YAPAY ZEKÂ

PROGRAMI

Yapay Zekâ, bilgisayar veya kontrolündeki robotların farklı işlemleri zeki canlıları taklit ederek gerçekleştirebilme yeteneği ve kapasitesini geliştirip uygulayan teknoloji dalı ve sektördür.

BRAINS² TÜRKİYE

YAPAY ZEKÂ

PROGRAMI

Yapay Zekâ, bilgisayar veya kontrolündeki robotların farklı işlemleri zeki canlıları taklit ederek gerçekleştirebilme yeteneği ve kapasitesini geliştirip uygulayan teknoloji dalı ve sektördür. İnsanın en önemli özelliklerinden olan “öğrenme” artık makinelerin de özelliği olmuştur. Eğitim, ulaşım, finans, ulusal güvenlik, sağlık hizmetleri, akıllı kent ve daha birçok sektöre entegre edilen yapay zekâ, ekonomik gelişim için çok büyük fırsatlar barındırmaktadır.

VİZYON BELGESİ

Günümüzde, kas gücü ve mekanik araçlarla yapılan üretim, yerini yüksek katma değerli ürünlerin üretimine dayalı bilgi ağırlıklı ekonomiye bırakmaktadır. Yeni ekonomik düzenin temel ögesi dijitalleşmedir. Üretim ve hizmet sektörü süreçleri her gün dijitalleşmekte, iş gücü piyasasındaki insanlardan yeni beceriler beklenmesine neden olmaktadır. Geçmişe ait geleneksel işler ve ustalıklar, yerini ileri seviye mühendislik bilgisi gerektiren teknolojik becerilere bırakmaktadır.

 

Baş döndürücü bir hızla gelişen ve değişen teknolojiye toplumların yetişmesi bir yana, bireysel olarak insanların takip etmesi bile oldukça zorlaşmaktadır. “Endüstri 4,0” kavramının ilk kez 2011’de Almanya tarafından ifade edilmesinin ardından Japonya da “Toplum 5,0” kavramı ile gündeme gelmiştir. Peşi sıra diğer ülkeler de, üretimden hizmet sektörüne her alanda dijitalleşmeye dair kendi stratejilerini ortaya koymuştur. Üretim sistemlerinde emeğin kullanım şeklinde köklü değişikliğe sebep olmaya başlayan bu kavramın etkilediği alanlardan biri de “İnsan Kaynakları” olmuştur. İnsan kaynaklarını pek çok yönden etkileyen ve etkilemeye devam edecek olan bu kavramın özellikle iş gücünde köklü değişiklere sebep olacağı öngörülmektedir.

 

Emeğin bu denli değişiminin insan kaynakları çalışanları açısından etkisi, serbest kalan emeğin daha başka, yeni işlere kayabileceği şeklinde belirtilmektedir. ABD’de bir zamanlar iş gücünün tamamını kapsayan tarım sektörünün bugün iş gücünün sadece %2’sine karşılık geldiği, boş kalan işçilerin fabrikalara yönelmesi ile birlikte büyük endüstriyel imalat ekonomisinin oluştuğu görülmektedir. Aynı görüşün günümüzde robotlar için de geçerli olabileceği, özellikle fiziksel güce dayalı ve kendini tekrar eden süreçlerin gerçekleşmesi için harcanan insan emeği yerine robotların geçmesi ile boşta kalan iş gücünün farklı alanlara kayabileceği değerlendirilmektedir.

 

Bunların da ötesinde insanı insan yapan en önemli özellik olan “öğrenme” artık makinelerin de bir özelliği hâline gelmiştir. Dijitalleşmenin en üstünde yer alan “Yapay Zekâ” ile çalışan araçların geliştirilmesi üzerine hayatımıza giren yüz ve ses tanıma sistemleri, otonom (insansız) araçlar, sesli asistanlar, engelli bireylerin hayatını kolaylaştıracak dijital yardımcılar, insan ve çevre sağlığı için akıllı uygulamalar, enerji verim yönetimi, akıllı sağlık hizmetleri, suç tespiti ve suçlu bulma araçları vb. teknolojiler gün geçtikçe daha da gelişmektedir.

 

Bu durum hem iş hem de günlük yaşamda dönemsel belirsizliklere yol açsa da, doğru manevralar ile avantaja dönüştürülme potansiyeli taşımaktadır. Bilişim ve iletişim sektörünün ön planda olacağı bu dönemde vasıfsız eleman ihtiyacı tümden bitmeye yaklaşırken vasıflı eleman ihtiyacı ise artarak devam edecektir.

 

Finans, ulusal güvenlik, sağlık hizmetleri, cezai adalet, ulaşım ve akıllı kent projelerinde kullanılan ve daha birçok sektöre entegre edilen yapay zekâ, ekonomik gelişim için de çok büyük fırsatlar barındırmaktadır.

 

Yapay zekâ teknolojilerinin küresel GSH oranını 2030’a kadar 15,7 trilyon dolar yani %14 kadar artıracağı öngörülmektedir. Bu rakamın bölgelere göre dağılım da; Çin 7 trilyon dolar, Kuzey Amerika 3,7 trilyon dolar, Kuzey Avrupa 1,8 trilyon dolar, Afrika ve çevresindeki bölgelerle birlikte Avustralya 1,2 trilyon dolar ve Çin dışında kalan Asya 0,9 trilyon dolar, Güney Avrupa 0,7 trilyon dolar ve Latin Amerika 0,5 trilyon dolar şeklindedir. Çin ise 150 milyar dolarlık yerli yatırımla bu alanda 2030’a kadar küresel lider olma hedefini belirlemiş durumdadır.

 

Yapay zekâ tabanlı otomasyonun, Çin ekonomisine – uygulama hızına bağlı olarak – yıllık büyüme GSH oranına %0,8-1,4’lük puan ilave edebilecek bir verimlilik aşısı olabileceği öngörülmektedir. Şimdilik ABD ve İngiltere’nin gerisinde olmakla birlikte yapay zekâ pazarının büyük kısmı, Çin’e ön deneyim imkanı ve ileriye dönük gelişim açısından muazzam fırsatlar sağlamaktadır.

 

Küreselleşmenin etkisiyle son yıllarda daha da hızlanan teknolojik ve sosyolojik gelişmelerin özellikle 2011’de ‘Endüstri 4,0’ ve ‘Toplum 5,0’ tanımlamalarından itibaren ivme kazanması ile Yapay Zekâ ekseninde gelişen ve hâlen emekleme döneminde sayılan bu yeni ekosistem bugün bu ölçekte – rekabetini henüz olgunlaştırmamış ve içinde sayısız yeni fırsat barındıran – dev bir pazar oluşturduğu gibi, KOBİ’sinden ana yüklenicilerine ve teknoloji firmalarına kadar daha birçok alanda yeni pazarlar oluşturarak her geçen yıl çok sayıda yeni teknolojik gelişme ve özel sektör girişimi ile büyümesini sürdürmektedir.

 

Dünya, pek çok sektörü etkileyen yapay zekâ ve veri çözümlemesi üzerinden bir dönüşümün eşiğindedir fakat bu teknolojiler toplumun geneli üzerinde büyük etki sahibi olacağı için yapay zekâ sistemlerinin geliştirilme tarzının daha iyi anlaşılması şarttır.   Bu teknolojiler; finans, ulusal güvenlik, sağlık hizmetleri, cezai adalet, ulaşım ve akıllı kent projelerinde, karar-süreçleri, iş-kalıpları, risk-analizi ve sistem performansını dönüştürecek ölçüde konuşlandırılmaktadır. Bu gelişmeler, önemli ekonomik ve sosyal faydalar üretmektedir.

 

Yine de yapay zekâ sistemlerinin içinde boy gösterdiği minval, toplumun tamamı için önemli sonuçlar barındırmaktadır. Politik sorunların nasıl ele alındığı, etik çatışmaların nasıl uzlaştırıldığı, hukuki realitelerin nasıl telif edildiği, yapay zekâ ve veri çözümlemesinde ne düzeyde şeffaflık gerektiği önem taşımaktadır.

