Lebih dari 90% remaja di dunia tinggal di negara berpenghasilan rendah dan menengah (LMICs) di mana kesenjangan pengobatan untuk depresi dan kecemasan sangat besar. Di pedesaan Afrika Selatan, layanan kesehatan mental langka, membuat kaum muda dengan akses terbatas ke perawatan. Intervensi kesehatan mental digital (DMHI) telah muncul sebagai peluang yang menjanjikan untuk menjembatani kesenjangan ini, menawarkan anonimitas, fleksibilitas, dan potensi untuk menjangkau sejumlah besar remaja dengan biaya rendah. Meskipun menjanjikan, keterlibatan tetap menjadi tantangan yang terus-menerus dan penentu penting efektivitas intervensi. Faktor-faktor utama yang terkait dengan keterlibatan yang lebih tinggi termasuk keterkaitan situasi dan karakter, fitur estetika yang menarik, dan desain yang sesuai dengan usia. Namun, sebagian besar konten DMHI yang ada telah dikembangkan di negara-negara berpenghasilan tinggi, yang membatasi resonansi budaya di tempat lain.
Co-Design: Ketika Pengguna Jadi Arsitek Aplikasi Kesehatan Mental
Untuk meningkatkan kesesuaian dan keterlibatan budaya, pendekatan co-design, di mana calon pengguna memainkan peran aktif dalam pengembangan intervensi, semakin banyak diadopsi. Metode partisipatif semacam itu membantu memastikan bahwa intervensi mencerminkan pengalaman dan preferensi pengguna, memposisikan remaja sebagai “ahli dari pengalaman mereka sendiri”. Namun, co-design membutuhkan banyak sumber daya, seringkali membutuhkan beberapa lokakarya iteratif dengan tim kreatif untuk menghasilkan narasi, gambar, dan materi lainnya. Hal ini membatasi skalabilitas pengembangan DMHI, terutama di lingkungan dengan sumber daya rendah di mana kapasitas dan pendanaan terbatas.
Kecerdasan Buatan: Revolusi atau Sekadar Tambahan Kosmetik?
Kecerdasan buatan (AI) sekarang diintegrasikan ke dalam DMHI dalam berbagai cara, termasuk memprediksi risiko kondisi kesehatan mental, menginformasikan pemilihan pengobatan, memantau kemajuan melalui data yang dapat dikenakan, membuat chatbot yang memberikan terapi, dan meningkatkan kualitas perawatan. Sampai saat ini, sebagian besar aplikasi berfokus pada dukungan klinis atau pengiriman konten daripada kokreasi pengguna. Kemajuan terbaru dalam kecerdasan buatan generatif (GenAI), termasuk model bahasa dan difusi besar yang mampu membuat teks, gambar, dan musik dari perintah sederhana, menawarkan jalan baru untuk desain partisipatif. Dengan menyematkan GenAI dalam kerangka kerja desain partisipatif, pengembang dapat membuat co-design DMHI lebih cepat, lebih kreatif, dan lebih terukur sambil mempertahankan prinsip inti inovasi berbasis pengguna. Pada saat yang sama, mengintegrasikan AI ke dalam desain kesehatan mental global menimbulkan pertimbangan etis dan budaya yang penting.
GenAI: Senjata Makan Tuan?
Sebagian besar model GenAI dilatih pada data yang terlalu mewakili konteks Barat, terdidik, industri, kaya, dan demokratis, yang mengarah pada output yang mungkin bias atau tidak sesuai secara budaya. Melibatkan remaja dari LMICs dalam eksplorasi partisipatif alat-alat ini menawarkan cara untuk mengidentifikasi bias semacam itu sejak dini dan memastikan bahwa intervensi digital di masa depan lebih mewakili beragam perspektif budaya. Singkatnya, GenAI punya potensi besar, tapi juga bisa jadi bumerang kalau kita nggak hati-hati.
