USING AI-BASED PLATFORM TO ENHANCE STUDENTS' VOCABULARY MASTERY OF ENGLISH FOR SPECIFIC PURPOSES IN VOCATIONAL HIGH SCHOOL

Penulis

  • Salsabila Nur Rohmah English Education Study Program, Faculty of Teacher Training and Education, Universitas PGRI Yogyakarta

DOI:

https://doi.org/10.31000/2kk3bx38

Kata Kunci:

AI-Based Platform, Vocabulary Mastery, English for Specific Purposes (ESP), Vocational Education, Technology-Enhanced Language Learning

Abstrak

Vocational students often struggle with technical English vocabulary, which highlights the need for a more effective, technology-based learning approach. This study investigates the effectiveness of an AI-based vocabulary learning platform (Qwen AI) in improving English vocabulary mastery among tenth-grade students in vocational education. The research was conducted at SMK N 2 Yogyakarta with 72 participants (36 in the experimental group, 36 in the control group) enrolled in the Visual Communication Design (Desain Komunikasi Visual) program during the second semester of the 2025/2026 academic year. Using a quasi-experimental design, the experimental group received instruction through the Qwen AI Platform while the control group received conventional instruction. Pre-test and post-test measurements assessed vocabulary mastery across three dimensions: meaning, form, and use in context. The results demonstrated that the experimental group achieved a mean gain of 11 points (from 85 to 96), higher than the control group's gain of 4 points (from 94 to 98). The most notable improvement was found in students' ability to use vocabulary appropriately within vocational contexts, which rose by 23 percentage points (from 75% to 98%). This finding suggests that the platform's contextual, scenario-based exercises were particularly effective in helping students apply technical vocabulary in authentic situations. The Wilcoxon Signed-Rank Test (p = 0.000) confirmed the statistical significance of these improvements. The findings indicate that AI-based adaptive vocabulary platforms can effectively enhance vocational students' English proficiency, particularly in the contextual application of technical terminology relevant to their professional fields. This study contributes to the evidence base supporting technology-integrated language instruction aligned with the principles of English for Specific Purposes (ESP) in vocational education.

Unduhan

Data unduhan tidak tersedia.

Biografi Penulis

  • Salsabila Nur Rohmah, English Education Study Program, Faculty of Teacher Training and Education, Universitas PGRI Yogyakarta

    PENGGUNAAN PLATFORM BERBASIS AI UNTUK MENINGKATKAN PENGUASAAN KOSAKATA BAHASA INGGRIS UNTUK TUJUAN KHUSUS DI SEKOLAH MENENGAH KEJURUAN

    Salsabila Nur Rohmah

    Program Studi Pendidikan Bahasa Inggris, Fakultas Keguruan dan Ilmu Pendidikan, Universitas PGRI Yogyakarta, Indonesia

    e-mail: salsabilanurrohmah07@gmail.com

    Abstrak

    Penelitian ini mengkaji efektivitas platform pembelajaran kosakata berbasis AI (Qwen AI) dalam meningkatkan penguasaan kosakata bahasa Inggris siswa kelas sepuluh di sekolah kejuruan. Siswa sekolah kejuruan sering mengalami kesulitan dalam memahami kosakata bahasa Inggris teknis, sehingga diperlukan pendekatan pembelajaran yang lebih efektif dan berbasis teknologi. Penelitian dilakukan di SMK N 2 Yogyakarta dengan 72 partisipan (36 kelompok eksperimen, 36 kelompok kontrol) dari program Desain Komunikasi Visual (DKV) pada semester kedua tahun akademik 2025/2026. Dengan menggunakan desain quasi-experimental, kelompok eksperimen menerima pembelajaran melalui Platform Qwen AI, sementara kelompok kontrol menerima pembelajaran konvensional. Pengukuran pre-test dan post-test menilai penguasaan kosakata dalam tiga dimensi: makna, bentuk, dan penggunaan dalam konteks. Hasil penelitian menunjukkan bahwa kelompok eksperimen mencapai peningkatan rata-rata 11 poin (dari 85 menjadi 96), lebih tinggi dibandingkan kelompok kontrol yang hanya meningkat 4 poin (dari 94 menjadi 98). Peningkatan paling signifikan terjadi pada kemampuan siswa menggunakan kosakata secara tepat dalam konteks kejuruan, yaitu sebesar 23 poin persentase (dari 75% menjadi 98%). Temuan ini menunjukkan bahwa latihan-latihan kontekstual dan berbasis skenario pada platform tersebut sangat efektif membantu siswa menerapkan kosakata teknis dalam situasi nyata. Uji Wilcoxon Signed-Rank (p = 0,000) mengonfirmasi signifikansi statistik dari peningkatan tersebut. Temuan ini menunjukkan bahwa platform kosakata adaptif berbasis AI secara efektif dapat meningkatkan kemampuan bahasa Inggris siswa kejuruan, khususnya dalam penerapan kontekstual istilah teknis yang relevan dengan bidang profesi mereka. Penelitian ini berkontribusi pada bukti ilmiah yang mendukung pengintegrasian teknologi dalam pembelajaran bahasa yang selaras dengan prinsip English for Specific Purposes (ESP) di pendidikan kejuruan.

