Özet: Artık görünürde zıt yönleri işaret eden iki büyük randomize deneme var ve aralarındaki boşluk pratik dersin tamamı. Bastani ve arkadaşları, 2025’te PNAS’ta yayımladıkları çalışmada bine yakın Türk lise matematik öğrencisine pratik sırasında GPT-4 erişimi verdi. Sade bir ChatGPT arayüzü için pratik sırasındaki performans yüzde 48, öğrenme korumaları eklenmiş bir sürüm için yüzde 127 yükseldi. Sınav için erişim kaldırıldığında sade arayüz grubu, hiç erişimi olmayan öğrencilere göre yüzde 17 daha kötü sonuç aldı; korumalı grupta ise yazarlar olumsuz etkinin büyük ölçüde giderildiğini, kontrol grubuna göre sınav üstünlüğü bildirilmediğini aktarıyor. Kestin ve arkadaşları, 2025’te Scientific Reports’ta yayımlanan çalışmalarında Harvard’da bir fizik dersinde (N = 194) randomize bir deneme yürüttü ve bir yapay zeka eğitmeninin, uzmanca yürütülen bir aktif öğrenme sınıfına kıyasla medyan öğrenme kazanımlarını iki katından fazlaya çıkardığını, üstelik 60 dakikalık derse karşı medyan 49 dakikada yaptığını buldu. Türetilmiş okumamız: etkili eğitmen yaklaşık 2,3 kat öğrenme kazanımını yüzde 18,3 daha az sürede verdi; bu dakika başına yaklaşık 2,9 kat demek. İki sonucu ayıran şey model değil. Etkileşimin öğrenciyi üretmeye zorlayıp zorlamadığı. Aşağıda: yöntem, kopyalanmaya hazır yedi prompt şablonu, hali hazırda yazdığınız istekler için bir ikame defteri ve kanıtın neyi destekleyip neyi desteklemediğini gösteren bir tablo.
Bunu neredeyse kesinlikle yaptınız. Anlamadığınız bir şeye çarpıyorsunuz, bir asistana yapıştırıyorsunuz, net bir açıklama geri geliyor ve anlamanın o tık sesini hissediyorsunuz.
O his öğrenmenin kanıtı değil. Bilişsel bilimin en iyi belgelenmiş yanılsamalarından biri ve bir adı var.
Rozenblit ve Keil, 2002’de Cognitive Science’ta yayımlanan on iki çalışmada bunu gösterdi. İnsanlar “karmaşık olguları gerçekte olduğundan çok daha yüksek bir kesinlik, tutarlılık ve derinlikle anladıklarını hissediyor” ve yanılsama özellikle açıklayıcı bilgi için en güçlü halde: yani tam olarak bir yapay zeka açıklamasının sunduğu bilgi türü için. Yanılsamanın en dirençli olduğu ortamın, mekanizmaları görünür kılan gerçek zamanlı açıklamaları destekleyen ortam olduğunu buldular. Anında, akıcı ve iyi yapılandırılmış bir yanıt veren bir sohbet penceresi, bu yanılsamayı üretmek için özel yapılmış bir makineye çok yakın.
Yani soru yapay zekanın size öğretip öğretemeyeceği değil. Açıkça öğretebiliyor. Soru, öğretmenin gerçekten tutması için etkileşimin nasıl görünmesi gerektiği.
İki deneme ve onları asıl ayıran şey
Zarar vakasıyla başlayın, çünkü daha yararlı olan o.
Bastani, Bastani, Sungu, Ge, Kabakcı ve Mariman, “Korumasız üretken yapay zeka öğrenmeye zarar verebilir: Lise matematiğinden kanıtlar” başlıklı çalışmayı Temmuz 2025’te Proceedings of the National Academy of Sciences’ta yayımladı. Bine yakın lise matematik öğrencisiyle üç koşullu bir saha deneyi yürüttüler: standart ChatGPT tarzı bir arayüz olan GPT Base; aynı modelin öğrenmeyi korumak üzere tasarlanmış promptlarla çalışan sürümü olan GPT Tutor; ve yalnızca ders kitabı ve notlarla çalışan kontrol grubu.
