Seni Menulis Prompt AI: Cara Guru Menjimatkan Masa dan Meningkatkan Kualiti PdP

Pendahuluan

Menjelang pertengahan tahun 2026, penggunaan kecerdasan buatan (AI) dalam bilik darjah bukan lagi sesuatu yang bersifat eksperimental. Ia telah menjadi sebahagian daripada realiti harian guru di sekolah rendah, menengah, dan institusi pengajian tinggi di Malaysia. Namun, satu kemahiran asas masih kurang dikuasai oleh majoriti pendidik, iaitu prompt engineering: seni dan sains menulis arahan yang tepat kepada sistem AI supaya output yang dihasilkan benar-benar memenuhi keperluan pedagogi.

Ramai guru yang telah mencuba alat AI seperti ChatGPT, Gemini, atau Copilot sering mengadu bahawa hasil yang diperoleh tidak memuaskan: soalan peperiksaan yang dihasilkan terlalu mudah, rancangan pengajaran yang terlalu generik, atau bahan latihan yang tidak sesuai dengan aras murid. Masalah ini bukan terletak pada kelemahan teknologi AI itu sendiri, tetapi pada cara arahan diberikan kepada sistem tersebut. "Prompt engineering" untuk guru ialah kemahiran merancang arahan, konteks dan format output yang tepat supaya model bahasa besar (LLM) boleh menghasilkan soalan peperiksaan, bahan latihan dan rancangan pengajaran yang benar-benar berguna dalam konteks bilik darjah.^[3][8]

Artikel ini ditulis khusus untuk guru-guru Malaysia yang ingin memanfaatkan teknologi AI secara lebih strategik dan berkesan. Anda tidak perlu menjadi pakar teknologi untuk menguasai kemahiran ini. Yang diperlukan hanyalah pemahaman tentang prinsip-prinsip asas komunikasi dengan sistem AI, digabungkan dengan kepakaran pedagogi yang anda telah miliki selama ini. Justeru, "prompt engineering" sebenarnya adalah tentang menterjemahkan kepakaran anda sebagai pendidik ke dalam bahasa yang difahami oleh mesin.

Dalam artikel ini, saya akan membawa anda melalui evolusi "prompt engineering", keupayaan terkini alat AI pada tahun 2026, aplikasi praktikal dalam pendidikan, serta panduan khusus untuk konteks sekolah Malaysia. Lebih penting lagi, saya akan membincangkan cabaran dan isu etika yang perlu diambil serius oleh setiap pendidik yang menggunakan AI dalam tugasan profesional mereka.

Latar Belakang

Konsep "prompt" dalam konteks AI merujuk kepada sebarang input teks yang diberikan kepada model bahasa untuk mendapatkan respons. Pada peringkat awal perkembangan LLM sekitar tahun 2020-2022, kebanyakan pengguna berinteraksi dengan model AI secara spontan tanpa strategi yang jelas; hasilnya sering tidak konsisten dan memerlukan banyak percubaan berulang. Kesedaran bahawa cara penulisan arahan secara langsung mempengaruhi kualiti output mula mendapat perhatian serius dalam komuniti penyelidik dan pengamal teknologi.

Menjelang tahun 2023 dan 2024, "prompt engineering" telah berkembang menjadi satu disiplin yang diiktiraf, dengan pelbagai teknik formal diperkenalkan seperti zero-shot prompting, few-shot prompting, chain-of-thought prompting, dan role prompting. Syarikat-syarikat teknologi besar mula menerbitkan panduan rasmi tentang cara berinteraksi dengan model AI mereka, dan komuniti pendidik global mula menerokai potensi teknik-teknik ini dalam konteks pengajaran dan pembelajaran.

Di Malaysia, penerimaan AI dalam pendidikan berlaku secara beransur-ansur. Kementerian Pendidikan Malaysia telah mula memperkenalkan garis panduan penggunaan AI dalam pendidikan, dan banyak sekolah telah mula menyediakan akses kepada alat AI untuk guru dan murid. Namun, jurang antara ketersediaan teknologi dan keupayaan untuk menggunakannya secara berkesan masih ketara. Inilah konteks yang menjadikan "prompt engineering" sebagai kemahiran kritikal yang perlu dikuasai oleh setiap pendidik Malaysia pada tahun 2026.

