29. Eğitimde Kullanım

29.1 Merkezî Bulgu: Aracın Varlığı Değil, Tasarımı Belirler

Eğitimde yapay zekâ tartışması genellikle yanlış soruyla başlar: yasaklamalı mı, serbest bırakmalı mı? En güçlü deneysel kanıt bunun yanlış soru olduğunu göstermektedir.

Zarar Tarafı

Yaklaşık bin lise matematik öğrencisiyle yürütülen ve hakemli bir dergide yayımlanan randomize saha deneyi, sonucu belirleyenin aracın varlığı değil tasarımı olduğunu ortaya koymuştur.

Kaynak: Bastani ve ark., "Generative AI without guardrails can harm learning: Evidence from high school mathematics," Proceedings of the National Academy of Sciences 122(26):e2422633122 (25 Haziran 2025), DOI 10.1073/pnas.2422633122. Hakemli. 20 Ağustos 2025'te bir düzeltme yayımlanmıştır. Doğrulama tarihi: 7 Eylül 2026.

Fayda Tarafı

Aynı literatürün diğer ucunda, üniversite fizik dersinde yürütülen ve hakemli bir dergide yayımlanan randomize çapraz geçişli deney bulunmaktadır. Pedagojik ilkelere göre özel olarak tasarlanmış bir yapay zekâ öğreticisi, aynı ilkelerle yürütülen etkin öğrenme dersiyle karşılaştırılmıştır.

Yapay zekâ grubunun öğrenme kazanımı, etkin öğrenme grubunun kazanımının iki katından fazla olmuştur. Etki büyüklüğü, tavan etkisi düzeltmesiyle 0,73 ile 1,3 standart sapma aralığında hesaplanmıştır.

Kaynak: Kestin ve ark., "AI tutoring outperforms in-class active learning," Scientific Reports 15:17458 (3 Haziran 2025), DOI 10.1038/s41598-025-97652-6. Hakemli. N = 194 lisans öğrencisi, çapraz geçişli randomize tasarım. Doğrulama tarihi: 7 Eylül 2026.

İki Çalışmanın Birlikte Söylediği

Yapay zekâ eğitimde ne kendiliğinden yararlı ne kendiliğinden zararlıdır. Tasarım kararı sonucu belirler. Bu, bölümün geri kalanının çerçevesidir.

Şekil 29.1 — Aynı model, kullanım tasarımına göre zıt öğrenme sonucu.

29.2 Meta-Analizler: Ortalama Pozitif, Ama Dikkatli Okunmalı

Tek tek deneylerin ötesinde, çok sayıda çalışmayı birleştiren meta-analizler de yayımlanmıştır. Bunlar ortalama olarak pozitif etki bildirmektedir.

Ancak bu ortalamalar dikkatle okunmalıdır. Bildirilen heterojenlik oranları çok yüksektir ve öngörü aralıkları negatif değerleri kapsamaktadır. Bunun anlamı şudur: çalışmalar arasındaki fark, ortalamanın kendisinden daha bilgilendiricidir.

29.3 Neden Korumasız Kullanım Zarar Verir?

Mekanizma, Bölüm 4.3'te ele alınan bilişsel boşaltımdır. Öğrenme çabayla gerçekleşir; zorlanma sürecinin kendisi öğrenmenin parçasıdır. Cevabı doğrudan veren bir araç o çabayı ortadan kaldırır.

Destekleyici Kanıt ve Sınırı

Altı yüzü aşkın katılımcıyla yapılan bir çalışma, yapay zekâ kullanımı ile eleştirel düşünme arasında güçlü negatif ilişki, kullanım ile bilişsel boşaltım arasında güçlü pozitif ilişki bildirmiştir.

Kaynak: Gerlich (2025), Societies 15(1):6, DOI 10.3390/soc15010006. N = 666, Birleşik Krallık. Hakemli.

Boşaltımın Türü Belirleyici

Bilişsel boşaltımın her türü zararlı değildir. İki yüz kırk katılımcılı yarı-deneysel bir çalışmada, öğrencilere alt düzey işleri (dil düzeltme, fikir üretme) araca devredip üst düzey analize odaklanmaları açıkça öğretildiğinde, eleştirel düşünmede anlamlı gelişme gözlenmiştir.

Ayrım şudur: görevin dışsal yükünü devretmek yararlı, asli bilişsel işini devretmek zararlıdır. Bir öğrencinin yazım hatalarını düzelttirmesi ile argümanını kurdurması aynı şey değildir.

