Bir öğrenci, yapay zekâya bir matematik problemini çözdürüyor, yabancıl dil eğitimine mentorluk desteği alıyor, kompozisyonunu yazdırıyor ya da bilim projesini hazırlatıyor. Karşımıza oldukça başarılı bir çalışma çıkıyor. Peki, bu çalışma bize öğrencinin gerçekten öğrendiğini mi gösteriyor, yoksa yalnızca doğru aracı kullanabildiğini mi? Bir eğitimci gözüyle kısacası şunu sormak istiyorum öğrenciyi kazanımı öğrendi diyerek yüksek puan mı vermeliyiz yoksa ödevini yapmada destek aldığı aracı kullanım becerisini düşünerek kendi yapmadı sonuçta diyerek düşük bir puan mı vermeliyiz?
Uzun zamandır yani neredeyse bir kaç yıldır bu konuya kafa yoruyorum. Ama son zamanlarda karşılaştığım bir araştırma ve makaleler beni bu soru hakkında düşündüklerimi harmanlayarak yazmamı sağladı diye bilirim. Çünkü Ekim 2026’da yayımlanan yeni bir araştırma, eğitim dünyasının bu soruyu yeniden düşünmesi gerektiğini gösteriyor. Belki de artık yalnızca öğrencilerin ne bildiğini değil, bilgiyi nasıl öğrendiklerini ve yapay zekâ olmadan neler yapabildiklerini de değerlendirmeliyiz.
Yapay zekâ öğrenmeyi destekliyor mu, düşünmenin yerini mi alıyor?
İnternette gördüğüm bazı “fenomen” eğitimciler-akademisyenler yapay zekanın düşünmeyi ve yaratıcılığı azalttı üzerine demeçler vermekteler. Bunu burada bir bırakalım şimdi!
22 Ekim 2026’da Minnesota Üniversitesinin paylaştığı değerlendirme çok dikkat çekici, üretken yapay zekânın eğitimdeki fırsatlarını ve risklerini ele alıyor. Üniversitenin eğitim araştırmacılarından *Panayiota Kendeou’nun da katkı sunduğu çalışma, yapay zekânın öğrencilerin öğrendiklerini pekiştirmesine, geri bildirim almasına, örnekler üzerinden çalışmasına ve kendi bilgilerini sınamasına yardımcı olabileceğini vurguluyor.
Ancak burada önemli bir ayrım var: Bir görevi yapay zekâ yardımıyla tamamlamak ile o görevi yapabilecek beceriyi kazanmak aynı şey değil!
Araştırmacıların temel mesajı oldukça açık: Öğrenci önce kendi düşünme sürecini işletmeli; ardından yapay zekâyı eksiklerini görmek, farklı örneklerle çalışmak ve öğrenmesini derinleştirmek için kullanmalı. Eğitimcilerin en sevdiği anlatımla; bireysel farklılıklara uygun şekilde kendi hızında öğrenmesi. Minnesota Üniversitesinin değerlendirmesini buradan inceleyebilirsiniz.
Daha da dikkat çekici olan, aynı ay yayımlanan kapsamlı bir uzman uzlaşı raporu. Minnesota Üniversitesi, Kuzey Karolina Üniversitesi ve Kaliforniya Üniversitesinden araştırmacıların katkısıyla hazırlanan raporda 30 uzman, yapay zekânın öğrenme süreçlerine etkisini 65 farklı süreç üzerinden değerlendirdi.
