İkinci Beyin mi, Yapay Zeka Asistanı mı: Kendi Düşüncenizi Kaybetmeden İkisini Nasıl Birleştirirsiniz

Kısaca. Bir not sistemi iki iş görür: bilgiyi saklar ve kendi zihninizde bellek ile muhakeme inşa eder. Bir yapay zeka asistanı ilkinde mükemmeldir; özensiz kullanıldığında ise ikincisini ortadan kaldırır. Materyali kendiniz üretmek, 86 çalışmada onu okumaktan daha iyi sonuç verdi (etki büyüklüğü 0,40); 310 deneyde ise aradaki fark yaklaşık 10 yüzde puan oldu. Kendinizi test etmek, 159 etki büyüklüğünde yeniden çalışmanın önüne geçti (g = 0,50; geri bildirimle 0,73). Bir dosyayı güvenilir bir yere kaydetmek, bir sonraki dosyaya ilişkin belleği iyileştirdi; görev sırasında yük boşaltmak ise her biri 172 kişiyle yürütülen üç deneyde performansı artırdı ama belleği zayıflattı. “Google etkisi” olarak bilinen hazırlama (priming) sonucu tekrarlanamadı: birleştirilmiş tekrar etkisi, orijinalin 0,135’i kadardı. CEO hamlesi: yeni bir uygulama satın almak yerine sistemi tasarlayın; yazılı roller, yapay zekanın okuma ve yazma kuralları ve haftalık 20 dakikalık bir gözden geçirme ile. Öğrenci hamlesi: üretici adımları kendinizde tutun (kendi cümlelerinizle yazmak, bağlantılara karar vermek, gözden geçirme sorularını hafızadan yanıtlamak); saklamayı, aramayı, ayıklamayı ve sizin denemenizden sonraki geri bildirimi yapay zekaya bırakın.

Bu yazı, asistanınıza zaten kalıcı bir bağlam verdiğinizi varsayıyor; vermiyorsanız bağlam dosyasıyla ve özel talimatlar, projeler ve bellek rehberiyle başlayın. Yük boşaltma tartışmasının genel çerçevesi için yapay zeka sizin yerinize düşündüğünde neler olduğuna bakın. Buradaki soru daha dar: bir “ikinci beyin” tutuyorsanız, asistanın neye dokunmasına izin verilmeli?

Bir yapay zeka asistanı ikinci beynin yerini alır mı?

Harici bir bellek fikri her uygulamadan daha eskidir. The Atlantic Monthly’nin Temmuz 1945 sayısında Vannevar Bush, memex’i tarif etti: kişinin kitaplarını, kayıtlarını ve yazışmalarını saklayıp bunlara hızla başvurabileceği bir masa, “belleğine eklenmiş, genişletilmiş ve kişisel bir tamamlayıcı”. Temel özelliği çağrışımsal dizinlemeydi: “İki öğeyi birbirine bağlama süreci, önemli olan şeydir.”

İyi belgelenmiş, işleyen bir örnek bir sosyologdan geldi. Bielefeld Üniversitesi’nin Niklas Luhmann’ın belgeleri üzerine yürüttüğü proje, onun kart dosyasını 1951 ile 1996 arasında yazılmış yaklaşık 90.000 not olarak tanımlıyor ve bu koleksiyonu Luhmann’ın entelektüel otobiyografisi, kuramını ve yayınlarını geliştirmek için dayandığı makine olarak nitelendiriyor; Luhmann’ın üretimi, 40’tan fazla monografi dahil 600’e yakın yayına ulaştı. Bu, 45 yıl boyunca yılda ortalama yaklaşık 2.000 kart, yani günde kabaca 5,5 kart demek (CEOtudent hesaplaması). Arşiv günlük düşünmenin bir yan ürünüydü, onun yerine geçen bir şey değil. Bugün bu ifade, Tiago Forte’nin 2022 tarihli Building a Second Brain kitabıyla ilişkilendiriliyor; kitabın yöntemi burada aktarılmıyor.

Sohbet asistanlarının değiştirdiği şey, arşivin artık karşılık verebilmesi. Bu asistanlar zaten bir arama katmanı işlevi görüyor: OpenAI’ın tüketici ChatGPT konuşmalarından alınmış temsili bir örneklem üzerinde yaptığı kendi sınıflandırmasına göre, “Bilgi Arama” (Seeking Information) kategorisinin kullanım içindeki payı Temmuz 2024 ile Temmuz 2025 arasında yüzde 14’ten yüzde 24’e çıktı (OpenAI bağlantılı yazarların NBER çalışma makalesi, hakem denetiminden geçmemiş).

Dolayısıyla bir asistan, ikinci beynin saklama ve geri getirme işinin büyük kısmını üstlenebilir; ama siz onu inşa ederken zihninizde gerçekleşen işlemeyi üstlenemez. Psikologlar, bir görevin zihinsel yükünü azaltmak için araç kullanmaya “bilişsel yük boşaltma” (cognitive offloading) diyor (Risko ve Gilbert, 2016). Bir defter hatırlama yükünü boşaltır; bir asistan bunun yanında özetleme, bağlantı kurma ve taslak yazma yükünü de boşaltabilir. Araştırmalar, bu devirlerden hangilerinin size bir bedeli olduğunu gösteriyor.

