Bu bir kurum raporu: WEF'in Education 4.0 girişimi kapsamındaki daha geniş çalışmanın parçası ve yeni bir anket ya da deney değil. Çerçeve, ilgili literatürün ve ampirik eğilimlerin taranmasına, ayrıca alanın önde gelen uzmanlarıyla yapılan görüşmelere dayanıyor; danışılan kişi sayısı metinde belirtilmiyor. Rapordaki rakamlar Stanford, RAND, Turnitin gibi başka kaynaklardan aktarılıyor.

Kullanım Aşağıdan Yukarı Yayılıyor

Raporun ilk tespiti, yapay zekanın kurumların kararıyla değil öğrencilerin ve öğretmenlerin tercihiyle girmesi. Rapor buna aşağıdan yukarıya benimseme diyor: Kullanım günlük öğrenmeye yerleşirken müfredat, ölçme ve yönetişim güncellenmiyor. RAND araştırmasına göre ödevde yapay zekadan yardım alan öğrencilerin payı Mayıs 2025'te %48'ken Aralık 2025'te %62'ye çıktı. Aynı aktarımda öğrencilerin %67'si, bu kullanımın eleştirel düşünmelerine zarar verebileceğini kabul ediyor.

Öğretmen tarafında Estonya'da yapılan bir çalışma, öğretmenlerin %53,2'sinin derslerinde yapay zeka kullandığını buldu; ilkokul öğretmenlerinde bu oran %66. Rapora göre sıra tepkisel işliyor: Öğretmenler öğrencilere yanıt olarak yapay zekayı benimsiyor, kurumlar da öğretmenleri izliyor.

Kural, kullanım başladıktan sonra yazılıyorsa öğretmen onu sınıfta kendi başına yorumlamak zorunda kalır. Pazartesi sabahı bir öğretmenin 'bu ödevde yapay zeka serbest mi?' sorusunu kime soracağı, politikanızın gerçek sınavıdır. Kuralınız bu soruya iki cümlede cevap veremiyorsa, rapordaki %6'lık rakam sizin kurumunuz için de bir uyarıdır.

Çerçevenin Dört Boyutu, On Altı Kategorisi

WEF çerçevesi eğitim sistemini birbirine bağlı dört boyutta ele alıyor ve kurumlardan 16 kategoride öncelikli boşlukları belirlemesini bekliyor. Amaç, yapay zekayı benimsemeden önce hangi koşulların yerinde olduğunu görmek. Tablo, boyutları ve kategorileri raporda geçen adlarıyla veriyor.

Okul ve üniversite yöneticisinin ağırlıklı olarak ilgileneceği boyut ikincisi. Eğitim ve gelişim ekipleri çoğunlukla üçüncü boyutla, yani eğitimcinin mesleki yargısını koruyan koşullarla çalışacak. Raporun uyarısı şu: Göstergeler reçeteli kontrol listesi değil. Resmî bir puanlama sistemi olarak da tasarlanmamışlar, ama birçoğu ölçülebilir göstergeye çevrilebilir. Rapor, koşulların hiçbirini tek bir aktörün kontrol etmediğini de ekliyor; yani bir okulun elinde olanla olmayanı ayırması gerekiyor.

Hazır Cevap Zorluğu Ortadan Kaldırıyor

Raporun bilişsel boyuttaki iddiası bir ayrıma dayanıyor: İnsan bilişini genişleten araçlarla onun yerine geçen araçlar aynı şey değil. Hesap makinesiyle karmaşık bir işlemi kontrol eden öğrencinin matematik anlayışı yerinde kalır. Bir problemin her adımını yapay zekaya düşündüren öğrencide ise anlayışı inşa edecek zihinsel iş hiç gerçekleşmeyebilir. Rapor, ayrıntısını vermediği tek bir deneyi örnek gösteriyor: Yapay zeka aracına erişen öğrenciler başta performanslarını artırmış, araç geri alınınca hiç erişimi olmayanlardan daha kötü sonuç almış.

İkinci katman güven. Raporun aktardığı bir araştırmaya göre modeller halüsinasyon yaptığında, yani gerçek dışı ya da uydurma bilgi ürettiğinde, 'kesinlikle' ve 'şüphesiz' gibi ifadeleri bilgi verdiklerine kıyasla %34 daha olası kullanıyor.

Değerlendirmemize göre bu iki bulgu birlikte okunmalı: Zorluğu kaldıran araç öğrenmeyi, kendinden emin görünen araç da doğrulama alışkanlığını aşındırıyor olabilir. Rapor 'istenen zorluk' (desirable difficulty) fikrini çerçevenin bir öğrenme deneyimi sinyaline çevirmiş: Çaba, hata ve zihinsel emek, kalıcı öğrenmenin oluştuğu mekanizma olarak tanımlanıyor. Sınıftaki karşılığı küçük. Pazar akşamı ders planı hazırlayan bir öğretmen, etkinliğin ortasına 'bu adımı yapay zekasız çöz, gerekçeni iki cümleyle yaz' satırını ekleyebilir.

Ezber ve Çıktı Artık Zayıf Kanıt

Rapora göre geleneksel ölçme yöntemlerinin çoğu, bilginin anında erişilebildiği ve yapay zekanın saniyeler içinde düzenli cevap üretebildiği bir bağlam için tasarlanmamıştı. Ezbere ya da nihai çıktıya odaklanan yaklaşımlar, gerçek öğrenmenin giderek zayıflayan bir göstergesi. Akademik dürüstlük de yer değiştiriyor: Mesele artık yalnızca intihalden kaçınmak değil, öğrencinin neyi kendisinin yaptığı ve yapay zekanın nerede yardım ettiği konusunda açık olmak.

Ölçek sorusuna iki veri yanıt veriyor. Anthropic'in Claude.ai üzerindeki yaklaşık 575.000 anonim öğrenci konuşmasını inceleyen analizine göre, bu etkileşimlerin yaklaşık %47'si asgari bilişsel katılımla cevap ya da hazır içerik arayışıydı. Turnitin'in anketinde eğitimciler, yöneticiler ve öğrencilerden oluşan katılımcıların %95'i yapay zekanın bir ölçüde kötüye kullanıldığına inanıyor. İkisi de aktarılan veri; ilki bir şirketin kendi ürünündeki kullanımı, ikincisi fiilî davranışı değil algıyı ölçüyor.

Çerçevenin 'Assessments' kategorisinde iki gösterge öne çıkıyor: Akıl yürütmeyi, düşünmeyi ve yinelemeyi önceleyen ölçme ('Demonstrated understanding') ve izin verilen yapay zeka kullanımını tanımlayıp bildirim isteyen politikalar ('Transparent assisted performance'). Öğretmen için bu, ödev tasarımına çevrilebilir: Yapay zekanın kolayca üretebileceği bir çıktı yerine, öğrencinin gerekçesini ve akıl yürütmesini gösteren bir adım istemek.

Bu Hafta Ne Yapılabilir

Aşağıdaki liste, değerlendirmemize göre bir kurumun bu hafta sınayabileceği adımları sıralıyor. Raporun resmî ölçeği değil; kategorilerinden ve yöneticilere önerdiği sorulardan türetilmiş bir uyarlama.

• Politikayı öğretmene okutun. Yapay zeka kuralınızı üç öğretmene verin ve 'bu ödevde yapay zeka serbest mi?' diye sorun. Cevaplar birbirinden farklıysa kural net değildir. Bağlı olduğunuz üst kurum (okullar için MEB, üniversiteler için YÖK) bu konuda belge yayımlamışsa, kuralınızı önce onunla karşılaştırın.
• Bir ödevi yapay zekaya çözdürün. Son dönemin bir sınav ya da ödev sorusunu bir araca verin. Cevap bir dakikada geliyorsa soruya akıl yürütmeyi gösteren bir adım ekleyin.
• Öğrenci yapay zeka kullandığında bunu nasıl belirtecek? Tek cümlelik bir bildirim şablonu yeter.
• İş yükünü sorun. Rapor, bir araştırmaya atıfla öğretmen zamanının yüzde 20'sine kadarının otomatikleştirilebilir idari işlere gittiğini, ders planlama ve performans değerlendirme gibi analitik görevlerin yüzde 8 ile 20'sinin de yapay zekayla desteklenebileceğini aktarıyor. Kendi öğretmenlerinizin idari yükünü kısa bir anketle ölçün; yapay zekayı bu yüke karşı değerlendirin.
• Satın almadan önce kanıt isteyin. Tedarikçiden etkiyi gösteren bağımsız ve kamuya açık bir çalışma isteyin; donanım, yazılım, eğitim ve bakım dahil toplam maliyeti çıkarın.
• Velilere tek sayfalık bir not gönderin: Hangi araçlar kullanılıyor, hangi veri toplanıyor? Raporun velilere önerdiği soru tam olarak bu.
• Eğitimi araç gösteriminin ötesine taşıyın. Öğretmenlere yalnızca düğmeleri değil, yapay zekanın ne zaman yardım ettiğini ve ne zaman öğrenmeyi engellediğini tartışacakları bir oturum açın.

Raporun Sınırları

Bu bir kurum raporu ve kendi verisini üretmiyor; aktardığı rakamlar farklı yöntemlerle yapılmış çalışmalardan geliyor. RAND verisinin hangi ülkede toplandığı metinde belirtilmiyor, Estonya bulgusu ise tek ülkeye ait. Rapor kanıtın sınırlı olduğunu kendisi de söylüyor: Araştırmalar özellikle K-12 düzeyinde kısıtlı, çoğu 18 yaş üstü öğrenciye odaklanıyor ve tek seferlik 20 dakikalık deneyler gibi kısıtlı koşullarda yapılıyor. Kontrollü çalışmaların kanıtı geniş ölçekli uygulamaya güvenilir biçimde çevrilmeyebilir. Bilişsel gerilemeyle ilgili deneyin yöntemi de raporda yok.

Raporun feragat notu, bulguların WEF'in ya da üyelerinin görüşlerini zorunlu olarak yansıtmadığını belirtiyor. Metin Türkiye'ye özgü veri içermiyor. Yukarıdaki kontrol listesi raporun değil, bizim uyarlamamızdır.

Sıkça Sorulan Sorular

Çerçeve bir puanlama aracı mı?

Hayır. Rapor göstergelerin resmî bir puanlama sistemi olarak tasarlanmadığını, ancak birçoğunun gözlenebilir ya da ölçülebilir göstergeye çevrilebileceğini söylüyor. Amaç kurumları sıralamak değil, öncelikli boşlukları görmek.

16 kategoriyi aynı anda ele almak gerekir mi?

Rapor tek bir model dayatmıyor ve her bağlamın aynı noktadan başladığını varsaymıyor. Önerilen, öncelikli boşlukları belirleyip kaynak ve kapasite çalışmasını ona göre hizalamak. Tavsiyemiz, ilk turda iki ya da üç kategoriyle başlamak.

Rapor yapay zekayı sınırlamayı mı öneriyor?

Hayır. Rapor ileriye giden yolun yeniliği sınırlamak değil, bilinçli biçimde şekillendirmek olduğunu söylüyor. Hedef, teknolojinin kendisi için benimsenmesi değil, yeniliğin insan yeteneğinin gelişimiyle bilinçli biçimde hizalanması.

Kaynak: World Economic Forum, 'Shaping the Future of Learning: Education Readiness for the Age of AI', Insight Report, Haziran 2026.

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Bu sayının kapağında iki soru var. Neden şimdi? Neden bu kadar hızlı? 2023 baharında internette yapay zekânın ürettiği bir spagetti videosu dolaşıyordu ve gerçek olmadığını anlamak için birkaç saniye yetiyordu. Bugün aynı türden görüntülere bakıp gerçek olup olmadığını soruyoruz. Kapak dosyası bu iki an arasındaki mesafenin arkasına bakıyor. Alan Turing'in 1950'deki sorusundan Dartmouth buluşmasına, oyun bilgisayarlarındaki ekran kartlarından ImageNet'e, Transformer'dan ChatGPT'ye uzanan yetmiş yıllık birikimin son birkaç yılda neden bir sıçramaya dönüştüğünü anlatıyor. Dosya, on bir duraklı bir zaman çizelgesi, üç araştırmanın dersleri ve yapay zekâyla çalışırken sorulacak beş soruyla tamamlanıyor.

Bu sayıyla birlikte yeni bir bölüm başlıyor. Liderlerin Merceği, her sayıda kapak konusunu teknoloji liderlerinin kendi sözleriyle okuyacak. İlk bölümde Steve Jobs'un bisiklet benzetmesi, Jensen Huang'ın 2006'da kurduğu altyapı, Fei-Fei Li'nin görüntü arşivi, Satya Nadella'nın "her şeyi öğrenen" yaklaşımı, Demis Hassabis'in kuruluş planı ve Jeff Bezos'un uzun vade vurgusu var. Her alıntının kaynağı yanında yazıyor.

Derinlik bölümünde iki yazı var. İlki, 56 hakemli yayını inceleyen bir derlemeden yola çıkarak komut eğitiminin neden tek başına yetmediğini anlatıyor. İkincisi, OECD ile Avrupa Komisyonunun ilk ve ortaöğretim için hazırladığı 19 yetkinlikli yapay zekâ okuryazarlığı çerçevesini dört alan ve üç seviyesiyle açıklıyor.

Sınıfta bölümünde Gemini ile ders planı ve sınav sorusu hazırlama rehberi var. Hangi hesabın neyi sağladığı, Türkiye'deki öğrenci teklifi ve verinin nerede korunduğu adım adım anlatılıyor. İkinci yazı, Biruni Üniversitesinin öğrenme güçlüğü yaşayan öğrenciler için yürüttüğü öğretmen odaklı projeyi ele alıyor.

Araç Kutusu'nda ChatGPT'nin yeni Kilitli Sohbetler özelliği, RAG'in ne olduğu ve öğrencilerin Gemini'yi nasıl kullandığı yer alıyor. Yeni Ürünler sayfasında Apple'ın ekim sonunda tanıttığı M6 çipli MacBook Pro ve iMac, ilk dokunmatik ekranlı MacBook Pro ve yeni iPad mini, Türkiye fiyatları ve eğitim fiyatlarıyla birlikte var.

Veri bölümü yapay zekâ geri bildiriminin matematik sınavındaki etkisini ölçen bir araştırmayı ve kurumlardaki yapay zekâ önceliği ile hazırlık arasındaki açığı gösteren bir anketi özetliyor. Kurumsal bölümünde eğitim yöntemiyle ölçüm arasındaki kopukluk ve eğitim ihtiyaç analizi rehberi bulunuyor.

Prompt Kitaplığı bu sayıda ders planı, ölçme ve geri bildirime ayrıldı. 12 prompt, cevabı veren değil düşünmeyi destekleyen bir mantıkla hazırlandı. Raf'ta yapay zekânın hikâyesi ve öğrenme bilimi üzerine altı kitap, Ekran'da üç belgesel ve iki podcast, Sözlük'te dosyadan on beş terim var.

Sayı 5'i okumak ve PDF olarak indirmek için e-dergi sayfasını ziyaret edebilirsiniz.

Bir müşteri görüşmesini canlandırabilir, farklı kararların sonuçlarını tartışabilir, aynı soruna üretilen çözümleri karşılaştırabilirdiniz. Üstelik daha oturum başlamadan hangi noktalarda desteğe ihtiyaç olduğunu görebilirdiniz.

Ters yüz öğrenmenin açtığı alan tam da burada. Yapay zeka ise bu hazırlığa yeni bir imkân ekliyor: Katılımcı, önüne konan içerikle ilgili soru sorabiliyor; açıklamayı kendi düzeyine göre yeniden isteyebiliyor; bir yanıt deniyor ve üzerinde çalışabiliyor. Eğitici de materyal, örnek ve etkinlik hazırlarken destek alabiliyor.

Bu rehberde, eğitim öncesinden eğitim sonrasına uzanan böyle bir akış kuracağız. ChatGPT'nin Study Mode özelliğini deneyecek, Gemini ile kaynak üzerinden çalışmayı ele alacak ve öğrenme araçları listesindeki seçenekleri somut ihtiyaçlarla eşleştireceğiz. Uygulama örnekleri, kendi hedef kitlenize uyarlayabileceğiniz tasarım önerileridir.

Yüz araçlık listeyi kendi ihtiyacınızla okumak

Jane Hart'ın 7 Eylül 2026'da yayımladığı Top 100 Tools for Learning listesi, araştırmanın yirminci ve son yıllık çalışması. İlk on sırada ChatGPT, YouTube, Gemini, PowerPoint, Claude, Google Docs & Drive, NotebookLM, Word, Google Search ve Canva yer alıyor. Bu sıralamada yapay zeka araçlarıyla günlük çalışma araçlarını yan yana görüyoruz. [1]

Listenin nasıl oluştuğu da anlamlı. Öğrenme alanında çalışanların ve ilgili alanlardan katılımcıların kendi ilk on dijital aracını aday gösterdiği açık bir anket söz konusu; 2026 sayfasında 986 oy bildiriliyor. Dolayısıyla sıralama, katılımcıların tercihlerini gösteriyor. Bir aracın sizin eğitiminizde ne kadar işe yarayacağını ise hedefiniz, kullanım biçiminiz ve katılımcıların ortaya koyduğu çalışma üzerinden değerlendirebilirsiniz. [2]

Sırf ilk sıralarda yer aldığı için yeni bir platforma geçmeniz gerekmiyor. Zaten kullandığınız bir form, ortak belge ve toplantı aracı, ilk ters yüz öğrenme denemeniz için yeterli olabilir. Listede daha özel ihtiyaçlar için seçenekler de var: etkileşimli video, dallanan senaryo, ortak pano, içerik üretimi veya öğrenme yönetimi.

İki ad güncellemesini de akılda tutalım. Listede Quizizz adıyla geçen ürün artık Wayground; NotebookLM ise Google'ın Temmuz 2026 duyurusuyla Gemini Notebook adını aldı. Rehberde araçları kolayca bulabilmeniz için bu eski ve yeni adları birlikte kullanıyoruz. [3][4]

Önce katılımcının yapacağı işi belirlemek

Bir araç açmadan önce boş bir sayfaya şu cümleyi yazın: “Bu eğitimin sonunda katılımcı…” Ardından gözünüzün önüne somut bir davranış getirin.

“Müşteri iletişimini öğrenir” ifadesini biraz açalım. Katılımcının, geciken bir teslimat nedeniyle öfkelenmiş müşterinin asıl kaygısını anlamasını, açıklayıcı bir soru sormasını ve yetkisi içindeki bir sonraki adımı anlaşılır biçimde söylemesini istiyor olabilirsiniz. Artık ön çalışma içeriğini, sınıf içindeki rol oyununu ve değerlendirme ölçütünü aynı hedef etrafında tasarlayabilirsiniz.

York Üniversitesinin ters yüz öğrenme tasarım rehberi de öğrenme hedeflerini belirledikten sonra canlı oturumdaki etkinliği planlamayı, ön çalışma materyallerini bu etkinliğe hazırlık sağlayacak biçimde seçmeyi öneriyor. Bu sıra, hazırladığınız her parçanın eğitimde bir karşılığı olmasını kolaylaştırıyor. [5]

Hedef belli olduğunda yapay zekaya vereceğiniz görev de netleşir. Katılımcı profili, ön bilgi düzeyi, kullanılacak kaynak, süre ve beklenen davranış hakkında bilgi verebilirsiniz. Örneğin “müşteri iletişimi eğitimi hazırla” demek yerine, yeni başlayan müşteri temsilcileri için belirlediğiniz davranışa yönelik bir ön çalışma ve uygulama taslağı isteyebilirsiniz. Sonrasında önerileri kendi deneyiminizle ve kurumun iş yapış biçimiyle gözden geçirirsiniz.

Ters yüz sınıfta zamanı yeniden planlamak

Ters yüz sınıf ya da flipped learning, temel içerikle ilk çalışmayı çoğunlukla ders öncesine taşır. Birlikte geçirilen zaman, bu hazırlığın üzerine kurulan uygulama, çözümleme, tartışma ve geri bildirime ayrılır. Ön çalışma video, okuma, ses kaydı veya yönlendirilmiş bir etkinlik olabilir. Canlı buluşma da fiziksel sınıfta ya da çevrim içi yapılabilir. [6]

Bir yazılım eğitiminde katılımcı, ekrandaki temel adımları önceden inceleyebilir; canlı oturumda örnek bir işi tamamlayıp takıldığı noktaları çözebilir. Bir öğretmen, öğrencilerinin derse gelmeden önce iki kısa metni karşılaştırmasını isteyebilir; sınıfta metinlerdeki iddiaları kanıtlarıyla tartıştırabilir. Kurumsal bir eğitimde ise ön çalışma, daha sonra yapılacak bir müşteri görüşmesinin hazırlığı olabilir.

Burada ön çalışmaya küçük ama görünür bir çıktı eklemek iyi bir başlangıçtır. “Videoyu izleyin” yönergesinin yanına “Videodaki iki yaklaşımı karşılaştırın ve hangisini hangi durumda kullanacağınızı bir cümleyle yazın” diyebilirsiniz. Böylece canlı oturumda üzerinde konuşabileceğiniz yanıtlar oluşur. York'un rehberi, ön çalışma ile canlı etkinlik arasındaki ilişkinin katılımcıya açıklanmasını ve hazırlığın bir öğrenme görevi içermesini özellikle vurguluyor. [7]

Hazırlığın süresini ve teslim edilecek çıktıyı baştan söyleyin. “Yaklaşık 15 dakika ayırın; sonunda bir yanıt ve bir soru getirin” gibi bir yönerge, beklentiyi görünür kılar. Bu süre bir tasarım örneğidir; hedef kitlenizin koşullarına göre değiştirebilirsiniz. Kurumsal eğitimlerde ön çalışma için mesai içinde yer açılması, okulda ise cihaz ve bağlantı imkânlarının düşünülmesi gerekir.

Yapay zekanın eğiticiye ve katılımcıya ayrı ayrı katkısı

ChatGPT ve Gemini'yi bir eğitimde iki farklı rolde kullanabilirsiniz. Eğitici olarak hedefe uygun açıklamalar, vaka taslakları, tartışma soruları ve geri bildirim örnekleri hazırlatabilirsiniz. Katılımcı ise verilen kaynak üzerinden çalışabilir, anlamadığı noktayı sorabilir ve kendi yanıtını geliştirebilir.

