Di era digital, semakin banyak siswa belajar melalui platform daring. Namun, pernahkah kamu merasa lelah, bosan, atau frustrasi saat belajar online, lalu hasil belajar menurun? Di sinilah teknologi Adaptive Learning berbasis emosi atau Affective Adaptive Learning mulai jadi game-changer dalam dunia pendidikan.  

Menurut penelitian yang dilakukan oleh Sari et al. (2024), penerapan sistem pembelajaran adaptif berbasis AI secara signifikan meningkatkan nilai akhir siswa serta engagement mereka terhadap materi pembelajaran. Studi ini melibatkan 300 siswa dan 50 pendidik dari jenjang pendidikan dasar hingga perguruan tinggi, menggunakan pendekatan mixed-methods melalui pre-post assessment, survei, wawancara, dan analisis sistem. Hasil penelitian menunjukkan rata-rata nilai post-assessment siswa meningkat dari 68,4 menjadi 82,7 setelah menggunakan sistem adaptif. Temuan ini mengkonfirmasi bahwa sistem adaptif berbasis AI lebih efektif dibandingkan metode pembelajaran tradisional dalam meningkatkan kualitas dan pemerataan pendidikan.  

Tapi, bagaimana sistem ini bekerja, dan seberapa jauh teknologi bisa membaca serta menyesuaikan materi sesuai emosi pengguna?  

Sumber: AI Generated | Midjourney 

Apa Itu Affective Adaptive Learning dan Bagaimana Cara Kerjanya? 

Affective Adaptive Learning adalah pendekatan baru dalam teknologi pendidikan, dimana sistem mampu mengenali, memonitor, dan menyesuaikan materi pembelajaran berdasarkan emosi siswa secara real-time. Tidak hanya menyesuaikan tingkat kesulitan berdasarkan performa, sistem ini menggunakan sensor kamera, mikrofon, atau data perilaku untuk mendeteksi emosi seperti stres, kebosanan, atau antusiasme. 

Ketika sistem mendeteksi ekspresi wajah siswa yang mulai bosan atau lelah dengan menggunakan computer vision & facial expression analysis, konten bisa langsung diubah, seperti, sistem akan memberikan soal yang lebih mudah, video yang lebih interaktif, atau jeda singkat. Jika siswa tampak antusias dan fokus, sistem justru menantang mereka dengan soal yang lebih sulit atau materi lanjutan. Teknologi ini menggabungkan Affective Computing dan Adaptive Learning System, sehingga proses belajar bisa “personalized”, dimana setiap siswa dapat pengalaman belajar yang benar-benar sesuai kebutuhan dan kondisinya. 

Sumber: AI Generated | Midjourney 

Penelitian terbaru ini salah satunya dilakukan oleh Prabakaran et al. (2025) dimana, peneliti memperkenalkan sistem pembelajaran adaptif yang secara otomatis mendeteksi dan mengklasifikasikan emosi siswa melalui analisis ekspresi wajah. Sistem ini menggunakan deep learning, khususnya Convolutional Neural Networks (CNN), untuk mengenali emosi seperti bahagia, sedih, marah, dan terkejut, lalu menghubungkan kondisi emosi ini dengan aktivitas pembelajaran yang sedang berlangsung. Dengan pendekatan ini, guru dan sistem digital dapat memperoleh umpan balik real-time mengenai kondisi emosional siswa dan secara otomatis menyesuaikan materi atau tingkat kesulitan pembelajaran. Penelitian ini membuktikan bahwa adaptive learning berbasis deteksi emosi bukan sekadar konsep saja, tapi sudah mulai diimplementasikan dan diuji secara nyata, dengan hasil yang menjanjikan untuk meningkatkan engagement, efektivitas, dan kualitas pembelajaran 

 

Apa Saja Manfaatnya? Kenapa Urgensinya Besar? 

1. Meningkatkan Engagement dan Retensi Belajar 

Siswa cenderung lebih fokus dan tidak gampang menyerah saat materi sesuai kapasitas dan mood mereka. 

2. Mengurangi Stres & Burnout 

Sistem bisa mendeteksi tanda-tanda kelelahan atau kecemasan, lalu mengatur beban belajar sehingga siswa tidak “overload”. 

3. Mendorong Personalized Learning 

Setiap siswa punya gaya belajar dan mood berbeda. Adaptive learning berbasis emosi memastikan tidak ada yang merasa tertinggal selama proses pembelajaran. 

4. Potensi Untuk Pendidikan Khusus 

Sangat bermanfaat untuk siswa dengan kebutuhan khusus atau masalah psikologis, seperti ADHD, depresi ringan, atau gangguan kecemasan. 

 

Referensi 

  1. Facial Expression-Based Emotion Detection For Adaptive Teaching In Educational Environment. (2025). International Journal of Environmental Sciences, 11(12s), 1242-1249. https://doi.org/10.64252/zf589743 
  2. Sari, H. E., Tumanggor, B., & Efron, D. (2024). Improving Educational Outcomes Through Adaptive Learning Systems using AI. International Transactions on Artificial Intelligence (ITALIC), 3(1), 21–31. https://doi.org/10.33050/italic.v3i1.647  

 

Penulis 

Stefanus Benhard S.Kom. (FDP Scholar)