Destekli pratik seanslarında GPT Base öğrencileri kontrol grubundan yüzde 48, GPT Tutor öğrencileri yüzde 127 daha yüksek puan aldı. Sonra destek kaldırıldı ve herkes sınava girdi. GPT Base öğrencileri kontrol grubundan yüzde 17 daha düşük puan aldı. Yazarların çerçevesiyle, “GPT-4’e sınırsız erişim eğitim çıktılarına zarar verebilir”, çünkü “öğrenciler pratik problem seanslarında GPT-4’ü bir koltuk değneği gibi kullanmaya çalışıyor ve ardından kendi başlarına daha kötü performans gösteriyor.” GPT Tutor’daki korumalar bu olumsuz etkiyi büyük ölçüde ortadan kaldırdı.
Şimdi çoğu haberin atladığı hesabı yapın.
| Koşul | Pratik sırasındaki kazanım | Desteksiz sınavdaki etki | Pratik kazanımının hayatta kalan payı |
|---|---|---|---|
| GPT Base | +%48 | Kontrole göre -%17 | -0,35 |
| GPT Tutor | +%127 | Kontrole göre ölçülebilir üstünlük yok; olumsuz etki büyük ölçüde giderildi | ~0 |
| Kontrol | temel | temel | uygulanamaz |
Oran sütunu bir CEOtudent türetmesidir: sınav etkisinin pratik kazanımına bölümü. Araç kaldırıldığında görünür performans artışının ne kadarının kaldığını ifade eder.
Hiçbir yapay zeka koşulu ölçülebilir bir sınav avantajı üretmedi. Prompt düzeyindeki korumalar değerli ama mütevazı bir şey yaptı: yüzde 17’lik bir kaybı nötre çevirdi. Zihinsel modeliniz “iyi bir eğitmen promptu yapay zekayı bir öğrenme hızlandırıcısına dönüştürür” idiyse, bu deneme onu desteklemiyor. Desteklediği şu: “iyi bir eğitmen promptu yapay zekanın bir öğrenme yavaşlatıcısı olmasını engeller.”
Şimdi kazanç vakası.
Kestin, Miller, Klales, Milbourne ve Ponti, “Yapay zeka eğitmenliği sınıf içi aktif öğrenmeyi geride bırakıyor” başlıklı çalışmayı Haziran 2025’te Scientific Reports’ta yayımladı. Harvard’da bir lisans fizik dersinde (N = 194) öğrenciler uzmanca yürütülen bir aktif öğrenme dersi ile özel olarak inşa edilmiş bir yapay zeka eğitmeni arasında dönüşümlü ilerledi. Medyan son test puanı yapay zeka koşulunda 4,5 (N = 142), sınıf koşulunda 3,5 (N = 174) oldu; birleşik ön test medyanı 2,75 (N = 316) idi. Son test puan dağılımlarında Mann-Whitney sıra toplamı testi z = -5,6, p < 10 üzeri eksi 8 verdi. Yapay zeka koşulunda göreve harcanan medyan süre 60 dakikalık sınıf dersine karşı 49 dakikaydı.
Bu medyanları işleyerek, ki bu bizim kendi hesabımız ve makalenin bildirdiği bir şey değil:
| Ölçüt | Yapay zeka eğitmeni | Aktif öğrenme sınıfı | Oran |
|---|---|---|---|
| Medyan son test | 4,5 | 3,5 | – |
| 2,75 ön test temeline göre medyan kazanım | 1,75 | 0,75 | 2,33 kat |
| Göreve harcanan medyan süre | 49 dk | 60 dk | %18,3 daha az |
| Dakika başına kazanım | 0,0357 | 0,0125 | 2,86 kat |
Yayımlanan medyanlardan CEOtudent türetmesi. Medyanlar temiz biçimde ayrıştırılamaz; dakika başına rakamı kesin bir etki büyüklüğü değil, büyüklük mertebesi karşılaştırması olarak okuyun. Yazarlar son test puanlarında bir tavan etkisi olduğunu kendileri belirtiyor.