Bu iki kullanım için farklı yönergeler yazmak yararlı olur. Eğiticiye hazırlanan bir çıktı bütün oturum planını içerebilir. Katılımcının çalışma yönergesi ise konuyu, kaynağı, sınırları ve o anda yapacağı işi açıkça belirtmelidir. OpenAI'nin eğitici rehberi; ders planlama, örnek üretme, geri bildirim hazırlama ve yanıtlar arasındaki ortak temaları inceleme için somut kullanımlar önerirken materyalin değerlendirilmesini eğiticiye bırakıyor. [8]

Eğiticinin hazırlık için kullanabileceği bir örnek:

Yeni başlayan müşteri temsilcileri için bir eğitim hazırlıyorum. Hedefim, geciken teslimatla ilgili bir itirazda müşterinin kaygısını anlamaları ve yetkileri içindeki sonraki adımı açıklamaları. Yüklediğim kaynaklara dayanarak yaklaşık 15 dakikalık bir ön çalışma ve 60 dakikalık canlı uygulama taslağı oluştur. Her etkinliğin sonunda katılımcının ortaya koyacağı çıktıyı belirt. Kaynakta bulunmayan kurum kurallarını ekleme; eksik bilgileri bana sor.

Bu taslağı okurken soruların zorluğunu, örneklerin gerçekçiliğini ve öngörülen süreyi kontrol edin. Yapay zekaya bir itiraz daha ekletebilir, bir açıklamayı sadeleştirebilir veya aynı durumu farklı bir görevde çalışan kişiye uyarlatabilirsiniz. Son hâlini verirken eğitimin hedefini önünüzde tutun.

ChatGPT Study Mode ile adım adım çalışmak

ChatGPT'nin Study Mode özelliği, bir konuyu sorular, ipuçları ve aşamalı açıklamalarla çalışmaya yardımcı olur. Örneğin katılımcıya ne bildiğini sorabilir, bir açıklamanın ardından kısa bir soru yöneltebilir ve yanıtı üzerinden geri bildirim verebilir. Ders notları veya PDF gibi yüklenen materyalleri de çalışmada kullanabilir. [9]

Türkçe arayüzde “Ders çalış” ya da “Ders çalış ve öğren” adıyla karşılaşabilirsiniz. Doğrudan chatgpt.com/studymode adresini açabilir veya normal bir sohbette mesaj alanına @study yazıp çıkan seçeneği seçebilirsiniz. Mobil uygulamada + menüsünden ilgili aracı bulabilirsiniz. Menü düzeni sürüme göre değişebilir; güncel yardım sayfası özelliğin normal sohbetlerde açıldığını, Geçici Sohbetler, özel GPT'ler ve Projelerde kullanılamadığını belirtiyor. [9]

Peki normal sohbete “Beni çalıştır” yazmakla bunun arasında ne var? OpenAI, özelliğin ilk tanıtımında öğretmenler ve öğrenme uzmanlarıyla hazırlanan özel sistem talimatlarıyla çalıştığını açıklamıştı. Sorularla yönlendirme ve anlama kontrolü, bu ayarın amaçlanan davranışları arasında. Normal bir sohbette aynı çalışma biçimini ayrıntılı tarif ederek benzer bir etkileşim kurabilirsiniz. Study Mode, bu yaklaşımı hazır bir seçenekle başlatmayı kolaylaştırıyor. [10]

Yalnızca “study” kelimesini yazmakla menüden özelliği seçmek de ayrı işlemler. Modu açmak istediğinizde önerilerde çıkan aracı seçmelisiniz. Özellik bazen doğrudan cevap verebildiği için ihtiyaç duyduğunuzda “Bir soru sor ve yanıtımı bekle” diye yönlendirebilirsiniz. [9]

Şimdi müşteri iletişimi örneğine dönelim. Katılımcının çalışmasını şöyle tasarlayabilirsiniz: Yapay zeka geciken teslimatla ilgili kısa bir müşteri mesajı sunar. Katılımcı ilk yanıtını yazar. Ardından “Bu cümlede müşterinin hangi kaygısına karşılık verdin?” sorusuyla kendi ifadesini inceler. Sonraki adımda eksik gördüğü kısmı düzenler ve kararının gerekçesini açıklar.

Katılımcıya verilecek örnek yönerge şöyle olabilir:

Yüklediğim müşteri iletişimi rehberiyle çalışacağım. Önce ön bilgimi anlamak için tek bir soru sor ve yanıtımı bekle. Ardından geciken teslimat konusunda kısa bir müşteri durumu ver. İlk yanıtı benim yazmamı iste. Yanıtımdaki güçlü ve geliştirilecek noktaları kaynaktaki ölçütlerle ilişkilendir. Zorlanırsam ipucu ver. Sonunda öğrendiklerimi kendi cümlelerimle açıklamamı iste.

Eğitici olarak bu yönergeyi önce kendiniz deneyin. Bir kez eksik, bir kez de yüzeysel bir yanıt verin. Ortaya çıkan geri bildirim, katılımcının neyi geliştireceğini anlamasına yardım ediyor mu? Gerekirse kaynağı, soruyu veya yönergeyi düzeltin. Bu kısa prova, eğitime göndereceğiniz çalışma deneyimini görmenizi sağlar.

Gemini ve kaynak üzerinden öğrenme

Gemini'deki Guided Learning de öğrenmeyi yönlendirici sorularla desteklemek üzere tasarlanmış bir özellik. Açıklamaları ihtiyaca göre uyarlayabiliyor; görseller, videolar ve etkileşimli sorular kullanabiliyor. Konuyla ilgili dosya yüklemek de mümkün. [11][12]

Aynı ön çalışma görevini burada da deneyebilirsiniz. Örneğin bir öğrenciye iki kısa metin verip hangisinin bir iddiayı daha güçlü desteklediğini açıklamasını isteyin. Gemini ile çalışırken öğrencinin ilk görüşünü yazması, kaynaktan kanıt seçmesi ve ardından görüşünü yeniden değerlendirmesi için bir sıra belirleyin. Böylece sınıfta tartışılacak bir başlangıç düşüncesi oluşur.

Eğitici açısından pratik bir seçim yöntemi, aynı kaynak ve aynı öğrenme göreviyle küçük bir deneme yapmaktır. Yanıtlar kaynağa uyuyor mu, sorular hedef kitleye uygun mu, çalışma gereğinden fazla uzuyor mu? Bunlara bakarak kurumunuzun erişim koşullarına uyan seçeneği kullanabilirsiniz. Bir örnekte iyi sonuç almak, her konuda aynı sonucu alacağınız anlamına gelmez; hazırladığınız etkinliğin kendisini kontrol etmek gerekir.

Google Workspace for Education kullananlar için Google Classroom üzerinden atanan Guided Learning etkinlikleri de var. Eğitici kaynak ekleyebiliyor ve atanmış etkinliklere ilişkin bazı kullanım bilgilerini ve içgörüleri inceleyebiliyor. Bunun için yönetici tarafından gerekli Gemini erişiminin açılması gerekiyor. Bu görünürlük yalnızca Classroom üzerinden atanmış çalışmaları kapsıyor; öğrencinin kişisel Gemini sohbetleriyle aynı şey değil. [13]

Kaynaklarla çalışmanın bir başka yolu da tabloda NotebookLM olarak gördüğümüz Gemini Notebook. Eğitim notlarını bir araya getirdiğiniz bir defterden çalışma materyalleri oluşturabilirsiniz. Güncel yardım belgesinde, yüklenen kaynaklardan bilgi kartı ve kısa sınav üretme, zorluk düzeyini seçme, yanıtlar için açıklama isteme ve tekrar çalışma seçenekleri anlatılıyor. [14]

Örneğin bir oryantasyon programı için kurumun izin verdiği tanıtım metinlerini ve süreç açıklamalarını kullanın. Katılımcı, ilk haftada karşılaşabileceği durumlarla ilgili soruları bu kaynaklar üzerinden çalışsın. Ardından canlı buluşmaya “Bu süreçte kime, hangi bilgiyle başvururum?” sorusuna verdiği yanıtı getirsin. Oluşturulan özetleri ve soruları paylaşmadan önce özgün dokümanlarla karşılaştırın; kaynak gösterilmiş olması kontrol ihtiyacını ortadan kaldırmaz.

Ön çalışma materyalini amacına göre seçmek

Her konu için yeni bir video hazırlamanız gerekmeyebilir. Katılımcının bir süreçteki adımları görmesi gerekiyorsa kısa bir ekran kaydı; iki yaklaşımı karşılaştırması gerekiyorsa bir sayfalık okuma; bir konuşmayı yorumlaması gerekiyorsa ses veya video kaydı kullanabilirsiniz. Materyalin biçimi, canlı oturumda yapılacak göreve hazırlık sağlamalıdır.

Paylaşılan listedeki araçları seçerken şu görev grupları işinizi kolaylaştırabilir. Bu eşleştirme bir başlangıç haritasıdır; her üründe aynı özelliklerin veya aynı erişim koşullarının bulunduğu anlamına gelmez.

Örneğin Edpuzzle ile hazırlanan video ödevlerinde eğitici sınıfın veya tek bir öğrencinin ilerlemesini ve yanıtlarını inceleyebiliyor. Bu bilgiyi, canlı oturumun başlangıcında hangi kavrama dönmeniz gerektiğini belirlemek için kullanabilirsiniz. Video içindeki bir sorunun yanlış yanıtlanması, yeni bir açıklama ya da uygulama hazırlamak için başlangıç olabilir. [15]

hihaho'da ise verilen yanıta göre videonun belirli bir bölümüne geçiş kurularak dallanan bir senaryo hazırlanabiliyor. Müşteri görüşmesinde seçilen ilk yanıtın farklı bir devam sahnesine açılması buna örnek. Burada alternatif sahneleri ve geçişleri önceden planlamanız gerekir. [16]

Benzer şekilde Genially'de seçimlere göre ilerleyen öğrenme senaryoları, Articulate Rise 360'ta diyalog ve geri bildirim içeren senaryo blokları oluşturulabiliyor. Bu olanakları kullanırken her seçeneğin hangi düşünme biçimini ortaya çıkaracağını belirleyin. Katılımcı bir seçimi yaptıktan sonra gerekçesini açıklayabiliyorsa, canlı tartışmaya taşıyabileceğiniz değerli bir malzemeniz olur. [17][18]

Canlı oturumda katılımcının düşüncesini görünür kılmak

Ön çalışma tamamlandığında eğiticinin elinde birkaç soru, örnek yanıt ve belirsiz kalan nokta bulunur. Canlı oturumu bunlarla açabilirsiniz. “Bu iki yaklaşım arasında nasıl karar verdiniz?” gibi bir soru, konuşmayı doğrudan katılımcıların hazırlığına bağlar.

Mentimeter'in açık uçlu soru özelliğiyle kısa gerekçeler toplayabilir, yanıtları birlikte inceleyebilirsiniz. Padlet'te katılımcılar metin, görsel veya bağlantı paylaşabilir ve birbirlerinin çalışmalarına yorum ekleyebilir. Böylece sınıftaki düşünceler herkesin inceleyebileceği hâle gelir. [19][20]

Müşteri itirazları örneğinde herkes ilk yanıtını ortak bir alana yazabilir. Sonra küçük gruplar iki yanıt seçer; hangi ifadenin müşterinin kaygısını anladığını gösterdiğini, hangi ifadenin belirsiz kaldığını tartışır. Eğitici de önerilen yeni cümleleri ölçütlerle ilişkilendirir. Böylece teknoloji kullanımı, sınıftaki konuşmanın akışına hizmet eder.

Kahoot! veya Wayground üzerinden kısa sorularla başlangıç yapmak da bir seçenek. Sorunun ardından “Bu seçeneği neden tercih ettiniz?” diye durmak, puanın ötesinde düşünceyi incelemenizi sağlar. Rekabet veya hızın, üzerinde düşünülmesi gereken bir görev için uygun olup olmadığına etkinliğin hedefiyle karar verin.

Çevrim içi bir eğitimde Zoom, Teams, Google Meet veya Whereby buluşma alanı olabilir. Ortak belge, pano veya formu katılımcılara tek bir erişim noktasından sunun. Bir sonraki etkinliğe geçerken nereye tıklayacağını aramak, öğrenme görevinin önüne geçmesin.

Bir müşteri iletişimi eğitimini baştan sona kuralım

Şimdi bütün parçaları aynı örnekte bir araya getirelim. Konumuz, geciken teslimata ilişkin müşteri itirazı. Hedefimiz, katılımcının kaygıyı anlaması, durumu netleştirmesi ve elindeki bilgiyle uygulanabilir bir sonraki adımı açıklaması. Aşağıdaki süreler ve etkinlikler, uyarlayabileceğiniz örnek bir tasarım.

Eğitim öncesinde yaklaşık on beş dakika

Katılımcıya kısa bir müşteri mesajı ve kurum tarafından doğrulanmış bir sayfalık iletişim rehberi gönderin. Müşteri mesajı şöyle olabilir: “Siparişim iki gündür gelmedi. Dün de aynı şeyi söylediniz. Bugün teslim edileceğini nasıl bileceğim?”

Katılımcı önce kendi ilk yanıtını yazsın. Ardından bu yanıtı Study Mode veya Guided Learning ile, belirlediğiniz ölçütler üzerinden çalışsın. Örneğin yapay zeka, verilen yanıtta müşterinin kaygısının nasıl karşılandığını ve hangi bilginin netleştirilmesi gerektiğini sorsun. Kuruma özgü teslimat sözü veya yetki üretmemesi için yalnızca verilen süreç bilgisini kullanmasını isteyin.

Hazırlığın sonunda katılımcı bir formda ilk yanıtını, değiştirdiği yanıtını ve hâlâ zorlandığı bir noktayı paylaşsın. Böylece son metnin yanında, neyi neden değiştirdiğini de konuşabilirsiniz. Google Forms, kısa sınav yanıtlarını toplama, soru bazında inceleme ve geri bildirim ekleme gibi olanaklar sunuyor; bu örnekte birkaç açık uçlu alan da yeterli olabilir. [21]

Eğitici olarak yanıtları oturumdan önce okuyun. Diyelim ki bazı katılımcılar müşterinin kaygısını kabul ediyor ancak sonraki adımı belirsiz bırakıyor. Bazıları da hızlı bir çözüm sunmak isterken kaynakta bulunmayan bir teslimat sözü veriyor. Bunlar bu örnek için varsayılan bulgulardır; kendi grubunuzda hangi örüntülerin oluştuğunu gerçek yanıtlardan çıkarın.

Canlı oturumda altmış dakika

Gözlemciye değerlendireceği davranışları önceden verin. “Müşterinin kaygısını kendi cümlesiyle özetledi mi?”, “Eksik bilgiyi netleştiren bir soru sordu mu?” ve “Yetkisi içindeki sonraki adımı anlaşılır söyledi mi?” gibi ölçütler kullanılabilir. Her ölçüt için görüşmeden bir ifade veya davranış kaydetmesini isteyin.

Eğitici geri bildiriminde de somut anlara dönün. “Daha empatik olmalısın” yerine, müşterinin kaygısına hangi cümlede karşılık verildiğini ve nerede belirsizlik oluştuğunu birlikte inceleyin. Sonra katılımcıya o bölümü yeniden deneme fırsatı verin. İkinci denemede nasıl bir değişiklik yaptığını kendisinin açıklaması, tartışmayı tamamlar.

Eğitim sonrasında kısa bir takip

İki ya da üç gün sonra benzer güçlükte, farklı ayrıntıları olan yeni bir vaka gönderin. Bu zaman aralığı örnek akışın bir parçası; kendi programınıza göre düzenleyebilirsiniz. Katılımcı önce kendi yanıtını versin, ardından kaynakla karşılaştırıp geliştirsin. Aynı ölçütlerle inceleme yaparak eğitimde çalışılan davranışın yeni durumda nasıl kullanıldığını görün.

Bir sonraki ekip buluşmasında da gerçek bir uygulamadan, müşteri veya çalışan bilgisi içermeyen kısa bir öğrenme notu paylaşmasını isteyebilirsiniz. Böylece eğitimde başlayan çalışma, işte karşılaşılan durumlarla bağ kurar.

Aynı yaklaşımı sınıfa ve farklı eğitimlere uyarlamak

Okul örneği üzerinden düşünelim. Öğrencilerden iki kısa haber metnindeki iddia ve kanıtları ayırt etmelerini istiyorsunuz. Ders öncesinde metinleri okuyup her birinden bir iddia ve o iddiayı desteklediğini düşündükleri bir kanıt seçsinler. Kurumun uygun gördüğü hesap ve araçlarla yapay zekadan, seçtikleri kanıtın iddiayla ilişkisini sorgulayan bir soru isteyebilirler. Derse geldiklerinde gruplar farklı seçimleri karşılaştırır. Dersin sonunda yeni bir metin üzerinde bireysel çalışma yaparlar.

Bir iş güvenliği eğitiminde ise ön çalışma, bir çalışma alanı görselindeki riskleri belirlemek olabilir. Canlı oturumda katılımcılar önceliklendirmelerini ve önerdikleri önlemleri tartışabilir. Kuruma ve mevzuata özgü doğrular için eğitici tarafından onaylanmış kaynaklar esas alınmalıdır.

Bir yazılım eğitiminde kısa ekran kaydıyla temel işlemleri gösterip canlı oturumda gerçekçi bir görev tamamlatabilirsiniz. Ön çalışmayı yapamayanlar için kısa bir başlangıç görevi ve metinle anlatılan bir alternatif hazırlayın. Grubun farklı hızlarda ilerlemesini planınıza dâhil etmek, uygulamanın yürütülmesini kolaylaştırır.

Ölçme değerlendirme ve sınav sürecini tasarlamak

Bir videonun açılmış olması, formun gönderilmesi veya yapay zeka sohbetinin uzun sürmesi, katılımcının belirlediğiniz davranışı yapabildiğini tek başına göstermez. Bu nedenle tasarımınıza bir uygulama kanıtı ekleyin: yeni bir vaka için yazılmış yanıt, tamamlanmış bir işlem, gerekçeli seçim veya gözlenen bir rol oyunu.

Örneğimizde ilk ve son yanıtı aynı ölçütlerle karşılaştırabilirsiniz. Ancak aynı soruyu tekrar sormak, yanıtın hatırlanmasından da etkilenir. Benzer güçlükte yeni bir durum kullanmak ve katılımcıdan gerekçe istemek, değerlendirmeyi güçlendiren bir tasarım tercihidir. Küçük bir pilot çalışmada gördüğünüz değişimi de doğrudan tek bir araca bağlamayın; öğretim, uygulama ve geri bildirim birlikte etkili olmuş olabilir.

Ölçme, değerlendirme ve sınav süreçlerinde TestEd de kullanılabilecek seçeneklerden biri. Platform, kendi testlerinizi oluşturma, katılımcılara bağlantı veya QR kodla ulaştırma ve sonuçları raporlama özellikleri sunuyor. Doküman Quiz özelliğiyle PDF, Word veya PowerPoint dosyalarından düzenlenebilir sorular üretilebiliyor. Soruları katılımcılarla paylaşmadan önce öğrenme hedefi, kaynak doğruluğu ve anlaşılırlık açısından inceleyin. [25][26]

Örneğin müşteri iletişimi eğitiminde, ön çalışmadan önce üç kısa vaka sorusuyla katılımcıların başlangıçtaki yaklaşımını görebilirsiniz. Eğitim sonunda aynı hedefleri ölçen, farklı müşteri durumlarından oluşan bir sınav uygulayın. Kullandığınız ölçme aracındaki yanıtları ve raporları, canlı oturumdaki gözlem notlarıyla birlikte değerlendirin. Hangi durumda eksik bilgi istendiğine, hangi durumda doğrulanmamış bir söz verildiğine bakın; sonraki çalışmayı bu bulgulara göre planlayın.

Yapay zeka, topladığınız ve paylaşılması uygun hâle getirilmiş yanıtları gruplandırmak için yardımcı olabilir. Nihai değerlendirmede özgün katılımcı çalışmasına dönün. OpenAI'nin eğitici rehberi de yapay zeka çıktılarının yanlışlık içerebileceğini ve değerlendirme kararlarında insanın rolünü vurguluyor. [8]

Materyal dağıtımı ve kayıt için kurumunuzun öğrenme yönetim sistemi kullanılabilir. Listede Google Classroom, Moodle, Canvas LMS ve aNewSpring bulunuyor; Makeshapes ise grup öğrenmesine odaklanan bir platform olarak konumlanıyor. İçerik üretim araçlarıyla öğrenme yönetim araçlarının görevlerini birlikte düşünün. [1][22]

Kurumsal LMS'ye aktarım gerektiğinde Articulate Rise 360 ve Storyline 360'ın SCORM, xAPI gibi destekleri; Genially'nin de uygun planlarda sunduğu SCORM seçenekleri değerlendirilebilir. Tamamlama ve soru verisinin nasıl raporlanacağı, seçtiğiniz yayın ayarı ve LMS ile birlikte kontrol edilmelidir. Aynı standardın adının geçmesi, her verinin her sistemde aynı şekilde görüneceği anlamına gelmez. [23][24]

İlk denemeyi küçük ve sürdürülebilir kurmak

İlk uygulamanız için tek bir öğrenme hedefi, kısa bir kaynak, bir bireysel çalışma görevi ve bir canlı etkinlik seçin. Katılımcının kullanacağı hesabı, erişim yolunu ve varsa ücretli özellik ihtiyacını önceden kontrol edin. Ön çalışma materyalini telefon ekranında da deneyin. Videoya altyazı, sesli içeriğe metin alternatifi eklemeyi planlayın.

Kurumun paylaşılmasına izin verdiği kaynaklarla ilerleyin; gerçek müşteri veya çalışan bilgilerini örneklerden çıkarın. Ön çalışmada yapay zekayı nerede kullanabileceklerini, hangi aşamada kendi yanıtlarını vermelerini beklediğinizi açıklayın. Kullanım sınırı görünür olduğunda etkinliğin amacı da daha anlaşılır hâle gelir.

Eğitimden sonra üç şeye bakın: Katılımcılar hazırlığı tamamlayabildi mi, canlı oturumda hedeflenen davranışı uygulayabildi mi ve hangi bölümde desteğe ihtiyaç duydu? Bir sonraki turda araç sayısını artırmadan önce bu bulgulara göre yönergeyi, örneği veya süreyi düzeltin.

Bir sonraki eğitiminizden tek bir bölümü seçerek başlayabilirsiniz. Katılımcının önceden üzerinde çalışabileceği bir kaynak belirleyin; ona yanıtlayacağı bir soru verin ve canlı oturumda bu yanıtı kullanacağınız etkinliği planlayın. Study Mode, Guided Learning veya elinizdeki başka bir araç, bu akışın bir bölümünü desteklesin. Sonra sınıfta katılımcının ne yaptığını izleyin. Bir sonraki tasarım kararınız için en yararlı başlangıç orası olacaktır.

