Hata Tespitinden Kanıta Dayalı Öğrenme Tanısına: Eğitimde Yapay Zekaya Doğru Soruyu Sormak

Bugün eğitimdeki yapay zeka araçlarının çoğu daha hızlı not vermeye veya anında cevap üretmeye odaklanıyor.
Ancak Eğitim Teknolojileri alanındaki otuz yılı aşkın deneyimimden sonra şunu söyleyebilirim: Yanlış soruyu soruyoruz.
Asıl mesele sadece öğrencinin nerede hata yaptığını bilmek değildir. Asıl mesele, öğrenmenin neden kesintiye uğradığını anlamaktır.
Öğrencinin yaptığı bir hata, bize yalnızca yüzeyde neyin yanlış gittiğini söyler. O hatanın altında ise çoğu zaman Algısal Darboğaz (Perceptual Bottleneck) yatar; yani öğrencinin kavramı algılama veya yapılandırma biçimindeki temel bir engel. Eğer yapay zeka bir cevabı yalnızca ‘yanlış’ olarak işaretleyip genel bir açıklama üretiyorsa, pedagojik kök nedeni kaçırıyoruz demektir.
Bu nedenle güncel çalışmalarımı, basit hata tespitinden kanıta dayalı öğrenme tanısına (learning diagnosis) geçiş üzerine kurguluyorum:
- Hatayı belirle (Ne oldu?)
- Algısal darboğazı ortaya çıkar (Neden oldu?)
- Tanısal bir hipotez oluştur (Bu durumu hangi kanıtlar destekliyor?)
- Öğretmen yargısını destekle: Özelleşmiş Agentic AI sistemleriyle (PBIM-AOS) hedefe yönelik öğretimsel müdahaleler sun.
Yapay zeka, öğretmenin pedagojik yargısının yerini almamalıdır; tanısal kanıtları görünür ve uygulanabilir hale getirmelidir.
Sizce yapay zekanın günümüzde ölçme-değerlendirme ve geri bildirim süreçlerinde kullanılmasındaki en büyük kör nokta nedir? Görüşlerinizi yorumlarda duymak isterim.
#EğitimTeknolojileri #EğitimdeYapayZeka #AgenticAI #ÖğrenmeBilimleri #Pedagoji #EdTech #BilgisayarEğitimi