Raporda ortaya çıkan tablo, yapay zekânın öğrenme üzerindeki etkisinin tek yönlü olmadığını gösteriyor. Yapay zekâ; geri bildirim, alıştırma, örneklerden öğrenme ve kişinin kendini sınaması gibi süreçleri destekleyebilirken eleştirel düşünme, bilgiyi sorgulama, zihinsel çaba gösterme ve öğrenmeyi kendi kendine yönetme gibi beceriler açısından riskler taşıyabiliyor. Uzmanlar ayrıca önemli bir sınırlılığa dikkat çekiyor: Yapay zekânın eğitimdeki etkilerine ilişkin kanıtların bir bölümü henüz yeterince güçlü değil. Dolayısıyla her yeni aracı eğitimde mucize olarak görmek de bütün kullanımları zararlı ilan etmek de bilimsel açıdan doğru bir yaklaşım değil gibi görünüyor! BEnce en matıklı yaklaşan ekip bunlar oldu şimdiye kadar okuduğum makalelerde. 2026 tarihli uzman uzlaşı raporunun tamamı
Dünyada eğitim ve ölçme-değerlendirme nasıl değişiyor?
Yapay zeka tartışması artık yalnızca derslerde hangi araçların kullanılacağıyla sınırlı değil. O kısmı zaten çoktan geçmiş olmamız gerekiyordu yapay zeka dünyadınsa geri kalmış olmamak için. Eğitim sistemleri artık bu araçların öğrencilerin öğrenmesini nasıl etkilediğini ve öğrenmenin nasıl değerlendirileceğini de yeniden ele almalıdır. Ekonomik İşbirliği ve Kalkınma Örgütünün (OECD) Ocak 2026’da yayımladığı Digital Education Outlook 2026 raporu bu konuda önemli bir kaynak.
Raporda, genel amaçlı yapay zekâ araçlarının öğrencilerin ortaya koyduğu ürünlerin kalitesini artırabildiği, ancak bunun her zaman kalıcı öğrenmeye dönüşmediği belirtiliyor. Bazı araştırmalarda, yapay zekâ desteğiyle daha başarılı görevler tamamlayan öğrencilerin bu destek olmadan yapılan sınavlarda aynı avantajı koruyamadığı görülüyor. Tabii bu bizi şaşırtmıyor! Çünkü bir eğitimcinin esas korkusu burada başlıyor.
OECD ayrıca öğretim hedefleri doğrultusunda tasarlanan veya bilinçli bir pedagojik yaklaşımla kullanılan yapay zekâ araçlarının öğrenmeye daha anlamlı katkılar sunabileceğini vurguluyor. Buna da şaşırmıyoruz çünkü beklediğimiz bir sonuç. Kaynak: OECD Digital Education Outlook 2026
Hayır bizimde kafamız karışık değil 😉 olaylara sadece nereden baktığınız ile alakalı. Bardağın dolu yada boş kısmı meselesi bu…
Peki, bu bulgular ölçme ve değerlendirme açısından ne anlama geliyor? Geleneksel olarak bir öğrencinin öğrenmesini anlamak için sınavlara, ödevlere, projelere ve ortaya koyduğu ürünlere bakıyoruz. Fakat bu ürünlerin hazırlanma sürecinde yapay zekâ kullanıldığında, sonucun ne kadarının öğrencinin kendi bilgisi ve becerisi olduğunu anlamak zorlaşabiliyor. Bu nedenle dünyada öne çıkan yaklaşımlardan biri, yalnızca son ürünü değerlendirmek yerine öğrenme sürecini de değerlendirmeye katmak. Aslında bu bizim süreç değerlendirme dediğimiz değerlendirme şekli.
16 Ekim 2026’da International Journal of Educational Technology in Higher Education dergisinde yayımlanan sistematik bir inceleme, 24 ülkeden ve 20 akademik disiplinden gelen 72 araştırmayı ele aldı. İncelemede yapay zekâ çağında ölçme-değerlendirme için üç önemli yaklaşım öne çıktı:
- Süreç odaklı değerlendirme: Öğrencinin ilk taslağı, yaptığı değişiklikler, çözüm adımları ve geri bildirimleri nasıl kullandığı.
- Otantik değerlendirme: Öğrencinin öğrendiğini gerçek yaşamla ilişkili, anlamlı görevlerde uygulayabilmesi.
- Sözlü ve diyalog temelli değerlendirme: Öğrencinin ortaya koyduğu çalışmayı açıklaması, soruları yanıtlaması ve düşünme sürecini savunabilmesi.
