Yapay Zekâ Çağında Matematik Öğrenmek: Cevaptan Düşünmeye

Yapay zekâ araçları, öğrencilerin bilgiye ulaşma ve problem çözme biçimlerini hızla dönüştürüyor. Bir matematik denkleminin veya karmaşık bir problemin adım adım çözümüne ulaşmak artık yalnızca birkaç saniye sürüyor. Ancak bu hız ve kolaylık, eğitim dünyasında kritik bir soruyu gündeme getiriyor: Bir sorunun doğru cevabına zahmetsizce ulaşmak, o konuyu gerçekten öğrendiğimiz anlamına gelir mi?

Matematik öğrenmek; yalnızca doğru sonuca ulaşmak değil, çözüm yolunu kavramak, kullanılan adımları gerekçelendirmek, farklı yöntemleri karşılaştırmak ve kazanılan mantığı yeni durumlara aktarabilmektir. Bu nedenle yapay zekânın matematik eğitimindeki rolü, öğrencinin yerine düşünen bir mekanizma değil; onun düşünme ve sorgulama sürecini besleyen bir öğrenme arkadaşı olarak kurgulanmalıdır.

Performans ile Öğrenme Aynı Şey Midir?

Eğitim araştırmacıları iki kavramı birbirinden ayırır. Performans, bir aracın yardımıyla o anda gösterilen başarıdır. Öğrenme ise yardım çekildiğinde de geriye kalan bilgi ve beceridir. Yapay zekâ performansı kolayca artırabilir; öğrenmeyi artırıp artırmadığı ise nasıl kullanıldığına bağlıdır.

Bastani ve arkadaşlarının (2025) PNAS dergisinde yayımlanan çalışması bu ayrımı çarpıcı biçimde gösteriyor. Türkiye'de bir lisede yaklaşık bin öğrenciyle yürütülen deneyde öğrenciler üç gruba ayrıldı: yapay zekâ kullanmayan kontrol grubu, standart bir GPT-4 arayüzü kullanan grup (GPT Base) ve doğrudan cevap vermek yerine ipucu veren bir yapay zekâ öğretmeni kullanan grup (GPT Tutor). Alıştırma sorularında GPT Base kullanan öğrencilerin performansı yaklaşık %48, GPT Tutor kullananların performansı ise yaklaşık %127 arttı. Ancak yapay zekâ desteği kaldırılıp öğrenciler kendi başlarına sınava girdiğinde, GPT Base grubu hiç yapay zekâ kullanmayan gruba göre yaklaşık %17 daha düşük puan aldı. GPT Tutor grubunda bu olumsuz etki büyük ölçüde ortadan kalktı. Araştırmacılar, korumasız kullanımda öğrencilerin yapay zekâyı alıştırmalar sırasında bir koltuk değneği gibi kullandığını ve bunun bağımsız performanslarına yansıdığını belirtiyor.

OECD'nin (2026) Digital Education Outlook 2026 raporu da benzer bir tablo çiziyor: Üretken yapay zekâ, net öğretim ilkeleriyle yönlendirilmediğinde görev performansını artırırken öğrenmeyi zayıflatabilir; pedagojik bir amaçla tasarlandığında ise öğrenmeyi destekleyebilir. Belirleyici olan yapay zekânın varlığı değil, nasıl kullanıldığıdır.

Yapay Zekâ Yanılabilir

Öğrencinin düşünme sürecini korumasının bir başka nedeni daha var: Yapay zekâ kendinden emin bir dille yanlış çözüm üretebilir. Bu yanlışı fark edebilecek kişi, konuyu gerçekten anlayan kişidir. Başka bir deyişle, yapay zekâyı kullanabilmek için önce matematiği bilmek gerekir.

Sınıfta bunu bir etkinliğe dönüştürmek mümkündür. Örneğin öğrencilere şu çözüm verilir: "1/2 + 1/3 = 2/5, çünkü payları ve paydaları ayrı ayrı topladık." Öğrencilerden hatayı bulmaları, neden yanlış olduğunu açıklamaları ve doğru çözümü yazmaları istenir. Hatalı çözümü yapay zekâ ürettiğinde de aynı yöntem işler: Öğrenci cevabı kabul eden değil, sorgulayan konumuna geçer.

Öğrencilerin yapay zekâyı bir "cevap makinesi" yerine "düşünme ortağı" kılabilmesi için komut (prompt) verme alışkanlıklarını değiştirmeleri gerekir. Örneğin:

• "Bu problemin sonucunu ver" yerine, "Bu problemi çözmek için hangi matematiksel kavramı hatırlamam gerekir?"

   

• "Denklemi çöz" yerine, "Adım adım ilerleyelim; ben ilk adımı atayım, sen doğru yolda olup olmadığımı kontrol et ve bir sonraki adım için ipucu ver."

   

Öğretmen ve Velinin Değişen Rolü

Bu noktada öğretmenin rolü, yalnızca doğru bilgiyi aktarmak değil; öğrencinin düşünmesini sağlayacak sorular sormak, çözüm yollarını karşılaştırmasına fırsat vermek ve matematiksel gerekçelendirme becerisini geliştirmek olarak öne çıkmaktadır. Öğrencilerden yapay zekânın sunduğu bir çözümde hata aramaları, aynı probleme farklı çözüm yolları geliştirmeleri veya verilen cevabın neden doğru olduğunu açıklamaları istenebilir. Böylece yapay zekâ, hazır cevapların kaynağı olmaktan çıkarak matematiksel düşünmeyi besleyen bir öğrenme aracına dönüşebilir.

Bu süreçte velilerin de destekleyici bir rolü vardır. Evde yapay zekâ kullanımı tamamen yasaklanmak ya da sınırsız bırakılmak yerine, çocuklarla birlikte belirli kullanım alışkanlıkları geliştirilmelidir. Veliler, çocuklarının yapay zekâya yalnızca cevabı sormak yerine çözüm için ipucu istemelerini teşvik edebilir; bulunan cevabın nasıl elde edildiğini açıklamalarını isteyebilir. “Bu sonucun doğru olduğundan nasıl emin oldun?”, “Başka bir yolla çözebilir miydin?” gibi sorular, çocuğun düşünme sürecini görünür kılmaya yardımcı olur. Buradaki amaç, velinin matematik öğretmeni gibi davranması değil, çocuğun hazır cevaba yönelmek yerine öğrenme sürecine katılmasını desteklemesidir.

Cevabın Ötesinde: Matematiksel Düşünme

Yapay zekâ çağında matematik eğitiminin temel hedefi, öğrencilerin teknolojiye erişimini sınırlandırmak değil, bu teknolojiyi bilinçli ve etkili kullanmalarını sağlamaktır. Öğrenci bir sorunun cevabını yapay zekâdan alabilir; ancak o cevabı anlamlandırmak, doğruluğunu sorgulamak ve gerektiğinde kendi başına benzer bir problemi çözebilmek durumundadır.

Matematik öğrenmenin değeri, yalnızca ulaşılan sonuçta değil, o sonuca ulaşırken geliştirilen düşünme becerilerindedir. Yapay zekâ bu süreci desteklediğinde güçlü bir öğrenme aracına dönüşür. Asıl hedefimiz ise yapay zekânın cevaplarını tekrarlayan değil, o cevapları sorgulayabilen, açıklayabilen ve kendi matematiksel düşüncesini geliştirebilen öğrenciler yetiştirmektir.

Kaynakça

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

OECD. (2026). OECD Digital Education Outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing. https://doi.org/10.1787/062a7394-en

Yapay zekâ artık yalnızca metin yazmak, görsel oluşturmak veya sorulara cevap vermek için kullanılmıyor. Günümüzde yapay zekânın hızla geliştiği alanlardan biri de siber güvenlik.

Ancak yapay zekâyı yalnızca güvenlik uzmanları kullanmıyor. Siber saldırganlar da yapay zekâdan yararlanarak daha gerçekçi sahte mesajlar hazırlayabiliyor, sistemlerdeki güvenlik açıklarını daha hızlı araştırabiliyor ve bazı saldırı adımlarını otomatikleştirebiliyor.

Bu nedenle siber güvenlik dünyasında yeni bir mücadele ortaya çıkıyor.

Yapay Zekâya Karşı Yapay Zekâ

Bir tarafta saldırıları hızlandırmak için kullanılan yapay zekâ sistemleri bulunurken, diğer tarafta bu saldırıları fark etmek ve durdurmak için çalışan başka yapay zekâ sistemleri bulunuyor.

Microsoft'un 2026 Dijital Savunma Raporu'na göre şirketin güvenlik sistemleri her gün 165 trilyondan fazla güvenlik sinyalini işliyor. Bu kadar büyük miktardaki verinin insanlar tarafından tek tek kontrol edilmesi mümkün olmadığı için yapay zekâ, şüpheli hareketleri belirlemede önemli bir rol üstleniyor.

Yapay Zekâ Bir Saldırıyı Nasıl Fark Ediyor?

Bir bilgisayar ağında her saniye binlerce işlem gerçekleşir. Kullanıcılar sisteme giriş yapar, dosyalar açılır, e-postalar gönderilir ve farklı sunucularla bağlantılar kurulur.

Yapay zekâ bu hareketleri analiz ederek kullanıcıların normal davranışlarını öğrenebilir.

