<![CDATA[Studi ini bertujuan mendeskripsikan kontribusi media pembelajaran berbasis kecerdasan buatan (AI) terhadap motivasi belajar matematika siswa. Penelitian menggunakan pendekatan kualitatif deskriptif dengan pengumpulan data melalui angket, wawancara, dan dokumentasi pada siswa kelas XI di MAN 1 Banjarmasin. Fokus analisis diarahkan pada perubahan minat, kegigihan dalam mengerjakan tugas, dan kemauan menghadapi soal menantang setelah integrasi AI dalam pembelajaran. Hasil angket dari lima responden menunjukkan kecenderungan peningkatan motivasi saat AI dimanfaatkan untuk latihan adaptif dan umpan balik cepat. Wawancara dengan tiga siswa menguatkan temuan tersebut: dua siswa melaporkan pemahaman yang lebih baik dan peningkatan kedisiplinan dalam pemecahan masalah, sementara satu siswa menyatakan minat yang rendah karena ekspektasi yang tidak realistis dan kesalahpahaman terhadap fungsi sistem AI. Temuan menyoroti pentingnya penyiapan ekspektasi, literasi AI dasar, dan desain tugas yang memandu interaksi produktif dengan alat AI. Implikasinya, guru perlu mengorkestrasi penggunaan AI melalui tujuan belajar yang jelas, mekanisme umpan balik formatif, dan pendampingan etis agar motivasi yang tumbuh berkelindan dengan pencapaian belajar. Keterbatasan studi meliputi ukuran sampel yang kecil dan data yang bersifat kontekstual; penelitian lanjutan dengan desain campuran dan sampel lebih luas disarankan. Artificial intelligence in mathematics classrooms: Effects on students’ learning motivation Abstract: This study describes how AI-based learning media contribute to students’ motivation in mathematics. A qualitative descriptive approach was adopted, using questionnaires, interviews, and documentation with eleventh-grade students at MAN 1 Banjarmasin. The analysis focused on changes in interest, persistence with tasks, and willingness to tackle challenging problems after AI was integrated into instruction. Questionnaire responses from five students suggested increased motivation when AI provided adaptive practice and rapid feedback. Interviews with three students corroborated these trends: two students reported better understanding and greater discipline in problem solving, while one student showed lower interest due to unrealistic expectations and misunderstandings about AI functionalities. The findings highlight the need for expectation-setting, basic AI literacy, and task designs that guide productive interactions with AI tools. Practically, teachers should orchestrate AI use through clear learning goals, formative feedback mechanisms, and ethical guidance so that motivational gains translate into achievement. The study is limited by its small sample size and contextual scope; future research employing mixed methods and larger samples is recommended to examine effects across different cohorts and instructional settings.]]>
Copyrights © 2025