Araştırmalara göre her not işlemi belleğinize ne yapıyor?

Tablo 1, nadiren birlikte okunan araştırma hatlarını bir araya getiriyor: bir not sisteminin yaptığı her işlem için bir satır; tasarım, yayımlandığı haliyle sonuç ve yapay zeka açısından anlamı.

Tablo 1. Her not sistemi işleminin kendi belleğinize etkisi (Bertsch ve ark. 2007, McCurdy ve ark. 2020, Storm ve Stone 2015, Grinschgl ve ark. 2021, Camerer ve ark. 2018, Rowland 2014, Kornell ve ark. 2009 ve Fan ve ark. 2025 çalışmalarının CEOtudent analizi)

Not işlemi	Çalışma ve tasarım	Yayımlandığı haliyle sonuç	Yapay zekaya devir için anlamı
Kendiniz yazmak (üretmek ve okumak)	Bertsch ve ark. 2007: 445 etki büyüklüğü, 86 çalışma (yalnızca özet); McCurdy ve ark. 2020: 310 deney	Etki büyüklüğü 0,40; hatırlanan oranda 0,102’lik ortalama fark	Yalnızca okuduğunuz bir yapay zeka özeti “okuma” koşuludur
Yeni öğrenmeden önce bir arşive kaydetmek	Storm ve Stone 2015, üç deney (yalnızca özet)	Bir dosyayı kaydetmek bir sonrakine ilişkin belleği iyileştirdi; kaydetme “güvenilmez kabul edildiğinde” fayda yok	Arşiv güvenilirse saklama işi güvenle devredilebilir
Görevi yaparken yük boşaltmak	Grinschgl ve ark. 2021, üç deney, her birinde N = 172	Performans yukarı, bellek aşağı; bakma sayısı ile sonraki bellek arasında -0,80 ve -0,55 korelasyon	Neyi hatırlayacağınıza önceden karar verin, sonra daha az bakın
Harita oluşturmak ve hatırlamak	Karpicke ve Blunt 2011, Camerer ve ark. 2018’de aktarıldığı şekliyle	Bir hafta sonra: geri getirme alıştırmasında 0,67, kavram haritalamada 0,45 (N = 40); tekrarlandı (N = 49)	Yapay zeka bağlantı önerebilir; hatırlama sizde kalır
Gözden geçirme sırasında kendini test etmek	Rowland 2014: 159 etki büyüklüğü, 61 çalışma	g = 0,50; geri bildirimle 0,73, geri bildirimsiz 0,39	Soruları ve geri bildirimi yapay zeka yazar; yanıtlayan sizsiniz
Cevabı görmeden önce denemek	Kornell, Hays ve Bjork 2009, Deney 1	Başarısız denemelerden sonra hatırlama 0,41, yalnızca okumada 0,31, d = 0,58	Önce deneyin, sonra prompt yazın
Çıktıyı bir asistanla cilalamak	Fan ve ark. 2025, randomize laboratuvar çalışması, 117 öğrenci	Kompozisyon puanları ChatGPT ile daha çok arttı; bilgi kazanımı ve transfer “anlamlı düzeyde farklı değil”	Daha iyi bir taslak, öğrenmenin kanıtı değildir

Kendiniz yazmak: üretme etkisi

Slamecka ve Graf (1978), katılımcıların bir ipucu ve bir kuraldan kendilerinin ürettiği sözcükleri, aynı sözcüklerin yalnızca okunduğu durumla karşılaştıran beş deney yürüttü; tüm durumlarda üretme koşulu üstün geldi. Etki tanıma, serbest hatırlama ve ipuçlu hatırlama ölçümlerinde geçerliliğini korudu, yalnızca 12 katılımcıyla bile ortaya çıktı ve kişilere bir test yapılacağının söylenip söylenmemesine bağlı değildi.

İki meta-analiz, etkinin yönü konusunda hemfikir. Bertsch ve meslektaşları (2007), 86 çalışmadaki 445 etki büyüklüğünü özetledi ve ortalamayı 0,40 buldu; bu, “neredeyse yarım standart sapma” demek (yalnızca özet; tam metin bir bot doğrulamasının arkasında). McCurdy ve meslektaşları (2020) 126 makaleyi, 310 deneyi ve 1.653 tahmini analiz etti ve avantajı hatırlanan oranda 0,102, yani yaklaşık 10 yüzde puan olarak belirledi. Daha büyük örneklemler daha küçük etkiler gösterdi; sonsuz bir örnekleme ekstrapole edildiğinde avantaj 0,080’e, yani yaklaşık beşte bir oranında (yüzde 22, CEOtudent hesaplaması) düştü, ancak anlamlı kalmaya devam etti. Ne üretileceğine dair daha az kuralın konduğu düşük kısıtlı üretme, orta ve yüksek kısıtlı üretmeyi geride bıraktı; bir günden uzun saklama aralıkları ise avantaja yaklaşık 7 yüzde puan ekledi.

Notlar açısından karşılığı doğrudan: okuduğunuz bir yapay zeka özeti okuma koşuludur; hafızadan, bir şablon yerine serbest bir biçimde yazılmış bir not ise üretme koşuludur.