    Kata Kunci: Platform Berbasis AI, Penguasaan Kosakata, English for Specific Purposes (ESP), Pendidikan Kejuruan, Pembelajaran Bahasa Berbantuan Teknologi

    Pendahuluan

    Kecerdasan Buatan (Artificial Intelligence/AI) kini telah merambah hampir seluruh aspek pendidikan, mengubah tidak hanya cara manusia bekerja, tetapi juga cara belajar dan mengajar. Sejalan dengan kebijakan kurikulum nasional dan penguatan Keterampilan Abad ke-21 yang menekankan berpikir kritis, kreativitas, komunikasi, dan kolaborasi (Kemdikbudristek, 2022), integrasi AI ke dalam praktik pembelajaran kini semakin dipandang sebagai suatu keharusan, bukan sekadar pilihan. Secara khusus dalam pembelajaran bahasa, perangkat berbasis AI mendukung pembelajaran yang interaktif, adaptif, dan kontekstual melalui pemberian umpan balik otomatis serta latihan kosakata yang kontekstual, sehingga berkontribusi pada pengembangan kompetensi berbahasa siswa secara menyeluruh.

    Kemampuan berbahasa Inggris merupakan salah satu kebutuhan utama dalam pendidikan kejuruan, di mana bahasa Inggris tidak hanya berfungsi sebagai alat komunikasi, tetapi juga sebagai sarana untuk memahami materi teknis yang relevan dengan bidang keahlian siswa. Pada program-program kejuruan seperti teknik, otomotif, bisnis, dan desain visual, bahasa Inggris diajarkan sebagai bahasa untuk tujuan khusus (Fadlia et al., 2020). Pendekatan English for Specific Purposes (ESP) memungkinkan pembelajaran kosakata disesuaikan dengan istilah teknis, situasi kerja nyata, dan tugas profesional yang kemungkinan besar akan dihadapi siswa setelah lulus, bukan hanya berfokus pada tata bahasa atau kosakata umum.

    Meski demikian, banyak siswa sekolah kejuruan masih mengalami kesulitan dalam menguasai kosakata yang relevan dengan jurusan mereka (Arroyyani & Maryani, 2025). Mereka sering kali belum terbiasa dengan istilah teknis yang digunakan dalam lingkungan kerja yang sesungguhnya, seperti Standard Operating Procedure (SOP), buku panduan teknis, dan komunikasi profesional (Sintia et al., 2025). Tanpa paparan yang cukup terhadap materi otentik, siswa sering kali gagal menginternalisasi kosakata teknis dengan cara yang dapat diterapkan pada situasi nyata (Skarpaas & Rødnes, 2022). Pembelajaran kosakata konvensional, yang cenderung mengandalkan latihan berulang tanpa konteks, memberikan dukungan yang terbatas terhadap jenis pemahaman kontekstual ini.

    Platform berbasis AI menawarkan solusi potensial atas persoalan ini dengan mendukung penguasaan kosakata secara kontekstual melalui umpan balik otomatis, simulasi percakapan, dan latihan adaptif (Bai et al., 2023). Penelitian-penelitian sebelumnya menunjukkan bahwa pembelajaran berbantuan AI dapat meningkatkan penguasaan kosakata, motivasi, serta kemandirian belajar siswa (Wei, 2023; Wah, 2025). Namun demikian, penelitian empiris yang secara khusus mengkaji penggunaan platform AI generatif, seperti Qwen AI, di kelas bahasa Inggris kejuruan masih sangat terbatas, terutama dalam konteks pembelajaran English for Specific Purposes. Kesenjangan inilah yang menjadi dasar penting bagi penelitian ini.

    Oleh karena itu, penelitian ini bertujuan untuk mengkaji efektivitas Platform Qwen AI dalam meningkatkan penguasaan kosakata bahasa Inggris siswa kejuruan, dengan rumusan masalah sebagai berikut: (1) Bagaimana pengaruh penggunaan platform kosakata berbasis AI terhadap penguasaan kosakata siswa kejuruan? (2) Dimensi penguasaan kosakata manakah—makna, bentuk, atau penggunaan dalam konteks—yang menunjukkan peningkatan paling besar setelah penggunaan platform pembelajaran kosakata berbasis AI?

