Eğitimde Yapay Zeka Kullanımı: Büyük Dil Modelleri Eğitim Süreçlerine Katkıda Bulunmakta Ne Kadar Başarılı?
Yandex
Bu Makalede Neler Öğreneceksiniz?
- Conducted by Jin Wang and Wenxiang Fan, the meta-analysis synthesized data from 51 studies to evaluate ChatGPT's impact on learning performance, perception, and higher-order thinking.
- Found ChatGPT significantly improves academic performance, moderately enhances learning perception, and moderately supports higher-order thinking skills like problem-solving and creativity.
- Identified course type, learning model, and ChatGPT usage duration as key factors influencing its effectiveness, with strongest impacts seen in skill development and problem-based learning.
Son derece yetenekli büyük dil modellerinin (LLM) hızla yayılması, eğitim dünyasında hararetli bir tartışmayı beraberinde getirdi. Bir yanda öğrencilerin 7/24 ulaşabilecekleri bir öğretmen görevi görebilen bu araçlar, öğrenme süreçlerine büyük katkı sağlayabilirken diğer yanda ne yazık ki kopya çekme gibi etik sorunlara da zemin hazırlıyor.
LLM'lerin eğitimdeki potansiyel fayda ve zararları geniş çapta tartışılsa da bu teknolojilerin sınıflara, müfredatlara ve genel olarak çalışmalara entegrasyonuna rehberlik edecek sağlam, deneysel kanıtlara ihtiyacımız büyük. "ChatGPT'nin Öğrencilerin Öğrenme Performansı, Öğrenme Algısı ve Üst Düzey Düşünme Üzerindeki Etkisi: Bir Meta-Analizden Çıkarımlar" başlıklı yeni bir çalışma, anekdotsal anlatımların ve oldukça sınırlı çalışmaların ötesine geçerek bugüne kadarki en kapsamlı nicel değerlendirmelerden birini sunuyor. Hangzhou Normal Üniversitesi Çin Eğitim Modernizasyonu Araştırma Enstitüsü'nden Jin Wang ve Wenxiang Fan tarafından hazırlanan makale bu ay Nature Publishing grubuna ait Humanities and Social Sciences Communications dergisinde yayımlandı.
Derinlemesine İnceleme: ChatGPT’nin Öğrenmeye Etkisi Nasıl Ölçüldü?
Wang ve Fan tarafından yapılan çalışma, Kasım 2022 ile Şubat 2025 arasında yayınlanan 51 araştırma makalesinden elde edilen verileri sentezleyen ve ChatGPT'nin üç önemli öğrenci çıktısı (öğrenme performansı, öğrenme algısı ve üst düzey düşünme) üzerindeki etkisini inceleyen bir meta-analizdi. Çalışma, YZ kullanıcıları ve veri bilimciler için mevcut LLM'lerin yeteneklerini değerlendirmekte ve eğitim teknolojilerinin gelecekteki gelişiminde kullanılabilecek yararlı, kanıta dayalı bilgiler sağlıyor.
Araştırmanın birincil odağı, ChatGPT'nin üç temel eğitim çıktısı üzerindeki genel etkinliğini belirlemekti. Meta-analiz, bu konuda istatistiksel olarak anlamlı ve kayda değer sonuçlar verdi.
Öğrenme performansı ile ilgili olarak, 44 çalışmadan elde edilen veriler ChatGPT kullanımına atfedilebilecek büyük bir olumlu etkiye işaret etmektedir. Ortalamada, ChatGPT'yi öğrenme süreçlerine dahil olan öğrencilerin kontrol gruplarına kıyasla önemli ölçüde daha iyi akademik sonuçlar sergiledikleri ortaya çıkmıştır.
Öğrencilerin tutumlarını, motivasyonlarını ve katılımlarını kapsayan öğrenme algısı içinse 19 çalışmanın analizi orta düzeyde ancak anlamlı bir olumlu etki ortaya koymuştur. Bu da ChatGPT'nin, öğrencilerin kopya çekmek için kullanabileceği bir araçla ilgili sorunlara rağmen, öğrencilerin daha olumlu bir öğrenme deneyimi edinmesine katkıda bulunabileceği anlamına gelmektedir.