29.4 Korumalı Kullanım Nasıl Kurulur?

Deneydeki korumalı grup farklı bir model kullanmadı; farklı bir talimatla çalıştı. Aynı kurgu sınıfta uygulanabilir.

• Cevap verme yasağı. Araç sonucu değil, sonraki adımı önerir.
• Öğretmen tasarımlı ipuçları. Konunun bilinen zorluk noktalarına göre hazırlanır.
• Öğrenciden önce deneme isteme. Araç, öğrenci kendi çözümünü denemeden yardım etmez.
• Sokratik yönlendirme. Cevap yerine soru sorar.
• Doğrulama isteme. Öğrenci sonucu kontrol etme yöntemini kendisi söyler.

Örnek Talimat

Sokratik Modun Sınırı

Sokratik yaklaşımın üstünlüğü karşılaştırmalı çalışmalarda gösterilmiştir. Ancak bir sınır da belgelenmiştir: öğrenciler sokratik modda başlangıçta akıl yürütmekte, zamanla katılımdan kopabilmektedir.

Pratik sonuç: korumalı mod bir sihir değil, bir çerçevedir. Öğretmenin varlığı ve takibi hâlâ gereklidir.

Ticari Modlar Hakkında

Büyük sağlayıcıların sunduğu öğretmen ve çalışma modları için yayımlanan etkinlik verilerinin önemli kısmı, o ürünü geliştiren şirketler tarafından üretilmiştir.

29.5 Öğretmenin Kendi Kullanımı

Öğrencinin kullanımı ile öğretmenin kullanımı farklı risk profillerine sahiptir.

Yaygınlık ve İş Yükü

Büyük ölçekli öğretmen anketleri, kullanımın hızla yaygınlaştığını ve ölçülebilir zaman kazancı sağladığını göstermektedir. İki binden fazla öğretmenle yapılan bir araştırmada, öğretmenlerin çoğunluğu iş amaçlı bir yapay zekâ aracı kullandığını bildirmiş; haftalık kullananlar ortalama haftada yaklaşık altı saat tasarruf bildirmiştir.

Kaynaklar: RAND American Educator Panels (Şubat 2025) ve Gallup ile Walton Family Foundation ortak araştırması (N = 2.232 K-12 öğretmeni, İlkbahar 2025). Doğrulama tarihi: 7 Eylül 2026.

Bu, bölümün en net olumlu bulgusudur: materyal hazırlama, ders planı ve geri bildirim taslağı gibi işlerde kazanç gerçektir ve ölçülmüştür.

Risk Haritası

Otomatik Not Verme: Ne Biliyoruz?

İyi tasarlanmış talimatlarla modellerin insan puanlayıcıya yaklaştığı ölçülmüştür. Ancak aynı literatür üç sistematik sorunu da belgelemektedir.

• Talimat duyarlılığı: istemdeki küçük değişiklikler puanları kaydırabilir.
• Yüzeysel akıcılığı ödüllendirme: iyi yazılmış ama zayıf içerikli yanıt yüksek puan alabilir.
• Dil öğrencilerine karşı farklılaşma: ana dili değerlendirme dilinden farklı öğrencilerin puanları insan puanlayıcıdan sapabilir.

29.6 Değerlendirme Tasarımı

Yapay zekâ, eve verilen yazılı ödevin ölçtüğü şeyi değiştirdi. Ödev işe yaramaz hâle gelmedi; neyi ölçtüğünün yeniden düşünülmesi gerekiyor.

Terim Düzeltmesi

Literatürde bir kavram kayması olmuştur: "yapay zekâya geçirmez" değerlendirme hedefi terk edilmiş, yerini "yapay zekâya dayanıklı" tasarım almıştır.

Gerekçe basittir: modeller hızla gelişmektedir, bugün çözemediğini yarın çözebilir. Dayanıklılık, sorunun zorluğundan değil, ölçüm biçiminden gelir.

Dört Sütunlu Çerçeve

Kaynak: yapay zekâya dayanıklı değerlendirme üzerine hakemli çerçeve çalışmaları (2026) ve kullanım düzeyi taksonomileri. Doğrulama tarihi: 7 Eylül 2026.

Sözlü Savunmanın Kanıtı ve Bedeli

Sözlü değerlendirme, ampirik olarak en güçlü doğrulama kanalıdır. Üç yıl boyunca yirmi beş derste iki yüz doksan öğrenciyle yürütülen bir çalışma bunu desteklemektedir.