Studi ini dibangun di atas uji coba percontohan Pengiriman Digital Terapi Aktivasi Perilaku untuk Mengatasi Depresi dan Memfasilitasi Transisi Sosial dan Ekonomi Remaja di Afrika Selatan (DoBAt), yang mengevaluasi kelayakan, penerimaan, dan kemanjuran awal terapi aktivasi perilaku (BA) yang disampaikan secara digital di antara remaja dengan depresi di pedesaan Afrika Selatan. Remaja dalam kelompok intervensi menerima terapi BA melalui program Kuamsha, yang terdiri dari aplikasi ponsel cerdas (aplikasi Kuamsha) dan panggilan dukungan mentor sebaya. Aplikasi Kuamsha adalah permainan naratif pilih-petualangan-Anda-sendiri interaktif yang diproduksi bersama yang menyampaikan prinsip-prinsip utama BA melalui format cerita yang digamifikasi. Aplikasi ini terdiri dari 2 cerita interaktif yang dipimpin pengguna, satu tentang kontes lagu sekolah dan satu tentang pertandingan sepak bola, masing-masing dibagi menjadi 6 episode berurutan, yang melibatkan pengguna melalui konten, gambar, dan musik yang dibuat dengan cermat. Aplikasi Kuamsha dan komponen-komponennya, termasuk cerita, gambar, dan musik, dikembangkan melalui proses iteratif co-design yang melibatkan serangkaian lokakarya partisipatif, diskusi kelompok fokus, dan wawancara individu untuk memastikan kontennya menarik dan mudah dihubungkan.
Mencari Jalan Pintas: GenAI vs. Co-Design Konvensional
Namun, proses desainnya panjang dan membutuhkan banyak sumber daya, terutama menulis dan memvisualisasikan cerita. Kedua cerita tersebut, meskipun menarik, memiliki keterbatasan dalam cakupan. Umpan balik dari remaja lebih lanjut mengungkapkan bahwa mereka memiliki keinginan untuk lebih banyak keragaman dan kedalaman konten. Jadi, intinya, bikin aplikasi itu ribet dan mahal. Siapa tahu AI bisa jadi jalan pintas?
Mengingat kendala ini dan potensi AI yang berkembang untuk meningkatkan desain partisipatif, penelitian ini menguji apakah GenAI dapat membuat co-design lebih cepat dan lebih terukur tanpa mengorbankan kualitas atau kesesuaian budaya. Melalui lokakarya partisipatif dan kelompok fokus dengan remaja pedesaan Afrika Selatan, kami mengeksplorasi pengalaman mereka menggunakan alat GenAI untuk membuat cerita, gambar, dan lagu, membandingkan output ini dengan konten Kuamsha asli. Pendekatan ini memungkinkan kami untuk menilai apakah AI dapat secara bermakna mendukung pengembangan DMHI di masa depan sambil melestarikan pendekatan yang berpusat pada pengguna dan berbasis budaya yang membuat intervensi menarik dan efektif. Apakah AI bisa jadi solusi atau malah bikin masalah baru? Mari kita bedah!
Metode Penelitian: Mengorek Lebih Dalam
Penelitian ini dilakukan di subdistrik Bushbuckridge di Provinsi Mpumalanga, Afrika Selatan, daerah berpenghasilan rendah dengan tingkat pengangguran kaum muda yang tinggi dan akses terbatas ke layanan kesehatan mental spesialis. Dewan Penelitian Medis Afrika Selatan/Universitas Witwatersrand (MRC/Wits) Unit Penelitian Kesehatan Masyarakat dan Transisi Kesehatan Pedesaan (Agincourt) memelihara sistem pengawasan kesehatan dan sosiodemografi yang telah lama ada yang mendukung penelitian berbasis masyarakat dan klinis di daerah tersebut. Lokakarya diadakan di fasilitas Afrika Selatan MRC/Wits-Agincourt di dalam lokasi penelitian.
Peserta diambil dari kelompok intervensi uji coba percontohan DoBAt, yang mengevaluasi kelayakan, penerimaan, dan kemanjuran awal aplikasi Kuamsha, sebuah aplikasi kesehatan mental yang memberikan BA melalui permainan naratif yang didukung oleh mentor sebaya. Remaja yang memenuhi syarat untuk penelitian tambahan ini adalah mereka yang sebelumnya telah menerima Kuamsha sebagai bagian dari uji coba DoBAt dan yang melaporkan merasa nyaman membaca, menulis, dan berbicara bahasa Inggris (karena bahasa lokal utama adalah Shangaan dan Xitsonga, dan pada saat pengumpulan data, tidak ada alat GenAI yang tersedia yang dapat beroperasi secara efektif dalam bahasa ini). Intinya, mereka yang ikutan penelitian ini adalah anak-anak muda yang udah pernah nyobain aplikasi Kuamsha dan lancar berbahasa Inggris. Kenapa bahasa Inggris? Karena GenAI belum bisa bahasa daerah!