Benzer şekilde, ChatGPT'nin eleştirel analiz, problem çözme ve yaratıcılık gibi üst düzey düşünme becerileri üzerindeki etkisi de 9 çalışmaya dayanarak orta derecede olumlu bulunmuştur. ChatGPT'nin önemli bilişsel yeteneklerin gelişimini destekleyebileceği iyi bir haber olsa da etkisi doğrudan öğrenme performansında çalışmalarda görüldüğü kadar belirgin olmayacaktır.
Farklı Faktörlerin Etkisi
Wang ve Fan, genel etkinliğin ötesinde, çeşitli ders çalışma yöntemlerinin ChatGPT'nin öğrenme üzerindeki etkisini nasıl etkilediğini araştırmıştır. Temel sonuçları özetleyelim.
İlk olarak, dersin türünün güçlü bir etkisi vardı. En büyük etki, beceri ve yetkinliklerin geliştirilmesini içeren derslerde gözlenmiş, bunu STEM (bilim/teknoloji) ve ilgili konular ve ardından dil öğrenimi/akademik yazma dersleri takip etmiştir.
Dersin öğrenme modeli, ChatGPT'nin öğrencilere ne ölçüde yardımcı olduğunu belirlemede kritik bir rol oynadı. Özellikle problem temelli öğrenme, ChatGPT tarafından güçlü bir şekilde desteklendi ve bu yaklaşımda çok yüksek düzeyde bir etki gözlemlendi. Kişiselleştirilmiş öğrenme ortamlarında da büyük bir etki kaydedilirken, proje temelli öğrenmede etkiler daha düşük olsa da yine de olumlu yöndeydi.
ChatGPT kullanım süresi de öğrenme performansı üzerindeki etkisini belirleyen önemli bir unsur olarak öne çıktı. Sadece bir haftalık kısa süreli kullanımlar düşük etki gösterirken 4 ila 8 hafta süren düzenli kullanım en güçlü etkiyi yarattı. Bu sürenin daha da uzatılması ise etki düzeyini belirgin şekilde artırmadı. Bu bulgu, büyük dil modelleriyle (LLM) desteklenen öğrenmede olumlu duygusal tepkiler geliştirilebilmesi için sürdürülebilir etkileşim ve kullanım alışkanlığı kazanmanın kritik öneme sahip olabileceğini gösteriyor.
Aslında maddi destek istememizin nedeni çok basit: Çünkü Evrim Ağacı, bizim tek mesleğimiz, tek gelir kaynağımız. Birçoklarının aksine bizler, sosyal medyada gördüğünüz makale ve videolarımızı hobi olarak, mesleğimizden arta kalan zamanlarda yapmıyoruz. Dolayısıyla bu işi sürdürebilmek için gelir elde etmemiz gerekiyor.
Bunda elbette ki hiçbir sakınca yok; kimin, ne şartlar altında yayın yapmayı seçtiği büyük oranda bir tercih meselesi. Ne var ki biz, eğer ana mesleklerimizi icra edecek olursak (yani kendi mesleğimiz doğrultusunda bir iş sahibi olursak) Evrim Ağacı'na zaman ayıramayacağımızı, ayakta tutamayacağımızı biliyoruz. Çünkü az sonra detaylarını vereceğimiz üzere, Evrim Ağacı sosyal medyada denk geldiğiniz makale ve videolardan çok daha büyük, kapsamlı ve aşırı zaman alan bir bilim platformu projesi. Bu nedenle bizler, meslek olarak Evrim Ağacı'nı seçtik.
Eğer hem Evrim Ağacı'ndan hayatımızı idame ettirecek, mesleklerimizi bırakmayı en azından kısmen meşrulaştıracak ve mantıklı kılacak kadar bir gelir kaynağı elde edemezsek, mecburen Evrim Ağacı'nı bırakıp, kendi mesleklerimize döneceğiz. Ama bunu istemiyoruz ve bu nedenle didiniyoruz.
İlginç bir şekilde öğrencilerin sınıf düzeyi, ChatGPT’nin öğrenme sürecindeki spesifik rolü ve uygulama alanı, analiz edilen çalışmalarda öğrenme performansını anlamlı ölçüde etkilemedi. Benzer şekilde, bu değişkenler öğrenmeye ilişkin algı üzerinde de anlamlı bir farklılık yaratmadı.
