Scholarly Question Architecture Framework dalam Pendidikan Tinggi Era Artificial Intelligence: Rekonstruksi Arsitektur Pertanyaan Ilmiah Mahasiswa sebagai Fondasi Pembelajaran Generatif dalam Ekosistem Kolaborasi Manusia–Artificial Intelligence

Perkembangan Generative Artificial Intelligence telah mengubah secara fundamental dinamika pembelajaran di pendidikan tinggi. Sistem Artificial Intelligence kini mampu menghasilkan jawaban, sintesis literatur, penjelasan konseptual, hingga rekomendasi metodologis terhadap berbagai persoalan akademik dalam waktu yang sangat singkat. Kondisi tersebut menggeser tantangan pembelajaran dari kemampuan memperoleh jawaban menuju kemampuan membangun pertanyaan ilmiah yang mampu mengarahkan eksplorasi pengetahuan secara lebih mendalam. Namun, sebagian besar kajian mengenai pemanfaatan Artificial Intelligence masih berfokus pada prompt engineering, yaitu teknik menyusun instruksi agar menghasilkan keluaran yang optimal, dan belum secara eksplisit membahas kemampuan intelektual mahasiswa dalam merancang struktur pertanyaan ilmiah sebagai fondasi pembelajaran generatif. Artikel ini mengembangkan Scholarly Question Architecture Framework (SQAF) sebagai kerangka konseptual baru yang menjelaskan kemampuan mahasiswa membangun, mengorganisasi, dan mengembangkan pertanyaan ilmiah secara sistematis untuk menghasilkan eksplorasi pengetahuan yang bermakna dalam kolaborasi dengan Artificial Intelligence. Melalui pendekatan konseptual-teoretis, artikel ini membahas keterbatasan paradigma prompt engineering, landasan teoritis mengenai pertanyaan ilmiah dan knowledge inquiry, konstruksi dimensi-dimensi Scholarly Question Architecture, serta implikasinya terhadap desain pembelajaran di pendidikan tinggi. Artikel ini berargumen bahwa kompetensi akademik masa depan tidak lagi ditentukan oleh kemampuan memperoleh jawaban secara cepat, melainkan oleh kemampuan membangun arsitektur pertanyaan ilmiah yang mampu memperluas ruang eksplorasi pengetahuan, mengarahkan penalaran akademik, dan menghasilkan inovasi ilmiah secara berkelanjutan. Dengan demikian, Scholarly Question Architecture Framework diusulkan sebagai fondasi baru bagi pengembangan pembelajaran generatif dalam ekosistem kolaborasi manusia–Artificial Intelligence.

Kata kunci: Scholarly Question Architecture Framework, scientific questioning, inquiry architecture, knowledge generation, human–AI inquiry, higher education, Artificial Intelligence.

Pendahuluan

Kemajuan pesat Generative Artificial Intelligence telah mengubah secara mendasar pola interaksi mahasiswa dengan pengetahuan. Berbeda dengan era sebelumnya yang ditandai oleh keterbatasan akses informasi, mahasiswa kini dapat memperoleh penjelasan konseptual, sintesis literatur, analisis data, hingga rekomendasi metodologis hanya melalui interaksi singkat dengan sistem Artificial Intelligence. Perubahan tersebut telah mempercepat proses pencarian informasi dan memperluas akses terhadap berbagai sumber pengetahuan. Meskipun demikian, kemudahan memperoleh jawaban tidak secara otomatis meningkatkan kualitas pembelajaran. Artificial Intelligence mampu menghasilkan respons terhadap hampir semua pertanyaan, tetapi kualitas respons tersebut sangat bergantung pada kualitas pertanyaan yang diajukan. Pertanyaan yang bersifat dangkal cenderung menghasilkan jawaban yang bersifat deskriptif, sedangkan pertanyaan yang terstruktur secara ilmiah mampu membuka ruang eksplorasi konseptual yang lebih luas, menghasilkan sintesis pengetahuan yang lebih mendalam, serta memunculkan perspektif baru terhadap suatu persoalan akademik.

Perubahan ini menunjukkan bahwa nilai strategis pembelajaran tidak lagi terletak pada kemampuan menemukan jawaban, melainkan pada kemampuan merancang pertanyaan yang mampu mengarahkan proses pembentukan pengetahuan. Dalam konteks pendidikan tinggi, pertanyaan ilmiah bukan sekadar alat untuk memperoleh informasi, tetapi merupakan mekanisme epistemologis yang menentukan arah penyelidikan, membentuk batas ruang eksplorasi, serta memengaruhi kualitas argumentasi dan kesimpulan yang dihasilkan. Namun demikian, sebagian besar kajian mengenai pemanfaatan Artificial Intelligence di pendidikan tinggi masih berorientasi pada prompt engineering. Fokus utamanya adalah bagaimana menyusun instruksi yang efektif agar Artificial Intelligence menghasilkan keluaran yang sesuai dengan kebutuhan pengguna. Pendekatan tersebut penting dari sisi teknis, tetapi belum menyentuh dimensi akademik yang lebih mendasar, yaitu kemampuan mahasiswa membangun struktur pertanyaan ilmiah yang mampu mengembangkan pengetahuan baru.

