Yapay Zeka Geri Bildirimi Matematik Sınavında İşe Yaradı mı?

Bir öğrencinin el yazısıyla çözdüğü matematik cevabını tarayıp yapay zekaya verdiğinizi düşünün: Not de, geri bildirim de, ek alıştırma da otomatik gelsin. Sistem çalışıyor gibi görünüyor. Peki bu geri bildirim öğrencinin sonraki sınavda daha iyi yapmasını sağlıyor mu? Yeni bir arXiv ön baskısı bu soruyu İngilizce ve Felemenkçe eğitim gören iki gruptan 579 üniversite öğrencisiyle sınadı. Cevap, beklenenden daha temkinli.

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.

Bu içerik, Edtech Türkiye Editörlüğü'nün yapay zeka destekli yayın hattında kaynak taraması ve otomatik editör denetiminden geçirilerek hazırlanmıştır. Süreç için Editöryal İlkelerimize bakabilir, hata bildirimini iletişim sayfasından iletebilirsiniz.