Güvenilir bir arşive kaydetmek: işe yarayan yük boşaltma

Her yük boşaltma zarar vermez. Storm ve Stone’un (2015) üç deneyinde, yeni bir dosyayı çalışmadan önce bir dosyayı kaydetmek, yeni dosyaya ilişkin belleği anlamlı ölçüde iyileştirdi. Kaydetme güvenilmez kabul edildiğinde ve kaydedilen dosya bir sonrakiyle girişim yaratamayacak kadar hafif olduğunda bu fayda ortadan kalktı (yalnızca özet). Fellers ve Storm (2024), etkiyi yalnızca bazı öğeler düğmeyle ya da elle kaydedildiğinde de buldu; Buchli ve Storm (2025) ise etkinin çalışma belleği kapasitesi daha yüksek kişilerde daha büyük olduğunu gördü (ikisi de yalnızca özet). Bir şeyleri güvendiğiniz bir yere kaldırmak, dikkatinizi sıradaki işe ayırmanızı sağlar ve bu işi bir asistan dahil her araç yapabilir.

Çalışırken yük boşaltmak: performans yukarı, bellek aşağı

Grinschgl, Papenmeier ve Meyerhoff (2021), her biri 172 katılımcıyla, toplamda 516 kişiyle üç deney yürüttü. Katılımcılar, yeniden açabildikleri bir model penceresindeki nesne düzenini kopyaladı; araştırmacılar ise her bakışın maliyetini ve bir bellek testinin önceden duyurulup duyurulmadığını değiştirdi. Yük boşaltma “görev işlemeyi hızlandırdı” ancak materyale ilişkin belleği olumsuz etkiledi. Deney 3’te, seçim yapmakta serbest olan kişiler arasında, modeli ne sıklıkla yeniden açtıkları ile nesneleri daha sonra ne kadar iyi hatırladıkları arasındaki korelasyon, bir bellek testi beklemediklerinde -0,80, beklediklerinde -0,55 oldu. En yüksek düzeyde yük boşaltmaya zorlanan ama bir test yapılacağı söylenen kişiler, zararı neredeyse tamamen dengeledi. Niyet önemlidir; bu yüzden bir ikinci beyin yalnızca neyin saklandığını değil, neyi hatırlamayı amaçladığınızı da kaydetmelidir.

Bağlantı kurmak ve haritalamak, hatırlamaya karşı

Bağlantı kurmak ikinci beyin yöntemlerinin merkezindedir ve Bush da buna katılırdı. Ancak bir harita oluşturmak, hatırlama alıştırması yapmak değildir. 2018 tekrar projesinin önceden kaydedilmiş materyallerinde aktarıldığı şekliyle Karpicke ve Blunt (2011) çalışmasında, geri getirme alıştırması yapan katılımcılar bir hafta sonraki testte ortalama 0,67 puan aldı; kavram haritası oluşturanlar ise 0,45 (N = 40): 0,22’lik bir fark, yani yüzde 49 daha fazla (CEOtudent hesaplaması). 49 katılımcıyla yapılan 2018 tekrarı, sonucu orijinal etki büyüklüğünün 0,638’i düzeyinde yeniden üretti. Bağlantılar, hem makinenin hem de sizin yapacağınız sonraki geri getirmeyi mümkün kılar, ama tek başlarına bir bellek tekniği değildir. Bağlantı önermek yapay zeka için makul bir iştir; hatırlama ise insana aittir.

Kendinizi test etmek, özellikle bir denemeden sonra

Rowland (2014), 1975 ile 2013 arasında raporlanan 61 çalışmadan 159 etki büyüklüğünü birleştirdi ve yeniden çalışmaya karşı g = 0,50 (yüzde 95 güven aralığı 0,42 ile 0,58) düzeyinde bir test etkisi buldu. Geri bildirimle bu değer 0,73, geri bildirimsiz 0,39 oldu: 0,34’lük bir fark, neredeyse iki katı büyüklük (CEOtudent hesaplaması). Etkiler, en az bir günlük saklama aralıklarında (0,69) bir günden kısa olanlara (0,41) göre daha büyüktü. Yüksek maruziyetli alt kümede (geri bildirim içeren ya da ilk test performansı yüzde 75’in üzerinde olan çalışmalar), hatırlama türündeki ilk testler (ipuçlu hatırlama 0,72, serbest hatırlama 0,81) tanımayı (0,36) geride bıraktı; bu da çoktan seçmeli sorular yerine açık uçlu sorular lehine bir argüman.

Kornell, Hays ve Bjork (2009) bir “önce dene” kuralını haklı çıkarıyor. Deney 1’de katılımcılar, yanıtlayamadıkları kurgusal bilgi yarışması sorularıyla karşılaştı. Yine de cevabı görmeden önce denemek, soru ve cevap birlikte gösterildiğindeki 0,31’e karşı 0,41’lik bir nihai hatırlama sağladı, d = 0,58: 0,10’luk bir fark ve yüzde 32’lik göreli kazanç (CEOtudent hesaplaması).