    Tinjauan Pustaka

    Penguasaan Kosakata

    Penguasaan kosakata merupakan komponen fundamental dalam kemahiran berbahasa, yang mencakup kata dan frasa yang digunakan individu untuk memahami dan mengungkapkan makna (Alqahtani, 2015). Pengetahuan kosakata berkembang secara bertahap, bukan sesuatu yang statis, dan dapat dipahami sebagai serangkaian kemampuan yang saling berkaitan terkait bentuk, makna, dan penggunaan sebuah kata (Daskalovska, 2020). Berdasarkan pandangan tersebut, penguasaan kosakata umumnya dikonsepkan ke dalam tiga dimensi: makna, bentuk, dan penggunaan dalam konteks (Schmitt, 2010). Dimensi makna berkaitan dengan pemahaman arti kata dan hubungannya dengan kata lain; dimensi bentuk mencakup ejaan, pelafalan, dan struktur kata; sedangkan dimensi penggunaan dalam konteks mengacu pada kemampuan menerapkan kosakata secara tepat sesuai fungsi gramatikal, register, dan situasi. Dengan demikian, pengetahuan kosakata bersifat multidimensional, artinya seorang pembelajar mungkin mengetahui makna suatu kata namun masih kesulitan menggunakannya secara benar dalam kalimat atau situasi komunikatif tertentu (Nation, 2013; Read, 2000).

    Dalam konteks kejuruan, penguasaan kosakata tidak hanya mencakup bahasa Inggris umum, tetapi juga istilah teknis yang spesifik pada bidang siswa, seperti kosakata yang dibutuhkan untuk memahami manual, menjelaskan prosedur kerja, atau berkomunikasi dengan mitra industri (Coxhead & Demecheleer, 2018). Karena kosakata teknis membawa makna yang presisi dan sering kali bersifat monoreferensial dalam suatu profesi tertentu, satu istilah yang dipahami secara keliru dapat menimbulkan kesalahan yang signifikan dalam pekerjaan nyata. Oleh karena itu, penguasaan kosakata dalam konteks ESP paling baik didukung melalui tugas-tugas otentik dan simulasi terkait dunia kerja, yang memberikan tujuan komunikatif nyata bagi siswa dalam mempelajari kosakata baru (Coxhead, 2012).

    English for Specific Purposes (ESP)

    English for Specific Purposes (ESP) adalah pendekatan pengajaran bahasa yang seluruh keputusan mengenai konten dan metodenya didasarkan pada kebutuhan komunikatif nyata pembelajar, bukan pada silabus bahasa Inggris umum (Hutchinson & Waters, 1987). ESP dicirikan oleh kepekaannya terhadap kebutuhan spesifik dari kelompok pembelajar tertentu serta penggunaan metodologi dan konten yang sesuai dengan disiplin atau profesi mereka (Dudley-Evans & St John, 1998). Di sekolah menengah kejuruan, ESP umumnya diterapkan dalam bentuk English for Occupational Purposes, yang mempersiapkan siswa untuk menggunakan bahasa Inggris dalam konteks pekerjaan yang akan mereka tekuni, baik untuk membaca manual teknis, berkomunikasi dengan rekan kerja, maupun melayani klien internasional. Pemilihan kosakata dalam pendekatan ini idealnya didasarkan pada analisis kebutuhan komunikasi di tempat kerja, sehingga materi yang diajarkan benar-benar relevan dengan karier siswa di masa depan.

    Pembelajaran Kosakata Berbasis AI dan Platform Qwen AI

    Platform pembelajaran kosakata berbasis AI menyediakan pengalaman belajar yang lebih interaktif melalui latihan adaptif, tugas kontekstual, dan umpan balik langsung, sehingga siswa dapat berlatih kosakata melalui kuis, simulasi percakapan, dan tugas berbasis konteks. Sistem semacam ini terbukti dapat meningkatkan pembelajaran kosakata dengan menyediakan materi yang dipersonalisasi serta umpan balik instan yang membantu siswa mengenali dan memperbaiki kesalahan mereka sendiri (Bai et al., 2023; Wei, 2023). Paparan kosakata yang berulang dalam lingkungan digital juga dapat memperkuat daya ingat siswa dalam jangka panjang (Antia et al., 2021), sementara konten multimedia juga terbukti mendukung retensi kosakata (Alhazmi, 2024).

    Qwen AI merupakan model bahasa besar (large language model) yang mampu memfasilitasi interaksi berbasis teks secara alami antara pengguna dan sistem digital, menghasilkan latihan kosakata dan penjelasan yang disesuaikan dengan tingkat kemampuan pembelajar secara real-time (Bai et al., 2023; Wang et al., 2024). Dalam pembelajaran bahasa Inggris kejuruan, platform semacam ini dapat menyediakan latihan kosakata kontekstual yang berkaitan dengan situasi kerja, tugas teknis, dan komunikasi profesional, sehingga memungkinkan siswa menghubungkan kosakata baru dengan konteks profesional yang otentik (Silitonga et al., 2024; Kamlun et al., 2025). Meski demikian, penelitian empiris yang secara khusus mengkaji penggunaan Qwen AI dalam mendukung penguasaan kosakata teknis siswa kejuruan, khususnya pada bidang kreatif seperti Desain Komunikasi Visual, masih sangat terbatas, dan inilah kesenjangan yang coba dijawab oleh penelitian ini.

