Perpustakaan sebagai Katalis Keberhasilan Mahasiswa

Di era di mana perguruan tinggi dihadapkan pada tantangan yang semakin kompleks, salah satu kunci untuk meningkatkan keberhasilan mahasiswa adalah memaksimalkan setiap sumber daya yang ada. 

Artikel yang berjudul "Predicting student success with and without library instruction using supervised machine learning methods" yang ditulis oleh Harker dkk. (2024), memberikan wawasan menarik tentang bagaimana pendekatan prediktif, khususnya melalui instruksi perpustakaan, dapat memengaruhi keberhasilan mahasiswa. 

Sebagai seorang pemerhati masalah pendidikan tinggi dan perpustakaan, saya menilai bahwa temuan ini memberikan harapan baru dalam meningkatkan kualitas pendidikan dan layanan perpustakaan.

Penggunaan metode pembelajaran mesin terawasi dalam penelitian ini terbukti mampu memprediksi kesuksesan mahasiswa dengan lebih akurat. Penelitian ini menggunakan data dari lebih dari 10.000 mahasiswa selama empat tahun, yang mencakup informasi demografis dan akademis, serta partisipasi dalam sesi instruksi perpustakaan. 

Menariknya, model pohon keputusan yang ditingkatkan dengan teknik 'boosted' memberikan prediksi paling akurat terhadap hasil mahasiswa, menempatkan pengaruh instruksi perpustakaan setelah nilai rata-rata (GPA) sebelumnya. 

Hal ini mengindikasikan bahwa walaupun pengaruhnya dianggap moderat, instruksi perpustakaan tetap signifikan, terutama untuk mahasiswa yang mengalami kesulitan akademis.

Salah satu implikasi penting dari temuan ini adalah potensi penyesuaian sasaran instruksi perpustakaan terhadap kelompok mahasiswa yang paling membutuhkan. 

Penelitian ini menunjukkan bahwa instruksi perpustakaan memiliki dampak yang lebih besar pada mahasiswa dengan GPA kumulatif yang lebih rendah dan mahasiswa generasi pertama. 

Ini menunjukkan bahwa perpustakaan bisa memainkan peran kritikal dalam meningkatkan keberhasilan akademis, khususnya bagi mereka yang mungkin tidak memiliki akses atau familiaritas dengan sumber daya yang dibutuhkan untuk sukses di perguruan tinggi.

Keberhasilan model pembelajaran mesin ini juga membuka peluang bagi perpustakaan untuk lebih proaktif dalam mendukung keberhasilan mahasiswa. 

Melalui model prediktif, perpustakaan dapat mengidentifikasi mahasiswa yang mungkin mengalami kesulitan sebelum masalah tersebut menghambat kemajuan mereka, memungkinkan intervensi yang lebih tepat waktu dan relevan. 

Misalnya, dengan informasi prediktif, pustakawan dapat menyesuaikan sesi instruksi atau sumber daya yang ditawarkan kepada mahasiswa berdasarkan kebutuhan spesifik mereka, yang pada akhirnya dapat membantu meningkatkan tingkat kelulusan dan keberhasilan akademis secara keseluruhan.

Selain itu, penelitian ini juga menggugah pemikiran tentang bagaimana institusi pendidikan tinggi dan perpustakaan bisa bekerja sama lebih efektif. 

Integrasi instruksi perpustakaan dalam kurikulum akademis, tidak hanya sebagai sesi tambahan tetapi sebagai bagian integral dari pengalaman belajar mahasiswa, bisa menjadi langkah strategis untuk menguatkan literasi informasi dan keterampilan penelitian mahasiswa.

Dengan demikian, penelitian ini tidak hanya menunjukkan pentingnya instruksi perpustakaan dalam konteks akademis tetapi juga memberikan bukti nyata bahwa teknologi dan data besar dapat diaplikasikan untuk meningkatkan efektivitas pendidikan tinggi. 

Ini merupakan contoh bagaimana inovasi dapat digunakan untuk mengatasi tantangan yang dihadapi dalam pendidikan tinggi dan perpustakaan saat ini.

