Yapay Zekâ Eğitimde Öğrencilerin Düşünme Biçimini Değiştiriyor

Stanford Üniversitesi bilgisayar bilimi profesörü Fei-Fei Li, yapay zekânın eğitimdeki en büyük riskinin öğrencilerin kopya çekmesi değil öğrenme isteğini kaybetmesi olduğunu söyledi. Li, bu değerlendirmeyi bu hafta Huberman Lab podcastinde yaparken öğrencilerin yapay zekâdan sürekli hazır yanıt almasının düşünme becerileri ile öğrenme motivasyonunu zayıflatabileceğini belirtti. Yapay zekâ ve eğitim ilişkisine yönelik yaklaşımında Li, teknolojiye tamamen yasak getirmek yerine öğrencilerin araçları kendi öğrenme süreçlerini güçlendirecek şekilde kullanmasını savundu.

Öğrencilerin Öğrenme Sürecindeki Rolü Yapay Zekâyla Değişiyor

Huberman Lab yayınında konuşan Fei-Fei Li, eğitimde asıl tehlikenin öğrencinin bir ödevi yapay zekâya hazırlatmasından daha ileri bir noktada ortaya çıkabileceğini anlattı. Stanford Üniversitesi profesörü, öğrencilerin bir soruya cevap bulmak için araştırma yapmak, hata yapmak veya konuyu anlamaya çalışmak yerine doğrudan yapay zekâya başvurmasının zaman içinde öğrenme arzusunu zayıflatabileceğini söyledi.

Li’nin değerlendirmesinde öğrencinin kendi öğrenme sürecindeki etkinliği temel mesele olarak öne çıktı. Bir öğrenci sürekli hazır yanıt kullandığında yalnızca belirli bir ödevi tamamlamış oluyor ancak bilgiyi analiz etme, bağlantılar kurma veya problemi kendi başına çözme pratiğini yeterince geliştiremeyebiliyor.

Eğitimde yapay zekâ kullanımı açısından en ciddi risk, öğrencinin akademik görevleri tamamlamak için düşünme sürecini tamamen makineye bırakması olarak değerlendiriliyor. Li, böyle bir kullanım biçiminin uzun vadede öğrencilerin eğitimden gerekli zihinsel gelişimi sağlamadan mezun olmasına yol açabileceği konusunda uyarıyor.

Üniversitelerde ChatGPT’nin yaygınlaşmasıyla birlikte akademik dürüstlük tartışmasının merkezine yapay zekâ ile hazırlanan ödevler yerleşti. Öğretmenler ile akademisyenler öğrencilerin metin üretim araçlarını sınavlarda veya ödevlerde kullanmasını tespit etmeye çalışırken tartışmanın daha az ele alınan tarafı öğrencinin öğrenmeye neden ihtiyaç duyduğunu sorgulamaya başlaması oldu.

Sınıfta bir öğrenci herhangi bir sorunun yanıtını saniyeler içinde yapay zekâdan alabildiğinde geleneksel öğrenme motivasyonu da farklı bir baskıyla karşılaşıyor. Öğrencinin bilgiye ulaşmak için harcadığı çaba azaldıkça konuyu derinlemesine anlamak için gereken sabır ile merak da zayıflayabiliyor.

Possibility Institute baş bilim insanı Vivienne Ming’in değerlendirmeleri de benzer bir noktaya işaret ediyor. Ming, incelediği yapay zekâ kullanıcılarının önemli bölümünün teknolojiyi kendi başına düşünmekten kaçınmak için kullandığını belirtirken hızlı sonuç almanın her zaman daha derin öğrenme anlamına gelmediğini vurguladı.

Fei-Fei Li, öğrencilerin yapay zekâ araçlarına erişiminin tamamen engellenmesini savunmuyor. Stanford profesörü, öğrencinin öğrenmeye zaten aktif biçimde katıldığı durumlarda yapay zekânın anlaşılması zor konuları açıklayarak veya eksik bilgileri tamamlayarak eğitim sürecine destek verebileceğini düşünüyor.

Li kendi öğrencilik döneminden verdiği organik kimya örneğinde, öğretim görevlileri ile profesörlerin her soruya ayrıntılı yanıt verecek kadar zaman bulamadığını anlattı. Yapay zekâ benzeri araçların doğru kullanılması durumunda öğrencinin anlamadığı bir konuyu farklı biçimlerde açıklatabilmesi, geleneksel eğitim ortamında karşılaşılan zaman kısıtlamalarının bir bölümünü hafifletebilir.

Buradaki ayrım, öğrencinin yapay zekâdan cevap alması ile yapay zekâyı öğrenme yardımcısı olarak kullanması arasındaki farkta ortaya çıkıyor. Bir öğrenci çözümü doğrudan teslim etmek yerine aldığı yanıtı sorguladığında, farklı yöntemleri karşılaştırdığında veya kendi hatalarını analiz ettiğinde teknoloji öğrenme sürecinin yerine geçmek yerine sürece katkı sağlayabiliyor.

OpenAI tarafından geliştirilen Study Mode, öğrencinin doğrudan sonuca ulaşması yerine sorular üzerinden düşünmesini destekleyen eğitim yaklaşımının örneklerinden birini oluşturuyor. Sistem, öğrencinin seviyesine göre açıklama yapmayı ve konuyu adım adım ele almayı hedeflerken yapay zekânın yalnızca cevap veren bir araç olarak kullanılmasının önüne geçmeye çalışıyor.

Bilgisayar bilimi eğitimi de benzer bir dönüşüm geçiriyor. Bazı akademisyenler öğrencilerin yalnızca kod yazım kurallarını ezberlemesi yerine problem çözme, algoritmik düşünme ve daha üst düzey kavramlara odaklanmasını tercih ederken üretken yapay zekâ araçlarının yaygınlaşması bu değişimi hızlandırıyor.

Birleşik Krallık hükümetinin ChatGPT’nin ödevlerde kullanımını destekleyen yaklaşımı da tartışmanın yalnızca yasaklama ekseninde ilerlemediğini gösteriyor. Yapay zekâ, özellikle geleneksel eğitim yöntemlerinde zorlanan öğrenciler için ek açıklama ve bireysel destek sağlayabilecek bir araç olarak değerlendiriliyor.

Eğitim kurumlarının önündeki temel sorun, yapay zekâ kullanımını tamamen ortadan kaldırmak yerine öğrencinin düşünme sorumluluğunu koruyan sınırlar oluşturmak olacak. Öğretmenler, öğrencinin bir problemi nasıl çözdüğünü değerlendiren görevler tasarladığında yapay zekânın yalnızca nihai cevabı üretmesi akademik başarının tamamını belirleyemeyecek.

Türkiye’deki okullar ile üniversiteler açısından da tartışmanın yalnızca yapay zekâ ile kopya çekilmesini engelleme noktasında kalmaması gerekiyor. Öğrencilerin araştırma yapma, kaynak karşılaştırma, muhakeme yürütme ve üretilen yanıtın doğruluğunu sınama becerileri eğitim politikalarının daha önemli parçaları hâline gelebilir.

Li’nin yaklaşımı, yapay zekânın eğitimdeki değerinin öğrencinin yerine ne kadar iş yaptığıyla değil öğrencinin düşünme kapasitesini ne kadar desteklediğiyle ölçülmesi gerektiğine işaret ediyor. Önümüzdeki dönemde eğitim teknolojilerinin başarısını belirleyecek temel ölçüt, yapay zekânın daha hızlı cevap üretmesi değil öğrencilerin teknoloji kullandıktan sonra daha fazla soru sorup sormadığı olacak.