Araştırma, yapay zekânın değerlendirme soruları hazırlama, geri bildirim sağlama ve değerlendirme sürecinin bazı aşamalarını destekleme gibi kullanımlarını da inceliyor. Burada önemli bir ayrıntı var: Bu araştırma yükseköğretime odaklanıyor. Dolayısıyla bulguların tamamını ilkokul ve ortaokul düzeyine doğrudan aktarmak yerine, yaş grubuna ve öğrenme hedeflerine göre uyarlamak gerekiyor. Kaynak: Crompton ve Burke, 2026 — sistematik inceleme
Peki, Türkiye eğitimde yapay zekâ kullanımında nerede?
Türkiye’de de bu dönüşümün yalnızca dışında durduğumuzu söylemek doğru olmaz. Millî Eğitim Bakanlığı, 17 Haziran 2025’te Eğitimde Yapay Zekâ Politika Belgesi ve Eylem Planı (2025–2029) belgesini yürürlüğe koydu. Dört hedef, 15 politika ve 40 eylem adımından oluşan bu belge; öğretmen eğitiminden dijital içerik geliştirmeye, kişiselleştirilmiş öğrenmeden yapay zekâ destekli ölçme ve değerlendirmeye kadar geniş bir alanı kapsıyor. Ayrıca Türkiye Yüzyılı Maarif Modeli’nin beceri temelli yaklaşımıyla uyumlu bir dönüşüm hedefliyor.
Bu önemli bir başlangıç. Çünkü eğitimde yapay zekâ kullanımının yalnızca bireysel öğretmenlerin tercihine bırakılmaması; etik ilkeler, güvenlik, öğretmen yeterlilikleri ve eğitim politikalarıyla birlikte ele alınması gerekiyor. Kaynak: Millî Eğitim Bakanlığı — Eğitimde Yapay Zekâ Politika Belgesi ve Eylem Planı
Ancak burada bir ayrım yapmalıyız: Bir politika belgesinin yayımlanması, hedeflenen uygulamaların bütün okullarda aynı ölçüde hayata geçtiği anlamına gelmez! Ve bu ne yazık ki gözardı edilmektedir. Türkiye’de okulların yapay zekâya erişimi, öğretmenlerin deneyimi, öğrenci profilleri ve kurumların uygulamaları birbirinden farklı olabilir.
Mevcut politika hedefleri ile uygulamaların ülke genelindeki yaygınlığını birbirinden ayırmak gerekiyor. Yapay zekâ destekli ölçme ve değerlendirmenin Türkiye’deki bütün okullarda hangi ölçüde kullanıldığını, ne kadar etkili olduğunu ve öğrenci başarısına nasıl yansıdığını gösteren karşılaştırılabilir, güncel ulusal veriler olmadan kesin bir sıralama yapmak doğru olmaz.
Bence asıl üzerinde durmamız gereken soru şu: Yapay zekâyı eğitimde kullanmaya yönelik hedeflerimiz var; peki bu kullanımın gerçekten öğrenme sağladığını nasıl ölçeceğiz?
Ölçme ve değerlendirmede yeni bir döneme hazır mıyız?
Bir bilişim teknolojileri öğretmeni olarak bu soruyu özellikle önemsiyorum. Çünkü öğrencilerimizin teknolojiyi yalnızca kullanan değil, üreten, sorgulayan ve bilinçli kararlar veren bireyler olmasını istiyoruz. Örneğin bir öğrenciye “Yapay zekânın eğitimde kullanım alanlarını araştır ve bir sunum hazırla.” dediğimizi düşünelim. Öğrenci araştırmasını yapabilir, kaynaklarını inceleyebilir, yapay zekâdan yardım alabilir ve birkaç dakika içinde oldukça başarılı görünen bir sunum oluşturabilir. Ancak sunumun güzel olması, öğrencinin konuyu anladığını tek başına kanıtlamaz.