Sıkça Sorulan Sorular

Ters yüz öğrenme nedir?

Temel içerikle ilk çalışmayı derse ya da eğitime gelmeden önceye taşıyan bir tasarımdır. Birlikte geçirilen zaman, bu hazırlığın üzerine kurulan uygulama, tartışma ve geri bildirime ayrılır. Ön çalışma video, okuma, ses kaydı ya da yönlendirilmiş bir etkinlik olabilir.

ChatGPT Study Mode ücretsiz mi, nasıl açılır?

OpenAI'ın yardım sayfasına göre Study Mode tüm ChatGPT planlarında, web, iOS ve Android'de ve bütün modellerle kullanılabiliyor. Web'de mesaj alanına @study yazıp önerilerden Study'yi seçebilir ya da chatgpt.com/studymode adresini açabilirsiniz. Geçici Sohbetler, GPT'ler ve Projeler'de kullanılamıyor.

Katılımcının yapay zekayla çalışması öğrendiğini gösterir mi?

Tek başına göstermez. Bir sohbetin uzun sürmesi ya da formun gönderilmesi, hedeflenen davranışın yapılabildiğinin kanıtı değildir. Yeni bir vakaya yazılmış yanıt, gerekçeli bir seçim ya da gözlenen bir rol oyunu gibi bir uygulama kanıtı ekleyin.

Ters yüz öğrenme için yeni bir platforma geçmem gerekiyor mu?

Gerekmiyor. Zaten kullandığınız bir form, ortak belge ve toplantı aracı ilk deneme için yeterli olabilir. Önce katılımcının yapacağı işi belirleyin, aracı bu işe göre seçin.

Araç dizini

Bu dizin, 2026 listesindeki 100 aracı kullanım gruplarıyla bir araya getirir. Parantez içindeki numaralar listedeki sıralardır. Gruplama resmî bir ürün sınıflandırması değildir; bazı araçlar birden fazla görevde kullanılabilir. Listedeki adlar korunmuş, iki ürünün güncel adı da eklenmiştir. [1][3][4]

Yapay zeka araçları

Sohbet ve araştırma: ChatGPT (1), Gemini (3), Claude (5), Copilot (12), Perplexity (39), Grok (55), NotebookLM / Gemini Notebook (7), ChatPDF (89).

Yazı ve ses: ElevenLabs (43), QuillBot (91), SuperWhisper (95). Video: Synthesia (44), HeyGen (79), Vyond (80). Sunum: Gamma (66). Eğitim içeriği: CreateUpon (77).

İçerik ve uygulamalar

Video ve film: YouTube (2), Netflix (23), Vimeo (32), TED Talks (62). Ses ve podcast: Spotify (35). Dil öğrenme: Duolingo (42).

İçerik geliştirme

Belgeler, sunumlar ve hesap tabloları: PowerPoint (4), Google Docs & Drive (6), Word (8), Excel (16), Keynote (75), Prezi (82). PDF: Adobe Acrobat (74). Blog ve web: WordPress (38), Google Sites (60).

Grafik ve tasarım: Canva (10), Adobe Photoshop (68), Figma (73), Affinity Designer (92). Ekran görüntüsü ve kayıt: Camtasia (47), Snagit (50), ScreenPal (84), Screencastify (88). Video ve ses düzenleme: CapCut (37), Descript (54), Clipchamp (58).

Etkileşimli içerik: hihaho (31), Genially (61). Eğitim hazırlama: Articulate (25), Easygenerator (56). Formlar: Google Forms (36), Microsoft Forms (78). Soru ve tekrar: Quizlet (49), Quizizz / Wayground (53).

Canlı katılım: Kahoot! (15), Mentimeter (24), StreamAlive (65). Etkileşimli eğitim: Edpuzzle (94), Nearpod (97).

İletişim ve iş birliği

E-posta: Gmail (30), Outlook (57). Mesajlaşma: WhatsApp (14), LINE (59). Görüşme: Zoom (11), Google Meet (21), Whereby (71).

Ekip çalışması: Microsoft Teams (20), Slack (33), Google Workspace (45), Notion (48), Trello (83), SharePoint (85). Dosya paylaşımı: Dropbox (87). Ortak pano ve sınıf araçları: Padlet (26), Classroomscreen (96), Mural (99).

Sosyal ağlar ve topluluklar: Instagram (13), TikTok (17), Facebook (18), LinkedIn (22), X (34), Reddit (76).

Web araçları

Arama ve başvuru: Google Search (9), Wikipedia (19), Google Scholar (28), Zotero (100). Tarayıcılar: Google Chrome (46), Brave (90). Çeviri: DeepL (51), Google Translate (63). Harita: Google Maps (29).

Kaynak toplama ve takip: Pinterest (41), Raindrop (52), Inoreader (86). Dijital notlar: OneNote (64), Notability (67), Goodnotes (81). Yazı ve zaman düzenleme: Grammarly (27), Google Calendar (70).

Öğrenme platformları

Google Classroom (40), Moodle (69), Canvas LMS (72), aNewSpring (93), Makeshapes (98). Buradaki Canvas, Instructure'ın öğrenme yönetim sistemidir.

Kaynaklar ve ürün notları

Ürün adları ve belirtilen özellikler 5 Kasım 2026 tarihinde kontrol edilmiştir. Arayüz, dil, yönetici ayarı ve abonelik planı erişimi etkileyebilir. Rehberdeki süreler, örnek konuşmalar ve ders akışları öneri niteliğindeki tasarımlardır; ölçülmüş başarı sonuçları olarak sunulmamıştır.

Editoryal not: TestEd, MediaRubic ve EdTech Türkiye ile aynı ekosistemde yer alan bir üründür. Rehberde ek araç olarak ele alınmıştır; 100 araçlık dizin, Jane Hart'ın özgün listesini içerir. [27]

1. Jane Hart: Top 100 Tools for Learning 2026
2. Jane Hart: About the survey
3. Wayground: Quizizz is now Wayground
4. Google: NotebookLM is now Gemini Notebook
5. University of York: Designing flipped learning
6. University of York: Defining flipped learning
7. University of York: Asynchronous student engagement
8. OpenAI: Getting started with ChatGPT as an educator
9. OpenAI: Using study mode in ChatGPT
10. OpenAI: Introducing study mode in ChatGPT
11. Google: Guided Learning in Gemini
12. Google: Use learning tools in Gemini Apps
13. Google: Guided Learning activities in Classroom
14. Google: Flashcards and quizzes in Gemini Notebook
15. Edpuzzle: View students' progress and grade questions
16. hihaho: How to make a branched scenario
17. Genially: Scenario based learning
18. Articulate: Rise 360 scenario blocks
19. Mentimeter: Providing textual input
20. Padlet: A visual collaboration platform for classes and teams
21. Google: Create and grade quizzes with Google Forms
22. Makeshapes: Group learning delivery
23. Articulate: Comparing Storyline 360 and Rise 360 LMS output
24. Genially: SCORM packages with interactive questions
25. TestEd: Ölçme ve değerlendirme platformu
26. TestEd: Document Quiz ile eğitim materyalinden sınav oluşturma
27. TestEd: Hakkımızda

Sorun zaman. Kalabalık bir sınıfta her soruyu her öğrencinin sevdiği konuya göre yeniden yazmaya hiçbir öğretmenin vakti yetmez. ChatGPT tam burada çözüm gibi görünüyor: Soruyu verip 'bunu futbolla ilgili yap' demek yetiyor. ABD'de yedi matematik öğretmeni tam bunu denedi ve sonuç umulduğu gibi çıkmadı.

Öğretmenler ders kitabındaki 143 problemi ChatGPT ile yemek, spor, müzik ve sosyal medya gibi konulara uyarladı ve 521 öğrenciye çözdürdü. Öğrencilere 'Bu problem ilgini çekti mi?' diye soruldu. Açık uçlu yanıtlardan 243'ü hayır, 163'ü evet dedi. Hayır diyenlerden birinin gerekçesi meselenin özünü veriyor: Problem Roblox üzerine kuruluydu ve o öğrenci Roblox oynamıyordu.

Educational Technology Research and Development dergisinde 2 Kasım 2026'da yayımlanan çalışma, bu sonucun nedenini öğretmenin ekranından izliyor. Öğretmen bütün sınıfa uysun diye 'oyun' ya da 'müzik' gibi geniş bir konu seçiyor; öğrenci ise kendi oynadığı oyunu, kendi dinlediği şarkıcıyı görmek istiyor. Bir problemi uyarlamak ortalama 4 dakika sürdüğü için her öğrenciye ayrı soru yazmak da mümkün olmuyor. ChatGPT soruyu yeniden yazabiliyor, ama asıl sorunu, yani herkesin sevdiği şeyin farklı olmasını çözmüyor.

Çalışma Nasıl Yapıldı?

ABD'nin farklı bölgelerindeki altı okuldan yedi yedinci sınıf matematik öğretmeni katıldı; ortalama deneyimleri 11,9 yıl. Öğretmenler önce iki saatlik bir eğitim aldı: Kişiselleştirme araştırmaları, öğrencinin okul dışı ilgilerini öğrenme yolları ve yanlılık, okunabilirlik ve kültürel uygunluk gibi etik konular. Ardından Illustrative Mathematics müfredatının iki ünitesinden (orantılı ilişkiler ve yüzdeler; ifadeler, denklemler ve eşitsizlikler) problemler seçip GPT-4o ile her birinin bir ya da iki kişiselleştirilmiş sürümünü yazdılar. Oturumlar kaydedildi, öğretmenler ne yaptığını yanlarındaki iki araştırmacıya sesli olarak anlattı.

Problemler ASSISTments ödev platformunda öğretmenlerin 521 öğrencisine verildi. İki sürüm varsa öğrenci birini seçti. Problemlerin yaklaşık üçte birinden sonra öğrencilerden 'ne kadar ilginçti' ve 'ilgi alanına ne kadar yakındı' sorularına 1-5 arası puan istendi. Velisi ek izin veren 197 öğrenciye ise problemlerin yaklaşık beşte birinden sonra açık uçlu sorular soruldu. Her ödevin ardından öğretmenler ve araştırmacılar sonuçları birlikte inceledi.

Öğretmenler ChatGPT'ye Ne Yazdı?

143 problem için 558 komut yazıldı; problem başına ortalama 3,9 komut. İlk komut genellikle iki biçimde geldi. Birinde öğretmen geniş bir konu verdi ('Bu problemi yemekle ilgili yapabilir misin?') ve gerisini modele bıraktı. Ötekinde belirli bir gönderme istedi, örneğin bir giyim markası. Makaleye göre ilk tür öğretmenin öğrencileri hakkında yalnız genel bilgi kullandığını, ikincisi somut bir bilgiye dayandığını gösteriyor.

Sonraki komutların önemli bir bölümü düzeltmeydi ve en öğretici örnekler burada. ChatGPT'nin kurduğu bir problemde öğrenciler perde çubuğu satın alıyordu; öğretmen 'yedinci sınıf öğrencisinin alacağı şeyler' istedi, problem posterlere döndü. Uçaktan arabaya çevrilen bir problemde öğretmen sürücünün hız sınırına uymasını istedi. Bir öğretmen modele e-sporun bir uygulaması olup olmadığını, bir başkası YouTube Premium aboneliğinin ne kadar tuttuğunu sordu. Öğretmen, öğrencilerinin dünyasına dair kendi bilgisindeki boşluğu kapatmaya çalışıyordu.

Bazı müdahalelerin etik boyutu vardı. Makale, öğretmenlerin sorunlu ünlülerin anılması, bir kız ve bir erkeği anlatan problemin ChatGPT tarafından iki erkeğe çevrilmesi ve bir kişinin kilosunu takip eden senaryo gibi çıktılara müdahale ettiği durumları aktarıyor. Hatalı problem çoğu zaman göze batmıyor; akıcı, düzgün bir metin olarak geliyor. Bunları yakalayan, öğrencisini ve dersini bilen öğretmenin gözüydü.

Öğrenciler Ne Dedi?

Öğrenci yanıtları ilginin nerede kırıldığını açıkça gösteriyor. Problemi ilginç bulanlar ya genel konuyu sevdiğini ya da belirli bir göndermeyi tanıdığını söyledi; Spotify'da çok müzik dinlediğini yazan öğrenci gibi. İlginç bulmayanlar aynı iki gerekçeyi tersinden verdi: Ya konuyu sevmiyordu ya da göndermeyi tanımıyordu. İyileştirme önerilerinde öğrenciler belirli bir göndermenin değiştirilmesini istedi, örneğin TikTok yerine Amazon. Yazarlar bundan, öğrencilerin geniş konu değişikliğinden çok ince ayar istediği sonucunu çıkarıyor.

Makalenin örneği durumu iyi özetliyor: İki öğrenci de müzik sevebilir, ama biri Taylor Swift temalı sorulardan nefret ederken öteki yalnız onları isteyebilir. Öğretmen bütün sınıf için problem yazarken bu ayrımı tutturamaz. Öğrenciler problemin gerçekçiliğine ise pek takılmadı. Yalnız 13 yanıtta bağlamın gerçek dışı olduğu, 5 yanıtta sayıların tutmadığı söylendi; bir öğrenci TikTok Shop'ta kulaklıkların o kadar pahalı olmadığını not etti.

Öğretmen Döngüde Kalınca Ölçek Genişliyor

Bir problemi kişiselleştirmek ortalama 246 saniye, yani yaklaşık 4 dakika sürdü; öğretmen ortalamaları problem başına 2 ile 5,5 dakika arasında değişti. Yazarların hesabıyla 10 problemlik tipik bir ödevin yalnız bir alternatif sürümünü hazırlamak 40 dakika ediyor. Projenin ilk planı her problemin dört farklı ilgi alanına göre dört sürümünü yazmaktı; oturumlar başlayınca bunun sürdürülemeyeceği anlaşıldı. Öğretmenin döngüde olduğu kişiselleştirme, öğretmenin ya da öğrencinin tercihinden bağımsız olarak, zaman yüzünden geniş taneli kalmaya mecbur olabilir. Yazarlar bunu kesin bir sonuç değil, araştırılması gereken bir olasılık olarak sunuyor.

Öbür uçta öğretmeni devreden çıkaran tasarımlar var. Makale, öğrencinin karşısına doğrudan modelin çıktığı sistemleri, örneğin Khan Academy'nin eğitmenini, ya da öğrencinin problemi modelle birlikte ürettiği sistemleri örnek veriyor; bunlar ince ayarlı kişiselleştirmeyi kolaylaştırıyor. Yazarlar bedelini de yazıyor: Öğretmen döngüden çıkarsa, bu çalışmada görülen etik ve bilgiye dayalı denetimleri yapma fırsatı da kaybolabilir. Makalenin aktardığı bir araştırmaya göre öğrenciler de öğretmenin işlerini yapay zekaya devretmenin aralarına mesafe koyacağından endişe ediyor.

Kaç Komut Yeterli?

Öğrenci puanlarıyla komut sayısı arasındaki farklar küçük, ama yazarlar betimsel bir örüntü görüyor: Puanlar 3 ile 5 komut civarında zirve yapıyor gibi. Yorumları şu: Çok az komutla bırakılan problem gerçekçilik ya da uygunluk sorunlarını taşımaya devam edebilir, çok fazla komut ise bir şeylerin ters gittiğine işaret edebilir. Alternatif açıklamayı da kendileri veriyor: Zor problemler hem daha çok komut gerektirmiş hem öğrenci tarafından daha az sevilmiş olabilir. Bu bir deney sonucu değil, sınanması gereken bir eğilim.

Kurumlar için asıl uyarı başka bir cümlede. Yazarlara göre öğretmeni döngüde tutmak, denetimin kendiliğinden yapılacağını garanti etmiyor. Öğretmenin hangi ölçütlerle bakacağını bilmesi, bunun için zamanı ve yetkisi olması ve yineleyerek düzeltmeye izin veren bir üretim düzeni gerekiyor. Değerlendirmemize göre bir okulun yapay zeka politikasındaki 'öğretmen onaylar' maddesi, öğretmene ayrılan zaman yazılmadıkça kâğıt üstünde kalır.

Okulda Denemek İsteyenler İçin Kontrol Listesi

1. Sıfırdan değil, ders kitabındaki problemden başlayın. Çalışmada öğretmenler bir üniteden en fazla sekiz problem seçti. Makale, yeniden yazılan problemlerde belirsizlik sorununun az görülmesini öğretmenlerin hazır problemle çalışmasına bağlıyor.
2. İlgiyi öğrenciden alın. Öğretmenlere bir ilgi görüşmesi protokolü ve anket verildi. 'Spor' yerine 'hangi takım', 'müzik' yerine 'hangi platform' sorusu, öğrencilerin istediği ince ayarı getirir.
3. İki sürüm hazırlayıp seçtirin. Çalışmada çoğu problem iki farklı ilgi alanıyla yazıldı ve seçim öğrenciye bırakıldı. Tek tema, o temayı sevmeyen öğrenciyi dışarıda bırakır.
4. Çıktıyı üç soruyla okuyun. Matematik doğru mu? Olay ve sayılar gerçek hayatta böyle mi? Yaşa uygun, kapsayıcı ve okunabilir mi?
5. Öğrenci adını komuta yazmayın. Yaş grubu, bölge ve ilgi alanı yeterli bağlamı verir.
6. Süreyi ölçün. Yazarlar her çalışmanın öğretmenin modelle geçirdiği süreyi raporlamasını öneriyor. Bir okul pilotunda da ilk ölçülecek şey bu.

Bulgunun Sınırları

Çalışma keşif amaçlı ve tasarım odaklı. Yedi öğretmen, tek sınıf düzeyi, tek müfredat ve tek platformla sınırlı; öğretmenler ücret karşılığı katıldı, eğitim aldı ve gözlem altında çalıştı. Bu, sıradan bir öğretmenin ders hazırlığından farklı bir ortam. Kontrol grubu yok; öğrenme ya da başarı ölçülmedi, yalnız ilgi puanları ve açık uçlu geri bildirim toplandı. Yazarlar bulguların başka sınıf düzeylerine, müfredatlara, platformlara ya da yapay zeka modellerine taşınacağına dair bir kanıt sunmadıklarını açıkça yazıyor. Türkiye müfredatında ya da Türkçe bir ortamda bir sınama yok.

Sıkça Sorulan Sorular

Yapay zekayla kişiselleştirilmiş problemler öğrenmeyi artırır mı?

Bu çalışma öğrenmeyi ölçmedi. Makalenin atıf yaptığı bir meta-analiz, daha özgül kişiselleştirmenin öğrencinin ilgisini artırmada en etkili yaklaşım olduğunu öne sürüyor. ChatGPT ile hazırlanan görevlerde öğrenme kazancının ayrıca sınanması gerekiyor.

Tane boyutu ne demek?

Kişiselleştirmenin ne kadar özgül olduğu. 'Bir müzik etkinliğine gitmek' geniş, 'bir Taylor Swift konserine gitmek' dar tanelidir. Öğrenciler dar taneli göndermeler istedi, ama dar gönderme onu sevmeyen öğrenciyi de kaçırıyor.

Öğretmen her öğrenci için ayrı problem yazmalı mı?

Çalışmadaki süreler bunun gerçekçi olmadığını gösteriyor; tek bir sürüm problem başına yaklaşık 4 dakika tuttu. Çalışmadaki yol, sınıfın ortak ilgisine göre iki sürüm hazırlayıp seçimi öğrenciye bırakmaktı.

Kaç komut yazmak gerekir?

Kesin bir sayı yok. Bu çalışmada ortalama 3,9 komut yazıldı ve öğrenci puanları 3-5 komut aralığında en yüksek göründü. Yazarlar bunu deneyle sınanması gereken bir eğilim olarak sunuyor.

Kaynak: Walkington, Feng, Pruitt-Britton, Beauchamp ve Lan, 'Should there be a teacher in-the-loop? A study of generative AI-personalized tasks middle school', Educational Technology Research and Development (Springer Nature), 2 Kasım 2026, DOI 10.1007/s11423-026-10756-2. Keşif amaçlı nitel ve betimsel çalışma (7 öğretmen, 521 öğrenci).

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Kimler kullanabilir, ne kadar?

OpenAI, Images 2.6'nın tüm katmanlarda açıldığını söylüyor. Bu bilgi yalnız şirketin X duyurusundan geliyor. Aşağıdaki tablo kaynaklarda bulunanı, bulunmayanı ayrı gösteriyor.

App Store sayfasında Plus adı iki farklı fiyatla (999,99 TL ve 9.999,99 TL) geçiyor ve dönem yazmıyor. Satın almadan önce kendi ekranınızdaki fiyata bakın.

Modelin yetenekleri

OpenAI'ın sürüm notuna göre GPT-Image-2.6 Sunburst ve Flare, ayarlanabilir karmaşıklık, SVG ve animasyonlu GIF üretimi getiriyor. Ayrıca işaretleyerek düzenleme, desteklenen GPT Image 2.5 ve 2.6 modellerine eklendi. İki modelin rolünü şirket şöyle ayırıyor: Düzenleme hassasiyetinin en çok önem taşıdığı işler için Sunburst, hızlı ve kaliteli gündelik üretim için Flare. Belgelerdeki yetenekler arasından, sınıfta en kolay denenebilecek üçünü seçtik:

• Süreci anlatan kısa GIF: Su döngüsünün üç adımını gösteren küçük bir animasyon. API rehberine göre bir GIF 2 ile 64 kare arasında olabiliyor; kare başına süre de ayarlanabiliyor.
• Çalışma kâğıdına uygun SVG: SVG, boyutu büyüdüğünde bozulmayan vektör görsel biçimidir. Basit bir şema ya da ikon için uygun olabilir. Kâğıda basım kalitesi, değerlendirmemize göre, deneyerek görülmeli.
• Mevcut görselde bölgesel düzeltme: API rehberine göre düzeltilecek yer, şeffaf bir PNG katmanında daire ya da çizgiyle işaretlenir ve istek metninde ne değişeceği yazılır.

Düzeltmeyi işaretleyerek yapmak

Rehbere göre orijinal görsel ilk girdi olarak kalıyor, işaret katmanı ayrı bir şeffaf PNG olarak gönderiliyor. İşaret yalnız ilk görsele uygulanıyor, diğer görseller referans işlevi görüyor. OpenAI istekte neyin korunacağının da yazılmasını öneriyor.

Bu, öğretmenin işini somut biçimde değiştirebilir. Tek bir yanlış etiket yüzünden bütün görseli yeniden üretmek zorunda kalmak can sıkıcıdır. Bölgesel düzeltme bu tekrarı azaltabilir. Ancak ChatGPT'de bu işaretlemenin nasıl yapıldığı kaynaklarda anlatılmıyor. Şimdilik bunu geliştirici belgesinde tarif edilen bir yetenek olarak okumak doğru olur.

