Yapay Zekâ ve Öğrenme / Bir öğrenci, yapay zekâ yardımıyla kusursuz görünen bir ödev hazırlayabilir. Ancak aynı konuyu ertesi gün kendi sözleriyle açıklayamıyorsa, ortaya çıkan ürünle gerçekleşen öğrenmeyi birbirinden ayırmak gerekir.
Eğitimde yapay zekâ tartışmasının en önemli sorularından biri burada başlıyor: Araç öğrencinin düşünmesini nasıl etkiliyor?
Matematik sorusunun çözümü birkaç saniyede ekrana geliyor. Tarih ödevinin metni hazırlanıyor, yabancı dildeki paragraf düzeltiliyor. İşler hızlanıyor. Fakat öğrenmenin ilerleyip ilerlemediğini anlamak için hızdan ve sonuçların düzgünlüğünden daha fazlasına bakmak gerekiyor.
Sarah Schwartz’ın 10 Kasım 2026’da Education Week’te yayımlanan yazısı da bu ayrımı gündeme getiriyor. Yazının temel mesajı, yapay zekânın öğrenmeye etkisinin tek bir olumlu veya olumsuz hükme indirgenemeyeceği. Kullanım amacı, aracın tasarımı ve öğretim koşulları sonucu değiştirebiliyor. edweek.org
Araştırmalar ne söylüyor?
Schwartz’ın ele aldığı Stanford Üniversitesi incelemesi, üretken yapay zekânın eğitimdeki etkilerini araştıran 52 deneysel ve yarı deneysel çalışmayı değerlendiriyor. Bunların yalnızca 10’u ABD’de okul öncesinden lise sonuna uzanan eğitim ortamlarında gerçekleştirilmiş. Dolayısıyla bulguları bütün yaşlara, derslere ve ülkelere doğrudan genellemek mümkün değil. edweek.org
Stanford raporunda önemli bir ayrım öne çıkıyor: Öğrencinin yeni bir konuyu anlamak için destek alması, işi yapay zekâya yaptırmasına kıyasla daha umut verici görünüyor. Bununla birlikte iki kullanım biçimi de bütün araştırmalarda tutarlı öğrenme kazanımları sağlamıyor. Öğrencinin deneyimi daha olumlu bulması da mutlaka daha fazla öğrendiğini göstermiyor. scale.stanford.edu
Bu nedenle “Öğrenciler uygulamayı çok sevdi” veya “Ödevler daha iyi oldu” ifadeleri değerlidir ama tek başına yeterli değildir. Öğrencinin sonrasında neyi bağımsız yapabildiğini de görmemiz gerekir.
Türkiye’deki matematik araştırmasının uyarısı
Bastani ve arkadaşlarının Türkiye’de bir lisede yürüttüğü randomize araştırma, performansla öğrenmenin ayrılabileceğini gösteren dikkat çekici bir örnektir.
Araştırmada genel kullanıma benzeyen bir yapay zekâ arayüzü, öğretmenlerin katkısıyla öğrenmeyi koruyacak biçimde düzenlenmiş bir yapay zekâ öğreticisi ve yapay zekâ kullanmayan kontrol grubu karşılaştırılmıştır.
Genel arayüzü kullanan öğrenciler, araç erişimi kaldırıldıktan sonraki sınavda kontrol grubundan yaklaşık yüzde 17 daha düşük performans göstermiştir. Öğrenciyi yönlendirecek biçimde tasarlanan öğretici sürümde bu olumsuz fark büyük ölçüde ortadan kalkmış; ancak kontrol grubuna göre anlamlı bir ek kazanım görülmemiştir. Bu sonuç, belirli bir uygulamadaki kısa dönemli öğrenmeye ilişkindir; bütün yapay zekâ araçlarına ait değişmez bir oran değildir. doi.org
Buradan çıkarılabilecek eğitimsel ders şudur: Bir öğrencinin yardımla çözebildiği soru sayısı artarken, yardımsız çözme kapasitesi aynı ölçüde gelişmeyebilir.