Aynı çalışmayı biraz farklı tasarlayabiliriz:
- Öğrenci önce kendi bildiklerini ve araştırma sorularını yazar.
- Kaynaklarını araştırır ve yapay zekâdan hangi aşamada, ne amaçla yararlandığını belirtir.
- Yapay zekânın sunduğu bilgileri güvenilir kaynaklarla karşılaştırır; yanlış veya eksik bilgileri tespit eder.
- Çalışmasını hazırlar, aldığı geri bildirimler doğrultusunda değişiklikler yapar.
- Son olarak sunumunu öğretmenine veya arkadaşlarına açıklar ve kendisine yöneltilen soruları yanıtlar.
Böylece değerlendirdiğimiz şey yalnızca bir sunum olmaz. Öğrencinin araştırma, kaynak doğrulama, eleştirel düşünme, iletişim ve öz değerlendirme becerilerini de gözlemleyebiliriz. Üstelik bu yaklaşım yalnızca bilişim dersine özgü değil. Türkçe dersinde metin inceleme, matematikte problem çözme, fen bilimlerinde deney tasarlama ve sosyal bilgilerde kaynakları karşılaştırma gibi farklı alanlarda da uygulanabilir.
Peki, okullarda neler yapabiliriz?
Araştırmalar ve sınıf içi ihtiyaçlar doğrultusunda birkaç uygulanabilir önerim var.
1. Önce öğrencinin kendi düşüncesini görünür kılalım.
Öğrenciden bir problemi çözmeden, bir metin yazmadan veya yapay zekâya danışmadan önce ilk düşüncesini ortaya koymasını isteyebiliriz. Böylece başlangıç noktası ile çalışma sonundaki gelişimini karşılaştırabiliriz.
2. Sonuç kadar süreci de değerlendirelim.
Özellikle proje ve araştırma çalışmalarında taslaklar, notlar, kaynak listeleri, yapılan düzeltmeler ve kısa öz değerlendirmeler değerlendirme sürecinin parçası olabilir. Ancak her öğrenciden gereksiz belge üretmesini istemek yerine, öğrenme hedefiyle doğrudan ilişkili kanıtlar seçmeliyiz.
3. Sözlü açıklama ve uygulamalara daha fazla yer verelim.
Öğrenci yaptığı çalışmayı açıklayabiliyor mu? Seçtiği yöntemin nedenini söyleyebiliyor mu? Benzer bir problemi tek başına çözebiliyor mu? Bu sorular, özellikle yapay zekâ desteğiyle hazırlanan çalışmalarda önemli bilgiler sağlayabilir.
4. Yapay zekâyı yalnızca cevap üretmek için değil, geri bildirim almak için kullandıralım.
Örneğin öğrencilerden doğrudan bir kompozisyon yazdırmak yerine, kendi yazdıkları metindeki anlatım bozukluklarını bulmak için yapay zekâdan yardım almalarını isteyebiliriz. Ardından önerileri incelemelerini, kabul ettikleri veya reddettikleri önerileri gerekçelendirmelerini sağlayabiliriz.
5. Yapay zekâ kullanımına ilişkin açık kurallar belirleyelim.
Hangi görevlerde yapay zekâ kullanılabilir? Kullanılan araç nasıl belirtilmeli? Hangi bilgiler paylaşılmamalı? Yapay zekânın verdiği bir bilgi nasıl doğrulanmalı? Bu soruların cevapları öğrencilerin yaşına ve dersin amacına uygun şekilde açıklanmalı.
6. Uygulamaların etkisini gerçekten ölçelim.
Yapay zekâ kullanılan bir etkinlikten sonra öğrencilerin daha güzel ürünler ortaya koyması yeterli değil. Öğrencilerin bilgiyi hatırlama, yeni bir probleme uygulama ve benzer bir görevi bağımsız yapma becerilerinde gelişme olup olmadığı da incelenmeli. Mümkün olduğunda bu sonuçlar, yapay zekâ kullanılmayan çalışmalarla karşılaştırılmalı.