Yani: aynı temel model ailesi, aynı yıl; bir deneme zarar buluyor, diğeri kabaca 2,3 katlık bir kazanım. Fark tasarımda ve Kestin makalesi bunu açıkça belgeliyor.
Eğitmenleri yedi pedagojik uygulamaya göre inşa edildi: aktif katılımı teşvik etmek, bilişsel yükü yönetmek, gelişim zihniyetini desteklemek, içeriği basamaklandırmak, bilgi ve geri bildirimin doğruluğunu güvence altına almak, geri bildirimi hedefli ve zamanında vermek ve kendi hızında ilerlemeye izin vermek. Kritik olarak, tek başına bir sistem promptunun “çok parçalı problemleri basamaklandırmak için güvenilir biçimde yeterli yapı sağlayamadığını” bildiriyorlar; bu yüzden her problemin her parçasında sıralı ilerlemeyi platform zorunlu kıldı. Ayrıca modele adım adım çözümleri kendisi üretsin diye bırakmak yerine hazır verdiler, çünkü bir sonraki simgeyi tahmin etme karmaşık matematikte güvenilir değil. Öğrencilerin yüzde 83’ü eğitmenin açıklamalarını sınıftaki insan eğitmenlerinkiler kadar iyi ya da daha iyi buldu.
Dürüst başlık bu. Prompt düzeyindeki korumalar zararı önler. Yapısal tasarım kazanç üretir. Kestin sonucunu tek bir zekice promptla elde edemezsiniz ve size birini satan kişi fazla iddialı davranıyordur. Yapabileceğiniz şey varsayılana göre epeyce daha yakına gelmek ve aşağıdaki yöntem bunun için.
Üretmek neden almayı yener
Mekanizma gizemli değil ve yapay zekadan onlarca yıl önce geliyor.
Roediger ve Karpicke 2006’da Psychological Science’ta, bir hafıza testine girmenin bilgiyi yalnızca ölçmediğini, güçlendirdiğini de gösterdi. Düzyazı metinleri okuyup ardından geri bildirimsiz hatırlama testlerine giren öğrenciler, aynı materyali aynı sayıda kez yeniden çalışan öğrencileri iki gün ve bir hafta sonraki gecikmeli testlerde geride bıraktı. Dikkat çekici biçimde, hemen ardından yapılan beş dakikalık testte yeniden çalışan grup daha iyiydi ve bu grup hatırlayacağından daha emindi. Kısa vadeli akıcılık ile uzun vadeli kalıcılık ters yönlere çekiyor.
Bu, açıklama yanılsamasının kılık değiştirmiş hali. İyi bir açıklama okumak beş dakikalık teste benziyor. Açıklamayı kendiniz üretmek daha kötü hissettiriyor ve daha iyi çalışıyor.
VanLehn’in 2011’de Educational Psychologist’te yayımlanan derlemesi eğitmenliğin ne kadar satın alabileceğine sayı koydu. Eğitmenlik olmayan duruma karşı insan eğitmenliği d = 0,79, akıllı öğretim sistemleri d = 0,76 etki büyüklüğü verdi; sistem yanıt düzeyinde değil adım düzeyinde çalıştığında insan üstünlüğü büyük ölçüde kayboluyor. Prompt yazımı için işleyen kısım bu son cümlecik. Yanıt düzeyinde etkileşim yetersiz kalır. Etki adım düzeyindeki etkileşimde yaşar.
