Skip to content

GCRI · Campaigns

Literasi AI yang bertanggung jawab

Kecerdasan buatan kini membentuk apa yang dibaca orang, layanan apa yang mereka terima, dan bagaimana konten dibuat. Literasi AI yang bertanggung jawab adalah pemahaman praktis tentang apa yang dilakukan sistem ini, di mana sistem tersebut gagal, dan hak apa yang dimiliki orang ketika sistem itu digunakan. Literasi ini mencakup mengenali media sintetis, menilai jawaban yang dihasilkan, dan mengetahui kapan keputusan otomatis dapat dipertanyakan. Halaman ini menguraikan bagaimana kesalahpahaman tentang AI terbentuk dan menyebar, bagaimana literasi diukur, dan keputusan yang dipegang oleh pendidik, regulator, dan platform.

02Pertanyaannya

Responsible AI literacy: how the risk develops.

Practical understanding of AI risks. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.

Mekanisme

Capability is misjudged

People over-trust fluent machine output, a pattern known as automation bias, and sometimes dismiss useful tools after a single failure. Conversational systems invite people to attribute understanding and intent they do not have, which shapes how carefully their answers are checked.

Mekanisme

Asal-usul menjadi kabur

Synthetic images, audio and text can be produced cheaply and are hard to tell apart from authentic material. The doubt they create also lets genuine evidence be dismissed as fabricated, a pattern described as the liar’s dividend.

Mekanisme

Harms fall unevenly

Kesalahan dan bias pada sistem otomatis paling berdampak pada orang yang paling sulit menyadari atau menggugatnya, seperti penerima tunjangan, pelamar kerja, dan penutur bahasa dengan sumber daya terbatas. Upaya literasi yang hanya menjangkau pengguna yang percaya diri justru memperlebar kesenjangan itu.

Mekanisme

Use outpaces understanding

Perangkat diadopsi di tempat kerja, sekolah, dan layanan publik sebelum pengguna, guru, atau aparatur sipil negara memiliki kosakata bersama tentang keterbatasannya. Kesalahpahaman menyebar melalui saran sejawat dan klaim pemasaran, lalu mengendap dalam praktik sebelum panduan tersedia.

03Simulator

Model ambang batas perilaku kolektif.

Setiap agen bertindak begitu cukup banyak kontaknya yang bertindak; perubahan kecil pada ambang rata-rata atau pada pelopor awal menentukan apakah perilaku tetap lokal atau berantai ke seluruh populasi. Model pengajaran dengan nilai ilustratif yang dinyatakan, bukan prediksi.

Kendali

Ambang rata-rata (pangsa tetangga)
18%
Sebaran ambang batas
8 poin
Pelopor awal
2,0% dari penduduk
Kontak per orang
8

Pembacaan

Pangsa yang akhirnya bertindak
100%
Kaskade global
Ya
Langkah menuju stabil
8
Angka, metode, dan sumber
LangkahPangsa yang telah bertindak (%)
03.3
110.0
226.3
349.3
471.0
588.5
698.8
7100.0
8100.0

Metode

  1. Threshold models of collective behaviour Granovetter (1978), American Journal of Sociology 83
  2. Global cascades on random networks Watts (2002), PNAS 99
  3. Complex contagions Centola and Macy (2007), American Journal of Sociology 113
  4. One-at-a-time sensitivity (tornado) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley

Data

No observed data enters this model: it runs on the teaching values set by the controls, to be replaced with a programme’s own evidence.

Model ambang perilaku kolektif. Model pengajaran ilustratif: model ini berjalan pada nilai yang ditetapkan oleh kontrol, bukan pada data terukur. Metode: Model ambang perilaku kolektif (Granovetter (1978), American Journal of Sociology 83); Kaskade global pada jaringan acak (Watts (2002), PNAS 99); Penularan kompleks (Centola dan Macy (2007), American Journal of Sociology 113).

Di seluruh enam pilar, dipimpin oleh Nexus Consortium

04Dalam lima domain

AI literacy matters wherever AI enters a domain’s services.

05Metode dan bukti

How Responsible AI literacy is modelled, measured and tested.

Model, asumsi, data, dan ketidakpastiannya, dalam bentuk yang akan diperiksa ilmuwan atau insinyur. Strukturnya mengikuti metode yang dipublikasikan. Nilai yang digambar bersifat ilustratif, bukan temuan.

Model sistem

The couplings between the systems in Responsible AI literacy: signs of influence, a reinforcing and a balancing loop, and cross-links where stress jumps.

