Yapay zekâ artık eğitimde “gelecekte kullanacağız” dediğimiz bir teknoloji değil. Öğretmenlerin ve öğrencilerin günlük hayatına çoktan girdi.
Bugün bir öğrenci birkaç dakika içinde bir kod örneği oluşturabiliyor, bir tasarım fikrini görselleştirebiliyor, bir veri tablosunu yorumlatabiliyor veya geliştirdiği projenin neden çalışmadığını yapay zekâya sorabiliyor.
Bu durum STEM eğitimi açısından gerçekten büyük bir fırsat.
Ama beraberinde önemli bir soru da getiriyor:
Yapay zekâ öğrencinin düşünmesini mi destekleyecek, yoksa öğrencinin yerine mi düşünecek?
Bence yapay zekâyı STEM eğitiminde kullanırken asıl dikkat etmemiz gereken nokta tam olarak bu.
Yapay Zekâ STEM’in Yerine Geçmemeli
STEM eğitiminde öğrencinin problemi anlamasını, araştırmasını, çözüm üretmesini, tasarım yapmasını, test etmesini ve yeniden geliştirmesini istiyoruz.
Eğer öğrenci problemi yapay zekâya yazıp:
“Bana en iyi çözümü ver.”
diyor ve çıkan cevabı doğrudan uyguluyorsa, aslında STEM sürecinin önemli bir bölümünü ortadan kaldırmış oluyoruz.
Bu nedenle ben yapay zekâyı cevap veren bir araçtan çok düşünmeyi genişleten bir araç olarak kullanmayı daha doğru buluyorum.
Aradaki fark küçük gibi görünüyor ama oldukça önemli.
Örneğin:
“Bana bir köprü tasarla.”
demek yerine;
“Tasarladığım köprünün zayıf olabileceği üç noktayı söyle ve bunları test etmek için bana sorular sor.”
şeklinde bir kullanım öğrenciyi hâlâ sürecin merkezinde tutuyor.
Yapay zekâ burada çözümü vermiyor.
Öğrencinin düşünmesini zorlaştırıyor.
STEM Sürecinin Hangi Aşamalarında Kullanılabilir?
Yapay zekâyı yalnızca etkinliğin sonunda kullanmak zorunda değiliz.
Aslında STEM sürecinin hemen her aşamasında farklı bir görevi olabilir.
Bir problem durumu düşünelim:
Okul bahçesinde yaz aylarında bazı bölgeler çok fazla ısınıyor. Öğrencilerden daha serin ve kullanılabilir bir alan tasarlamaları isteniyor.
Bu problem üzerinden yapay zekânın nerelerde kullanılabileceğine bakalım.
Problemi Anlama Aşamasında
Öğrenciler önce problemin hangi değişkenlerden etkilendiğini belirlemek zorunda.
Yapay zekâya doğrudan:
“Bu problemi çöz.”
demek yerine:
“Bir okul bahçesinin sıcaklığını etkileyebilecek değişkenleri sınıflandır.”
denebilir.
Öğrenci gelen cevapları inceleyebilir.
Zemin türü, gölge miktarı, bitki yoğunluğu, kullanılan malzemeler, rüzgâr gibi değişkenleri kendi gözlemleriyle karşılaştırabilir.
Burada önemli olan öğrencinin yapay zekâ cevabını doğru kabul etmemesi.
Şunu sorması:
“Bunlardan hangileri bizim okul bahçemizde gerçekten etkili?”
Fikir Üretirken Yapay Zekâ
STEM çalışmalarında öğrencilerin bazen ilk fikre çok hızlı bağlandıklarını görüyoruz.
Bir çözüm buluyorlar ve hemen onu yapmaya başlıyorlar.
Oysa mühendislik tasarımında farklı seçenekler üretmek önemli.
Yapay zekâ burada oldukça kullanışlı olabilir.
Örneğin öğrenci:
“Okul bahçesinde sıcaklığı azaltmak için beş farklı çözüm yaklaşımı üret. Bunların avantaj ve dezavantajlarını söyle.”
diyebilir.
Sonra öğrenci bu çözümleri karşılaştırır.
Belki:
gölgelendirme,
bitkilendirme,
açık renkli yüzey,
su püskürtme,
doğal hava akışı
gibi farklı fikirler ortaya çıkar.
Ama son kararı yine öğrenci verir.
Yapay zekâ seçenek üretir, öğrenci seçim yapar.
Bu ayrımı önemli buluyorum.
Tasarım Aşamasında
Öğrenciler geliştirdikleri fikirleri çizime dönüştürürken yapay zekâdan yararlanabilir.