Örneğin bir kullanıcı normalde her gün Türkiye'den ve mesai saatleri içerisinde sisteme giriş yapıyorsa, gece saat 03.00'te farklı bir ülkeden yapılan giriş sistem için şüpheli olabilir.

Eğer bu girişin hemen ardından yüzlerce dosya indirilmeye başlanırsa yapay zekâ farklı olayları bir araya getirerek:

“Bu hareket normal kullanıcı davranışına benzemiyor.” sonucuna ulaşabilir.

Bunun ardından sistem güvenlik ekibini uyarabilir, kullanıcıdan ek doğrulama isteyebilir veya hesabı geçici olarak durdurabilir.

Bu yönteme anomali tespiti adı verilir.

Siber Saldırılar da Yapay Zekâ Kullanıyor

Yapay zekâ saldırganların işlerini de hızlandırabiliyor. Google'ın 2026 yılında yayımladığı tehdit araştırmalarında, bazı saldırganların yapay zekâyı saldırı süreçlerini planlamak ve otomatikleştirmek için kullandığı belirtildi.

Bu gelişme önemli bir sorunu ortaya çıkarıyor:

Saldırılar makine hızında gerçekleşmeye başladığında savunmanın da aynı hızda tepki vermesi gerekiyor.

Bir güvenlik uzmanının binlerce uyarıyı tek tek incelemesi saatler sürebilirken, yapay zekâ çok büyük miktardaki veriyi saniyeler içerisinde analiz edebilir.

İnsanların Göremediği Bağlantıları Bulabiliyor

Bir siber saldırı genellikle tek bir olaydan oluşmaz.

Önce sahte bir e-posta gönderilebilir, ardından kullanıcının hesabı ele geçirilebilir ve daha sonra şirket içerisindeki farklı sistemlere erişilmeye çalışılabilir.

Bu olayların her biri farklı güvenlik sistemlerinde kayıt altına alınır.

Yapay zekâ;

📧 e-posta hareketlerini,
🔑 kullanıcı girişlerini,
💻 bilgisayar aktivitelerini,
🌐 ağ bağlantılarını

birlikte inceleyerek aralarındaki bağlantıları ortaya çıkarabilir.

Böylece tek başına önemsiz görünen birkaç hareketin aslında büyük bir saldırının parçaları olduğu anlaşılabilir.

Yapay Zekâ Güvenlik Açıklarını da Arıyor

Yapay zekânın bir başka kullanım alanı yazılımlardaki güvenlik açıklarını tespit etmek.

Bir programdaki küçük bir kod hatası saldırganların sisteme girmesine neden olabilir. Yeni nesil yapay zekâ modelleri binlerce satırlık kodu inceleyerek şüpheli bölümleri güvenlik uzmanlarına gösterebiliyor.

Burada ilginç bir yarış ortaya çıkıyor:

Saldırgan yapay zekâ ile güvenlik açığını bulmaya çalışırken, savunma tarafındaki yapay zekâ aynı açığı saldırgandan önce bulmaya çalışıyor.

İnsan + Yapay Zekâ

Tüm bu gelişmelere rağmen yapay zekânın siber güvenlik uzmanlarının yerini tamamen alması beklenmiyor.

Çünkü yapay zekâ da hata yapabilir. Normal bir hareketi saldırı olarak değerlendirebilir veya bazı saldırıları fark edemeyebilir.

Bu nedenle geleceğin en güçlü güvenlik modeli büyük ihtimalle:

İnsan + Yapay Zekâ

birlikteliği olacak.

Yapay zekâ milyonlarca veriyi inceleyip şüpheli hareketleri belirlerken, insan uzman olayın gerçekten saldırı olup olmadığını değerlendirecek ve hangi önlemlerin alınacağına karar verecek.

Geleceğin Siber Güvenliği

Yakın gelecekte bir yapay zekâ sisteme girmeye çalışırken başka bir yapay zekâ onu tespit edebilir.

Bir yapay zekâ sahte bir e-posta hazırlarken başka bir yapay zekâ mesajın şüpheli olduğunu anlayabilir.

Bir yapay zekâ yazılımda güvenlik açığı ararken başka bir yapay zekâ aynı açığı saldırgandan önce bulabilir.

Bu nedenle siber güvenliğin geleceği giderek:

AI x AI

mücadelesine dönüşüyor.

Ancak bu mücadelenin merkezinde yine insan bulunuyor. Yapay zekânın hangi yetkilere sahip olacağına, ne zaman müdahale edeceğine ve verdiği kararların ne kadar güvenilir olduğuna insanlar karar verecek.

Sonuç

Yapay zekâ siber güvenlik dünyasını hızla değiştiriyor. Aynı teknoloji hem saldırıları daha hızlı hale getirebiliyor hem de bu saldırıların daha erken fark edilmesini sağlayabiliyor.

Geleceğin siber güvenliğinde önemli olan yalnızca güçlü yapay zekâ sistemlerine sahip olmak değil, bu sistemleri doğru ve güvenli şekilde kullanabilmek olacak.

Düşünelim

Bir siber saldırı birkaç saniye içerisinde gerçekleştirilebiliyorsa, onu durduracak sistem bir insanın karar vermesini bekleyebilir mi?

Eğitim teknolojilerinde pazarlanan popüler bir yanılgı vardır: “Yapay Zeka her öğrencinin hızını ve odaklanma süresini gerçek zamanlı analiz edip kişiye özel müfredat üretebilir."

Ürün geliştirme ekipleri uzun bir süre çözümü yapay zekada aradılar. Matematik öğretmeyi, bir video platformunda dizi önermekle aynı kefeye koydular. Testlerden, ekranda kalma süresinden ve kameradan akan veriyi bir öneri motoruna soktular. Algoritmanın sonraki dersi otonom seçmesini kusursuz bir kişiselleştirilmiş öğrenme sandılar. Ancak, değildi.

Algoritmanın bir kullanıcıya yanlış film önermesinin maliyeti sıfırdır. Aynı algoritmanın, 14 yaşındaki bir öğrencinin analitik kapasitesinin düşük olduğuna karar verip onu daha sığ bir eğitime hapsetmesi ise en basit tabirle pedagojik bir şiddettir.

Kişiselleştirilmiş Öğrenme: Algoritmik Bir Kast Sistemi

AB YZ Yasası'nın Ek-III listesinin 3. maddesi, eğitimdeki dört temel senaryoyu doğrudan yüksek riskli ilan ediyor (European Parliament and Council, 2024):

• Kurumlara kabul ve yerleştirme sistemleri.

   

• Öğrenci çıktılarını değerlendiren ve öğrenme sürecini yönlendiren sistemler.

   

• Bireyin erişebileceği eğitim seviyesini belirleyen modeller.

   

• Sınavlarda kopya tespiti yapan gözetim araçları.

   

Peki Avrupa Birliği ülkeleri, öğrenciye göre soru çıkaran bir algoritmayı neden tehdit olarak görüyor?

Cevap, modellerin mutfağında yatıyor. Tipik bir olasılıksal model (Bayesian Knowledge Tracing), öğrencinin bir kavramı öğrenme olasılığını ve hızını tahmin eder. Ancak bağlam körüdür.

Şöyle bir senaryo düşünün: Sekizinci sınıf matematik platformunda iki öğrenci aynı testte başarısız olsun. İlk öğrenci soruları rastgele işaretlemiştir; soru başına harcadığı süre 15 saniyedir. İkinci öğrenci ise dislektiktir; metni anlamak için soru başına 4 dakika harcamış ve süresi yetmemiştir. Standart bir algoritma, ikinci öğrencinin yanıt süresini negatif sinyal olarak okur. Öğrencinin hız parametresini düşürür. Ardından kişiselleştirme adı altında bu öğrenciye ileri seviye problemleri kapatır. Onu aylarca temel tekrar yaptıran alt seviye bir patikaya kilitler.

Baker ve Hawn (2022) ile Kizilcec ve Lee (2022), bu modellerin sosyoekonomik arka plan ve ana dil farklılıkları karşısında sistematik sapmalar ürettiğini göstermiştir. Model "bu öğrenci ileri matematiğe hazır değil" dediğinde öğrenciye sığ içerik sunar. Sığ içerik alan öğrenci, merkezi sınavda gerçekten başarısız olur. Veri bilimi ekibi ekranı açıp kutlama yapar: "Modelimiz başarısızlığı %92 bilmiş, AUC skorumuz harika." Oysa model geleceği tahmin etmemiştir; öğrencinin önünü keserek kendi kehanetini bizzat yaratmıştır.

Madde 6(3): "Biz Sadece Öneri Yapıyoruz"

Yapay zeka girişimlerinin sığındığı favori kaçış maddesi Madde 6(3)'tür.

Bu maddeye göre, sistem dar kapsamlı bir görev üstleniyorsa veya insan kararını yönlendirmiyorsa yüksek riskten muaf tutulabilir. Eğitim teknolojileri ekipleri buradan hareketle şunu söyler: "Algoritma öğrenciyi sınıfta bırakmıyor, öğretmene tavsiye skoru çıkarıyor; bu yüzden yüksek riskli değiliz."

Bu savunma hukuken ölü doğmuştur. Çünkü aynı maddenin son cümlesi net bir çizgi çeker: Eğer sistem profilleme yapıyorsa, istisna otomatik olarak düşer ve sistem koşulsuz yüksek riskli sayılır (European Parliament and Council, 2024, Art. 6(3)).