Keupayaan Terkini (Jun 2026)

Pada pertengahan tahun 2026, model-model bahasa besar yang tersedia untuk guru telah mencapai tahap keupayaan yang jauh melampaui generasi sebelumnya. Sistem AI terkini mampu memahami konteks yang kompleks, mengikuti arahan berbilang langkah, dan menghasilkan output dalam pelbagai format dengan konsistensi yang tinggi. "Prompt engineering" yang baik membolehkan guru memanfaatkan sepenuhnya keupayaan ini.^[3][8]

Pemahaman Konteks yang Lebih Mendalam

Model AI terkini mampu memproses konteks yang panjang dan kompleks. Ini bermakna guru boleh memberikan maklumat latar belakang yang terperinci tentang murid mereka, sukatan pelajaran, dan objektif pembelajaran sebelum meminta AI menghasilkan bahan. Ini berbeza jauh dengan model-model awal yang sering "terlupa" konteks selepas beberapa pertukaran mesej. Dengan keupayaan ini, "prompt engineering" yang memasukkan konteks yang kaya akan menghasilkan output yang jauh lebih relevan dan tersuai.^[3]

Multimodal dan Penyepaduan Dokumen

Guru kini boleh memuat naik dokumen sukatan pelajaran, kertas soalan lepas, atau bahan rujukan terus ke dalam sistem AI dan meminta model tersebut menghasilkan soalan atau bahan pengajaran berdasarkan dokumen yang diberikan. Ini bermakna "prompt engineering" pada tahun 2026 bukan sekadar tentang menulis teks arahan; ia juga melibatkan strategi bagaimana menggunakan dokumen sedia ada sebagai konteks untuk mendapatkan output yang lebih tepat dan relevan.^[8]

Konsistensi Format Output

Salah satu kemajuan paling signifikan ialah keupayaan model AI untuk mengikuti spesifikasi format yang ketat. Guru boleh menentukan dengan tepat bagaimana output perlu distrukturkan. Misalnya, soalan peperiksaan dalam format tertentu mengikut taksonomi Bloom, rancangan pengajaran dengan ruangan masa yang spesifik, atau bahan latihan dengan aras kesukaran yang berbeza untuk murid yang berbeza. Kemahiran "prompt engineering" yang baik membolehkan guru memanfaatkan keupayaan ini secara sistematik.^[3][8]

Aplikasi dalam Pendidikan

"Prompt engineering" membuka pelbagai kemungkinan aplikasi praktikal dalam tugasan harian guru. Berikut adalah beberapa domain utama di mana teknik ini boleh memberikan impak yang paling ketara.

Penghasilan Soalan Peperiksaan

Ini mungkin aplikasi yang paling segera berguna bagi kebanyakan guru. Dengan "prompt engineering" yang baik, guru boleh meminta AI menghasilkan set soalan yang selaras dengan aras taksonomi Bloom yang spesifik, format peperiksaan tertentu, dan sukatan pelajaran yang relevan. Kunci kejayaan di sini ialah kekhususan dalam "prompt": semakin terperinci arahan yang diberikan, semakin relevan soalan yang dihasilkan.^[3][8]

Sebagai contoh, bandingkan dua "prompt" berikut:

Contoh "prompt" lemah: "Buat 10 soalan Matematik Tingkatan 4."

Contoh "prompt" berkesan: "Anda adalah guru Matematik berpengalaman di sekolah menengah Malaysia. Sila hasilkan 10 soalan peperiksaan Matematik Tingkatan 4 topik Fungsi Kuadratik, dengan pecahan berikut: 4 soalan aras pengetahuan dan kefahaman (taksonomi Bloom Aras 1-2), 4 soalan aras aplikasi (Aras 3-4), dan 2 soalan aras analisis dan sintesis (Aras 5-6). Setiap soalan perlu disertakan dengan skim pemarkahan ringkas. Format: nombor soalan, soalan, markah, dan skim pemarkahan."