 

İnsanların yazılım geliştirme sürecindeki tercihleri karar alım biçimlerini ve bunların kurumsal rutinlere entegre edilme tarzını etkileyecektir. Bu işlemlerin tam olarak nasıl gerçekleştirildiğini daha iyi anlamak gerekmektedir. Çünkü bu gelişmelerin yakın bir gelecekte toplumun geneli üzerinde önemli etkileri olacaktır. Yapay zekâ, insan ilişkilerinde bir devrime ve etkisi itibarıyla tarihteki en etkili insan inovasyonuna dönüşme eğilimindedir.

 

Teknolojik gelişmeleri temel insani değerlerle dengeleyerek yapay zekâ ile yol alma noktasında; ilgili kamu ve özel sektör yatırımının artırılması, veri erişimi kapsamının genişletilmesi, yapay zekâ işgücü gelişiminin teşvik edilmesi, ulusal danışma kurulu oluşturulması, kapsamlı hedefler belirlenerek etkili politikalar üretilmesi ve siber güvenliğin teşvik edilmesi önem arz etmektedir.

 

BRAINS² TÜRKİYE Yapay Zekâ Programı; hem akademik alanda hem de endüstriyel sektörde Türkiye’nin mevcut gücü ve potansiyelini göz önüne alarak, hangi Yapay Zekâ alanlarının geleceğe dönük büyüme için en yüksek potansiyeli vaat edebileceğini ve Türk Yapay Zekâ sektörünün bu büyümeden elde edeceği avantajların neler olabileceğini irdeleyecektir.

Yapay Zekâya Dair Toplumsal Farkındalık Geliştirilmesi

  • Gençlerin, geleceğin mesleklerine dair farkındalıklarının artırılıp bu mesleklere yöneltilmesi
  • Dijital dönüşüm farkındalığının artırılması
  • Alt meslek dalları hakkında öngörücü yaklaşımlar geliştirilmesi

 

Geleceğin İş Gücü ve Mesleklerine Dair Planlama Yapılması

  • Geleceğin iş gücü ve meslekleri konusunda detaylı değerlendirme yapılması, bu mesleklere yönelik becerilerin ortaya çıkarılması
  • Dijital dönüşüm ile usul ve esasları değişecek olan mesleklerin belirlenmesi ve bu mesleğe sahip kişilere yönelik alternatif eğitim ve istihdam alanlarının planlanması
  • İş gücü piyasasının yakın gelecekte fazlasıyla ihtiyaç duyacağı “Yapay Zekâ” ile ürün geliştirecek ve destek sağlayacak kişilere yönelik çalışmalarla mesleki becerilerin geliştirilmesi

 

Savunma ve Güvenlik Alanında Yapay Zekâ Kullanımına Odaklanılması

  • Ülke çapında “Yapay Zekâ” ile “Açık Veri” odaklı eğitim ve bilgilendirme çalışmalarının yürütülmesi için ihtiyaç durumunda kurum ve kişilerin başvuracağı bir merkez oluşturulması
  • Oluşturulacak merkezin, doğru gelişim açısından önemli olduğundan yönlendirici ve sektör bazlı eğitimlerin verilebileceği bir enstitü olarak faaliyete geçirilmesi
  • Devlet ya da kurumlarca desteklenebilecek bu merkezde araştırmacılar için belirlenen öncelikli konular için ar-ge ödenek ve imkânları sağlanması

 

Eğitimde Yapay Zekâ Kullanımına Odaklanılması

  • Eğitim paydaşlarına dair (öğrenciler, öğretmenler, veliler, okul çalışanları, yöneticiler, işverenler gibi birçok eğitim paydaşından verilerin toplanması, işlenmesi, saklanması ve aktarılmasına yönelik prosedürlerin belirlenmesini içeren) “veri toplama politikası” oluşturulmasına öncülük edilmesi
  • Öğretmene; öğretim sürecinde içerik hazırlama, süreç ve değerlendirme aşamalarında destek olacak ürünlerin geliştirilmesine katkı sağlanması 
  • Eğitimin kişiselleştirilmesi için öğrenen birey hakkında gelişiminin her yönüne dair veri toplanmasına ve bu verilerin öğretim içeriği, süreci ve ürününün belirlenmesi ile karakterize olan “öğretim tasarımı” sürecinde kullanılmasına yönelik çalışmalar yapılması 

 

Yapay Zekâ Uzmanı Yetiştirmek için Eğitimler Hazırlanması

  • Yapay Zekâ kullanarak ürün geliştirmeye yönelik (bilgisayar, elektronik, makine, biyomedikal mühendisleri ve bilgi teknolojileri uzmanları için makine öğrenmesi ve derin öğrenme konularında) eğitimler verilmesi 
  • Yapay Zekâ uzmanlarının kullanacağı araçların geliştirilmesi için gerekli destek ve ara-eleman ihtiyacına yönelik (veri etiketleme, veri temizleme, verilerin devlet tarafından belirlenen bir platformda düzenli bir şekilde depolanması gerektiğinde çalışmaları desteklemesi için paylaşılması vb.) konularda eğitimler verilmesi 
  • Üniversitelerde araştırmacılara Yapay Zekâ uygulamalarına dair farkındalık kazandırılması
  • Üniversitelerdeki özellikle lisans seviyesindeki programlarda Yapay Zekânın sektör bazlı kullanımına yönelik ilgili bölümlere ilgili uygulamaları kapsayacak türden müfredat düzenlemelerinin yapılmasına katkı sağlanması 
  • Farklı disiplinlerdeki (sağlık, hukuk, eğitim, tarih, güzel sanatlar vb.) araştırmacıların Yapay Zekâ yöntemlerini araştırmalarında kullanabilmeleri için eğitimler verilmesi
  • Yapay Zekâ kullanım alanlarıyla ilgili bilgilendirici çalışmalar yapılması
  • Girişimcilere yönelik “makine öğrenmesi” ve “derin öğrenme” eğitimleri verilmesi

 

Küresel Yapay Zekâ Pazarı Sektörel İncelemesi ve Tasnifi

  • Küresel Yapay Zekâ pazarının sektörlere ayrılması, ilgili küresel pazar ve müşteri analizi ile pazarın gelecek potansiyelinin belirlenmesi
  • Yapay Zekâ pazarındaki ar-ge, eğitim, uygulama, yazılım, donanım, üretim, hizmet vb. alt ve yan sektörlerin incelenmesi ve tasnif edilmesi

 

Öncülük Edecek Türk Firmalarının Analizi ve Ürün Eşleştirmesi

  • Türkiye’nin bu pazarda hangi sektörlerde söz sahibi olabileceğinin belirlenmesi
  • Bu sektörlere dair öncü firmaların belirlenmesi
  • Bu sektörlere dair ar-ge çalışmalarında yetkin üniversite ve kurumların belirlenmesi
  • Pazara ilişkin gerekli sertifikaların ve süreçlerin belirlenmesi
  • Firmaların hangi ürünleri üretebileceğinin belirlenmesi
  • Bu sektörlere belirlenen öncü firmalar ile ürünlerin eşleştirilmesi

 

Yapay Zekânın Sosyal Hayat ve Endüstriye Adaptasyonu için Bilgilendirme Çalışmaları Yapılması

PROJE DOSYASI

EĞİTİMDE YAPAY ZEKÂ

STRATEJİK DÖNÜŞÜM VE EKOSİSTEM

 

BRAINS² TÜRKİYE Yapay Zekâ Programı; hem akademik alanda hem de endüstriyel sektörde Türkiye’nin mevcut gücü ve potansiyelini göz önüne alarak, hangi Yapay Zekâ alanlarının geleceğe dönük büyüme için en yüksek potansiyeli vaat edebileceğini ve Türk Yapay Zekâ sektörünün ve bu büyümeden elde edeceği avantajların neler olabileceğini irdelemektedir.

Millî Yapay Zekâ Sektörü için en makul ve umut verici ilgi alanlarını bulma amacı ile özel ve kamu sektörünün etkinliğini artırmak için Yapay Zekânın kullanılmayan potansiyelini keşfetmeyi hedefleyen çalışmaların gerçekleştirilmesi sonucu çerçevesi ve ölçek büyüklüğü ortaya çıkmakta olan sektör; Ülkenin rekabet gücü, ekonominin etkinliği ve milletin refahı üzerinde en güçlü etkiye sahip olabilecek sektörler arasında yerini almaktadır.