Veri tabanınızda “ogrenci_basari_vektoru” veya “terk_risk_skoru” gibi tek bir kolon bile varsa profilleme yapıyorsunuz demektir.

Bunun ticari bir maliyeti de var. Madde 27 uyarınca, yüksek riskli bir EdTech ürününü satın alan okullar, sistemi kullanmadan önce Temel Haklar Etki Değerlendirmesi (Fundamental Rights Impact Assessment - FRIA) yapmak zorundadır. Mimarisinde kara kutu profilleme barındıran bir ürün, müşterisine doğrudan hukuki risk ihraç eden kusurlu bir maldır.

Dijital Frenoloji ve Gözetim Yanılsaması

Yasanın çizdiği sınır sadece yüksek riskle bitmez. Bazı özellikler doğrudan yasaklı statüdedir. İhlalin cezası küresel cironun %7'sine kadar çıkar (European Parliament and Council, 2024, Art. 99).

Pandemi sonrasında birçok girişim, pedagojik derinlik eksikliğini gözetim teknolojisiyle kapatmıştı. Öğrenci kamerasından akan görüntüleri yüz analizi modelleriyle işleyerek öğretmene gerçek zamanlı "odaklanma skoru" raporlayan paneller satmışlardı.

AB YZ Yasası Madde 5(1)(f), tıbbi istisnalar dışında eğitim kurumlarında duygu tanıma sistemlerinin kullanımını tamamen yasakladı (European Parliament and Council, 2024).

Bu yasağın arkasında sert bir bilimsel gerçeklik var: Bu ürünler çalışmıyor.

İnsanın yüz kaslarındaki hareketlerden içsel durumunun evrensel olarak çıkarılamayacağı kanıtlandı (Barrett vd., 2019). Crawford (2021), biyometrik veriden duygu okuma iddiasındaki bu modelleri modern bir algoritmik frenoloji olarak tanımlar. 19. yüzyılda kafatası ölçümlerinden zeka çıkaran sözde bilimciler neyse, bugün kameradan odaklanma çıkaranlar da odur.

Ekrana çatık kaşla bakan bir öğrenci düşünün. Görüntü işleme modeli bu öğrenciyi dikkat dağınıklığı olarak etiketler. Oysa öğrenci zor bir fizik problemini kafasında canlandırmak için gözünü tavana dikmiş olabilir. Gözetimi pedagoji sanan bu tembel mimari, en derin düşünen öğrenciyi cezalandırır.

Aynı çöküş sınav gözetim yazılımlarında da yaşanıyor. Coghlan, Miller ve Paterson (2021), bu araçların her öğrenciyi potansiyel suçlu varsayarak etiketlediğini vurguluyor. Bu sistemler yaptığı hatalardan bazılarını sayacak olursak:

• Koyu tenli öğrenciler, düşük aydınlatmada yüz tanıma algoritmaları tarafından ekrandan ayrıldı olarak işaretlenip sınavdan atılabilir.

   

• Kalabalık evde sınava giren öğrencinin arka planındaki bir aile üyesinin sesi, kopya fısıltısı olarak işaretlenebilir.

   

• Soruyu sesli okuyarak anlayan DEHB'li bir öğrencinin dudak hareketleri, kopya girişimi olarak raporlanabilir.

   

Uyumluluk Krizinden Sağlam Pedagojiye: 3 Mimari Dönüşüm

AB YZ Yasası eğitimde yapay zekayı yasaklamıyor. Öğrenciyi kapalı bir kutuda profilleyip onun adına karar alan tembel mimarileri tasfiye ediyor. EdTech ekiplerinin hayatta kalması için bu üç dönüşüm şarttır:

1. Gizli Profilleme Yerine Açık Öğrenci Modelleri (Open Learner Models)

Geleneksel mimaride model öğrenme olasılığını düşük bulduğunda müfredatı kilitler. Bu yapı yüksek riskli profilleme kapsamına girer.

Çözüm, Açık Öğrenci Modelleri mimarisine geçmektir (Bull & Kay, 2016). Algoritma bir kapı bekçisi gibi değil, şeffaf bir iskele (İngilizce’de scaffolding dediğimiz) gibi çalışmalıdır.

Modelin çıkarımı gizli tutulmamalı; öğrencinin görebileceği bir arayüze taşınmalıdır. Sistem müfredatı gizlice değiştirmek yerine şunu demelidir: "Türev kuralında hata yaptığın görünüyor. İstersen sonraki üniteye geç, istersen 10 dakikalık tekrar modülünü aç." Kontrolü öğrenciye bırakmak, sistemi profilleme motoru olmaktan çıkarır ve öğrenci özerkliğini inşa eder.

2. Biyometrik Veriler Yerine Üstbilişsel Telemetri

Kamera tabanlı dikkat takibi doğru çalışmayan bir sistemdi. Öğrencinin öğrenip öğrenmediğini yüzündeki piksel değişiminden anlamaya çalışmak hem safsatadır hem de suçtur.

Bunun yerine veri akışı, öğrencinin kendi süreci üzerine düşünmesini sağlayan üstbilişsel sinyaller üzerine kurulmalıdır:

• Öğrenci cevap verirken basit bir seçim yapar: "Eminim" veya "Tahmin Yaptım".

   

• Öğrencinin saniyeler içinde ardışık olarak tüm ipucu butonlarına tıklaması, kameradan alınacak veriden çok daha temiz bir etkileşim sinyalidir.

   

• Doğru cevaptan sonra seçilen adımı tek cümleyle açıklatmak, kavrayışı ölçen en sağlam pedagojik telemetridir.

   

3. Tekil Skorlar Yerine Ayrıştırılmış Rubrikler ve Madde 86 Kapsamında İtiraz Mimarisi

Otomatik değerlendirme yapan bir sistemin öğretmene sadece “Kopya Riski: %82” gibi tekil bir skor dönmesi, Madde 13 (Şeffaflık), Madde 14 (İnsan Gözetimi) ve Madde 86 (Açıklama Hakkı) karşısında savunulamaz.

Madde 86, karardan etkilenen kişiye yapay zekanın rolünü ve kararın dayandığı ana parametreleri öğrenme hakkı tanır (European Parliament and Council, 2024, Art. 86).

Bu nedenle kararlar, çıktıları ayrıştırılmış rubrik kriterlerine bağlanmalıdır:

• Kötü Çıktı (Kara Kutu): Ödev Puanı: 58/100 - Akademik Dürüstlük: Yüksek Risk

   

• İnsan Odaklı Çıktı: Argüman Tutarlılığı: 3/5 (2. paragraftaki iddia için kaynak yok) | Kaynak Kullanımı: 2/5 | İtiraz Et [Buton]

   

Eğitim ürünlerinde itiraz edilebilirlik zorunlu bir arayüz bileşeni olmalıdır. Öğrenci, yanlış değerlendirilen bir sonuca doğrudan arayüzden kanıt ekleyerek itiraz edebilmelidir. Sistem, insan müdahalesini denetim kayıtlarıyla izlemeli ve bu vakaları modelin yanıldığı veri olarak sürece geri beslemelidir.

Sonuç

Eğitim teknolojilerinde "hızlı hareket et ve ortalığı dağıt" dönemi bitti. Çünkü eğitimde kırılan şey bir yazılım döngüsü değil; gençlerin eğitim hakkı ile gelecek fırsatlarıdır.

AB YZ Yasası'nın getirdiği kurallar ağır bir yük gibi görünebilir. Ancak yasaklanan uygulamalara bakıldığında tablo nettir: Kameradan duygu okuma, kara kutu sınav gözetimi ve öğrenciyi alt seviyelere kilitleyen gizli algoritmalar zaten iyi pedagojiyle bağdaşmayan kusurlu pratiklerdir.

Yasa bize basit bir kuralı hatırlatıyor: Öğrenciyi güden sistemler kurmayı bırakın; öğrencinin ve öğretmenin bilişsel özerkliğini destekleyen araçlar tasarlayın.

 K

aynakça

Baker, R. S., & Hawn, A. (2022). Algorithmic bias in education. International Journal of Artificial Intelligence in Education, 32(4), 1052–1092. https://doi.org/10.1007/s40593-021-00285-9

Barrett, L. F., Adolphs, R., Marsella, S., Martinez, A. M., & Pollak, S. D. (2019). Emotional expressions reconsidered: Challenges to inferring emotion from human facial movements. Psychological Science in the Public Interest, 20(1), 1–68. https://doi.org/10.1177/1529100619832930

Bull, S., & Kay, J. (2016). SMILI☺: A framework for interfaces to learning data in open learner models, learning analytics and related fields. International Journal of Artificial Intelligence in Education, 26(1), 293–331. https://doi.org/10.1007/s40593-015-0090-8

Coghlan, S., Miller, T., & Paterson, J. (2021). Good proctor or "Big Brother"? Ethics of online exam supervision technologies. Philosophy & Technology, 34(4), 1581–1606. https://doi.org/10.1007/s13347-021-00476-1

Crawford, K. (2021). Time to regulate AI that interprets human emotions. Nature, 592(7853), 167. https://doi.org/10.1038/d41586-021-00868-5

European Parliament and Council. (2024). Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L 2024/1689.