Perbezaan dalam kualiti output antara dua "prompt" ini adalah ketara. "Prompt" kedua menggunakan teknik role prompting (menetapkan peranan AI), memberikan konteks yang jelas, menentukan format output, dan menyatakan keperluan pedagogi yang spesifik.^[3]

Pembangunan Rancangan Pengajaran Harian (RPH)

Rancangan pengajaran adalah antara tugasan yang paling memakan masa bagi guru. "Prompt engineering" yang berkesan boleh membantu guru menghasilkan draf RPH yang komprehensif dalam masa yang singkat. Kuncinya ialah memasukkan elemen-elemen kontekstual yang penting: mata pelajaran, tingkatan, bilangan murid, objektif pembelajaran, tempoh masa, ketersediaan sumber, dan keperluan khusus murid jika ada.^[8]

Penghasilan Bahan Latihan Berdiferensasi

Salah satu cabaran terbesar dalam pengajaran ialah memenuhi keperluan murid dengan aras kebolehan yang berbeza dalam satu kelas yang sama. AI dengan "prompt" yang tepat boleh membantu guru menghasilkan set latihan yang sama topiknya tetapi berbeza dari segi aras kesukaran: satu set untuk murid yang memerlukan sokongan tambahan, satu set untuk murid pada aras sederhana, dan satu set lagi untuk murid yang lebih cemerlang.^[3][8]

Penghasilan Bahan Bacaan dan Teks Rangsangan

Guru bahasa, sama ada Bahasa Melayu, Bahasa Inggeris, mahupun bahasa lain, boleh menggunakan "prompt engineering" untuk menghasilkan teks rangsangan yang sesuai dengan aras murid, tema yang relevan, dan panjang yang dikehendaki. Teknik few-shot prompting sangat berguna di sini kerana guru boleh memberikan contoh teks yang diingini sebagai panduan sebelum meminta AI menghasilkan teks baharu.^[3]

Konteks Malaysia: Kajian Kes & Praktikal

Penggunaan "prompt engineering" dalam konteks pendidikan Malaysia mempunyai nuansa tersendiri yang perlu diambil kira. Guru-guru Malaysia berhadapan dengan realiti unik: sistem pendidikan pelbagai bahasa, keperluan untuk mematuhi sukatan pelajaran Kementerian Pendidikan Malaysia, kepelbagaian latar belakang murid, dan akses infrastruktur yang tidak seragam antara sekolah bandar dan luar bandar.

"Prompt" dalam Bahasa Melayu dan Konteks Tempatan

Satu perkara penting yang perlu difahami oleh guru Malaysia ialah model AI terkini boleh digunakan dalam Bahasa Melayu dengan keberkesanan yang semakin meningkat. Guru boleh menulis "prompt" dalam Bahasa Melayu dan mendapatkan output dalam Bahasa Melayu yang berkualiti. Namun, untuk topik yang sangat khusus kepada konteks Malaysia, seperti soalan berkaitan sejarah tempatan, contoh yang menggunakan nama dan tempat Malaysia, atau bahan yang merujuk kepada dokumen rasmi KPM, guru perlu memberikan konteks tambahan yang lebih terperinci dalam "prompt" mereka.^[3][8]

Senario Praktikal: Guru Sejarah Tingkatan 3

Ambil contoh seorang guru Sejarah Tingkatan 3 yang ingin menyediakan soalan UASA (Ujian Akhir Sesi Akademik). Beliau boleh menggunakan "prompt" seperti berikut: menetapkan peranan AI sebagai guru Sejarah berpengalaman, menyatakan topik spesifik dari sukatan pelajaran Tingkatan 3, menentukan format soalan (objektif, struktur, esei), menyatakan bilangan soalan bagi setiap format, dan meminta skim pemarkahan berdasarkan panduan KPM. Dengan pendekatan ini, draf soalan yang dihasilkan boleh menjadi titik permulaan yang kukuh, yang kemudiannya disemak dan diperhalusi oleh guru berdasarkan kepakaran profesional mereka.^[8]

Penggunaan dalam Mesyuarat Panitia

"Prompt engineering" juga boleh dimanfaatkan dalam konteks kolaborasi profesional. Ketua panitia boleh menggunakan AI untuk menghasilkan draf agenda mesyuarat, minit mesyuarat, atau laporan analisis keputusan peperiksaan. Dengan memberikan data mentah dan konteks yang tepat dalam "prompt", AI boleh membantu menghasilkan dokumen-dokumen ini dengan lebih cepat, membebaskan masa guru untuk tugasan yang lebih memerlukan pertimbangan manusia.^[3]

Cabaran, Batasan, dan Isu Etika

Adalah penting untuk mendekati topik ini dengan pandangan yang seimbang dan jujur. Walaupun "prompt engineering" menawarkan potensi yang besar, terdapat cabaran dan isu yang perlu dihadapi dengan serius oleh setiap pendidik.