    Hipotesis Penelitian

    Berdasarkan tinjauan teoretis di atas, hipotesis penelitian dirumuskan sebagai berikut:

    H₀: Tidak terdapat perbedaan yang signifikan pada capaian penguasaan kosakata siswa sebelum dan sesudah menggunakan Platform Qwen AI.

    H₁: Terdapat perbedaan yang signifikan pada capaian penguasaan kosakata siswa sebelum dan sesudah menggunakan Platform Qwen AI.

    Metode Penelitian

    Penelitian ini menggunakan desain quasi-experimental yang melibatkan kelompok eksperimen dan kelompok kontrol tanpa penugasan acak (Cresswell, 2013). Penelitian dilaksanakan di SMK N 2 Yogyakarta pada semester kedua tahun akademik 2025/2026, dengan 72 siswa kelas sepuluh program Desain Komunikasi Visual (DKV) sebagai partisipan: 36 siswa kelas X DKV 1 sebagai kelompok eksperimen, dan 36 siswa kelas X DKV 2 sebagai kelompok kontrol. Partisipan dipilih melalui teknik purposive sampling, berdasarkan tingkat keterpaparan yang relatif tinggi terhadap perangkat lunak desain internasional serta akses yang konsisten terhadap perangkat digital yang dibutuhkan untuk pembelajaran berbasis AI.

    Variabel bebas dalam penelitian ini adalah platform kosakata berbasis AI (Qwen AI), sedangkan variabel terikatnya adalah kemampuan siswa dalam memahami, menggunakan, dan mengaitkan kosakata dengan konteks kejuruan yang otentik. Kedua kelompok mengerjakan pre-test sebelum perlakuan diberikan. Kelompok eksperimen kemudian menerima pembelajaran kosakata yang diintegrasikan dengan Platform Qwen AI, di mana siswa mengeksplorasi kosakata terkait DKV, menghasilkan teks prosedur kontekstual dengan bantuan AI, serta membandingkan tulisan mereka sendiri dengan hasil keluaran AI. Kelompok kontrol menerima pembelajaran konvensional dengan materi yang sama tanpa integrasi AI. Selanjutnya, kedua kelompok mengerjakan post-test yang setara.

    Penguasaan kosakata diukur menggunakan instrumen pre-test/post-test sebanyak 20 butir soal yang mengacu pada ESP Composition Vocabulary Mastery Rubric, mencakup tiga dimensi: makna (10 butir), bentuk (5 butir), dan penggunaan dalam konteks (5 butir). Instrumen ini telah divalidasi oleh dosen ahli dari Program Studi Pendidikan Bahasa Inggris. Data dianalisis menggunakan IBM SPSS Versi 25, diawali dengan statistik deskriptif (rerata, standar deviasi, skor minimum, dan skor maksimum), dilanjutkan dengan uji normalitas (Kolmogorov–Smirnov), uji homogenitas (Levene's test), dan uji hipotesis. Karena data ditemukan tidak berdistribusi normal, uji non-parametrik Wilcoxon Signed-Rank Test digunakan untuk menguji hipotesis penelitian, dengan kriteria H₀ ditolak apabila nilai signifikansi kurang dari 0,05.

    Hasil dan Pembahasan

    Hasil

    Analisis deskriptif menunjukkan bahwa rerata skor kelompok eksperimen meningkat dari 85 pada pre-test menjadi 96 pada post-test, atau peningkatan sebesar 11 poin, dengan skor post-test berkisar antara 91 hingga 100. Rerata skor kelompok kontrol meningkat dari 94 menjadi 98, atau hanya 4 poin, dengan skor post-test berkisar antara 67 hingga 100. Meskipun kelompok kontrol memiliki rerata pre-test yang lebih tinggi, kelompok eksperimen menunjukkan peningkatan yang jauh lebih besar, yang mengindikasikan efek intervensi berbasis AI yang lebih kuat secara keseluruhan.

    Tabel 1. Perbandingan Deskriptif Skor Pre-test dan Post-test

    Kelompok

    Rerata Pre-test

    Rerata Post-test

    Peningkatan

    Min–Maks (Post)

    Eksperimen (Qwen AI)

    85

    96

    +11

    91–100

    Kontrol (Konvensional)

    94

    98

    +4

    67–100

     

    Analisis terhadap ketiga dimensi kosakata pada kelompok eksperimen menunjukkan pola peningkatan yang jelas. Dimensi makna hanya meningkat sedikit, dari 97% menjadi 98% (peningkatan 1%), sedangkan dimensi bentuk meningkat dari 64% menjadi 86% (peningkatan 22%). Peningkatan terbesar terjadi pada dimensi penggunaan dalam konteks, yaitu dari 75% menjadi 98% (peningkatan 23%), yang menunjukkan bahwa platform ini paling efektif dalam membantu siswa menerapkan kosakata secara tepat dalam situasi prosedural dan komunikatif yang relevan dengan bidang kejuruan mereka.