Kizilcec, R. F., & Lee, H. (2022). Algorithmic fairness in education. In W. Holmes & K. Porayska-Pomsta (Eds.), The ethics of artificial intelligence in education: Practices, challenges, and debates (pp. 174–202). Routledge. https://doi.org/10.4324/9780429329067-10

Bir gün sınıfımıza bir postacı geldi. Çantasında mektuplar, çözülmeyi bekleyen problemler ve çocuklara yönelteceği pek çok soru vardı. Ancak bu postacı gerçek değildi; yapay zekâ desteğiyle oluşturulmuş dijital bir karakterdi. Buna karşın çocukların düşünmesini hedeflediğimiz problemler, gerçek yaşamın içinden seçilmişti.

Yapay zekâ ile oluşturulan bir karakter, çocukların öğrenme yolculuğunda nasıl bir rol üstlenebilir? Daha da önemlisi, teknolojinin saniyeler içinde yanıt üretebildiği bir dünyada çocukların merak etme, sorgulama ve kendi çözümlerini geliştirme becerileri nasıl korunabilir?

Bir okul öncesi eğitimcisi olarak bu soruları, yapay zekâyı öğrenme ortamlarına dâhil ederken temel aldığım pedagojik meseleler arasında görüyorum. Çünkü teknolojiyle zenginleştirilmiş bir öğrenme deneyiminin asıl değeri, sunduğu olanaklardan çok, çocukların düşünme süreçlerine nasıl katkı sağladığı ile belirlenir.

Teknoloji Değil, Merak Öğrenmenin Merkezinde

Uluslararası Bakalorya İlk Yıllar Programı (IB PYP), çocuğu öğrenme sürecinin aktif bir öznesi olarak kabul eder. Bu yaklaşımda çocuklar oyun oynayarak, gözlem yaparak, araştırarak ve deneyimlerini paylaşarak kendi anlamlarını oluşturur. IB’nin erken yıllar yaklaşımında oyun, sorgulama ve öğrenmenin temel yollarından biri olarak ele alınır (IB, t.y.).

Bu pedagojik çerçeve, yapay zekânın eğitimdeki yerini değerlendirmek için de önemli bir bakış açısı sunar. Teknolojinin eğitim ortamlarına dâhil edilmesi, tek başına öğrenme sürecinin zenginleşmesini sağlamaz. Belirleyici olan, teknolojinin hangi pedagojik amaçla kullanıldığı ve bu süreçte çocuğun aktif öğrenen rolünün nasıl korunduğudur.

IB’nin 2026 yılında paylaştığı yapay zekâ tasarım ilkelerine ilişkin güncelleme de teknolojinin değerler temelinde, öğrenenlerin ve eğitimcilerin sorumlulukları gözetilerek kullanılmasının önemini ortaya koyar (IB, 2026). Bu yaklaşım, eğitim teknolojilerinin yalnızca sunduğu teknik olanaklar üzerinden değil, öğrenme süreçlerine ve insan gelişimine sağladığı katkı üzerinden değerlendirilmesi gerektiğine işaret eder.

Bir Mevsim Postacısından Dijital Bir Bahçeye

Bu pedagojik yaklaşım doğrultusunda gerçekleştirdiğim Mevsim Kurtarma Ekibi çalışmasında, yapay zekâ desteğiyle oluşturduğum Mevsim Postacısı karakterini çocuklarla buluşturdum. Karakter, çocuklara günlük yaşamdan alınan problem durumları sundu. Yaz mevsiminde montla plajda oturan ya da kışın eldivensiz dışarı çıkan çocukların görsellerini inceleyen öğrencilerimiz, karşılaştıkları sorunları belirledi, çözüm önerileri geliştirdi ve düşüncelerini kendi hazırladıkları çalışmalar aracılığıyla ifade etti.

Dijital Bahçem çalışmasında ise çocuklar çevrelerindeki bitkileri araştırdı, gözlemledi ve edindikleri bilgileri kendi sesleriyle anlattı. Araştırma sürecinde ortaya çıkan içerikler, yapay zekâ destekli animasyonlarla dijital hikâyelere dönüştürüldü. Böylece doğada başlayan öğrenme süreci, çocukların seslerini, düşüncelerini ve keşiflerini merkeze alan farklı bir anlatım biçimiyle zenginleşti.

Her iki uygulamada da çocukların kendi öğrenme süreçlerini değerlendirmelerine olanak tanıyan öz değerlendirme formlarından yararlandım. Bu sayede yalnızca ortaya çıkan ürünlere değil, çocukların öğrenme süreçlerine ilişkin farkındalıklarına da odaklandım. Çocukların ne öğrendiklerini, nasıl düşündüklerini ve çözüm üretirken hangi yolları izlediklerini değerlendirmeleri, öğrenmenin görünür kılınmasına katkı sağladı.

Bu deneyimler, yapay zekânın eğitimdeki değerinin yalnızca içerik üretme kapasitesiyle sınırlı olmadığını bir kez daha ortaya koydu. Asıl değer, çocukların düşünmesine, farklı olasılıkları değerlendirmesine ve yeni sorular geliştirmesine alan açmasında yatıyor. Teknoloji, bu süreçte öğrenmenin merkezine yerleşen bir unsur değil; çocukların merakını besleyen ve öğrenme deneyimlerini çeşitlendiren bir araç olarak anlam kazanıyor.

Yapay Zekâ Çağında Öğretmenin Değişmeyen Sorumluluğu

Yapay zekânın okul öncesi eğitimdeki kullanımını yalnızca sunduğu fırsatlar üzerinden değerlendirmek yeterli değildir. UNESCO (2023), üretken yapay zekânın eğitimde kullanımında insan merkezli, güvenli ve gelişimsel açıdan uygun yaklaşımların önemini vurgular. UNICEF (2025) ise yapay zekâ uygulamalarında çocukların mahremiyetinin, güvenliğinin ve gelişimsel haklarının korunması gerektiğine dikkat çeker.

Bu çerçevede yapay zekâ, okul öncesi eğitimde çocukların bağımsız kullanımına sunulan bir teknolojiden çok, öğretmenin pedagojik tasarımını destekleyen bir araç olarak konumlandırılmalıdır. Oyun, doğayla etkileşim, somut deneyimler ve sosyal ilişkiler öğrenme sürecinin merkezinde yer almaya devam etmelidir. Teknolojik araçlar bu deneyimlerin yerini almak yerine onları desteklemeli ve zenginleştirmelidir. Çünkü yapay zekâ bir görsel oluşturabilir, bir karakteri konuşturabilir ya da bir hikâyenin başlangıcını hazırlayabilir. Ancak bir çocuğun neden belirli bir soruyu sorduğunu anlamak, düşüncelerini özgürce ifade edebileceği bir ortam oluşturmak ve öğrenme sürecini derinleştirmek öğretmenin pedagojik sorumluluğudur. Öğretmenin rolü yalnızca bilgi sunmak değil; çocukların meraklarını takip etmek, düşüncelerini görünür kılmak ve kendi anlamlarını oluşturmalarına rehberlik etmektir.

Geleceğe Bırakacağımız En Değerli Beceri

Yapay zekânın eğitimdeki geleceğini değerlendirirken belki de soruyu yeniden ele almak gerekir: Çocukları teknolojiye ne kadar erken hazırladığımızdan çok, teknolojiyle şekillenen bir dünyada onların merakını, yaratıcılığını ve düşünme özgürlüğünü nasıl koruyabiliriz?

Mevsim Postacısı’nın mektupları ve Dijital Bahçem’de hayat bulan araştırmalar, aynı pedagojik gerçeğe işaret ediyor: Teknoloji öğrenmeye yeni kapılar açabilir; ancak o kapılardan hangi sorularla geçileceğini belirleyen, çocuğun merakı ve eğitimcinin rehberliğidir. 

Yapay zekânın giderek daha fazla yanıt ürettiği bir dünyada, çocukların soru sormaya, sorgulamaya ve kendi cevaplarını aramaya devam etmesi, eğitimin en değerli kazanımlarından biridir.

Kaynakça

International Baccalaureate. (t.y.). The learner. https://ibo.org/programmes/primary-years-programme/curriculum/the-learner

International Baccalaureate. (2026, 22 Eylül). Co-creating our approach to AI: An update and learnings so far. https://ibo.org/news/news-about-the-ib/updated-ai-design-principles/

Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research

UNICEF Innocenti. (2025). Guidance on AI and children (Version 3.0). UNICEF. https://www.unicef.org/innocenti/reports/policy-guidance-ai-children

Dijital Çağda Akademik Dürüstlük

Bir araştırmada kullandığımız bilginin kaynağını belirtmek, bir görselin sahibine emek hakkını teslim etmek, kendi düşüncelerimizle başkasından öğrendiklerimizi ayırt etmek… Akademik dürüstlük, öğrenirken yaptığımız bu seçimlerde kendini gösterir. Bilgiye ulaşmanın giderek kolaylaştığı günümüzde, bilgiyi nasıl kullandığımız ve ortaya koyduğumuz çalışmanın sorumluluğunu nasıl üstlendiğimiz de önem kazanıyor.

Okulumuzda 26–30 Ekim tarihlerinde gerçekleştireceğimiz Akademik Dürüstlük Haftası’nda, bu sorumluluğu farklı derslerin bakış açılarıyla ele alacağız. Bilimsel kanıtları sorgulayan çalışmalar, özgün tasarımlar, öğrenci sunumları ve sporda adil oyun etkinlikleri aracılığıyla dürüstlüğün öğrenme hayatımızdaki yerini tartışacağız. Öğrencilerimizin araştırırken, üretirken ve birlikte çalışırken karşılaştıkları etik sorular üzerine düşünmelerini; kendi emeklerine ve başkalarının katkılarına saygı duymalarını amaçlıyoruz.