Ayrıca uygun bir ihtiyatla anılmayı hak eden ön niteliğinde bir sinirsel sinyal var. MIT Media Lab’den Kosmyna ve arkadaşları 2025’te hakem değerlendirmesinden geçmemiş bir ön baskı dolaştırdı: 54 katılımcı üç seans boyunca LLM, arama motoru ya da araçsız koşullardan birinde deneme yazdı. EEG, araçsız grubun en güçlü ve en yaygın bağlantısallığa, arama motoru kullanıcılarının ara düzeye ve LLM kullanıcılarının en zayıf düzeye sahip olduğunu gösterdi; bilişsel etkinlik dış araç kullanımıyla orantılı biçimde ölçekleniyordu. Denemelerin kendi beyan edilen sahipliği LLM grubunda en düşüktü ve yazarlar LLM kullanıcılarının “kendi çalışmalarından doğru biçimde alıntı yapmakta zorlandığını” bildiriyor. Kesin değil, işaret edici olarak alın: küçük örneklemli bir ön baskı. Ama davranışsal kanıtla aynı yönü gösteriyor.
Yöntem
Sokratik prompt yönteminin tek bir kuralı ve beş hamlesi var. Kural şu:
Deneyebileceğiniz bir adımı modelin tamamlamasına asla izin vermeyin.
Geri kalan her şey bu kuralı kendi sabırsızlığınıza karşı uygulamak için gereken düzenek.
Hamle 1: Bir şey sormadan önce sözleşmeyi ilan edin. Her asistanın varsayılan davranışı azami ölçüde yardımcı olmaktır, bu da yanıt vermek demektir. Bunu bir kez, en başta geçersiz kılmanız ve sonra sürdürmeniz gerekir.
Hamle 2: Kendi denemenizi öne koyun. Ne kadar yanlış olursa olsun önce ne düşündüğünüzü söyleyin. Bu üretme adımıdır ve insanların atladığı adım budur. Düzeltilen yanlış bir deneme, okuduğunuz doğru bir yanıttan daha kalıcı öğrenme üretir.
Hamle 3: Adım düzeyinde çalışın. Bir adım, bir tur. Bu VanLehn’in bulgusunun uygulanmış hali ve Kestin ekibinin platform düzeyinde zorunlu kılmak zorunda kaldığı şey, çünkü tek başına bir prompt bunu tutmuyordu.
Hamle 4: Her kavramı, yazmadığınız bir hatırlama testiyle kapatın. Modelden sizi sonradan, materyal kapalıyken, hafızadan sınamasını isteyin. Bu Roediger ve Karpicke’in pratiğe dökülmüş hali.
Hamle 5: Kaynak kapalıyken bir açıklama üretmeye kendinizi zorlayın. Açıklama yanılsaması, açıklamayı bakmadan üretmek zorunda kaldığınız anda çöker. O çöküş teşhistir.
Kopyalanmaya hazır yedi şablon
Asıl araçlar bunlar. Her biri yöntemin bir parçasını uygular. Köşeli parantezli yerleri kendinize uyarlayın.
1. Açılış sözleşmesi. Bir öğrenme seansının başında bir kez yapıştırın ve model saptığında ona geri dönün.
Bu konuşmanın tamamında asistanım değil eğitmenimsin. Kurallar: bana asla tam bir yanıt ya da bitmiş bir çözüm verme. Tek seferde bir adım ilerle. Her adımdan önce bana sırada ne geldiğini düşündüğümü sor ve yanıtımı bekle. Yanılıyorsam beni doğrudan düzeltme; hatayı bana görünür kılacak bir soru sor. Senden sadece söylemeni istersem bu kuralı bir kez hatırlat, sonra bunu geçersiz kılmak isteyip istemediğimi sor. Yanıtlarını 120 kelimenin altında tut. [KONU] hakkında hali hazırda ne bildiğimi sorarak başla.
2. Önce deneme çerçevesi. Normalde soğuk soğuk yapıştıracağınız her problem için.
İşte bir problem: [PROBLEM]. İşte yanlış olabilecek denemem: [DENEMENİZ, KISMİ OLSA BİLE]. Çözme. Bana yalnızca ilk adımımın sağlam olup olmadığını söyle; değilse hatayı kendim bulmama yardım edecek tek bir soru sor.
3. Adım kapısı. Model öne kaçtığında.
Dur. Bana [N] adım verdin. Birinci adımdan sonrasını at. İkinci adımın ne olması gerektiğini bana sor ve bekle.