BRAINS² TÜRKİYE Yapay Zekâ Programı kapsamında planlanan öncelikli uygulama projelerinin ilki “Eğitimde Yapay Zekâ | Stratejik Dönüşüm ve Ekosistem” başlığı altında gerçekleştirilmiştir.

Eğitim son yıllarda ülkemizde en çok konuşulup tartışılan konuların başında gelmektedir. Sayısı milyonları bulan öğrenci – veli – öğretmen kitlesi bir yana, Türk halkının geneli için bu ilgi öyle bir hâle gelmiştir ki; eğitim meseleleri ülkemizin en temel gündemini oluşturmaktadır. Bu hâli ile eğitime verdiğimiz anlam; bizler için sadece kurumsal olarak öğretim yapmanın ötesine geçmiş, iktisadi ve idari açıdan tüm ülkenin geleceği olarak algılanmaya başlamıştır.

Bu durum, endüstriyel ürün ve kavramların hızla eğitim sektörüne aktarılmasına yol açmıştır.  Endüstrinin dijitalleşmesi ile karakterize olan “Endüstri 4,0” kavramı, kendini “Eğitim 4,0” olarak okulların gündemine de yerleştirmiştir. Okulların bu dijital dönüşümden ne çıkarması ve nasıl bir yol izlemesi gerektiğine dair tartışmalar sürerken; beş kör adamın bir fili tasvire çalışmaları gibi, konuya dair her bir farklı fikir çoğu zaman süzgeçten geçirilmeksizin ortaya atılmaya başlamıştır. Burada belki de en çok dikkat çeken husus, bilişim alanında gerçekleşen gelişimlerin eğitim programları ile zorlama bir beraberlik içerisine sokulmasıdır. Bilişim sektöründeki güncel gelişmelerin eğitim alanına entegre edilmesi fikriyle ortaya çıkan, fakat katkısına dair herhangi kanıt bulunmayan birçok eğitim programı da bu konunun meyvesi olarak karşımıza çıkmaktadır.

Bu manzara eğitim uygulayıcıları olan öğretmenleri ve eğitim bilimcileri, yüksek teknoloji ürünlerinin sadece kullanıcısı olmaları değil kendi ihtiyaçlarına yönelik olarak yeniden şekillendiren olmaları konusunda harekete geçirmek için yeterlidir. Eğitimin teori ve uygulama alanlarının kendine özgü süreç ve ihtiyaçları vardır. Proje’nin ana amacı; “eğitimsel ihtiyaçları karşılamak için hangi yapay zekâ uygulamalarının geliştirilebileceğini değerlendirmek” olarak belirlenmiştir. Özellikle üç nokta üzerinde önemle durulması gerekmektedir.

 

Veri Toplama

Yapay zekâ algoritmalarının oluşturulabilmesinde en temel gereksinim, yeterli verinin sağlanmasıdır. Konu eğitim olunca, bu süreçte;  öğrenciler, öğretmenler, veliler, okul çalışanları, yöneticiler, işverenler gibi birçok eğitim paydaşından verilerin toplanması söz konusu olacaktır. Sürecin başında, her bir paydaş için eğitimin hangi kademesinde hangi ölçümlerin yapılacağının belirlenmesi gerekir. Örneğin; okula başlayan çocuk kayıt yaptırdığında kendisi hakkında nüfus bilgileri dışında hiçbir bilgi sahibi olunmadan öğrenim hayatına başlamaktadır. Değerlendirmeler büyük oranda zaman içinde ve öğretmen gözlemi bazında yapılmaktadır. Bu gözlemlerin de, her öğrenci için ne kadar ayırt edici olduğuna dair kontrol mekanizması bulunmamaktadır. Bu sebeple erken yaşlardan itibaren öğrencilerden öğrenmeyi etkileyecek faktörler açısından veri toplanması ve bu verilerin öğretim sürecine geri bildirim verilecek şekilde kullanılması esastır. Periyodik olarak toplanacak verilerin; öğrencilerin hazır bulunuşluğunu belirlemede, akademik başarıyı öngörme ve tedbirler almada, ders/alan/bölüm seçimlerine kara vermede kullanılması öngörülmektedir. Bu tablonun hayata geçirilmesi için öncelikle atılacak en önemli adım; eğitim paydaşlarına dair “veri toplama politikası” oluşturulmasıdır. Bu politika; öğrenciler, öğretmenler, veliler, okul çalışanları, yöneticiler, işverenler gibi birçok eğitim paydaşından veri toplanması, işlenmesi, saklanması ve aktarılmasına yönelik prosedürlerin belirlenmesini içerir.

Tüm paydaşların eğitime doğrudan etki ettiği düşünülen çeşitli görüş ve beklentilerinin, kişisel veriler korunarak, verilerin sadece eğitim içeriği, süreci ve değerlendirmesinde kullanılacak şekilde kullanılması güvence altına alınmalıdır. Öğrencilerin fiziksel (sağlık, genetik vb.), duygusal (psikoloji, motivasyon, algı, tutum vb.), sosyal (sosyo-ekonomik çevre, aile özellikleri vb.) durumlarına dair ölçümlerin; kişisel verilerin korunması, özel hayatın gizliliğinin korunması, düşünce ve inanç özgürlüğü, etkili kanun yollarını kullanma haklarını gözeterek koruma tedbirlerinin alınması gerekmektedir. Son olarak, kişisel verilerin korunması için mevzuat ve güncel teknolojiye uygun şekilde ilgili verinin niteliğinin gerektirdiği tüm idari ve teknik koruma tedbirlerini alma görevini üstlenecek kurumun belirlenmesi gerekmektedir. Kapsamlı olarak toplanan bu veriler, hem eğitim politikalarına genel anlamada veriye dayalı politika yapma imkânı verecek hem de öğrenme süreci ve örüntülerine dair yapay zekâ ile geliştirilecek yazılımların temelini oluşturacaktır. Bunun yanında Türkiye’deki eğitim araştırmalarının niteliğini artırmak amacı ile OECD Çevrimiçi Eğitim Veri Tabanı benzeri uygulamalar da yapılabilir. Bu veri tabanı, “Bir Bakışta Eğitim” raporlarının hazırlanmasında kullanılan ham veriyi ve eğitim sistemine dair göstergeleri içeren verileri araştırmacıların kullanımına açmıştır. Buradaki amaç, bireysel araştırmacıların kendi çabaları ile toplayamayacağı kadar büyük ve detaylı bir veri yığını içinden araştırmak istedikleri alana/konuya dair verilere ulaşmasıdır. Araştırmacılar bu veri tabanını kullanarak; öğrencilerin yaş, cinsiyet, okul türü, okula başlama yaşı, öğrenci – öğretmen oranı gibi değişkenleri kullanarak ülkeye özgü veya uluslararası çıkarımlar yapabilirler.

 

Öğretmenlik Mesleğinin Dönüşümü

Öğretmenlerin yapay zekâ veya diğer yüksek teknoloji ürünleri sebebi ile kendi mesleklerinin yok olacağı kaygısı giderilmelidir. Teknolojinin eğitim içinde kullanımının yaygınlaşmasındaki en temel amaç, öğretmene öğretim sürecinde destek olmaktır. Öğretmen öğretim sürecinde içerik hazırlama, pedagojik manevralarda bulunma ve değerlendirme aşamalarında çeşitli yazılım ve donanımlardan faydalanabilir. Buradaki amaç öğretmeni, şimdiki uygulayıcı boyutundan daha ileriye taşıyan; onu bir öğretim tasarımcısı hâline getirmektir.

 

Öğrenme Sürecinin Kişiselleştirilmesi

Eğitimde yapay zekânın potansiyel kullanım alanlarından biri de “kişiselleştirilmiş eğitim” konusudur. Eğitimin kişiselleştirilmesi için öğrenen birey hakkında gelişiminin her yönüne dair veri toplanması ve bu verilerin öğretim içeriği, süreci ve ürününün belirlenmesi ile karakterize olan “öğretim tasarımı” sürecinde kullanılması için yöntemler değerlendirilmelidir.