Uluslararası Bakalorya’nın (IB) Academic Integrity yaklaşımı, akademik dürüstlüğü tüm okul topluluğunun paylaştığı bir sorumluluk olarak ele alır. Öğrencinin sunduğu çalışma, kendi bilgi ve becerilerini yansıtmalı; yararlandığı fikirler ve kaynaklar açıkça belirtilmelidir. Bu anlayışta kaynak göstermek, öğrenmenin başkalarının birikimiyle geliştiğini kabul etmenin ve o birikime saygı duymanın bir yoludur. Öğretmenlerin rehberliği ve öğrenme sürecinde kurulan açık iletişim de bu kültürün gelişmesini destekler.

Yapay zekâ araçlarının yaygınlaşması, akademik dürüstlük üzerine yeni soruları da beraberinde getiriyor. IB, bu araçların etik ve bilinçli kullanımını desteklerken yapay zekânın ürettiği içeriğin öğrencinin kendi çalışması sayılamayacağını vurgular. Bir çalışmaya yapay zekâ tarafından oluşturulan metin, görsel ya da grafik eklendiğinde, bu katkının metin içinde belirtilmesi ve kaynakçada uygun biçimde gösterilmesi gerekir. Kullanımın, ilgili çalışmanın kurallarına ve öğretmenin yönlendirmelerine uygun olması da önem taşır.

Bu nedenle yapay zekâdan yararlanırken alınan yanıtları sorgulamak, verilen bilgileri ve kaynakları doğrulamak, aracın katkısını şeffaf biçimde açıklamak gerekir. Öğrencinin kendi sorularını geliştirmesi, düşüncelerini gerekçelendirmesi ve ürettiği çalışmayı açıklayabilmesi, öğrenmenin temelinde yer almaya devam eder.

Akademik Dürüstlük Haftası ile hedefimiz, bu yaklaşımı günlük öğrenme alışkanlıklarımızın bir parçası hâline getirmek. Dijital dünyada bıraktığımız izin; emeğe saygımızı, özgün düşüncelerimizi ve bilgi karşısındaki sorumluluğumuzu yansıtmasını istiyoruz.

Okul Yönetiminde Stratejik Karar Alma ve "Oyun Kurucu" Rolünün Üstlenilmesi

Son günlerde bölgesel çatışmalar ile ilgili haberlerde enerji arzına ek olarak deniz altındaki internet kabloların da karşı tarafa bir koz olarak kullanıldığı konuşulmaktadır. Enerji maliyetlerindeki artışın bugün bazı Avrupa ülkelerinde toplumsal tepkilere yol açtığı bilinmektedir. Toplumun tepki vereceği düşünülen ve endişe uyandıran bir diğer konunun da küresel internetin kesilmesi ve buna bağlı olarak hayatımızın her anında kullanılan devasa veri trafiğinin de olumsuz etkilenmesidir. Bu durum, modern dünyada verinin en kıymetli stratejik kaynaklardan biri haline geldiğini ve insanlığın ona ne derecede bağlı olduğunu göstermektedir.

Üretilen veri hacminin hesaplanamayacak boyutlara ulaşmasının, veri madenciliği (data mining) gibi yeni uzmanlık alanlarını ortaya çıkardığı bilinmektedir. Veri madenciliği süreçleri sayesinde doğru verinin tespit edilmesi, sistematik bir biçimde analiz edilmesi ve bu analizler doğrultusunda proaktif aksiyonlar alınması, kurumların sürdürülebilir başarısı için kritik bir önem taşımaktadır. Bu dijital dönüşümün eğitim sektörüne yansımaları incelendiğinde, okullarda da her geçen gün artan ve çeşitlenen devasa bir veri birikimi oluştuğu gözlemlenmektedir. Söz konusu verilerin doğru analiz edilerek anlamlı bilgilere dönüştürülmesinin, eğitim kurumlarının geleceği ve rekabet gücü açısından hayati bir öneme sahip olduğu değerlendirilmektedir. Bu bağlamda, modern eğitim liderlerinin yalnızca günlük idari süreçleri yürüten değil, kurumun ürettiği bu verileri doğru kullanabilen, yorumlayabilen ve kurumsal vizyonu bu analitik bulgular üzerine inşa edebilen kişiler olması gerektiği öngörülmektedir.

Bilimde teknik olarak mümkün olmayan deneyler için bazen soyut deneyler oluşturulur veya istatistik kullanılarak bazı sonuçlara ulaşılabilmektedir. Bir örnek vermek gerekirse, modern periyodik tablo henüz tamamlanmamışken, o dönem bilinmeyen elementlerin var olması gerektiği, bilinen elementlerin atom numaraları ve kütle numaraları değerlendirilerek tahmin edilmiş ve sınıflandırma yapılmıştır. Var olması beklenen ve sonradan var oldukları ispatlanacak bu elementlerin reaksiyon eğilimleri de tahmin edilebilmiştir. Tıpkı bu bilimsel öngörü sürecinde olduğu gibi eğitim kurumlarının yönetim süreçlerinde de her gün onlarca karar alınmasını gerektiren durumlar olmaktadır. Bazı durumlar, daha önceden tecrübe edilmeyen veya çevresel parametrelerin değişmiş olduğu benzer özelliklere sahip olan durumlar olabilmektedir. Bu dönemlerde karar almak gerektiğinde, bir eğitim liderinin sadece sezgilerine göre değil yeni şekillenen parametreleri doğru bir matematiksel formül ile sonuçlandırarak karar alması gerekmektedir. Ancak okul yönetimi kapsamında alınan bu kararların yalnızca bugünü değil, kurum kültürünü ve geleceğin toplumunu da şekillendirdiği unutulmamalıdır. Hızla değişen dünyada, "kriz çözme ve reaktif tepki verme" odaklı geleneksel okul yönetimi anlayışının, yerini "stratejik, veriye dayalı ve öngörülü" liderlik yaklaşımlarına bırakması bir zorunluluk olarak değerlendirilmektedir.

Bu temelde, eğitim yönetimi pratikleri işletme stratejileri perspektifiyle incelendiğinde, modern eğitim kurumlarının üst seviyelere taşınabilmesi adına üç temel stratejik adımın atılması gerektiği sonucuna varılmaktadır.

1. Sezgisel Yaklaşımlardan Veri Odaklı (Data-Driven) Yönetime Keskin Geçiş Eğitimciler için sezgisel yaklaşımların son derece kıymetli olduğu bilinmektedir. Okul öncesi, ilkokul, ortaokul ve lise kademelerindeki tüm eğitim süreçlerinde öğrencilerle kurulan duygusal bağların, onların gelişimine büyük bir katkı sunduğu kabul edilmektedir. Aynı zamanda, okul yönetim süreçlerinde öğretmenlerin de çalıştıkları kurumlarla ve okul liderliğiyle duygusal bağlar kurma eğiliminde oldukları bilinen bir gerçektir. Ancak, eğitim ekosistemindeki bu değerli sezgisel ve duygusal yaklaşımlar somut verilerle desteklenmediğinde, atılan iyi niyetli adımların kurumsal ölçekte bir "stratejik körlüğe" dönüşme riski taşıdığı gözlemlenmektedir. Akademik gelişim, öğretmen performansı, kampüs iklimi ve bütçe optimizasyonu gibi süreçlerin anlık performans göstergeleri üzerinden takip edilmesiyle, sorunlara kriz halini almadan müdahale edilebilmesi sağlanmaktadır. Karar destek sistemlerinin okul yönetiminin merkezine konumlandırılmasının, kurumu olayların peşinden sürüklenmekten kurtararak geleceği tasarlama kapasitesini artırdığı ifade edilmektedir.

2. Bir "Katalizör" Olarak Eğitim Liderliğinin Konumlandırılması Kimya biliminin temel mekanizmalarından biri olan "katalizör" kavramı, eğitim liderliği için güçlü bir metafor olarak ele alınmaktadır. Tıpkı bir katalizör gibi, stratejik liderliğin de kurumsal reaksiyonlara yön verdiği, karşılaşılan engelleri (aktivasyon enerjisini) düşürdüğü ve sonuç olarak kurumun tüm dinamiklerin en yüksek hız ve verimle çalışmasını sağladığı kabul edilmektedir. Okul yönetiminde stratejik karar alma sürecinin, mikroyönetim (micromanagement) yapmak yerine; öğretmenlerin, öğrencilerin ve velilerin potansiyellerini açığa çıkaracak eğitim ortamının tasarlanması üzerine inşa edilmesi gerekmektedir.