    Tabel 2. Persentase Peningkatan per Dimensi Kosakata (Kelompok Eksperimen)

    Dimensi

    Butir

    Pre-test

    Post-test

    Peningkatan

    Makna (Meaning)

    10

    97%

    98%

    1%

    Bentuk (Form)

    5

    64%

    86%

    22%

    Penggunaan dalam Konteks

    5

    75%

    98%

    23%

     

    Sebelum pengujian hipotesis dilakukan, asumsi normalitas dan homogenitas terlebih dahulu diperiksa. Uji Kolmogorov–Smirnov menunjukkan bahwa data tidak berdistribusi normal (Sig. = 0,000), sementara uji Levene menunjukkan bahwa varians antar kelompok bersifat homogen (Sig. = 0,229). Karena asumsi normalitas tidak terpenuhi, uji non-parametrik Wilcoxon Signed-Rank Test digunakan untuk menguji hipotesis. Hasil uji menunjukkan nilai Asymp. Sig. (2-tailed) sebesar 0,000, yang berada di bawah ambang batas 0,05, sehingga H₀ ditolak dan H₁ diterima. Hal ini menunjukkan adanya perbedaan yang signifikan secara statistik antara capaian kosakata siswa sebelum dan sesudah menggunakan Platform Qwen AI.

    Tabel 3. Ringkasan Uji Asumsi dan Uji Hipotesis

    Uji Statistik

    Hasil

    Interpretasi

    Normalitas (Kolmogorov–Smirnov)

    Sig. = 0.000

    Data tidak berdistribusi normal

    Homogenitas (Levene's Test)

    Sig. = 0.229

    Data homogen (p > 0.05)

    Wilcoxon Signed-Rank Test

    Asymp. Sig. (2-tailed) = 0.000

    Perbedaan signifikan (p < 0.05)

     

    Pembahasan

    Penelitian ini menggunakan tiga dimensi penguasaan kosakata dari Schmitt—makna, bentuk, dan penggunaan dalam konteks—sebagai landasan teoretisnya, yang mencerminkan pandangan bahwa mengetahui sebuah kata melibatkan beberapa jenis pengetahuan yang saling berkaitan, bukan kemampuan tunggal (Schmitt et al., 2017; Nation, 2013). Pandangan multidimensional ini sejalan dengan prinsip ESP, yang mengutamakan kosakata yang bermanfaat dan relevan dengan kebutuhan otentik pembelajar (Coxhead, 2012). Selama perlakuan diberikan, Platform Qwen AI menerapkan prinsip ini dengan menyisipkan latihan kosakata ke dalam tugas-tugas kejuruan yang otentik dan teks prosedur, bukan sekadar daftar kata yang berdiri sendiri.

    Rumusan masalah pertama berkaitan dengan efektivitas Platform Qwen AI secara keseluruhan. Peningkatan kelompok eksperimen yang jauh lebih besar (11 poin dibandingkan 4 poin pada kelompok kontrol), disertai hasil uji Wilcoxon yang signifikan secara statistik (p = 0,000), menunjukkan bahwa peningkatan tersebut secara wajar dapat dikaitkan dengan intervensi berbasis AI, bukan sekadar kebetulan. Temuan ini sejalan dengan penelitian-penelitian sebelumnya yang menunjukkan bahwa aplikasi bahasa berbasis AI dapat secara signifikan meningkatkan penguasaan kosakata (Liang & Jia-Ying, 2024; Rodríguez Altamiranda et al., 2024). Beberapa mekanisme kemungkinan menjelaskan keunggulan ini: platform memberikan umpan balik yang instan dan individual, bukan umpan balik tertunda untuk seluruh kelas (Wei, 2023); platform menyesuaikan tingkat kesulitan tugas dengan level masing-masing siswa (Wah, 2025); dan platform menempatkan kosakata dalam tugas-tugas yang otentik dan kontekstual, yang cenderung menghasilkan pemerolehan kata yang lebih mendalam dibandingkan pembelajaran tanpa konteks (Antia et al., 2021).

    Rumusan masalah kedua berkaitan dengan dimensi pengetahuan kosakata mana yang paling diuntungkan oleh intervensi ini. Konsentrasi peningkatan yang jelas pada dimensi penggunaan dalam konteks (23%), diikuti oleh bentuk (22%) dan kemudian makna (1%), menunjukkan bahwa pengetahuan kosakata tidak meningkat secara merata. Peningkatan besar pada penggunaan kontekstual ini sangat penting bagi siswa kejuruan, yang masa depan kerjanya bergantung pada penerapan kosakata secara tepat, bukan sekadar mengenali maknanya. Temuan ini sejalan dengan penelitian yang menunjukkan bahwa kosakata dan istilah teknis dipelajari lebih efektif ketika dilatih dalam skenario yang otentik (Coxhead & Demecheleer, 2018). Peningkatan moderat pada dimensi bentuk kemungkinan mencerminkan kapasitas platform dalam memberikan koreksi instan dan bersifat pribadi terhadap kesalahan ejaan dan gramatikal, jenis umpan balik yang sulit direplikasi secara konsisten di kelas konvensional dengan jumlah siswa yang banyak. Sebaliknya, peningkatan minimal pada dimensi makna kemungkinan mencerminkan efek batas atas (ceiling effect): siswa telah memiliki pengetahuan makna kata yang relatif kuat sebelum perlakuan, karena aspek ini umumnya merupakan bagian yang paling ringan secara kognitif dari pengetahuan kosakata (Nation, 2013; Read, 2000), sehingga ruang untuk peningkatan lebih besar terdapat pada dimensi bentuk dan penggunaan kontekstual.