Çıktıyı bir asistanla cilalamak

Fan ve meslektaşları (2025), 117 üniversite öğrencisini ChatGPT’nin, bir insan uzmanın ya da yazma analitiği araçlarının desteklediği veya hiçbir ek aracın kullanılmadığı bir kompozisyon yazma ve düzeltme görevine rastgele atadı. ChatGPT grubu kompozisyon puanlarını daha fazla artırdı, ancak bilgi kazanımı ve transferi anlamlı düzeyde farklı değildi; yazarlar “üstbilişsel tembellik” konusunda uyarıyor. Düşünme aracı olarak yazmak yazısının savunduğu gibi, bir asistan anlayışınızın kalitesini artırmadan çıktının kalitesini artırabilir.

“Google etkisi” tekrarlama testinden sağ çıktı mı?

Sparrow, Liu ve Wegner’in 2011 tarihli çalışması, arama ve saklamanın insanların neyi hatırladığını değiştirdiğinin kanıtı olarak sıkça gösterilir ve deneyleri CEOtudent’te başka yazılarda özetlenmiştir. Burada önemli olan kısım yeniden testtir. Social Sciences Replication Project (Sosyal Bilimler Tekrarlama Projesi; Camerer ve meslektaşları, 2018), 2010 ile 2015 arasında Nature ve Science’ta yayımlanan 21 deneysel çalışmayı, ortalama yaklaşık beş kat daha büyük örneklemlerle tekrarladı. Bunlardan 13’ünde (yüzde 62) aynı yönde anlamlı bir etki buldu; tekrar etki büyüklükleri ortalama olarak orijinallerin yaklaşık yüzde 50’si kadardı. 21 çalışmanın üçü, not alma ve bellek pratiğiyle doğrudan ilgili.

Tablo 2. 2018 Social Sciences Replication Project’teki bellek çalışmaları

Orijinal çalışma	Test edilen hipotez	Orijinal r (N)	1. Aşama r (N)	Birleştirilmiş 2. Aşama r (N)	Tekrarlandı mı?	Göreli etki büyüklüğü
Sparrow, Liu ve Wegner 2011	Çalışma 1: zor bilgi yarışması sorularından sonra bilgisayar terimleri daha erişilebilir hale gelir (Stroop görevi)	0,368 (69)	0,110 (104)	0,050 (234)	Hayır	1. Aşamada 0,299; birleştirilmişte 0,135
Karpicke ve Blunt 2011	Bir hafta sonraki testte geri getirme alıştırması kavram haritalamayı geride bırakır	0,602 (40)	0,384 (49)	Yapılmadı	Evet, 1. Aşamada	0,638
Pyc ve Rawson 2010	Bellek aracılarını geri getirmede test ve yeniden çalışma alıştırması, yeniden çalışmayı geride bırakır	0,377 (36)	0,148 (132)	0,150 (306)	Evet, 2. Aşamada	1. Aşamada 0,394; birleştirilmişte 0,398

Kaynak: Camerer ve ark. (2018), Ek Bilgiler (Supplementary Information), Ek Tablo 1, 3 ve 4; rakamlar yayımlandığı haliyle. Göreli etki büyüklüğü, tekrar r değerinin orijinal r değerine bölünmesiyle elde edilir; CEOtudent her oranı yeniden hesapladı. İkinci bir veri toplama (2. Aşama) yalnızca 1. Aşama tekrarlanamadığında yapıldı.

Üç ayrıntı bu tabloyu dürüst tutuyor. Proje, Sparrow makalesinin yalnızca Çalışma 1’ini, yani bilgisayarla ilgili sözcüklerin daha erişilebilir hale gelip gelmediğine dair bir tepki süresi ölçümünü test etti; makalenin diğer deneyleri hakkında hiçbir şey söylemiyor. Ekip, orijinal makalenin 46 kişilik bir örneklem bildirdiğini ama gerçekte 69 katılımcı kullanıldığını ve orijinal yazarların materyal taleplerine yanıt vermediğini, bu yüzden görevi ekibin kendisinin programladığını not etti. Birleştirilmiş tekrar, orijinal örneklemin 3,4 katı olan 234 katılımcıyla yapıldı (CEOtudent hesaplaması) ve sıfıra yakın bir etki buldu (r = 0,050, p = 0,449).

İki geri getirme çalışması daha küçük etkilerle tekrarlandı; arama hazırlaması (priming) çalışması tekrarlanamadı. Bir ikinci beyin açısından daha iyi desteklenen kaygı, geri getirilebilir bilginin salt var olarak belleği çürüttüğü değil; Grinschgl ve Fan sonuçlarında olduğu gibi, kendi üretme ve hatırlama adımlarınızı atlamanın zihninizde daha az şey bırakmasıdır. Tartışmanın devamı için: yapay zeka sizi daha kötü mü düşündürüyor.

İkinci beynin hangi parçaları sizde kalmalı?

Kanıtlar, not işlemlerini iki türe ayırıyor. Saklama, ayıklama ve arama yük boşaltmadır ve güvenilir bir arşivle, zihninizde tutmanız gerekmeyen materyal için düşük maliyetlidir. Üretme, bağlantı kararları ve geri getirme ise işlemedir; ancak bunları siz yaparsanız karşılığını verir. Çerçeve bunu bir mimariye dönüştürüyor.