4. Feynman kontrolü. Yanılsama dedektörü. Anladığınızı hissettikten sonra kullanın.
Sana [KAVRAM] konusunu hiçbir yere bakmadan hafızamdan anlatacağım. Anlatırken bana yardım etme. Bitirdiğimde yalnızca açıklamamın belirsiz, döngüsel ya da mekanizması eksik olduğu yerleri listele. Boşlukları doldurma; sadece adlandır.
5. Gecikmeli hatırlama testi. Bu listedeki en değerli ve en az kullanılan şablon.
Şimdi hiçbir şey açıklama. Bana [KONU] hakkında yarın hafızamdan yanıtlayabilmem gereken beş soru yaz. Bunlardan biri, hiç konuşmadığımız bir duruma fikri uygulamayı gerektirsin. Beşini de denemeden yanıtları verme.
6. Karşı görüşü güçlendirme. Prosedürel değil yargı gerektiren materyal için.
[KONU] hakkında [POZİSYONUNUZ] görüşündeyim. Katılma ya da karşı çıkma. Karşıt görüşü savunan birinin soracağı üç soruyu, teker teker sor. Bir sonrakini sormadan önce her yanıtı bekle.
7. Transfer sondası. Bastani öğrencilerinin pratik sırasında hiç karşılaşmadığı sınav koşulu simülatörü.
Bana [KONU] hakkında az önce birlikte çalıştığımıza yapısal olarak benzeyen ama yüzeysel olarak farklı bir problem ver; öyle ki yüzeysel örüntü eşleştirmesi işe yaramasın. İpucu verme. Deneyip tüm akıl yürütmemi yapıştıracağım; ancak ondan sonra yanıt ver.
İkame defteri
Bu tablo bir CEOtudent editöryel çerçevesidir. İnsanların gerçekte yazdığı istekleri eğitmen modundaki yeniden yazımlarıyla eşleştirir ve her yeniden yazımın devreye soktuğu öğrenme mekanizmasını adlandırır. Mekanizmalar bu yazıda anılan yayımlanmış literatürden alınmıştır; eşleştirme bize aittir.
| Genellikle yazdığınız | Yanıt modunun sonucu | Eğitmen modunda yeniden yazım | Devreye giren mekanizma |
|---|---|---|---|
| “[Kavramı] bana açıkla” | Akıcı açıklama, yüksek güven, düşük kalıcılık | “[Kavram] hakkında ne bildiğimi bana sor, sonra yalnızca yanlış olanı düzelt” | Geri bildirimden önce üretme |
| “Bu problemi çöz” | Doğru çözüm, sıfır transfer | “İlk adımım bu. Sağlam mı? Yalnızca tek soru.” | Adım düzeyinde eğitmenlik |
| “Bu makaleyi özetle” | Kullanılabilir özet, kodlama yok | “Ben özetleyeceğim. Sonra neyi kaçırdığımı söyle.” | Hatırlama pratiği |
| “X için kodu yaz” | Hata ayıklayamadığınız çalışan kod | “Bana fonksiyon imzasını ve ilk satırı ver. Gerisini ben yazayım, sonra incele.” | Basamaklandırılmış üretim |
| “Bu argüman iyi mi?” | Devraldığınız bir değerlendirme | “Bir eleştirmenin soracağı üç soruyu bana sor.” | Kendi kendine açıklama |
| “Bana bir çalışma planı ver” | Uygulamayacağınız bir plan | “Yarın için beş hatırlama sorusu yaz, yanıtları sakla.” | Aralıklı hatırlama |
| “Ana noktalar neler?” | Unutacağınız bir liste | “Onları hafızamdan sıralayacağım. Yalnızca boşlukları adlandır.” | Yanılsama tespiti |
Sağ sütundaki örüntü tutarlı: her yeniden yazım bilişsel işi modelden size geri taşıyor ve modeli, bir ders kitabından gerçekten daha iyi yaptığı tek şeye ayırıyor: sizin özgül hatanıza hedefli, anında ve kendi hızınızda geri bildirim. VanLehn’in eğitmenlik etkisinin kaynağı olarak işaret ettiği yetenek tam olarak bu ve Kestin ekibinin bir sınıfta sunulması imkansız diye ayırdığı iki yetenek de bunlar.
