AKÜ Sosyal Tesislerinde gerçekleştirilen çalıştaya AKÜ Rektör Yardımcıları Prof. Dr. Şuayıp Özdemir ve Prof. Dr. Murat Peker ile akademisyenler katıldı. Çalıştayda yapay zekanın öğrenme ve öğretme süreçlerine etkileri, ölçme ve değerlendirmede ortaya çıkan sorunlar, akademik dürüstlük ve veri güvenliği başlıkları değerlendirildi.
“İNSAN DENETİMİNDE İYİ BİR ÖĞRENME ORTAĞI OLABİLİR”
Prof. Dr. Koray Kasapoğlu, “Yapay Zeka ile Öğrenme ve Öğretme Sürecinin Dönüşümü” başlıklı sunumunda, yapay zekanın eğitimde kullanımını geleneksel uygulamalar ve üretken yapay zeka araçları olmak üzere iki düzlemde değerlendirdi. Kasapoğlu, büyük dil modelleriyle birlikte öğrencilerin öğrenme sürecindeki etkileşim imkanlarının arttığını ifade etti.Yapay zekanın öğrencilerin sorularına yanıt aramasına, ders notlarından soru hazırlamasına ve sınavlara yönelik alıştırmalar yapmasına imkan sağlayabildiğini aktaran Kasapoğlu, bu dönüşümün öğretim elemanlarının rolünü de yeniden değerlendirmeyi gerektirdiğini söyledi. Kasapoğlu, “İnsan denetiminde kullanıldığında iyi bir öğrenme ortağı olabilir.” dedi.
KİŞİSELLEŞTİRİLMİŞ GERİ BİLDİRİM İMKANI
Kasapoğlu, kalabalık sınıflarda öğrencilere ayrıntılı ve zamanında geri bildirim vermenin güçleşebildiğine dikkat çekerek, yapay zekanın öğrencilerin ihtiyaçlarına göre geri bildirim sunma potansiyeline sahip olduğunu belirtti. Farklı öğrenme ihtiyaçlarına uygun içerik ve yönlendirmeler oluşturulabileceğini ifade eden Kasapoğlu, yapay zekanın sunduğu açıklama ve geri bildirimlerin doğruluğunun mutlaka denetlenmesi gerektiğini vurguladı.
“AKICI YANIT DOĞRU OLDUĞU ANLAMINA GELMİYOR”
Yapay zeka tarafından üretilen içeriklerin akıcı ve kendinden emin bir dille sunulmasının doğruluğu garanti etmediğini belirten Kasapoğlu, öğrencilerin bilgileri eleştirel biçimde değerlendirme ve güvenilir kaynaklarla doğrulama becerilerinin geliştirilmesi gerektiğini söyledi. Kasapoğlu, yapay zekanın öğrencinin yerine ödev hazırlayan bir araç olarak kullanılmasının öğrenmeyi destekleme amacından uzaklaşabileceğini ifade ederek, eğitimde üretken yapay zekaya ilişkin uzun süreli ve güçlü araştırmalara ihtiyaç bulunduğunu kaydetti.
ÖDEVİN KALİTESİ ÖĞRENMEYİ TEK BAŞINA GÖSTERMİYOR
Doç. Dr. Fatih Özdinç ise “Yapay Zeka Çağında Ölçme, Değerlendirme ve Akademik Dürüstlük” başlıklı sunumunda, yapay zekanın yaygınlaşmasıyla birlikte öğrencinin neyi, nasıl ve ne kadar öğrendiğinin belirlenmesinin daha önemli hale geldiğini ifade etti. Özdinç, öğrencilerin yapay zeka desteğiyle akıcı metinler, çalışan yazılımlar ve doğru yanıtlar içeren ödevler hazırlayabildiğini belirterek, ortaya çıkan ürünün niteliği ile öğrencinin gerçek öğrenme düzeyinin her zaman örtüşmeyebileceğine dikkat çekti.
