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.