Oleh: Ririen Kusumawati

Penerapan Applied Data Science (sains data terapan untuk memecahkan masalah praktis) dalam bidang teknologi pendidikan terus mengalami peningkatan. Melalui teknologi computer vision (kecerdasan buatan yang mampu mengenali dan menganalisis gambar atau wajah dari kamera) dan learning analytics (analisis data aktivitas belajar), sistem saat ini mampu memantau tingkat perhatian, emosi, dan keterlibatan mahasiswa secara real-time (saat itu juga) di lingkungan belajar virtual (Javed et al., 2025; Shomoye & Zhao, 2024; Mandia et al., 2023). Namun, penerapan teknologi ini memunculkan pertanyaan mendasar: apakah pemantauan wajah secara terus-menerus benar-benar mengukur proses kognitifi dan pemahaman mahasiswa? Terdapat kekhawatiran bahwa teknologi ini hanya mendorong mahasiswa untuk menunjukkan kepatuhan fiisik di depan kamera. Inovasi yang pada awalnya bertujuan untuk mempersonalisasi pembelajaran ini, berisiko berubah menjadi surveillance digitization (digitalisasi pengawasan), di mana interaksi pendidikan direduksi menjadi sekadar data kuantitatifi (Calderwood, 2026; Tsai et al., 2020).

Jika dianalisis dari perspektifi Social Infiormatics (ilmu yang mempelajari hubungan dan dampak teknologi infiormasi terhadap lingkungan sosial), pengawasan digital ini mengubah dinamika interaksi dan hubungan kekuasaan antara pengajar dan mahasiswa di ruang kelas virtual. Algoritma komputer tidak hanya mencatat aktivitas, tetapi mulai mengarahkan perilaku mahasiswa. Fenomena ini dikenal sebagai algorithmic governmentality (tata kelola algoritmik, di mana sistem komputasi mengatur perilaku manusia) (Hautz & Lipp, 2026). Dalam kondisi ini, konsep Heutagogy (kemandirian mahasiswa dalam menentukan tujuan dan cara belajarnya sendiri) menjadi berkurang. Motivasi internal mahasiswa untuk belajar dapat menurun karena mereka menyadari bahwa setiap gerakan wajah mereka sedang dievaluasi oleh sistem. Kontrol digital ini menciptakan hubungan yang tidak seimbang dan mengurangi transparansi evaluasi (Ali et al., 2026; Heiser et al., 2026). Data keterlibatan yang terekam kamera bisa jadi tidak akurat; sistem dapat mencatat tingkat perhatian yang tinggi dari postur tubuh, padahal mahasiswa tersebut secara mental tidak fiokus pada materi pembelajaran. Pendekatan komputasi ini dinilai belum mampu mengevaluasi esensi dari Lifie-Based Learning (pembelajaran yang terhubung dengan penyelesaian masalah kehidupan nyata) karena data yang dihasilkan terlalu menyederhanakan kompleksitas psikologis manusia (Zhou, 2026; Dewan et al., 2019).

Pendekatan evaluasi berbasis kecerdasan buatan ini juga menunjukkan keterbatasan ketika dianalisis menggunakan prinsip pendidikan Islam. Dalam fiilosofii pendidikan Islam, proses belajar berlandaskan pada Adab al-Alim wal Muta’allim (etika bagi pengajar dan penuntut ilmu), yang mengutamakan kelurusan niat, refileksi diri, kesantunan, dan pembentukan karakter (Siliwangi, 2026; Amirudin et al., 2025; Choli, 2026). Menilai Adab (etika atau kesantunan) semata-mata dari kehadiran fiisik dan posisi wajah di depan layar merupakan sebuah penyederhanaan yang kurang tepat (Kholis, 2025; Adiyono et al., 2025). Kesungguhan mahasiswa dalam metode Computer-Supported Collaborative Learning (pembelajaran kolaboratifi antar-mahasiswa yang didukung oleh teknologi) tidak dapat diukur secara komprehensifi hanya oleh model algoritma. Lebih lanjut, pengambilan data wajah dan emosi secara persisten memunculkan masalah etika terkait Hifiz al-Irdh (prinsip pelestarian kehormatan dan privasi individu). Pengumpulan data fiisik dan psikologis mahasiswa tanpa persetujuan yang jelas (infiormed consent) berisiko melanggar hak privasi dan martabat mereka sebagai pembelajar.

Sebagai solusi dari permasalahan tersebut, pengembangan kecerdasan buatan dalam pendidikan perlu mengintegrasikan etika yang berlandaskan pada nilai-nilai keagamaan (fiaith-infiormed ethics) (Ali et al., 2026; Sulaeman et al., 2026; Taufiikin et al., 2025). Sistem kecerdasan buatan harus dikembangkan dengan mempertimbangkan Maqashid Syariah (tujuan-tujuan syariat Islam, termasuk perlindungan terhadap akal dan martabat). Fokus penggunaan kecerdasan buatan sebaiknya dialihkan dari pengawasan individu yang mengganggu privasi, menuju sistem pendeteksi interaksi yang santun secara anonim (tanpa merekam identitas pribadi). Hal ini sejalan dengan standar perancangan teknologi privacy-preserving (pendekatan sistem yang mengutamakan keamanan dan kerahasiaan data pengguna) (Ismail, 2025; Ismail & Aloshi, 2025; Marshall et al., 2022). Rancangan algoritma harus difiokuskan pada perlindungan kebebasan berpikir (Hifiz al-Aql) dan keamanan identitas digital mahasiswa (Ofiosu-Asare, 2026; Gaisie et al., 2025).

