MARMARA ÜNİVERSİTESİ ATATÜRK EĞİTİM FAKÜLTESİ

BİLGİSAYAR VE ÖĞRETİM TEKNOLOJİLERİ BÖLÜMÜ

2025-2026 EĞİTİM ÖĞRETİM YILI BAHAR DÖNEMİ

BİLİŞİM ETİĞİ ve GÜVENLİK DERSİ

“Makale İnceleme Raporu”

Hazırlayan: Emirhan Gören 100222010

 

İçindekiler

MAKALE ADI 3

YAZAR(LAR) 3

MAKALE KÜNYESİ (APA STANDARDI) 3

MAKALE ERİŞİM ADRESİ 3

GİRİŞ. 4

ARAŞTIRMANIN AMACI 4

YÖNTEM.. 4

ARAŞTIRMA MODELİ 4

EVREN ÖRNEKLEM / ÇALIŞMA GRUBU (VERİ KAYNAKLARI) 5

VERİ TOPLAMA ARACI / VERİLER ve TOPLANMASI / UYGULAMA SÜRECİ 5

VERİLERİN ANALİZİ 5

BULGULAR ve TARTIŞMA. 5

BULGULAR. 5

TARTIŞMA VE SONUÇ.. 6

SONUÇ VE ÖNERİLER. 6

İNCELEME SONUÇLARI VE ÖNERİLER. 7

 

MAKALE ADI

Eğitimde Yapay Zekâ Uygulamaları: Fırsatlar, Sınırlılıklar ve Etik Tartışmalar

YAZAR(LAR)

Celal BOZTEPE: Milli Eğitim Bakanlığı Yıl/ Sayı: 2025 / Cilt 9, Sayı 1

MAKALE KÜNYESİ (APA STANDARDI)

Boztepe, C. (2025). Eğitimde Yapay Zekâ Uygulamaları: Fırsatlar, Sınırlılıklar ve Etik Tartışmalar. Dumlupınar Üniversitesi Eğitim Bilimleri Enstitüsü Dergisi, 9(1), 98-121. https://doi.org/10.71272/debder.1706141 Anahtar Kelimeler: Eğitim teknolojileri, etik sorunlar, kişiselleştirilmiş öğrenme, yapay zekâ

MAKALE ERİŞİM ADRESİ

GİRİŞ

  • Yapay zekâ (YZ), insan zekâsını taklit etmeyi amaçlayan; öğrenme, problem çözme, dil işleme ve görsel algı gibi bilişsel işlevleri yerine getirebilen sistemler olarak tanımlanmaktadır.
  • YZ’nin eğitim alanındaki kullanımı 1960’lara kadar uzanmakta olup, 2000’li yıllarla birlikte kişiselleştirilmiş öğrenme ve otomatik değerlendirme sistemleriyle yaygınlaşmıştır.
  • YZ destekli araçlar, öğretmenlerin daha verimli ders planları hazırlamasını sağlarken öğrencilere özelleştirilmiş bir öğrenme deneyimi sunarak motivasyonu artırmaktadır.
  • Bu sistemlerin öğretmenlerin iş yükünü hafifletmesi, eğitimde fırsat eşitliğini güçlendirmesi gibi sosyal boyutları da bulunmaktadır.
  • Ancak sürdürülebilir bir dönüşüm için öğretmenlerin dijital yeterliliklerinin geliştirilmesi ve veri gizliliği gibi etik sorunların bütüncül bir yaklaşımla ele alınması gerekmektedir.

ARAŞTIRMANIN AMACI

  • Bu araştırma, eğitimde yapay zekâ teknolojilerinin kullanımını incelemek ve bu teknolojilerin öğretim ve öğrenme süreçlerine olan etkilerini analitik bir çerçevede değerlendirmeyi amaçlamaktadır.
  • Çalışma; kişiselleştirilmiş öğrenme, öğretmen rollerinin dönüşümü, öğrenci motivasyonu, fırsat eşitliği ve YZ’nin kullanımında ortaya çıkan etik sorunlar ile gizlilik endişeleri gibi çok boyutlu temalara odaklanmaktadır.

YÖNTEM

ARAŞTIRMA MODELİ

  • Bu çalışma nitel araştırma desenlerinden doküman analizi yöntemi kullanılarak gerçekleştirilmiştir.
  • Doküman analizi, eğitimde YZ araçlarının kullanımına dair yayımlanmış akademik çalışmalar ve raporların belirli temalar etrafında sistematik bir şekilde incelenmesine olanak tanımıştır.