Araştırma ayrıca, ChatGPT’nin kişiselleştirilmiş rehberlik ve geri bildirim sağlayan "akıllı öğretmen" rolünü üstlendiği durumlarda, özellikle üst düzey düşünme becerilerinin gelişiminde etkisinin çok daha belirgin olduğunu ortaya koydu.
Yapay Zeka Tabanlı Eğitim Teknolojilerinin Geliştirilmesi için Çıkarımlar
Wang ve Fan’ın yürüttüğü meta-analizden elde edilen bulgular yapay zekanın eğitim ortamlarında nasıl tasarlanması, geliştirilmesi ve stratejik olarak uygulanması gerektiğine dair önemli çıkarımlar sunuyor.
Öncelikle, derinlemesine düşünmeyi destekleyecek stratejik bir iskelete ihtiyaç olduğu görülüyor. Bulgular, düşünme becerilerinin gelişimi üzerindeki etkinin akademik performans üzerindeki etkiye kıyasla daha zayıf kaldığını ortaya koyuyor. Bu da büyük dil modellerinin (LLM) her ne kadar genel öğrenme üzerinde olumlu etkileri olsa da doğrudan eleştirel düşünmeyi teşvik eden sistemler olmadığını gösteriyor. Bu nedenle, yapay zeka tabanlı eğitim araçları; bilgi ediniminden analiz, sentez ve değerlendirme gibi daha üst düzey bilişsel süreçlere geçişi destekleyecek mekanizmalarla donatılmalıdır.
Yapay zeka araçlarının eğitimde kullanılması, bağlama uygun şekilde çerçevelenmelidir. Yukarıda da görüldüğü üzere, bu çerçeve dersin türüne, içeriğine, tercih edilen öğrenme modeline ve mevcut zamana göre değişiklik gösterecektir. Özellikle, yapay zekanın sorgulama, hipotez test etme ve işbirlikçi problem çözme süreçlerini desteklediği bir senaryo oldukça verimli olabilir. Ancak, bulguların işaret ettiği bir diğer önemli unsur, etkinin en güçlü olduğu sürenin 4–8 haftayla sınırlı kalmasıdır. Bu durum, öğrencilerin sisteme alışmasını sağlayacak uyum süreçlerinin ve zaman içinde faydalı etkileşimin sürdürülmesini sağlayacak katılım stratejilerinin geliştirilmesini gerekli kılıyor. Ayrıca, aşırı bağımlılığın önüne geçilmesi açısından da bu tür stratejiler hayati önem taşıyor.
ChatGPT’nin akıllı öğretmen rolünü üstlendiği senaryolarda etkisinin çok daha yüksek olması, yapay zekanın eğitimdeki geleceği için kritik bir yönü işaret ediyor. Uyarlanabilir geri bildirim verebilen, tanılayıcı ve yansıtıcı sorular sorabilen, karmaşık bilişsel görevlerde rehberlik edebilen sistemlerin geliştirilmesi, gelecekte öncelikli hale gelmeli. Bu da, yalnızca basit soru-cevap yeteneklerini aşan, daha gelişmiş etkileşimli yapay zeka sistemleri ve pedagojik muhakeme becerileri gerektiriyor.
Tüm bunlara ek olarak üzerinde çalışılması gereken bazı önemli konular da var. LLM’ler bilgi sunma ve görev desteği konularında oldukça başarılı olup performans artışına yol açsa da öğrenmeye dair algı ve ileri düzey bilişsel beceriler üzerindeki etkilerini artırmak için daha gelişmiş etkileşimler tasarlanmasına ihtiyaç duyuluyor. Bu bağlamda, öğrenci inisiyatifini teşvik eden, anlamlı geri bildirim sunan ve bilişsel yükü dengeli şekilde yöneten sistemler geliştirmek kritik önem taşıyor.
Kısıtlamalar ve Gelecekteki Araştırmalara Öneriler
Çalışmanın yazarları araştırmalarının bazı sınırlamalarını temkinli bir şekilde kabul ediyor. Bu sınırlamalar aynı zamanda gelecekte yapılacak araştırmalar için yeni kapılar aralıyor. Her ne kadar toplam katılımcı sayısı bugüne kadarki en yüksek seviyede olsa da genel olarak hâlâ küçük sayılabilir ve bu sayı bazı spesifik sorular açısından oldukça yetersiz kalıyor. Bu nedenle bu alanda daha fazla araştırma yapılması gerekiyor ve ileride daha çok veri toplandığında yeni bir meta-analiz yapılması muhtemelen gerekecek.