 

Genetik Verilerin Kullanımı

Eğitim ortamlarında kullanmak amacı ile geliştirilecek yapay zekâlı sistemler için gereken veriler birçok kaynaktan toplanabilir. Örneğin bir öğreticinin özelliklerine, eğitim ortamının şartlarına, eğitim yönteminin etkililiğine veya öğrenenin özelliğine yönelik olabilir. Her bir alan kendi içinde öğrenmeye yönelik önemli ipuçları taşır ve bir olayı açıklamak için mutlaka her birindeki durum bilinmelidir.

Eğitim konusundaki kararların genellikle yanlış çıkması ve sıklıkla değişmesindeki en önemli sebep, verilen kararın; öğrenen, öğreten, öğrenme ortamı veya öğretim yönteminden sadece birinin etkisi üzerine odaklanmasıdır. Sonuçta, alternatif durumları kapsamayacak bir müdahalenin yapılması; istenen etkiyi vermemektedir.

İlkin, öğrenen özelliklerinin ölçülmesi konusu gündeme alınırsa; zekâ, ilgi, motivasyon, başarı gibi farklı değişkenler üzerinden ölçümler yapılabilir. Fakat bu ölçümler; kişinin kendi gelişimi, testin özellikleri ve çevresel faktörler sebebi ile bir ölçümden diğerine yüksek oranda değişiklik gösterme riski taşırlar.

Bugünün teknolojisinde, öğrenenin genetik özelliklerinin belirlenmesi; bir yandan çok büyük etik tartışmaları beraberinde getirirken; genetik malzemenin doğumdan ölüme kadar hiç değişmemesi sebebi ile belki de en kolay olanıdır.

Bir insandaki gen dizilimlerini tanımlayacak testlerin maliyetleri, çalışmaların ilk zamanlarında milyon dolarlar seviyesinde iken, günümüzde bazı şirketlerde (23 and Me, Genos, Veritas Genetics, Ancestry DNA, Living DNA Review, Home DNA review, My Heritage DNA  vb) 100 dolar seviyesine düşmüştür. Hatta evden bile çıkmaya gerek kalmadan, kargo ile gönderilen kutudaki örnek alma çubuğuna konacak sadece bir damla tükürük ile insanlar genetik yapıları hakkında birçok bilgiye erişebilmektedir.

Bugün özellikle genetik hastalık riskinin yüksek olduğu ailelerden gelen birçok ebeveyn doğum öncesinde genetik hastalıkların taraması için testlere başvurmaktadır. Bu farkındalığın günden güne artması ise; “daha ucuz, daha hızlı ve güvenilir sonuç veren değerlendirme yöntemlerinin artmasının eğitime etki etmesi ne kadar olasıdır?”, “veriler nasıl toplanabilir, nasıl saklanır, nasıl kullanılır?” sorularını akıllara getirmektedir.

240 bin insan üzerinde yapılan çalışmalar; insanda 22 bin gen olduğunu göstermektedir. Genetik çalışmalar özellikle öğrenme kapasitesi olarak görülen “zekâ” üzerinde yoğunlaşmıştır. Araştırmalarda, 22 bin genden öğrenme potansiyeline etki eden 500 genin varlığı saptanmıştır. Bu genler “zekâ”, “bazı kişilik özellikleri”, “beş duyu keskinliği” gibi özelliklerle ilgilidir ve çevre etkisi ile aktive olma veya gizli kalma potansiyeline sahiptir. Bir kişide saptanan 500 genin birinin veya bir kısmının olması kesin üstün zekâlı veya özel yetenekli olacağı anlamına gelmemektedir.

Eğitim ortamlarının en temel amaçlarından biri de; bireyin bir program kapsamında kendi hedeflediği veya onun için belirlenen bilgileri öğrenmesi ve becerileri geliştirmesidir. Bir bilginin öğrenilmesi veya becerinin geliştirilmesi için yeni doğan insan yavrusunun iki belirleyici faktörü vardır. Bu faktörlerden biri genetik, diğeri ise çevre (epigenetik) faktörüdür. Araştırmalara göre zekâ üzerinde genetik faktörü %60, çevre faktörü ise %40 etkilidir.

Bilimsel araştırmalar genlerin öğrenme ve öğrenme kapasitesi olarak görülen zekâ üzerindeki etkisini incelerken, çevresel faktörlerin etkisinin de en az genetik altyapı kadar önem taşıdığı görülmektedir. Ayrıca zekâ üzerinde yaşla birlikle – çocukluktan yetişkinliğe gidildikçe – genetik faktörlerin etkileri daha çok görülmektedir. Bu sebepleri göz önüne alarak; ancak genetik yatkınlıkların ortaya çıkmasını sağlayacak uygun çevre şartları ile desteklenen bireylerin kendi kapasitelerini en üst düzeyde gerçekleştirebilecekleri varsayılabilir.

1988’de çalışmalarına başlayan, İnsan Genom Projesi (Human Genome Project [HGP]) birçok bilimsel çalışmaya örnek olmuştur. Geçen 30 yılı aşkın süre içinde gen çalışmaları; daha zeki, daha sağlıklı, daha hızlı vb yeni bebeklerin üretilmesinden, kişisel tedavilerin ve kişisel ilaçların hazırlanmasına kadar oldukça yol almıştır.

Genetik verilerin sağlık için kullanılması sağlık sektörünün gündeminde en çok yer tutan konulardandır. Kişiye özel tedavi yöntemleri için toplanan veriler gibi, öğrenme süreçlerine etki eden verilerin toplanması kişiye özel öğretim yapılması için örnek oluşturabilir.

Biyo-enformatik bilgilerin toplanması için yapılan işlemlerin, eğitim için yapılması mümkün müdür? Her geçen gün daha ucuz ve daha kolay erişebilme potansiyelini de eklersek, 10 yıl içinde fiyatı 10 dolara inen ve içine “öğrenme potansiyeli raporu” eklenmiş bir DNA testinden bizi ne alıkoyabilir? “Bugünün velilerinin, zekâ testleri yaptırıp çocuklarını üstün zekâlı ilan ederek okullara gelmesi gibi; ellerinde bu raporlarla okullara gelenler ile karşı karşıya kalırsak ne yapmalıyız?”, “Bu engellenebilir veya engellenmesi gereken bir senaryo mudur veya bu durum son derece olası ve son derece yakın mıdır?” gibi soruların açıklanması için konu üç alanda incelenebilir:

 

1. Teknik Bilgi

Genetik alanındaki gelişmeler bugün genlerin tanımlanmasında oldukça yol almıştır. “İlerleyen yaşlarda hastalık yapabilecek genlerin sadece tespit edilmesi değil, değiştirilmesi”, “daha sağlıklı genlere sahip embriyoların seçilmesi ve doğması” gelmesi sıradan haberlerin arasında yerini almaktadır. İnsan DNA’sının; okunabilen bir bilgiden, yeniden yazılabilir bir bilgiye dönmesi ise “özel tasarlanmış” insanların üretilmesine olanak vermiştir.

Yeni bir genetik bilgi oluşturulması, suni gen tasarlanması, mevcut bir genetik bilginin bir kısmını değiştirilmesi gibi “gen tasarımı” yapabilme bilgisi moleküler biyoloji, mühendislik ve biyo-enformatik alanları sayesinde üretilmiştir. Bu bilgi, sağlık sektöründe büyük bir dönüşüm başlatmıştır, eğitim gibi diğer alanları yakın gelecekte etki altına alma potansiyeline sahiptir.

 

2. Etik

CRISPR-Cas9 yöntemi ile embriyolara yapılan müdahale sonucunda, bazı hastalıklara daha dirençli olan bebeklerin üretildiği haberleri tüm dünyada duyulmuştur. İyi niyetli ve hümanist bir şekilde yapıldığı düşünülen bu araştırmalar, tarihin bazı dönemlerine büyük toplumsal sorunlara yol açmıştır. Zekâ ve zekânın kalıtımsal etkileri üzerine çalışan Francis GALTON’un fikirleri ile harekete geçen (1883) ve “Eugenics” adı ile bilinen bilimsel cemiyetin, toplumsal hayatta yol açtığı sorunlar göz ardı edilemeyecek kadar ciddidir.