***

Dari artikel  Harker dkk. ini, kita dapat melihat lebih jauh mengenai bagaimana pendekatan analitis dapat memberikan manfaat nyata dalam konteks pendidikan dan perpustakaan. 

Temuan ini tidak hanya merefleksikan kemajuan teknologi dalam pendidikan tetapi juga mengemukakan beberapa pertanyaan etis dan praktis yang harus dihadapi oleh para pendidik dan pustakawan.

Salah satu aspek yang menarik dari penelitian ini adalah penggunaan data besar untuk mengidentifikasi kelompok mahasiswa yang paling diuntungkan oleh instruksi perpustakaan. 

Dengan memfokuskan sumber daya pada kelompok yang lebih rentan---seperti mahasiswa dengan GPA rendah dan mahasiswa generasi pertama---perpustakaan dapat lebih efektif dalam meningkatkan keberhasilan akademis. 

Ini menunjukkan sebuah pergeseran dari pendekatan yang lebih umum atau egaliter dalam penyediaan layanan pendidikan menjadi pendekatan yang lebih terfokus dan terpersonalisasi berdasarkan kebutuhan individu.

Namun, penggunaan model prediktif ini juga mengangkat pertanyaan tentang bagaimana data tersebut digunakan. 

Ada risiko bahwa prediksi yang dilakukan bisa menciptakan "propesi yang menggenapi diri sendiri" di mana ekspektasi rendah terhadap mahasiswa tertentu mungkin secara tidak sengaja mendorong hasil yang lebih buruk. 

Oleh karena itu, sangat penting untuk pendekatan ini diterapkan dengan cara yang mendukung dan konstruktif, memastikan bahwa semua mahasiswa memiliki kesempatan untuk berhasil, bukan hanya mereka yang model prediktif menunjukkan akan sukses.

Dari segi praktis, temuan dari penelitian ini dapat dimanfaatkan oleh perpustakaan untuk mengembangkan strategi yang lebih baik dalam mendesain dan menyampaikan sesi instruksi. 

Pemahaman yang lebih dalam tentang dampak spesifik instruksi perpustakaan terhadap berbagai demografi mahasiswa memungkinkan pustakawan untuk merancang program yang lebih relevan dan menggugah, yang dapat meningkatkan partisipasi dan, pada akhirnya, hasil pendidikan.

Selanjutnya, penting juga untuk mengakui batasan dari studi ini. Penulis menyatakan bahwa model yang digunakan tidak cukup akurat untuk dipergunakan dalam prediksi keberhasilan mahasiswa pada tingkat individu. 

Hal ini mengingatkan kita pada kenyataan bahwa alat dan teknologi canggih masih perlu dikalibrasi dan ditingkatkan seiring waktu dan dengan adanya data tambahan. Ini juga menyoroti kebutuhan akan penelitian lebih lanjut untuk mengeksplorasi metode lain yang mungkin memberikan hasil yang lebih akurat atau lebih aplikatif secara praktis.

***

Kesimpulan dari artikel ini memberikan wawasan penting bahwa meskipun teknologi dan metode analitis modern menawarkan kemampuan prediktif yang signifikan, aplikasi praktisnya dalam pendidikan dan perpustakaan memerlukan pertimbangan etis dan profesional yang cermat. 

Penggunaan model pembelajaran mesin dalam pendidikan tidak hanya tentang implementasi teknologi, tetapi juga tentang memastikan bahwa pendekatan ini digunakan dengan cara yang memperkuat misi pendidikan untuk mendukung semua mahasiswa secara adil dan efektif. Ini merupakan langkah penting dalam mengarahkan masa depan pendidikan tinggi yang lebih inklusif dan berbasis bukti.

Referensi

Harker, K., Hargis, C., & Rowe, J. (2024). Predicting student success with and without library instruction using supervised machine learning methods. Performance Measurement and Metrics. https://doi.org/10.1108/PMM-12-2023-0047