öğrenme sürecinin bilişsel ve insani boyutunu koruyacak şekilde baştan kurgulamak

MIT’nin hazırladığı raporda ders tasarımı, sınavlar ve ölçme-değerlendirme pratikleri; “yapay zekâya direnç göstermek ya da onu yasaklamak” yerine, “öğrenme sürecinin bilişsel ve insani boyutunu koruyacak şekilde baştan kurgulamak” esasıyla ele alınır.

Öne çıkan somut öneriler ve çerçeveler dört ana başlıkta toplanmaktadır:

1. Ders Tasarımında “Tersine Tasarım” (Backward Design) Zorunluluğu

Rapor, eğitmenlerin öncelikle “Yapay zekâyı bu derste serbest mi bırakmalıyım, yasaklamalı mıyım?” sorusu yerine şu aşamaları izlemesini önerir:

• Çıktı Odaklı Netlik: Öğrencinin ders sonunda gerçekten hangi zihinsel muhakemeyi, beceriyi veya kavramsal derinliği kazanması gerektiği netleştirilmelidir.

• Yapay Zekâ Farkındalıklı (AI-Aware) Müfredat: Çıktılar belirlendikten sonra araç entegre edilmelidir. Yapay zekâ ya öğrenme sürecini zenginleştiren (augmentation) bir asistan olarak kurgulanmalı ya da temel kavramsal temellerin atıldığı aşamalarda pedagojik gerekçesi açıklanarak sınırlandırılmalıdır.

• Kademeli/Farklılaştırılmış Ders Yolları: Bölümlerin ihtiyaçlara göre öğrencilere içeriğe göre “AI-Light” (yapay zekânın asgari düzeyde tutulduğu, temel el becerisi/kuramsal temellerin kurulduğu) ve “AI-Heavy” (yapay zekâ ile üretim ve denetimin merkeze alındığı) alternatif öğrenme izlekleri sunması tavsiye edilir.

2. Ölçme-Değerlendirmede “Sonuçtan Sürece” Geçiş

Yapay zekânın tek bir komutla eksiksiz çözebildiği geleneksel problem setleri (p-sets), ev ödevleri ve take-home (eve götürülen) sınavlar artık öğrencinin gerçek yetkinliğini ölçmede yetersiz kabul edilmektedir. Rapordaki alternatif ölçme önerileri şunlardır:

• Süreç Takibi ve Kademeli Teslimler: Büyük projelerin veya yazıların tek seferlik teslimi yerine; erken aşama fikir taslakları, el yazısıyla sınıf içi kurgulama (in-class ideation/drafts) ve haftalık ara kontrol noktaları (milestones) uygulanmalıdır.

• Bilişsel Çabayı (Productive Struggle) Görünür Kılma: Öğrencilerin ulaştıkları sonuç kadar, problemi çözerken izledikleri mantıksal patikayı, aldıkları kararları ve karşılaştıkları hataları nasıl ayıkladıklarını açıklamaları beklenmelidir.

• Sözlü ve Etkileşimli Değerlendirme: Yazılı teslimlerin yanı sıra kısa sözlü mülakatlar, grup tartışmaları ve öğrencilerin kendi kodlarını/çözümlerini asistanlara (TA) yüz yüze açıkladıkları savunma seansları artırılmalıdır.

3. Yapay Zekâ Denetim Araçlarının (AI Detectors) Reddi

Raporda özellikle ölçme-değerlendirme güvenliği adına yapay zekâ dedektörlerinin kullanılmasına karşı açık bir uyarı yapılır:

• Teknolojik Silahlanma Yarışından Kaçınma: Yapay zekâ tespit yazılımlarının güvenilmez olduğu, hatalı pozitiflerle masum öğrencileri mağdur ettiği ve öğrencileri “AI humanizer” (metni insansılaştıran) araçlar kullanmaya ittiği belirtilir.

• Polislik Değil, Güven Temelli Sözleşme: Eğitmenin bir “denetçi/polis” rolüne bürünmesinin eğitimin pedagojik bağını çürüttüğü vurgulanır. Çözüm teknolojik gözetim değil; değerlendirme yöntemini yapay zekânın kopyalayamayacağı yüz yüze, süreç odaklı dinamiklere kaydırmaktır.

• Not Kısıtlamasından (Grade Rationing) Kaçınma: Katı çan eğrisi veya not kotalarının öğrencileri öğrenmek yerine ne pahasına olursa olsun yüksek not almaya ve hileye yönelttiği, bu nedenle değerlendirmenin sıralama değil ustalık (mastery) odaklı olması gerektiği savunulur.

4. Yüz Yüze ve Sosyal Öğrenmenin Yeniden İnşası

Öğrencilerin yapay zekâ ile izole şekilde çalışmasını engellemek için değerlendirme doğrudan kampüs içi etkileşimle ilişkilendirilmektedir:

• Düzenli Yüz Yüze Sosyal Bileşen: Her dersin, amfide pasif oturmanın ötesine geçen yapılandırılmış bir yüz yüze akran çalışması barındırması önerilir.

• Gözetimli Grup Çalışmaları: Laboratuvar asistanları veya öğretim görevlileri rehberliğinde yürütülen problem çözme oturumları ve rubrikler üzerinden yapılandırılmış akran geri bildirim seansları.

• Bireysel + Kolektif Katkı Puanlaması: Grup projelerinde hem ortak ürünün hem de bireysel katkının ayrı ayrı belgelenip değerlendirildiği şeffaf değerlendirme kriterleri.