    Perlu dicatat bahwa ketiga dimensi pengetahuan kosakata tersebut tidak sepenuhnya independen; penggunaan kata secara tepat dalam konteks juga bergantung pada pemahaman makna dan bentuk yang benar, sehingga pembagian dimensi ini, meskipun berguna secara analitis, bersifat agak disederhanakan. Meski demikian, pola keseluruhan menunjukkan bahwa Platform Qwen AI memberikan manfaat terbesarnya justru pada aspek yang paling dibutuhkan siswa kejuruan, yaitu kemampuan menggunakan kosakata teknis secara tepat dalam komunikasi kerja yang otentik, yang menjadi inti tujuan pembelajaran English for Specific Purposes (Fadlia et al., 2020).

    Simpulan

    Penelitian ini mengkaji efektivitas Platform Qwen AI dalam meningkatkan penguasaan kosakata bahasa Inggris siswa kelas sepuluh program Desain Komunikasi Visual dalam kerangka ESP. Hasil penelitian menunjukkan bahwa kelompok eksperimen, yang menerima pembelajaran melalui Platform Qwen AI, mencapai peningkatan penguasaan kosakata yang jauh lebih besar dibandingkan kelompok kontrol yang diajar secara konvensional (11 poin berbanding 4 poin), perbedaan yang dikonfirmasi signifikan secara statistik melalui uji Wilcoxon Signed-Rank (p = 0,000). Di antara ketiga dimensi pengetahuan kosakata yang diteliti, penggunaan dalam konteks menunjukkan peningkatan terbesar (23%), diikuti oleh bentuk (22%) dan makna (1%), yang mengindikasikan bahwa platform ini sangat efektif dalam membantu siswa menerapkan kosakata teknis secara tepat dalam situasi kejuruan yang otentik.

    Temuan ini menunjukkan bahwa platform kosakata berbasis AI memiliki potensi besar sebagai pelengkap pembelajaran konvensional di kelas bahasa Inggris kejuruan, khususnya dalam mengembangkan kemampuan siswa menggunakan kosakata teknis pada konteks komunikatif dan prosedural yang nyata. Guru disarankan untuk mengintegrasikan platform semacam ini sebagai pendamping, bukan pengganti, bimbingan di kelas, serta merancang tugas kosakata yang secara eksplisit terkait dengan jurusan kejuruan siswa. Mengingat peningkatan terbesar terjadi pada penggunaan kontekstual, guru juga dapat mempertimbangkan penekanan pada kegiatan prosedural dan berbasis skenario, seperti penulisan teks prosedur secara terbimbing, untuk lebih memperkuat kemampuan siswa dalam menerapkan kosakata pada situasi otentik. Penelitian selanjutnya yang melibatkan sampel lebih besar, periode perlakuan lebih panjang, serta perbandingan berbagai platform AI dan jurusan kejuruan lain akan membantu membangun pemahaman yang lebih komprehensif mengenai bagaimana perangkat berbasis AI dapat mendukung pembelajaran kosakata ESP di pendidikan kejuruan.

    Daftar Pustaka

    Alhazmi, K. (2024). The effect of multimedia on vocabulary learning and retention. World Journal of English Language, 14(6), 390–399. https://doi.org/10.5430/wjel.v14n6p390

    Alqahtani, M. (2015). The importance of vocabulary in language learning and how to be taught. International Journal of Teaching and Education, III(3). https://doi.org/10.20472/te.2015.3.3.002

    Antia, S. D., Catalano, J. A., Rivera, M. C., & Creamer, C. (2021). Explicit and contextual vocabulary intervention: Effects on word and definition learning. Journal of Deaf Studies and Deaf Education, 26(3). https://doi.org/10.1093/deafed/enab002

    Arroyyani, R., & Maryani. (2025). Vocational high school students' learning difficulty in ESP. Sintuwu Maroso Journal of English Teaching (SintuwumarosoJET), 11(01).

    Bai, J., Bai, S., Chu, Y., Cui, Z., Dang, K., Deng, X., Fan, Y., Ge, W., Han, Y., Huang, F., Hui, B., Ji, L., Li, M., Lin, J., Lin, R., Liu, D., Liu, G., Lu, C., Lu, K., … Zhu, T. (2023). Qwen technical report. http://arxiv.org/abs/2309.16609

    Coxhead, A. (2012). Vocabulary and ESP. In The Handbook of English for Specific Purposes (pp. 115–132). Wiley. https://doi.org/10.1002/9781118339855.ch6

    Coxhead, A., & Demecheleer, M. (2018). Investigating the technical vocabulary of plumbing. English for Specific Purposes, 51. https://doi.org/10.1016/j.esp.2018.03.006

    Cresswell, J. W. (2013). Research design: Qualitative, quantitative, and mixed methods approaches. SAGE Publications.