20. yüzyılın başlarında ABD’de “genetik sterilizasyon” adı altında zihinsel, görme ve işitme engellilerin yanında, Afro-Amerikan kişilere karşı – bilgilendirme olmaksızın – müdahalelerde bulunulması, hükümet politikası hâline gelmiştir. İkinci Dünya Savaşı’nda Avrupa da yaşanan soykırımların ardında da bu fikirler yatmaktadır.

Eğitimde genetik verinin kullanılması, günümüz şartlarında teknik olarak mümkünken, etik tartışmalar ve bilgilerin nasıl kullanılacağına dair bir kestirim yapamamak en büyük riski oluşturmaktadır.

Belirli genlere sahip insanların özel eğitimlere tabi tutulması, istendik gen dizilimlerine daha az sahip olanların ayrıştırılması gibi toplumsal yapıyı derinden etkileyecek kararların alınma riski çok yüksektir. Genetik veriler ile kişisel bilgilerin toplanmasında gizliliğin sağlanması ve suiistimalin önlenmesi konularında fikir birliği olmaması çalışmaların önündeki en büyük tehdittir.

 

3. Sistemsel İşleyiş

Kalıtımsal yatkınlıklar saptanarak kişilerin kedni potansiyellerini en üst düzeye çıkarabilecekleri eğitim ortamların oluşturulması mümkündür. Teorik olarak, genetik verilerin toplanıp kalıtımsal yatkınlıkların ortaya çıkarılması için düzenlenmiş bir eğitim ortamı ile desteklenmesi mümkün olsa da bu, genel eğitim sisteminde tamamen yeni bir düzenin getirilmesini gerekli kılacaktır.

Diğer önemli bir konu, toplanan çok büyük orandaki verinin işlenmesidir. Toplanan verilerin basit işlemler ile işlenmesi mümkün olmadığı için yapay zekâ sistemlerinin eğitim ortamındaki bu düzenlemeler için kullanılması; karar verme ve alternatifler belirlemede çok önemlidir. Toplanan verinin modellemesinin yapılamaması durumunda etkili kullanılması da mümkün olamayacaktır. Özet olarak; öğrenen niteliklerinin belirlenmesi konusunda bugün okula başlayan bir çocuk hakkında aldığımız bilgiler; kimlik bilgileri ve temel aile bilgileri ile sınırlıdır ki, ne çocuğun öğrenme potansiyeli ne de gelecekteki eğitim hayatı konusunda en ufak bir ipucu vermezler.

Eğitimdeki ana amacın “öğrenen potansiyelinin en üst düzeyde gelişmesini sağlamak” olduğunu varsayarsak; bir kişinin öğrenme performansının artırılması – daha hızlı, daha kolay, daha derin öğrenmeyi sağlayacak stratejilerin belirlenmesi – için genetik özellikleri belirlenebilir.

Genetik bilgiler, eğitim sistemi içinde kendi yeteneklerinin hiç farkına varmadan eğitim hayatını bitirenlere ulaşmamızı sağlayabilir mi? Örneğin, müzik yeteneğini oluşturan genlere sahip ama bir piyanoya elini sürmeden yaşayıp gitmiş olanlara bir şans vermek için bu bilgi kullanılabilir mi? Genetik altyapısındaki kişilik özellikleri, beş duyu keskinliği ve öğrenme potansiyeli ile belirlenen özellikler eğitimin kişiselleşmesi için bir başlangıç noktası oluşturabilirken, beraberinde birçok etik tartışmayı da getirecektir.

Gen çalışmaları konusundaki teknolojiye her ülkenin, her üniversitenin veya araştırma merkezinin eşit oranda sahip olamaması sebebi ile bu bilgiye sahip olan kişiler, bunu kontrol edebilecek güce de sahip olacaklardır. Bu güç genetiği değiştirilmiş bir insan üretmekten, sahip olduğu genetik altyapıyı ortaya çıkartacak uygun bir eğitim ortamı oluşturmaya kadar farklı şekillerde kullanılabilir.

Geleceğin öğrenme ortamlarının kurgulanması konusundaki çalışmalar göstermiştir ki; kitlesel öğretimden kişiselleştirilmiş öğrenmeye geçiş konusunu, salt insan emeği ile düzenlemek ve yönetmek mümkün değildir. Bu sebeple, öğrenen özelliklerinin öğrenme sürecinin planlanması için, eğitim için yeni algoritmalar oluşturulması gerekecektir.

 

Doğal Dil İşleme

Dijital çağda akıllı sistemlerdeki gelişim hızı, dil konusunda da çalışmaları bir hayli artırmıştır. Dil Bilim’den yola çıkan bu çalışmalar, kullanılacak dilin (Türkçe, İngilizce vb.) yapısının incelenmesi (dil bilgisi, fonetik, söz dizilimi, alam bütünlüğü vb.) ile başlar. Ardından Hesaplamalı Dil Bilim[1] (İstatiksel Doğal Dil İşleme) ise dil bilimden aldığı bilgileri istatistiksel analizlere tabi tutarak dili matematiksel ifadeler hâline getirir.

Doğal Dil İşleme’de ise; Dil Bilim’den ve Hesaplamalı Dil Bilim’den alınan bilgi, makine öğrenmesi yolu ile bilgisayarların daha insansı (insanı taklit eden) şekilde dilsel işlemler yapabilmesi için kullanılır. Doğal Dil İşleme ( Natural Language Processing / NLP) günümüzde Duygu Analizi, Soru Cevaplama, Bilgi Çıkarımı, Makine Çevirisi, Metin Özetleme, Metin Sınıflandırma gibi birçok farklı alanda kullanılmaya başlanmıştır.

Eğitim ortamlarında kullanılan, “akıllı” olarak tabir edilen doğal dil işleme yaklaşımları “öğrenme” ve “öğretme” olmak üzere 2 farklı bakış açısı ile incelenebilir. “Öğrenme” perspektifinde bir şey öğrenme amacı ile eğitim alan kişilere yönelik uygulamaların incelenmesi gerekirken; “Öğretme” noktasında ise bir şeyin öğretilmesi gayesi ile etkin ve anlaşılabilirlik düzeyini artırmaya yönelik, genellikle eğitmene yardımcı uygulamaların incelenmesi gerekir.

Günümüzde çevrim-içi eğitim platformları, senkron ve asenkron e-öğrenme sistemleri, uzaktan eğitim programları çokça karşımıza çıkmaktadır. Bu ortamların her biri öğrenci ile aracı bir sanal ortam üzerinden çoğunlukla metinler aracılığı ile iletişim kurmayı gerektiren sistemlerdir. Bu noktada iletişim kurma aracı olarak karşımıza çıkan metinlerin değerlendirilmesi ihtiyacı da ortaya çıkmaktadır.

İlgili bu platformlardaki “sanal sınıf” olarak tabir edilen eğitim ortamlarında bireylerin iletişim kurma maksadı ile paylaştıkları metinlerdeki uygunsuz ve/veya küfür içerikli paylaşımlarının otomatik tespit edilmesi ve engellenerek eğitim ortamının sabote edilmesinin önüne geçilmesi Doğal Dil İşleme uygulama örneklerinden biridir.

Daha geniş bir bakış açısı ile değerlendirildiğinde öğrenci profilinin analizi ve fiziksel olarak davranışları incelenemeyen bu katılımcıların yaptıkları metinsel paylaşımların belirli bir süre izlenmesi, kişilerin derse ilgi düzeyleri ve ortamın düzenini bozmaya yönelik anomali davranış sergileme potansiyelinin tespiti gibi önemli çıkarımlar da yine Doğal Dil İşleme yöntemleri ile yapılabilir. Ayrıca disleksi, dikkat dağınıklığı gibi öğrenme düzeyini zorlaştırıcı ve yavaşlatıcı durumlar da, yine kişilerin sıklıkla yaptıkları hatalı yazımlarının uzun süreli izlenmesi ile otomatik olarak tespit edilebilir.