Kanıt neyi destekliyor, neyi desteklemiyor
Bu tablo bir CEOtudent editöryel çerçevesidir. Yapay zeka ve öğrenme hakkındaki yaygın iddiaları, her birinin en güçlü yayımlanmış testi karşısında tutarlı bir kuralla notlandırır: Destekleniyor, randomize ya da büyük bir saha çalışmasının bunu doğrudan sınadığı anlamına gelir; Kısmi, kanıtın o yönü gösterdiği ama tasarımın iddiayı yalıtmadığı anlamına gelir; Desteklenmiyor, en güçlü testin bunu çürüttüğü anlamına gelir.
| İddia | En güçlü test | Sonuç | Karar |
|---|---|---|---|
| Pratik sırasında yapay zeka kullanmak pratik performansınızı artırır | Bastani ve ark., PNAS 2025, ~1.000 öğrenci | Base +%48, tutor +%127 | Destekleniyor |
| Pratik performansındaki artış daha çok öğrendiğiniz anlamına gelir | Aynı deneme, araç kaldırılmış sınav | Base koşulunda -%17 | Desteklenmiyor |
| İyi bir eğitmen promptu yapay zekayı öğrenme hızlandırıcısına dönüştürür | Aynı deneme, GPT Tutor koşulu | Kontrole göre sınav üstünlüğü bildirilmedi | Desteklenmiyor |
| İyi bir eğitmen promptu yapay zekanın öğrenmeye zarar vermesini önler | Aynı deneme, GPT Tutor ile GPT Base | Olumsuz etki büyük ölçüde giderildi | Destekleniyor |
| İyi tasarlanmış bir yapay zeka eğitmeni uzman sınıf öğretimini geçebilir | Kestin ve ark., Scientific Reports 2025, N = 194 | Medyan kazanımlar iki katından fazla, daha az sürede | Destekleniyor |
| Yapılandırılmış yapay zeka eğitmenliği sınıf öğretimini her zaman geçer | Aynı makale, yazarların kendi çekincesi | Karmaşık sentez ve üst düzey görevler için varsayılmıyor | Desteklenmiyor |
| Adım düzeyindeki etkileşim yanıt düzeyindekinden daha önemlidir | VanLehn, Educational Psychologist 2011 | Adım temelli sistemlerde d = 0,76, insan eğitmenliğinde d = 0,79 | Destekleniyor |
| Sınanmak, uzun vadeli kalıcılık için yeniden okumayı yener | Roediger ve Karpicke, Psychological Science 2006 | İki gün ve bir haftada test kazanıyor; beş dakikada yeniden çalışma kazanıyor | Destekleniyor |
| Anladığınızı hissetmek anladığınızı gösterir | Rozenblit ve Keil, Cognitive Science 2002 | On iki çalışmada açıklayıcı derinlik yanılsaması | Desteklenmiyor |
| Yoğun LLM kullanımı yazarken bilişsel katılımı azaltır | Kosmyna ve ark., ön baskı 2025, N = 54 | En zayıf EEG bağlantısallığı, en düşük sahiplik | Kısmi |
Ortadaki satırları birlikte okuyun. Yapay zeka destekli öğrenmedeki en pahalı hata aracı kullanmak değil. Pratik seansı sinyaline güvenmek. Araç açıkken gösterdiğiniz performans, kapalıyken göstereceğiniz performans hakkında neredeyse hiçbir şey söylemiyor ve ikisini birden ölçen tek denemede ilişki ters yönde işledi.
Gerçekte nasıl çalıştığınıza yerleştirmek
Yöntem zaman maliyeti taşıyor. Zaten mesele bu ve insanların üçüncü seansta bırakmasının nedeni de bu. Kalıcı kılmanın üç yolu.