Zorlayıcı bir nokta da teknolojinin çok hızlı gelişmesi nedeniyle elde edilen sonuçların ne yazık ki kısa sürede geçerliliğini yitirme ihtimali. Makalede incelenen çalışmaların bir diğer sınırlılığı da şu: Çoğu araştırma üniversite düzeyindeki öğrencilere odaklanıyor. İlköğretimle ilgili veriler ise oldukça sınırlı.
Wang ve Fan, gelecekte yapılacak araştırmalarda yapay zeka, veri bilimi ve eğitim alanında nelere dikkat edilmesi gerektiğini de tartışıyor. İlk olarak, farklı yapay zeka modellerinin sürümlerine göre etkilerin ayrıştırılması gerektiğini vurguluyorlar. Bu çok önemli çünkü modeller çok hızlı gelişiyor ve her yeni sürüm farklı özellikler barındırabiliyor.
İkinci olarak, öğrencilerin ve öğretmenlerin yapay zekayı nasıl yönlendirdiklerinin (İng: "prompting") daha yakından incelenmesi ve bu farklı yönlendirme biçimlerinin öğrenme sonuçları üzerindeki etkisinin araştırılması gerektiğini söylüyorlar.
Üçüncü olarak yapay zeka tabanlı eğitim araçlarının içine gömülü çalışacak, farklı durumlara uyum sağlayabilen destek mekanizmalarının geliştirilip test edilmesi gerektiğini belirtiyorlar. Son olarak, uzun vadede yapay zekanın bilgi kalıcılığı ve öğrencinin kendi kendine öğrenme becerileri üzerindeki etkilerinin araştırılması gerektiğine dikkat çekiyorlar.
Ayrıca şunu da belirtmeliyiz ki yapay zeka araştırmacıları, bir metnin yapay zeka tarafından yazılıp yazılmadığını anlamaya yarayan sistemler geliştirme konusunda yetersiz kalıyor. Örneğin, bir ödevin yapay zeka yardımıyla yazılıp yazılmadığını öğretmenlerin hızlı ve güvenilir bir şekilde tespit edebilmesi gerekiyor. Evet, bu amaçla geliştirilen bazı filigranlama (İng: "watermarking") sistemleri var ama henüz bu sistemlerin öğretmenler tarafından rahatlıkla kullanabileceği şekillerde kullanıma açıldığı söylenemez.
Sonuç
Burada ele aldığımız meta-analiz, eğitimde yapay zeka üzerine yürütülen tartışmalara veri temelli, son derece önemli bir katkı sunuyor. Özellikle ChatGPT örneğinde olduğu gibi, büyük dil modellerinin (LLM) öğrenci başarısını artırma, öğrenmeye yönelik algıyı olumlu yönde etkileme ve üst düzey düşünme becerilerini destekleme konusunda kayda değer bir potansiyele sahip olduğunu doğruluyor.
Ancak aynı zamanda, bu araçların etkisinin her durumda aynı olmadığını, bağlama ve öğrenme sürecine nasıl entegre edildiklerine bağlı olarak ciddi şekilde değişkenlik gösterebildiğini de net bir biçimde ortaya koyuyor.
Yapay zeka ve veri bilimi alanları için bu bulgular hem bir onay hem de bir meydan okuma niteliğinde. Onay kısmı, LLM teknolojisinin işe yaradığını gösteren somut verilerle ilgili. Meydan okuma ise bu potansiyelin sadece genel amaçlı uygulamalarla değil, daha düşünülmüş, veriye dayalı, uyarlanabilir ve pedagojik olarak sağlam araçlar geliştirerek açığa çıkarılabilecek olmasında yatıyor.
Bundan sonra izlenecek yolda, yalnızca teknolojik ilerlemelere değil; yapay zeka, pedagojik ilkeler ve insan öğrenmesi arasındaki karmaşık etkileşimi derinlemesine irdeleyen, titizlikle yürütülmüş araştırmalara olan kararlı bir bağlılığa ihtiyacımız olacak.