    Daskalovska, N. (2020). Vocabulary size at four stages of language development. European Journal of English Language Teaching, 6(2). https://doi.org/10.46827/ejel.v6i2.3392

    Dudley-Evans, T., & St John, M. J. (1998). Developments in ESP: A multi-disciplinary approach. Cambridge University Press.

    Fadlia, F., Zulida, E., Asra, S., Rahmiati, R., & Bania, A. S. (2020). English subject on English for Specific Purposes (ESP) in vocational schools. Language Literacy: Journal of Linguistics, Literature, and Language Teaching, 4(2).

    Hutchinson, T., & Waters, A. (1987). English for Specific Purposes. Cambridge University Press. https://doi.org/10.1017/CBO9780511733031

    Kamlun, K., Abu Bakar, A. L., Osman, W. H., & Hamzah, N. N. (2025). AI-powered English for Specific Purposes: Empowering learners through personalised resume writing instruction. MANU Jurnal Pusat.

    Kemdikbudristek. (2022). Capaian Pembelajaran [Kerangka capaian pembelajaran]. Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi.

    Liang, W.-X., & Jia-Ying, Z. (2024). Impact of AI-driven language learning apps on vocabulary acquisition among English learners. Research Studies in English Language Teaching and Learning.

    Nation, I. S. P. (2013). Learning vocabulary in another language. Cambridge University Press. https://doi.org/10.1017/CBO9781139524759

    Read, J. A. S. (2000). Assessing vocabulary. Cambridge University Press.

    Rodríguez Altamiranda, M. del C., Villamizar Parada, N. J., Martinez Bula, L. R., Restrepo Ruiz, M., Herazo Chamorro, M., & Gómez Díaz, C. (2024). Artificial intelligence in language learning. International Journal of Intelligent Systems and Applications in Engineering.

    Schmitt, N. (2010). Researching vocabulary: A vocabulary research manual. Palgrave Macmillan.

    Schmitt, N., O'Sullivan, B., Anthony, L., Dunn, K., & Kremmel, B. (2017). Understanding vocabulary acquisition, instruction, and assessment: A research agenda.

    Silitonga, L. M., Wiyaka, W., & Prastikawati, E. F. (2024). Boosting students' ESP vocabulary by utilizing AI chatbot. ETERNAL (English Teaching Journal), 15(2), 275–283. https://doi.org/10.26877/eternal.v15i2.605

    Sintia, D., Perdana, I., & Karani, E. (2025). ESP in practice: A literature review of challenges faced by teachers and learners. Journal of English Language Teaching, 9(2).

    Skarpaas, K. G., & Rødnes, K. A. (2022). Vocabulary teaching practices of L2 English in upper secondary vocational classrooms. Languages, 7(1). https://doi.org/10.3390/languages7010055

    Wah, J. N. K. (2025). Artificial intelligence in language learning: A systematic review of personalization and learner engagement. Forum for Linguistic Studies, 7(9). https://doi.org/10.30564/fls.v7i9.10336

    Wang, S., Xu, T., Li, H., Zhang, C., Liang, J., Tang, J., Yu, P. S., & Wen, Q. (2024). Large language models for education: A survey and outlook. http://arxiv.org/abs/2403.18105

    Wei, L. (2023). Artificial intelligence in language instruction: Impact on English learning achievement, L2 motivation, and self-regulated learning. Frontiers in Psychology, 14. https://doi.org/10.3389/fpsyg.2023.1261955

Referensi

Alhazmi, K. (2024). The effect of multimedia on vocabulary learning and retention. World Journal of English Language, 14(6), 390–399. https://doi.org/10.5430/wjel.v14n6p390

Alqahtani, M. (2015). The importance of vocabulary in language learning and how to be taught. International Journal of Teaching and Education, III(3). https://doi.org/10.20472/te.2015.3.3.002

Antia, S. D., Catalano, J. A., Rivera, M. C., & Creamer, C. (2021). Explicit and contextual vocabulary intervention: Effects on word and definition learning. Journal of Deaf Studies and Deaf Education, 26(3). https://doi.org/10.1093/deafed/enab002

Arroyyani, R., & Maryani. (2025). Vocational high school students' learning difficulty in ESP. Sintuwu Maroso Journal of English Teaching (SintuwumarosoJET), 11(01).

Bai, J., Bai, S., Chu, Y., Cui, Z., Dang, K., Deng, X., Fan, Y., Ge, W., Han, Y., Huang, F., Hui, B., Ji, L., Li, M., Lin, J., Lin, R., Liu, D., Liu, G., Lu, C., Lu, K., … Zhu, T. (2023). Qwen technical report. http://arxiv.org/abs/2309.16609

Coxhead, A. (2012). Vocabulary and ESP. In The Handbook of English for Specific Purposes (pp. 115–132). Wiley. https://doi.org/10.1002/9781118339855.ch6

Coxhead, A., & Demecheleer, M. (2018). Investigating the technical vocabulary of plumbing. English for Specific Purposes, 51. https://doi.org/10.1016/j.esp.2018.03.006

Cresswell, J. W. (2013). Research design: Qualitative, quantitative, and mixed methods approaches. SAGE Publications.