3. Stratejik Bir "Oyun Kurucu" Rolünün Üstlenilmesi Stratejik planlama süreçlerinde; gelecekteki olası hamlelerin, çevresel dinamiklerin ve mevcut kaynakların en verimli kullanımının bir bütün olarak analiz edilmesi gerekmektedir. Eğitim sektörünün ve yönetiminin de bu stratejik temelden farklı olmadığı açık bir gerçektir. Yapay zeka entegrasyonu, yeni nesil öğrenme modelleri ve uluslararası akreditasyon süreçlerinin önem kazandığı günümüzde, anı kurtarmaya yönelik kararların kurumları gerilettiği bilinmektedir. Bu noktada, "oyun kurucu" liderlerin yalnızca mesleki sezgileriyle hareket etmedikleri, aynı zamanda devasa veri havuzlarındaki bilgiyi doğru okuyabilen ve analitik bulgular ışığında karar alma refleksleri son derece kuvvetli profiller olmaları gerekmektedir. Yarını bugünden okuyabilen geleceğin okullarının, teknoloji ile bilimi entegre eden, vizyoner bir bakış açısıyla hareket eden ve mevcut kuralları takip etmek yerine veriden aldığı bu analitik çeviklikle "oyun kurucu" konumuna geçen liderler tarafından inşa edileceği inkâr edilemez bir gerçektir. Editörlüğünü Prof. Dr. İsmail Bakan’ın yaptığı “Çağdaş Yönetim Yaklaşımları – İlkeler, Kavramlar ve Yaklaşımlar” adlı kitapta da belirtildiği üzere, örgütlerin başarısında birinci derecede sorumlu tutulan yöneticiler, başarılı olabilmek için birtakım özelliklere, yeteneklere ve davranış biçimlerine sahip olması gerektiği belirtilmiştir. Bu yeteneklerden biri de özellikle stres veya kriz dönemlerinde hızlı karar vermenin gerektiği durumlarda etkili sonuçlar doğurabilecek en doğru kararı verebilmeleri ve karar verme sürecinde risk alabilmeleri ile ilgilidir. Bunun da günümüzde, sezgisel yaklaşımlardan ziyade eldeki verilerin hızlı ve doğru analizi ile geleceğin projeksiyonunu yapabilme ile ilgilidir.

Bir kurumun ve o kurumdaki eğitim liderlerinin stratejik reflekslerinin gelişmesi, sahip oldukları kurumsal hafıza ve köklü yapı ile doğrudan ilişkilidir. Güçlü temelleri olmayan kurumların yenilikler karşısında savrulduğu bir çağda, 140 yıllık köklü geçmişiyle kurumumuz, yöneticilerinin 'oyun kurucu' vizyonunu güvenle hayata geçirebilmeleri için ihtiyaç duyulan o eşsiz ekosistemi doğal olarak sunmaktadır.

  Hazır sonbahardayken (ki sonbahar romantize etmesi en kolay mevsim olabilir) kendime şu soruyu soruyorum: Yapay zekânın bir kitabı birkaç saniyede özetleyebildiği, istediğimiz konuda bize yüzlerce sayfalık metinler üretebildiği bir çağda fiziksel bir kitabı elimize alıp okumaya neden devam ediyoruz?

Çünkü belki de mesele yalnızca ne okuduğumuz değil, nasıl okuduğumuz.

  Artık merak ettiğimiz bir şeyi öğrenmek için uzun uzun araştırmamız gerekmiyor. Bir soruyu yapay zekâya soruyoruz; bize açıklıyor, örnekliyor, sadeleştiriyor, hatta istersek şiire bile dönüştürüyor. Bu büyük bir kolaylık. Bir öğretmen olarak bunu inkâr etmek mümkün değil. Hatta doğru kullandığımızda yapay zekânın bize zaman kazandırdığını ve öğrenme süreçlerimizi zenginleştirdiğini düşünüyorum.

Ama bazen kolaylık, ihtiyacımız olan şey olmayabilir.

  Bir kitabı okurken cevaba hemen ulaşamıyoruz. Bir cümlenin üzerinde duruyor, anlamadığımız yere geri dönüyor, bazen boğazımız düğümleniyor bir paragrafı iki kez okuyoruz. Kitabın kenarına küçük bir not düşüyor, sayfanın köşesini kıvırıyor, nerede kaldığımızı parmağımızla buluyoruz. Belki de bütün bunlar, zihnimizi yavaşlatıyor. Ve bazen yavaşlamak, öğrenmenin ta kendisi.

  Araştırmalar da bu konuda ilginç ipuçları veriyor. Virginia Clinton’ın 2019 yılında yayımlanan sistematik derleme ve meta-analizi, 29 rapordaki 33 çalışmayı ve toplam 2.799 katılımcıyı inceleyerek kâğıttan okumanın, özellikle bilgilendirici metinlerde, ekran üzerinden okumaya kıyasla küçük de olsa bir anlama avantajı sağlayabildiğini gösteriyor. Ayrıca okuyucuların kâğıt üzerinden okurken kendi anlama düzeylerini daha doğru değerlendirdikleri görülüyor.

  Bu, asla ekrandan bir şey okumayalım demek değil (nitekim şu an okuduğunuz metin dijital bir yazı ). Teknolojiye karşı romantik bir başkaldırı da değil. Benim için daha çok hayatımızdaki hızın arasına bilinçli olarak biraz yavaşlık koymak meselesi.

Çünkü fiziksel kitabın başka bir tarafı daha var: Ritüeli.

  Kitabı seçmek, çantaya koymak, bir koltuğa oturmak, telefonu biraz uzağa bırakmak, kapağını açmak… Bunların hiçbirini bir yapay zekâ bizim için yapamıyor. Kitabın kokusu, sayfaların sesi, elimizdeki ağırlığı elbette birer bilimsel öğrenme stratejisi değil. Ama insan yalnızca öğrenen bir canlı da değil. Hisseden, hatırlayan, bağ kuran bir canlı.

  Bir öğretmen olarak çocuklara kitap okumayı anlatırken bunu daha çok düşünüyorum. Onlara “kitap okuyun, çünkü faydalı.” demek bana bazen yetersiz geliyor. Kitap okumayı biraz da hayatın içinde kendimize ayırdığımız küçük bir alan olarak anlatmak istiyorum.

  Belki akşam herkes uyuduktan sonra birkaç sayfa. Belki okul çıkışında bir bankta on dakika. Belki yağmur yağarken pencerenin yanında…

Çünkü hayat zaten yeterince hızlı. Mesajlar, toplantılar, bildirimler, ekranlar, mailler, yetişmesi gereken işler… Her şey bizden biraz daha hızlı olmamızı istiyor.

  O yüzden ben fiziksel kitabı biraz da buna karşı seviyorum.

Bir kitabı açtığımda dünya birkaç dakikalığına benden hiçbir şey istemiyor.

Ve galiba yapay zekâ çağında fiziksel kitap okumanın en güzel tarafı da bu:

Bize bilgi vermek zorunda olmayan, bizi bir yere yetiştirmeyen ve sadece birkaç sayfa boyunca bizimle birlikte duran bir şeyin hâlâ var olması.

Belki de hayatı romantize etmek tam olarak budur.
Her şeyi daha verimli hâle getirmeye çalışmak yerine, bazı şeyleri yalnızca güzel olduğu için yapmaya devam etmek.

Bir kitabın sayfasını merakla çevirmek gibi.

IB’nin güncel çevrim içi uygulamaları ve araştırma kaynakları üzerinden bir değerlendirme

Çevrim içi öğrenme topluluğunu temsilen hazırlanmış editoryal illüstrasyon.

“Bulutta okul” fikrini değerlendirirken önce benzer görünen ama farklı olan üç uygulamayı ayırmak gerekir: Sugata Mitra’nın School in the Cloud / SOLE yaklaşımı, IB’nin öğrencilerin tek tek dersleri çevrim içi almasına yönelik Pamoja dersleri ve tüm Diploma Programı’nı uzaktan sunmayı amaçlayan IB Online DP pilotu. Bunlar aynı uygulama değildir. Aralarındaki farkı görmek, hem “IB çevrim içi okul açıyor mu?” sorusunu doğru yanıtlamayı hem de bu modellerin eğitim açısından ne sunduğunu değerlendirmeyi sağlar.

Şekil 1. SOLE, Pamoja ve Online DP pilotu farklı kapsam ve amaçlara sahiptir.

IB’de çevrim içi öğrenme iki ayrı seçenek sunuyor

IB’nin DP çevrim içi sayfası iki olanağı tanımlıyor. Birincisi, yetkili bir IB Dünya Okuluna kayıtlı öğrencilerin kendi okullarında bulunmayan bazı DP derslerini çevrim içi alabilmesi. Bu dersler IB ile çalışan Pamoja üzerinden sunuluyor. İkincisi ise öğrencilerin tüm Diploma Programı’nı uzaktan tamamlamasına imkân tanımayı amaçlayan Online DP pilotu. Tek bir dersi çevrim içi almakla bütün DP’yi çevrim içi yürütmek aynı şey değil (International Baccalaureate Organization [IBO], 2026a, 2026c).

IB’nin açıklamasına göre tam DP pilotu Mart 2022’de başladı. Pilot, seçilmiş ortak kurumlarla yürütülüyor ve geleneksel bir okula devam edemeyen öğrencilerin IB eğitimine erişimini artırmayı hedefliyor. IB’nin pilot sayfasında Aoba, Dwight Global Online, Eastwood Global, King’s InterHigh, OnWorld–Nazaret Global Education ve Montserrat School, Scotch Global ve SEK Education Group ortaklar arasında listeleniyor (IBO, 2026b).

Pilotun çevrim içi olması, öğrencilerin öğrenme topluluğundan bütünüyle ayrıldığı anlamına gelmiyor. IB, ortaklarıyla çevrim içi öğrenciler arasında iş birliğine dayalı öğrenme topluluklarının nasıl kurulabileceğini araştırdığını belirtiyor. Aynı açıklamada çevrim içi öğrencilerin sınavlarını yüz yüze DP okullarında aldığı, değerlendirme biçiminin diğer DP adaylarıyla aynı olduğu ve kazandıkları yeterliğin aynı olduğu bilgisi de yer alıyor (IBO, 2026b).