Seansı açıkça ikiye ayırın. Asistan modu ile eğitmen modu aynı pencereyi paylaşmamalı. Asistanı materyal toplamak, kaynak bulmak ve lojistiği temizlemek için kullanın. Sonra ayrı bir konuşma açın, açılış sözleşmesini yapıştırın ve öğrenmeyi orada yapın. İkisini karıştırmak, yanıtlama refleksinin öğrenme yarısına sızması demek.
Konuya göre değil niyete göre bütçeleyin. Her şey öğrenmeye değmez. Desteksiz üretmeniz hiç gerekmeyecekse bırakın model üretsin. Eğitmen modunu, desteksiz yeteneğinizin asıl varlık olduğu küçük kümeye ayırın. Bu kararı verme çerçevesi yapay zeka çıktısını değerlendirme becerisi yazısında, daha geniş sınır sorusu ise yapay zekanın karar vermesine izin vermeli misiniz yazısında.
Hisse göre değil takvime göre sınayın. Gecikmeli hatırlama şablonu, tek bir promptta yöntemin tamamı. Her seansın sonunda ertesi gün için tetikleyin ve herhangi bir kaynağı açmadan önce yanıtlayın. Yanıtlayamıyorsanız, seans nasıl hissettirmiş olursa olsun öğrenmemişsinizdir.
Bu konudaki daha geniş donanım için: kanıt öğrenme hakkında ne diyor çalışma tekniklerinin kendisini sıralıyor, yapay zeka eğitmenleri 2026 hangi ürünlerin yanıtlamak yerine öğretmek üzere kurulduğunu karşılaştırıyor ve yapay zeka çağında bilinçli pratik tekrar katmanını ele alıyor.
CEO ve öğrenci
Bu, sitedeki iki yönlü merceğin en net ifadesi.
Bir CEO agresif biçimde devreder ve bunda haklıdır. Sizin ellerinizi gerektirmeyen iş sizin elinizde olmamalı; devretmeyi reddetmek titizlik değil, kendi kurduğunuz bir darboğazdır. Yapay zeka kullanımının çoğu tam olarak bu olmalı: devret, çıktıyı kontrol et, devam et.
Bir öğrenci ise kendisine ait olan tek şeyi devretmeyi reddeder. Çıktıyı değil, yeteneği. Çünkü çıktıyı kontrol edip edemeyeceğinizi belirleyen şey yetenektir; Bastani ve arkadaşlarının risk altındaki şey olarak uzun vadeli üretkenliği işaret etmesinin nedeni de tam olarak budur: üretken yapay zeka “yanılabilir ve kullanıcılar çıktılarını kontrol etmek zorundadır” ve hiç öğrenmediğiniz şeyi kontrol edemezsiniz.
Sokratik yöntem, bu iki pozisyonu aynı anda tutmanın yolu. İşi devredin. Öğrenmeyi devretmeyi reddedin. Yukarıdaki prompt şablonları, varsayılan ayarı bu çizgiyi silmek olan bir araçta o çizgiyi her gün yeniden çekmenin mekaniğinden ibaret.
Sıkça sorulan sorular
Yapay zeka kullanmak gerçekten daha az öğrenmenize yol açıyor mu?
Tamamen etkileşim tasarımına bağlı. PNAS denemesinde, pratik sırasında kısıtsız ChatGPT tarzı arayüz kullanan öğrenciler, hiç erişimi olmayan öğrencilere göre desteksiz sınavda yüzde 17 daha kötü sonuç aldı. Öğrenme korumaları olan sürümü kullanan öğrencilerde yazarlar olumsuz etkinin büyük ölçüde giderildiğini, kontrole göre sınav üstünlüğü olmadığını bildiriyor. Yani kısıtsız kullanım ölçülebilir zarar üretti; korumalı kullanım üretmedi.
Sokratik prompt yazımı nedir?