29.7 Kurumsal Politika: Yasaktan Koşullu İzne

Bu alanda son iki yılda belirgin bir eğilim değişimi ölçülmüştür.

Üniversite Politikaları

Beş ülkede üç yüz kırk üç üniversitenin politikalarını karşılaştıran bir analiz, kurumların yaklaşık yarısının takdir yetkisine dayalı politikalar benimsediğini, yüzde yirmiden azının tam yasak uyguladığını ve yüzde birden azının koşulsuz izin verdiğini bulmuştur.

Ders Düzeyinde Eğilim

Otuz binden fazla ders izlencesini inceleyen bir çalışma, eğilimi daha net göstermektedir: 2023 başında akademik dürüstlük vurgusu baskınken, 2025 sonunda beyan ve atıf talebi belirgin biçimde artmış, öğrenme aracı olarak yapay zekâ çerçevesi yaygınlaşmıştır.

Kaynaklar: beş ülkeli üniversite politika analizi (2025) ve 31.692 ders izlencesi üzerine çalışma raporu. Doğrulama tarihi: 7 Eylül 2026.

Hazırlıksızlık

Dört yüz elliyi aşkın okul ve üniversite üzerinde yapılan uluslararası bir taramada, kurumların yüzde onundan azının üretken yapay zekâya dair kurumsal politikaya sahip olduğu bulunmuştu. Bu, politika üretiminin kullanımın gerisinde kaldığını gösterir.

Bir Politikada Bulunması Gerekenler

• Hangi kullanımların serbest, kısıtlı ve yasak olduğu.
• Beyan yükümlülüğü ve biçimi.
• Öğrenci verisi kuralları.
• Öğretmenin kendi kullanımına dair kurallar.
• İhlal iddiasında izlenecek adil süreç.
• Gözden geçirme sıklığı.

29.8 Eşitlik ve Adalet

Bu alt bölüm, eğitimcinin en ağır sorumluluğunu doğurur ve bu kitapta en çok kanıtla desteklenen uyarıyı içerir.

Tespit Araçlarının Yanlılığı

Yayımlanmış bir çalışma, yapay zekâ tespit araçlarının ana dili değerlendirme dilinden farklı olan yazarların metinlerinin büyük bir bölümünü yanlışlıkla yapay zekâ üretimi olarak etiketlediğini; aynı araçların ana dili o dil olan yazarları neredeyse hiç yanlış etiketlemediğini göstermiştir.

Kaynak: Liang ve ark., "GPT detectors are biased against non-native English writers," Patterns (2023). Hakemli. Araç üreticilerinin kendi iç araştırmaları daha düşük yanlış pozitif oranı bildirmektedir; çelişki bilinçli olarak korunmuştur.

Belgelenmiş Vakalar

Bu yanlılık soyut değildir. Belgelenmiş vakalar arasında, tespit aracı raporu nedeniyle suçlanıp sonradan aklanan öğrenciler ve yalnızca bir yazım yardımcısı kullandığı hâlde işaretlenip disiplin cezası alan öğrenciler bulunmaktadır.

Daha da çarpıcı olanı bir mahkeme kararıdır: nörolojik farklılığı olan bir öğrenci hakkında tespit aracına dayanılarak verilen karar, mahkeme tarafından geçerli temelden yoksun bulunmuş ve kaydın silinmesine hükmedilmiştir.

Vakalar bağımsız haber ve hukuk kaynaklarından doğrulanmıştır. Dava izleme sitelerinde geçen diğer bazı davalar birincil kaynaktan doğrulanamamış ve buraya alınmamıştır. Doğrulama tarihi: 7 Eylül 2026.

Kurumsal Tepkiler

Bazı büyük üniversiteler yapay zekâ tespit özelliğini kurumsal olarak devre dışı bırakmıştır. Gerekçe olarak yanlış pozitif oranı ve öğrenciye haksızlık riski gösterilmiştir.

Adil Süreç

• Skoru şüphe olarak değerlendirin, kanıt olarak değil.
• Öğrenciyle konuşun; metni açıklamasını isteyin.
• Süreç kanıtlarına bakın: taslaklar, notlar, revizyon geçmişi.
• Öğrencinin bilinen yazım düzeyiyle karşılaştırın.
• Öğrencinin dil geçmişini ve varsa erişilebilirlik ihtiyacını hesaba katın.
• Karar gerekçesini yazılı olarak kaydedin.