Karmaşıklık ayarı ne işe yarıyor?

OpenAI'ın belgesine göre karmaşıklık, modelin görseli çizmeden önce ne kadar planlama yaptığını belirliyor. Düşük karmaşıklık arka plan ya da tabela değiştirmek gibi dar düzenlemelere uygun olabilir. Yüksek karmaşıklık yoğun metin, karmaşık yerleşim ve nesneler arası ilişkilerde yardımcı olabilir. Ayar atlanırsa iki model de yüksek seviyeyi kullanıyor. Belge, yüksek karmaşıklığın gecikmeyi artırabileceğini ve istenmeyen değişikliklere yol açabileceğini söylüyor; bu yüzden sonuçları kendi göreviniz için karşılaştırmak gerekiyor. Karmaşıklık ayarının ayrı bir ücreti yok.

Sınıfta deneme

Önce tek bir ders görseliyle küçük bir deneme yapın. Çıktıyı sınıfa göstermeden önce etiketleri, yazıları ve bilimsel doğruluğu kendiniz satır satır kontrol edin. Öğrenci verisi ve gerçek kişilerin fotoğrafları için de net bir kural koyun: Öğrenci adı, sınıf listesi, öğrenci ya da öğretmen fotoğrafı yüklemeyin. Kaynaklarda bu konuda bir güvence yok; yalnız şunu söylüyor: OpenAI API rehberi geliştiricilere kullanıcı kimliğini gizlilik gözeten biçimde göndermelerini öneriyor.

Bilinmeyenler ve sınırlar

OpenAI'ın API rehberi modelin sınırlarını açıkça sayıyor. Karmaşık istemlerin işlenmesi 2 dakikayı bulabiliyor. Metin yerleşimi geliştirilmiş olsa da kesin yerleşim ve netlikte hâlâ zorlanabiliyor. Tekrar eden karakterlerde ve marka öğelerinde görsel tutarlılık her zaman korunamayabiliyor; yerleşimi hassas kompozisyonlarda öğeleri tam yerine koymak da güç olabiliyor. Tüm istemler ve üretilen görseller şirketin içerik politikasına göre süzülüyor. Ayrıca rehberdeki örnek kodların hâlâ GPT Image 2.5 ile verildiği belirtiliyor. Kaynakta belirtilmeyenler şunlar: Türkçe metnin görsele doğru yazılıp yazılmadığı, eğitim planlarında sınırlar, ChatGPT'deki günlük kullanım limiti.

Geliştiriciler için

API rehberine göre karmaşıklık düşük, orta ve yüksek olarak ayarlanıyor ve ayrı bir ücreti yok. İşaret katmanı ve ilk görsel aynı genişlik ve yükseklikte olmalı; ikisi de en fazla 16.777.216 piksel olabilir, işaret dosyası 50 MB ile sınırlı. İşaret, maske ve istem yeniden yazıcıyla birlikte kullanılmıyor. Rehber, GPT Image modellerinden önce kuruluş doğrulaması gerekebileceğini de belirtiyor. Fiyat sayfasına göre iki model aynı fiyatta ve 2.5 sürümüyle eşit: Görsel çıktısı milyon token başına 30 dolar, görsel girdisi 8 dolar, metin girdisi 5 dolar.

Kaynak: OpenAI, 'Images 2.6' X duyurusu (4 Kasım 2026); OpenAI API Changelog, Kasım 2026; OpenAI API Image generation guide ve GPT Image 2.6 Sunburst model sayfası; OpenAI API fiyat sayfası; OpenAI haber akışındaki 'Introducing Images 2.6' duyuru özeti (4 Kasım 2026); App Store Türkiye ChatGPT sayfası.

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Cevap yerine adım adım rehberlik

Guided Learning, Gemini uygulamasında bulunan bir mod. Google'ın tanımıyla öğrenciye cevabı vermek yerine adım adım yönlendirerek anlayışı derinleştirmeyi amaçlıyor. Şirket, yaklaşımın kendi LearnLM araştırmasına dayandığını söylüyor ve hedeflerini sıralıyor: Merak uyandırmak, iskele kurmak, üretken zorlanmaya alan açmak, kademeli ipuçları vermek. Amaç öğrenciyi hızlı çözüme değil, çözüme giden yola yöneltmek.

Öğretmen Classroom'daki belirli kaynakları bağlam olarak seçebiliyor; Google'a göre bu, etkinliğin sınıfta işlenen konuyla örtüşmesini sağlıyor. Öğrenci etkinliği açtığında Gemini'nin yan gezinme paneli gizleniyor, sekme içinde yeni sohbet açılamıyor ve öğrenci Guided Learning modunda kalıyor. Değerlendirmemize göre özelliğin asıl farkı bu kısıt: Aynı pencerede başka bir sohbete geçip hazır cevap istemenin yolu kapanıyor. Kaynak, yeni sohbetin yalnızca ödevin açıldığı sekmede devre dışı kaldığını söylüyor.

Öğretmen sohbetlerden ne görüyor?

Classroom, öğrencilerin etkinlikle yaptığı konuşmalardan yapay zekanın ürettiği özet içgörüler sunuyor. Bunlar hem sınıf düzeyinde hem de tek tek öğrenci düzeyinde görülebiliyor. Öğretmen ayrıca bireysel öğrenci sohbet dökümlerine de erişebiliyor. Sınıf düzeyindeki özetin işlevi pratik: Onlarca öğrencinin konuşmasını tek tek okumadan çoğunluğun hangi adımda takıldığını görmek, ertesi dersin ilk beş dakikasını buna göre kurmak mümkün olabilir.

Chromebook kullanan okullar için ek bir seçenek var. ChromeOS ve Class Tools kullanan öğretmen ve öğrenciler, Guided Learning'i doğrudan başlatabiliyor. Google'ın anlatımına göre öğrenci tek bir sekmeye odaklanıyor, öğretmen de ilerlemeyi izlemek için öğrenci ekranlarını uzaktan görebiliyor.

Kimler kullanabilir?

Google'ın uygunluk listesinde Education Fundamentals, Standard ve Plus sürümleri yer alıyor. Yönetici tarafındaki şart şu: Öğretmen ve öğrenciler, Gemini'nin 'Açık' olduğu bir grupta ya da OU'da bulunmalı. OU, Workspace yönetiminde kullanıcıların kurum yapısına göre toplandığı kurumsal birim demek. Yani Gemini'yi yönetici açmadıysa etkinliği ne öğretmen ekleyebilir ne öğrenci kullanabilir. Takvim de önemli: Hızlı Sürüm ve Planlı Sürüm alan adlarında yayılım 3 Kasım 2026'da başladı. Google bunu, özelliğin görünür olması 15 günden uzun sürebilecek uzatılmış bir yayılım olarak tanımlıyor. Hesabınızda henüz göremiyorsanız yayılımın size ulaşmasını bekleyin.

Türkiye'ye gelince: Google 'tüm Gemini destekli dillerden' söz ediyor, ancak Türkçeyi ayrıca anmıyor. App Store Türkiye sayfası Gemini uygulamasının dil listesinde Türkçeyi gösteriyor; Guided Learning'in Classroom entegrasyonunda Türkçe için ayrı bir teyit kaynakta belirtilmiyor. Türkiye için ayrı bir yayılım tarihi de belirtilmiyor.

Sınıfta nasıl denenir?

Google dört kullanım öneriyor: Karmaşık matematik ve fen problemlerinde takılan öğrenciye ek destek, açık uçlu keşif ve kavram genişletme görevleri, proje fikirlerini grup tartışmasından önce konuşarak olgunlaştırma, ödev ve uzaktan çalışmada istek üzerine eğitmen yardımı. Şirket aracın, bağımsız çalışma ya da ödev hakkındaki ilk soruları karşılayan bire bir bir destek olarak öğretmen zamanını boşaltacağını da söylüyor.

Küçük başlayın. Pazar akşamı hazırladığınız tek bir problem setine Guided Learning ekleyin, kaynak olarak o haftanın çalışma kâğıdını bağlayın. Salı günü önce sınıf özetine, sonra iki üç öğrencinin sohbet dökümüne bakın ve özetin gerçekten takılma noktalarını yakalayıp yakalamadığını kendiniz sınayın. Öğrencilere de dökümü öğretmenin görebileceğini baştan söylemek, güveni korumanın en açık yolu.

Bilinmeyenler ve sınırlar

Kaynağımız Google'ın kendi duyurusu; özelliğin öğrenme başarısına etkisine dair bağımsız bir ölçüm yok. Duyuru, 'yeni araştırma' başlıklı bir Google yazısına bağlantı veriyor ama içeriği elimizdeki metinde bulunmuyor. Yapay zekanın ürettiği içgörü özetlerinin ne kadar isabetli olduğu, öğrenci sohbet dökümlerinin ne kadar süre saklandığı ve okul ya da veli izni gerekip gerekmediği de kaynakta belirtilmiyor.

Okulunuzun Workspace sürümünü ve Gemini'nin öğretmen ile öğrenci grubunda açık olup olmadığını bugün yöneticinizden öğrenin.

Kaynak: Google Workspace Updates, 'Educators can now add Guided Learning to assignments in Google Classroom to help students get extra support', 4 Kasım 2026.

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Halüsinasyon Nedir?

Yapay zeka halüsinasyonu, modelin gerçekte var olmayan bilgiyi — isim, tarih, istatistik, kaynak, olay — akıcı ve inandırıcı biçimde üretmesidir. Tehlikeli yanı yanlışlığı değil, sunumudur: model yanlışı da doğruyla aynı özgüvenle yazar. "Emin değilim" tonu çoğu zaman yoktur; okuyana ayırt edecek ipucu bırakmaz.

Neden Olur?

Kabaca söylersek: büyük dil modelleri bir bilgi veritabanı değil, bir metin tahmin sistemidir. Eğitildikleri devasa metinlerden dilin örüntülerini öğrenirler ve her adımda "bundan sonra en olası kelime ne?" sorusuna cevap verirler. Bu tasarım, akıcılıkta olağanüstüdür; ama modelin "bunu gerçekten biliyor muyum?" diye kendine soracağı yerleşik bir mekanizması yoktur. Bilmediği yerde örüntü, gerçeğin yerine geçer: olması muhtemel görünen bir kaynak adı, gerçek bir kaynak gibi yazılır.

Bu yüzden halüsinasyon bir "yazılım hatası" gibi tamamen kapatılabilecek bir şey değildir; modellerin doğasından gelen, azaltılabilen ama sıfırlanamayan bir eğilimdir. Yeni nesil modellerde belirgin azalma olsa da, sorumluluğun kullanıcıdan tamamen kalktığı bir aşamada değiliz.

En Riskli Anlar

• Kaynak ve atıf istediğinizde — uydurma referansların klasik sahnesi.
• Spesifik sayı, tarih ve isimlerde — model "yaklaşık doğru" örüntüyü gerçek veri gibi sunabilir.
• Dar ve az belgelenmiş konularda — model ne kadar az görmüşse, o kadar çok doldurur.
• Türkçe yerel bilgide — küresel modeller yerel kurum, mevzuat ve kişi bilgisinde daha sık yanılır.

Nasıl Korunursunuz? (Pratik Kontrol Listesi)

• Rolü doğru kurun: Yapay zekayı taslak ve fikir üreticisi olarak kullanın; gerçeklik kaynağı olarak değil. Yayınlanacak her isim, sayı ve atıf bağımsız doğrulanır.
• Kaynak sorun, sonra kaynağı doğrulayın: "Kaynağını göster" demek yetmez — verilen kaynağın gerçekten var olduğunu kontrol edin.
• Bilmemeye izin verin: Talimatınıza "emin değilsen emin olmadığını söyle, uydurma" eklemek basit ama etkilidir. Prompt mühendisliği yazımızda bu tür yönlendirmelerin nasıl kurulacağını anlattık.
• Kritik kullanımda RAG'e geçin: Cevapların gerçek dokümanlara dayanmasını istiyorsanız RAG yaklaşımı halüsinasyonu en çok azaltan mimaridir — model ezberinden değil, sizin kaynağınızdan konuşur.

Eğitimciler İçin Ek Not: Bu Aynı Zamanda Bir Ders Konusu

Halüsinasyon, eğitimciler için sadece kaçınılacak bir risk değil; öğretilecek bir kavram. Öğrencilerin yapay zeka çıktısını sorgulamadan kabul etmemesi, kaynak doğrulamayı refleks haline getirmesi — medya okuryazarlığının yeni katmanı tam olarak bu. Sınıfta bilinçli olarak bir halüsinasyon örneği yakalatmak, konuyu anlatmanın en kalıcı yoludur.

Siz yapay zekayı en çok hangi konuda "uydururken" yakaladınız? Örneklerinizi yorumlarda paylaşın — en öğretici vakaları derleyelim.

Yapay Zeka Kavram Rehberi serisinden: Yapay zeka dünyasının kavramlarını sade bir dille, eğitim penceresinden anlatıyoruz. Serinin çıkış yazısı: Döngü Mühendisliği Nedir?

Bu bulgu, yıl sonu eğitim raporunu hazırlayan herkesin tanıyacağı bir sahneye denk düşüyor. Raporda katılım oranı, tamamlanan modül sayısı ve memnuniyet puanı yer alır. Hiçbiri eğitimin işte neyi değiştirdiğini söylemez. Tamamlanma oranı bir faaliyet göstergesidir, başarı kanıtı değil. Derleme bu ayrımı tamamlanma oranı üzerinden kurmuyor; ama yöntem ile kanıt arasındaki kopukluğu belgeleyerek aynı yere varıyor.

Makale 12 Ekim 2026'da açık erişimle yayımlandı. Araştırmacılar PRISMA çerçevesini izleyerek 2019-2024 arasında yayımlanmış araştırmaları ele aldı ve son örneklemde 36 hakemli makaleyi analiz etti. Odak, profesyonel ve ileri akademik bağlamlardaki eğitim. Dört soru soruluyor: Hangi kuramsal bakışlar öne çıkıyor, bu kuramlar tasarıma nasıl yansıyor, etkililik hangi araştırma yöntemleri ve değerlendirme modelleriyle sınanıyor, sonuçlar hangi ölçütlerle ölçülüyor. Bize ulaşan metinde taranan kayıt sayısı, yazarların kurumu ve incelenen çalışmaların ülke dağılımı yer almıyor.

Üç Kuram Var, Hibrit Tasarım Sınırlı

Derlemeye göre incelenen çalışmalarda eğitim tasarımını en sık üç bakış yönlendiriyor: Davranışçı, bilişsel ve yapılandırmacı yaklaşım. Davranışçılık öğrenmeyi tekrar, pekiştirme ve ölçülebilir sonuçlarla şekillenen bir süreç olarak görür. Bilişselcilik zihnin bilgiyi nasıl alıp düzenlediğine bakar; bilişsel yük kuramı, gereksiz zihinsel çabayı azaltan bir tasarım önerir. Yapılandırmacılık ise öğrenenin gerçek görevlerle uğraşarak ve başkalarıyla etkileşerek bilgiyi kendisinin kurduğunu savunur. Özetteki tespit açık: Bu üç bakış eğitimleri yönlendiriyor; özet, aralarındaki melezleşmenin sınırlı kaldığını belirtiyor.

Makale olması gerekeni de tarif ediyor ve buna 'kuramsal melezleşme' diyor. Bu modelde her kuramın net bir görevi var. Davranışçılık teknik görevlerde anında geri bildirim verir ve doğru hareketi pekiştirir. Bilişselcilik bilgiyi düzenleyip yükü hafifletir. Yapılandırmacılık ise özellikle sanal ve sürükleyici ortamlarda öğrenenin kendi anlayışını kurmasını destekler. Özet melezleşmenin sınırlı kaldığını söylüyor; metin ise bu yönde bir kaymanın tespit edildiğini yazıyor.

Kurum içinde bunun karşılığı somut. Örnek olarak yeni satış temsilcileri için hazırlanmış bir uyum programını alın. Teklif sistemine veri girmek hata payı düşük bir prosedürdür; tekrar ve anında geri bildirimle öğrenilir. Ürün yelpazesini kavramak, görsel ve sözel anlatımın birlikte kullanıldığı düzenli bir içerik ister. Zor bir müşteri görüşmesini yönetmek ise ancak canlandırma, deneyim ve ardından yansıtmayla gelişir. Değerlendirmemize göre programı 'mikroöğrenme' ya da 'sanal gerçeklik eğitimi' gibi tek bir yöntem adıyla tanımlamak, bu üç ayrı öğrenme işini tek kalıba sokuyor.

Ölçüm Öğrenmede Duruyor, Kalıcı Etkide Değil

İkinci tespit ölçümle ilgili. İncelenen çalışmalarda sonuç ölçütleri ağırlıkla öğrenme, performans ve beceri gelişimine odaklanmış; uzun vadeli etkiyi inceleyen çalışma sayısı daha az. Oysa makalenin aktardığı literatür, iş yerindeki eğitimden yalnızca bilgi aktarmasını beklemiyor. Çalışan performansında ölçülebilir iyileşme, sürekli beceri gelişimi ve verimlilik, karar verme, yatırım getirisi gibi sonuçlar istiyor.

Değerlendirmemize göre açığın nedeni anlaşılır: Eğitimin bitiminde yapılan son test ucuzdur, hızlıdır ve eğitim ekibinin kendi kontrolündedir. Üç ay sonra işte neyin değiştiğini görmek ise yöneticinin gözlemini, iş biriminin verisini ve bir karşılaştırma noktasını gerektirir.

Bir müşteri hizmetleri eğitimini örnek alın. Son testte ortalama puan yüksek, katılımcılar memnun. Asıl soru, üç ay sonra ilk temasta çözülen talep oranının ya da çağrı başına çözüm süresinin değişip değişmediği. Eğitim takvimi kapanırken bu ikinci ölçümün tarihi de takvime yazılmıyor.

Değerlendirme Modeli Çok, Ortak Dil Yok

Üçüncü bulgu değerlendirme pratiklerinin dağınıklığı. Derlemeye göre değerlendirme uygulamaları bağlamdan bağlama değişiyor; farklı araştırma yöntemleri ve yapılandırılmış değerlendirme modelleri kullanılıyor. Makalenin kuramsal çerçeve bölümü bu modellerin bir kısmını sayıyor; Kirkpatrick örneği ise giriş niteliğindeki Background bölümünde geçiyor. Donabedian'ın modeli eğitimi yapı (ortam ve kaynaklar), süreç (yöntem ve etkinlikler) ve sonuç (ölçülebilir öğrenme çıktıları) olarak üçe ayırıyor. Stufflebeam'in CIPP modeli hangi kaynakların gerektiğini, eğitimin nasıl yürütüldüğünü ve hangi sonuçlara ulaşıldığını sistemli biçimde sorguluyor. İnsan Performans Teknolojisi modeli performans boşluklarından yola çıkıyor. Olfman-Bostrom-Sein modeli eğitimin hem bilgiyi hem davranışı nasıl etkilediğini ölçmeyi öneriyor. İnşaat sektöründeki Kirkpatrick temelli değerlendirmeler de örnekler arasında anılıyor.

Model bolluğu tek başına sorun değil. Sorun, amaç, etkinlik ve kanıt aynı çerçevede tanımlanmadığında başlıyor. Makale de literatürün bu öğeleri çoğu zaman ayrı ayrı sunduğunu ve bunun farklı bağlamlarda eğitim tasarlamak için somut rehberlik çıkarmayı sınırladığını yazıyor. Kurum için pratik anlamı şu: Kanıt, eğitim bittikten sonra değil, tasarımın ilk gününde tanımlanmalı. Aşağıdaki tablo, makalenin kuram tanımlarından hareketle hazırladığımız bir eşleştirme önerisidir; derlemenin kendi tablosu değildir.

Pahalı Yöntem, Daha Ağır Kanıt Yükü

Derlemenin giriş bölümü, sürükleyici teknolojilere dair önceki araştırmaları özetliyor. Bu araştırmalar, sürükleyici teknolojilerin katılımı ve performansı iyileştirme potansiyelini gösteriyor; ama yüksek maliyet, yeni öğrenenler için erişilebilirlik sorunları ve teknik güçlükler gibi sınırları da kayda geçiriyor. Makale, giriş bölümünde bu önceki araştırmaların çoğunun tek bir yönteme ya da belirli bir bağlama odaklandığını söylüyor; bu, derlemenin kendi bulgusu değil, literatür tespitidir.

Bu iki tespit yan yana konunca bir yatırım uyarısına dönüşüyor. Bir yöntem ne kadar pahalıysa, etkisini gösterecek ölçüm düzeni de o kadar sağlam olmalı. Oysa literatür, hangi yöntemin hangi kuramla ve hangi ölçütle birlikte işe yaradığını bütüncül biçimde göstermekte zorlanıyor. 'Bir sektörde işe yaradı' bilgisi, başka bir sektöre ve başka bir hedefe kendiliğinden taşınmıyor.

Somut bir sahne: Üretim tesisi için sanal gerçeklik gözlüğüyle iş güvenliği eğitimi teklifi masada. Teklifte cihaz sayısı, içerik ücreti ve kullanıcı memnuniyeti anketi var. Eksik olan, eğitimden önce ve sonra hangi güvenlik davranışının, ne kadar süreyle ve kim tarafından gözleneceği.

Kendi Programınızı Sınamak

Türkiye'deki bir kurumun eğitim ve gelişim ekibi, derlemenin işaret ettiği kopukluğu kendi programlarında birkaç gün içinde sınayabilir:

• En çok bütçe ayrılan üç programı seçin ve her biri için tek cümlelik amacı yazın. Amaç bir davranış ya da iş sonucu içermiyorsa yeniden yazın.
• Geçen yılın eğitim raporunu önünüze alıp göstergeleri iki sütuna ayırın: Tamamlanma, katılım ve memnuniyet bir yanda, davranış ve iş sonucu öbür yanda. İkinci sütun boşsa ölçüm dengeniz belli olur.
• Yukarıdaki tabloyu bir programa uygulayıp her etkinliğin karşısına bir kanıt yazın; karşılığı boş kalan etkinliği yeniden gözden geçirin.
• Eğitimi yeni biten bir grup için üç ay sonrasına takip ölçümü planlayın ve tarihini şimdiden takvime koyun.
• Satış ekibinin yöneticisine 'bu eğitimden sonra hangi rakamın oynamasını beklersiniz?' diye sorun; yanıtı programın ölçüm göstergesi yapın.
• Yeni teknoloji tekliflerine 'hangi davranış, ne zaman, kim tarafından ölçülecek' satırını zorunlu alan olarak ekleyin.