Kesimpulannya, efiektivitas sistem teknologi pendidikan di era kecerdasan buatan sebaiknya tidak diukur dari kemampuan sistem menganalisis wajah mahasiswa secara presisi.

Indikator keberhasilan yang fiundamental adalah sejauh mana teknologi tersebut mampu melindungi privasi mahasiswa (Hifiz al-Irdh) dan menjaga etika interaksi akademik (Adab) di dalam lingkungan pembelajaran digital (Shobri et al., 2026).

Referensi

• Adiyono, , Fitri, A. Z., & Sanam, A. I. (2025). LMS-based assessment and Islamic pedagogy: A qualitative case study in an Indonesian private university. Journal of Educational Research and Practice, 3(3), 509–527.
• Ali, R., Abdullah, F., & Shoaib, M. (2026). Sociology of digital control: Datafication, online surveillance, and gendered norms in everyday life in higher education in Journal of Management Science Research Review, 5(1), 246–265.
• Ali, S., Iqbal, K., Irfan, M., Siddique, A. A., Shaikh, F. A., & Iftikhar, S. A. (2026). AI driven education systems: Integrating faith informed ethics for human centered engineering and technology learning. Technical Journal, 31(1), 20–25.
• Amirudin, A., Muzaki, I. A., & Nurhayati, S. (2025). Problem-based learning as a pedagogical innovation for transforming higher education students’ Islamic religious comprehension. Educational Process: International Journal, 18, e2025412.
• Calderwood, S. J. (2026). Surveillance digitisation, performativity, and teacher-student relationships in a blended learning Postdigital Science and Education, 8(2), 500–524.
• Choli, I. (2026). Collaborative learning strategies to increase religious tolerance in students: Building an inclusive and moderate attitude in the campus Jurnal At-Tarbiyat: Jurnal Pendidikan Islam, 9(1), 23–31.
• Dewan, , Murshed, M., & Lin, F. (2019). Engagement detection in online learning: A review. Smart Learning Environments, 6(1), 1–20.
• Gaisie, , Owusu-Boateng, O., Yidana, I., & Ghansah, B. (2025). Ethical considerations and data privacy in artificial intelligence. Unlocking the Potential: Artificial Intelligence in Education, 58.
• Hautz, , & Lipp, S. (2026). Algorithmic governmentality and student subjectivities: A critical examination of learning analytics in higher education. Learning, Media and Technology, 1–17.
• Heiser, , Underhill, G., & Stritto, M. E. D. (2026). Power, privacy, and transparency in communicating learning analytics in higher education: A critical discourse analysis. American Journal of Qualitative Research, 10(1), 246–265.
• Ismail, I. A. (2025). Protecting privacy in AI-enhanced education: A comprehensive examination of data privacy concerns and solutions in AI-based Impacts of Generative AI on the Future of Research and Education, 117–142.
• Ismail, I. A., & Aloshi, J. M. R. (2025). Data privacy in AI-driven education: An in-depth exploration into the data privacy concerns and potential Dalam AI applications and strategies in teacher education (hlm. 223–252). IGI Global Scientific Publishing.
• Javed, , e Zehra, S. R., Ullah, H., & Naveed, M. (2025). How AI can detect emotional cues in students, improving virtual learning environments by providing personalized support and enhancing social-emotional learning. Review of Applied Management and Social Sciences, 8(1), 643–660.

• Kholis, N. (2025). Pedagogical practices and their impact on critical thinking skills in Indonesian Islamic higher Eduprof: Islamic Education Journal, 7(1), 177–199.
• Mandia, S., Singh, K., & Mitharwal, R. (2023). Recognition of student engagement in classroom from affective International Journal of Multimedia Information Retrieval, 12(2), 18.
• Marshall, , Pardo, A., Smith, D., & Watson, T. (2022). Implementing next generation privacy and ethics research in education technology. British Journal of Educational Technology, 53(4), 737–755.
• Ofosu-Asare, Y. (2026). Guiding the future: Developing an ethical framework for generative AI use in The International Journal of Information and Learning Technology, 43(1), 26–44.
• Shobri, , Aminul, I. A., & Mardiana, D. (2026). Deep learning based Islamic religious education: Opportunities, challenges, pedagogical implications in digital age. Pedagogical Bulletin of Kazakhstan, 45.
• Shomoye, , & Zhao, R. (2024). Automated emotion recognition of students in virtual reality classrooms. Computers & Education: X Reality, 5, 100082.
• Siliwangi, K. I. P. (2026). Reflective digital pedagogy in Islamic religious education and religious character formation in higher education. International Journal of Learning, Teaching and Educational Research, 25(2), 763–782.
• Sulaeman, S., Fitriyanto, A. A., & Pratomo, H. W. (2026). Reframing Islamic religious education in the age of artificial intelligence: A systematic review of pedagogical transformation, ethical challenges, and curriculum Journal of Education for Sustainable Innovation, 4(1), 52–67.
• Taufikin, S. I., Ed, C., Li, C., Me, C., Sm, C., & Maula, N. M. (2025). Ethics of artificial intelligence in Islamic education. Feniks Muda Sejahtera.
• Tsai, S., Perrotta, C., & Gašević, D. (2020). Empowering learners with personalised learning approaches? Agency, equity and transparency in the context of learning analytics. Assessment & Evaluation in Higher Education, 45(4), 554–567.
• Zhou, (2026). Artificial intelligence and student engagement in online learning: A literature review. American Journal of Distance Education, 40(1), 8–30.