Erişim Eşitsizliği

İkinci bir adalet boyutu erişimdir. Araştırmalar, sosyoekonomik düzeyi yüksek bireylerin yapay zekâ farkındalığı ve kullanımında önde olduğunu bildirmektedir. Kurum bir aracı değerlendirmeye dâhil ediyorsa, tüm öğrencilerin eşit erişimini sağlamak zorundadır.

Öğrenme Güçlüğü Olan Öğrenciler

Öğrenme güçlüğü olan öğrenciler için yapay zekâ destekli müdahaleleri inceleyen sistematik bir derleme, olumlu ve bazı ölçütlerde büyük etki büyüklükleri bildirmiştir. Ancak aynı derleme, incelenen çalışmaların tamamının orta veya yüksek yanlılık riski taşıdığını, düşük yanlılık riskli tek bir çalışma bulunmadığını belirtmiştir.

29.9 Öğrenci Verisi ve Çocuk Koruması

Öğretmenin en kolay ihlal edebileceği kural budur çünkü ihlal genellikle iyi niyetle yapılır.

Yasal Çerçeve Değişiyor

Çocuk verisi düzenlemeleri bu dönemde güncellenmektedir. Bazı ülkelerde üçüncü taraflarla veri paylaşımı için ayrı ve açık ebeveyn onayı zorunlu hâle gelmiş, biyometrik tanımlayıcılar kapsama alınmıştır. Avrupa'daki düzenleme veri asgariliği ve genişletilmiş özne haklarını öngörür.

Ortak yapı şudur: okul veri sorumlusudur, sağlayıcı veri işleyicidir. Sorumluluk okuldadır.

Sık Yapılan İhlal

Bir öğrencinin ödevini yapay zekâ yazıp yazmadığını anlamak için bir araca yüklemek iki ayrı sorun doğurur. Birincisi, öğrencinin çalışmasını üçüncü tarafa vermiş olursunuz. İkincisi, 29.8'deki yanlılık bulgusu nedeniyle zaten güvenilir bir cevap almazsınız.

Güvenli Yapılandırma

• Veri işleme anlaşması imzalanmış kurumsal dağıtım kullanın.
• Sözleşmede model eğitimini yasaklayan madde bulunsun.
• Öğrenciyi tanımlayan bilgiyi genel amaçlı araçlara girmeyin.
• Otomatik verilen hiçbir kararı insan gözden geçirmeden uygulamayın.
• Öğretmenin kişisel hesabıyla öğrenci verisi işlemesini yasaklayın.

29.10 Yaş ve Gelişim

Uluslararası rehberler, üretken yapay zekânın bağımsız kullanımı için asgari yaş sınırı önermektedir; yaygın eşik on üç, bazı bölgesel düzenlemelerde on altıdır.

Gelişimsel Ölçüt

Yaşın ötesinde pedagojik bir ölçüt vardır: öğrenci, aracın çıktısını değerlendirebilecek temel yetkinliğe sahip mi?

Temel bir beceri henüz kazanılmamışsa, o beceriyi kullanan bir aracın devreye girmesi öğrenmeyi engeller. Ölçüt yaş değil, temel yetkinliğin varlığıdır.

Erken Yaş İçin Özel Endişe

Erken yaş grubunda ayrı bir kaygı dile getirilmektedir. Yetişkinde bir becerinin körelmesi geri kazanılabilir; çocukta ise henüz oluşmamış bilişsel yolların hiç kurulmaması söz konusu olabilir.

Bu kanıtlanmış bir bulgu değil, ölçülmesi çağrısı yapılan bir hipotezdir. Ancak ihtiyat gereği erken yaşta somut, denetimli ve sınırlı kullanım önerilmektedir.

29.11 Mesleki ve Teknik Eğitim

Uygulamalı ve mesleki eğitim, genel eğitimden farklı bir denge gerektirir.

Ayırt Edici Özellik

Mesleki eğitimde öğrenilenin önemli kısmı el becerisi, malzeme hissi, ölçme alışkanlığı ve güvenlik refleksidir. Bunlar metin üreten bir araçla öğrenilemez ve onunla ikame edilemez.

Umut Veren Alan: Simülasyon

Yapay zekânın mesleki eğitimde en umut verici kullanımı, metin üretimi değil simülasyondur. Yapay zekâ destekli simülatörlerin ve genişletilmiş gerçeklik uygulamalarının el becerisi kazanımını ve öğrenme hızını artırdığını bildiren çalışmalar bulunmaktadır.