++−+InformasiMasyarakatKomunitasEkonomiR penguatB penyeimbang
Causal loop diagram from the page’s systems; signs show the direction of influence. Illustrative structure for a system dynamics or network model, not estimated couplings.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
06Indikator

Apa yang diukur, dan seberapa baik.

Setiap indikator membawa satuan, frekuensi, jenis sumber di baliknya, dan label bukti yang akan dibawa suatu nilai. Tidak ada nilai yang ditampilkan: sebuah program menyediakannya berdasarkan wewenangnya sendiri.

IndikatorUnitKadensiJenis sumberLabel
Self-assessed understanding of AIpersen respondenper gelombang surveiEurobarometer dan survei nasionalDILAPORKAN
Akurasi dalam mengidentifikasi media sintetispersentase benar dalam tugas terkendaliper studiExperimental audience researchTERAMATI
Awareness of rights over automated decisionspersen respondenper gelombang surveiNational and EU surveysDILAPORKAN
Kekhawatiran tentang membedakan konten asli dari palsu secara daringpersen respondentahunanReuters Institute Digital News ReportDILAPORKAN
Guru yang dilatih dalam penggunaan AIpercent of teachersper siklus surveiOECD TALIS dan kementerian pendidikanStatistik terbitan
Insiden AI yang dilaporkan terkait penipuan atau penyamaraninsiden per bulansetiap bulanAI Incident DatabaseDILAPORKAN
AI literacy measures in national policyjumlah langkah menurut jenistahunanOECD.AI policy databaseDINYATAKAN
07Sumber

Asal bukti.

Set data publik bernama dan catatan kelembagaan, masing-masing dengan kelas lisensinya. Sumber berdasarkan perjanjian hanya digunakan sesuai ketentuannya dan tidak pernah diterbitkan ulang.

SumberApa yang diberikannyaKelas lisensi
Eurobarometer surveys on artificial intelligence and the digital decadeAwareness, attitudes and expectations of AI across EU member statesPenggunaan ulang bebas dengan atribusi
Stanford AI IndexAnnual compilation of AI research, deployment, policy and public opinion dataCC BY-ND 4.0
OECD.AI Policy ObservatoryStrategi AI nasional dan langkah kebijakan, termasuk pendidikan dan keterampilanKetentuan OECD, gratis dengan atribusi
AI Incident DatabaseReported incidents of harm or near harm involving AI systemsCC BY-SA 4.0
Reuters Institute Digital News ReportKenyamanan publik terhadap AI dalam berita dan kekhawatiran tentang konten palsuGratis dibaca; data survei atas permintaan
OECD TALISPelatihan guru, praktik, dan penggunaan alat digitalKetentuan OECD, gratis dengan atribusi
Survei Pew Research Center tentang AIKesadaran dan sikap publik terhadap AI di beberapa negaraFree to use with attribution; datasets on request
08Keputusan

Siapa yang memutuskan, dan apa yang dilayani bukti.

Campaigns menyiapkan bukti. Keputusan di bawah ini diambil oleh otoritas yang disebutkan, berdasarkan aturan mereka sendiri, dan tidak pernah oleh platform.

Siapa yang memutuskanPertanyaannyaBukti yang dilayani halaman ini
Kementerian pendidikan dan otoritas kurikulumWhich AI competencies students and teachers need, and at which stagesData pelatihan guru; kerangka kompetensi; materi ajar yang telah diuji
AI and data protection regulatorsCara mengawasi literasi AI dan kewajiban transparansi, seperti Pasal 4 Undang-Undang AI Uni EropaSurvei kesadaran; catatan insiden; ukuran literasi dalam kebijakan
Platform daring dan penyedia AICara memberi label pada konten sintetis dan menjelaskan batasan sistem kepada penggunaResearch on label comprehension; incident patterns; provenance standards
Lembaga penyelenggara pemiluHow to prepare voters for synthetic media during electionsDetection task research; rumour logs; trust in electoral information

Keluaran yang dihasilkan topik ini

  • Practical explainers on how generative and predictive systems work and fail
  • Latihan pemeriksaan sumber dan asal-usul media, dengan batasan-batasannya dinyatakan
  • Plain-language guides to rights over automated decisions under applicable law
  • Materi ajar bagi pendidik yang selaras dengan kerangka kompetensi AI UNESCO
09Pertanyaan inti

Apa yang ditanyakan pakar.

  1. 01

    What should a non-specialist understand?

    That AI systems learn patterns from data, can be confidently wrong and reflect the limits of what they were trained on.

  2. 02

    Which risks are practical today?