Daskalovska, N. (2020). Vocabulary size at four stages of language development. European Journal of English Language Teaching, 6(2). https://doi.org/10.46827/ejel.v6i2.3392

Dudley-Evans, T., & St John, M. J. (1998). Developments in ESP: A multi-disciplinary approach. Cambridge University Press.

Fadlia, F., Zulida, E., Asra, S., Rahmiati, R., & Bania, A. S. (2020). English subject on English for Specific Purposes (ESP) in vocational schools. Language Literacy: Journal of Linguistics, Literature, and Language Teaching, 4(2).

Hutchinson, T., & Waters, A. (1987). English for Specific Purposes. Cambridge University Press. https://doi.org/10.1017/CBO9780511733031

Kamlun, K., Abu Bakar, A. L., Osman, W. H., & Hamzah, N. N. (2025). AI-powered English for Specific Purposes: Empowering learners through personalised resume writing instruction. MANU Jurnal Pusat.

Kemdikbudristek. (2022). Capaian Pembelajaran [Learning outcomes framework]. Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi.

Liang, W.-X., & Jia-Ying, Z. (2024). Impact of AI-driven language learning apps on vocabulary acquisition among English learners. Research Studies in English Language Teaching and Learning.

Nation, I. S. P. (2013). Learning vocabulary in another language. Cambridge University Press. https://doi.org/10.1017/CBO9781139524759

Read, J. A. S. (2000). Assessing vocabulary. Cambridge University Press.

Rodríguez Altamiranda, M. del C., Villamizar Parada, N. J., Martinez Bula, L. R., Restrepo Ruiz, M., Herazo Chamorro, M., & Gómez Díaz, C. (2024). Artificial intelligence in language learning. International Journal of Intelligent Systems and Applications in Engineering.

Schmitt, N. (2010). Researching vocabulary: A vocabulary research manual. Palgrave Macmillan.

Schmitt, N., O'Sullivan, B., Anthony, L., Dunn, K., & Kremmel, B. (2017). Understanding vocabulary acquisition, instruction, and assessment: A research agenda.

Silitonga, L. M., Wiyaka, W., & Prastikawati, E. F. (2024). Boosting students' ESP vocabulary by utilizing AI chatbot. ETERNAL (English Teaching Journal), 15(2), 275–283. https://doi.org/10.26877/eternal.v15i2.605

Sintia, D., Perdana, I., & Karani, E. (2025). ESP in practice: A literature review of challenges faced by teachers and learners. Journal of English Language Teaching, 9(2).

Skarpaas, K. G., & Rødnes, K. A. (2022). Vocabulary teaching practices of L2 English in upper secondary vocational classrooms. Languages, 7(1). https://doi.org/10.3390/languages7010055

Wah, J. N. K. (2025). Artificial intelligence in language learning: A systematic review of personalization and learner engagement. Forum for Linguistic Studies, 7(9). https://doi.org/10.30564/fls.v7i9.10336

Wang, S., Xu, T., Li, H., Zhang, C., Liang, J., Tang, J., Yu, P. S., & Wen, Q. (2024). Large language models for education: A survey and outlook. http://arxiv.org/abs/2403.18105

Wei, L. (2023). Artificial intelligence in language instruction: Impact on English learning achievement, L2 motivation, and self-regulated learning. Frontiers in Psychology, 14. https://doi.org/10.3389/fpsyg.2023.1261955

Unduhan

Diterbitkan

2026-07-27

Terbitan

Vol 15 No 02 (2026): (Progress) Globish: English-Indonesian Journal for English Education and Culture

Bagian

Articles

Lisensi

Authors who publish with Globish: An English-Indonesian Journal for English, Education, and Culture agree to the following terms: Authors retain copyright and grant the Globish: An English-Indonesian Journal for English, Education, and Culture right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share (copy and redistribute the material in any medium or format) and adapt (remix, transform, and build upon the material) the work for any purpose, even commercially, with an acknowledgement of the work's authorship and initial publication in Globish: An English-Indonesian Journal for English, Education, and Culture. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in Globish: An English-Indonesian Journal for English, Education, and Culture. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges as well as earlier and greater citation of published work (See The Effect of Open Access).

Cara Mengutip

USING AI-BASED PLATFORM TO ENHANCE STUDENTS’ VOCABULARY MASTERY OF ENGLISH FOR SPECIFIC PURPOSES IN VOCATIONAL HIGH SCHOOL. (2026). Globish: An English-Indonesian Journal for English, Education, and Culture, 15(02), 164-171. https://doi.org/10.31000/2kk3bx38