EVREN ÖRNEKLEM / ÇALIŞMA GRUBU (VERİ KAYNAKLARI)

  • Araştırmanın veri kaynaklarını; hakemli akademik dergiler, lisansüstü tezler, kitaplar ve güvenilir kurumsal raporlar oluşturmaktadır.
  • Türkçe ve İngilizce dillerinde yayımlanmış, amaca doğrudan katkı sağlayan 38 nitelikli kaynak detaylı olarak incelenmiştir.
  • Çalışmaların güncelliğini yansıtması amacıyla incelenen 38 eserin 30’u, 2020 yılı ve sonrasında yayımlanmış çalışmalardan seçilmiştir.

VERİ TOPLAMA ARACI / VERİLER ve TOPLANMASI / UYGULAMA SÜRECİ

  • Veriler, akademik veri tabanlarında (Google Scholar, Ulusal Tez Merkezi, Scopus, DergiPark, ResearchGate) yapılan sistematik taramalarla elde edilmiştir.
  • Tarama sürecinde “yapay zekâ”, “dijital eğitim”, “eğitimde yapay zekâ” ve “yapay zekâ ve etik” anahtar kelimeleri kullanılmıştır.

VERİLERİN ANALİZİ

  • Veriler tematik analiz yaklaşımıyla çözümlenmiştir.
  • Analiz süreci dört aşamada gerçekleşmiştir: Veri kaynaklarının incelenmesi, kodlama ve tematik sınıflandırma (5 ana tema), verilerin karşılaştırmalı analizi ve sonuçların çıkarılması.

BULGULAR ve TARTIŞMA

BULGULAR

  • Kişiselleştirilmiş Öğrenme: YZ sistemleri, öğrencilerin ilgi alanları ve öğrenme hızlarına göre içerik sunarak öğrenme süreçlerini hızlandırmakta ve etkili hale getirmektedir.
  • Öğretim Materyali ve Değerlendirme: YZ, öğretmenlerin öğrenci verilerini analiz ederek ders materyallerini çeşitlendirmesini sağlamakta ve açık uçlu yanıtları bile içeriksel olarak analiz ederek nitelikli geri bildirim sunmaktadır.
  • Öğrenci Motivasyonu: Güçlü olunan alanlarda ileri düzey içerik, zayıf olunan alanlarda ise tekrar imkânı sunulması ve anlık geri bildirimler, öğrencilerde merak uyandırıp içsel motivasyonu artırmaktadır.
  • Fırsat Eşitliği: YZ tabanlı sistemler ve çeviri araçları; öğrenme güçlüğü çeken, özel eğitime ihtiyaç duyan veya dil bariyeri yaşayan grupların eğitim materyallerine erişimini kolaylaştırarak fırsat eşitliğine katkı sağlamaktadır.
  • Etik ve Gizlilik Sorunları: Öğrenci verilerinin kimler tarafından saklandığı ve işlendiğine dair belirsizlikler mahremiyet ihlallerine yol açmaktadır. Ayrıca algoritmaların şeffaf olmaması (“kapalı kutu” niteliği) hesap verebilirliği zayıflatırken, veri setlerindeki algoritmik önyargılar bazı öğrenci gruplarını dezavantajlı konuma düşürebilmektedir.

TARTIŞMA VE SONUÇ

  • YZ sistemleri sadece teknolojik bir araç değil, pedagojik yaklaşımları ve öğretmen rollerini derinden dönüştüren bir unsurdur. Öğretmenler artık bilgi aktarıcı olmaktan çok, YZ’nin sunduğu veri analitiklerini kullanarak öğrenme sürecini yönlendiren bir rehber (içerik düzenleyicisi) konumuna geçmektedir.
  • Bireyselleştirilmiş öğrenme ve anında geri bildirim olanakları öğrenci başarısını ve motivasyonunu ciddi şekilde artırmaktadır.
  • Teknolojinin fırsat eşitliği yaratma potansiyeli yüksektir; ancak kırsal bölgelerdeki dijital altyapı eksiklikleri ve öğrencilerin dijital okuryazarlık seviyeleri bu potansiyelin önünde bir engel oluşturmaktadır.
  • Kullanıcıların, kişisel verilerinin YZ tarafından nasıl işlendiğine dair farkındalıklarının düşük olması, sistemin tasarımında şeffaflık, açıklanabilirlik ve adalet ilkelerinin acilen kurumsallaştırılmasını gerektirmektedir.

