Yapay Zekâ ile Etkileşim Biçiminin Önemi
Yapay zekâ araçlarının sunduğu hizmetlerin kapsamı arttıkça eğitimde kullanımı da artmaktadır. Özellikle insanın bilişsel süreçlerini taklit etme performansının sürekli iyileşmesi, ifade gücü ve akıcılığının artması büyük dil modellerinin bu bağlamda eğitimde kullanım yaygınlığını artırmaktadır. Artık, herhangi bir konuda metin oluşturmak, diller arası çeviri yapabilmek, büyük metinleri özetleyebilmek ve görsel sunumlar hazırlayabilmek basit istemlerle mümkün hale gelmiştir. Dolayısıyla, tüm dünyada her kademeden öğrencinin giderek artan bir şekilde bu araçları kullanmasında şaşılacak bir durum yoktur. Dahası, çoğu durumda öğrencilerin öğretmenlerinden daha fazla bu araçların farkında oldukları ve kullandıkları da bilinmektedir.
Burada sorun, bu araçların bu kapasiteleriyle kullanımlarının yakın ve uzun vadeli etkileri ile ilgili ilk çalışma bulgularının ortaya çıkmış olması ve bu bulguların da bilişsel beceriler üzerinde olumsuz etkilere işaret etmesidir. Bu araçlarla tek taraflı bir ilişki kurulduğunda bu ilişki giderek bağımlılığa evrilmekte ve bilişsel süreçler sürekli bu araçlar üzerinden dışsalllaştırıldığı için eleştirel düşünme becerilerinin ve hafızanın zayıfladığı, tembelliğin arttığı ve bu araçlar olmadan bağımsız problem çözebilme yetisinin giderek zayıfladığı görülmektedir.
Hal böyleyken cevabını aradığımız yeni soru bu araçların bilişsel olarak bu maliyetini azaltacak bir kullanımının mümkün olup olmadığıdır. Bu nedenle daha önceki araştırmalar çoğu kez, bu araçlar ve bu araçlar olmadan oluşturulan kontrol gruplarıyla gerçekleştirilirken yeni araştırmalarda bu araçların kontrolsüz ve bir pedagojik çerçeveye dayalı kullanımlarının etkilerine odaklanılmakta ve özellikle güçlü pedagojik çerçevelerle bu araçların olumsuz etkilerinin azalmasına etki eden faktörler belirlenmeye çalışılmaktadır. Lise öğrencileri üzerinde gerçekleştirilen yeni bir çalışma da bu minvalde tasarlanmıştır (Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., Mariman, R. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS 122, 26, e2422633122). Çalışmada üç grup söz konusu olup bir tanesi bu araçları kullanmayan kontrol grubu iken diğer iki grup pedagojik bir çerçeveye sahip GPT Tutor ve bu çerçeveye sahip olmayan GPT Base grubundan oluşmaktadır. GPT Tutor sohbet ara yüzü öğretmenlerin destekleriyle geliştirilmiş ve doğrudan cevap üretme yerine sorun etrafında öğrencinin araçla etkileşime girmesini teşvik ederken GPT Base ara yüzü böylesi bir çerçeveden yoksun olup öğrencinin bir istemle problem çözümünü üretebilmektedir.
Çalışmada önce öğretmen bir matematik konusunu anlatmakta, ikinci aşamada öğrenciler bulundukları grubun sağladığı imkânlar çerçevesinde matematik konusu ile ilgili problemlere dayalı alıştırma yapmakta ve son aşamada ise tüm gruplardaki öğrenciler hiçbir kitap, defter ve GPT ara yüzleri olmadan aynı konuda matematik sınavına sokulmaktadır. Dolayısıyla, bu araçların öğrencilerin performanslarına nasıl etki ettiği belirlenmektedir. Çalışmanın ilk bulgusu bu araçların öğrencilerin performanslarını artırdığına işaret etmektedir. GPT Base grubundaki öğrenciler, kontrol grubundaki öğrencilere göre %48 daha yüksek performans gösterirken bu oran GPT Tutor grubu için %127’ye yükselmektedir. Bir başka deyişle, bu araçlar GPT Tutor arayüzünde olduğu gibi pedagojik bir çerçeve ve bağlama uygun bir şekilde kullanılıyorsa performans artışı daha üst seviyede gerçekleşmektedir.