Bu alandaki derleme çalışmalarının önemli kısmı hakem sürecinden geçmemiş ön baskılardır ve uzun vadeli kanıt sınırlıdır. Ayrıca maliyet ve gizlilik sorunları belirtilmektedir. Doğrulama tarihi: 7 Eylül 2026.

İş Yerinde Öğrenme: Belgelenmemiş Bir Risk

Çıraklık ve iş yeri eğitiminde ek bir boyut vardır: öğrenci, iş yerinin gizli bilgisine erişir. Müşteri verisi, üretim yöntemi veya tasarım detayı bir yapay zekâ aracına girilirse, öğrenci farkında olmadan işletmeyi riske atar.

Bu risk literatürde belirgin bir boşluk olarak durmaktadır: mesleki eğitim çalışmalarında öğrenme etkileri incelenirken iş yeri gizliliği boyutu neredeyse hiç ele alınmamıştır. Kurumların bunu kendi protokolleriyle kapatması gerekir.

29.12 Yapay Zekâ Okuryazarlığı

Bu bölümün sonucu şudur: yasak da serbestlik de tek başına çözüm değildir. Çözüm öğretmektir.

Etkinlik Kanıtı ve Sınırı

Yapay zekâ okuryazarlığı müdahalelerini birleştiren bir meta-analiz, ortalama olarak büyük bir etki bildirmektedir. Ancak öngörü aralığı geniştir ve negatifi kapsamaktadır — sonuç bağlama güçlü biçimde bağlıdır.

Aynı analizin daha bilgilendirici bulgusu şudur: bilgi kazanımları, beceri, tutum ve etik kazanımlarını belirgin biçimde aşmaktadır.

Öğretilmesi Gereken Beceriler

• Aracın nasıl çalıştığını temel düzeyde bilmek — neden uydurabildiğini anlamak.
• Doğrulama alışkanlığı — her olgusal iddiayı kaynağa götürmek.
• Kendi çabasını koruma bilinci — ne zaman yardım istemeyeceğini bilmek.
• Beyan alışkanlığı — kullanımı şeffaf biçimde bildirmek.
• Gizlilik bilinci — neyi yüklemeyeceğini bilmek.
• Kaynak değerlendirme — Bölüm 22'deki hiyerarşiyi uygulamak.

Üçüncü madde en zor öğretilenidir ve en önemlisidir. Bölüm 29.1'deki bulgu tam olarak bunu ölçmüştür.

29.13 Bölüm Özeti

• Sonucu aracın varlığı değil, tasarımı belirler.
• Korumasız kullanım, yardımsız sınavda ölçülebilir zarar vermiştir.
• Koruma zararı önler ama kendiliğinden öğrenme kazancı sağlamaz.
• İyi tasarlanmış öğretici, etkin öğrenme dersinden daha fazla öğrenme sağlayabilmiştir.
• Meta-analiz ortalamaları yüksek heterojenlik taşır; bağlamdan koparılmamalıdır.
• Boşaltımın türü belirleyicidir: dışsal yükü devretmek yararlı, asli işi devretmek zararlıdır.
• Öğretmen kullanımı ölçülebilir zaman kazancı sağlamaktadır.
• Not verme devredilemez; nihai karar öğretmenindir.
• Hedef yapay zekâya geçirmez değil, dayanıklı değerlendirmedir.
• Sözlü savunma güçlüdür ama tek kanal olmamalıdır — erişilebilirlik sorunu doğurur.
• Kurumlar tam yasaktan beyanla serbestliğe kaymaktadır; ancak sonuç kanıtı hâlâ zayıftır.
• Tespit skoru tek başına disiplin gerekçesi olamaz; mahkeme kararlarıyla desteklenen bir uyarıdır.
• Öğrenci verisi onaylanmamış araçlara girilmemelidir.
• Yaş sınırı bilimsel eşik değil, düzenleyici bir tercihtir; ölçüt temel yetkinliktir.
• Mesleki eğitimde el becerisi ve güvenlik refleksi ikame edilemez.
• Okuryazarlık programları bilgide başarılı, beceride zayıftır; ağırlık kaydırılmalıdır.

Güncellik kontrolü: Bu bölümdeki temel deneysel bulgular hakemli dergilerde yayımlanmış randomize kontrollü çalışmalara dayanmaktadır. Bazı destekleyici bulgular ön baskı veya şirket kaynaklıdır ve metinde bu şekilde işaretlenmiştir. Kanıt tabanının önemli kısmı belirli coğrafyalardan gelmektedir; farklı bağlamlarda sonuçlar değişebilir. Doğrulama tarihi: 7 Eylül 2026.