SONUÇ VE ÖNERİLER

Elde edilen bulgulara göre, YZ’nin eğitim sistemlerine sürdürülebilir entegrasyonu için sadece teknolojik altyapı yeterli değildir; öğretmenlerin dijital pedagojik yeterliliklerinin artırılması ve okul düzeyinde veri etiği politikalarının oluşturulması zorunludur. YZ sistemlerinin tasarımı sürecinde Avrupa Komisyonu ve UNESCO gibi kuruluşların belirlediği uluslararası etik standartlar (insan denetimi, veri yönetişimi, teknik sağlamlık) merkeze alınmalıdır. Eğitim fakültelerindeki öğretmen yetiştirme programları, YZ okuryazarlığını ve bilişim etiğini kapsayacak şekilde güncellenmeli ve dijital eşitsizliklerin giderilmesi için kamu destekli politikalar üretilmelidir.

İNCELEME SONUÇLARI VE ÖNERİLER

Söz konusu makaleyi incelediğimde, yapay zekânın eğitimdeki entegrasyonunun pedagojik fırsatlar kadar devasa etik sorumluluklar da getirdiğini görmekteyim. Makalenin “Etik ve Gizlilik Sorunlarının Yönetimi” kısımlarından hareketle ulaştığım temel sonuçlar şunlardır:

  • Veri Mahremiyeti ve “Belirsiz Saklama Süreleri” Tehlikesi: Yapay zekâ sistemleri, öğrencilere kişiselleştirilmiş bir deneyim sunabilmek için devasa boyutlarda veriye ihtiyaç duymaktadır. Ancak makalede de vurgulandığı üzere, öğrencilerden toplanan kişisel verilerin güvenli biçimde saklanması ve yalnızca eğitim süreçleriyle sınırlı olarak kullanılması hayati bir zorunluluktur. Öğrencilerin ürettiği verilerin ne kadar süreyle sistemde tutulacağına dair belirsiz saklama süreleri ve yetki sınırlarının net olmaması, çok ciddi veri mahremiyeti ihlallerine yol açabilecek bir saatli bomba niteliğindedir. Çoğu zaman öğrencilerin (ve hatta öğretmenlerin) kişisel verilerinin nasıl işlendiğine dair farkındalıkları oldukça düşüktür.
  • “Kapalı Kutu” Problemi ve Şeffaflık Eksikliği: Öğretim süreçlerinde yapay zekâ bir değerlendirme veya yönlendirme yaptığında, bu sonuca nasıl ulaştığını bilmek hem öğrencinin hem de öğretmenin en temel hakkıdır. Ancak algoritmaların nasıl çalıştığına dair şeffaf bilgilendirme eksikliği, eğitim ortamlarında büyük bir hak ihlali riski taşımaktadır. Yapay zekâ araçlarının “kapalı kutu” (black box) niteliği taşıması, karar süreçlerinin açıklanabilir olmasını engellemekte ve eğitimde en çok ihtiyaç duyduğumuz “hesap verebilirlik” ilkesini derinden sarsmaktadır. Öğretmen, sistemin verdiği bir kararın arkasındaki mantığı göremediğinde öğrenciye adil bir rehberlik sunamaz.
  • Algoritmik Önyargılar ve Eğitimde Adalet: Yapay zekâ, kendisini besleyen veriler kadar tarafsızdır. Makaledeki en çarpıcı bulgulardan biri de yapay zekâ sistemlerinde toplumsal ve kültürel önyargıların algoritmalar aracılığıyla yeniden üretilme riskidir. Eğer sistemin eğitildiği veri setleri belirli bir kültürü veya sosyoekonomik grubu kayırıyorsa, bu durum bazı öğrenci gruplarını doğrudan dezavantajlı konuma getirecektir. Bu da teknolojinin eğitimde fırsat eşitliği yaratma misyonuna tamamen ters düşen, ayrımcı bir sonuçtur.

Önerilerim: Tüm bu riskler göz önüne alındığında, eğitim teknolojilerinin sınıflara entegre edilmesi sürecinde şu adımların atılması gerektiğine inanıyorum:

  1. Etik Temelli Tasarım: Eğitimde kullanılacak yapay zekâ sistemleri sadece teknik verimliliğine göre değil; şeffaflık, adalet ve sorumluluk ilkelerini merkeze alan uluslararası etik standartlara göre tasarlanmalı ve denetlenmelidir.
  2. Açık Rıza ve Bilgilendirme: Öğrencilere ve velilere, hangi verilerin toplandığı, bu verilerin kimler tarafından ve tam olarak ne amaçla kullanılacağı konusunda son derece şeffaf ve anlaşılır bilgilendirmeler yapılmalıdır.

Hazırlayan: Emirhan Gören 100222010

  

Bu inceleme Creative Commons Atıf-AynıLisanslaPaylaş 4.0 Uluslararası Lisansı ile lisanslanmıştır. Makale lisansı hakkında ilgili yazar ya da yayıncıdan bilgi alınız.