    Fabricated content, impersonation, automated errors in services, privacy loss and over-reliance on generated answers.

  3. 03

    How can people check what they see?

    Kebiasaan verifikasi: penelusuran sumber, sinyal asal-usul, dan menanyakan siapa yang diuntungkan oleh suatu klaim.

  4. 04

    What recourse exists?

    How people can question an automated decision, correct data about themselves or report misuse.

10Mekanisme

Pendorong hasilnya.

Model generatif menghasilkan teks, gambar dan audio yang fasih dengan memprediksi keluaran yang masuk akal, bukan dengan memeriksa fakta. Kefasihan mengundang kepercayaan, sehingga kesalahan dan fabrikasi dapat menyebar. Media sintetis menurunkan biaya penyamaran dan produksi materi yang menyesatkan dalam skala besar.

Automated decision systems used in lending, hiring, benefits or policing can embed historical patterns in their data, and their reasoning may be hard to explain. Errors fall unevenly, and people affected may not know an automated system was involved.

Diskusi publik berayun antara kepanikan dan sensasi berlebihan. Keduanya mengaburkan penilaian. Upaya literasi bertujuan membangun pemahaman yang terkalibrasi: apa yang dilakukan sistem saat ini secara andal, di mana sistem itu gagal, dan pengaman apa yang ada.

11Metode dan batasan

Cara bukti dihimpun, dan di mana batasnya.

MetodeApa yang ditampilkannyaBatasannya
Survei kesalahpahamanCommon beliefs about how AI worksBeliefs shift quickly with new tools
Hands-on exercisesWhether people can spot errors or synthetic contentDetection skills may not transfer to new formats
Tinjauan pakarAccuracy of claims about capabilitiesCapabilities change between review and reading
Langkah tindak lanjutApakah kebiasaan verifikasi bertahanAttrition and self-report bias
12Metode

Cara hal ini dikaji, dan apa yang tidak dapat dinyatakan metodenya.

  1. Ilmu sosial dan perilakuRiset audiens sebelum kampanye · Pra-uji materi untuk pemahamanDiterapkan di sini
  2. Analisis keputusan dalam ketidakpastianBerkomunikasi sebelum bukti mapan · Memilih saluran dan audiensDiterapkan di sini
13Where this page’s references

Where this page’s references lead.

Badan dan dokumen yang menjadi acuan halaman ini. Status dan edisi berubah; setiap tautan menuju badan penerbitnya.

14Pertanyaan

Tanya jawab.

Can people learn to spot deepfakes?
Training improves performance on some tasks, but skilled synthetic media are often undetectable by eye or ear. Checking the source, the context and any provenance record is more reliable than inspecting the content itself.
Apa itu provenans konten?
Catatan yang dilekatkan pada berkas gambar, video, atau audio yang menyatakan cara berkas itu dibuat dan disunting, seperti Content Credentials berdasarkan standar C2PA. Ketiadaan catatan tidak membuktikan bahwa suatu berkas palsu.
What rights do people have over automated decisions?
It depends on jurisdiction. In the European Union, data protection law gives rights to information and, in many cases, to human review of decisions based solely on automated processing. Other jurisdictions differ.
Apakah Campaigns memeringkat produk AI?
No. It explains how AI systems work and fail in general terms and points to the regulators and standards bodies whose assessments apply.
Does the platform evaluate or rate AI products?
Tidak. Halaman ini menjelaskan cara sistem AI bekerja dan gagal secara umum. Halaman ini tidak menguji, menilai, atau menyetujui produk apa pun.
Is AI used to produce campaign material?
Where a tool assists, its use is disclosed, and every claim is checked against sources by a named reviewer before publication.
How does the material stay current?
Each explainer carries a review date. When capabilities or rules change, it is revised and the change is recorded as a new version.
LaporanBerkontribusi

Kontribusikan bukti dari halaman ini.

Reports adalah publikasi triwulanan Konsorsium. Apa yang Anda ketahui tentang subjek ini dapat menjadi bukti, kasus, atau koreksi dalam edisi berikutnya, dengan kredit atas nama Anda dan dipublikasikan di bawah CC BY 4.0 jika merupakan karya Anda sendiri.

GCRIKampanyeRingkasan Bukti
Kampanye

Bawa metode, dataset, atau pertanyaan.

Informasi dan pertanyaan sudah terbuka hari ini. Sebuah pertanyaan menerima nomor referensi dan menyebutkan langkah berikutnya; lamaran, pembayaran, alokasi komputasi, dan pendaftaran hanya dibuka ketika tim, ketentuan, dan kapasitas tinjauannya tersedia.