ChatGPT, Midjourney, dan Soundful: Trio Maut GenAI
Secara keseluruhan, 3 alat GenAI digunakan dalam penelitian ini. ChatGPT (gpt-3.5-turbo-0301; OpenAI), model bahasa untuk menghasilkan cerita, MidJourney (versi 4.0), AI generatif teks-gambar yang dikembangkan oleh MidJourney, Inc untuk menghasilkan gambar, dan Soundful (Soundful Inc), platform generatif musik AI untuk membuat lagu. ChatGPT dan MidJourney beroperasi berdasarkan teks-ke-teks dan teks-ke-gambar, mengharuskan pengguna untuk memasukkan perintah, sementara Soundful memungkinkan peserta untuk membuat musik dengan memilih opsi dari antarmuka penggunanya (fungsi teks-ke-musik tidak tersedia dalam format yang ramah pengguna pada saat melakukan penelitian ini, meskipun fitur-fitur semacam itu telah dikembangkan sejak itu). Jadi, ini dia trio maut yang dipakai: ChatGPT buat nulis cerita, Midjourney buat bikin gambar, dan Soundful buat bikin musik. Mirip band lengkap!
Workshop dan Diskusi Fokus: Adu Kreativitas dengan AI
Semua peserta, bersama dengan pengasuh mereka yang berusia lebih muda dari 18 tahun, memberikan persetujuan tertulis, termasuk persetujuan untuk merekam audio lokakarya. Tim peneliti menyiapkan sumber daya untuk lokakarya, termasuk presentasi. Panduan topik diskusi kelompok fokus kualitatif dikembangkan oleh SD, JRP, dan AvH. Sebelum lokakarya, asisten penelitian (SD) memberikan pelatihan kepada 3 petugas lapangan kualitatif (TN, PM, dan Meriam Meritze) tentang penggunaan 3 alat AI dan untuk memandu topik.
Sebanyak 2 lokakarya sehari penuh dilakukan pada hari Sabtu berturut-turut pada bulan April 2023 untuk menghindari gangguan jam sekolah. Lokakarya difasilitasi oleh SD serta TN, PM, dan Meriam Meritze, yang fasih berbahasa Inggris dan Xitsonga (bahasa lokal). Lokakarya dimulai dengan SD memberikan presentasi untuk memperkenalkan peserta ke GenAI, menjelaskan potensi penggunaannya, dan mendemonstrasikan 3 alat yang akan mereka gunakan di lokakarya (ChatGPT, Midjourney, dan Soundful). Simpelnya, anak-anak muda ini diajak mainan AI, tapi tetap ada yang ngawasin dan ngarahin.
Eksperimen Kreatif: Dari Prompt Jadi Karya
Peserta kemudian dibagi menjadi 3 kelompok yang terdiri dari 3-4 orang, masing-masing difasilitasi oleh 1 petugas lapangan yang mendukung dan mendorong generasi ide. Setiap kelompok memiliki akses ke 1 laptop untuk menggunakan alat AI, dengan semua kelompok bekerja pada alat AI yang sama secara bersamaan. SD memberikan dukungan tambahan dengan menjawab pertanyaan, mendorong partisipasi, dan membantu dengan masalah teknis. Seorang teknisi TI juga hadir untuk menyelesaikan masalah data, jaringan, atau masalah teknis yang lebih kompleks. Kegiatan lokakarya disusun sebagai berikut. Pertama, peserta menggunakan ChatGPT untuk membuat cerita. Mereka diminta untuk menyertakan nama karakter, lokasi, dan aktivitas dalam perintah mereka (misalnya, “Tolong tulis cerita tentang seorang anak muda Afrika Selatan yang bermain sepak bola di desa”). Peserta juga diperlihatkan cara memodifikasi elemen-elemen cerita yang dihasilkan AI dengan memberikan perintah, seperti “Bisakah Anda membuat cerita lebih penuh aksi dan menarik?” atau “Bisakah Anda mengubah nama karakter utama menjadi nama Afrika Selatan?” atau “Bisakah Anda mengubah bagian X dari cerita menjadi Y?” Kedua, peserta menggunakan MidJourney untuk membuat gambar. Peserta diminta untuk sedetail mungkin dengan perintah (misalnya, “Seorang anak muda Afrika mengenakan topi baseball dengan gaya komik Marvel”). Contoh gambar yang dihasilkan AI disebutkan dalam . Ketiga, peserta menggunakan Soundful untuk membuat musik di antarmuka pengguna situs web mereka. Peserta diminta untuk memilih genre musik, subgenre, kunci, kecepatan, akord mayor atau minor, dan memberi nama lagu mereka. Dari prompt sederhana, AI diharapkan bisa menghasilkan karya yang memuaskan.
