Giriş
Online eğitimde yapay zeka (YZ), yalnızca içerik sunmakla kalmıyor; özellikle değerlendirme süreçlerine entegre edildiğinde öğrencilerin öğrenme deneyimini derinleştiriyor (Graesser et al., 2005). Bu bağlamda, YZ destekli değerlendirme, eğitim alanında giderek daha fazla ilgi gören bir konu haline gelmiştir.
1. YZ Destekli Değerlendirme Nedir?
Eğitimde YZ destekli değerlendirme; otomatik notlandırma, tahmine dayalı analizler ve biyometrik proctoring gibi yöntemlerle değerlendirme süreçlerini dönüştürmektedir (Özkan & Yıldırım, 2023). AutoTutor gibi sistemler, doğal dil işleme (NLP) algoritmaları kullanarak öğrenci yanıtlarını analiz eder; bu sayede hem bilişsel durumu hem de duygusal tepkileri değerlendirerek öğrenme kazanımlarını artırır (Graesser et al., 2005).
2. Faydalar
YZ destekli değerlendirme sistemlerinin başlıca faydaları şunlardır:
- Kişiselleştirilmiş Geri Bildirim: YZ, öğrenciye özel dönütler sunarak tamamlanma oranlarını ve başarıyı artırabilir. Örneğin Korbit platformu, geleneksel MOOC’lara kıyasla öğrenci kazanımlarında 2 ila 2,5 kat artış sağlamıştır (St-Hilaire et al., 2022).
- Hız ve Verimlilik: Otomatik değerlendirme sistemleri, değerlendirme süresini önemli ölçüde kısaltarak öğretmenin zamanını daha verimli kullanmasını sağlar (Özkan & Yıldırım, 2023).
- Tarafsızlık: YZ, insan önyargısını minimize ederek değerlendirmeyi daha objektif hale getirebilir (Johnson, 2024).
3. Uygulama Örnekleri
- Khanmigo (Khan Academy): Microsoft iş birliğiyle geliştirilen bu sistem, öğrencilere özelleştirilmiş rehberlik sunmaktadır (DiCerbo, 2025).
- Canvas / OpenAI Entegrasyonu: Yapay zeka tabanlı araçlar, öğrencinin ilerleme durumuna göre özelleştirilmiş değerlendirmeler sunmaktadır (Smith, 2025).
- Google Gemini "Guided Learning" Modu: Adım adım rehberlik ve etkileşimli quizlerle öğrenci anlayışını derinleştirmeyi amaçlamaktadır (Perez, 2025).
4. Etik ve Zorluklar
YZ’nin değerlendirme süreçlerine entegrasyonunda bazı etik sorunlar gündeme gelmektedir. Algoritmik önyargı, şeffaflık, erişim eşitsizliği ve akademik bütünlük bunların başında gelmektedir (Kara & Demir, 2024). Öğretmenler, YZ’nin yalnızca bir araç olduğunu unutmamalı ve sonuçları pedagojik bağlamda değerlendirmelidir (Özkan & Yıldırım, 2023).
Sonuç
YZ destekli değerlendirme, online eğitimde hem verimliliği hem de öğrenme kalitesini artırma potansiyeline sahiptir. Ancak, etik standartların korunması ve öğretmenin rehberlik rolünün sürdürülmesi gerekmektedir.
Kaynakça
DiCerbo, K. (2025, Temmuz 25). How Khan Academy is using AI to reach millions. Time. https://time.com/7012801/kristen-dicerbo
Graesser, A. C., VanLehn, K., Rose, C. P., Jordan, P. W., & Harter, D. (2005). AutoTutor: A tutor with dialogue in natural language. Behavior Research Methods, 37(2), 180–192. https://doi.org/10.3758/BF03192749
Johnson, R. (2024, Eylül 15). AI grading tools aim for objectivity. The Wall Street Journal. https://www.wsj.com/tech/ai/ai-tools-grading-teachers-students-396c2bfc
Kara, M., & Demir, S. (2024). Yapay zeka destekli ölçme ve değerlendirme: Fırsatlar ve riskler. Eğitimde Yenilikçi Yaklaşımlar Dergisi, 8(1), 45–62. https://doi.org/10.14686/buefad.1185345
Özkan, A., & Yıldırım, E. (2023). Eğitimde yapay zeka uygulamaları: Ölçme ve değerlendirme bağlamında bir inceleme. Journal of Instructional Technologies and Teacher Education, 12(4), 250–266. https://dergipark.org.tr/tr/pub/jitte/issue/85082/1492424
Perez, S. (2025, Mayıs 20). Google’s Gemini AI adds guided learning features for students. The Verge. https://www.theverge.com/news/732182/google-gemini-ai-guided-learning-education
Smith, J. (2025, Temmuz 30). Canvas integrates OpenAI for personalized assessments. Business Insider. https://www.businessinsider.com/chatgpt-openai-education-canvas-ai-2025-7
St-Hilaire, M., Kachuee, M., & Wang, S. (2022). Korbit intelligent tutoring system: An AI-based approach to online education. arXiv. https://arxiv.org/abs/2203.03724