Yapay Zeka İyi Bir Öğrenme Ortağı Olabilir

AKÜ Sosyal Tesislerinde düzenlenen çalıştaya; AKÜ Rektör Yardımcıları Prof. Dr. Şuayıp Özdemir, Prof. Dr. Murat Peker ve akademisyenler katıldı.

Çalıştayda, yapay zekânın öğrenme ve öğretme süreçlerine etkileri, ölçme ve değerlendirmede karşılaşılan sorunlar, akademik dürüstlük ve veri güvenliği ele alındı. Sunumlarda, bu araçların insan denetiminde kullanılması, öğrencilerin bireysel katkılarının belirlenmesi ve kurumsal kullanım ilkelerinin oluşturulması üzerinde duruldu.

Prof. Dr. Koray Kasapoğlu, Doç. Dr. Fatih Özdinç ve Dr. Öğretim Üyesi Kerem Gencer’in sunum yaptığı etkinlikte, katılımcılar yuvarlak masa çalışmalarında konuya ilişkin görüş ve önerilerini paylaştı.

Prof. Dr. Koray Kasapoğlu, “Yapay Zekâ ile Öğrenme ve Öğretme Sürecinin Dönüşümü” başlıklı sunumunda, yapay zekânın eğitimdeki kullanımını geleneksel uygulamalar ve üretken yapay zekâ araçları olmak üzere iki düzlemde değerlendirmek gerektiğini söyledi. Öğrenme analitiği, akıllı öğretim sistemleri ve uyarlanabilir öğrenmenin uzun süredir kullanıldığını belirten Kasapoğlu, son yıllardaki hızlı dönüşümün büyük dil modelleriyle yaşandığını belirtti. 

Geleneksel öğretim modelinde öğretim elemanının bilgiyi aktaran, öğrencinin ise bu bilgiyi alan konumda bulunduğunu anlatan Kasapoğlu, üretken yapay zekâyla birlikte öğrencilerin öğrenme sürecindeki etkileşim imkânlarının arttığını kaydetti. Kasapoğlu, öğrencilerin bu araçlarla sorularına yanıt arayabildiğini, ders notlarından sorular hazırlatabildiğini ve sınavlara yönelik alıştırmalar yapabildiğini aktardı. Kasapoğlu, bu değişimin öğretim elemanlarının rollerini de yeniden değerlendirmeyi gerektirdiğini belirterek, bilgi aktarımının yanı sıra bilginin önemini belirleme, doğruluğunu sorgulama ve öğrenciyi eleştirel düşünmeye yönlendirme sorumluluğunun öne çıktığını dile getirdi. Yapay zekânın öğrenmeye etkilerine ilişkin araştırmalardan örnekler veren Kasapoğlu, bazı çalışmalarda akademik performans açısından olumlu sonuçlar elde edildiğini söyledi. Bununla birlikte, belirli bir ders veya simülasyon ortamında ulaşılan bulguların bütün eğitim süreçlerine genellenemeyeceğine işaret etti. Kasapoğlu, yapay zekânın öğretim elemanının yerini alacağı yönündeki değerlendirmelere temkinli yaklaşılması gerektiğini belirterek, “İnsan denetiminde kullanıldığında iyi bir öğrenme ortağı olabilir” dedi.

Kalabalık sınıflarda öğrencilere ayrıntılı ve zamanında geri bildirim vermenin güçleşebildiğini ifade eden Kasapoğlu, yapay zekânın öğrencinin ihtiyaçlarına göre geri bildirim sunulmasına katkı sağlayabileceğini kaydetti. Öğrencilerin aynı yöntem ve materyallerle öğrenmesinin her durumda mümkün olmadığını vurgulayan Kasapoğlu, bu araçların farklı öğrenme ihtiyaçlarına uygun içerik ve yönlendirmeler oluşturma potansiyeline sahip olduğunu belirtti. Öğrencinin zorlandığı konuların belirlenmesi ve bu alanlara yönelik destek sunulmasının, kişiselleştirilmiş öğrenme açısından değerlendirilebileceğini belirtti. Kasapoğlu, söz konusu imkânlardan yararlanılırken yapay zekânın ürettiği açıklama ve geri bildirimlerin doğruluğunun da denetlenmesi gerektiğini ifade etti.

Kasapoğlu, yapay zekâ çıktılarının akıcı ve kendinden emin bir dille sunulmasının, bu içeriklerin doğru olduğu anlamına gelmediğini söyledi. Öğrencilere, üretilen bilgileri süzgeçten geçirme, eleştirme ve güvenilir kaynaklarla doğrulama becerilerinin kazandırılması gerektiğini söyledi. Aşırı kullanımın öğrencilerin bağımsız düşünme ve zihinsel çaba gösterme süreçlerini olumsuz etkileyebileceğini belirten Kasapoğlu, ödev ve projelerde öğrencinin kendi emeğinin ne ölçüde yer aldığının sorgulanması gerektiğini dile getirdi. 