Ketepatan dan Halusinasi AI

Model AI boleh menghasilkan maklumat yang kelihatan meyakinkan tetapi tidak tepat, satu fenomena yang dikenali sebagai "halusinasi AI". Dalam konteks pendidikan, ini boleh bermakna soalan peperiksaan yang mengandungi fakta yang salah, formula matematik yang tidak tepat, atau tarikh sejarah yang tidak betul. Guru mesti sentiasa menyemak dan mengesahkan semua output AI sebelum menggunakannya dengan murid. "Prompt engineering" yang baik boleh mengurangkan risiko ini, tetapi tidak dapat menghapuskannya sepenuhnya.^[3]

Isu Privasi Data

Apabila guru memasukkan maklumat tentang murid seperti nama, aras pencapaian, dan keperluan khas ke dalam sistem AI pihak ketiga, timbul isu privasi data yang serius. Guru perlu berhati-hati untuk tidak memasukkan maklumat peribadi yang boleh mengenal pasti murid secara langsung ke dalam platform AI awam. Ini adalah isu pematuhan undang-undang dan etika profesional yang tidak boleh dipandang ringan.^[8]

Kebergantungan Berlebihan dan Hakisan Kemahiran Profesional

Terdapat kebimbangan yang sah bahawa penggunaan AI yang berlebihan boleh menyebabkan guru menjadi terlalu bergantung kepada teknologi dan secara beransur-ansur kehilangan kemahiran pedagogi yang telah dibina melalui latihan dan pengalaman. "Prompt engineering" patut dilihat sebagai alat untuk meningkatkan produktiviti, bukan sebagai pengganti kepakaran profesional guru. Keputusan pedagogi yang penting, seperti menilai keperluan murid, membuat pertimbangan tentang pendekatan pengajaran, dan membina hubungan dengan murid, mesti kekal dalam bidang kuasa manusia.^[3][8]

Isu Kewibawaan Akademik

Apabila guru menggunakan AI untuk menghasilkan soalan peperiksaan atau bahan pengajaran, timbul persoalan tentang keaslian dan kewibawaan akademik. Adakah soalan yang dihasilkan oleh AI benar-benar mencerminkan penilaian profesional guru tentang apa yang perlu diuji? Adakah terdapat risiko bahawa soalan-soalan ini terlalu generik dan tidak mencerminkan konteks spesifik kelas tersebut? Guru perlu sentiasa memastikan bahawa mereka menambah nilai profesional mereka kepada setiap output AI yang digunakan.^[3]

Jurang Akses Digital

Di Malaysia, masih terdapat jurang yang ketara dalam akses kepada teknologi antara sekolah bandar dan luar bandar. Guru di kawasan pedalaman mungkin tidak mempunyai akses yang stabil kepada internet atau peranti yang diperlukan untuk menggunakan alat AI. Ini menimbulkan isu ekuiti yang perlu ditangani pada peringkat dasar dan institusi, bukan sekadar pada peringkat individu guru.^[8]

Cadangan & Amalan Terbaik

Berdasarkan perbincangan di atas, berikut adalah cadangan praktikal untuk guru Malaysia yang ingin menguasai "prompt engineering" secara berkesan dan bertanggungjawab.

1. Mulakan dengan Konteks yang Kaya

Sentiasa mulakan "prompt" anda dengan memberikan konteks yang mencukupi: mata pelajaran, tingkatan, topik, objektif pembelajaran, aras murid, dan format output yang dikehendaki. Semakin banyak konteks yang relevan anda berikan, semakin tepat output yang akan dihasilkan. Fikirkan "prompt" anda seperti briefing yang anda berikan kepada seorang pembantu baru yang sangat cerdas tetapi tidak tahu apa-apa tentang kelas anda.^[3]

2. Gunakan Teknik "Role Prompting"

Mulakan "prompt" anda dengan menetapkan peranan yang spesifik untuk AI: "Anda adalah guru Sains berpengalaman yang mengajar di sekolah menengah Malaysia..." Teknik ini membantu model AI mengkalibrasi nada, aras, dan konteks respons yang akan dihasilkan.^[3][8]

3. Tentukan Format Output dengan Jelas

Jangan biarkan AI meneka format yang anda mahukan. Nyatakan dengan jelas: bilangan item, struktur, elemen yang mesti ada, panjang yang dikehendaki, dan bahasa yang digunakan. Gunakan contoh jika perlu (few-shot prompting) untuk menunjukkan format yang tepat.^[3]

