Yapay Zekâ ile Kişiselleştirilmiş Öğrenme

Kişiselleştirilmiş öğrenme, eğitim dünyasında uzun süredir tartışılan ama teknolojik altyapı eksikliği nedeniyle bir türlü tam anlamıyla uygulanamayan bir kavramdı. Öğrencilerin kendi hızlarında ilerlediği, ilgi alanlarına göre yönlendirildiği, güçlü ve zayıf yönlerine göre içerik alacağı bir sistem, ancak son yıllardaki yapay zekâ gelişmeleriyle gerçekçi hâle gelmiştir.

Bu yazıda kişiselleştirilmiş öğrenmenin ne olduğunu, neden bu kadar önemli olduğunu, yapay zekânın bu alanda nasıl bir dönüşüm sağladığını ve Askarf'ın Sokratik yapay zekâ öğretmeni Arf'ın bu yaklaşımı nasıl hayata geçirdiğini ele alacağız.

Kişiselleştirilmiş öğrenme nedir?

Kişiselleştirilmiş öğrenme, her öğrencinin kendi öğrenme hızına, tarzına, ilgi alanlarına ve ihtiyaçlarına göre uyarlanmış bir eğitim yaklaşımıdır. Geleneksel eğitimde her öğrenci aynı müfredatı, aynı hızda ve aynı yöntemle takip ederken, kişiselleştirilmiş öğrenme bu tek-tip modelin dışına çıkarak öğrenciyi merkeze alır.

Kişiselleştirilmiş öğrenmenin üç temel boyutu vardır:

• Hız farklılaştırması (pacing): Her öğrenci aynı konuyu farklı hızda öğrenir. Bir öğrenci bir konuyu bir saatte kavrarken, bir başkası aynı konu için üç saate ihtiyaç duyabilir. Kişiselleştirilmiş sistem, öğrencinin kendi hızında ilerlemesine izin verir.
• İçerik farklılaştırması (content): Öğrenciler aynı konuyu farklı yöntemlerle daha iyi öğrenir. Kimi görsel içerikle, kimi yazılı metinle, kimi işitsel açıklamayla daha iyi kavrar. Sistem, her öğrencinin tercih ettiği öğrenme biçimine uygun içerik sunar.
• Yöntem farklılaştırması (approach): Bazı öğrenciler tümevarım yöntemiyle, bazıları tümdengelimle daha iyi öğrenir. Bazıları çok sayıda örnek ister, bazıları kuralı öğrenip uygulamaya geçer. Kişiselleştirilmiş öğrenme, öğretim yöntemini de öğrenciye göre uyarlar.

Yapay zekâ kişiselleştirilmiş öğrenmeyi nasıl mümkün kılar?

Yapay zekâ, kişiselleştirilmiş öğrenmeyi üç temel yetenekle mümkün kılar: öğrenciyi tanıma, içeriği uyarlama ve geri bildirim sağlama. Geleneksel bir öğretmenin bile 40 kişilik bir sınıfta her öğrenciyi birebir takip etmesi neredeyse imkânsızken, yapay zekâ her öğrenciyle aynı anda bireysel olarak ilgilenebilir.

Yapay zekâ destekli bir öğrenme sistemi şu adımlarla çalışır:

1. 1Tanılama: Sistem, öğrencinin mevcut bilgi düzeyini, güçlü ve zayıf yönlerini belirler. Bu, başlangıç testleri, geçmiş performans verileri ve öğrenme sırasındaki davranışların analizi yoluyla yapılır.
2. 2Uyarlama: Tanılama sonuçlarına göre sistem, öğrenciye en uygun öğrenme yolunu belirler. Hangi konudan başlanacağı, hangi kaynakların kullanılacağı, hangi hızda ilerleneceği kişiye özel olarak ayarlanır.
3. 3Etkileşim: Öğrenci, yapay zekâ ile doğal dilde etkileşime geçer. Sistem, öğrencinin verdiği cevaplara, sorduğu sorulara ve hatta soruyu cevaplama hızına göre bir sonraki adımı belirler.
4. 4Değerlendirme ve düzeltme: Öğrenci ilerledikçe sistem sürekli olarak değerlendirme yapar ve öğrenme yolunu gerektiğinde yeniden ayarlar. Bu döngü, öğrenme süreci boyunca devam eder.

Uyarlanabilir öğrenme sistemleri

Uyarlanabilir öğrenme sistemleri, yapay zekâ sayesinde her öğrenciye gerçek zamanlı olarak uyum sağlayabilen platformlardır. Bu sistemler, bir öğrencinin bir soruyu doğru cevaplaması durumunda bir sonraki soruyu zorlaştırabilir, yanlış cevaplaması durumunda ise aynı konuyu farklı bir yöntemle tekrar açıklayabilir.

Uyarlanabilir sistemlerin en büyük avantajı, öğrencinin 'sıkıldığı' ya da 'kaybolduğu' anları tespit edip anında müdahale edebilmesidir. Bir öğrenci bir konuda zorlanıyorsa, sistem ona ek açıklamalar, daha basit örnekler veya farklı bir öğretim yöntemi sunar. Konuyu çok hızlı kavrayan bir öğrenciyi ise daha ileri düzey içeriklere yönlendirerek zamanını verimli kullanmasını sağlar.