Sınav aşamasında ise çok daha ilginç bir durum ortaya çıkmaktadır. GPT Base grubunda olan öğrenciler kontrol grubundaki öğrencilere göre sınavlarda %17 daha düşük performans sergilerken GPT Tutor grubundaki öğrencilerin sınav performansı ile kontrol grubununkiler arasında anlamlı bir fark ortaya çıkmamaktadır. Bu aşama ile ilgili ilk dikkat çeken şey, bu araçları herhangi bir koruyucu pedagojik çerçeveye oturtulmadan kullanan öğrencilerin bu araçlar olmadığında performanslarında önemli düşüşlerin gözlemlenmesidir. Bu etki zaten önceki çalışmalarda da gözlemlenen bir bulgu olup burada tekrar doğrulanmaktadır. Ancak, koruyucu bir pedagojik bir çerçeve ile bu araçlar kullanıldığında bu olumsuz etki oluşmamaktadır.
Elde edilen bu bulgular, GPT kullanan iki öğrenci grubunun bu araçlarla nasıl bir istem ilişkisi kurdukları üzerinden de değerlendirilebilir. GPT Tutor grubundaki öğrencilerin bu araçlarla daha anlamlı bir etkileşim kurmaya teşvik edildikleri görülmektedir. Bu nedenle istem sayısı GPT Tutor grubunda GPT Base’dekine göre oldukça yüksektir. GPT Tutor’da problemi anlamaya ve çözmeye yönelik istem çeşitliliği söz konusu iken GPT Base’de çoğunlukla doğrudan cevabı isteyen istemler kullanılmaktadır. Aynı temel teknolojiye dayanan iki farklı sistemin, yalnızca istem tasarımındaki farklılıklar nedeniyle, öğrencilerde birbirinden oldukça farklı öğrenme davranışları ortaya çıkarması dikkat çekicidir. Bu bulgular, öğrencilerin kullanım çerçevesi farklı iki araçla farklı kullanım alışkanlıkları geliştirdiklerini göstermektedir. GPT Base, öğrencileri pasif bir alıcı konumuna iterek doğrudan cevap elde etmeye yönlendirirken, GPT Tutor öğrencileri problem çözme sürecine aktif biçimde katılmaya teşvik etmekte ve zamanla daha derin ve anlamlı bir öğrenme etkileşimi ortaya çıkartmaktadır. Dolayısıyla, üretken yapay zekânın öğrenme üzerindeki etkisi öğrencilerin araçla kurdukları etkileşimin niteliğini belirleyen tasarım tercihlerine bağlı olarak değişmektedir. Bu sonuçlar, yapay zekânın eğitimdeki başarısının öğrenciyi düşünmeye sevk eden ve bilişsel çabasını destekleyen bir rehber olarak yapılandırılmasına bağlı olduğunu göstermektedir.
Dolayısıyla, öğrenmeye zarar veren esas unsurun öğrencilerin problemi çözme sorumluluğunu giderek yapay zekâya devretmeleri ve böylece gerekli bilişsel çabayı göstermemeleriyle doğrudan ilişkili olduğu görülmektedir. Bu sonuç, üretken yapay zekânın kullanıcılarının öğrenmeleri üzerindeki etkisinin bu araçlarla nasıl etkileşim kurduklarına ve onları hangi amaçlarla kullandıklarına bağlı olduğunu ortaya koymaktadır. Uygun koruyucu pedagojik mekanizmalarla desteklenmediğinde, yapay zekâ öğrencinin düşünme sürecini destekleyen bir rehber olmaktan çıkıp, bilişsel yükü tamamen üstlenen bir vekil hâline gelebilmekte; bunun sonucunda kısa vadeli performans artışları uzun vadeli performans düşüşleri ve öğrenme kayıplarına dönüşebilmektedir. Kısacası, üretken yapay zekâ kısa vadede verimliliği artıran güçlü bir destek aracı olarak işlev görürken, öğrenme süreçlerinin yerini almaya başladığında beceri gelişimini sekteye uğratma riski taşımaktadır.
Bu nedenle, üretken yapay zekâ sistemlerinin değerlendirilmesinde yalnızca anlık performans kazanımlarına odaklanmak yanıltıcı olmaktadır. Bu araçların bireylerin bilgi, beceri ve uzmanlık geliştirme süreçleri üzerindeki kısa ve uzun vadeli etkileri de dikkate alınmalıdır. Araştırmanın bulguları, üretken yapay zekânın sağladığı verimlilik artışlarının, öğrenmeyi koruyacak ve kullanıcıları aktif bilişsel katılıma teşvik edecek uygun koruyucu mekanizmalarla desteklenmediği takdirde, uzun vadede insan sermayesini zayıflatabilecek bir maliyet doğurabileceğine işaret etmektedir. Bu nedenle, üretken yapay zekâ araçlarının kullanımında temel amaç yalnızca kullanıcıların mevcut görevlerde daha iyi performans göstermelerini sağlamak değil, aynı zamanda onların yeni bilgi ve beceriler edinmelerini destekleyerek kalıcı öğrenmeyi güvence altına almak olmalıdır.
Sende Yorum yap