Yapay zekânın öğrenci adına ödev hazırlayan bir araç olarak kullanılmasının, öğrenmeyi destekleme amacından uzaklaşılmasına yol açabileceğini ifade eden Kasapoğlu, eğitimde üretken yapay zekâya ilişkin araştırmaların henüz gelişmekte olan bir alanı oluşturduğunu, uzun süreli, disiplinler arası ve güçlü deneysel çalışmalara ihtiyaç bulunduğunu kaydetti. Prof. Dr. Kasapoğlu, insan merkezli, etik, güvenli ve eşitlikçi kullanımın önemine değinerek, öğrenme süreçlerindeki dönüşümün ölçme ve değerlendirmeyle birlikte ele alınması gerektiğini de sözlerine ekledi.

Doç. Dr. Fatih Özdinç ise “Yapay Zekâ Çağında Ölçme, Değerlendirme ve Akademik Dürüstlük” başlıklı sunumunda; yapay zekânın yaygınlaşmasıyla birlikte ölçme ve değerlendirmede temel sorunun, öğrencinin neyi, nasıl ve ne kadar öğrendiğini belirlemek olduğunu ifade etti. Öğrencilerin akıcı metinler, çalışan yazılımlar ve doğru yanıtlar içeren ödevler sunabildiğini anlatan Özdinç, ortaya çıkan ürünün niteliği ile öğrencinin öğrenme düzeyinin her zaman örtüşmeyebileceğini belirtti. Öğrencinin katkısıyla kullanılan aracın kapasitesini birbirinden ayırmanın, değerlendirme süreçlerinin başlıca güçlükleri arasında yer aldığını kaydetti. Özdinç, ücretli araçlara erişim ve bu araçları kullanma becerileri bakımından öğrenciler arasında farklılıklar bulunabileceğine dikkati çekti. Bu nedenle değerlendirmede geçerlilik ve adaletin birlikte gözetilmesi gerektiğini söyledi. Öğretim elemanının değerlendirme yaklaşımının öğrenci davranışlarını etkilediğini vurgulayan Özdinç, yalnızca son ürüne not verilmesinin öğrenciyi en hızlı biçimde sonuç elde etmeye yöneltebileceğini ifade etti. Çözümün gerekçesinin açıklanması, bilginin yeni bir probleme uygulanması ve bireysel katkının gösterilmesi istendiğinde ise öğrenme sürecinin daha görünür hâle geleceğini anlattı.

Özdinç, öğrencinin kendi yazdığı metnin dilini düzeltmesi, alternatif çözümleri karşılaştırması ve bir raporun tamamını yapay zekâya hazırlatması arasında farklılıklar bulunduğunu belirtti. Kabul edilebilir kullanımın dersin amacı ve kazandırılması hedeflenen beceriler doğrultusunda tanımlanması gerektiğini ifade eden ve akademik dürüstlük açısından kullanım sınırlarının önceden duyurulmasının önemini vurgulayan Özdinç, öğrencinin hangi aşamada ne tür destek aldığını açıklaması ve sunduğu içeriğin doğruluğundan sorumlu olması gerektiğini söyledi. Yapay zekâ kullanımına izin verilen düzeyin derslere göre değişebileceğini, öğretim elemanının belirlediği yöntemi tutarlı biçimde uygulamasının esas olduğunu kaydeden Özdinç, öğrencinin araçtan aldığı destekle ortaya koyduğu çalışmanın yanında, yapay zekâ olmadan ne yapabildiğinin de değerlendirilmesi gerektiğini belirtti ve bu yaklaşımın hem bağımsız düşünme becerisini hem de teknolojiyle çalışabilme yeterliğini birlikte gözetmeye imkân vereceğini dile getirdi.

Özdinç, öğrenmenin görünür kılınması için öğrencinin başlangıçta problemi kendi cümleleriyle tanımlaması, çalışmanın ara teslimlerle izlenmesi ve son teslimde yapay zekâ kullanımının ayrıntılı açıklanması gerektiğini söyledi. Sınıf içi uygulamalarla öğrencinin çalışmasına hâkimiyetinin de kontrol edilebileceğini ifade etti. Bir işletme raporunda koşullar değiştirildiğinde öğrencinin çözümünü yeniden gerekçelendirmesinin istenebileceğini anlatan Özdinç, yazılım çalışmalarında kodun bir bölümünü gözetim altında değiştirme ve açıklama yönteminin kullanılabileceğini belirtti. Kendi dersindeki uygulamadan da söz eden Özdinç, grup projelerinde yapay zekâyı ek bir grup üyesi olarak ele aldığını, öğrencilerle haftalık görüşmeler yaptığını ve projelerin gelişimini izlediğini anlattı. Dönem sonunda öğrencilerden kendilerinin, grup arkadaşlarının ve yapay zekânın katkılarını değerlendirmelerini istediğini de belirtti. Akran değerlendirmelerini bireysel raporlarla karşılaştırarak katkıları anlamaya çalıştığını belirten Özdinç, bu yöntemin öğretim elemanı açısından zaman ve emek gerektirdiğini kaydetti. Yeni değerlendirme yaklaşımlarının uygulanmasında akademisyenlere eğitim, danışmanlık ve altyapı desteği sağlanmasının önemine de işaret etti. Öğretim elemanlarının geri bildirim ve notlandırmada yapay zekâdan yararlanmaları durumunda bunu öğrencilere açıklamaları, üretilen içeriği kontrol etmeleri ve öğrenci mahremiyetini korumaları gerektiğini belirten Özdinç, üniversitelerin de güvenli araçlara erişim, pedagojik danışmanlık ve müfredat uyarlamaları konusunda destek sunmasının gerekli olduğunu dile getirdi.

