En İyi Öğrenenler Yapay Zekayı Daha Çok Değil, Daha Kontrollü Kullanıyor
Son iki yılın refleksi, yapay zekaya erken ve çok hakim olan öğrenciyi "öne geçmiş" saymaktı. Avustralya'da 484 öğrenciyle yapılan yeni bir araştırma bu resmi bozuyor. En yüksek not ortalamasına sahip öğrenciler araca en temkinli yaklaşanlar çıktı. Neyi koruduklarını anlamak, kurumsal yapay zeka okuryazarlığını yeniden düşünmeyi gerektiriyor.
Berkay Batallı 
Son iki yılın eğitim teknolojisi söyleminde neredeyse itiraz görmeyen bir denklem vardı: Yapay zekaya ne kadar erken ve ne kadar rahat hakim olursan, o kadar öndesin. Araçları akıcı kullanan öğrenci "geleceğe hazır", çekingen olan "geride kalmış" sayıldı. Denklem o kadar doğal karşılandı ki kimse durup sınama gereği duymadı. Eylülde yayımlanan bir çalışma tam bu noktaya çengel atıyor: Ya sınıfın en iyileri, herkese salık verilenin tam tersini yapıyorsa?
Soruyu soran, alanın ağırlıklı dergilerinden International Journal of Educational Technology in Higher Education. 9 Eylül 2026'da yayımlanan araştırma, Avustralya'da tek bir üniversitede kurum geneli bir anket yürütmüş; nicel ölçekleri açık uçlu sorularla birleştiren karma bir tasarımla 484 yanıt toplamış, bunların 469'unda öğrencinin not ortalaması da elde. Merak ettikleri şey basit ama derindi: "Başarılı öğrenci" kimliği ve akademik başarı, yapay zekayla kurulan ilişkinin biçimini değiştiriyor mu?
Beklenenin tam tersi
Değiştiriyordu, ama beklenenin tam ters yönünde. Not ortalaması yüksek öğrenciler yapay zekayı akranlarından daha az aktif kullanıyor, aracın öğrenmelerine katkısına daha az inanıyor ve "yapay zekaya fazla güvenmek eleştirel düşünmeyi ve bağımsız problem çözmeyi zayıflatır" cümlesine belirgin biçimde daha çok katılıyorlardı. İlk bakışta bu bir teknoloji ürkekliği gibi okunabilir. Değil. Açık uçlu yanıtlar bambaşka bir portre çiziyor: Bu öğrenciler yapay zekayı kapının dışında bırakmıyor, onu bir sınırın içinde tutuyor.
Kullanım biçimleri neredeyse cerrahi. Bir kavramı hızlı açıklatmak, uzun bir metni özetletmek, dağınık bir taslağı toparlatmak için başvuruyorlar; ama gelen çıktıyı olduğu gibi almıyor, sınıyor ve son sözü kendilerinde tutuyorlar. Araştırmacılar bu davranışa "temkinli benimseme" (guarded adoption) adını veriyor: Seçici, sınırları çizilmiş ve doğrulama ağırlıklı bir kullanım.
| Ölçülen boyut | Not ortalaması yüksek öğrencilerde eğilim |
|---|---|
| Aktif yapay zeka kullanımı | Daha düşük |
| "Yapay zeka öğrenmeme katkı sağlıyor" algısı | Daha düşük |
| "Aşırı güven eleştirel düşünmeyi zayıflatır" görüşü | Daha yüksek |
| Fiilî kullanım tarzı | Açıklama, özet ve iş akışı için seçici; çıktı her zaman denetleniyor |
Korudukları şey aslında ne?
Araştırmanın en dişli kavramı burada devreye giriyor: Başarılı öğrenci kimliği ve epistemik özerklik. İkincisi kulağa akademik gelebilir ama sade bir şey anlatır: İnsanın kendi bilme ve karar verme yetkisini elinde tutması, bir sorunun cevabına giden yolu başkasına (ya da bir modele) tümüyle devretmemesi. Yüksek başarılı öğrenciler, kendilerini iyi yapan o şeyi, yani kendi muhakemelerini içgüdüsel biçimde koruyor gibi. Yapay zekaya danışıyorlar ama teslim olmuyorlar. Aracı, sorgusuz kabul edilen bir kâhin değil, her cevabı elden geçirilen bir stajyer gibi konumlandırıyorlar. Mesele "az kullanmak" değil; olgun bir ilişki kurabilmek.
Bu ayrım göründüğünden kıymetli, çünkü yaygın yapay zeka okuryazarlığı söyleminin çoğu hâlâ "daha çok kullanın, alışın, geri kalmayın" ekseninde dönüyor. Oysa buradaki en yetkin öğrenenlerin davranışı, okuryazarlığın ileri seviyesinin bilinçli sınırlama olduğunu fısıldıyor. Aracı ne zaman kullanmayacağını bilmek, onu kullanabilmek kadar bir beceri, hatta belki fazlası. Çünkü bir modeli çalıştırmak herkesin yapabileceği bir şeye dönüştü; ayrışmayı sağlayan asıl yetkinlik, çıktının nerede güvenilir nerede aldatıcı olduğunu sezebilmek.
Kurumsal eğitimde neyi yanlış ölçüyoruz?