IB’nin yayımladığı son pilot sayıları

PİLOTUN YAYIMLANAN ADAY SAYILARI

2026 için verilen sayı gerçekleşmiş sonuç değil, IB’nin 19 Şubat 2026’da yayımladığı öngörüdür.

IB’nin pilot sayfasında Mayıs 2024 oturumunda yaklaşık 60, Mayıs 2025’te ise üç pilot ortağında yaklaşık 140 aday bulunduğu belirtiliyor. Sayfa, Mayıs 2026 için yaklaşık 200 aday öngörüyor. Ancak sayfanın son güncelleme tarihi 19 Şubat 2026’dır. Bu nedenle 200 sayısı gerçekleşmiş Mayıs 2026 sonucu değil, IB’nin o tarihte yayımladığı öngörüdür. İncelenen resmî sayfada Mayıs 2026 oturumu için daha sonra yayımlanmış gerçekleşmiş aday sayısı bulunmuyor (IBO, 2026b). Bu sayılar pilotun ölçeğinin büyüdüğünü gösteriyor; tek başına akademik başarı ya da yüz yüze eğitimle eşdeğerlik kanıtı sayılmaz. Katılımcı sayısı ile öğrenme sonuçları farklı verilerdir.

IB’nin 2024 literatür incelemesi ne söylüyor?

IB için University of Mississippi bünyesindeki Center for Research Evaluation tarafından hazırlanan Review of Literature on Student Outcomes in Online Learning başlıklı rapor, çevrim içi DP pilotunun sonuçlarını ölçen bir değerlendirme değildir. Raporun amacı, çevrim içi öğrenme araştırmalarını tarayarak öğrenci sonuçları ve başarı göstergeleri hakkında IB’ye genel bir literatür çerçevesi sunmaktır. Rapor 92 makaleyi incelemiş; çevrim içi ve yüz yüze öğretimi karşılaştırmış, çevrim içi öğrenmenin yarar ve güçlüklerini ele almıştır (Center for Research Evaluation [CERE], 2024).

İncelemede ele alınan başarı göstergeleri arasında ders tamamlama, programdan ayrılma ve akademik performans bulunuyor. Akademik performans; sınav sonuçları, ders notları, standart değerlendirmeler ve projeler gibi farklı ölçülerle incelenebiliyor. Raporun özetinde çevrim içi ders tamamlama ve ayrılma oranlarının yüz yüze öğretimle karşılaştırılabilir olabildiği, ancak sonuçların ders tasarımı, öğretmen-öğrenci etkileşimi ve öğrencilerin dijital becerileri gibi etkenlere bağlı olduğu aktarılıyor. Raporda ayrıca açık beklentiler, yapılandırılmış dersler ve esnek hızda ilerleme; çevrim içi öğrenmede farklı ihtiyaçlara yanıt vermek için önemli tasarım unsurları olarak belirtiliyor (CERE, 2024).

Bu raporu kullanırken önemli bir sınırı korumak gerekir: 92 makaleyi kapsayan genel bir literatür incelemesi, çevrim içi DP pilotunun kendi öğrencileri üzerindeki sonuçlarını doğrudan ölçen bir çalışma değildir. Bu nedenle rapordaki genel çevrim içi öğrenme bulguları, IB pilotunun başarı kanıtı gibi sunulmamalıdır.

SOLE yaklaşımı bu tabloya nasıl bağlanıyor?

Sugata Mitra’nın School in the Cloud fikri, IB Online DP pilotuyla aynı model değildir. Mitra’nın yaklaşımında öğrenciler büyük ve açık uçlu bir soru çevresinde küçük gruplar hâlinde araştırma yapar; interneti ve akran iş birliğini kullanır. TED konuşmasında bu fikir, öğrencilerin birbirlerinden ve çevrim içi rehberlerden destek aldığı bir öğrenme ortamı olarak anlatılır (Mitra, 2013).

Dolan ve arkadaşlarının 2013’te yayımlanan çalışması, SOLE’yi İngiltere’de bir ilkokul sınıfında iki yıl boyunca uygulayan bir öğretmenin deneyimini inceler. Çalışma, SOLE’nin sınıf ortamına nasıl uyarlanabileceğini ve dönüştürücü etkisinin ne ölçüde gerçekleştiğini sorgular. Bu nedenle SOLE’yi “öğretmensiz okul” diye basitleştirmek doğru olmaz; araştırma, yaklaşımın mevcut eğitim düzeniyle nasıl ilişki kurduğunu da tartışır (Dolan et al., 2013).

Mitra ve Dangwal’ın 2010 tarihli Kalikuppam araştırması da kendi kendine örgütlenen öğrenmenin her koşulda aynı sonucu vereceğini kanıtlamaz. Araştırma, Hindistan’da belirli bir yaş grubundaki çocukların moleküler biyoloji konularını internet kaynaklarıyla öğrenmesini ve konu uzmanı olmayan bir aracının desteğiyle ortaya çıkan sonuçları inceler. Yazarlar, bu bağlamda kendi kendine örgütlenen ve aracılı öğrenmenin fırsatlar yaratabileceğini belirtir. Bulguların farklı yaşlara, derslere ve eğitim sistemlerine doğrudan genellenmesi dikkat gerektirir (Mitra & Dangwal, 2010).

Payal Arora’nın 2010 tarihli incelemesi bu tabloya eleştirel bir boyut ekler. Arora, Hindistan’daki iki öğrenme istasyonunun sürdürülebilirliğini inceleyerek ücretsiz dijital erişimin tek başına kalıcı bir öğrenme ortamı yaratmayabileceğini tartışır. Bu çalışma, her dijital öğrenme projesinin başarısız olduğu anlamına gelmez; yerel koşulların, topluluk desteğinin ve uygulamanın devamlılığının önemini hatırlatır (Arora, 2010).

Eğitim açısından değerlendirme

IB Online DP pilotu bir programın çevrim içi sunulma biçimini araştırıyor; SOLE ise öğrencilerin sorular etrafında nasıl öğrenebileceğine ilişkin bir yaklaşım sunuyor. Bu iki örnekten çıkarılabilecek ortak eğitimsel soru, teknolojinin varlığından çok öğrenme topluluğunun nasıl kurulduğudur. Öğrencilerin çevrim içi ortamda düzenli akademik ve sosyal destek alıp alamadığı, öğretmen-öğrenci etkileşiminin nasıl sürdürüldüğü, kaynakların eleştirel değerlendirilmesinin nasıl öğretildiği ve öğrenme çıktılarının nasıl izlendiği önem taşır.

IB’nin pilot sayfasında vurguladığı iş birliğine dayalı öğrenme toplulukları ile 2024 literatür incelemesinde kullanılan başarı göstergeleri birlikte düşünüldüğünde, “bulutta okul” fikrinin niteliğini yalnızca derslerin çevrim içi sunulması belirlemez. Öğretim tasarımı, rehberlik, topluluk ve değerlendirme de öğrenme deneyiminin parçalarıdır. Bu, kaynaklardan hareketle yapılan bir eğitimsel değerlendirmedir.

Bir okulun bu alanda atabileceği ölçülü ilk adım, resmî bir çevrim içi DP açtığını varsaymak değil; farklı okullardan öğrencileri ortak bir araştırma sorusu, çevrim içi seminer veya disiplinler arası proje çevresinde buluşturan küçük bir pilot tasarlamak olabilir. Bu öneri IB’nin mevcut pilotunun parçası değildir. IB’nin çevrim içi öğrenme topluluklarına verdiği önem ile SOLE’nin ortak araştırma yaklaşımından hareketle geliştirilebilecek ayrı bir okul uygulamasıdır.

Kaynakça

Arora, P. (2010). Hope-in-the-wall? A digital promise for free learning. British Journal of Educational Technology, 41(5), 689–702. https://doi.org/10.1111/j.1467-8535.2010.01078.x

Center for Research Evaluation, University of Mississippi. (2024). Review of literature on student outcomes in online learning. International Baccalaureate Organization. https://ibo.org/globalassets/new-structure/research/pdfs/dp-online-learning-literature-review.pdf

Dolan, P., Leat, D., Mazzoli Smith, L., Mitra, S., Todd, L., & Wall, K. (2013). Self-organised learning environments (SOLEs) in an English school: An example of transformative pedagogy? Online Educational Research Journal, 3(11), 1–19. http://www.oerj.org/View?action=viewPDF&paper=109

International Baccalaureate Organization. (2026a, February 19). DP online. Retrieved October 13, 2026, from https://ibo.org/programmes/diploma-programme/dp-online/

International Baccalaureate Organization. (2026b, February 19). Online DP pilot. Retrieved October 13, 2026, from https://ibo.org/programmes/diploma-programme/dp-online/online-dp-pilot/

International Baccalaureate Organization. (2026c, June 2). Pamoja online courses. Retrieved October 13, 2026, from https://ibo.org/programmes/diploma-programme/dp-online/pamoja-dp-online-courses/

Mitra, S. (2003). Minimally invasive education: A progress report on the “hole-in-the-wall” experiments. British Journal of Educational Technology, 34(3), 367–371. https://doi.org/10.1111/1467-8535.00333

Mitra, S. (2013, February). Build a school in the cloud [TED Talk]. TED. https://www.ted.com/talks/sugata_mitra_build_a_school_in_the_cloud

Mitra, S., & Dangwal, R. (2010). Limits to self-organising systems of learning—the Kalikuppam experiment. British Journal of Educational Technology, 41(5), 672–688. https://doi.org/10.1111/j.1467-8535.2010.01077.x

Bir sorunun cevabını bulmak için saatlerce araştırma yaptığımız, farklı kaynakları karşılaştırdığımız, zaman zaman yanıldığımız ve sonunda kendi çıkarımlarımıza ulaştığımız günleri düşünelim. Bugün ise aynı sorunun cevabına ulaşmak yalnızca birkaç saniye sürüyor. Yapay zekâ bizim yerimize metinler yazıyor, problemler çözüyor, kodlar oluşturuyor ve fikirler üretiyor. Peki, bilgiye ulaşmak hiç olmadığı kadar kolaylaşırken düşünme becerilerimiz de aynı hızla gelişiyor mu? Yoksa farkında olmadan düşünme sorumluluğumuzu teknolojiye mi devrediyoruz?

