AI Araçları Kullanan Öğrenciler Akranlarından Daha Düşük Puan Alıyor — Ancak Kullanım Kalıbı Önemli
PISA 2025 Bulguları
Ekonomik İşbirliği ve Kalkınma Örgütü (OECD), yapay zekanın öğrencilere yaygın şekilde sunulmaya başlanmasından bu yana ilk PISA (Uluslararası Öğrenci Değerlendirme Programı) verilerini yayımladı. Çok sayıda ülkeden 15 yaşındaki öğrencilerden toplanan 2025 verilerine dayanan bu çalışma beklenmedik bir örüntü ortaya koyuyor: Derslerine yardımcı olması için AI kullanan öğrenciler, kullanmayanlara kıyasla fen bilimleri, matematik ve okuma değerlendirmelerinde daha düşük performans gösterme eğiliminde.
Neden Sezgisel Olmayan Bir Sonuç?
Araştırmacılar bu başlık bulgusunu aşırı basitleştirmem konusunda uyarıyorlar. AI kullanımı ile akademik performans arasındaki ilişki, ilk bakışta göründüğünden çok daha karmaşık. Görevleri veya ders çalışma işlerini AI araçlarına yalnızca devretmek ve öğrenme sürecine aktif katılım sağlamamak, öğrenme çıktılarını iyileştirmek yerine kötüleştiriyor gibi görünüyor.
Dikkat Edilmesi Gereken Bir Nüans
Ancak veriler tamamen olumsuz değil. AI kullanımına yönelik belirli yaklaşımlar farklı bir örüntü sergiliyor. AI tarafından üretilen yanıtları eleştirel şekilde değerlendirmeyi — doğruluğu değerlendirmek, eksiklikleri belirlemek ve bilgileri doğrulamak — açıkça öğrenen öğrenciler, hiç AI kullanmayan benzer öğrencilere kıyasla puanlarında hafif iyileşmeler gösterdi.
Bu durum, AI'nın öğrenme üzerindeki etkisinin büyük ölçüde araçların eğitim uygulamalarına nasıl entegre edildiğine bağlı olabileceğini düşündürüyor. AI çıktılarının pasif tüketimi düşük performans gösterme eğilimindeyken, AI desteğiyle aktif ve eleştirel etkileşim mütevazı bir fayda potansiyeli gösteriyor.
Eğitimciler İçin Çıkarımlar
Bulgular, okullarda AI kullanımına yönelik yapılandırılmış rehberlik ihtiyacına işaret ediyor. Öğrencilere AI araçlarına erişim sağlamak ancak onlarla nasıl eleştirel etkileşim kuracaklarını öğretmemek, olumlu eğitim sonuçları sağlamayabilir. PISA verileri, AI okuryazarlığının — hem yetenekleri hem de sınırlamaları anlamanın — teknolojinin kendisi kadar önemli olabileceğini ima ediyor.
Veri setinin daha fazla analiz edilmesi bekleniyor; araştırmacılar, farklı dersler ve öğrenci demografileri arasında hangi spesifik kullanım kalıplarının daha iyi veya daha kötü sonuçlara yol açtığını belirlemeyi umuyor.