Örneğin bir öğrenci geliştirdiği ürünün nasıl görünebileceğini görselleştirebilir.
Ancak burada da hazır tasarımı kopyalamak yerine kendi fikrini tarif etmesini tercih ederim.
Örneğin:
“Üçgen destekler kullanan, karton ve tahta çubuktan yapılabilecek hafif bir köprü tasarımını görselleştir.”
Bu görsel daha sonra öğrencinin kendi çizimiyle karşılaştırılabilir.
Neler benziyor?
Neler farklı?
Yapay zekânın tasarımında uygulanamayacak bölümler var mı?
Böylece yapay zekâ çıktısı da eleştirilecek bir ürün hâline geliyor.
Kodlama ve Robotikte Oldukça Faydalı
Yapay zekânın STEM eğitiminde en kullanışlı alanlarından biri bana göre kodlama.
Özellikle Arduino, micro:bit veya farklı robotik sistemlerle çalışan öğrenciler için kod hatalarını anlamada önemli bir destek olabilir.
Örneğin öğrenci kodunu çalıştırıyor ama sensörden veri alamıyor.
Yapay zekâya:
“Bu kodu düzelt.”
demek yerine;
“Bu kodun çalışmamasına neden olabilecek noktaları sırala. Kodu doğrudan değiştirme.”
denebilir.
Bu kullanım çok daha öğretici.
Çünkü öğrenci hatayı kendisi bulmaya devam ediyor.
Bir sonraki aşamada:
“İkinci ihtimali nasıl test edebilirim?”
diye sorabilir.
Bu noktada yapay zekâ bir çeşit dijital rehber gibi çalışıyor.
Veri Analizinde Kullanmak
STEM etkinliklerinde öğrencilerin veri toplamasını özellikle önemsiyorum.
Ancak veri toplandıktan sonra onu yorumlamak bazen ihmal ediliyor.
Yapay zekâ burada da kullanılabilir.
Örneğin bir araç tasarımında öğrenciler üç farklı prototipi test etmiş olsun.
| Tasarım | Kütle | Mesafe | Süre |
|---|---|---|---|
| A | 140 g | 180 cm | 4,1 sn |
| B | 110 g | 245 cm | 4,6 sn |
| C | 95 g | 268 cm | 5,0 sn |
Öğrenciler tabloyu yapay zekâya verip:
“Bu sonuçlardan doğrudan bir sonuç çıkarma. Önce verileri yorumlamama yardımcı olacak beş soru sor.”
diyebilir.
Bence bu tür kullanım çok değerli.
Çünkü yapay zekâ sonucu açıklamak yerine öğrenciyi analize yönlendiriyor.
Yapay Zekâ Her Zaman Haklı mı?
Hayır.
Ve bunu öğrencilerin çok erken fark etmesi gerekiyor.
Yapay zekâ bazen;
yanlış bilgi verebilir,
olmayan bir kaynağı varmış gibi gösterebilir,
mantıklı görünen ama uygulanamayacak bir tasarım önerebilir,
hesaplama veya yorumlama hatası yapabilir.
Aslında bu durum eğitim açısından önemli bir fırsat.
Öğrenciye şu soruyu sorabiliriz:
“Yapay zekânın verdiği cevabın doğru olduğunu nasıl kontrol edebiliriz?”
Bu soru;
kaynak kontrolü,
deney,
ölçüm,
karşılaştırma
gibi süreçleri beraberinde getiriyor.
Yani yapay zekâ yalnızca bilgi aracı değil, eleştirel düşünme için de kullanılabilir.
Öğrenciye Hazır Prompt Vermek Yeterli mi?
Ben öğrencilerin yalnızca hazır komutları kopyalamasını çok anlamlı bulmuyorum.
Bir süre sonra öğrencinin kendi sorusunu oluşturabilmesi gerekiyor.
Çünkü yapay zekâdan alınan cevabın kalitesi büyük ölçüde sorulan soruyla ilişkili.
Öğrenci:
“Araba yap.”
demekle,
“Elimde iki pipet, dört şişe kapağı ve karton var. Aracın en az iki metre ilerlemesini istiyorum. Tasarımımı geliştirebilmem için bana çözüm vermeden beş soru sor.”
demek arasındaki farkı görmeli.
Burada yalnızca yapay zekâ kullanmayı değil, iyi soru sormayı öğretiyoruz.
Özel Yetenekli Öğrenciler İçin Daha da İlginç Bir Alan Açılıyor
Özel yetenekli öğrencilerde yapay zekâyı biraz daha farklı kullanabiliriz.