Tablo 3. Önce Dene Yığını: dört katman, her birine bir kural (CEOtudent editoryal çerçevesi)

Katman	Ne tutar	Kim yazar	Yapay zeka neyi okuyabilir	Kural	Kanıt gerekçesi
1. Yakalama kutusu	Kupürler, transkriptler, kaydedilmiş dosyalar, ham fikirler	Siz ya da yapay zeka	İçindeki her şeyi	Tek bir güvenilir yer; 7 gün sonra hala işlenmemiş her şey arşivlenir ya da silinir	Kaydetme yalnızca güvenilir olduğunda yardımcı olur (Storm ve Stone)
2. Kendi cümlelerinizle notlar	Hafızadan yazılmış, her biri tek fikir içeren kısa notlar	Yalnızca siz	Evet, arama yapmak ve sizi sınamak için	Yapay zeka bu katmanı asla yeniden yazmaz; her not bir köken etiketi taşır	Üretmek okumaktan iyidir (Bertsch; McCurdy)
3. Bağlantılar ve haritalar	Bağlantılar, konu haritaları, açık sorular	Siz karar verirsiniz; yapay zeka önerebilir	Evet	Önerilen bir bağlantı ancak nedenini kendi cümlelerinizle açıklayan bir cümleyle girer	Tekrarlanmış bir çalışmada haritalama, hatırlamaya yenildi (Karpicke ve Blunt)
4. Arşiv üzerinde yapay zeka işlemleri	Arama sonuçları, kümeler, taslaklar, gözden geçirme soruları	Yapay zeka taslak çıkarır, siz düzenlersiniz	Gizlilik sınırınız içinde 1 ila 3. katmanlar	Önce deneyin; çıktı yeniden yazılmadıkça asla 2. katmana girmez	Denemeler ve geri bildirim bellek inşa eder (Kornell; Rowland); cilalamak öğrenmek değildir (Fan)

Sistemi işler kılan üç kalıcı kural:

1. Köken etiketi. Her not, sizin cümleleriniz mi, bir kaynaktan alıntı mı yoksa yapay zeka çıktısı mı olduğunu belirtir. Bu etiket olmadan arşiv, hiç işlemediğiniz ve birbirinden ayırt edemediğiniz metinlerle dolar.
2. Önce deneme kapısı. Anlamak istediğiniz herhangi bir konuda prompt yazmadan önce, kötü de olsa kendi cevabınızı, taslak planınızı ya da tahmininizi yazın.
3. Geri akış yok. Yapay zeka çıktısı 4. katmanda yaşar ve ancak siz onu hafızadan yeniden yazdıktan sonra 2. katmana geçer.

Katman 4’te kullanılan promptların yeri bir prompt kütüphanesidir; modelin ne gördüğünü şekillendirmenin daha geniş disiplini ise bağlam mühendisliğidir.

Hangi görevler size, hangileri yapay zekaya, hangileri önce size sonra yapay zekaya?

Karar tablosu, sık karşılaşılan on iki not görevini, her biri için bir sahip ve her seçimin arkasındaki kanıtla birlikte ele alıyor.

Tablo 4. Not görevlerinin yönlendirilmesi (CEOtudent editoryal çerçevesi)

Görev	Sahibi	Nasıl	Kanıt gerekçesi
Anlamanız gereken bir makaleyi özetlemek	Önce siz, sonra yapay zeka	Hafızadan beş cümle yazın, sonra yapay zekaya neyi atladığınızı ya da yanlış anladığınızı sorun	Üretme artı geri bildirim (McCurdy; Rowland)
Yalnızca dosyalamanız gereken bir makaleyi özetlemek	Yapay zeka	Özeti, yapay zeka çıktısı olarak etiketleyip 1. katmanda saklayın	Güvenilir saklama (Storm ve Stone)
Eski bir notu bulmak	Yapay zeka	1 ila 3. katmanlarda arama yapın	Saklanmış öğelerin geri getirilmesi
Gelen kutusunu etiketlemek, dosyalamak ve yinelenenlerden arındırmak	Yapay zeka	Sizin gözden geçirmenizden önce haftalık ön ayıklama	Saklama işi
Bir toplantıyı kaydetmek (ham transkript)	Yapay zeka	Transkript yalnızca 1. katmana gider	Saklama
O toplantıdaki kararları zihninizde tutmak	Siz	Kararları ve sorumluları bir gün içinde hafızadan yazın	Hatırlama niyeti, yük boşaltmanın maliyetini değiştirir (Grinschgl)
Kendi cümlelerinizle kalıcı bir not yazmak	Siz	Tek fikir, serbest biçim, şablon yok	Düşük kısıtlı üretme en iyi hatırlandı (McCurdy)
Hangi notların saklanmaya değer olduğuna karar vermek	Siz	Haftalık, gözden geçirme sırasında	Neyin önemli olduğu, sahibinin muhakemesidir
Notlar arasında bağlantılar üretmek	Önce siz, sonra yapay zeka	Kendiniz iki ya da üç bağlantı listeleyin, sonra yapay zekadan daha fazlasını isteyin; her birini bir gerekçeyle kabul edin	Önce deneyin (Kornell); haritalama hatırlama değildir (Karpicke ve Blunt)
Aralıklı gözden geçirme soruları	Önce siz, sonra yapay zeka	Yapay zeka notlarınızdan açık uçlu soru taslakları çıkarır; geri bildirimi görmeden önce siz yanıtlarsınız	Test etkisi, geri bildirimle ve bir gün sonra daha büyük (Rowland)
Notlarınızdan bir bilgi notu taslağı çıkarmak	Önce siz, sonra yapay zeka	Önce iddiayı ve taslak planı yazın; yapay zeka taslağı çıkarır; siz düzenlersiniz	Daha fazla öğrenme olmadan daha iyi taslaklar (Fan)
Bir karardan önce arşivde arama yapmak	Önce siz, sonra yapay zeka	Mevcut pozisyonunuzu yazın, sonra yapay zekadan bunu destekleyen ve çürüten notları isteyin	Önce deneyin (Kornell)