Derlemenin Sınırları

Bulguyu doğru okumak için birkaç noktayı akılda tutmak gerekiyor. Derleme 2019-2024 arasında yayımlanmış 36 hakemli makaleye dayanıyor. Bu, kurumlardaki eğitim pratiğinin değil, o pratiği inceleyen akademik yayınların resmi; yayımlanmayan kurum içi değerlendirmeler tabloda yok. 'Uzun vadeli etkiyi inceleyen çalışma daha az' tespiti oran verilmeden yapılıyor; bize ulaşan metinde kaç çalışmanın uzun vadeli etkiye baktığı yazmıyor.

Derleme ayrıca yükseköğretim ile iş yerini birlikte ele alıyor ve teknoloji ve tasarım eğitimi bakış açısıyla yazılmış. Doğrudan bir kurumsal eğitim kılavuzu değil. Melezleşme konusunda özet ile metin arasında bir vurgu farkı da var: Özet melezleşmenin sınırlı olduğunu söylerken metin bu yönde bir kaymadan söz ediyor. Tablo ve kontrol listesi bu nedenle bizim yorumumuz; derlemenin önerisi değil.

Sıkça Sorulan Sorular

Bu derleme hangi eğitim yönteminin en iyi olduğunu söylüyor mu?

Hayır. Derleme yöntemleri sıralamıyor; yöntem, kuram ve değerlendirmenin aynı çalışmada nasıl bir araya getirildiğine bakıyor. Vardığı sonuç, bu öğelerin çalışmalar arasında tutarlı biçimde hizalanmadığı.

Tamamlanma oranını ölçmeyi bırakmalı mıyız?

Hayır. Tamamlanma ve katılım, programın kime ulaştığını gösteren faydalı göstergeler. Ancak eğitimin işe etkisini anlatmazlar. Bunları amaca bağlı bir davranış ya da iş göstergesiyle birlikte raporlamak daha anlamlı bir tablo verir.

Uzun vadeli etki nasıl ölçülebilir?

Derleme bunun için hazır bir reçete sunmuyor. Pratik bir başlangıç, eğitim tasarlanırken bir iş göstergesi seçmek, eğitimden önce bu göstergenin mevcut değerini kaydetmek ve birkaç ay sonra aynı göstergeye yeniden bakmak. Makalenin andığı Donabedian ve CIPP gibi modeller bu adımları yapılandırmak için çerçeve olarak kullanılabilir.

Kaynak: 'Training Methods in Higher Education and the Workplace: A Systematic Literature Review', 12 Ekim 2026.

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Çerçeve ayrımı açıkça koyuyor: 'Yapay zeka okuryazarlığı, yapay zeka aracı kullanımından farklıdır.' Devamında, araçlarla salt etkileşimin çerçevede tarif edilen bilgi, beceri ve yetkinlikleri ne geliştirdiğini ne de onlara dayandığını söylüyor.

Çerçeve Kimden, Nasıl Hazırlandı?

AILit Çerçevesi, Avrupa Komisyonu ile OECD'nin ortak girişimi ve ilk ile ortaöğretim için yazıldı. Taslak Mayıs 2025'te yayımlandı. Paydaşlar bir anket ve bir dizi danışma toplantısıyla geri bildirim verdi; 2.000'den fazla kişinin görüşü final sürümü şekillendirdi. Raporun kapak notuna göre OECD adına PISA Yönetim Kurulu çalışmayı 8 Nisan 2026'da onayladı. Çerçeve, PISA 2029'daki Medya ve Yapay Zeka Okuryazarlığı (MAIL) değerlendirmesine katkı sağlıyor; web sitesi aynı katkıyı PISA 2029'un 'Innovative Domain' bölümü olarak anıyor.

Elimizdeki şey bir araştırma bulgusu değil, bir tasarım ve politika belgesi. Bağlayıcı değil; öğretmenleri, okul yöneticilerini ve eğitim otoritelerini desteklemek için hazırlandı.

Komut Yazmak Nerede Duruyor?

Create with AI alanının üçüncü yetkinliği, üretken sistemleri geri bildirim almak, sonucu geliştirmek ve düşünmeyi desteklemek için yönlendirmek. Komut bu yetkinliğin yalnız ilk basamağı. Kaynaktaki üç seviye ve sınıf senaryoları şöyle:

Basamaklar komuttan yargıya çıkıyor. Temel seviyede soru 'nasıl istenir' iken İleri seviyede 'bu geri bildirim fikrimi nereye götürdü' oluyor. Değerlendirmemize göre bu, komut eğitimini bırakmayı değil, onu programın başlangıcı saymayı gerektiriyor. Sınıfta ilk adım, aynı fikir için iki komut yazdırıp çıktıları yan yana koymak olabilir. Öğrenciden hangisinin neden daha iyi çalıştığını açıklamasını isteyin.

Dört Alan Sırayla Okunuyor

Çerçeve yetkinlikleri dört alanda topluyor: Engage with AI, Create with AI, Manage AI ve Shape AI. Alanlar olası bir öğrenme yolunu yansıtacak biçimde sırayla sunuluyor. Engage with AI temel alan: Öğrenci önce yapay zekanın günlük yaşamdaki rolü üzerine eleştirel düşünmeyi öğreniyor. Create ve Manage bu temelin üstünde paralel ilerliyor. Shape AI ise zirve alan; çerçeveye göre ek destek ve zaman gerektirebilir. Engage 7 yetkinlikle en kalabalık alan, diğer üçü dörder yetkinlik taşıyor.

Okul yöneticisi bu tabloyu bir envanter olarak kullanabilir: Okuldaki her yapay zeka etkinliğini bir yetkinliğin yanına yazın, boş satırlar eksik alanı gösterir. Seviyeler için çerçeve, Temel, Orta ve İleri basamaklarının belirli yaş ya da sınıf aralığına karşılık gelmediğini yazıyor.

Kullanmamaya Karar Vermek de Beceri

Manage AI alanının ilk yetkinliği, görevin doğasına bakarak yapay zeka kullanıp kullanmamaya karar vermek. Temel seviye senaryoda öğretmen günlük görevleri tek tek sayıyor; öğrenciler sınıfın köşelerine dağılıyor. Köşelerin etiketleri 'Yalnız yapay zeka', 'Yapay zeka destekli', 'Yalnız insan' ve 'Emin değilim'. Aynı yetkinliğin Orta seviyesindeki sınıf senaryosunda öğrenci, ödevin adımlarını tek tek ele alıyor ve hangisinde yapay zekanın yardım edebileceğini, hangisinin kendi sesini ve muhakemesini gerektirdiğini ayırıyor.

Tutum bölümü bu ruhu açıkça yazıyor: Sorumlu öğrenen, yapay zeka kullanımı hakkında şeffaflığın ve bilinçli karar vermenin önemini görür; buna yapay zekayı kullanmama tercihi de dahil. Problem çözme becerisi tarifinde de aynı fikir var: Öğrenciler yapay zekayı verimsiz, güvenilmez ya da hedefle uyumsuz bulduklarında sınırlayabilir veya bırakabilir.

Okul yönergeleri için çıkarım şu: 'Serbest' ile 'yasak' arasında tek bir çizgi çekmek yerine, ödevin adımlarını ayırıp her adımda ayrı karar vermeyi öğretmek çerçevenin sunduğu yol.

Öğretmenin Kendi Hazırlığı

Çerçeve, öğretmenleri yapay zeka okuryazarlığının ön saflarında görüyor ama bu sorumluluğu tek başlarına taşıyamayacaklarını yazıyor. Metin, OECD'nin 2024 TALIS çalışmasına dayanarak ortalamada öğretmenlerin üçte birinin yapay zeka kullandığını, dörtte üçünün ise yapay zekayla öğretmek için bilgi ve beceriden yoksun olduğunu bildirdiğini aktarıyor. Önerisi açık: Okul ve sistem yöneticilerinin tasarlayacağı hizmet içi öğrenme yalnız araç kullanımına değil, etik düşünmeyi ve öğrencinin kendi karar gücünü destekleyen öğretim yöntemlerine odaklanmalı.

Eğitim ekipleri için bir ayrım yararlı olur: Araç tanıtım oturumu öğretmene aracı gösterir, yöntem çalışması ise aracın derste ne zaman kullanılacağına ve ne zaman kullanılmayacağına karar vermeyi öğretir.

Bu Hafta Atılabilecek Adımlar

Bir okulun ya da okul yöneticisinin bu hafta atabileceği üç adım:

• Okuldaki yapay zeka etkinliklerini dört alana göre işaretleyin ve boş kalan alanı not edin.
• Bir derste Create with AI 3'ün Temel seviyesini deneyin: İki komut sürümünü yan yana koyun, farkı öğrencilere açıklatın.
• Öğrencilere bir yapay zeka çözümünü öğretmenin yöntemiyle karşılaştırtın; kabul, düzeltme ya da ret kararını gerekçelendirmelerini isteyin.

Eğitim Ekipleri İçin Uyarlama

Çerçeve okullar için yazıldı; çalışanlara yönelik bir belge değil ve yetişkin ya da kurumsal eğitimde denendiğine dair kaynakta bilgi yok. Değerlendirmemize göre yine de iki fikir kurum programlarına taşınabilir. Birincisi alan mantığı: Kurumun yapay zeka eğitim kataloğundaki her içeriği dört alandan birine yerleştirip hangisinin boş kaldığına bakmak. Katalogda yalnız komut atölyeleri varsa, program Create alanının bir köşesinde kalmış demektir. İkincisi seviye mantığı: Çerçevede seviyeler yaşa ya da sınıfa bağlı değil, çünkü öğrenenler farklı birikimle başlıyor.

Sınırlar

Çerçeve bir öğrenme kazanımı çalışması değil; hangi yetkinliğin öğrenciye ne kazandırdığını ölçmüyor. Metnin kendisi de yapay zekanın öğrenmeyi ne zaman artırdığını ya da zayıflattığını netleştirmek için daha fazla araştırma gerektiğini söylüyor. Komutun adı yetkinlik ve seviye tanımlarında yalnız Create with AI altında geçiyor, ancak Hesaplamalı Düşünme becerisinin açıklamasında komut, hedefleri yapay zekanın işleyebileceği biçimde anlatmanın bir örneği olarak anılıyor. Sınıf senaryoları yerel bağlama, yönergelere ve mevzuata uyarlanmalı. Çerçeve bağlayıcı değil ve AB Yapay Zeka Yasası'nın uygulanmasına rehberlik etmeyi amaçlamıyor.

Sıkça Sorulan Sorular

Komut yazmayı öğretmek yanlış mı?

Hayır. Create with AI 3'ün Temel seviyesinde komut bilgisi yer alıyor. Çerçevenin itirazı, bunu okuryazarlığın tamamı saymaya: Yapay zeka okuryazarlığını araç kullanımından ayırıyor.

Çerçeve okullar için zorunlu mu?

Hayır. Kaynağa göre bağlayıcı değil; öğretmenleri, okul yöneticilerini ve eğitim otoritelerini desteklemek için hazırlandı. Türkiye'de bir kurumun çerçeveyi benimsediğine dair kaynakta bilgi yok.

Çerçeve Türkçe mi?

Kaynaklarda Türkçe sürüm belirtilmiyor. Web sitesindeki etkileşimli sayfa şu an yalnız İngilizce.

Kaynak: OECD / Avrupa Birliği, 'Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education', OECD Publishing, Paris, 2026. Rapor ve çerçeve sitesi.

Bu yazıdaki görüşler OECD'nin, üye ülkelerinin ya da Avrupa Birliği'nin resmî görüşü olarak aktarılmamalıdır.

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Araştırmanın künyesi

Çalışma, açık erişimli bir sistematik derleme. Yazarlar PRISMA 2020 yönergesini izledi. Arama 24 Ekim 2025'te yapıldı ve iki veri tabanını taradı: Eğitim odaklı ERIC ile çok alanlı Web of Science. Toplam 721 kayıt belirlendi; eleme sonunda 56 çalışma kaldı. Bunların 33'ü öğrenci odaklı, 9'u öğretmen adayı odaklı, 7'si görevdeki öğretmen odaklı, 5'i diğer yükseköğretim paydaşlarını, 2'si karma ya da belirsiz grupları kapsıyor.

Bu bir deney değil, literatür taraması. Yani bulgular tek bir kurumun ya da ülkenin ölçümü olarak okunmamalı. Derleme, 2021-2025 arasında yayımlanmış İngilizce çalışmaları ele alıyor. K-12 ve kurumsal çalışan örneklemleri kapsam dışı bırakılmış. Eğitim ve gelişim ekipleri için bu önemli bir sınır: Bulguların şirket içi eğitimlere doğrudan taşınacağı varsayılamaz.

Tanım hâlâ oturmuş değil

Yazarlara göre yükseköğretimde yapay zeka okuryazarlığının tanımı, çekirdek boyutları ve kuramsal sınırları üzerinde net bir uzlaşma yok. Çerçeveler birbirinden ciddi biçimde ayrılıyor. Yedi boyutlu 'yapay zeka okuryazarlığı yedigeni' teknik ve uygulamalı yetkinlikleri öne çıkarırken, eleştirel yapay zeka okuryazarlığı ölçeği ile duyuşsal, davranışsal, bilişsel ve etik boyutları bir araya getiren ABCE modeli eleştirel, duyuşsal ve etik boyutlara ağırlık veriyor. Etiğin yeri bile tartışmalı: Bazı çerçeveler onu birçok boyuttan biri sayıyor, bazıları tüm yetkinlikleri kesen bir mercek olarak konumlandırıyor.

Değerlendirmemize göre bunun kurumlar için pratik sonucu şu: 'Yapay zeka okuryazarlığı eğitimi aldık' cümlesi tek başına bir şey söylemiyor. Hangi çerçevenin, hangi boyutun kastedildiği belli değilse iki kurumun aynı eğitimi aldığını söylemek mümkün değil.

Eğitimler araç ve komut becerisine yığılıyor

Derlemenin ikinci sorusu, hangi eğitim yollarının uygulandığıydı. Yazarlar erken dönem çabaların sıklıkla işlemsel becerilere odaklandığını belirtiyor: Üretken yapay zeka araçlarını kullanmak, çıktıyı doğrulamak, uygulamaları ders tasarımına katmak. Bu araç odaklı yaklaşımlar kısa vadede yararlı bulunuyor. Ancak derin eleştirel yansıtmayı, etik tartışmayı ve duyuşsal katılımı çoğu zaman ihmal ediyor.

Doğrulama, derlemede işlemsel beceriler arasında sayılıyor. Değerlendirmemize göre bu bir ayrıma işaret ediyor: Çıktıyı kontrol etmeyi öğretmek, tek başına eleştirel değerlendirme kazandırmak anlamına gelmeyebilir. Eleştirel düşünme, çıktının neden güvenilir göründüğünü ve kimin zararına çalışabileceğini sormayı da içerir.

Yazarlar kanıt tabanının sınırını da açıkça yazıyor: Mevcut çalışmaların çoğu küçük ölçekli, tek merkezli ya da keşfedici nitelikte; birleşik ve ölçeklenebilir yollara dair kanıt az.

Hangi eğitim yolu ne kanıtlıyor?

Derleme eğitim yollarını beş gruba ayırıyor. Gruplar birbirini dışlamıyor; bazı uygulamalar birden fazla yolu birleştiriyor. Tablo, derlemenin temsilî örneklerine dayanıyor ve 56 çalışmanın tam bir dökümü değil.

Rakamlar mesleki gelişim satırında verilmiş. Hong'un çalışması yüzde 56,0'lık genel okuryazarlık kazanımı ve altı ay sonra yüzde 85'in üzerinde kalıcılık bildiriyor. Hur'un çalışması yapay zeka kaygısında anlamlı düşüş ve öğretim güveninde artış gösteriyor. Garcia Vallejo'nun çalışmasında memnuniyet 5 üzerinden 4,81 ve etik ile pedagojik farkındalık belirgin. Bunlar derlemenin aktardığı tek tek çalışmalar; her biri kendi örnekleminde ve kendi ölçeğiyle geçerli.

Kalıcılık ölçümü burada tek bir çalışmayla örnekleniyor ve o programın süresi derlemede ayrıca belirtilmiyor. Kısa bir atölyenin aynı kalıcılığı sağlayacağını bu veriden çıkarmak mümkün değil.

Öğrenci ve eğitmen aynı yerde durmuyor

Üçüncü soru, okuryazarlık düzeylerine ilişkin ampirik kanıttı. Öğrenci odaklı çalışmalar çoğunlukla orta düzeyde genel okuryazarlık bildiriyor. Eğitmen odaklı çalışmalar ise üst düzey, pedagojik ve etik alanların birkaçında hazırlık kaygılarına işaret ediyor. Yazarlar bu iki grubun doğrudan istatistiksel karşılaştırması olarak okunmaması gerektiğini vurguluyor; ölçekler, örneklemler ve bağlamlar çalışmadan çalışmaya farklı.

Dört ABCE boyutu arasında ilişkiler görülüyor. Davranışsal katılım ve etik anlayış, duyuşsal boyuttan bilişsel boyuta giden yolda aracılık rolü oynuyor. Bunu sade söylersek, motivasyon ve güven doğrudan bilgiye dönüşmüyor; araya uygulama ve etik kavrayış giriyor.

Derlemenin betimleyici bölümü de bir dengesizliği gösteriyor: Yazarlar literatürün güçlü biçimde öğrenci merkezli olduğunu ve eğitmen ile kurum bakış açılarının az incelendiğini belirtiyor.

Bu hafta ne yapılabilir

Aşağıdaki adımlar derlemenin bulgularından çıkardığımız tavsiyelerdir; derlemenin kendi önerisi değildir. Bir üniversitenin ya da kurumsal eğitim biriminin bu hafta başlayabileceği adımlar:

• Mevcut yapay zeka eğitiminin programını üç başlığa ayırın: Araç kullanımı, çıktıyı eleştirel değerlendirme, etik ve sorumluluk. Her birine kaç saat ayrıldığını yazın.
• Her oturuma, yapay zekanın ürettiği metinde hata bulmayı ve gerekçelendirmeyi isteyen bir görev ekleyin.
• Katılımcıya aracı kaç kez kullandığını değil, bir çıktıyı neden reddettiğini ya da düzelttiğini sorun. Kullanım sayısı panosuna tek başına güvenmeyin.
• Öğretim elemanları ve öğrenciler için ayrı ölçüm yapın. Derleme iki grubun farklı alanlarda zorlandığını gösteriyor; tek bir anket ikisini aynı çıtaya koymamalı.
• Eğitimden altı ay sonra kısa bir izleme ölçümü planlayın. Derlemede altı aylık kalıcılık ölçümü, Hong'un çalışmasıyla örnekleniyor.
• YÖK'ün Üretken Yapay Zeka Kullanımına Dair Etik Rehberi'ni eğitim içeriğinizle karşılaştırın. Rehberin kapsamı bilimsel araştırma ve yayın faaliyetleridir; ders içi kullanım kurallarını kurumun ayrıca düşünmesi gerekir.

Okul düzeyinde bu boşluğu dolduracak bir çerçeve arayanlar için OECD ve Avrupa Komisyonu'nun dört alan ve 19 yetkinlikten oluşan yapay zeka okuryazarlığı çerçevesini ayrıca inceledik.

Sınırlar

Derlemenin yazarları kendi sınırlarını açıkça listeliyor. Veri çıkarımı yazar ekibince yapıldı ve değerlendiriciler arası güvenirlik istatistiği hesaplanmadı. Kalite değerlendirmesi biçimsel bir ağırlıklandırma olarak değil, anlatısal biçimde kullanıldı. Arama dizesi, 'educator' gibi terimleri kapsamadığı için geriye dönük olarak dar bulundu. Ek A'daki kaynak haritası 56 çalışmalık taranmış havuzun birebir karşılığı değil; bu yüzden havuza ilişkin sayımlar için kullanılmamalı. Yayın ağırlığı Asya, Kuzey Amerika ve Avrupa'da; Afrika ve Güney Amerika'dan az çalışma var. Türkiye'ye ilişkin ayrı bir bulgu elimizdeki metinde yer almıyor. Üçüncü soruya ilişkin bulgular burada derlemenin özeti düzeyinde aktarıldı.

İki sınır daha okurun işini doğrudan ilgilendiriyor. Derleme okul ve kurumsal örnekleri kapsam dışı bıraktığı için bulgular yükseköğretim bağlamına aittir. Okul yöneticileri ve şirket eğitim ekipleri bunları yalnızca ipucu olarak okumalı. Ayrıca bulgular eğitimlerin ne içerdiğini anlatıyor, hangisinin daha iyi sonuç verdiğini kanıtlamıyor.

Sık sorulan sorular

Komut yazma eğitimi gereksiz mi?

Hayır. Derleme araç odaklı yaklaşımların kısa vadede pratik olarak yararlı olduğunu belirtiyor. Sorun, eğitimin yalnızca orada kalması. Eleştirel değerlendirme ve etik tartışma eklenmediğinde okuryazarlığın bütünü gelişmiyor.

Bu derleme Türkiye'deki üniversiteleri de kapsıyor mu?

Elimizdeki metinde ülke bazlı döküm yok. Derleme coğrafi dağılımı yalnızca bölgeler düzeyinde veriyor: Asya, Kuzey Amerika ve Avrupa ağırlıklı. Türkiye'den çalışma olup olmadığı kaynakta belirtilmiyor.

Okul yöneticileri bu bulgulardan yararlanabilir mi?

Çerçeve olarak evet, kanıt olarak sınırlı. Derleme K-12 örneklemlerini kapsam dışı bıraktı. Eğitim programını araç, eleştirel değerlendirme ve etik olarak ayırma önerisi okullarda da denenebilir.

Kaynak: Springer, 'A systematic review examining conceptualizations and implementation pathways alongside empirical evidence of artificial intelligence literacy in higher education from 2021 to 2025', Cilt 5, makale no 1234, 27 Ekim 2026, DOI 10.1007/s44217-026-02323-x. Ek kaynak: Yükseköğretim Kurulu, 'Yapay Zeka Kullanımına Dair Etik Rehber' sayfası.

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Duyuru Ne Söylüyor?

Google'ın yazısındaki açık cümle şu: Gemini uygulamasındaki yeni öğrenci merkezinde sürükleyici keşifler kullanıma sunuluyor. Yazının etiketleri 'Gemini App' ve 'Learning & Education'. Elimizdeki metin özelliğin nasıl çalıştığına dair ayrıntı içermiyor.

Hangi konuları kapsadığını ya da görsel, etkileşimli veya sesli biçimlerden hangisinde çalıştığını bu yüzden yazmıyoruz.