Özellikle yabancı dil öğreniminde okuduğunu anlama ve farklı cümleler ile düşünceyi yazılı olarak ifade edebilme egzersizleri sıklıkla kişilere uygulanır. Bu egzersizler kişilerin kelime hazinelerinin genişliği,  dil bilgisi, doğru cümleler kurabilme becerileri, okunan metnin doğru olarak anlaşılmış olup olmadığının tespiti gibi birçok metriğin değerlendirilmesine olanak sağlar. Öğrenci tarafından yazılan metinlerden bu bilgilerin tespitinin eğitmenler tarafından yapılıyor olması, zorlu bir süreci beraberinde getirir.

Oysaki Doğal Dil İşleme yöntemleri ile iki metin arasındaki semantik benzerliğin tespiti, eş anlamlı sözcük tespiti, ilgili sözcük analizi, gramer hatalarının tespiti gibi süreçler kolaylıkla ve yüksek başarımlarla gerçekleştirilebilmektedir. Bu durum ise yazılan metinlerin belli ölçütlere bağlı kalarak otomatik olarak değerlendirilmesini ve notlandırılmasını mümkün kılmaktadır. Otomatik Yazım Kontrolü için “Grammarly”, “The Writing Mentor by ETS” gibi uygulamalar; yazılan metinlerin içindeki dil bilgisi yanlışlarının bulunması, eş anlamlı kelimelerin önerilmesi gibi işlemleri yapabilmektedir.

Her gün 2,5 exabyte (kolay anlaşılması için yaklaşık 250 bin ABD Kongre Kütüphanesi kadar) veri üretilen dünyamızda, herhangi bir konu hakkında araştırma yapabilmenin oldukça zorlaştığını söyleyebilmek mümkündür. Dijital ortamlarda yer alan milyonlarca kaynağın hangisinin güvenilir olduğunun belirlenmesi başlı başına bir iş iken, tüm kaynaklardan elde edilecek öz bilginin bir araya getirilebilmesi de imkânsıza yakın bir süreç olarak karşımıza çıkmaktadır. Özellikle teknolojinin akıl almaz bir hızla gelişim gösterdiği dijital çağda gelişmeleri takip edebilmek, en güncel bilgileri öğrencilere aktarma çabasında olan eğitimciler için stres kaynağı olabilmektedir. Bu problemleri minimize etmek amacıyla üretilen Metin Özetleme, yazılımlarla; yalnızca anahtar kelimelerle, isteğe bağlı çeşitli tarih filtreleri ile ve hangi kaynakların kullanılacağını seçerek bir konu hakkındaki özet bilgilere saniyeler içinde erişebilmeyi mümkün kılmaktadır. Buradaki dikkat çekici noktalardan biri de, bulunan kaynaklardaki verilerin semantik olarak birbirine yakın olanlarının belli bir düzende bir araya getirilerek son kullanıcıya sunuluyor olmasıdır.

Eğitim ortamlarında öğrenileni pekiştirme ve yaratıcı düşünce gücünü geliştirme amacıyla sıklıkla öğrencilere ödevler verilmektedir. Bu ödevler bazen bir konunun araştırılıp farklı kaynaklardan birçok bilginin derlenmesini gerektirirken, bazen de kişinin yaratıcılığının geliştirilmesinde rol oynayan ödevler olabilmektedir. Özellikle farklı kaynakların taranmasını gerektiren ödevler için dijital ortamlardaki kimi zaman güvenli, çoğu zaman ise güvensiz kaynaklardan erişilen bilgilerin derlenmesi, öğrenciler için oldukça kolay ve tercih edilen bir yöntem olarak karşımıza çıkmaktadır. Bu noktada eğitmenlere yardımcı Doğal Dil İşleme uygulamaları ile bilginin alındığı kaynağın belirlenmesi (intihallerin tespiti) gibi kontrol mekanizmaları geliştirilmiştir.

Dönem içerisinde öğrencilere aktarılan konuların ardından, öğrenciler tarafından ne kadarının öğrenildiğinin tespit edilmesi noktasında birçok öğrencinin korkulu rüyası sınavlar devreye girmektedir. Sınav dönemleri öğrenciler için stresli geçtiği kadar eğitmenler için de bir hayli yorucu bir süreç olarak görülmektedir.

Metinler hâlinde ders notlarını girdi olarak kabul eden Soru Üretme – Soru Cevaplama Yazılımları ise bu konuda eğitmenlerin yardımına yetişmektedir. Sınav döneminde yüzlerce sayfalık ders kitapları ve ders notları arasında kaybolan öğrencilerin imdadına yetişen çözümler de elbette mevcut. Bu noktada Metin Özetleme görevini başarıyla gerçekleştiren Doğal Dil İşleme uygulamaları hizmete sunulmaktadır.

Eğitmenlere yardımcı olan kontrol mekanizmaları gelişirken diğer yandan öğrencilerin işlerini kolaylaştıran sistemler de hızla gelişmeye devam etmektedir. Doğal Dil İşleme uygulamaları birçok konuda insan hayatını kolaylaştırırken, eğitim anlamında öğrencilere kolaylık sağlayan fakat gerçekte öğrenme becerilerini geliştirmede negatif etkileri bulunan uygulamaların ortaya çıkmasına kapı aralayabilmektedir.

Örneğin yalnızca anahtar sözcüklerin verilmesine ihtiyaç duyan otomatik Makale/Bildiri Yazma Uygulamaları hâlihazırda kullanılmakta ve hatta bu sistemlerle oluşturulan bildiriler uluslararası kongrelerde kabul bile görmektedir!

Diğer bir taraftan Makine Çevirisi, özellikle uluslararası eğitim kaynaklarının anadile çevrilmesinde büyük kolaylık sağlamakla beraber son yıllarda teknik olarak da büyük gelişim gösteren bir diğer uygulamadır. Fakat uzun vadede kişilerin yabancı dilde cümle kurma ve ifade yeteneklerini köreltmeye sebep olma olasılığı da mevcuttur.

Doğal Dil İşleme ile; Soru Cevaplama, Bilgi Çıkarımı, Makine Çevirisi, Metin Özetleme, Metin Sınıflandırma gibi uygulamaların yanı sıra farklı sektörler kendi ihtiyaçlarına göre yeni kullanım alanı geliştirebilirler. Örneğin Bankalar, “Dijital Asistanlar” marifeti ile mudilerinin birçok bankacılık işlemini yürütmektedirler. Eğitim sektöründe ise, bir konudaki öğrenme ihtiyacının giderilmesine yönelik kullanılan Dijital Asistanlar; öğretmen ile etkileşimi taklit ederek, öğrenen – öğreten iletişimini sağlayarak öğrenmeyi kişiselleştirmektedir.

Örneğin, Boulder Dil Teknolojileri tarından geliştirilen “Fen Öğreticim” (My Science Tutor by Boulder Language Technology) öğrencilere fen dersleri konusunda yardımcı olurken, Yabancı Dil öğreniminde “Alphary by Alphary GmbH” türü uygulamalar kullanılmaktadır.

Doğal Dil İşlemenin eğitimdeki kullanım alanlarından bir tanesi de açık uçlu sınavların değerlendirilmesidir. Açık uçlu sınavlar cevaplarını öğrencilerin kendi üsluplarına göre oluşturduğu kompozisyon (essay)  veya soru cevap şeklinde hazırlanabilir. Bu yöntem çoktan seçmeli sorular veya boşluk oldurma sorularına göre daha üst düzey düşünme becerileri gerektirdiği için öğrenciler tarafından daha zorlayıcı bulunurlar.

Çoktan seçmeli (test) sınavlarının kapsamı geniştir, nesnel puanlama yapılabilir, güvenirliği yüksektir ve değerlendirmesi kolaydır. Fakat öğrenenin bakış̧ açısını ve fikir dünyasını yansıtmaz. Bu sorular sadece belli bir noktaya odaklanan, olayın diğer boyutlarını göremeyen öğrencilerin artmasına sebep olur (Berberoğlu ve İş-Güzel, 2013). Açık uçlu sınavlar ise; kapsamı sınırlı ancak üretici becerileri ölçmek için kullanışlıdır. Bu soruların puanlaması değerlendiriciye bağlı (öznel) ve bu sebeple güvenirliği düşüktür. Eğitimciler için değerlendirmesi zor, öğrenciler için ise çoğu zaman; cevaplaması zor ve değerlendirmesi adaletsiz görünmektedir (Berberoğlu ve İş-Güzel, 2013).