Bir öğrenciye araştırma ödevi verildiğini düşünelim. Öğrenci konuyu araştırmak, farklı görüşleri incelemek ve kendi cümlelerini oluşturmak yerine soruyu doğrudan yapay zekâya yöneltiyor. Saniyeler içerisinde karşısına düzenli, açıklayıcı ve oldukça etkileyici bir metin çıkıyor. Ödev tamamlanmış, beklenen sonuca ulaşılmış gibi görünüyor. Ancak burada önemli bir soru ortaya çıkıyor: Öğrenci gerçekten öğrendi mi, yoksa yalnızca öğrenmiş gibi görünen bir ürün mü ortaya koydu?

Bir Bilişim Teknolojileri öğretmeni olarak bu sorunun özellikle üzerinde durulması gerektiğini düşünüyorum. Örneğin kodlama öğrenen bir öğrencinin yazdığı programın çalışmadığını hayal edelim. Öğrenci hatayı bulmak için kodunu inceleyebilir, farklı çözüm yolları deneyebilir ve yaptığı yanlışlardan hareketle yeni çıkarımlara ulaşabilir. Ya da bütün kodu yapay zekâya vererek birkaç saniye içerisinde çalışan bir program elde edebilir. Her iki durumda da ortaya çıkan sonuç aynı olabilir. Fakat öğrenme süreçleri aynı değildir. Çünkü kodlama eğitiminin asıl amacı yalnızca çalışan programlar üretmek değil; analitik düşünme, problem çözme ve neden-sonuç ilişkisi kurma becerilerini geliştirmektir.

Bu durum eğitim literatüründe tartışılan "bilişsel yükü dış kaynaklara aktarma" kavramıyla ilişkilendirilebilir. İnsan zihninin gerçekleştirmesi gereken bazı işlemleri teknolojik araçlara devretmesi, günlük yaşamda büyük kolaylık sağlar. Ancak bu kolaylık, düşünme gerektiren süreçlerin sürekli olarak devredilmesine dönüşürse zihinsel bir konfor alanı oluşturabilir. OECD'nin 2026 yılında yayımladığı Dijital Eğitim Görünümü raporu da üretken yapay zekâ sayesinde öğrencilerin görev performanslarının artabildiğini, ancak bu durumun her zaman gerçek öğrenme kazanımlarına dönüşmediğini vurgulamaktadır.

Peki, yapay zekânın düşünme becerilerimiz üzerindeki etkisi yalnızca bu riskten mi ibaret?

Aslında meseleye farklı bir açıdan baktığımızda oldukça önemli fırsatlarla da karşılaşıyoruz. Yapay zekâ, doğru kullanıldığında bireylerin yalnızca bilgiye erişimini kolaylaştırmakla kalmayıp düşünme biçimlerini çeşitlendirmelerine de yardımcı olabilir. Özellikle günümüz dünyasında giderek önem kazanan becerilerden biri olan çeviklik (agility) açısından dikkat çekici imkânlar sunar.

Çeviklik, yalnızca hızlı hareket etmek anlamına gelmez. Değişen koşullara uyum sağlayabilmek, yeni bilgileri değerlendirebilmek, farklı çözüm yolları geliştirebilmek ve gerektiğinde mevcut yaklaşımını yeniden şekillendirebilmektir. Yapay zekâ, bilinçli kullanıldığında bu becerilerin gelişimini destekleyen bir öğrenme ortamı oluşturabilir.

Örneğin bir öğrencinin dijital bir proje geliştirdiğini düşünelim. Öğrenci önce kendi fikrini ortaya koyar, ardından yapay zekâdan alternatif tasarım önerileri ister. Gelen önerileri değerlendirir, uygun bulduklarını dener, karşılaştığı sorunlara göre projesini yeniden düzenler. Böylece tek bir çözüm üzerinde ilerlemek yerine farklı ihtimalleri değerlendirme, hızlı denemeler yapma ve geri bildirim doğrultusunda gelişme fırsatı yakalar. Burada yapay zekâ öğrencinin yerine düşünmemekte, düşüncelerini sınayabileceği ve geliştirebileceği bir ortam sunmaktadır.

Benzer şekilde bir öğrenci, araştırdığı konu hakkında yapay zekâdan kendi görüşüne karşıt fikirler üretmesini isteyebilir. Böylece daha önce düşünmediği bakış açılarıyla karşılaşır, kendi düşüncesini yeniden değerlendirir ve ulaştığı bilgileri güvenilir kaynaklardan doğrulama ihtiyacı duyar. Bu yaklaşım, doğru yönlendirildiğinde eleştirel düşünmenin ve zihinsel esnekliğin gelişimine katkı sağlayabilir.

Dolayısıyla aynı teknoloji, kullanım biçimine bağlı olarak iki farklı sonuca hizmet edebilir: Düşünme sürecini tamamen üstlenerek zihinsel çabayı azaltabilir ya da farklı seçenekleri görünür kılarak düşünmenin sınırlarını genişletebilir.

Tam da bu noktada eğitimcilere önemli bir sorumluluk düşüyor. Yapay zekânın hızla geliştiği bir dünyada öğrencileri bu teknolojiden tamamen uzak tutmaya çalışmak, onları geleceğin gerektirdiği becerilerden de uzaklaştırabilir. Bunun yerine yapay zekâyı ne zaman, neden ve nasıl kullanmaları gerektiğini öğretmek çok daha değerli bir yaklaşım olacaktır. UNESCO'nun yapay zekâ yeterlilikleri çerçevesi de öğrencilerin yalnızca bu teknolojiyi kullanmasını değil, yapay zekâ karşısında eleştirel düşünebilen, etik sorumluluk taşıyan ve üretken bireyler olarak yetişmesini önemsemektedir.

Belki de eğitimde yeniden düşünmemiz gereken nokta tam olarak burasıdır. Öğrencilere yalnızca doğru cevaplara ulaşmayı değil, doğru sorular sormayı, sunulan cevapları sorgulamayı ve elde ettikleri bilgileri yeni durumlara uyarlamayı öğretmeliyiz. Yapay zekâdan bir problemin çözümünü istemek yerine farklı çözüm yollarını karşılaştırmasını istemek; hazır bir metin oluşturmasını beklemek yerine kendi yazdığımız metne eleştirel geri bildirim almayı tercih etmek, bu dönüşümün küçük ama anlamlı adımları olabilir.

Üstelik bu yaklaşım yalnızca öğrenciler için değil, öğretmenler ve veliler için de geçerlidir. Teknolojiyi doğru kullanma becerisi, yaşımızdan veya mesleğimizden bağımsız olarak sürekli geliştirmemiz gereken bir yetkinliğe dönüşmektedir. Çünkü gelecekte önemli olan yalnızca ne kadar bilgiye sahip olduğumuz değil, yeni bilgiler karşısında ne kadar esnek düşünebildiğimiz ve öğrendiklerimizi ne kadar etkili kullanabildiğimiz olacaktır.

Sonuç olarak yapay zekâ, hayatımızdan çıkarabileceğimiz geçici bir eğilim değil, yaşam ve öğrenme biçimlerimizi dönüştüren bir gerçekliktir. Onu düşünmenin yerine koymak da düşünmeyi geliştirmek için kullanmak da büyük ölçüde bizim tercihlerimizle şekillenecektir. Buradaki asıl hedef, teknolojinin sunduğu kolaylıklardan vazgeçmek değil; bu kolaylıkların içinde merak etme, sorgulama, üretme ve öğrenme becerilerimizi koruyabilmektir.

Belki de artık kendimize sormamız gereken soru, "Yapay zekâ çocuklarımızın yerine mi düşünüyor?" değil, "Çocuklarımıza yapay zekâ ile birlikte daha iyi düşünmeyi öğretebiliyor muyuz?" olmalıdır.

Çünkü geleceğin dünyasında farkı yaratanlar, yalnızca yapay zekâdan en hızlı cevabı alanlar değil; o cevapları sorgulayabilen, yeni durumlara uyarlayabilen ve kendi düşüncelerini üretmeye devam edenler olacaktır.

Kaynakça

OECD. (2026). OECD digital education outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing. https://doi.org/10.1787/062a7394-en

Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. UNESCO. https://doi.org/10.54675/JKJB9835

Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002