Yapay Zekâ Varken Neden Hâlâ Öğretiyoruz?

Okulların açılmasına bir hafta kaldı. Yeni dönem yaklaşırken yine neyi ne kadar öğreteceğimizi konuşuyoruz. Bu kez önümüzde başka sorular da var:

Öğrenciler saniyeler içinde özet elde edebiliyorsa neden özet çıkarmayı öğretiyoruz? Yapay zekâ iyi metinler yazabiliyorsa neden öğrencileri cümlelerle, paragraflarla uğraştırıyoruz? Bir sorunun cevabına hemen ulaşabiliyorlarsa neden hâlâ bu kadar çok şey bilmeleri gerekiyor?

Eskiden vereceğimiz cevap belliydi:

“Çünkü ileride bunları kendin yapmak zorunda kalacaksın.”

Belki kalmayacak.

Ama bu, öğrencilerin bunları öğrenmesine gerek olmadığı anlamına gelmiyor. Öğretme nedenimiz değişmiyor ama bazı gerekçeler daha önemli hâle geliyor: Öğrenci o işi yalnızca ileride kendisi yapabilsin diye değil, yapılanı anlayıp tartabilsin diye de öğreniyor.

Bilişsel psikolog Daniel Willingham da yakın zamanda bu konuya değindi. Ağustos 2026’da yayımlanan “Students should only use AI for things they already know how to do well” başlıklı yazısında öğrencilerin yapay zekâyı yalnızca zaten iyi yapabildikleri işler için kullanmaları gerektiğini savunuyor.

Yazının başlığındaki “iyi” kelimesi üzerinde durmaya değer.

Bir şeyi iyi yapabildiğimize ne zaman karar veriyoruz?

Türkçe dersinde öğrencilere bir metin verip “Bunu üç dört cümleyle özetleyin,” dediğimizi düşünelim. Öğrenci metni yapay zekâya veriyor ve birkaç saniye sonra önüne düzgün üç cümle geliyor.

Peki bunun gerçekten iyi bir özet olduğunu nereden bilecek?

Bu yüzden Willingham’ın ölçütü bana biraz dar geliyor. Bir işi iyi yapabilmek yalnızca onu ortaya çıkarabilmek değil, ortaya çıkanın iyi olup olmadığını anlayabilmek de demek. Bazen iyi olanı tanımak, onu üretebilmekten önce geliyor.

İyi Olanı Tanımak

Eğitim araştırmalarında buna “değerlendirici yargı” deniyor: Kendi yaptığımız ya da karşımıza çıkan bir işin iyi olup olmadığına karar verebilmek. Ben yazı boyunca bu yargının dayandığı birikimden kısaca “ölçü” diye söz edeceğim.

Yapay zekânın değerlendirmeyi zorlaştıran bir yanı var: Ürettiği metinler çoğu zaman düzgün, anlatımı akıcı.

Akıcı olanı iyi sanmak kolay.

“Ne güzel yazmış.”

Evet, güzel görünüyor olabilir.

Ama doğru mu? Metnin esas fikrini yakalamış mı? Sorulan soruya gerçekten cevap veriyor mu?

Margaret Bearman ve çalışma arkadaşları, üretken yapay zekâ çağında bu becerinin özellikle önemli olduğunu söylüyor. Çünkü işin iki tarafı var: Zihnimizde neyin kaliteli olduğuna dair bir ölçü bulunması ve karşımızdaki işi buna göre tartabilmemiz.

OECD ve Avrupa Komisyonunun ilk ve ortaöğretime yönelik Yapay Zekâ Okuryazarlığı Çerçevesi de yapay zekâ okuryazarlığını yalnızca aracı kullanabilmek olarak görmüyor. Yapay zekânın verdiği cevabı eleştirel biçimde değerlendirmek, onu kullanıp kullanmayacağına ya da değiştirmesi gerekip gerekmediğine karar verebilmek de bu okuryazarlığın bir parçası.

İyi görünen bir cevabı sorgulayabilmek için önce neyin iyi olduğunu bilmek gerekiyor.

Bu Ölçü Nasıl Oluşuyor?

Bir ölçüt listesini bilmekle yargı geliştirmek aynı şey değil. “Bir özette gereksiz ayrıntı olmaz,” kuralını bilmek başka; önündeki özette hangi ayrıntının gereksiz olduğunu görmek başka.

Peki bu yargı nereden geliyor?

Burada şu itiraz akla gelebilir: “Kişi kendisi yapmadığı şeyi değerlendiremez.”

Bu tam olarak doğru değil.

İyi film çekemeyen biri kötü bir filmi fark edebilir. O izleyici yüzlerce film görmüş, bazılarını sevmiş, bazılarında sıkılmış, zamanla aralarındaki farkları görmeye başlamıştır.

Ölçünün önemli bir bölümü de böyle oluşuyor: Çok sayıda örnekle karşılaşarak, aralarındaki farkları görerek, hangisinin daha iyi olduğuna karar vererek.

Elbette üretmenin de ayrı bir payı var. Biz bu birikimi daha uzun bir süreçte edindik. Çok okuduk. Özet çıkardık, başlık aradık, cümlelerimizi sildik, yeniden yazdık. Öğretmenlerimiz yazdıklarımızın üzerini çizdi. Bazen bir metnimizi aylar sonra tekrar okuyup “Ben bunu nasıl böyle yazmışım?” dedik.

Bir süre sonra bir metne bakıp neyin oturmadığını daha çabuk görmeye başladık. Zamanla bir cümlenin aksadığını, nedenini henüz bilmeden de fark eder olduk. Önce rahatsızlık geliyor, sonra kural.

Yani ölçü, ezberlenen bir liste değil; gördüklerimizden, okuduklarımızdan, denediklerimizden ve yanıldıklarımızdan geriye kalan bir tortu.

Her Konuda Aynı Ölçü Yok

Bir konuda ölçümüzün olması, her konuda ölçümüz olduğu anlamına gelmiyor. Bir cevabı tartabilmek için o alan hakkında da bir şeyler bilmek gerekiyor.

Bu, Willingham’ın yıllardır savunduğu bir fikir. 2007’de yazdığı “Critical Thinking: Why Is It So Hard to Teach?” başlıklı yazısında şunu söylüyor: Eleştirel düşünme, bir kez öğrenilip her duruma uygulanabilen bir beceri değil. Ne kadar iyi düşünebildiğimiz, o konu hakkında ne kadar bildiğimizle yakından ilişkili.

Yapay zekâyla birlikte bu eski tartışma daha da önemli hâle geldi. Çünkü artık hemen her konuda karşımıza düzgün görünen bir cevap çıkabiliyor. O cevabı tartabilmek içinse konu hakkında yeterince bilgi sahibi olmak gerekiyor.

Bazen de söylenebilecek en doğru şey şu olabilir:

“Bu konuda karar verecek kadar bilmiyorum.”

Bu Birikim Kalıcı mı?

Biz bazı becerileri yapay zekâ hayatımıza girmeden çok önce kazandık. O becerileri kullandıkça neyin iyi olduğuna dair bir ölçü de geliştirdik. Bu nedenle öğrencilere göre şimdilik avantajlıyız.

Peki giderek daha fazla işi yapay zekâya devredersek?

Bundan sonrası benim bildiğim bir şey değil, merak ettiğim bir şey.

Bir zamanlar şehri kafamızda taşırdık. Şimdi telefonun söylediği yönü izliyoruz ve çoğu zaman iyi de oluyor. Ama navigasyon bizi yanlış bir yola yönlendirdiğinde bunu ne kadar hızlı fark ediyoruz?

Aynı soru yazısını yıllarca bir araca düzelttiren biri için de geçerli.

Bir şeyi değerlendirebilmek için ne kadarını hâlâ kendimiz yapmak zorundayız?

Aysun Yağcı