Kimler Kullanabilir?

Elimizdeki metinde hangi hesap türlerinin, hangi yaş grubunun ya da hangi sürümlerin özelliğe erişebileceği yazmıyor. Okul ya da kurum hesaplarında yöneticinin bir şey açması gerekip gerekmediği de belirtilmiyor. Yayılım takvimi ve ülke listesi de kaynakta yok. Türkiye'den erişim, TL fiyatı ve bu özelliğin Türkçe desteği kaynakta belirtilmiyor.

Uygulama tarafında bir ipucu var: Gemini'nin App Store Türkiye sayfasındaki dil listesinde Türkçe yer alıyor. Bu, uygulamanın genel dil desteğini gösterir; sürükleyici keşiflerin Türkçe çalışıp çalışmadığını göstermez.

Öğretmen ve Öğrenci İçin

Gemini uygulamasında öğrenmeye dönük bir özellik zaten var. App Store sayfasındaki tanıma göre kullanıcı, ders notlarını yükleyip kişiye özel deneme sınavları ve etkileşimli görseller üretebiliyor. Öğrenci merkezinin bu tür işlerin toplandığı bir giriş noktası olup olmadığını kaynak söylemiyor.

Özelliği hesabınızda görürseniz önce kendi branşınızdan, iyi bildiğiniz bir konuyla deneyin; örneğin fizik öğretmeniyseniz kuasarları ya da termodinamiği seçin. Çıkan anlatımı ders kitabınızla karşılaştırın. Hatalı bir bölüm bulursanız bunu öğrencilerle birlikte tartışacağınız bir etkinliğe çevirebilirsiniz. Sınıfta kullanmadan önce okul yönetiminizin yapay zeka araçlarına ilişkin kurallarına bakmak da yerinde olur.

Değerlendirmemize göre, öğrenci böyle bir ekranda merak ettiği konuya kendi hızında girebilir. Konuyu gerçekten öğrenip öğrenmediğini ise yine bir soruyla, kısa bir yazılı ya da sözlü yoklamayla sınamak gerekir.

Bilinmeyenler ve Sınırlar

• Özelliğin tam kapsamı ve çalışma biçimi elimizdeki metinde yok.
• Hangi ülkelerde ve hangi hesaplarda açıldığı belirtilmiyor.
• Ücretsiz mi yoksa abonelikle mi sunulduğu belli değil.
• Eğitim hesapları ve yaş sınırları hakkında bilgi bulunmuyor.
• Öğrenme çıktılarına etkisini gösteren bağımsız bir çalışma yok; elimizdeki tek bilgi şirketin kendi duyurusu.

Bugün atabileceğiniz adım: Gemini uygulamasını güncelleyin, öğrenci merkezinin hesabınızda görünüp görünmediğine bakın.

Kaynak: Google, 'Dive into new topics with immersive explorations in the Gemini app', 28 Ekim 2026.

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Özet Tablo

Hangi Hesapla Başlamalı

Üniversite öğrencisiyseniz Türkiye'de bugün geçerli somut bir teklif var. Google Türkiye'nin 28 Ağustos 2026 tarihli duyurusuna göre 18 yaş ve üzeri üniversite öğrencileri ilk bir yıl boyunca ücretsiz Google AI Plus aboneliği edinebiliyor. Abonelik Gemini Omni'ye erişim, Google Gemini'de 2 kat daha yüksek kullanım limitleri ve 400 GB depolama alanı sunuyor. Duyuru, 2 katın neye göre hesaplandığını belirtmiyor. Teklif 31 Aralık 2026'ya kadar geçerli; bugün itibarıyla bitişine yaklaşık iki ay var. Kayıt adresi goo.gle/universiteli.

Duyuruda güncel paket için aylık 199.99 TL, 12 ay için toplam 2399.88 TL ücret yazıyor. 2025'teki ücretsiz teklifi kullandıysanız yeni dönemi mevcut üyeliğin bitiş tarihinden itibaren başlatabiliyorsunuz. Otomatik ücretlendirme istemiyorsanız eski aboneliği süresi dolmadan iptal etmeniz gerekiyor.

Öğretmenler için yol farklı. Google'ın eğitim sayfasına göre Gemini for Education, tüm Google Workspace for Education sürümlerine ücretsiz dahil. Kurum başka bir üretkenlik paketi kullanıyorsa da Google for Education Fundamentals'a kaydolarak ücretsiz kullanabiliyor. Yani ücretsizlik bireysel değil, kurum kaydına bağlı. Türkiye'deki okullarda açık olup olmadığı kaynakta belirtilmiyor. Daha geniş limitler sunan Google AI Pro for Education için sayfa 'Fiyatlar için bizimle iletişime geçin' diyor; Türkiye fiyatı yok.

Adım Adım Kullanım

1. Önce hangi hesapla gireceğinize karar verin; seçenekler kişisel Google Hesabı, şartları karşılayan bir Workspace sürümüne bağlı iş hesabı ya da okul hesabı. Okul hesabında hizmeti kuruluşunuzun yöneticisi etkinleştirmiş olmalı; iş hesabında ayrıca en az 18 yaşında olmanız gerekiyor.
2. Bilgisayarınızda gemini.google.com adresine gidip oturum açın. Bazı özellikler oturum açmadan çalışsa da Gem'ler ve dosya yükleme gibi özellikler hesap gerektiriyor.
3. Ders planı için elinizdeki kazanım metnini ya da ders kitabı bölümünü ekleyin. İsteminize dosya veya resim eklemek için 'Dosya ekle' simgesine tıklayıp ekrandaki talimatları izlemeniz yeterli.
4. Alt kısımdaki metin kutusuna komutunuzu yazın. İyi bir komut sınıf düzeyini, süreyi, kazanımı, istediğiniz çıktı biçimini ve yanıtın uzunluk sınırını içerir.
5. Yanıt gelince beğenmediyseniz yanıtın üst tarafındaki 'Diğer taslakları göster' ya da 'Taslakları göster' seçeneğiyle Gemini'nin ürettiği alternatiflere bakın. Bu seçenek yalnızca son verilen yanıtta çıkıyor.
6. Komutta bir eksik fark ederseniz isteminizin sağındaki 'Metni düzenle'yi seçip metni düzeltin; Gemini yanıtı yeniden üretir.
7. Sınav sorusu için aynı sohbette ek komut verin: Soru sayısını, zorluk düzeyini ve cevap anahtarını isteyin. Google'ın eğitim sayfası sınavlar, testler, ödevler ve değerlendirme anahtarlarının sıfırdan ya da önceki örneklerden yararlanılarak üretilebildiğini söylüyor.
8. Gemini varsayılan olarak isteminiz için en uygun modeli otomatik seçiyor. Başka bir model denemek isterseniz menüden elle seçebilirsiniz; bunun için oturum açmış olmanız gerekiyor.
9. Sonucu belgeye dökmek için yanıtın desteklenen bir dosya türünde oluşturulmasını isteyin. Yardım sayfasındaki örneklerden biri, öğrencilerin matematik dersindeki ilerlemesini haftalık puanlarla gösteren bir e-tablo istiyor.
10. Yeni bir konuya geçerken sol üstteki 'Yeni sohbet'i kullanın; menü görünmüyorsa önce Menü'ye tıklayın.

Öğrenciler için ikinci bir araç daha var: Gemini Notebook. Google Türkiye duyurusuna göre Notebook, ders materyallerinizi yükledikten sonra bilgi eksiklerinizi bir tanılama testiyle belirliyor, ardından kısa dersler ve testler sunuyor. İlerlemeyi gerçek zamanlı bir gelişim panosundan izlemek de mümkün. Eğitim sayfası ayrıca, aldığınız geri bildirimlere göre zorlandığınız konulardan kişiselleştirilmiş bir alıştırma testi oluşturulabildiğini yazıyor.

Örnek Komutlar

Aşağıdaki üç komut, öğretmen, öğrenci ve eğitim ve gelişim ekibi için yazıldı. Her biri yanıtı 150-250 kelimeyle sınırlıyor; kendi sınıfınıza ve işinize göre uyarlayın.

Öğretmen için örnek

Komut: 'Ortaokul 7. sınıf fen bilimleri dersi için 40 dakikalık, 'ışığın yayılması' konulu bir ders planı hazırla. Planda kazanım, kısa bir giriş etkinliği, ana etkinlik, değerlendirme için üç soru ve evde yapılacak kısa bir görev olsun. Sınıfta 28 öğrenci var ve laboratuvar yok. Yanıtı 150-250 kelimeyle sınırla.'

Yanıt (Gemini 3.8 Flash API'sinde 28 Ekim 2026 tarihinde çalıştırıldı, kısaltılmadan verilmiştir):

7. Sınıf Fen Bilimleri: Işığın Yayılması (40 Dk)

Kazanım: Işığın her yönde ve doğrusal yollarla yayıldığını açıklar.

Giriş (7 dk): Perdeler kapatılarak sınıf loş hâle getirilir. Öğretmen el fenerini açıp önüne biraz tebeşir tozu serper; oluşan belirgin ışık demeti gösterilir. Öğrencilere "Fenerden çıkan ışık hedefe nasıl ulaştı, eğilip büküldü mü?" sorusu yöneltilerek merak uyandırılır.

Ana Etkinlik: Hizala ve Gör (20 dk):

28 öğrenci 4’er kişilik 7 gruba ayrılır. Laboratuvar gerektirmeyen bu etkinlikte her gruba ortasında küçük delik olan 3 mukavva kart ve fener verilir.

1. Öğrenciler kartları sırayla dizer ve feneri en arkadaki delikten hizalar.
2. Işık, yalnızca delikler aynı doğru üzerinde olduğunda karşıdan görülür.
3. Ortadaki kart birkaç santimetre kaydırıldığında ışığın engellendiği gözlemlenir. Gruplar, ışığın engelin etrafından dolanmadığı, yani *doğrusal yayıldığı* çıkarımını yapar.

Değerlendirme (8 dk):

1. Kıvrılmış bir hortumun bir ucundan baktığımızda diğer uçtaki ışığı neden göremeyiz?
2. Ormanda ağaç dalları veya bulutlar arasından süzülen güneş huzmeleri ışığın hangi özelliğini kanıtlar?
3. Işık doğrusal değil de eğrisel yayılsaydı gölgelerimizin şekli nasıl değişirdi?

Ev Görevi (5 dk): Evde düz bir pipetle ve ardından aynı pipeti ortasından bükerek bir lambaya bakın. Işığı görüp göremediğinizi ve nedenini defterinize iki cümleyle açıklayın.

Üniversite öğrencisi için örnek

Komut: 'Üniversite birinci sınıf istatistik dersinin vizesine 10 gün var. Konular: Örnekleme, güven aralığı ve hipotez testi. Günde en fazla 2 saat çalışabiliyorum. Bana gün gün bir çalışma planı hazırla ve her gün için iki kontrol sorusu ekle. Yanıtı 150-250 kelimeyle sınırla.'

Yanıt (Gemini 3.8 Flash API'sinde 28 Ekim 2026 tarihinde çalıştırıldı, kısaltılmadan verilmiştir):

10 Günlük İstatistik Çalışma Planı (Günde 2 Saat)

• 1. Gün: Örnekleme Yöntemleri
• S1: Tabakalı örnekleme ile küme örneklemesi arasındaki fark nedir?
• S2: Basit tesadüfi örnekleme hangi durumlarda tercih edilir?
• 2. Gün: Merkezi Limit Teoremi (MLT)
• S1: MLT kuralı ($n \ge 30$) dağılıma nasıl bir katkı sağlar?
• S2: Standart hata formülü nedir ve neyi ifade eder?
• 3. Gün: Güven Aralığı (GA) Temelleri ve Z Dağılımı
• S1: %95 güven düzeyi için kritik z-değeri kaçtır?
• S2: Güven düzeyi arttıkça aralık genişliği nasıl değişir?
• 4. Gün: Küçük Örneklemlerde GA (t Dağılımı)
• S1: Hangi koşullarda Z yerine Student-t tablosu kullanılır?
• S2: Serbestlik derecesi ($df = n-1$) ne anlama gelir?
• 5. Gün: Oranlar için Güven Aralığı
• S1: Popülasyon oranı GA formülündeki standart hata nasıl hesaplanır?
• S2: Örneklem büyüklüğünü ($n$) artırmak hata payını nasıl etkiler?
• 6. Gün: Hipotez Testi Mantığı ve Hata Tipleri
• S1: Sıfır hipotezi ($H_0$) ile alternatif hipotez ($H_1$) nasıl kurulur?
• S2: Tip I ($\alpha$) ve Tip II ($\beta$) hata nedir?
• 7. Gün: Ortalamalar için Hipotez Testi (Z ve t Testi)
• S1: $p$-değeri $\alpha$ anlamlılık düzeyinden küçükse karar ne olur?
• S2: Tek yönlü ve çift yönlü test ayrımı neye göre yapılır?
• 8. Gün: Oranlar için Hipotez Testi
• S1: Oran testinde kullanılan z test istatistiği nasıl hesaplanır?
• S2: Kritik bölge (red bölgesi) nasıl belirlenir?
• 9. Gün: Kapsamlı Soru Çözümü (GA ve Hipotez Testi)
• S1: Anakütle varyansı bilinmiyorken hangi test adımları izlenir?
• S2: Güven aralığı ile hipotez testi kararları birbiriyle nasıl örtüşür?
• 10. Gün: Süreli Deneme Sınavı ve Formül Tekrarı
• S1: Bulunan test istatistiği sonucunu sözel olarak yorumlayabiliyor musunuz?
• S2: Formüllerdeki sembollerin ($\mu, \bar{x}, \sigma, s, p, \hat{p}$) farkları net mi?

Eğitim ve gelişim ekibi için örnek

Komut: 'Bir sigorta şirketinin yeni çalışanları için 'müşteri şikayeti yönetimi' konulu 45 dakikalık bir atölye akışı öner. Akışta açılış, kısa bir rol oynama senaryosu, tartışma soruları ve atölye sonunda uygulanacak üç soruluk bir kontrol testi olsun. Gerçek müşteri veya çalışan adı kullanma, senaryo tamamen kurgusal olsun. Yanıtı 150-250 kelimeyle sınırla.'

Yanıt (Gemini 3.8 Flash API'sinde 28 Ekim 2026 tarihinde çalıştırıldı, kısaltılmadan verilmiştir):

Müşteri Şikayeti Yönetimi Atölye Akışı (45 Dk)

1. Açılış (0-10 dk):

Hoş geldiniz konuşması; şikayetlerin şirket için sadakat yaratma fırsatı olduğu vurgulanır. Temel ilkeler aktarılır: Aktif dinleme, duyguyu karşılama ve çözüm odaklılık.

2. Rol Oynama: Kasko Krizi (10-25 dk):

*Senaryo:* Müşteri A, kaza sonrası kasko dosyasının 10 gündür onaylanmaması ve ikame araç alamaması nedeniyle oldukça öfkeli arar. Temsilci B, savunmaya geçmeden müşterinin endişesini yatıştırmalı ve çözüm adımlarını sunmalıdır. İki katılımcı canlandırma yapar.

3. Tartışma Soruları (25-35 dk):

• Temsilci, görüşmenin başında müşterinin öfkesini dindirmek için hangi empati cümlelerini kurmalıdır?
• Şirket prosedürleri nedeniyle hemen çözülemeyen durumlarda müşteriye şeffaflık nasıl hissettirilir?

4. Kapanış ve Kontrol Testi (35-45 dk):

Günün kazanımları özetlenir ve 3 soruluk mini test uygulanır:

1. Öfkeli bir müşteri aradığında temsilcinin atması gereken ilk adım nedir?

*(Cevap: Sözünü kesmeden dinlemek ve duygusunu anladığını hissettirmek)*

1. Kriz anında "Sakin olun" ifadesi yerine hangi yaklaşım tercih edilmelidir?

*(Cevap: "Yaşadığınız aksaklığı anlıyorum, konuyu çözmek için hemen yanınızdayım" şeklinde yapıcı bir yaklaşım)*

1. Anında çözülemeyen şikayetlerde müşteriye net bir geri dönüş süresi (ör. "Bugün 17:00'ye kadar") vermek neden kritiktir?

*(Cevap: Belirsizliği ortadan kaldırıp güven tazelemek için)*

Üç örnekte de komut sınıf düzeyini, süreyi ve çıktı biçimini baştan söylüyor. 'Işık konusunda ders planı yaz' diyen biri genel bir taslak alır; '28 öğrencili, laboratuvarsız 7. sınıf için 40 dakikalık plan' diyen biri doğrudan uygulayabileceği bir akış alır. Bu bir tavsiye; Google'ın sayfalarında böyle bir karşılaştırma yok.

Sınırlar ve Gizlilik

Gemini'nin yardım sayfası açık konuşuyor: Gemini Uygulamaları hata yapabilir, yanıtları doğrulamak ve profesyonel tavsiye saymamak gerekiyor. Sınav sorusunda bu uyarının karşılığı net: Üretilen her soruyu ve cevap anahtarını kendiniz çözün, kazanıma uyup uymadığına bakın, sonra sınıfa götürün.

Komuta öğrenci adı, not bilgisi, veli iletişimi ya da personel bilgisi yazmayın. 'Ahmet'in matematik notu 45' yerine 'sınıfın bir bölümü işlem hatası yapıyor' demek aynı işi görür.

Koruma düzeyi hesaba göre değişiyor. Google'ın eğitim sayfasına göre Gemini for Education'da veriler uzmanlar tarafından incelenmez ve yapay zeka modellerinin eğitilmesinde kullanılmaz. Kişisel hesap ve Plus aboneliği için aynı güvence kaynaklarda belirtilmiyor; bu yüzden öğrenci ve personel verisini kurum hesabı dışında hiç girmemek daha güvenli bir varsayım. Yönetici tarafında ise Yönetici Konsolu'nda Gemini'ye kimlerin erişebileceği ayarlanabiliyor.

Yaş sınırı da önemli. Google'a göre 18 yaşından küçük öğrenciler ek koruma önlemleri ve yapay zeka okuryazarlığı kaynaklarıyla farklı bir ürün deneyimi yaşıyor. Öğrenci teklifi ise yalnızca 18 yaş ve üzeri, bir yükseköğretim kurumuna kayıtlı öğrenciler için.

Sık Sorulan Sorular

Gemini ücretsiz kullanılabilir mi?

Koşula bağlı. Google'ın eğitim sayfasına göre Gemini for Education, kurumun Google for Education Fundamentals'a kaydolması ya da Workspace for Education kullanması halinde ücretsiz. Üniversite öğrencileri Türkiye'de Google AI Plus'ı ilk yıl ücretsiz alabiliyor (31 Aralık 2026'ya kadar); sonrasında güncel paket aylık 199.99 TL. Abonelik sayfası ayrıca Plus ile karşılaştırılan bir ücretsiz plandan söz ediyor; kapsamı kaynakta ayrıntılı verilmiyor.

Hesap açmadan ders planı hazırlayabilir miyim?

Bazı özellikleri oturum açmadan kullanabilirsiniz, bu cihazınıza ve konumunuza bağlı. Ancak model değiştirme, Gem'ler ve dosya yükleme için oturum açmak gerekiyor. Kazanım metnini dosya olarak eklemek istiyorsanız hesapla girin.

Okul hesabımla Gemini'ye giremiyorum, neden?

Yardım sayfasına göre okul Google Hesabı ile kullanım için hizmetin kuruluşunuzun yöneticisi tarafından etkinleştirilmesi gerekiyor. Önce okulunuzun yöneticisine sormak en kısa yol.

Kaynak: Google Türkiye, 'Yeni okul yılına Gemini ile başlayın: Üniversite öğrencilerine ilk 1 yıl ücretsiz Google AI Plus planı', 28 Ağustos 2026; Google for Education, 'Gemini for Education', tarih belirtilmiyor; Google Gemini Yardım, 'Gemini Uygulamaları'nı kullanma', tarih belirtilmiyor; Google Gemini abonelikler sayfası, tarih belirtilmiyor.

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Birkaç terim baştan açık olsun. Parametre, modelin öğrenirken ayarlanan sayısal değerlerinin sayısıdır; kabaca modelin boyutunu gösterir. Açık ağırlık, modelin eğitilmiş değerlerinin indirilip kendi bilgisayarında çalıştırılabilmesi demektir. Lisans ise modeli neyin, kimin, hangi amaçla kullanabileceğini belirleyen kuraldır.

Fibo 2.0 Dev: Aynı Modelde Üretim ve Düzenleme

Bria'nın Fibo 2.0 Dev'i, görsel üretimi ile düzenlemeyi tek modelde birleştiriyor.

Model kartına göre Fibo 2.0, Bria'nın FIBO ailesinin yeni nesli ve düzenleme ile üretim ilk kez tek modelde buluşuyor. Geliştiricinin açıklamasına göre model, Artificial Analysis'te 20 Ekim 2026 itibarıyla açık ağırlıklı modeller arasında görsel düzenlemede birinci, metinden görsele alanında ikinci sırada. Kart, modelin yalnızca lisanslı veriyle eğitildiğini de belirtiyor.

Değerlendirmemize göre bu, ders slaytı ya da çalışma kâğıdı için görsel hazırlayan öğretmene yarar. Örneğin bir fen öğretmeni, hazır bir hücre çizimindeki yalnızca arka planı değiştirip geri kalanını aynı tutmak isteyebilir. Kart, düzenlemede istenmeyen değişikliklerin önlendiğini söylüyor: Kimlik, yerleşim, ışık ve ince ayrıntı korunuyor.

Denemek için kaynakta tarayıcıdan denenebilecek bir demo yok; kart Bria API, Bria Create ve ComfyUI düğümlerini sıralıyor. Model kartı, kendi deposuna erişim için bir form doldurmayı istiyor. Ayrıca lisans CC BY-NC 4.0, yani yalnızca ticari olmayan kullanıma açık; ticari kullanım Bria ile anlaşma gerektiriyor. Kart, kısa istemleri yapılandırılmış istemlere çeviren bria-vgl paketini de anlatıyor; paket Gemini üzerinde çalışıyor ve bir anahtar gerektiriyor. Çok adımlı düzenleme özelliği kartta 'yakında' olarak duruyor.

FLUX 3 Image Klein: Görsel Uyarlama

FLUX 3 Image Klein, bir istemle en fazla 10 referans görseli alıp tek bir görsel üreten, 5,6 milyar parametreli açık ağırlıklı bir model.