Bulgunun kurumsal öğrenme-gelişim tarafında keskin bir karşılığı var. Pek çok şirket, yapay zeka dönüşümünün başarısını "benimseme oranı" panosuyla ölçüyor: Kaç çalışan aracı açtı, kaç sorgu attı. Bu araştırma o panonun ne kadar sığ olabileceğini gösteriyor. Çünkü en sağlıklı kullanan çalışan, panoda pekâlâ bir "geride kalan" gibi görünebilir; az ama yerinde kullandığı için. Tersi de doğru: Panoda parlayan yüksek kullanım, aslında körü körüne bir bağımlılığın işareti olabilir. Asıl bakılması gereken kullanım hacmi değil, kullanımın niteliği.
Kurumsal akademiler için pratik sonuç, programın hedefini kaydırmakta yatıyor. "Herkes yapay zekayı kullansın" yerine "herkes yapay zekayı yargısıyla kullansın." Bu, 2026'da öne çıkan yapay zeka becerileri tartışmasının da özünde duran şey. Öğrencilerin sohbet botlarıyla ilişkisi ve yapay zeka destekli ölçme-değerlendirme tarafındaki gelişmelerle birlikte okunduğunda, "hız" değil "muhakeme" temelli bir okuryazarlığın nasıl kurulacağı çok daha net görünüyor.
Yargı temelli bir yapay zeka okuryazarlığı için beş soru
Araştırmanın örüntüsünü kurumsal bir öz-değerlendirmeye çevirmek mümkün. Eğitim programınızın çalışanlara neyi öğrettiğini şu beş soruyla test edin:
- Doğrulama: Çalışanlara yapay zeka çıktısını nasıl kontrol edecekleri öğretiliyor mu, yoksa sadece "nasıl komut yazılır" mı anlatılıyor?
- Sınır bilinci: Aracın hangi görevlerde güvenilmez olduğu (hassas karar, özgün analiz, etik yargı) açıkça konuşuluyor mu?
- Kaynak sorumluluğu: Nihai kararın ve içeriğin sorumluluğunun her zaman insanda kaldığı vurgulanıyor mu?
- Ölçüm: Başarıyı kullanım sıklığıyla mı, yoksa işin niteliğiyle mi ölçüyorsunuz?
- Rol modeli: En iyi çalışanlarınızın yapay zekayla nasıl çalıştığını gözlemleyip yaygınlaştırıyor musunuz?
"Hayır" cevaplarının yoğunlaştığı madde, programınızın çalışanı hız için mi yoksa muhakeme için mi eğittiğini gösterir.
Bir uyarı payı
Sonuçları olduğundan büyük göstermemek gerekir. Çalışma tek bir Avustralya üniversitesinde yapıldı, akademik başarı büyük ölçüde öğrencinin kendi beyanına dayanıyor ve bulgular ilişkisel, yani nedensel değil. Veriden "yapay zeka başarıyı düşürür" ya da "temkinli olmak insanı başarılı yapar" gibi bir neden-sonuç çıkarmak yanlış olur. Elimizdeki şey, yüksek başarıyla temkinli kullanımın birlikte yürüdüğü güçlü bir örüntü; farklı ülkelerde ve disiplinlerde tekrarlanmayı bekliyor.
Yine de yön işareti güçlü. Yapay zeka her araca, her tarayıcı sekmesine, her ofis yazılımına sızarken erişim yakında herkesin cebindeki sıradan bir şeye dönüşecek. Ayrışma da tam orada başlıyor. Elinde araç olan değil, o aracı ne zaman dinleyip ne zaman görmezden geleceğini bilen öne geçecek. Bugün kendi düşüncesini korumaya çalışan öğrenciler, belki de yarının iş yerinde en pahalı beceriyi şimdiden prova ediyor.
Sıkça Sorulan Sorular
Yapay zeka öğrencileri tembelleştirir mi?
Bu araştırma bunu kanıtlamıyor. Gösterdiği şey, yüksek başarılı öğrencilerin yapay zekayı daha temkinli kullandığı bir örüntü. "Tembelleştirir" bir neden-sonuç iddiasıdır ve bu veriden çıkarılamaz. Öğrencilerin dile getirdiği kaygı ise şu: Aşırı güven, eleştirel düşünmeyi ve bağımsız problem çözmeyi zayıflatabilir.
"Temkinli benimseme" tam olarak ne demek?
Yapay zekayı reddetmek değil, sınırlı ve denetimli kullanmak demek. Öğrenci aracı açıklama, özetleme ve iş akışı desteği için kullanıyor; ama çıktıyı doğruluyor ve nihai kararı kendi muhakemesine bırakıyor.
Kurumlar yapay zeka başarısını benimseme oranıyla mı ölçmeli?
Araştırma bunun yanıltıcı olabileceğini düşündürüyor. Yüksek kullanım her zaman iyi kullanım anlamına gelmez. Niteliği ölçmek, yani çalışanın çıktıyı doğrulayıp doğrulamadığını görmek, salt hacmi ölçmekten daha anlamlı.
Bu bulgu Türkiye için de geçerli mi?
Çalışma tek bir Avustralya üniversitesinde yapıldığı için doğrudan genellenemez. Ancak sorduğu soru evrensel. Türkiye'deki üniversiteler ve kurumsal akademiler, kendi kullanım verileriyle aynı örüntünün geçerli olup olmadığını test edebilir.