Sokratik yapay zekâ: Arf'ın yaklaşımı

Askarf'ın yapay zekâ öğretmeni Arf, kişiselleştirilmiş öğrenmeyi Sokratik yöntemle birleştiren bir yaklaşım benimser. Arf, öğrenciye doğrudan cevap vermek yerine, ona rehberlik eden sorular sorarak kendi cevabını bulmasını sağlar. Bu yaklaşım, kişiselleştirilmiş öğrenmenin yalnızca içerik uyarlaması değil, aynı zamanda yöntem uyarlaması boyutunu da kapsar.

Arf'ın çalışma prensibi dört adımdan oluşur:

1. 1Soru sor: Arf, öğrencinin seviyesini ve konuyu kavrama biçimini anlamak için bir soruyla başlar. Soru ne çok kolay ne çok zordur tam öğrencinin 'biraz çaba gerektiren ama yapılabilir' bölgesine denk gelir.
2. 2Dinle ve anla: Öğrenci cevap verirken Arf, yalnızca doğru/yanlış değil, öğrencinin akıl yürütme biçimini de analiz eder. Nerede takıldığı, hangi kavramı yanlış anladığı, hangi adımı atladığı tespit edilir.
3. 3Yönlendir: Arf, doğrudan düzeltme yapmak yerine öğrenciyi doğru düşünceye yönlendiren bir ipucu ya da takip sorusu sorar. 'Peki bu durumda X değişseydi ne olurdu?' gibi bir soru, öğrencinin kendi hatasını kendisinin fark etmesini sağlar.
4. 4Pekiştir: Öğrenci doğru cevabı kendi bulduktan sonra Arf, konuyu farklı bir bağlamda tekrar sorarak öğrenmenin kalıcılığını sağlar. Bu adım, bilginin uzun süreli hafızaya geçmesi için kritiktir.

Askarf'ta kişiselleştirme nasıl çalışır?

Askarf, her öğrenci için üç düzeyde kişiselleştirme sunar:

• Öğrenme yolu: Askarf, öğrencinin seviyesini belirledikten sonra ona en uygun sırayla konuları sunar. Kimi öğrenci temel kavramlardan başlarken, kimi doğrudan zor sorulara geçebilir. Alanında uzmanlaşmış Askarf'ın içerik haritası, her öğrencinin kendi rotasını çizmesine olanak tanır.
• Sesli etkileşim: Özellikle küçük yaştaki öğrenciler için sesli etkileşim, kişiselleştirilmiş öğrenmenin en doğal biçimidir. Arf, öğrencinin ses tonundan, duraklamalarından ve soru sorma biçiminden bile ipuçları alarak yaklaşımını ayarlar.
• Veli yönetimi: Askarf'ın kişiselleştirme yaklaşımını farklı kılan özelliklerden biri de veli yönetimli yapısıdır. Sistem öğrenciye özel olsa da, veli panelden hangi konuların çalışıldığını, nerelerde zorlanıldığını ve ne kadar ilerleme kaydedildiğini görebilir.

Öğrenmenin amacı, daha çok kitap doldurmak değil, zihnin ateşini yakmaktır. Kişiselleştirilmiş öğrenme de tam olarak bunu yapar: her zihnin kendi ateşini kendi hızında yakmasına izin verir.

William Butler Yeats'e atfedilen söz

Kişiselleştirilmiş öğrenmenin geleceği

Yapay zekâ teknolojileri geliştikçe, kişiselleştirilmiş öğrenme sistemleri de daha akıllı ve daha etkili hâle gelecektir. Gelecekte yapay zekâ destekli öğrenme sistemlerinin şu özelliklere sahip olması bekleniyor:

• Duygu durumu algılama: Öğrencinin ses tonu, yüz ifadesi ve yazma hızı gibi verilerden duygu durumunu analiz ederek motivasyon düştüğünde müdahale edebilme.
• Karmaşık yetkinlik haritalaması: Yalnızca konu bilgisi değil, eleştirel düşünme, problem çözme ve yaratıcılık gibi üst düzey becerileri de ölçüp geliştirebilme.
• Gerçek zamanlı müfredat uyarlaması: Öğrencinün performansına göre müfredatın zorluğunu, hızını ve içeriğini anlık olarak değiştirebilme.
• Sosyal öğrenme entegrasyonu: Bireysel öğrenme yolunu korurken, öğrencinin akranlarıyla iş birliği yapabileceği sosyal öğrenme deneyimleri de sunma.

Kişiselleştirilmiş öğrenme, eğitimin geleceğidir. Yapay zekâ bu geleceği mümkün kılan en güçlü araçtır, ancak araç kadar önemli olan felsefedir: her öğrencinin eşsiz olduğunu kabul etmek ve her birine kendi potansiyelini keşfetmesi için gereken alanı, zamanı ve desteği vermek. Askarf, bu felsefeyi her gün biraz daha ileriye taşımak için çalışıyor.