Sayım şöyle: yalnızca size 3, yalnızca yapay zekaya 4, önce size sonra yapay zekaya 5 görev düşüyor (CEOtudent sayımı). Yapay zeka olmadan yapılması gereken çok az şey var, ama düşüncenizi değiştirmesi amaçlanan neredeyse her şey ilk adımı sizin atmanızı gerektiriyor. Toplantılar için kayıt normları yapay zeka toplantı notlarının toplantıyı nasıl değiştirdiği yazısında; Sokratik prompt yöntemi ise öğrenme görevlerinde asistanı soru soran bir role dönüştürüyor.

Sistemi bir haftada nasıl kurarsınız?

CEO hamlesi bir satın alma değil, bir tasarım kararıdır: kurulumu yazılım seçmek yerine bir işletim modeli yazmak olarak görün. Bu kontrol listesi her not uygulamasıyla ve her asistanla çalışır.

1. Hafta kurulum kontrol listesi (CEOtudent editoryal çerçevesi)

• 1. Gün: tek gelen kutusu, tek arşiv. Kopyaları dondurun; güven, kaydetme faydasının ön koşuludur.
• 1. Gün: bir köken alanı ekleyin. Üç değeri olsun: kendi cümleleriniz, kaynak, yapay zeka çıktısı.
• 2. Gün: yapay zeka kurallarını yazın. Bağlam dosyanıza ya da proje talimatlarınıza şunları ekleyin: asistanın neyi okuyabileceği, hangi katmana yazabileceği ve önce deneme kuralı.
• 2. Gün: gizlilik sınırınızı çizin. Asla dış bir araca gitmeyecek klasörleri listeleyin (müşteri materyali, başka kişilerin kişisel verileri, işvereninizin kısıtladığı her şey) ve aracın veri saklama ve eğitim ayarlarını kontrol edin.
• 3. Gün: 2. katmanı tohumlayın. Son işlerinizden, hafızadan ve kendi cümlelerinizle 10 kısa not yazın.
• 4. Gün: bir soru promptu kaydedin. Bu prompt, kendi cümlelerinizle yazılmış her notu asla çoktan seçmeli olmayan 2 açık uçlu soruya dönüştürsün.
• 5. Gün: haftalık gözden geçirmeyi sabit bir zaman dilimine yerleştirin.

Tablo 5. Haftalık 20 dakikalık gözden geçirme (CEOtudent editoryal çerçevesi)

Blok	Dakika	Ne yaparsınız	Kim ne yapar
Gelen kutusunu ayıklama	5	Yapay zekanın hafta boyunca ön ayıklamasını yaptığı öğeleri saklayın, dosyalayın ya da silin	Yapay zeka ayıklar, siz karar verirsiniz
Soğuk hatırlama	7	Geçen haftanın açık uçlu sorularını bakmadan yanıtlayın, sonra kontrol edin	Yapay zeka sorar ve geri bildirim verir, siz yanıtlarsınız
Yükselt ve bağla	5	Yakalanan bir ya da iki öğeyi kendi cümlelerinizle not olarak yeniden yazın; gerekçesiyle bir bağlantı ekleyin	Siz yazarsınız, yapay zeka bağlantı önerebilir
Gelecek haftanın hatırlama listesi	3	Yalnızca arşivde değil, zihninizde de tutmayı amaçladığınız üç şeyi belirleyin	Siz

Bloklar toplamda 20 dakika eder. Hatırlama, yükseltmeden önce gelir; böylece en zor blok dikkat henüz tazeyken yapılır.

Başarısızlık biçimleri nelerdir?

• Kimsenin okumadığı arşiv. Geri getirme olmadan yakalama, öğrenme değil saklamadır. Gözden geçirmeyi bir ay atlarsanız sistem bir dosya dolabına dönüşür; çözüm daha fazla yakalama değil, hatırlamadır.
• Hiç işlemediğiniz, yapay zekanın yazdığı notlar. Yakalama anında yapılan özetler ilerleme gibi görünür. Köken etiketi olmadan sizin cümlelerinizle karışırlar ve üretme adımı hiç gerçekleşmez.
• Güvenilmeyen arşiv. Yarım senkronize olmuş birkaç uygulama ve tek bir doğru kaynak yok. Kaydetme güvenilmez olduğunda faydası ortadan kalkar ve şüpheden dolayı bir şeyleri zihninizde tutmaya başlarsınız.
• Bağlantı enflasyonu. Kimsenin açıklayamadığı, yapay zekanın önerdiği yüzlerce bağlantı. Yazılı bir gerekçesi olmayan bağlantı yalnızca süstür.
• Denemeden önce prompt yazmak. Önce sormak verimli hissettirir ve belleği cevaba hazırlayan denemeyi atlar.
• Tüm arşivi bir sağlayıcıya teslim etmek. Notlar çoğu zaman başka insanların bilgilerini, müşteri materyalini ve yayımlanmamış taslakları içerir. Bir arşivi dış bir hizmete bağlamadan önce hizmetin neyi sakladığını, verilerinizle model eğitip eğitmediğini, kimlerin erişebileceğini ve işvereninizin politikasının ne dediğini kontrol edin ve sınırı yazılı tutun. Bu genel bilgidir, hukuki tavsiye değildir; neyin serbest olduğuna kuruluşunuzun kuralları ve yürürlükteki mevzuat karar verir.