4. Semak, Nilai, dan Ubah Suai

Jadikan semakan profesional sebagai langkah wajib dalam aliran kerja anda. Jangan sekali-kali menggunakan output AI secara terus tanpa semakan. Tambah nilai anda sebagai pendidik: ubah suai, perbaiki, dan pastikan output tersebut benar-benar sesuai dengan keperluan murid anda yang spesifik.^[8]

5. Bina Perpustakaan "Prompt" Anda Sendiri

Apabila anda menemui "prompt" yang berkesan untuk tugasan tertentu, simpan dan dokumentasikan. Lama-kelamaan, anda akan membina koleksi "prompt" yang telah diuji dan dibuktikan berkesan untuk konteks pengajaran anda. Kongsikan "prompt" yang baik dengan rakan sejawat dalam panitia anda.^[3]

6. Lindungi Privasi Murid

Jangan masukkan nama murid, nombor kad pengenalan, atau maklumat peribadi lain ke dalam sistem AI awam. Gunakan deskriptor generik seperti "murid aras tinggi", "murid yang memerlukan sokongan tambahan", atau "kelas dengan 30 orang murid campuran" sebagai gantinya.^[8]

7. Terus Belajar dan Berkongsi

Bidang ini berkembang dengan pantas. Luangkan masa untuk mengikuti perkembangan terkini, cuba teknik-teknik baharu, dan yang paling penting, kongsikan pengalaman anda dengan rakan guru. Komuniti amalan adalah cara terbaik untuk mempercepatkan pembelajaran kolektif dalam kalangan pendidik.^[3][8]

Kesimpulan

"Prompt engineering" bukan satu kemahiran yang eksklusif untuk pakar teknologi atau penyelidik AI. Ia adalah kemahiran komunikasi yang boleh dipelajari dan dikuasai oleh setiap guru yang bersedia untuk meluangkan sedikit masa dan usaha. Dalam konteks pendidikan Malaysia pada tahun 2026, menguasai kemahiran ini bukan sekadar kelebihan tambahan; ia semakin menjadi kecekapan asas yang dijangkakan daripada seorang pendidik profesional.^[3][8]

Yang paling penting untuk diingat ialah: AI adalah alat, bukan pengganti. Kepakaran pedagogi anda, pemahaman anda tentang murid-murid anda, dan pertimbangan profesional anda sebagai seorang guru: semua ini adalah nilai yang tidak boleh digantikan oleh sebarang teknologi. "Prompt engineering" yang baik adalah tentang bagaimana anda menggunakan kepakaran tersebut untuk mendapatkan yang terbaik daripada alat AI yang ada di tangan anda.

Mulakan dengan langkah kecil. Cuba teknik-teknik yang dibincangkan dalam artikel ini untuk satu tugasan yang biasa anda lakukan, misalnya menghasilkan set soalan latihan untuk minggu hadapan. Perhatikan perbezaan antara "prompt" yang lemah dan "prompt" yang berkesan. Belajar daripada setiap percubaan. Dan jangan lupa untuk berkongsi pengalaman anda dengan rakan guru kerana perubahan pendidikan yang bermakna berlaku apabila kita belajar bersama-sama.

Rujukan

1. Tiada rujukan bernombor [1] dalam research notes yang diberikan.
2. Tiada rujukan bernombor [2] dalam research notes yang diberikan.
3. "Prompt" Engineering for Educators: Designing Effective Instructions for Large Language Models in Classroom Contexts. Sumber dinyatakan dalam research notes sebagai [3].
4. Tiada rujukan bernombor [4] dalam research notes yang diberikan.
5. Tiada rujukan bernombor [5] dalam research notes yang diberikan.
6. Tiada rujukan bernombor [6] dalam research notes yang diberikan.
7. Tiada rujukan bernombor [7] dalam research notes yang diberikan.
8. Applying Large Language Models in Educational Settings: Context, Format and Output Specification. Sumber dinyatakan dalam research notes sebagai [8].

Nota: Butiran penuh bagi rujukan [3] dan [8] tidak disertakan dalam nota penyelidikan yang diberikan kepada penulis. Pembaca digalakkan menghubungi penulis untuk mendapatkan maklumat bibliografi yang lengkap.

Artikel ini terkini sehingga Jun 2026. Maklumat tentang teknologi AI berubah pantas; pembaca digalakkan menyemak dokumentasi rasmi untuk kemas kini terbaru.