Açık uçlu soruların birden çok cevabı vardır ve burada önemli olan; kişinin bilgiyi nasıl aldığını ve kendini karşı tarafa nasıl ifade edebildiğini, konu hakkındaki birikiminin yeterli olup olmadığını ve bunu karşı tarafa aktarırken ne kadar başarılı olduğunu görmektir. Eğitimciler açısından öğrenmeye dair daha fazla bilgi ortaya koysa da, değerlendirme için uzun zaman harcanması kalabalık sınıflar ve yoğun iş yükü nedeni ile zaman içinde daha az tercih edilen bir yöntem olmuştur. Fakat yakın geçmişte açık uçlu sınavların güçlü yönlerine dikkat çeken ve yeniden yaygınlaştırılmasından bahseden çalışmalar artmıştır.

Açık uçlu sınavlar bir konu hakkındaki sadece bilgi seviyesini değil; aynı zamanda bilişsel strateji becerisini ve öz kontrol becerisi gibi üst düzey düşünme becerilerini de ortaya koymaktadır.

Bilişsel strateji becerisi; (1) problemi çözerken birden fazla yol kullanma, (2) soruyu daha iyi anlamak için başka kelimelerle yeniden ifade etme, tekrarlama, (3) problemi çözmek için verilen ve ilişkili bilgileri (soru kökünden) seçme ve organize etme, (4) çözmeye başlamadan önce problemin anlamı üzerinde düşünme, (4) zor olan sorular üzerinde daha iyi anlayabilmek için fazla zaman harcama ve (5) problemi farklı formlara çevirme gibi alt becerileri içerir.

Öz kontrol becerisi ise; (1) çözüm esnasında işlemlerin kontrol etme, (2) cevapların üzerinden gitme, (3) işlemlerin doğruluğunu yargılama, (4) problem çözmeye devam ederken ne kadar iyi yapıp yapmadığını sorma, (5) hataları düzeltme ve (6) çözüm esnasında işlerin yolunda gittiğinin takip etmeyi içerir.

Eğitimciler için açık uçlu sınavların değerlendirilmesinde Doğal Dil İşleme kullanılarak nasıl bir değerlendirme tasarımı yapılacağı konusunda yapılan tartışmalarda atılacak temel adımlar aşağıdaki gibi sıralanmıştır.

1) Sınıf içi – okul içi – ulusal – uluslararası sınavların tutarlı olarak ilerlemesi için soru üretmede yapay zekâlı sistemlerin tasarlanması.
2) Merkezî eğitim programının (ulusal müfredat) kullanılması bir avantaj olarak kullanılıp, okullarda her derse yönelik ortak açık uçlu sınav sonuçları MEB tarafından oluşturulacak bir sistemde Doğal Dil İşleme kullanılarak değerlendirme çalışmaları yapılabilir.
3) Ulusal sınavların içine deneme soruları eklenerek, alınan cevapların incelenmesi ve biriktirilmesi yolu ile yapay zekâ modellerinin eğitimi için kullanılması mümkün olabilir.

Sonuç olarak; Türkçe Doğal Dil İşleme’nin semantik yapı, cümlelerin ne kadar karmaşık veya basit olduğunun taranması, eş anlamlı sözcükler, kelime dizilimi, cümle yapısı ve Türkçe dil bilgisi konularında gelişmesi her alanda daha doğru değerlendirmeler yapmanın ilk koşuludur.

Eğitimde Doğal Dil İşleme’nin kullanılması için ise eğitimcilerin de bu sistemin temel çalışma prensiplerini öğrenmeleri ve kendi disiplin alanlarında kullanım konusunda en azından temel bir farkındalığa sahip olmaları gerekmektedir.

 

Uzaktan Öğretimde Yapay Zekâ

Yüz yüze eğitim okullarda yapılır. Uzaktan öğretim ise “Öğrenim Yönetim Sistemi” adı verilen platformlar üzerinde yapılır. Bu platform aynen bir okul gibi, eğitim hizmeti veren kurumların tüm ihtiyaçlarına cevap vermektedir. Uzaktan öğretim, tüm eğitim kademelerinde kullanım alanına sahiptir.

YÖK’e göre uzaktan öğretim, yükseköğretim kurumlarında öğretim faaliyetlerinin bilgi ve iletişim teknolojilerine dayalı olarak planlandığı ve yürütüldüğü, öğretim elemanı ve öğrencilerin aralarındaki karşılıklı etkileşimine dayalı olarak derslerin bizzat öğretim elemanı tarafından aynı mekânda bulunma zorunluluğu olmaksızın eşzamanlı biçimde verildiği öğretimi tanımlar.

Uzaktan öğretimde ders planları yardımıyla canlı derslerin ne zaman yapılacağı belirlenir. Böylece öğrenciler belirtilen saatlerde sanal sınıfta yer alırlar. Yüz yüze (geleneksel)  eğitimde sınıflarda gerçekleştirilen akademik faaliyetlerin internet üzerinden görüntülü ve sesli olarak etkileşimli yapılmasını sağlayan ortamlara “sanal sınıf” denir.  Sanal sınıflarda;

  • Öğretim elemanı derslerini kamera karşısında görüntülü ve sesli olarak sunmaktadır.
  • Öğretim elemanı sunu aracını kullanarak ve önceden hazırladığı ders notlarına bağlı kalarak dersini anlatır.
  • Öğretim elemanı isterse okullarda kullandığı “kara tahtanın” bu sistemdeki benzeri olan “beyaz tahtayı” kullanır. O anda yazı tahtasına kaydettiği yazıları ve şekilleri öğrenciler aynı anda izler.
  • Öğrenci ders esnasında soru sorabilir. Öğretim elemanı bu soruya diğer öğrencilerin de duyacağı biçimde yazılı ya da sözlü olarak o anda cevap verir.
  • Öğretim elemanının işlediği ders, video biçiminde arşive kaydedilir. Öğrenci istediği an bu videoyu izleyerek konuyu daha iyi anlamaya çalışır.

Yapay zekâ sınıflandırma modelleri, veri madenciliği kapsamında sıkça kullanılan bir yöntem olup, veri tabanlarındaki gizli örüntüleri ortaya çıkarmakta kullanılır.

Verilerin sınıflandırılması için belirli bir süreç izlenir. Öncelikle var olan veri kümesinin bir kısmı eğitim amacıyla kullanılarak yapay zekâ modeli elde edilir. Test için ayrılan veri kullanılarak modellerin performansı belirlenir. Daha sonra bu modeller yardımıyla yeni bir durum ortaya çıktığında nasıl karar verileceği belirlenir. Ayrıca modelde etkili olan faktörler ele alınarak bu faktörlere odaklanılması sağlanır.

Veri üretme, veriyi kaydetme, verinin işlenmesi gibi konuların sanal ortamda daha rahat ve hızlı yapılabilir olması sebebi ile veri toplamak geleneksel sınıf ortamına nazaran daha kolaydır.

Geleneksel eğitimin yapıldığı sınıflarda dersteki ilgi ve dikkat süresini tespit etmek, dersle ilgili meşguliyetin, öğretmenin pedagojik manevralarının takibini yapmak oldukça güçtür. Sanal sınıf ortamında ise; öğrencinin her hareketi, bir sayfada geçirdiği süre, tepki hızı ve hatta göz takibi (eye track) gibi durumların kayıt altında olması bunların hepsinin bir veri olarak kullanılmasını mümkün kılar.

Tüm davranışlardan elde edilen verilerin değişkenlerinin modellemesi ile performans yorumlama, istenmeyen davranışların tespiti, bireysel öneriler geliştirme gibi konularda kullanılması mümkündür.

