<![CDATA[Kemampuan menulis akademik dalam bahasa Inggris merupakan kompetensi penting bagi mahasiswa, namun masih menjadi kendala bagi mahasiswa Indonesia sebagai pembelajar bahasa Inggris sebagai bahasa asing, terutama karena terbatasnya umpan balik individual yang tepat waktu. Penelitian ini bertujuan mengembangkan Intelligent English Writing Assistant (IEWA) berbasis Large Language Model (LLM) serta mengevaluasi efektivitas, faktor pendukung dan penghambat, dan persepsi mahasiswa terhadap penggunaannya. Penelitian menggunakan pendekatan Design-Based Research yang terdiri atas empat fase, yaitu analisis kebutuhan, desain dan pengembangan, evaluasi formatif, dan evaluasi sumatif. IEWA dirancang dengan arsitektur Retrieval-Augmented Generation yang mengintegrasikan LLM yang di-fine-tune dengan pangkalan pengetahuan penulisan akademik. Evaluasi sumatif melibatkan 120 mahasiswa dari tiga universitas di Indonesia melalui desain kuasi-eksperimental pretest-posttest control group. Hasil menunjukkan skor posttest kelompok eksperimen (M=6.8, SD=0.7) lebih tinggi secara signifikan dibandingkan kelompok kontrol (M=5.9, SD=0.8), t(118)=6.34, p<0.001, d=1.16, dan perbedaan tersebut tetap signifikan setelah skor pretest dikontrol melalui ANCOVA. Analisis tematik mengidentifikasi tiga peran IEWA, yaitu sebagai scaffolded writing tutor, critical peer reviewer, dan sumber model bahasa akademik. Tantangan yang teridentifikasi meliputi risiko ketergantungan berlebihan, keterbatasan pemahaman konteks budaya, dan kebutuhan validasi konten oleh manusia. Penelitian ini menghasilkan prototipe asisten menulis yang dapat diadaptasi untuk pendidikan tinggi Indonesia beserta rekomendasi integrasi LLM dalam pembelajaran menulis akademik.]]>
Copyrights © 2026