“Yapay Zekânın Teknik Boyutu ve Geleceği” başlıklı sunumunda konuşan Dr. Öğretim Üyesi Kerem Gencer ise yapay zekânın geniş bir alanı kapsadığını, çalıştayda tartışılan uygulamaların önemli bölümünün üretken yapay zekâ ve büyük dil modelleriyle ilgili olduğunu söyledi. Bu modellerin büyük veri kümelerinden öğrenilen ilişkiler üzerinden metin ürettiğini anlatan Gencer, akıcı yanıtlar oluşturabilmelerinin insanın anlama ve muhakeme süreçleriyle aynı biçimde değerlendirilmemesi gerektiğini ifade etti. Gencer, Eğitimde kullanılacak sistemlerin, ilgili alanın ihtiyaçları ve öğrencilerin öğrenme amaçları doğrultusunda yapılandırılmasının önemine değindi.

Gencer, büyük dil modellerinin gerçekte bulunmayan bilgi ve kaynaklar üretebildiğini belirterek, “halüsinasyon” olarak adlandırılan bu durumun akademik çalışmalarda dikkate alınması gerektiğini söyledi. İncelediği bir öğrenci ödevinde, kendisine ait olmayan bir çalışmanın kendi adıyla kaynak gösterildiğini aktaran Gencer, yapay zekâyla hazırlanan içeriklerde kaynakçanın ayrıca kontrol edilmesi gerektiğini vurguladı. Metnin biçimsel olarak tutarlı görünmesinin, atıf yapılan yayının varlığını veya bilgilerin doğruluğunu garanti etmediğini ifade etti. Modellerin güncel ve alana özgü bilgilerle desteklenmesine yönelik yöntemlere de değinen Gencer, dış bilgi kaynaklarından yararlanılmasını sağlayan RAG yaklaşımı hakkında bilgi verdi. Ders notları ve ilgili belgelerin bu tür sistemlerle kullanıma sunulabileceğini, böylece modelin eğitimde ihtiyaç duyulan içeriklerle desteklenebileceğini anlattı. Gencer, yapay zekânın gelişimine rağmen insan denetiminin önemini koruduğunu kaydetti ve üretilen içeriklerin akademik amaçlarla kullanılmasında öğretim elemanları ve öğrencilerin doğrulama sorumluluğuna işaret etti. Yapay zekâ ürünü metinlerin belirlenmesinde kullanılan araçlara ilişkin de değerlendirmede bulunan Gencer, kelime sıklığı, metin yapısı ve dosya bilgileri gibi göstergelerden yararlanıldığını söyledi. Bununla birlikte, bu yöntemlerin her durumda kesin sonuç vermediğini belirtti. Gencer, “Kesin, doğru çalışan bir dedektör yok.” diyerek, tespit araçlarının sınırlarının gözetilmesi gerektiğini vurguladı. Yapay zekânın metnin yanı sıra görüntü, ses ve video üretiminde de kullanıldığını, üretilen içerikleri ayırt etmeye yönelik çalışmaların sürdüğünü ifade etti.

Üniversitelerde yapay zekâ kullanımının teknik altyapı ve maliyet boyutlarına değinen Gencer, dış hizmetlere bağımlılığın veri güvenliği ve sürdürülebilirlik açısından değerlendirilmesi gerektiğini söyledi. Kurum dışındaki sistemlere yüklenen belgelerin ve paylaşılan bilgilerin güvenliği konusunda dikkatli olunmasını isteyen Gencer, kullanım miktarına bağlı ücretlerin de kurumsal planlamada hesaba katılması gerektiğini belirtti. Hizmet bedellerindeki değişikliklerin bu sistemler üzerine kurulan uygulamaların devamlılığını etkileyebileceğini dile getirdi. Gencer, açık kaynaklı modellerden yararlanılarak yerel sistemler kurulmasının değerlendirilmesini önerdi. Bunun için uygun donanım, teknik kapasite ve aşamalı bir yatırım yaklaşımına ihtiyaç bulunduğunu ifade ederek, yerli yapay zekâ çalışmalarının geliştirilmesine destek verilmesi gerektiğini kaydetti.

Sunumların ardından yuvarlak masa çalışması kapsamında mevcut durum ve temel sorunlar, fırsatlar, riskler ve tehditler, temel politika ilkeleri, somut uygulama önerileri, geleceğe yönelik öneriler ele alındı. Çalıştay, toplu fotoğraf çekimi ile sona erdi.