Kuamsha vs. AI: Pertarungan Sengit di Ring Kreativitas
Setelah semua kelompok menghasilkan cerita, gambar, dan musik mereka sendiri menggunakan alat AI, peserta berkumpul kembali untuk bagian kedua dari lokakarya: diskusi kelompok fokus pleno. Kelompok fokus difasilitasi oleh TN dengan bantuan dari SD, PM, dan Meriam Meritze. Tujuan dari kelompok fokus adalah 2 kali lipat: (1) untuk mengeksplorasi pengalaman remaja menggunakan 3 alat AI dan (2) untuk membandingkan cerita, gambar, dan lagu yang dihasilkan AI dengan yang dibuat oleh manusia untuk aplikasi Kuamsha. Konten perbandingan dari aplikasi Kuamsha, serta media yang dihasilkan AI yang diproduksi selama lokakarya, ditampilkan di layar proyektor untuk memastikan bahwa semua peserta dapat dengan jelas melihat dan mendengar materi. Jadi, ini dia babak penentuan: karya AI diadu dengan karya manusia dari aplikasi Kuamsha. Siapa yang lebih unggul?
Kutipan-Kutipan Penting: Suara Hati Para Remaja
Sepanjang lokakarya, kombinasi bahasa Inggris dan Xitsonga digunakan untuk memfasilitasi pemahaman dan keterlibatan semua peserta. SD menyampaikan presentasi dalam bahasa Inggris, dengan PM memberikan terjemahan ke dalam bahasa Xitsonga. Xitsonga sebagian besar digunakan selama sesi istirahat kelompok kecil, dan diskusi kelompok fokus dilakukan dalam bahasa Xitsonga (meskipun beberapa peserta menanggapi dalam bahasa Inggris). Lokakarya dan kelompok fokus direkam audio.
Studi ini dirancang dan dilaporkan sesuai dengan Kriteria Konsolidasi untuk Pelaporan Penelitian Kualitatif (COREQ) untuk wawancara dan diskusi kelompok fokus (). Kami juga mengacu pada Panduan untuk Melaporkan Keterlibatan Pasien dan Masyarakat untuk mencerminkan elemen co-design partisipatif dari keterlibatan remaja.
Analisis Data: Mencari Benang Merah
Rekaman audio lokakarya dan diskusi kelompok fokus diterjemahkan dari Xitsonga ke bahasa Inggris dan ditranskripsikan oleh TN dan PM. Transkrip diunggah ke NVivo (Lumivero) [], dan data dianalisis menggunakan analisis tematik induktif. SD meninjau transkrip beberapa kali untuk membiasakan diri dengan data sebelum membuat kode awal. SD membahas kode awal ini secara iteratif dengan HO’M, AvH, dan BM dan kemudian membuat tema akhir setelah konsensus tim. BM bertemu dengan TN, PM, dan Meriam Meritze untuk meninjau tema. Mengingat sifat eksplorasi dan sampel kecil, kami tidak bertujuan untuk saturasi data tematik, tetapi lebih berupaya untuk menangkap berbagai perspektif remaja.
Bias dan Refleksi: Jujur pada Diri Sendiri
Tim peneliti terdiri dari 7 peneliti, yang mengidentifikasi diri sebagai perempuan, dan 1 peneliti yang mengidentifikasi diri sebagai laki-laki, dari berbagai tahap karir. SD adalah asisten penelitian, TN, PM, dan Meriam Meritze adalah petugas lapangan kualitatif berpengalaman, BM (PhD dan MD) adalah peneliti klinis, JRP (PhD) adalah peneliti kesehatan mental global, AvH (PhD) adalah psikolog penelitian dan co-principal investigator studi, dan HO’M (PhD) adalah profesor psikologi klinis dan co-principal investigator studi. Semua anggota tim peneliti memiliki pengalaman sebelumnya melakukan penelitian kualitatif. Anggota tim peneliti (SD, PM, Meriam Meritze, dan TN) yang memfasilitasi lokakarya partisipatif dan melakukan analisis sadar akan posisi mereka, latar belakang budaya, dan paparan sebelumnya terhadap teknologi digital dan GenAI. Kami berusaha untuk menciptakan lingkungan yang menyenangkan, menarik, dan inklusif untuk memfasilitasi proses kreatif peserta. Namun, sifat partisipatif dari lokakarya, di mana fasilitator terlibat aktif dengan para peserta, berarti bahwa ada potensi dinamika kekuasaan dan bias pribadi untuk mempengaruhi pengumpulan data.
Etika Penelitian: Jangan Sampai Merugikan!