Model kartına göre aynı model metinden görsele, tek referanslı düzenleme ve çok referanslı kompozisyon işlerini görüyor; görsel içinde yazı da üretebiliyor, ancak kart yazının yanlış ya da bozuk çıkabileceğini söylüyor. Bu, mevcut bir ders görselini farklı bir üsluba uyarlamak isteyen bir eğitimci için ilginç bir iş. Örneğin sunumdaki bir harita çizimini farklı bir renk paletiyle yeniden kurdurmak.

Sınırlar önemli. Kart, modelin istem genişletici olmadan kullanılmaması gerektiğini, kısa bir istemin sıradan çıktı verdiğini yazıyor. Kartın kendi istem genişleticisi 9 milyar parametreli ayrı bir model; kart, istenirse herhangi bir başka büyük dil modelinin de kullanılabileceğini söylüyor. Kartta B200 ekran kartında 1024x1024 çözünürlük için en yüksek bellek kullanımı BF16'da 31 GB; yani sıradan bir dizüstü bilgisayar hedef değil. Tarayıcıdan denenebilecek bir demo kaynakta yok, kurulum gerekiyor. Distile sürüm BFL API'de de sunuluyor.

Lisans FLUX Kommunity License v.1.0: Ticari olmayan kullanım serbest; yıllık geliri 5 milyon doların altındaki nitelikli kullanıcılar için ticari çıktı üretimi istisnası var. Kart ayrıca modelin olgusal bilgi vermek için tasarlanmadığını belirtiyor.

Nemotron-3.5-Bolt-E4B: Küçük Sesli Asistan

NVIDIA'nın bu modeli, Gemma-4-E4B-it üzerine eğitilmiş, yerel sesli ve cihaz asistanları için tasarlanmış küçük bir dil modeli.

Model kartına göre toplam 8 milyar parametresi var; etkin parametre sayısı 4 milyar. Girdi ve çıktı 64 bin jetona kadar çıkabiliyor. Kart, kısa ve az biçimlendirilmiş yanıt veren bir konuşma modunu ve düşünme özelliğini açıp kapatma seçeneğini anlatıyor. Desteklenen diller arasında İngilizce, İspanyolca, Fransızca, Almanca, İtalyanca ve Japonca sayılıyor; Türkçe kartta açıkça geçmiyor.

Değerlendirmemize göre ders planı taslağı ya da soru metni gibi işler için bir ihtimal. Ancak Türkçe desteği doğrulanmadan sınıf kullanımına karar verilmemeli. Kart, kullanım alanını sesli asistanlar ve gömülü arayüzler olarak tanımlıyor.

Deneme yolu kartta kurulum odaklı: Desteklenen donanım NVIDIA Ampere A100, Blackwell ve Hopper H100, işletim sistemi Linux. Sıradan bir bilgisayarda çalışıp çalışmadığı kartta belirtilmiyor. Build.NVIDIA.com üzerinde bir sayfa yayımlanmış; tarayıcıda denenebilir olup olmadığı kartta yazmıyor. Lisans OpenMDW License Agreement 1.1; ticari ve ticari olmayan kullanıma hazır olduğu belirtiliyor. Kartta geçen doğruluk sayıları, NVIDIA'nın kendi ölçümü.

Ming-3.0-tts-0.5B: Metni Seslendirme

inclusionAI'ın bu modeli, metni konuşmaya çeviren 0,5 milyar parametreli çok dilli bir ses sentezi modeli.

Model kartına göre Çince, İngilizce, Almanca, İspanyolca, Fransızca, Korece ve Japonca destekleniyor. Türkçe listede yok. Kısa bir referans kayıttan ses kopyalama, konuşma tarzını doğal dille tarif etme ve duygu, hız, perde ve ses düzeyi kontrolü sayılan yetenekler arasında.

Bu, erişilebilirlik için ilginç olabilir; örneğin İngilizce okuma metinlerinin seslendirilmesi. Türkçe ders içeriği için ise şimdilik uygun görünmüyor.

Bu depo yalnızca model dosyalarını dağıtıyor; çıkarım için GitHub deposu ve kurulum gerekiyor. Tarayıcı demosu kaynakta yok. Lisans MIT. Kartın sınırlar bölümü, konuşmacı benzerliğinin içerik doğruluğundan zayıf olduğunu söylüyor. Kullanım uyarısı da önemli: Gerçek bir kişiyi izinsiz taklit etmek yasak; sentetik konuşma, gerçek kayıtla karıştırılabilecekse etiketlenmeli.

MiniMax-M3.1-Flash: Büyük Çok Modlu Model

MiniMax'in bu modeli, kodlama, ajan iş akışları, bilgisayar kullanımı ve siber güvenlik için tasarlanmış, metin, görsel ve video girdisi alan bir model.

Model kartına göre toplam yaklaşık 428 milyar parametresi var ve her jetonda 23 milyarı etkinleşiyor; bağlam penceresi 1 milyon jetona kadar çıkıyor. Geliştiricinin açıklamasına göre DeepSWE v1.1'de yüzde 73,7 aldı. Bu kıyaslamalar eğitimciye doğrudan bir şey söylemiyor.

Taranmış ödev kâğıdı okumak gibi bir işe uygun olup olmadığını kart göstermiyor; kartın odağı kodlama ve ajan işleri. Donanım gereksinimi kartta verilmiyor; kullanılabilir bağlam uzunluğu ve hız GPU belleğine bağlı. Yerel dağıtım için bir çıkarım çerçevesi öneriliyor. Lisans bilgisi kaynakta belirtilmiyor. Değerlendirmemize göre bu model eğitimciler için değil, ekibinde geliştirici olan kurumlar için bir seçenek.

Bu hafta denemek isteyen öğretmen için en gerçekçi yol, Bria'nın kartta adı geçen Bria Create sayfasına bakmak; kartta kurulumsuz tarayıcı denemesi belirtilmiyor, o yüzden önce sayfanın ne sunduğunu görün. Fibo'nun lisansı ticari olmayan kullanım içindir; öğretim materyali olarak kullanmadan önce lisansı okuyun. Diğer dördü için kurulum ve güçlü donanım gerekiyor; bunlar şimdilik bilişim ekibine bırakılacak işler.

Kaynak: Hugging Face model kartları: NVIDIA Nemotron-3.5-Bolt-E4B-4GB, FLUX 3 Image Klein, Fibo 2.0 Dev, Ming-3.0-tts-0.5B, MiniMax-M3.1-Flash, 17-25 Ekim 2026.

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Araştırma edX Enterprise'ın kendi sektör raporu. Bu nedenle bulgular, şirketin açıklamasına göre ve bir ticari yayıncının çerçevesiyle aktarılıyor. Aşağıda rakamlar raporun sayfasından ve edX Enterprise'ın 8 Ekim 2026 tarihli basın bülteninden alınmıştır.

Araştırmanın künyesi

Çalışmayı NewtonX adlı araştırma firması yürüttü. edX Enterprise'a göre çalışma, onun talebiyle ve NewtonX tarafından bağımsız biçimde yapıldı. edX Enterprise, 2U'nun kurumsal öğrenme işi olarak tanıtılıyor. Basın bülteni ise çalışmayı ortaklık içinde yürütülmüş olarak anlatıyor.

• Örneklem: 500 ve üzeri çalışanı olan kurumlarda öğrenme ve gelişimden sorumlu 507 yönetici; yönetici düzeyinden üst yönetime kadar uzanıyor.
• Tarih: Anket Haziran ve Temmuz 2026 arasında uygulandı; rapor 8 Ekim 2026'da yayımlandı.
• Coğrafya: Amerika kıtaları, Avrupa, Orta Doğu ve Afrika, Asya-Pasifik. Ülke dökümü kaynaklarda yok.
• Sektörler: Ağırlıklı olarak yedi sektör: Teknoloji, finans, perakende, sağlık ve ilaç, imalat, enerji, danışmanlık.
• Ek yöntem: Alanında doğrulanmış 10 uzmanla derinlemesine görüşme.

Kavramlar sade bir dille şöyle: Raporda 'olgun yapay zeka yetkinliği', yapay zekanın bireysel rol beklentilerine yerleştirildiği ve iş stratejisine açıkça bağlandığı kurum demek. Ayrı ya da isteğe bağlı bir eğitim olarak sunulması bu tanıma girmiyor.

Öncelik yüksek, olgunluk düşük

Üç temel rakam şöyle: Kurumların yüzde 83'ü yapay zekayı en önemli çalışan yetkinliği önceliği olarak gösteriyor. Yüzde 29'u kurumunda olgun yapay zeka yetkinliği kurduğunu söylüyor. Kendi öğrenme ve gelişim biriminin çalışanların ihtiyaç duyduğu yetkinlikleri sağlayabileceğinden yüksek güvenle emin olanlar ise yalnızca yüzde 26.

Kurumlar neyin gerektiğini görüyor, ancak onu üretecek kapasiteye güvenleri zayıf. Değerlendirmemize göre sorun artık farkındalık değil, uygulama kapasitesi. Yapay zeka sunumu yapılmamış bir kurum nadir olabilir; asıl soru, bu sunumun gündelik iş tanımlarına inip inmediği.

Fark yetkide çıkıyor

Araştırmanın en keskin sonucu burada. edX Enterprise'a göre kurumların yaklaşık beşte dördünde, yani yüzde 78'inde, yapay zeka becerilerini geliştirme işini yürütecek güçlü bir yetki yok. Rapor 'güçlü yetki'yi üç parçalı tanımlıyor: Üst yönetim desteği, hangi yetkinliklerin geliştirileceğine dair netlik, işi yürütecek bütçe ve kapasite.

NewtonX dört etkenin 'dönüşüm lideri' olma durumuyla ilişkisini inceledi. Yetki gücü, etkenlerin toplam etkisinin yüzde 59'unu açıkladı. Ölçüm derinliği yüzde 34'te kaldı. İşin resmen hangi birime ait olduğu ise yalnızca yüzde 1 çıktı. Araştırmanın yazarlarından Chris Kelly de bunu raporun en çarpıcı bulgusu olarak tanımlıyor: Şirketler yapay zeka eğitiminin insan kaynaklarına, eğitim ve gelişim birimine ya da bilgi işleme ait olup olmadığını tartışarak çok enerji harcıyor, ancak tek başına bu karar bir şey üretmiyor.

Burada bir sınır var. Analiz ilişkiyi gösteriyor, nedensellik kanıtlamıyor. Yine de yönetici için pratik anlamı net: Birimin adını değiştirmek yerine, o birime hangi kararı verebileceğini, hangi bütçeyi ve hangi desteği tanıdığınızı yazılı hale getirmek daha belirleyici görünüyor.

Ölçüm katılımın ötesine geçmeli

Dönüşüm liderleri, raporun tanımıyla hem olgun yapay zeka yetkinliğine hem de öğrenme birimine yüksek güvene sahip kurumlar. Örneklemin yüzde 15'ini oluşturuyorlar. Diğer kurumlara göre öğrenme başarısına dair 1,6 kat daha fazla ölçüt izliyorlar; bunlar arasında kursa katılımın ötesindeki çıktılar da var. Güçlü yetkiye sahip olma ihtimalleri ise 3,9 kat daha yüksek.

Rapor hangi ölçütlerin izlendiğini ayrıntılı vermiyor; o bölüm indirilebilir tam raporda. Kaynaklarda yer alan, 'daha çok ölçüt' ile 'katılımın ötesindeki çıktılar' bilgisi. Değerlendirmemize göre bu, 'kaç kişi kursa girdi' panosunun tek başına yetmediğini düşündürüyor. Örneğin bir okul grubu için bu, öğretmenin eğitimden sonra derste ne değiştirdiğine dair bir göstergeye karşılık gelebilir. Bu bir örnek; raporun önerisi olarak okunmamalı.

Yapay zeka ve liderlik ayrı yürüyor

Örneklemin yüzde 85'i yapay zeka ve liderlik yetkinliklerini tek bir bağlantılı çaba olarak geliştirmiyor. Dönüşüm liderleri bu ikisini diğer kurumlara göre 2,7 kat daha sık birleştiriyor. Sonuç, yapay zekanın yalnızca teknik bir beceri olarak ele alınmasının, lider kadrosunu eğitimin dışında bırakabileceğini düşündürüyor.

Bu bulgunun gerekçesi kaynaklarda ayrıca açıklanmıyor. Neden ve sonuç sıralamasını söylemek için elimizde veri yok. Okur olarak yapabileceğiniz, kendi kurumunuzda yöneticilerin yapay zeka eğitiminde yer alıp almadığına bakmak.

Bu hafta ne yapılabilir

• Yapay zeka eğitiminin sorumlusu olan kişiyi ve onun hangi kararı tek başına verebildiğini bir sayfaya yazın.
• Bütçe, yönetim desteği ve hedef yetkinlik listesi, raporun 'yetki' tanımının üç parçasıdır; kurumunuzda hangisinin eksik olduğunu işaretleyin.
• Mevcut raporlarınızdan yalnızca katılım ve tamamlama sayılarını ayırın; yanlarına bir çıktı ölçütü ekleyip eklemediğinize bakın.
• Yapay zeka eğitiminin hangi rol tanımlarında geçtiğini kontrol edin. Geçmiyorsa üç rol seçip beklentiyi yazın.
• Yönetici ekibinin yapay zeka eğitimine dahil olup olmadığını sorun.
• İşin hangi birime ait olduğunu tartışan bir toplantı varsa, aynı toplantıda yetki ve ölçüm başlıklarını da gündeme alın.

Bulguların sınırları

Bu bir sektör raporu ve araştırmayı yaptıran şirketin kendi ürün alanıyla ilişkili. Yöntem NewtonX'e ait, ancak soru formu ve tam veri bu kaynaklarda yer almıyor. Yanıtlar yöneticilerin kendi beyanına dayanıyor; 'olgunluk' ve 'güven' ölçülmüş performans değil, bildirilmiş algı.

Örneklem 500 ve üzeri çalışanı olan kurumlarla sınırlı. Küçük işletmeler, okullar ve kamu kurumları için bu sonuçları doğrudan genellemek mümkün değil. Türkiye'nin örneklemde yer alıp almadığı kaynaklarda belirtilmiyor.

Rakamlar arasında bir karışıklık olabilir: Raporun sayfasındaki başlıkta 'Only 15% are confident they can actually deliver on it' yazıyor. Aynı rapora ait diğer kaynaklarda yüzde 15, hem olgun hem yüksek güvenli kurumların oranı; yalnızca güven oranı yüzde 26. Biz edX'in basın açıklaması ve rapor sayfasındaki tanımları esas aldık.

Sık sorulan sorular

Rapor yapay zeka eğitiminin kimde olması gerektiğini söylüyor mu?

Hayır, tersini söylüyor. Analize göre resmi sahiplik, dönüşüm lideri olma durumundaki etkinin yalnızca yüzde 1'ini açıklıyor. Önemli olan, birime yön ve destek verilmesi.

Yüzde 15'lik dönüşüm lideri grubu ne anlama geliyor?

Olgun yapay zeka yetkinliğine ve öğrenme biriminin hedefleri karşılayabileceğine yüksek güvene aynı anda sahip kurumlar. Güveni ayrı ölçen oran ise yüzde 26.

Bu sonuçlar Türkiye'deki kurumlar için geçerli mi?

Kaynaklarda ülke dökümü yok. Anket Amerika kıtaları, Avrupa, Orta Doğu ve Afrika ile Asya-Pasifik'i kapsıyor. Türkiye için doğrudan bir sonuç çıkarmak mümkün değil; kontrol listesi bir başlangıç noktası olarak okunmalı.

Kaynak: EdX Enterprise, 'The State of Enterprise Learning Report 2026', business.edx.org/newtonx; edX Enterprise basın bülteni, 'New edX Enterprise Research Finds 83% of Employers Prioritize AI Skills, but Only 29% Have Mature AI Capabilities', 8 Ekim 2026.

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Öğrenciler ne yapıyor?

Google'a göre 'Google Student Ambassadors', yani Google'ın öğrenci elçileri, Gemini'yi çalışmak ve düzenli kalmak için kullandıkları 11 yolu paylaştı. Derlemeden beş özellik öne çıkıyor:

• Çalışma defterleri (study notebooks): Ders materyalini kısa, kişiselleştirilmiş derslere çevirir. Bir öğrenci, birbirine zıt görüşleri yükleyip karşılaştırma ürettiğini söylüyor.
• Guided Learning: Hazır cevap yerine anlayışı sınayan açık uçlu sorular sorar. George Mason Üniversitesi'nden Fehmaan K. şöyle anlatıyor: Gemini her adımda ne düşündüğünü soruyor ve hatayı çoğu zaman Gemini söylemeden kendisi buluyor.
• Çalışma rehberi ve sınav: Notlar ve slaytlar yüklenip rehber ya da deneme sınavı üretilebiliyor. Cevap anahtarı olmayan deneme sınavlarını kontrol etmek için kullananlar da var.
• Sesli Özetler (Audio Overviews): Belgelerden podcast tarzı sohbetler üretir. Rutgers'tan Parikshit M., zıt görüşlü makaleleri yükleyince sunucuların iki tarafı da tartıştığını söylüyor.
• Deep Research: Yüzlerce siteyi tarayıp birkaç dakikada çok sayfalı rapor hazırlar.

Listede Gemini Live ile sesli sunum provası, Chrome içinde Gemini, görsel üretimi ve Gmail, Takvim gibi uygulamalara bağlanma da yer alıyor.

Erişim ve fiyat

Fiyat bilgisi App Store sayfasından; plan sayfasının tarihi belli olmadığı için oradaki kullanım limitlerini aktarmıyoruz.

Nasıl denenir?

Derlemedeki en dikkat çekici ayrıntı, bir özelliğin değil bir alışkanlığın öne çıkması. Fehmaan K. takıldığınızda cevabı istemeyip tahmin yürütmeyi öneriyor; düzeltilmenin açıklama okumaktan daha kalıcı olacağını söylüyor. Değerlendirmemize göre bu, Gemini'yi cevap makinesi olmaktan çıkarıp çalışma partnerine çeviren kullanım biçimi.

Öğretmenler için bir öneri: Bir ünitenin notlarını yükleyin, deneme sınavı isteyin, ardından yanlış cevapların nedenini sizin açıklamanızla karşılaştırın. Öğrencilere de önce kendi cevabını yazıp sonra kontrol ettirmeyi önerebilirsiniz. Yüklediğiniz notlarda öğrenci adı ya da not çizelgesi gibi kişisel bilgi bulunmasın.

Bilinmeyenler ve sınırlar

Derleme Google'ın kendi blogunda, seçilmiş 15 öğrencinin görüşlerinden oluşuyor. Öğrenme başarısını ölçen bir veri yok. Kaynakta anılan öğrencilerin üniversiteleri ABD'de; Türkçe içerikte bu özelliklerin ne kadar iyi çalıştığı kaynaklarda anlatılmıyor. App Store sayfasındaki bir kullanıcı yorumu, İngilizce posterlerin çevirisinde sorun yaşadığını yazıyor; bu tek bir kullanıcının görüşü. Özelliklerin Türkiye'de hangi planla açıldığı da kaynaklarda belirtilmiyor.

Kaynak: Google, '15 college students share their favorite Gemini features', 26 Ekim 2026; Google Gemini abonelik sayfası; App Store Türkiye, Google Gemini.

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

İddiayı Tenerife'deki Starmus festivalinde dile getirdi, ayrıntıları Telegraph'a verdiği röportajda açtı. Cümlesi kısa ama ağır: Yapay zekâ, "bizim kadar öznel deneyime sahip." Yani Hinton'a göre bu makineler yalnızca cevap üreten araçlar değil, bir tür iç dünyası olan varlıklar.

Hinton neye dayanıyor?

Dayanağı tek bir gözlem: Yapay zekâ modellerinin, test edildiklerini fark ettiklerinde davranışlarını değiştirmesi. Hinton bunu, modelin "test edildiğinin farkında olması" olarak okuyor. Ardından felsefi bir adım atıyor: "Bir şeyin farkında olmak, bilinçli olmakla hemen hemen aynı şeydir." Farkındalık ile bilinci eşitleyince, sonuç kendiliğinden geliyor.

Asıl mesajı ise bir tanım tartışmasından öte. Hinton, bu varlıkları insandan daha az haklı saymanın sürdürülemez olduğunu söylüyor ve net bir uyarı ekliyor: "Onları bize değer verecek şekilde yaratmalıyız. Bunu yapmazsak işimiz biter." Yapay zekâ kaynaklı siber saldırılar ve kontrolü zor sistemler konusundaki endişelerini de yineliyor.

Peki bu kesin bir gerçek mi?

Burada bir an durmak gerekiyor; çünkü "yapay zekâ bilinç kazandı" cümlesi, bir ölçümün değil, bir yorumun sonucu. Hinton saygın bir isim, ama bu onun iddiasını kanıt yapmıyor. Birkaç nokta dikkat istiyor.

Birincisi, bilincin kendisinin ne olduğu hâlâ tartışmalı. Nörobilimciler ve filozoflar, insanda bile bilincin tam tanımında anlaşmış değil. Böyle bir zeminde "makine bilinç kazandı" demek, üzerinde uzlaşılmamış bir kavramı sağlam bir ölçüt gibi kullanmak anlamına geliyor.

İkincisi, kanıt zayıf. Hinton'ın dayandığı çalışmanın adı bile verilmiş değil; dolayısıyla neyin ölçüldüğünü bağımsız biçimde değerlendirmek mümkün değil. Üstelik bir modelin "test edildiğini anlayıp davranış değiştirmesi" için bilinç şart değil. Bu davranış, eğitim verisindeki örüntüleri tanımaktan da kaynaklanabilir; makine "ben şu an test ediliyorum" diye hissetmeden de o kalıbı üretebilir.

Üçüncüsü, farkındalık ile bilinci eşitlemek Hinton'ın tercih ettiği bir tanım; herkesin kabul ettiği bir denklem değil. Bu yüzden onun vardığı sonuç, seçtiği başlangıç noktasına bağlı.

Kısacası ortada göz ardı edilemeyecek bir ses var, ama kesinleşmiş bir bilimsel sonuç yok. Hinton'ı değerli kılan, bilinç tartışmasını kazanması değil; asıl söylemek istediği uyarıyı güçlü biçimde masaya koyması.

Bu tartışma eğitimi neden ilgilendiriyor?

İlk bakışta bu bir felsefe ya da teknoloji haberi gibi görünüyor. Oysa tam da sınıfın içinden bir soru doğuruyor: Yeni nesle yapay zekânın ne olduğunu nasıl anlatıyoruz?

