ekonomi, namun ketika model diminta membuat soal tentang "suatu poin tertentu dalam satu bab Ekonomi Barat", sering kali muncul banyak konten yang melampaui kurikulum atau tingkat kesulitannya tidak seimbang. Untuk mendapatkan bank soal yang layak digunakan, ia harus terus-menerus menambahkan soal-soal lama, materi ajar, dan kasus-kasus kelas.

Kini, versi pendidikan AI dapat membantu membuat soal berdasarkan konten nyata dan poin-poin penting yang benar-benar dibahas guru di kelas, sehingga Wang Yize masih bisa melakukan penyuntingan lanjutan.

"Karena model besar tidak cukup mengenal Anda. Namun jika versi pendidikan AI telah mendengarkan satu kelas Anda, ia memiliki informasi dan konteks yang cukup untuk memahami fokus, kurikulum, dan isi kelas tersebut, sehingga soal yang dihasilkannya lebih akurat dan bisa saya percayai."

Kondisi jawaban siswa juga dapat dicatat secara jelas. Dalam versi pendidikan AI, guru bisa melihat berapa lama siswa ragu-ragu di setiap soal melalui waktu menjawab, serta poin pengetahuan mana yang masih belum dipahami, memberikan dasar untuk pengajaran personalisasi di masa depan.

Berdasarkan pengalaman nyata Wang Yize, proses yang dulunya memakan waktu satu sore penuh—pengorganisasian rencana pelajaran, pembuatan latihan, dan rangkuman soal salah—kini bisa diselesaikan dalam sekitar 30 menit. Kesalahan umum kelas yang dulunya butuh dua hari untuk diidentifikasi, kini bisa langsung terlihat setelah latihan selesai.

Suara, contoh-contoh, dan proses jawaban dalam kelas direkam, sehingga menjadi acuan untuk membuat soal dan penjelasan di masa depan.

Kemudian, hubungkan kelas demi kelas

Wang Yize mungkin mengajar empat atau lima kelas dalam satu hari, sambil menghadapi beberapa kelas sekaligus. Setelah setiap kelas memiliki rekaman, ia mulai memperhatikan perubahan jangka panjang: Apa saja poin pengetahuan lemah yang muncul berulang dalam sebulan? Bagaimana perkembangan situasi belajar siswa di kelas-kelas berbeda? Konten kelas mana yang layak dikonsolidasikan menjadi bahan ajar dan bank soal baru?

Pertanyaan-pertanyaan ini sudah melampaui lingkup satu kelas tunggal.

Dalam alur kerjanya, versi pendidikan AI bertugas merekam dan menganalisis satu kelas, sedangkan Qwen Office mengambil alih beberapa rekaman yang dikirimkan olehnya, membentuk perspektif riset pengajaran yang mencakup periode lebih panjang. Setelah mengajar sehari, ia mengirimkan beberapa tautan sekaligus, sehingga poin-poin pengetahuan, contoh-contoh, dan cara penyampaian yang sebelumnya tersebar di berbagai kelas kini bisa diproses bersama.

Kini, rekaman-rekaman ini masih terus dikumpulkan. Setelah satu bulan, satu semester, atau bahkan lebih lama, Wang Yize berharap dapat mengevaluasi bagaimana fokus pengajaran berubah dan poin-poin mana yang menjadi hambatan jangka panjang bagi siswa. Kesimpulan jangka panjang ini masih harus divalidasi oleh waktu.

Qwen Office juga mengambil alih beberapa tugas harian yang bersifat rutin.

Wang Yize mengampu beberapa kelas sekaligus, masing-masing memiliki grup DingTalk sendiri. Setelah membagikan tugas, ia harus mengingatkan siswa atau orang tua satu per satu di setiap grup, kemudian mengikuti perkembangan pengumpulannya. Kini, ia mengatur proses ini sebagai tugas terjadwal di Qwen Office. Setiap hari kerja pukul 19.00, Qwen Office secara otomatis mengingatkan siswa atau orang tua, lalu Wang Yize hanya perlu mengikuti status pengumpulannya.

Rekaman kelas mulai digunakan untuk pengorganisasian bahan ajar dan ujian. Pembuatan soal pasca-kelas dilakukan oleh versi pendidikan AI, sedangkan ketika perlu menyiapkan bahan ajar atau ujian, Wang Yize menyerahkan template bahan ajar atau buku referensi yang sudah ada ke Qwen Office.

Alur kerja ini telah dikonsolidasikan menjadi dua Skill: pengaturan bahan ajar dan pengaturan ujian.

Membuat AI semakin mengenal kelasnya

Pola kerja ini juga membuat Wang Yize memahami kembali makna "bantuan AI dalam riset pengajaran".

Ia membagi proses penggunaan AI-nya menjadi tiga tahap. Awalnya adalah "AI tidak bisa", meskipun model bisa membuat soal, tapi sering muncul keluar topik atau kesalahan; kemudian masuk tahap "AI tidak mengenal saya", di mana setiap kali harus memasukkan ulang materi, soal lama, dan latar belakang kursus; kini, yang ia inginkan adalah "AI yang tidak hanya mudah digunakan tetapi juga mengenal saya".

Kata "mengenal" di sini berasal dari kelas-kelas nyata yang telah terjadi, dari konten yang disampaikan guru dan soal-soal yang dikerjakan siswa. Versi pendidikan AI menyimpan informasi ini, yang kemudian diserahkan Wang Yize ke Qwen Office sebagai konteks untuk pengolahan dan riset pengajaran selanjutnya.

Menurut Wang Yize, penggunaan AI tidak hanya meningkatkan efisiensi dalam pembuatan bahan ajar, ujian, atau analisis kelas, tetapi juga secara signifikan mengurangi perpindahan informasi antar alur kerja.

Dulunya, ia harus mencari perangkat perekam, lalu mencari perangkat lunak transkripsi, kemudian menyalin materi satu per satu ke model. Setiap kali berganti alat, ia harus menjelaskan kembali isi kursus, kurikulum, dan poin-poin sulit. Meski kemampuan model sangat kuat, tanpa konteks ini, model tetap harus mengenal ulang guru ini dari awal.

Kini, versi pendidikan AI terlebih dahulu menyimpan informasi nyata dari kelas, lalu Wang Yize menyerahkan tautan rekaman ke Qwen Office. AI belajar dari isi kursus ini, sehingga memiliki dasar untuk berpartisipasi dalam riset pengajaran jangka panjang.

"Saya rasa keunggulan Qwen Office, atau hal yang saya anggap penting, adalah ekosistem, interaksi, dan keterhubungan," kata Wang Yize.

Cara penggunaan Wang Yize ini juga mencerminkan tren AI yang sedang berkembang. Agar Agent bisa mengambil alih suatu pekerjaan, ia harus memiliki konteks yang cukup luas. Di masa depan, semakin banyak perangkat keras mungkin akan menjadi sumber konteks bagi Agent, mengumpulkan dan mencatat informasi dari kelas, rapat, dan aktivitas kerja sehari-hari.

We dedicated to serving clients with professional DingTalk solutions. If you'd like to learn more about DingTalk platform applications, feel free to contact our online customer service or email at This email address is being protected from spambots. You need JavaScript enabled to view it.. With a skilled development and operations team and extensive market experience, we’re ready to deliver expert DingTalk services and solutions tailored to your needs!