Studi ini ditinjau dan disetujui oleh Komite Etika Penelitian Manusia (Medis) dari Universitas Witwatersrand, Johannesburg, Afrika Selatan (MED20-05-011). Semua peserta memberikan persetujuan tertulis sebelum pendaftaran. Untuk peserta yang lebih muda dari 18 tahun, persetujuan orang tua tertulis juga diperoleh. Proses persetujuan yang diinformasikan mencakup informasi tentang tujuan studi, prosedur, kerahasiaan, dan sifat sukarela partisipasi, termasuk hak untuk menarik diri kapan saja tanpa konsekuensi. Peserta tidak menerima kompensasi moneter. Sebaliknya, mereka diberikan transportasi ke tempat studi, penyegaran (teh dan makan siang), dan penggantian biaya terkait perjalanan. Lokakarya direkam audio, ditranskripsikan, dan diterjemahkan ke dalam bahasa Inggris. Rincian identifikasi dihapus selama transkripsi, dan transkrip disimpan dengan aman di server yang dilindungi kata sandi. Semua data yang dilaporkan anonim dan tidak diidentifikasi. Nama-nama telah diubah untuk melindungi privasi peserta. Selain itu, tidak ada gambar dalam artikel atau materi tambahan yang berisi informasi yang dapat diidentifikasi tentang individu peserta. Perawatan diambil untuk memastikan bahwa materi visual apa pun yang dihasilkan selama lokakarya (misalnya, gambar yang dihasilkan AI) tidak menggambarkan atau mengidentifikasi individu nyata.
Hasil Penelitian: GenAI, Antara Cinta dan Benci
Remaja menggambarkan tema-tema yang merangkum pengalaman mereka menggunakan alat GenAI selama lokakarya, termasuk “proses menghasilkan media,” “pengalaman emosional,” dan “otonomi dan agensi” penciptaan. Mereka juga merefleksikan media yang mereka ciptakan di bawah tema “resonansi dengan media yang dihasilkan AI” dan membandingkan kreasi mereka dengan aplikasi Kuamsha di bawah “Perbandingan Kuamsha versus AI.” Akhirnya, remaja mempertimbangkan implikasi yang lebih luas dari AI di bawah tema “moralitas AI” dan “penggunaan AI oleh remaja di masa depan.” Singkatnya, hasilnya campur aduk. Ada yang cinta banget, ada yang biasa aja, bahkan ada yang ngeri!
Kesimpulan: GenAI, Kawan atau Lawan?
Merancang DMHI telah menjadi lebih “manusiawi,” beralih dari yang dipimpin ahli ke co-design partisipatif dengan pengguna. Penelitian ini mengeksplorasi apakah GenAI dapat mengambil langkah lebih jauh, menggabungkan kontribusi manusia dan AI untuk meningkatkan keterlibatan dengan DMHI bahkan lebih. Remaja menikmati menghasilkan cerita, gambar, dan lagu dan umumnya lebih menyukai konten yang dihasilkan AI daripada aplikasi Kuamsha. Proses kreatif itu sendiri merupakan bagian penting dari proses tersebut, memberikan kebebasan berekspresi kepada remaja untuk menciptakan media yang relevan dengan diri sendiri. Namun, remaja membutuhkan dukungan untuk menggunakan teknologi dan melatih kemampuan kreatif mereka. GenAI menawarkan peluang transformatif untuk mengembangkan DMHI di lingkungan dengan sumber daya terbatas. Tidak seperti co-design tradisional, yang membutuhkan lokakarya ekstensif dan personel khusus, pendekatan yang dibantu AI memungkinkan remaja untuk membuat konten yang relevan secara budaya menggunakan perintah bahasa alami, menghasilkan banyak skenario intervensi dalam sebagian kecil waktu dan biaya. Efisiensi ini mendukung adaptasi lintas budaya: alat yang sama dapat digunakan di berbagai konteks LMIC, memungkinkan peserta lokal untuk menghasilkan materi khusus wilayah daripada bergantung pada intervensi yang dikembangkan di negara-negara berpenghasilan tinggi. Membangun repositori bersama dari perintah dan output yang divalidasi secara budaya dapat mendorong kolaborasi regional dan mempercepat pembuatan intervensi yang berbasis lokal. Dengan mendemokratisasi dan mendesentralisasi proses pengembangan, GenAI menyediakan jalur terukur untuk dukungan kesehatan mental yang selaras secara budaya, asalkan penggunaannya tetap dipandu oleh prinsip-prinsip etis, inklusif, dan sensitif terhadap konteks. GenAI punya potensi besar, tapi tetap butuh kendali dan pengawasan manusia. Jadi, apakah GenAI ini kawan atau lawan? Jawabannya tergantung bagaimana kita memanfaatkannya!