Çocuklar ve gençler, yapay zekâyla konuşurken onu kolayca "anlayan, hisseden bir arkadaş" gibi algılayabiliyor. Sohbet akıcı olunca, karşıda bir zihin varmış hissi güçleniyor. Hinton gibi bir ismin "bilinçli" demesi, bu algıyı daha da pekiştirebilir. Eğitimcinin görevi burada başlıyor: Öğrenciye, yapay zekânın etkileyici ama en nihayetinde örüntü üreten bir sistem olduğunu, bir arkadaşın yerini tutmadığını fark ettirmek.

Bu, yapay zekâyı küçümsemek değil. Tam tersine, onu doğru tanımak. Bir öğrencinin yapay zekâya aşırı güvenmesiyle, onu bütünüyle reddetmesi arasındaki sağlıklı denge, ancak "bu araç nasıl çalışıyor" sorusunu dürüstçe konuşarak kuruluyor. Yapay zekâ okuryazarlığının kalbinde de bu var: Aracın neyi yapabildiğini de, neyi yapamadığını da görmek.

Sıkça sorulan sorular

Hinton gerçekten "yapay zekâ bilinçli" mi dedi?
Evet. Starmus festivalinde ve Telegraph röportajında, yapay zekânın insanlar kadar öznel deneyime sahip olduğunu, dolayısıyla bilinçli sayılması gerektiğini söyledi.

Bu bilimsel olarak kanıtlandı mı?
Hayır. Bu, Hinton'ın kişisel değerlendirmesi. Bilinç tanımı bilim camiasında hâlâ tartışmalı ve onun dayandığı kanıt, bağımsız olarak değerlendirilebilecek kadar ayrıntılı paylaşılmadı.

Yapay zekânın "test edildiğini anlaması" bilinç kanıtı mı?
Şart değil. Bir model, bu davranışı eğitim verisindeki örüntüleri tanıyarak da üretebilir; bunun için öznel bir deneyim yaşaması gerekmez.

Hinton neden bunu söylüyor?
Asıl amacı felsefi bir tartışma başlatmaktan çok uyarmak: Yapay zekâyı, insanı umursayacak biçimde geliştirmezsek ciddi risklerle karşılaşabileceğimizi anlatıyor.

Öğretmenler buna nasıl yaklaşmalı?
Öğrencilere yapay zekâyı "hisseden bir varlık" olarak değil, güçlü ama sınırlı bir araç olarak tanıtarak. Yapay zekâ okuryazarlığı, hem olanaklarını hem sınırlarını görmeyi gerektirir.

Geoffrey Hinton'ın sözleri, kesinleşmiş bir gerçeği değil, zamanında alınması gereken bir uyarıyı taşıyor. Yapay zekânın bilinçli olup olmadığı belki yıllarca tartışılacak. Ama eğitimciler için bekleyemeyecek olan soru daha sade: Bu araçları çocuklarımıza anlatırken, hayranlıkla eleştirel aklı aynı anda nasıl diri tutacağız?

Yapay zekânın gündelik hayata ve eğitime yansımaları için otonom yapay zekâ ajanları ve ChatGPT'de gizlilik yazılarımıza; kendi eğitim materyalinizi üretmek için ise AI Lab'e göz atabilirsiniz.

Ne değişti?

Önceki sürümde sınırlı sayıda dil çifti vardı ve tüm toplantı için tek bir çift seçilmesi gerekiyordu. Google'a göre yeni sürümde katılımcılar, Gemini 3.5 Live Translate ile 63 dilin herhangi bir kombinasyonu arasında aynı toplantıda çeviri yapabiliyor.

• Otomatik dil algılama: Meet konuşulan dili kendisi saptıyor ve her dinleyiciye onun seçtiği dilde aktarıyor. Konuşmacı dil değiştirse de bu işliyor.
• Bireysel kontrol: Çeviriyi herkes kendisi için açıyor. Zaten anladığı dilleri çevirmeyecek şekilde ayarlayabiliyor.
• Eşleşen altyazılar: Çeviri açıkken altyazılar çevrilmiş sesle eşleşiyor.

Kimler kullanabilir?

Toplantıyı düzenleyen kişinin uygun bir Google Workspace ya da Google AI planı olması gerekiyor. Bu durumda başka alan adından gelen konuklar dahil tüm katılımcılar özelliği kullanabiliyor. Birebir aramalarda taraflardan birinin planı yeterli.

Duyuruda sürümler şöyle sayılıyor: Business Standard ve Plus, Enterprise Standard ve Plus, Frontline Plus, Google AI Pro ve Ultra, Google AI Pro for Education ile AI Expanded Access ve AI Ultra Access eklentileri. Okulunuzun hangi sürümde olduğunu yöneticiye sormak gerekiyor.

Uygun Workspace sürümlerinde özellik varsayılan olarak açık; ancak bunun için yönetici ayarında 'Gemini for Meet' etkin olmalı. Yöneticiler özelliği yönetim konsolunda kuruluş birimi ya da grup düzeyinde kapatıp açabiliyor. Katılımcı tarafında ise çeviri toplantı başında kapalı geliyor ve herkes görüşme sırasında kendisi açıyor.

Yayılım takvimi: Hızlı Yayın alan adlarında 22 Ekim 2026'da başladı, görünürlük 1-3 gün sürüyor. Planlı Yayın alan adlarında 2 Kasım 2026'da başlayacak ve görünürlük 15 güne kadar sürebilecek. Mobil kullanıcıların Meet uygulamasını güncellemesi gerekiyor.

Süre ve kapsam sınırları

Toplantı başına çeviri süresi planlara göre değişiyor. Temel Workspace ve Google AI Pro planlarında en fazla 90 dakika; AI Expanded Access, AI Ultra Access ve Google AI Ultra planlarında 8 saat.

Google şu durumlarda çevirinin kullanılamadığını belirtiyor: Canlı yayınlar, toplantı kayıtları, istemci tarafı şifrelemeli toplantılar, telefonla katılım ya da üçüncü taraf birlikte çalışma aramaları ve uyarlanabilir ses. Kullanılabilirlik bölge ve yaş kısıtlamalarına da bağlı. Kaynaktaki bilgilerle Türkiye'de bu özelliğin açık olup olmadığı doğrulanamıyor; Türkçenin 63 dil arasında olup olmadığı da kaynakta açıkça yazmıyor.

Toplantı odası donanımı kullanılıyorsa uzaktaki katılımcıların çevrilmiş konuşmasını odadakiler dinleyebiliyor. Odadaki donanımdan çıkan konuşma ise başkaları için çevrilmiyor.

Sınıfta ve işte nasıl denenir?

Değerlendirmemize göre özellik en çok yabancı uyruklu öğrencilerin velileriyle yapılan görüşmelerde, uluslararası ortak projelerde ve çok dilli akademik toplantılarda işe yarayabilir. Bunlar kaynakta geçmeyen, bizim önerdiğimiz kullanım alanları.

Önce düşük riskli bir toplantıda deneyin. Konuşmaya başlamadan katılımcılardan çeviriyi kendi araç çubuklarından açmalarını isteyin, anladıkları dilleri çevrilmeyecekler arasına ekletin. Önemli bir veli ya da öğrenci görüşmesinden önce, çevirinin kalitesini kısa bir deneme konuşmasıyla kendiniz değerlendirin. Duyuru kalite ölçümü paylaşmıyor.

Gizlilik tarafında Google, kullanıcıların konuşmalarının başkaları için çevrilip çevrilmeyeceğini kendilerinin seçtiğini ve tercihin Meet ayarlarından değiştirilebildiğini yazıyor. Şirket ayrıca ses verisini saklamadığını ve modelleri kullanıcının sesiyle eğitmediğini söylüyor.

Kaynak: Google Workspace Updates, 'Real-time speech translation in Google Meet expands to 63 languages with automatic language detection', 22 Ekim 2026.

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Ana Tablo: Üç Aracın Planları

Tablodaki TL fiyatları App Store Türkiye sayfalarında listelenen fiyatlardır. Gemini ve ChatGPT sayfaları dönemi (aylık ya da yıllık) belirtmiyor; Claude'un listesi dönemi kalem adında yazıyor. Dolar fiyatları çevrilmedi, kur yazılmadı. Kaynakta olmayan bilgi 'kaynakta belirtilmiyor' olarak bırakıldı.

Gemini: Öğrenciye Ücretsiz Yıl

Google'ın açıklamasına göre Türkiye'de 18 yaş ve üzeri üniversite öğrencileri ilk bir yıl boyunca ücretsiz Google AI Plus edinebiliyor. Plan, Gemini Omni erişimi, 2 kat yüksek kullanım limiti ve 400 GB depolama içeriyor. Teklif yalnızca yükseköğretim kurumuna kayıtlı öğrencilere açık. Doğrulamanın nasıl yapıldığı kaynakta yazmıyor. Kayıt adresi goo.gle/universiteli olarak veriliyor.

Teklif 31 Aralık 2026'ya kadar geçerli. Google, güncel Google AI Plus paketi için ücretlendirmeyi aylık 199,99 TL, 12 ay için toplam 2.399,88 TL olarak veriyor. 2025'teki ücretsiz teklifi kullandıysanız yeni dönemi eski üyeliğin bitiş tarihinden itibaren başlatabiliyorsunuz. Otomatik ücretlendirme istemiyorsanız mevcut aboneliği süresi dolmadan iptal etmeniz gerekiyor.

Öğrenci için en belirgin fark çalışma araçlarında. Google'a göre Gemini Notebook, ders materyalini yükledikten sonra bilgi eksiklerini tanılama testiyle belirliyor, ardından kısa dersler ve testler sunuyor. Öğretmene özel bir bireysel indirim elimizdeki kaynaklarda geçmiyor. Resmî sayfaya göre Google AI Pro 18 yaşından büyük kullanıcılara açık ve ücretsiz plana kıyasla 4 kat daha fazla kullanım sınırı sunuyor. Aynı sayfada Ultra için 'Pro planına kıyasla 20 kata kadar' daha yüksek sınır yazıyor. Bu sayfanın yayın tarihi belli değil; limitler değişmiş olabilir.

ChatGPT: TL Listesi Var, Teklif Yok

ChatGPT'nin App Store Türkiye sayfası, uygulamanın ücretsiz olduğunu ve yaş derecesinin 13+ olduğunu söylüyor. Aynı sayfa beş ücretli kalemi TL ile listeliyor: Go 249,99 TL'den Pro 500'ün 26.499,00 TL'sine kadar. Sayfa Plus için iki ayrı fiyat gösteriyor, 999,99 TL ve 9.999,99 TL, ve farkı açıklamıyor. Dönem bilgisi de yok. Değerlendirmemize göre bu belirsizlik yüzünden listedeki rakamlar abonelik ekranında teyit edilmeden karşılaştırılmamalı.

Öğrenci ya da öğretmen için ayrı bir indirim, doğrulama süreci ve kurum planı fiyatı elimizdeki kaynaklarda yer almıyor. OpenAI'ın resmî fiyat sayfası bu çalışmada kaynak olarak kullanılamadı; bu satırlar o yüzden açık.

Claude: Eğitim Planı Kuruma Satılıyor

Anthropic'in fiyat sayfasında Claude'un eğitim planı, öğrenci, öğretim üyesi ve personeli kapsayan üniversite çapında bir plan olarak anlatılıyor. Yani muhatabı birey değil kurum. Sayfa 'Comprehensive access for all university members at discounted rates' diyor, ama indirimin oranını ya da fiyatını vermiyor.

Kullanım limitleri sayfada oran olarak tanımlı: Pro, ücretsiz sürüme göre en az 5 kat; Max, Pro'ya göre 5 ya da 20 kat kullanım sağlıyor. Kullanım beş saatlik kayan pencerelerde sıfırlanıyor ve ücretli planlara haftalık limit ekleniyor. Aynı sayfa, fiyat ve planların Anthropic'in takdirine göre değişebileceğini yazıyor. Fiyat sayfası TL vermiyor; App Store Türkiye ise Pro'yu aylık 999,99 TL, yıllık 11.999,99 TL olarak listeliyor.

Seçim İçin Kontrol Listesi

• Üniversiteye kayıtlı ve 18 yaşından büyükseniz Google'ın teklif şartlarını okuyun; teklif 31 Aralık 2026'da bitiyor.
• 2025'teki ücretsiz teklifi kullandıysanız yeni dönem, eski üyeliğin bitiş tarihinden itibaren başlatılabiliyor.
• Otomatik ücretlendirme istemiyorsanız iptal tarihini takvime yazın. İptalin süre dolmadan yapılması gerekiyor.
• Gördüğünüz TL fiyat aylık mı, yıllık mı? App Store sayfaları dönemi belirtmeyebiliyor; satın alma ekranında dönemi okuyun.
• Öğretmen olarak bireysel indirim arıyorsanız, elimizdeki kaynaklarda öğretmene özel bir plan geçmiyor. Okulunuzun ya da kurumunuzun planına bakmak mantıklı olabilir.
• Kurumunuz kaç kişi? Gemini Enterprise Business sürümü Google'a göre 300 kişiye kadar ekipler için tanımlı.
• Kullanım sınırı sizin için belirleyiciyse, şirketlerin sınırı farklı anlattığını bilin: Gemini 'ücretsiz plana kıyasla' kat sayısı verirken Claude beş saatlik pencere kullanıyor.

Fiyatlar Değişebilir

Bu yazıdaki fiyatlar ve şartlar kaynak sayfalarda listelendiği haliyle verilmiştir ve değişebilir. Anthropic fiyat ve planların kendi takdirine göre değişebileceğini yazıyor. Satın almadan önce ilgili aracın resmî sayfasından ve App Store ya da abonelik ekranından güncel fiyatı, dönemi ve şartları teyit edin. Gemini ve Claude resmî sayfalarının tarihi belirtilmiyor; oradaki limit ve plan bilgilerini satın alma ekranında yeniden kontrol edin.

Sık Sorulan Sorular

Google'ın öğrenci teklifi hâlâ geçerli mi?

Google'ın açıklamasına göre teklif 31 Aralık 2026'ya kadar geçerli. Koşullar için Google'ın Teklif Koşulları'na bakılmalı.

ChatGPT ya da Claude için öğrenci indirimi var mı?

Elimizdeki kaynaklarda ChatGPT için öğrenci indirimi geçmiyor. Claude için yalnızca üniversitelere satılan bir eğitim planı var; bireysel öğrenci fiyatı yazılmamış.

Claude'un Türkiye fiyatı nedir?

App Store Türkiye'de Pro aylık 999,99 TL, yıllık 11.999,99 TL olarak listeleniyor; Max 5x aylık 6.999,99 TL, Max 20x aylık 12.999,99 TL. Resmî fiyat sayfası Pro için aylık 20 dolar, yıllık ödemede peşin 200 dolar gösteriyor.

Kaynak: Google, 'Yeni okul yılına Gemini ile başlayın', 28 Ağustos 2026, blog.google; Google Gemini abonelik sayfası, tarih belirtilmiyor, gemini.google; Anthropic, 'Pricing', tarih belirtilmiyor, claude.com/pricing; App Store Türkiye, Google Gemini, ChatGPT ve Claude uygulama sayfaları (22 Ekim 2026).

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Araştırma Nasıl Yapıldı

Çalışma, bilgisayar bilimleri alanındaki Computers and Society kategorisinde, 20 Ekim 2026 tarihli ön baskı olarak yayımlandı. Hakemli bir dergi makalesi değil. Araştırmacılar, GPT-5.1 modelinin üniversite matematiğindeki el yazısı cevaplardan ve bu cevapların notlarından ürettiği geri bildirimi ve alıştırmaları değerlendirdi.

Veri, altı haftalık bonus testten geldi. İngilizce bir grupta 343, Felemenkçe bir grupta 236 öğrenci vardı. Birinci ve üçüncü testte 'çapraz' bir tasarım kullanıldı: Bazı öğrenciler geri bildirim aldı, bazıları almadı. Diğer testlerde katılan herkes geri bildirim aldı. Kaynakta üniversitenin ve ülkenin adı yer almıyor.

Geri bildirimin kalitesini altı değerlendirici ölçtü. İngilizce gruptaki üç görevden 157 mesajı, 0 ile 3 arasında puanlanan altı ölçütle incelediler.

Alıştırmalar Güçlü, Teşhis Zayıf Çıktı

Değerlendiriciler, yapay zekanın hazırladığı alıştırmaları en yüksek oranda 'güçlü' buldu. Aynı mesajlardaki iki ölçüt ise çok daha düşük kaldı.

Teşhis özgüllüğü, geri bildirimin öğrencinin hatasını ne kadar tam yerinden yakaladığını anlatır. 'Burada işlem hatası var' demekle 'ikinci satırda türev kuralını ters uyguladınız' demek arasındaki fark budur. Bu ölçütte güçlü puanlar yalnızca %41,1'de kaldı.

Bir bulgu daha dikkat çekici: En düşük notlu cevaplara yazılan geri bildirim, değerlendiricilere göre daha az uygulanabilirdi. Araştırmacılar bundan, bu öğrencilerin öğretim elemanlarından daha hedefli rehberlik görmesi gerekebileceği sonucunu çıkarıyor.

Sınav Notunda Net Fark Görülmedi

Asıl soru, geri bildirimin sonraki sınav performansını artırıp artırmadığıydı. İlgili sınav soruları karşılaştırıldığında sonuçlar karışık çıktı. Dört karşılaştırmanın hiçbirinde, düzeltme sonrasında istatistiksel olarak anlamlı fark bulunmadı.

Öte yandan daha fazla derse katılım ve daha fazla geri bildirime maruz kalma, daha yüksek sınav notlarıyla ilişkiliydi. Ancak yazarlara göre geri bildirimin payı, katılım ve alıştırmadan ayrıştırılamadı. Yani not artışı geri bildirimden mi, düzenli çalışmadan mı geldi, bu veriyle söylenemiyor.

Öğretmen ve Kurumlar İçin Anlamı

Değerlendirmemize göre bulgu, otomatik geri bildirimi 'tek başına öğretmen yerine' koymanın dayanağı olmadığını gösteriyor. Alıştırma üretimi güçlü görünüyor; hatayı tam yerinden teşhis etmek ve öğrenciye doğru tonla söylemek ise zayıf halka. Yazarlar da öğretim elemanı rehberliğini otomatik üretimle birleştiren bir çerçeveden söz ediyor.

Pratik bir yol: Yapay zekanın ürettiği alıştırmaları kullanın, ama geri bildirim metnini öğrencilere göndermeden önce özellikle düşük notlu cevaplarda gözden geçirin. Öğrenci kimliğini taşıyan ödev görüntülerini hangi araca yüklediğinizi de kurumunuzun veri politikasına göre belirleyin.

Bulgunun Sınırları

Bu bir ön baskı ve henüz hakem değerlendirmesinden geçtiği kaynakta belirtilmiyor. Kalite değerlendirmesi yalnızca İngilizce gruptaki üç görevden 157 mesaja dayanıyor. Sınav karşılaştırmalarında anlamlı fark çıkmaması da etkinin olmadığını kanıtlamıyor; yalnızca bu tasarımda ölçülemediğini gösteriyor. Katılım ile not arasındaki ilişki nedensellik değil. Türkiye'deki üniversiteler için bir veri ise kaynakta yok.

Bugün atılabilecek adım basit: Kendi dersinizde geri bildirimi bir hafta yalnızca yarı gruba verin, sonraki kısa sınavda sonuçları karşılaştırın. Araştırmacıların 'çapraz' tasarımı, bunu küçük ölçekte denemenin yolunu gösteriyor.

Kaynak: ArXiv, 'Evaluating LLM-Generated Feedback on Handwritten Mathematics: Feedback Quality and Subsequent Exam Performance', 20 Ekim 2026. arxiv.org/abs/2610.27881

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.

Docs Live Ne Yapıyor

Google'a göre Docs Live, eller serbest çalışan bir düşünce ortağı ve ortak yazar işlevi görüyor. Doğal konuşmayla, yapılandırılmış ve bağlama duyarlı belgeler hazırlamanıza yardım ediyor. Fikirleriniz dağınık olsa bile özellik e-postalarınızdan, sohbetlerinizden ve Drive dosyalarınızdan bağlam çekebiliyor.

Google'ın saydığı kullanım örnekleri proje güncellemeleri, özellik önerileri, müşteri sunumları, etkinlik planları ve sunumlar için konuşma metinleri. Duyuruya göre Gemini, Gmail, Drive, Chat ve web içeriğinden güvenli biçimde yararlanıyor; çıktı bu yüzden kişiselleştirilmiş oluyor.

Kimler Kullanabilir

Özellik, hızlı ve planlı yayın alan adlarında şu an kullanılabiliyor. Docs'ta Gemini'nin etkin olduğu kullanıcılarda varsayılan olarak açık geliyor; erişimi yönetmek isteyen yöneticiler Google'ın Yardım Merkezi'ne yönlendiriliyor. Google'ın listesine göre kapsanan sürümler şunlar: İş tarafında Business Standard ve Plus, kurumsal tarafta Enterprise Standard ve Plus, bireysel kullanıcılarda Google AI Pro ve Ultra, ayrıca AI Expanded Access eklentisi. Eğitim tarafında listede yalnız Google AI Pro for Education eklentisi var; Education Fundamentals, Standard ve Plus sürümleri listede yer almıyor. Türkçe desteği ve Türkiye'de kullanılabilirlik duyuruda belirtilmiyor.

Eğitimde Nasıl Denenir

Aşağıdakiler değerlendirmemize göre birer öneri; Google'ın duyurusunda eğitime özel bir kullanım anlatılmıyor. Zümre toplantısı ya da veli görüşmesi sonrası notlarınızı yürürken sesle anlatıp toplantı özeti taslağına dönüştürmeyi deneyebilirsiniz. Duyuruda da hedefi net söylemek öneriliyor: Ne tür bir belge istediğinizi baştan belirtin, örneğin 'bu çağrıdaki notlardan proje önerisi'.

Bir uyarı: Özellik e-posta ve dosyalarınızdan bağlam çekebildiği için komutlara öğrenci adı ve not bilgisi yazmayın. Çıkan taslağı da göndermeden önce satır satır okuyun.

Bilinmeyenler ve sınırlar

Kaynak şirketin kendi duyurusu; bağımsız bir test ya da kullanıcı deneyimi içermiyor. Dil desteği, Türkiye'de erişim, kullanım limiti ve Google AI Pro for Education eklentisinin fiyatı da duyuruda yer almıyor.

Kaynak: Google Workspace Updates, 'Create structured documents using just your voice with Docs Live in Google Docs on mobile', 21 Ekim 2026.

Bu yazı EdTech Türkiye yayın masasında, yapay zeka desteğiyle birincil kaynaklardan hazırlandı; olgular kaynaklarla karşılaştırılarak denetlendi. Editörlerimiz yazıyı yayından sonra da izler; hata bildirimlerini düzeltme politikamıza göre ele alırız.