Bir yapay zeka modeliyle, kendiniz deneyebileceğiniz bir adımı ona asla tamamlatmadığınız bir etkileşim biçimi. Baştan bir sözleşme ilan edersiniz, bir şey sormadan önce kendi denemenizi sunarsınız, tur başına bir adım ilerlersiniz ve her seansı yazmadığınız gecikmeli bir hatırlama testiyle bitirirsiniz.
Bir prompt ChatGPT’yi gerçekten iyi bir eğitmene dönüştürebilir mi?
Kısmen. PNAS denemesi, prompt düzeyindeki korumaların yüzde 17’lik bir öğrenme kaybını büyük ölçüde giderdiğini ama kontrol grubuna göre bir sınav üstünlüğü bildirilmediğini buldu. Büyük kazanımlar üreten Harvard denemesi yalnızca bir sistem promptu değil, platform düzeyinde sıralama ve önceden verilmiş adım adım çözümler kullandı. Bir promptun zararı güvenilir biçimde önlemesini, kazanç üretmesini ise tutarsız biçimde beklemelisiniz.
Açıklama neden anlamak gibi hissettiriyor ama değil?
Rozenblit ve Keil’in on iki çalışmada belgelediği açıklayıcı derinlik yanılsaması yüzünden. İnsanlar mekanizmaları ne kadar kesin ve tutarlı anladıklarını sistematik olarak abartıyor ve yanılsama tam olarak açıklayıcı bilgi için ve akıcı gerçek zamanlı açıklama sunan ortamlarda en güçlü. Test, kaynak kapalıyken açıklamayı kendinizin üretmesi.
Bir Sokratik seans ne kadar sürmeli?
Harvard denemesinde göreve harcanan medyan süre 60 dakikalık sınıf dersine karşı 49 dakikaydı; öğrencilerin yüzde 70’i bir saatin altında bitirdi. Tek bir kavram için makul bir tavan bu. Bağlayıcı kısıt süre değil, almadan önce üretip üretmediğiniz.
Öğrendiğim her şey için bunu yapmaya değer mi?
Hayır. Bunu, desteksiz yeteneğinizin asıl varlık olduğu materyale ayırın: yani sonradan araç kapalıyken üretmeniz, yargılamanız ya da savunmanız gerekecek şeylere. Geri kalan her şeyde bırakın işi model yapsın, siz çıktıyı kontrol edin.
Kaynakça
- Bastani, Bastani, Sungu, Ge, Kabakcı ve Mariman, Korumasız üretken yapay zeka öğrenmeye zarar verebilir: Lise matematiğinden kanıtlar, Proceedings of the National Academy of Sciences, cilt 122, sayı 26, 2025
- Kestin, Miller, Klales, Milbourne ve Ponti, Yapay zeka eğitmenliği sınıf içi aktif öğrenmeyi geride bırakıyor: özgün bir eğitim ortamında araştırma temelli yeni bir tasarımı tanıtan randomize kontrollü çalışma, Scientific Reports, cilt 15, makale 17458, 2025
- VanLehn, İnsan Eğitmenliği, Akıllı Öğretim Sistemleri ve Diğer Öğretim Sistemlerinin Göreli Etkililiği, Educational Psychologist, cilt 46, sayı 4, 2011
- Roediger ve Karpicke, Testle güçlenen öğrenme: hafıza testlerine girmek uzun vadeli kalıcılığı artırıyor, Psychological Science, cilt 17, sayı 3, 2006
- Rozenblit ve Keil, Halk biliminin yanlış anlaşılan sınırları: açıklayıcı derinlik yanılsaması, Cognitive Science, cilt 26, sayı 5, 2002
- Kosmyna ve arkadaşları, Your Brain on ChatGPT: Deneme Yazma Görevinde Yapay Zeka Asistanı Kullanırken Bilişsel Borç Birikimi, arXiv ön baskısı, 2025, hakem değerlendirmesinden geçmemiş
Bu içerik, derinlemesine bir araştırmanın ardından yapay zeka desteğiyle derlenmiş ve CEOtudent editör ekibi tarafından yazılıp yayına hazırlanmıştır.