Özellikle küçük yaş gruplarında öğretmen rehberliği, veri gizliliği ve gelişim düzeyine uygun kullanım ilkeleri göz ardı edilmemeli.
Geleceğin sınavı doğru cevabı bulmak mı, düşünmeyi öğrenmek mi?
Yapay zekâ bize çok hızlı cevaplar verebilir. Metinler yazabilir, görseller üretebilir, soruları çözebilir ve değerlendirme süreçlerinin bazı aşamalarını kolaylaştırabilir. Fakat eğitimde asıl hedefimiz yalnızca doğru cevaba ulaşmak değil; o cevabın neden doğru olduğunu anlayabilen, yanlışları fark edebilen ve yeni durumlarda öğrendiklerini kullanabilen bireyler yetiştirmek.
Bu nedenle yapay zekâ çağında ölçme ve değerlendirme anlayışımızı yeniden düşünmemiz gerekiyor. Bu, sınavları tamamen ortadan kaldırmak ya da her ödevi sözlü sınava dönüştürmek anlamına gelmiyor. Farklı değerlendirme yöntemlerini, öğrenme hedeflerine uygun biçimde bir arada kullanmak anlamına geliyor. Türkiye’nin eğitimde yapay zekâya ilişkin bir politika yol haritası bulunuyor. Bundan sonraki önemli adımlardan biri, bu hedefleri sınıf içinde etkili uygulamalara dönüştürmek ve elde edilen sonuçları bilimsel araştırmalarla değerlendirmek olacaktır.
Belki de öğrencilere sormamız gereken yeni soru şu, “Bu çalışmayı yapay zekâ ile hazırladın mı?” sorusunun yanında, “Bu çalışmayı hazırlarken ne öğrendin, hangi kararları kendin verdin ve şimdi benzer bir problemi nasıl çözersin?” sorusunu da sormalıyız.
Çünkü gelecekte önemli olan yalnızca yapay zekâyı kullanabilmek değil, onu ne zaman ve nasıl kullanacağını bilmek; gerektiğinde ondan bağımsız düşünebilmek ve ürettiği bilgiyi sorgulayabilmektir. Peki sizce, yapay zekâ çağında bir öğrencinin başarısını ölçerken en çok neye önem vermeliyiz: ortaya koyduğu ürüne mi, izlediği sürece mi, yoksa öğrendiklerini bağımsız olarak kullanabilmesine mi? Düşünmemiz gereken sorular bunlar…
Kaynakça ve ileri okuma
- University of Minnesota (2026). Talking AI and education with University of Minnesota. Haberi oku
- Kendeou, P. ve diğerleri (2026). Ways Generative AI Can Support and Threaten Learning in K-20 US Education. Uzman uzlaşı raporu
- OECD (2026). OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. Raporu incele
- Crompton, H. ve Burke, D. (2026). Higher education assessments in the age of GenAI: a systematic review. International Journal of Educational Technology in Higher Education. Akademik makale
- Millî Eğitim Bakanlığı (2025). Eğitimde Yapay Zekâ Politika Belgesi ve Eylem Planı (2025–2029). Resmî duyuru
*Dr. Panayiota (Pani) Kendeou, Minnesota Üniversitesi Eğitim Psikolojisi Bölümü’nde Seçkin McKnight Üniversitesi Profesörü ve Guy Bond Okuma Kürsüsü Başkanı olan Kıbrıslı bir öğrenme bilimcisi ve akademisyendir.(https://www.linkedin.com/in/panayiota-pani-kendeou-58235161/?isSelfProfile=false)
Not: Bu yazı, kaynaklarda belirtilen araştırma bulguları ile kişisel mesleki değerlendirmeleri birbirinden ayırmayı amaçlamaktadır. Araştırmaların kapsamı ve sınırlılıkları dikkate alınmalı; uluslararası bulgular Türkiye’deki bütün okullarda aynı koşulların bulunduğu şeklinde yorumlanmamalıdır. Yorumlar ve fikirler tamamen bana aittir.