Olumlu sonuçlar da var
Yapay Zekâ ve Öğrenme / Araştırma tablosu yalnızca risklerden oluşmuyor. Kestin ve arkadaşlarının üniversite düzeyinde gerçekleştirdiği randomize çalışma, araştırma temelli bir öğretim tasarımına sahip yapay zekâ öğreticisinin, incelenen derslerde sınıf içi aktif öğrenme koşuluna göre daha yüksek öğrenme kazanımları sağlayabildiğini bildiriyor. nature.com
Bu bulgu, özel olarak tasarlanmış bir aracın belirli koşullarda yararlı olabileceğini gösterir. Her sohbet aracının aynı sonucu vereceğini veya öğretmenin yerini alabileceğini göstermez.
İki araştırma birlikte düşünüldüğünde, dikkatimizi aracın adına değil, öğrenciye hangi zihinsel işi yaptırdığına yöneltmemiz gerektiği anlaşılıyor.
Aynı araç, farklı öğrenme deneyimleri
Yapay Zekâ ve Öğrenme / Bir öğrencinin Türkçe ödevi için “Bu hikâyenin ana fikrini yaz” demesiyle, kendi yorumunu oluşturup “Metinden gösterdiğim kanıtlar bu yorumu destekliyor mu?” diye sorması farklı süreçlerdir.
İlkinde öğrencinin yapması beklenen yorumlama işi büyük ölçüde devredilebilir. İkincisinde öğrenci önce düşünür, ardından düşüncesini incelemek için destek ister.
Aşağıdaki örnekler, araştırmalardan hareketle hazırlanmış uygulama önerileridir; her durumda başarı garantisi veren komutlar değildir.
| Ders | Öğrenme fırsatını azaltabilecek kullanım | Düşünmeyi destekleyebilecek kullanım |
|---|---|---|
| Matematik | Sorunun bütün çözümünü alıp aktarmak | Kendi çözümündeki ilk hatayı bulmak için ipucu istemek |
| Türkçe | Kitabı okumadan özetini teslim etmek | Okuduktan sonra kendi özetindeki eksikleri incelemek |
| Fen Bilimleri | Deney yapılmış gibi sonuç yazdırmak | Gerçek gözlemler için alternatif açıklamalar üretmek ve bunları sınamak |
| Tarih | Kaynakları incelemeden hazır yorum almak | Kendi yorumuna karşı hangi kanıtların aranabileceğini sormak |
| Yabancı Dil | Metni bütünüyle yazdırmak | Kendi metnindeki hataların gerekçesini öğrenip yeniden yazmak |
Burada temel ölçüt, yardımın öğrenciyi yeniden işe döndürüp döndürmediğidir. İpucunun ardından öğrenci açıklama yapıyor, deniyor ve kontrol ediyorsa öğrenme için daha fazla fırsat korunmuş olur.
Öğretmen açısından zaman kazanmak yeterli mi?
Yapay zekâ, öğretmene soru taslakları, ders planı seçenekleri veya geri bildirim önerileri sunabilir. Stanford incelemesinde öğretmenlere yönelik araçların zaman kazandırabildiği ve bazı geri bildirim uygulamalarını geliştirebildiği belirtiliyor. Ancak öğrenci motivasyonu ve güveni açısından olumsuz sonuç bildiren çalışmalar da var. Bulgular, öğretmenin deneyimine ve desteğin biçimine göre değişebiliyor. scale.stanford.edu
Örneğin hazırlanmış bir geri bildirim dil bakımından düzgün olabilir; fakat öğrencinin gerçekte yaptığı hatayı karşılamayabilir. Öğretmen bu metni öğrencinin çalışmasıyla karşılaştırıp düzenlemelidir.
Benzer biçimde bir ders planında çok sayıda etkinlik bulunması, onların sınıfın öğrenme ihtiyacına uygun olduğunu göstermez. Öğretmenin mesleki değerlendirmesi, öneriler arasından seçim yaparken ve onları öğrencilerine uyarlarken devrededir.
Sınıfta uygulanabilecek dört adım
Öğrencilerin yapay zekâyla çalışmasına izin verilen durumlarda şu düzen denenebilir:
1. Önce kendi düşünceni görünür kıl
Öğrenci ilk çözümünü, taslağını veya tahminini kaydeder. Böylece nerede zorlandığı anlaşılabilir.