Selain itu, konsep-konsep seperti inquiry-based learning, problem posing, maupun questioning skills lebih banyak membahas aktivitas bertanya sebagai strategi pembelajaran atau pemecahan masalah. Konsep-konsep tersebut belum secara eksplisit menjelaskan bagaimana pertanyaan ilmiah dirancang sebagai suatu arsitektur yang mengintegrasikan tujuan penyelidikan, struktur konseptual, hubungan antarkonsep, kedalaman analisis, dan potensi pengembangan pengetahuan dalam lingkungan kolaborasi manusia–Artificial Intelligence. Artikel ini berangkat dari asumsi bahwa pendidikan tinggi memerlukan paradigma baru berupa Scholarly Question Architecture Framework (SQAF). Framework ini memandang kemampuan membangun arsitektur pertanyaan ilmiah sebagai kompetensi inti mahasiswa pada era Artificial Intelligence. Melalui kerangka ini, mahasiswa diposisikan bukan hanya sebagai pengguna Artificial Intelligence yang mengajukan prompt, tetapi sebagai arsitek penyelidikan ilmiah (architect of scientific inquiry) yang mampu merancang pertanyaan secara sistematis untuk menghasilkan eksplorasi pengetahuan yang lebih luas, mendalam, dan inovatif.

Keterbatasan Paradigma Prompt Engineering dalam Pembelajaran Berbasis Artificial Intelligence

Perkembangan Artificial Intelligence mendorong munculnya konsep prompt engineering sebagai salah satu kompetensi penting dalam memanfaatkan sistem AI. Prompt engineering berfokus pada teknik menyusun instruksi yang efektif agar Artificial Intelligence menghasilkan respons yang lebih akurat, relevan, dan sesuai dengan kebutuhan pengguna.

Meskipun memberikan kontribusi yang signifikan terhadap optimalisasi interaksi manusia dengan Artificial Intelligence, paradigma prompt engineering memiliki keterbatasan ketika diterapkan dalam konteks pendidikan tinggi. Fokus utamanya berada pada efisiensi komunikasi dengan sistem AI, bukan pada kualitas proses penyelidikan ilmiah yang mendasari pertanyaan tersebut.

Dalam praktik akademik, kualitas pembelajaran tidak hanya ditentukan oleh kemampuan memperoleh jawaban yang benar, tetapi oleh kemampuan membangun pertanyaan yang mampu memperluas ruang eksplorasi pengetahuan. Pertanyaan ilmiah memiliki fungsi epistemologis yang jauh lebih kompleks daripada sekadar instruksi teknis. Pertanyaan menentukan arah penelitian, ruang lingkup analisis, asumsi konseptual, hubungan antarkonsep, serta peluang munculnya pengetahuan baru.

Dengan demikian, pendidikan tinggi memerlukan paradigma yang melampaui prompt engineering. Mahasiswa perlu mengembangkan kemampuan membangun arsitektur pertanyaan ilmiah yang tidak hanya menghasilkan keluaran AI yang lebih baik, tetapi juga memperkuat kualitas penalaran, eksplorasi, dan inovasi akademik.
 

Landasan Teoretis: Scientific Questioning dan Knowledge Inquiry dalam Ekosistem Pengetahuan Generatif

Dalam filsafat ilmu, pertanyaan ilmiah dipandang sebagai titik awal pembentukan pengetahuan. Proses penyelidikan ilmiah selalu diawali oleh kemampuan mengidentifikasi persoalan, merumuskan pertanyaan, dan mengarahkan eksplorasi terhadap fenomena yang belum sepenuhnya dipahami. Oleh karena itu, kualitas pertanyaan memiliki pengaruh langsung terhadap kualitas pengetahuan yang dihasilkan.

Perkembangan Artificial Intelligence melahirkan Generative Knowledge Ecosystem, yaitu lingkungan pembelajaran yang memungkinkan manusia dan AI berkolaborasi dalam menghasilkan berbagai alternatif pengetahuan. Dalam ekosistem tersebut, pertanyaan ilmiah berfungsi sebagai mekanisme pengarah (epistemic driver) yang menentukan arah eksplorasi, kedalaman analisis, serta keluasan sintesis pengetahuan.

Konsep ini memperkuat pentingnya Scholarly Question Architecture, yaitu kemampuan merancang struktur pertanyaan yang tidak hanya bersifat informatif, tetapi juga eksploratif, reflektif, dan transformatif. Dengan demikian, pertanyaan ilmiah dipahami sebagai arsitektur intelektual yang membentuk ruang kemungkinan (space of inquiry) bagi lahirnya pengetahuan baru.

Rekonstruksi Scholarly Question Architecture Framework (SQAF)

Artikel ini mengusulkan Scholarly Question Architecture Framework (SQAF) sebagai kerangka konseptual yang menjelaskan kemampuan mahasiswa membangun arsitektur pertanyaan ilmiah dalam ekosistem pembelajaran berbasis Artificial Intelligence.