Bunun anlamına gelmediği şeyler

Kanıtlar yön konusunda güçlü, gerçek işe aktarım konusunda daha zayıf. Burada aktarılan çalışmalar çoğunlukla sözcük listeleri, bilgi yarışması soruları, kısa metinler ya da kopyalama görevleri kullanıyor ve aylarca süren profesyonel okumanın ardından değil, dakikalar, günler ya da bir hafta sonra test ediyor. Bu inceleme, yapay zeka katmanı olan eksiksiz bir ikinci beyin sisteminin kontrollü bir denemesini bulamadı; dolayısıyla Tablo 3 ila 5, test edilmiş bir müdahale değil, bileşen bulgularından inşa edilmiş bir tasarımdır.

Özet yazmak garantili bir bellek tekniği değildir. On öğrenme tekniğini inceleyen Dunlosky ve meslektaşları (2013), alıştırma testini ve dağıtılmış alıştırmayı yüksek faydalı, özetlemeyi, metni vurgulamayı ve yeniden okumayı ise düşük faydalı olarak derecelendirdi; özetleme bazı öğrencilere bazı görevlerde, sınırlı koşullar altında yardımcı oldu (yalnızca özet). Çerçevenin not yazmayı hedef olarak görmek yerine kendi cümlelerinizle yazılmış notları hatırlamayla eşleştirmesinin nedeni bu.

Başarısız Sparrow tekrarı, yük boşaltmanın zararsız olduğunu göstermiyor; yalnızca bir hazırlama (priming) sonucunun ayakta kalmadığını gösteriyor. Grinschgl deneyleri, görev sırasında yük boşaltmanın belleğe mal olabileceğine dair daha iyi bir kanıttır; bu en açık biçimde, hatırlamaya karar vermediğiniz durumlarda görülür. Ayrıca 0,40 ya da g = 0,50 gibi etki büyüklükleri, birbirinden çok farklı çalışmaların ortalamalarıdır; sonuçlar materyale ve onu ne kadar süre aklınızda tutmanız gerektiğine göre değişir.

Sıkça sorulan sorular

Bir yapay zeka asistanı ikinci beynin yerini alır mı?
Saklama ve geri getirme işinin büyük kısmının yerini alır: notları bulmak, gelen kutusunu ayıklamak, önceden yazılmış materyalden taslak çıkarmak. Kendi belleğinizi inşa eden üretme, bağlantı kararları ve hatırlamanın yerini alamaz, çünkü bu etkiler ancak işi siz yaptığınızda ortaya çıkar.

Okuma notlarını yapay zeka mı özetlemeli?
Yalnızca dosyalamanız gereken materyal için evet, yapay zeka çıktısı olarak etiketlenmiş şekilde. Anlamanız gereken materyal içinse önce hafızadan kısa bir özet yazın, sonra yapay zekaya neyi atladığınızı sorun. Bertsch meta-analizinde 86 çalışma boyunca üretmek, okumaktan daha iyi sonuç verdi.

“Google etkisi” gerçek mi?
2018 tekrarlama projesinin test ettiği hazırlama sonucu yeniden üretilemedi: birleştirilmiş etki, orijinalin 0,135’i kadardı. Bu test, 2011 makalesinin yalnızca Çalışma 1’ini kapsıyordu. Grinschgl ve meslektaşlarının (2021) deneyleri gibi ayrı deneyler ise görev sırasında yük boşaltmanın, dışarıya aktarılan materyale ilişkin belleği azaltabileceğini gerçekten gösteriyor.

Önce deneme kuralı nedir?
Öğrenmek ya da karar vermek istediğiniz herhangi bir konuda asistana prompt yazmadan önce kendi cevabınızı, taslak planınızı ya da tahmininizi yazın. Kornell ve meslektaşlarının Deney 1’inde başarısız denemeler bile sonraki hatırlamayı 0,31’den 0,41’e çıkardı.

Sistem her hafta ne kadar zaman alır?
İlk haftadaki yaklaşık beş kısa kurulum oturumunun ardından, 20 dakikalık tek bir gözden geçirme: 5 dakika gelen kutusunu ayıklama, 7 dakika soğuk hatırlama, 5 dakika yükseltme ve bağlama, 3 dakika da gelecek haftanın hatırlama listesini belirleme.

Bir yapay zeka aracına bütün bir not arşivini vermek güvenli mi?
Bu, arşivin içeriğine ve aracın veri saklama, eğitim ve erişim ayarlarına bağlıdır. Müşteri materyali ve başka kişilerin kişisel verileri için yazılı bir sınır belirleyin, işvereninizin politikasına uyun ve bunu hukuki tavsiye değil genel bilgi olarak değerlendirin.