Evrim Ağacı'nda tek bir hedefimiz var: Bilimsel gerçekleri en doğru, tarafsız ve kolay anlaşılır şekilde Türkiye'ye ulaştırmak. Ancak tahmin edebileceğiniz gibi Türkiye'de bilim anlatmak hiç kolay bir iş değil; hele ki bir yandan ekonomik bir hayatta kalma mücadelesi verirken...
O nedenle sizin desteklerinize ihtiyacımız var. Eğer yazılarımızı okuyanların %1'i bize bütçesinin elverdiği kadar destek olmayı seçseydi, bir daha tek bir reklam göstermeden Evrim Ağacı'nın bütün bilim iletişimi faaliyetlerini sürdürebilirdik. Bir düşünün: sadece %1'i...
O %1'i inşa etmemize yardım eder misiniz? Evrim Ağacı Premium üyesi olarak, ekibimizin size ve Türkiye'ye bilimi daha etkili ve profesyonel bir şekilde ulaştırmamızı mümkün kılmış olacaksınız. Ayrıca size olan minnetimizin bir ifadesi olarak, çok sayıda ayrıcalığa erişim sağlayacaksınız.
Makalelerimizin bilimsel gerçekleri doğru bir şekilde yansıtması için en üst düzey çabayı gösteriyoruz. Gözünüze doğru gelmeyen bir şey varsa, mümkünse güvenilir kaynaklarınızla birlikte bize ulaşın!
Bu makalemizle ilgili merak ettiğin bir şey mi var? Buraya tıklayarak sorabilirsin.
Soru & Cevap Platformuna Git-
0
-
0
-
0
-
0
-
0
-
0
-
0
-
0
-
0
-
0
-
0
-
0
- Çeviri Kaynağı: Towards Data Science | Arşiv Bağlantısı
- J. Wang, et al. (2025). The Effect Of Chatgpt On Students’ Learning Performance, Learning Perception, And Higher-Order Thinking: Insights From A Meta-Analysis. Humanities and Social Sciences Communications, sf: 1-21. doi: 10.1057/s41599-025-04787-y. | Arşiv Bağlantısı
Evrim Ağacı'na her ay sadece 1 kahve ısmarlayarak destek olmak ister misiniz?
Şu iki siteden birini kullanarak şimdi destek olabilirsiniz:
kreosus.com/evrimagaci | patreon.com/evrimagaci
Çıktı Bilgisi: Bu sayfa, Evrim Ağacı yazdırma aracı kullanılarak 26/08/2025 11:05:41 tarihinde oluşturulmuştur. Evrim Ağacı'ndaki içeriklerin tamamı, birden fazla editör tarafından, durmaksızın elden geçirilmekte, güncellenmekte ve geliştirilmektedir. Dolayısıyla bu çıktının alındığı tarihten sonra yapılan güncellemeleri görmek ve bu içeriğin en güncel halini okumak için lütfen şu adrese gidiniz: https://evrimagaci.org/s/20921
İçerik Kullanım İzinleri: Evrim Ağacı'ndaki yazılı içerikler orijinallerine hiçbir şekilde dokunulmadığı müddetçe izin alınmaksızın paylaşılabilir, kopyalanabilir, yapıştırılabilir, çoğaltılabilir, basılabilir, dağıtılabilir, yayılabilir, alıntılanabilir. Ancak bu içeriklerin hiçbiri izin alınmaksızın değiştirilemez ve değiştirilmiş halleri Evrim Ağacı'na aitmiş gibi sunulamaz. Benzer şekilde, içeriklerin hiçbiri, söz konusu içeriğin açıkça belirtilmiş yazarlarından ve Evrim Ağacı'ndan başkasına aitmiş gibi sunulamaz. Bu sayfa izin alınmaksızın düzenlenemez, Evrim Ağacı logosu, yazar/editör bilgileri ve içeriğin diğer kısımları izin alınmaksızın değiştirilemez veya kaldırılamaz.
This work is an exact translation of the article originally published in Towards Data Science. Evrim Ağacı is a popular science organization which seeks to increase scientific awareness and knowledge in Turkey, and this translation is a part of those efforts. If you are the author/owner of this article and if you choose it to be taken down, please contact us and we will immediately remove your content. Thank you for your cooperation and understanding.
