A QUALITATIVE EXPLORATION OF STUDENTS USE OF HUMATA.AI TO UNDERSTAND THESIS LITERATURE: A COGNITIVE LOAD PERSPECTIVE

A QUALITATIVE EXPLORATION OF STUDENTS USE OF HUMATA.AI TO UNDERSTAND THESIS LITERATURE: A COGNITIVE LOAD PERSPECTIVE

Penelitian kualitatif ini mengeksplorasi bagaimana Humata.ai, sebuah alat ringkasan berbasis kecerdasan buatan (AI), membantu mahasiswa tingkat akhir Program Studi Pendidikan Bahasa Inggris dalam memahami literatur melalui perspektif Cognitive Load Theory (Teori Beban Kognitif). Penelitian ini bertujuan untuk menyelidiki (1) bagaimana Humata.ai mempermudah extraneous cognitive load (beban kognitif luar) dan mendukung germane cognitive load (beban kognitif yang berguna), serta (2) tantangan apa saja yang berkontribusi terhadap beban kognitif luar dan berguna yang dihadapi mahasiswa saat menggunakan alat tersebut. Data dikumpulkan melalui wawancara semi-terstruktur dengan sepuluh mahasiswa dan dianalisis secara tematik menggunakan pendekatan berbasis teori. Hasil penelitian menunjukkan bahwa Humata.ai menyederhanakan teks akademik yang kompleks, menyaring informasi yang tidak relevan, dan meningkatkan efisiensi waktu, sehingga meringankan beban kognitif luar. Secara bersamaan, Humata.ai mendukung beban kognitif yang berguna dengan mendorong berpikir kritis dan memungkinkan strategi membaca yang lebih terarah melalui fitur tanya jawabnya. Namun, beberapa permasalahan seperti ketergantungan berlebihan, masalah teknis, dan akurasi ringkasan juga ditemukan. Temuan ini menunjukkan bahwa meskipun Humata.ai berfungsi sebagai penopang kognitif yang efektif, penerapannya dalam pendidikan perlu disertai dengan panduan etis dan dukungan instruksional untuk menghindari ketergantungan dan menjaga keterlibatan analitis mahasiswa. Penelitian ini memberikan kontribusi pada diskursus teoretis mengenai pembelajaran berbantuan AI dan manajemen beban kognitif di pendidikan tinggi, serta merekomendasikan penelitian lanjutan lintas disiplin dan perbandingan alat untuk memperdalam pemahaman terhadap implikasi pedagogis dari AI.

This qualitative study explores how Humata.ai, an AI-powered summarization tool, assists final-year English Education students in comprehending literature through the lens of Cognitive Load Theory (CLT). The study aims to investigate (1) how Humata.ai eases extraneous cognitive load and supports germane cognitive load, and (2) what challenges contribute to extraneous and germane cognitive load that students face when using the tool. Data were collected from semi-structured interviews with ten students and analyzed thematically using a theory-based approach. The results revealed that Humata.ai simplifies complex academic texts, filters out irrelevant information, and increases time efficiency, thereby easing extraneous cognitive load. Simultaneously, Humata.ai supports germane cognitive load by promoting critical thinking and enabling strategic reading through its Q&A feature. However, issues such as over-reliance, technical issues, and accuracy of summarization were also identified. These findings suggest that while Humata.ai serves as an effective cognitive scaffold, its educational implementation should be accompanied by ethical guidance and instructional support to avoid dependency and maintain students’ analytical engagement. This study contributes to the theoretical discourse on AI-assisted learning and cognitive load management in higher education and recommends further research across disciplines and comparative tools to deepen understanding of the pedagogical implications of AI.