En iyi not uygulaması hangisi?
Araştırmalar herhangi bir uygulamayı öne çıkarmıyor. Tek bir güvenilir arşivi, kendi cümlelerinizle yazılmış notları ve geri bildirimle düzenli hatırlamayı öne çıkarıyor; bu üç alışkanlığı destekleyen her araç işinizi görür.

Kaynaklar

1. Bertsch, S., Pesta, B. J., Wiscott, R. ve McDaniel, M. A. (2007). The generation effect: A meta-analytic review. Memory and Cognition, 35(2), 201-210 (yalnızca özet, PubMed kaydı).
2. McCurdy, M. P., Viechtbauer, W., Sklenar, A. M., Frankenstein, A. N. ve Leshikar, E. D. (2020). Theories of the generation effect and the impact of generation constraint: A meta-analytic review. Psychonomic Bulletin and Review, 27(6), 1139-1165 (yayıncı sürümü, Maastricht Üniversitesi deposu).
3. Slamecka, N. J. ve Graf, P. (1978). The generation effect: Delineation of a phenomenon. Journal of Experimental Psychology: Human Learning and Memory, 4(6), 592-604.
4. Storm, B. C. ve Stone, S. M. (2015). Saving-enhanced memory: The benefits of saving on the learning and remembering of new information. Psychological Science, 26(2), 182-188 (yalnızca özet, PubMed kaydı).
5. Fellers, C. ve Storm, B. C. (2024). The saving enhanced memory effect can be observed when only a subset of items are saved. Memory and Cognition, 52(6), 1325-1337 (yalnızca özet, PubMed kaydı).
6. Buchli, D. R. ve Storm, B. C. (2025). Working memory capacity and the saving-enhanced memory effect. Memory, 33(8), 1015-1030 (yalnızca özet, PubMed kaydı).
7. Grinschgl, S., Papenmeier, F. ve Meyerhoff, H. S. (2021). Consequences of cognitive offloading: Boosting performance but diminishing memory. Quarterly Journal of Experimental Psychology, 74(9), 1477-1496 (PubMed Central tam metni).
8. Rowland, C. A. (2014). The effect of testing versus restudy on retention: A meta-analytic review of the testing effect. Psychological Bulletin, 140(6), 1432-1463 (yazar tarafından yüklenmiş kopya).
9. Kornell, N., Hays, M. J. ve Bjork, R. A. (2009). Unsuccessful retrieval attempts enhance subsequent learning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 35(4), 989-998 (yazar kopyası).
10. Camerer, C. F., Dreber, A., Holzmeister, F. ve ark. (2018). Evaluating the replicability of social science experiments in Nature and Science between 2010 and 2015. Nature Human Behaviour, 2(9), 637-644, özet ve Ek Bilgiler (Supplementary Information) (Sparrow, Liu ve Wegner 2011, Karpicke ve Blunt 2011 ile Pyc ve Rawson 2010 rakamlarının kaynağı; bu orijinal makaleler açılmadı).
11. Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J. ve Willingham, D. T. (2013). Improving students’ learning with effective learning techniques. Psychological Science in the Public Interest, 14(1), 4-58 (yalnızca özet, PubMed kaydı).
12. Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X. ve Gasevic, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489-530 (rakamlar arXiv 2412.09315 sürümünden).
13. Risko, E. F. ve Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676-688 (yalnızca özet, PubMed kaydı).
14. Chatterji, A., Cunningham, T., Deming, D. J., Hitzig, Z., Ong, C., Shan, C. Y. ve Wadman, K. (2025). How People Use ChatGPT. NBER Working Paper 34255 (hakem denetiminden geçmemiş; yazarların birkaçı OpenAI bağlantılı).
15. Bush, V. (1945). As We May Think. The Atlantic Monthly, Temmuz 1945 (elektronik reprodüksiyon).
16. Bielefeld Üniversitesi, Sosyoloji Fakültesi. Niklas-Luhmann-Archiv, “Niklas Luhmann – Theorie als Passion” araştırma projesi, proje tanımı (Almanca).
17. Forte, T. (2022). Building a Second Brain. Atria Books (yalnızca adı geçiyor; katalog kaydı kontrol edildi, yöntem aktarılmadı).

Tablo 1, 3, 4 ve 5 CEOtudent analizleri ya da CEOtudent editoryal çerçeveleridir; Tablo 2, Camerer ve ark. (2018) çalışmasındaki rakamları yayımlandığı haliyle aktarır, oranlar CEOtudent tarafından yeniden hesaplanmıştır. Türetilmiş rakamlar (Luhmann ortalamaları, 516 toplamı, yüzde 22’lik küçülme, 0,34’lük fark, yüzde 32 ve yüzde 49’luk göreli kazançlar, 3,4’lük örneklem oranı ve yönlendirme sayımı) CEOtudent hesaplamalarıdır. Bilinçli olarak kullanılmayanlar: Sparrow, Liu ve Wegner’in orijinal etki büyüklükleri (diğer CEOtudent yazılarında ele alındı), Adesope, Trevisan ve Sundararajan’ın (2017) alıştırma testi meta-analizi (açık erişimli bir kopyası bulunamadı) ve unutma eğrisi yüzdeleri.

---

Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.

This post is also available in: