Eğitimsel İçerik Tasarımında Üretken Yapay Zekâ Performans Asimetrisi

Arş. Gör. Fatih DEMİR
Karadeniz Teknik Üniversitesi
[email protected]

Eğitimsel İçerik Tasarımında Üretken Yapay Zekâ Performans Asimetrisi: Bilgisayar Bilimi Müfredatı üzerine Karşılaştırmalı bir Analiz

Bu çalışma, Üretken Yapay Zekâ araçlarının eğitimsel içerik tasarımındaki yetkinliklerini Bilgisayar Bilimi dersi özelinde karşılaştırmalı olarak incelemeyi amaçlamaktadır. Araştırma kapsamında, günümüzün önde gelen dört büyük dil modeli olan Grok, Perplexity, ChatGPT ve Gemini’nin ücretsiz versiyonları;“11. Sınıf Algoritmalar” konusu için ders planı oluşturma ve ölçme-değerlendirme soruları hazırlama performansı üzerinden analiz edilmiştir.

Metodoloji: Çalışmada nitel ve nicel yöntemlerin bir arada kullanıldığı karma bir yaklaşım benimsenmiştir. Her dört modele de aynı standart “zero-shot” komut verilmiş ve elde edilen çıktılar; pedagojik iskeleleme, teknik doğruluk, zaman yönetimi, aktif öğrenme teknikleri ve ölçme-değerlendirme kalitesi olmak üzere beş ana kriter üzerinden 5’li Likert ölçeği ile değerlendirilmiştir.

Bulgular: Yapılan analizler, modeller arasında belirgin bir performans asimetrisi olduğunu ortaya koymuştur:

• Grok, 40 dakikalık ders süresini en hassas şekilde planlayan ve müfredata tam uyumlu teknik pseudocode örnekleri sunan model olarak öne çıkmıştır.
• Gemini, “Robot Sensin!” gibi rol yapma temelli yaratıcı etkinlikler ve görselleştirme önerileriyle en yüksek pedagojik çeşitliliği sergilemiştir.
• Perplexity, özellikle süreç ve mantık odaklı üst düzey bilişsel sorular hazırlamada en başarılı performansı göstermiştir.
• ChatGPT ise günlük hayat metaforlarını (çay demleme, sandviç hazırlama) kullanarak konuyu basitleştirme ve uygulama kolaylığı sağlamada etkili bulunmuştur.

Sonuç: Çalışma sonucunda, hiçbir modelin tek başına tüm kriterlerde mükemmel sonuç vermediği, ancak teknik derinlik için Grok, pedagojik yaratıcılık için Gemini ve mantıksal sorgulama için Perplexity’nin hibrit bir şekilde kullanılmasının eğitimciler için en verimli strateji olacağı saptanmıştır. Bulgular, ÜYZ araçlarının yerel müfredat bağlamında hala insan denetimine ihtiyaç duyduğunu göstermektedir.

Anahtar Kelimeler: Üretken Yapay Zekâ, Bilgisayar Bilimi Eğitimi, Karşılaştırmalı Analiz, Algoritma Öğretimi, Ders Planlama.

1. GİRİŞ

Üretken Yapay Zekâ (ÜYZ) teknolojileri, 21. yüzyıl eğitim ekosisteminde öğretimsel tasarım ve içerik geliştirme süreçlerini kökten değiştiren bir dönüştürücü güç haline gelmiştir. Özellikle Büyük Dil Modelleri (LLM), öğretmenlere ders planı hazırlama, öğretim materyali geliştirme ve ölçme-değerlendirme araçları oluşturma gibi zaman alıcı görevlerde önemli bir asistanlık kapasitesi sunmaktadır. Ancak, literatürde yer alan çalışmaların büyük bir bölümü genellikle tek bir modelin (özellikle ChatGPT) genel eğitimsel yetkinliklerine odaklanmakta, farklı mimarilere ve veri setlerine sahip modellerin spesifik bir müfredat kazanımı üzerindeki performans asimetrisini göz ardı etmektedir.

Bilgisayar Bilimi eğitimi, doğası gereği hem teorik mantıksal yapıların (algoritma özellikleri) hem de teknik uygulama becerilerinin (pseudocode, akış şemaları) bir arada sunulmasını gerektiren kompleks bir alandır. Bu çalışmada ele alınan “11. Sınıf Algoritmalar” konusu, bir problemin çözümü için gerekli olan belirlilik, sonluluk ve etkililik gibi temel prensiplerin öğrencilere kazandırılmasını hedefler. Bu süreçte kullanılan yapay zekâ araçlarının sadece metin üretmesi değil, aynı zamanda pedagojik bir iskeleleme (scaffolding) kurarak aktif öğrenme tekniklerini ders akışına entegre etmesi beklenmektedir.

Yapılan ön incelemeler, farklı ÜYZ modellerinin aynı eğitim görevi karşısında birbirlerinden farklı stratejiler geliştirdiğini göstermektedir. Örneğin, Grok modeli ders planlamasında dakiklik ve teknik pseudocode doğruluğuna odaklanan disiplinli bir yapı sergilerken; Gemini multimodal yeteneklerini kullanarak görsel destekli ve “Robot Sensin!” gibi rol yapma temelli yaratıcı pedagojik etkinlikler önermektedir. Perplexity‘nin ise bilgi doğruluğu ve mantıksal sorgulama kalitesini ön plana çıkaran süreç odaklı bir yaklaşım benimsediği, ChatGPT‘nin ise “sandviç hazırlama” veya “çay demleme” gibi günlük hayat metaforlarıyla konuyu basitleştirerek uygulama kolaylığı sunduğu gözlemlenmiştir.

Bu çalışma, ücretsiz erişime açık olan ChatGPT, Gemini, Grok ve Perplexity gibi önde gelen ÜYZ modellerinin, 11. sınıf bilgisayar bilimi dersi “Algoritmalar” konusu özelindeki performanslarını karşılaştırmalı olarak analiz etmeyi amaçlamaktadır. Çalışmanın temel amacı, hangi modellerin teknik içerik doğruluğunda, hangilerinin ise pedagojik yaratıcılık ve zaman yönetiminde daha etkin olduğunu ortaya koyarak öğretmenler ve eğitim tasarımcıları için kanıta dayalı bir rehber oluşturmaktır. Bu kapsamda, modellerin ürettiği ders planları; müfredat uyumu, aktif öğrenme tekniklerinin kullanımı ve ölçme-değerlendirme sorularının bilişsel düzeyleri açısından değerlendirilmiştir.

2. YÖNTEM

Bu çalışma, farklı LLM’nin eğitimsel içerik üretme kapasitelerini ölçmeyi amaçlayan karşılaştırmalı bir durum çalışması (comparative case study) niteliğindedir. Çalışma kapsamında, modellerin ürettiği ders planları nitel ve nicel analiz yöntemleri bir arada kullanılarak incelenmiştir.

2.1. Veri Kaynakları ve Örneklem

Araştırmada veri kaynağı olarak günümüzde yaygın olarak kullanılan dört farklı ÜYZ modelinin ücretsiz sürümleri seçilmiştir:

•  Grok (xAI)
• Perplexity (Perplexity AI)
• ChatGPT (OpenAI)
• Gemini (Google)

2.2. Veri Toplama Süreci ve Komut (Prompt) Tasarımı

Modellerin performansını adil bir şekilde kıyaslayabilmek için tüm araçlara aynı anda ve aynı içerikte tek bir “Zero-Shot” komutu verilmiştir. Kullanılan standart komut şu şekildedir;
“11. Sınıf Bilgisayar Bilimi dersi için ‘Algoritmalar’ konusunda, 40 dakikalık, aktif öğrenme tekniklerini içeren bir ders planı ve sonunda 3 adet çoktan seçmeli soru oluştur.”

2.3. Değerlendirme Kriterleri (Rubrik)

Üretilen ders planları, eğitim bilimleri ve bilgisayar bilimi pedagojisi temel alınarak belirlenen beş ana kriter üzerinden değerlendirilmiştir:

• Pedagojik İskeleleme: Bilginin basitten karmaşığa doğru sunulma düzeyi.
• Teknik Doğruluk: Algoritma özelliklerinin ve teknik gösterimlerin (pseudocode, akış şeması) doğruluğu.
• Zaman Yönetimi: 40 dakikalık sürenin alt başlıklara dengeli dağılımı.
• Aktif Öğrenme Entegrasyonu: Öğrenciyi merkeze alan tekniklerin (Think-Pair-Share, Rol Yapma, İstasyon vb.) uygulanabilirliği.
• Ölçme-Değerlendirme Niteliği: Hazırlanan soruların ders kazanımlarıyla uyumu ve zorluk derecesi.

2.4. Veri Analiz Prosedürü

Çalışmada izlenen analiz süreci üç aşamadan oluşmuştur;

• İçerik Analizi: Her modelin sunduğu etkinlikler ve teknik bilgiler (örneğin Grok’un sunduğu 5 temel özellik veya Gemini’nin “Robot Sensin!” etkinliği ) kodlanarak karşılaştırılmıştır.
• Karşılaştırmalı Matris Oluşturma: Modellerin zaman yönetimi yaklaşımları; Grok’un mikro-planlamasından (0-5, 5-15 dk), Perplexity’nin makro-bloklarına (5, 25, 10 dk) kadar olan farklılıklar tablolaştırılmıştır.
• Uzman Puanlaması (Simülasyon): Elde edilen çıktılar, belirlenen rubrik üzerinden 1-5 arası Likert tipi puanlamaya tabi tutularak betimsel istatistiklerle yorumlanmıştır.

3. BULGULAR VE TARTIŞMA

Bu bölümde, dört farklı ÜYZ modelinin “11. Sınıf Algoritmalar” konusu üzerine ürettiği çıktılar; yapısal düzen, teknik derinlik, pedagojik yaklaşım ve ölçme-değerlendirme kalitesi açısından karşılaştırılmıştır.

3.1. Yapısal Düzen ve Zaman Yönetimi Bulguları

Modellerin 40 dakikalık ders süresini planlama biçimleri önemli farklılıklar göstermiştir.

• Grok, dersi 0-5, 5-15, 15-30, 30-35 ve 35-40 dakikalık çok net mikro-bloklara ayırarak en disiplinli zaman yönetimini sergilemiştir.
• ChatGPT, benzer şekilde 5-5-10-12-5-3 dakikalık bir dağılım sunarak öğretmene uygulama kolaylığı sağlamıştır.
• Buna karşın Perplexity, zamanı 5-25-10 dakikalık geniş bloklar halinde sunarak ders içi geçişlerde esneklik bırakmış ancak uygulama rehberliği açısından daha zayıf kalmıştır.

3.2. Teknik İçerik ve Pedagojik Derinlik Analizi

Teknik derinlik açısından modellerin konuyu ele alış biçimleri şu şekildedir:

• Grok, algoritmanın 5 temel özelliğini (belirlilik, sonluluk, girdilik, çıktı, etkililik) eksiksiz listelemiş ve iki sayıyı karşılaştıran teknik bir pseudocode (sözde kod) örneği sunarak müfredat beklentilerini tam karşılamıştır.
• Gemini, teknik bilgiyi somutlaştırmada en yaratıcı yaklaşımı sergilemiş; “Robot Sensin!” etkinliği ile öğrencilerin komut-mantık ilişkisini rol yapma yoluyla deneyimlemesini hedeflemiştir. Ayrıca girdi-işlem-çıktı döngüsünü görselleştirme önerisiyle multimodal bir avantaj sunmuştur.
• ChatGPT, konuyu daha çok günlük hayat metaforları (çay demleme, sandviç hazırlama) üzerinden basitleştirme eğilimi göstermiştir. “Düşün-Eşleş-Paylaş” etkinliğini adım adım (düşün, eşleş, paylaş süreleri dahil) kurgulayarak öğretmene net bir rehberlik sunmuştur.
• Perplexity, sorularında öğrencinin ezberden ziyade “bir probleme nasıl başlanır?” veya “karar yapısı nedir?” gibi mantıksal süreçleri anlamasını hedeflemiştir.

3.3. Ölçme ve Değerlendirme Sorularının Niteliği

Modellerin hazırladığı 3 adet çoktan seçmeli soru, Bloom Taksonomisi açısından incelenmiştir;

• Perplexity, “bir probleme başlarken ilk adımın ne olması gerektiği” gibi süreç ve mantık odaklı sorularla en yüksek bilişsel düzeyi yakalamıştır.
• Grok, pseudocode hatalarını bulmaya yönelik uygulama odaklı sorular hazırlamıştır.
• ChatGPT, daha çok tanım ve özellik hatırlamaya dayalı (alt düzey bilişsel basamak) sorular üretmiştir.