Framework ini terdiri atas lima dimensi utama.

1. Inquiry Orientation
Kemampuan mengidentifikasi persoalan ilmiah yang layak diselidiki serta menetapkan tujuan intelektual dari proses penyelidikan. Dimensi ini memastikan bahwa pertanyaan tidak lahir secara acak, tetapi berangkat dari kebutuhan ilmiah yang jelas.

2. Conceptual Structuring
Kemampuan menyusun hubungan antarkonsep sehingga pertanyaan memiliki struktur logis, koheren, dan mampu menggambarkan kompleksitas fenomena yang diteliti.

3. Explorative Expansion
Kemampuan mengembangkan pertanyaan menjadi rangkaian eksplorasi yang membuka berbagai kemungkinan perspektif, pendekatan, dan alternatif penjelasan tanpa kehilangan fokus akademik.

4. Reflective Refinement
Kemampuan merevisi, memperdalam, dan mempertajam pertanyaan berdasarkan bukti baru, hasil dialog dengan Artificial Intelligence, maupun refleksi terhadap proses penyelidikan yang sedang berlangsung.

5. Generative Integration
Kemampuan mengintegrasikan hasil eksplorasi menjadi pertanyaan lanjutan yang mendorong lahirnya pengetahuan baru. Pada tahap ini, pertanyaan tidak dipandang sebagai akhir proses belajar, tetapi sebagai mekanisme regeneratif yang terus memperluas ruang penyelidikan ilmiah.

Kelima dimensi tersebut membentuk suatu arsitektur pertanyaan yang memungkinkan mahasiswa menghasilkan proses penyelidikan ilmiah yang sistematis, adaptif, dan produktif dalam lingkungan kolaborasi manusia–Artificial Intelligence.

Scholarly Question Architecture sebagai Fondasi Pembelajaran Generatif

Dalam perspektif Scholarly Question Architecture Framework, Artificial Intelligence diposisikan sebagai mitra eksplorasi yang menyediakan berbagai alternatif jawaban dan perspektif. Namun, arah eksplorasi tetap ditentukan oleh manusia melalui kualitas pertanyaan yang dibangun. Mahasiswa diposisikan sebagai scientific inquiry architect, yaitu individu yang mampu merancang struktur pertanyaan ilmiah secara sadar untuk memperluas ruang penyelidikan, mengembangkan argumentasi, dan menghasilkan inovasi pengetahuan. Dengan demikian, keberhasilan pembelajaran tidak lagi bergantung pada kemampuan memperoleh jawaban tercepat, tetapi pada kemampuan mengonstruksi pertanyaan yang menghasilkan proses pembelajaran yang lebih bermakna.

Implikasi Pedagogis

Pembelajaran di pendidikan tinggi perlu bergeser dari budaya answer-oriented learning menuju question-oriented learning. Dosen dapat merancang aktivitas yang menilai kualitas pertanyaan mahasiswa, bukan hanya kualitas jawaban yang diberikan. Artificial Intelligence dimanfaatkan sebagai mitra untuk mengeksplorasi kemungkinan jawaban, sementara mahasiswa bertanggung jawab mengembangkan arsitektur pertanyaan yang mengarahkan eksplorasi tersebut.

Implikasi Institusional

Perguruan tinggi perlu memasukkan kemampuan membangun pertanyaan ilmiah sebagai capaian pembelajaran strategis dalam kurikulum. Pengembangan dosen, asesmen, dan kebijakan pemanfaatan AI juga perlu diarahkan untuk membangun budaya akademik yang menghargai kualitas penyelidikan, eksplorasi, dan inovasi berbasis pertanyaan ilmiah.

Penutup

Perkembangan Artificial Intelligence telah mengubah tantangan pendidikan tinggi dari persoalan memperoleh jawaban menuju persoalan membangun pertanyaan yang mampu menghasilkan pengetahuan baru. Dalam situasi tersebut, kualitas lulusan tidak lagi ditentukan oleh banyaknya informasi yang dikuasai, tetapi oleh kemampuannya merancang arsitektur pertanyaan ilmiah yang sistematis, reflektif, dan produktif.

Melalui Scholarly Question Architecture Framework, artikel ini menawarkan rekonstruksi konseptual bahwa kompetensi inti mahasiswa pada era Artificial Intelligence adalah kemampuan menjadi arsitek pertanyaan ilmiah, yaitu individu yang mampu membangun, mengembangkan, dan meregenerasi pertanyaan sebagai fondasi utama pembelajaran generatif dan inovasi pengetahuan dalam ekosistem kolaborasi manusia–Artificial Intelligence. Framework ini memperluas paradigma pendidikan tinggi dari sekadar penggunaan AI sebagai alat pencari jawaban menuju pemanfaatannya sebagai mitra dalam membangun budaya penyelidikan ilmiah yang berkelanjutan.