YAPAY ZEKA KULLANIM SINIRLARI BELİRLENMELİ
Özdinç, öğrencinin kendi yazdığı bir metnin dilini düzeltmesi ile bir raporun tamamını yapay zekaya hazırlatmasının aynı şekilde değerlendirilmemesi gerektiğini söyledi. Yapay zeka kullanımının dersin amacı ve kazandırılması hedeflenen beceriler doğrultusunda tanımlanması gerektiğini belirten Özdinç, kullanım sınırlarının öğrenciler tarafından önceden bilinmesinin önemine vurgu yaptı. Öğrencinin yapay zekadan hangi aşamada ve ne tür destek aldığını açıklaması gerektiğini ifade eden Özdinç, öğrencinin yapay zeka olmadan ne yapabildiğinin de değerlendirilmesi gerektiğini kaydetti.
BİREYSEL KATKI SÜREÇ İÇİNDE İZLENECEK
Özdinç, öğrencinin çalışmasına ne ölçüde hakim olduğunun anlaşılması için çalışmanın aşamalı olarak takip edilmesini önerdi. Başlangıçta problemin öğrencinin kendi cümleleriyle tanımlanması, ara teslimlerle sürecin izlenmesi ve son aşamada yapay zeka kullanımının açıklanmasının öğrenmeyi daha görünür hale getirebileceğini ifade etti. Özdinç ayrıca öğretim elemanlarının yapay zekadan geri bildirim ve notlandırma süreçlerinde yararlanması halinde bunu öğrencilere açıklaması, üretilen içeriği kontrol etmesi ve öğrenci mahremiyetini koruması gerektiğini belirtti.
“KESİN, DOĞRU ÇALIŞAN BİR DEDEKTÖR YOK”
Dr. Öğretim Üyesi Kerem Gencer, “Yapay Zekanın Teknik Boyutu ve Geleceği” başlıklı sunumunda üretken yapay zeka ve büyük dil modellerinin çalışma yapısına ilişkin bilgiler verdi. Gencer, bu modellerin akıcı yanıtlar oluşturabilmesinin insanın anlama ve muhakeme süreçleriyle aynı şekilde değerlendirilmemesi gerektiğini söyledi. Büyük dil modellerinin gerçekte bulunmayan bilgi ve kaynaklar üretebildiğini belirten Gencer, bu durumun akademik çalışmalarda dikkate alınması gerektiğini vurguladı. Yapay zeka tarafından oluşturulan içeriklerde kaynakların ayrıca kontrol edilmesi gerektiğini ifade eden Gencer, yapay zeka ürünü metinleri tespit eden araçların da kesin sonuç vermediğini belirterek, “Kesin, doğru çalışan bir dedektör yok.” dedi.
VERİ GÜVENLİĞİNE DİKKAT ÇEKİLDİ
Gencer, üniversitelerde yapay zeka kullanımının teknik altyapı, maliyet ve veri güvenliği boyutlarının da değerlendirilmesi gerektiğini söyledi. Kurum dışındaki sistemlere yüklenen belgeler ve paylaşılan bilgilerin güvenliği konusunda dikkatli olunması gerektiğini belirten Gencer, dış hizmetlere bağımlılığın sürdürülebilirlik açısından da ele alınması gerektiğini kaydetti. Açık kaynaklı modellerden yararlanılarak yerel sistemlerin kurulmasının değerlendirilebileceğini ifade eden Gencer, bunun uygun donanım, teknik kapasite ve aşamalı yatırım gerektirdiğini dile getirdi.
FIRSATLAR RİSKLERLE BİRLİKTE DEĞERLENDİRİLDİ
Sunumların ardından gerçekleştirilen yuvarlak masa çalışmalarında mevcut durum ve temel sorunlar, fırsatlar, riskler ve tehditler ele alındı. Çalışmada ayrıca temel politika ilkeleri, somut uygulama önerileri ve geleceğe yönelik değerlendirmeler görüşüldü. Çalıştay, yapılan değerlendirmelerin ardından toplu fotoğraf çekimiyle sona erdi.