Öğrenciye sadece:
“Bundan fikir al.”
demek yerine yapay zekâyı bir tartışma partnerine dönüştürebiliriz.
Örneğin öğrenci bir enerji sistemi tasarladı.
Yapay zekâya:
“Benim tasarımımın işe yaramayacağını savun. Beş teknik itiraz üret.”
diyebilir.
Sonra öğrenci bu itirazlara cevap verir.
Bu bana göre çok daha güçlü bir kullanım.
Çünkü öğrenci kendi tasarımını savunmak zorunda.
Hatta süreç tersine çevrilebilir.
Öğrenci yapay zekânın önerdiği tasarımı eleştirebilir.
“Bu tasarımda hangi varsayımlar gerçekçi değil?”
Bu noktada yapay zekâ artık cevap makinesi olmaktan çıkıyor.
Bir düşünme rakibine dönüşüyor.
Öğretmen İçin de Ciddi Bir Zaman Kazancı Sağlayabilir
Yapay zekâ yalnızca öğrenci için değil, öğretmen için de güçlü bir araç.
Örneğin bir STEM etkinliği hazırlarken öğretmen;
problem durumunun farklı versiyonlarını,
farklı yaş düzeylerine uygun soruları,
rubrik maddelerini,
alternatif malzemeleri,
ileri düzey görevleri
hızlıca oluşturabilir.
Ama burada da son kontrol öğretmende olmalı.
Çünkü hazırlanmış görünen her etkinlik sınıfta uygulanabilir olmayabiliyor.
Malzeme gerçekçi mi?
Süre yeterli mi?
Öğrenci seviyesine uygun mu?
Gerçek bir mühendislik problemi var mı?
Ölçülebilir bir sonuç var mı?
Bunların kontrolünü yine öğretmenin yapması gerekiyor.
Ben Nasıl Kullanmayı Tercih Ediyorum?
Yapay zekâyı STEM sürecinde mümkün olduğunca şu mantıkla kullanmayı daha doğru buluyorum:
Önce öğrenci düşünür.
Sonra yapay zekâyı kullanır.
Sonra yapay zekânın cevabını sorgular.
Ardından kendi kararını verir.
Yani:
Düşün → Sor → Kontrol Et → Test Et → Karar Ver
Bence sağlıklı kullanımın özeti bu olabilir.
Bir STEM Etkinliğinde Kullanılabilecek Yapay Zekâ Soruları
Öğrencilere doğrudan cevap isteyen komutlar yerine şu tür sorular öğretebiliriz:
- Tasarımımın zayıf olabilecek yönlerini söyle.
- Bana çözüm verme, düşünmem için beş soru sor.
- Bu sonuçların farklı çıkmasına neden olabilecek değişkenleri bul.
- Tasarımımı daha ekonomik yapmak için hangi noktaları incelemeliyim?
- Benim fikrime karşı teknik itirazlar üret.
- Bu veriyi yorumlarken yapabileceğim hataları söyle.
- Tasarımımın hangi bölümünü önce test etmeliyim?
- Bu çözümün gerçek hayatta uygulanmasını zorlaştırabilecek durumları belirt.
Buradaki ortak nokta şu:
Yapay zekâ öğrencinin yerine düşünmüyor. Öğrencinin düşünmesini genişletiyor.
Sonuç
Yapay zekâ STEM eğitiminde oldukça güçlü bir araç olabilir.
Ama yalnızca doğru cevabı daha hızlı almak için kullanırsak STEM’in en değerli bölümünü kaybedebiliriz.
Çünkü STEM’de önemli olan öğrencinin cevaba ulaşması kadar;
nasıl düşündüğü, hangi veriyi kullandığı, neden o tasarımı seçtiği ve başarısızlık sonrasında neyi değiştirdiğidir.
Bu nedenle yapay zekâ kullanımında kendime şu soruyu sormayı değerli buluyorum:
“Bu araç öğrencinin düşünmesini artırıyor mu, yoksa düşünme ihtiyacını ortadan mı kaldırıyor?”
Eğer yapay zekâ öğrencinin daha fazla soru sormasını, farklı seçenekler görmesini, tasarımını eleştirmesini ve verilerini daha dikkatli incelemesini sağlıyorsa gerçekten güçlü bir STEM aracına dönüşebilir.
Ama öğrenci yalnızca:
“Cevabı ver.”
diyorsa, elimizde çok güçlü bir teknoloji olabilir; fakat çok güçlü bir öğrenme süreci olmayabilir.
Yapay zekâ STEM’de öğrencinin yerine düşünen değil, öğrenciyi daha iyi düşünmeye zorlayan bir araç olmalı.
Bir yanıt yazın