Saya punya ide besar. Yang mendesak jam 11 malam, biasanya berangkat saat sarapan. Jadi, ketika saya terpikir untuk membaca — seorang AI yang merekomendasikan membaca untuk perpustakaan sekolah kami agar anak-anak bersemangat — saya bertanya kepada rekan saya apakah saya bisa menukar akhir pekan saya dengan ide tersebut.
“Lakukan saja,” katanya
Percakapan Mei 2025. Aplikasi November langsung di kelas. Jalur cepat? Tidak. Kerja keras yang menyakitkan. Ya.
Alasannya
Saya pernah mengajar di Inggris, Timur Tengah, Asia Tenggara. Sebelas tahun. Saya telah melihat pustakawan menyusun buku-buku sempurna yang disimpan di rak, mengumpulkan debu. Mengapa? Tidak ada sistem yang menghubungkan anak ini ke buku itu.
Peralatan yang ada saat ini mahal. Kaku. Mereka mengabaikan apa yang sebenarnya ada di rak Anda. Saya menyadari bahwa teknologi itu ada, tetapi tidak ada yang membuatkannya untuk guru seperti saya. Jadi saya melakukannya. Saya menggunakan pengkodean getaran.
Belajar dengan Cara yang Sulit
Pengkodean getaran. Anda mendeskripsikan kode dalam bahasa Inggris sederhana ke AI. Anda tidak membuat kode. Anda berbicara. Saya mulai berbicara.
Kemajuannya sangat cepat. Sehari maju, tiga mundur. Saya hampir berhenti sepanjang musim panas. Saya menjalankan Mac berusia dua belas tahun. Menginstal lingkungan terasa seperti pekerjaan kedua. Lalu saya kehilangan kode berjam-jam. Tidak ada cadangan. Hanya menatap layar. Kosong.
Sampul buku adalah mimpi buruknya. Saya punya sepuluh ribu judul. Saya membutuhkan API legal, tanpa scraping. Menulis kode sampai saya bangkrut. Sangat berhasil. Membuat halaman pemeriksaan manual. Berminggu-minggu mengklik. Kemudian halaman itu mogok. Dimulai kembali dari nol.
Beralih dari Kopilot ke Claude. Lebih baik, tapi tetap saja gila. loop. Kesalahan. Masih lebih baik daripada tidak sama sekali.
Sekarang? Apa yang memakan waktu berbulan-bulan membutuhkan waktu berjam-jam. LLM bergerak sangat cepat.
Apa yang membutuhkan waktu berhari-hari dan berminggu-minggu di akhir jam 5, dapat saya selesaikan dalam hitungan jam. Angka ini menakutkan.
Cara Kerjanya
Tetap sederhana.
1. Unggah katalog sekolah sebagai CSV. Selesai. Tidak ada katalog ulang.
2. Membuat profil siswa.
3. Jalankan pemeriksaan membaca cepat. Tingkat, minat.
AI memindai katalog. Cocokkan dengan kesukaan anak, penulis favorit, topik kelas. Menghasilkan daftar buku sudah di perpustakaan Anda.
Profil menunjukkan nama, usia membaca, preferensi genre, topik terkini. Data tetap berada pada guru dan pustakawan. Privasi penting. LibraryAid mematuhi GDPR dan COPPA. Penyimpanan Google Firebase. Tidak ada alamat email. Login adalah kode + PIN.
Anak-anak masuk. Lihat lima puluh rekomendasi. Peringkat.
* Tandai “membaca”
* Tandai “selesai”
* Tandai “ingin”
Selesaikan buku? Tulis ulasan. Jawab pertanyaan pemahaman. Dapatkan poin. Buka kunci aksesori cacing. Poin genre berbeda untuk worm gear berbeda. Membaca lebar mengalahkan volume membaca di sini. Ulasan memberi makan mesin. Penemuan seorang anak menjadi terlihat oleh sekolah.
Mesinnya menggunakan daftar “buku induk” yang berisi 1.000+ judul penghargaan. Itu tidak hanya sesuai level. Ini menggali hal-hal tersembunyi yang tidak pernah ditemukan sendiri oleh anak-anak. Terkadang ini adalah genre baru dengan topik yang sudah dikenal. Terkadang ini adalah langkah logis berikutnya. Penulis serupa. Kelanjutan seri.
Orang Sebenarnya Menyukainya?
Rekan saya bilang saya bisa melakukannya. Sejujurnya. Keyakinan itu berarti lebih dari tutorial apa pun. Guru lain memberikan tanggapan. Jujur. Merendahkan. Seseorang segera mengintegrasikannya. Disebut bermanfaat.
Anak saya menyukainya. Mengujinya tanpa henti. Memberitahu sekolahnya. Lalu melakukan apa yang hanya bisa dilakukan oleh anak berusia dua belas tahun. Menanyakan LLM apakah LibraryAid akan berhasil. Bunyinya “ya.” Momen mengasuh anak masa kini.
Reaksi Anak-Anak
Sesuatu berubah. Pembaca yang tidak antusias menginginkan perpustakaan. Ini menjadi perburuan harta karun.
Seorang pelajar bahasa Inggris, dua nilai di bawah penempatannya. Cocok dengannya. Dia membaca tiga kali lipat kemajuan rata-rata teman-teman sekelasnya. Teknologi tidak memperbaikinya. Itu hanya memberinya buku-buku yang layak diperjuangkan.
Saya membaca keras-keras Berenang Melawan Badai. Tema lingkungan. Dampak yang mencolok. Keesokan harinya? Seisi kelas mengerumuni aplikasi untuk buku petualangan seperti itu. Percikan manusia. Bahan bakar mesin. Aplikasi ini bekerja paling baik di samping seorang guru. Bukan bukannya satu.
Apa yang Mengajari Saya tentang Debugging
Memperbaiki kode dan memperbaiki kesalahpahaman terlihat sama. Keduanya membutuhkan kesabaran. Keduanya membutuhkan hipotesis. Menulis algoritma adaptif memaksa saya memikirkan diferensiasi.
Kebanyakan teknologi pendidikan gagal. Dibuat untuk admin, bukan guru. Mengoptimalkan untuk dasbor. Mengabaikan tiga puluh anak yang berbeda.
Alat ini memunculkan buku. Itu tidak menjamin inspirasi. Seorang anak menunjukkan daftarnya kepada saya. Mata memohon. Hilang. Daftarnya bagus sekali. Klasik, permata, kenyamanan, peregangan. Dia hanya melihat serial yang dia tahu. Algoritmenya bekerja dengan sempurna. Dia membutuhkan seseorang.
Anda tidak dapat mengkodekan kepercayaan.
Tidak ada mesin rekomendasi yang menggantikan saat seorang anak bertanya, “Apa yang saya baca sekarang?” dan melihatmu.
Bangun alat yang memperluas kita. Biarkan AI cocok. Mari kita menyenggol. LibraryAid mungkin merupakan hal terbaik yang pernah saya buat. Bahkan lebih baik dari beberapa pelajaran.
Tapi itu bukanlah tongkat ajaib.
Apa yang kita lakukan saat layar bertuliskan “coba ini” dan anak itu menatap kosong ke arah kita?
Bagian itu belum terotomatisasi. Mungkin seharusnya tidak demikian. 🐛