2. Yardımın amacını belirt
“Ödevi tamamla” yerine “Bu adımı anlamadım” veya “Bu iddiam için hangi kanıt eksik?” gibi belirli bir ihtiyaç açıklanır.
3. Gelen cevabı incele
Öğrenci öneriyi ders kitabı, öğretmen açıklaması, güvenilir kaynak veya kendi hesaplamasıyla kontrol eder. Akıcı anlatım doğruluk kanıtı sayılmaz.
4. Aracı kapatıp yeniden dene
Benzer bir soru çözülür, kavram kendi sözleriyle açıklanır veya yeni bir örneğe uygulanır.
Bu akış, öğrencinin başlangıç düşüncesiyle sonraki çalışmasını karşılaştırmayı da kolaylaştırır.
Değerlendirmeyi yalnızca son ürüne bağlamayın
Yapay Zekâ ve Öğrenme / Öğretmen, düzgün hazırlanmış bir metnin yanında öğrencinin o metne nasıl ulaştığını da inceleyebilir:
- İlk taslakta ne vardı?
- Hangi öneriyi kabul etti, hangisini reddetti?
- Bir kaynağı nasıl doğruladı?
- Konuyu kısa bir sözlü açıklamayla anlatabiliyor mu?
- Benzer görevi daha sonra bağımsız yapabiliyor mu?
Bu sorular, kullanımın öğrenmeyle ilişkisini görünür kılar. Aileler de yalnızca “Ödevin bitti mi?” yerine, “Bugün neyi daha iyi anladın, bir örnek gösterebilir misin?” diye sorabilir.
Okullar için doğru başlangıç küçük ve ölçülebilir olabilir
Yapay Zekâ ve Öğrenme / Bir okul, bütün derslere yaygınlaştırmadan önce belirli bir öğrenme ihtiyacını seçebilir. Örneğin öğrencilerin matematik hatalarını açıklamasını geliştirmek veya yazılı çalışmalarını gözden geçirmesine destek olmak.
Ardından uygulama öncesindeki ve sonrasındaki bağımsız öğrenci çalışmaları incelenir. Erişim imkânları, yaşa uygunluk ve öğretmenin denetim kapasitesi de hesaba katılır.
Mevcut araştırmalar, uzun dönemli kazanımların ne kadar sürdüğü ve hangi öğrencilerin hangi koşullarda daha fazla yarar gördüğü konusunda hâlâ önemli boşluklar bulunduğunu gösteriyor. Bu nedenle önerilen her yeni özelliği kanıtlanmış bir öğrenme çözümü gibi kabul etmemek gerekir. scale.stanford.edu
Eğitimde yapay zekânın değerini değerlendirirken ekranda oluşan cevabın ötesine bakmalıyız. Öğrenci araç kapandıktan sonra daha iyi açıklayabiliyor, sorgulayabiliyor ve uygulayabiliyor mu? Öğrenmeye ilişkin en anlamlı işaretlerden biri burada bulunacaktır.
Kaynaklar
- Schwartz, S. (2026, 10 Kasım). Is AI good or bad for learning? The answer isn’t so simple. Education Week.
- Walker, S., Fesler, L., Martinez Claeys, J. P., Agnew, C., & Loeb, S. (2026). The evidence base on AI in K–12: A November 2026 review. SCALE Initiative, Stanford University. https://doi.org/10.26300/80wn-ca81
- Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(26), e2422633122. https://doi.org/10.1073/pnas.2422633122
- Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. https://doi.org/10.1038/s41598-025-97652-6
Tavsiye Edilen Makaleler
Yapay Zekâ Çağında Öğrenme – Yapay Zekâ Her Şeyi Biliyorsa İnsan Ne Öğrenmeli?
Yapay Zekâ Çalışma Komutları – Öğrenmeyi Güçlendiren 15 Komut
Öğrenmeyi Kolaylaştıran Yapay Zekâ Araçları – Her İşe Aynı Zekâ Olur mu?