Uzaktan eğitimde yapay zekâ, yapılan etkinliklerin sonucunu değerlendirmede kullanılabilir. Bu suretle hangi etkenlerin başarı üzerinde etkili olduğu ve hangi faktörlerin üzerine odaklanılması gerektiği hakkında eğitimcilere yardımcı olur. Nelerin yapılması ve nelerin yapılmaması gerektiği hakkında sonuçlar üretebilir. Bunun dışında öngörülerin geliştirilmesi ve “Kişiselleştirilmiş Eğitim” konusunda eğitimcilere yol gösterir.

Uzaktan eğitim, ileri bilişim altyapılarını kullandığından veri toplamada ve işlemede yüz yüze eğitime oranla önemli avantajlara sahiptir. Özellikle, öğrenciden elde edilen verilerden henüz ortaya çıkmamış davranışlarının yorumlanması için yapılacak analizlerde makine öğrenmesi modelleri kullanılabilir (C50, Boosted  C5, Regresyon Ağaçları, Destek Vektör Makinesi, Lojistik Regresyon, “Random Forest”, Derin Öğrenme vb.).

Örneğin öğrencinin okula başladığı andaki demografik özellikleri ve başarı durumunun gelecekteki başarısının tahmini için kullanılması sıklıkla yapılan çalışmalardandır.

Farklı bir örnek olarak, uzaktan eğitimde seçilen dersler üzerinden yapılan analizler sonucunda bir sonraki dönemde hangi derse kaç öğrencinin kayıt yaptıracağı önceden tahmin edilebilir. Bu analizler için veri tabanı içinde yer alan kayıtların birbirleriyle olan ilişkilerini inceleyerek, hangi olayların eş zamanlı olarak birlikte gerçekleşebileceklerini ortaya koymaya çalışan makine öğrenmesi yöntemleri bulunmaktadır. Bu ilişkilerin belirlenmesiyle “birliktelik kuralları” (Association Rules) elde edilir.

Uzaktan eğitimde yapay zekâ uygulamalarının geliştirilebilmesi için sürekli veri ile beslenmesi gerekir. Bu amaçla Öğrenme Yönetim Sistemi (Learning Mangement System, LMS) üzerinde belirli zamanlarda öğrencilerin ve öğretim üyelerinin sisteme bakış açılarını ve süreç değerlendirmelerini kayıt altına almak gerekir. Sistem kullanıcıları, eğitim süreci içinde değerlendirmeler yapmaya yöneltilebilir. Bu değerlendirmeler sistem tarafından dönem içinde işlenerek sistem ile ilgili gerçek zamanlı uyarılar yayınlayacaktır.

Sonuç olarak; uzaktan öğretim sürecinde toplanan veriler ile yapay zekâ uygulama önerilerinin bir kısmı aşağıda belirtilmiştir.

1. Öğrencilere uygulanan tüm anketler birleştirilerek öğrencinin performans analizlerinde kullanılması, böylece bir konudaki öğrenci algısıyla başarı arasındaki ilişkinin belirlenmesi.
2. Anketlerden yararlanarak, bir konuya ilişkin (örneğin “A ve B düşüncesinde olanların diğer konularda ne düşündükleri” hakkında) sonuçlar üreten bir sistemin geliştiri
3. Ders içerikleri, canlı derslere katılımı, öğretim üyeleri ile olan etkileşimi, canlı derslerdeki ve forumlardaki davranışlarının izlenmesi; bu tür veriye dayanarak etkinlikler-performans ilişkisinin ortaya çıkarılması ve böylece kişiselleştirilmiş eğitim için öneriler geliştirilmesi.
4. Ders içerikleri ve canlı ders kayıtlarını izleyen öğrencilerin davranış modelinin belirlenmesi, bu sayede anlaşılmasında zorluklar olan konuların ortaya konularak öneriler geliştirilmesi.
5. Öğrencilerin başarısızlığına neden olan etkinlikleri göz önüne alarak öneriler sunabilen bir sistemin geliştirilmesi.
6. Ders seçimlerinde öğrencilere yön verebilecek bir öneri sistemi geliştirilmesi.

 

Bilgisayarlı Görü Yöntemleri

Görüntü işleme yöntemleri bir çizimdeki nesneleri ayırt etmek, tanımlamak, çizim detaylarını belirlemek gibi, resmedilen nesneler hakkında temel bilgilerin elde edilmesini sağlar. Görüntü işleme teknikleri yakın geçmişte ancak nesne var mı yok mu, iki nesne birbirine ne kadar benzer gibi nispeten daha ilkel problemleri çözebilir durumdayken, günümüzde sağlık, savunma sanayii, güvenlik, sürücüsüz araçlar (kara/deniz/hava) ve pazarlama gibi sayısız alanda kullanılmaktadır. Örneğin sağlık alanında görüntü işleme teknolojileri ile meme kanseri hastalarının MR görüntülerinden kanserli hücrelerin hem daha hızlı hem daha kesin hedef tespiti ile saptanması mümkün olmaktadır. Cilt kanseri için geliştirilen bir algoritma ise yaklaşık 130.000 cilt hastalığı görüntüsü içeren bir veri tabanı üzerinden potansiyel kanseri yüksek bir doğruluk payı ile görsel olarak teşhis edebilmektedir.

Görüntü işlemede nesne tespiti yapabilen YOLO (You Only Look Once) algoritması en sık kullanılanlardandır. YOLO’nun en önemli tercih edilme sebebi diğerlerinden daha hızlı olmasıdır. Örneğin, R-CNN gibi bölge bazlı nesne tespit algoritmaları önce nesne bulunması muhtemel alanları belirleyip sonra oralarda ayrı ayrı Evrişimsel Sinir Ağları sınıflandırıcıları yürütmektedir. Bu yöntem iyi sonuç verse de resim iki ayrı işleme tabi tutulduğu için işlem sayısının artması, düşük “saniye başına kare” ortalamasına sebep olmaktadır. YOLO’nun bu kadar hızlı olmasının sebebi her görüntüyü tek seferde nöral ağdan geçirip resimdeki tüm nesnelerin sınıfını ve koordinatlarını tahmin edebilmesidir. Böylece anlık görüntü veya videodan hızlıca tanımlama yapılabilmektedir. Bu tespitteki hız özellikle sürücüsüz araçlar için hayati önem taşımaktadır. Seyir hâlinde olan sürücüsüz bir araçta, aynı insan sürücü gibi, sürekli hızlı bir şeklide görüş alanına giren objeleri tanımalı ve gitme veya durma kararını vermelidir.

Görüntü işleme teknolojileri eğitimde ticari ürün kapsamında ilk kez 2017’de HSedu tarafından geliştirilen Akıllı Sınıf Davranış Yönetimi sisteminde kullanılmıştır.  Dersteki duygu durumlarını belirlemek üzere sınıftaki kameralardan 30 saniyede bir alınan görüntülerle öğrenci yüz ifadeleri analiz edilip derin öğrenme yazılımları ile işlenmekte ve yüz ifadelerinin temsil ettiği yedi duygu (öfkeli, üzgün, mutlu vb.) üzerinden öğrencinin derste hangi duygu durumlarında olduğunu öğretmene raporlanmaktadır. Bunun öğretmenlere geribildirim verdiği, derslerin ilgi çeken veya çekmeyen anlarını tespit ederek, yöntemlerini seçmelerinde yardımcı olacağı düşünülmüştür. HSedu tarafından geliştirilen bir diğer görüntü işleme uygulaması da okul girişindeki kameraların yüz tanıma sistemi ile entegre edilip kimlik/yoklama kontrolünün otomatik yapılmasıdır.

Görüntü işlemenin eğitim ortamında yüz tanıma dışında değerlendirilmesi de mümkündür. Örneğin çocukların çizdiği resimler yolu ile bir değerlendirme yapılabilir. İnsanların kendini ifade etmeleri için dil, yazı ve çizim gibi farklı araçları vardır. Dil gelişimi 2 yaş civarında kendini ifade edecek hâle gelir. Yazılı dilin öğrenilmesi, belli becerilerin gelişmesini (görsel algı, işitsel algı, ince motor beceriler vb.) gerektirdiği ve formal okul sisteminin parçası olarak görüldüğü için en son gelişir. Bir çocuğun 2 yaşından 7 yaşında yazı yazmayı öğrenene kadarki sürede en temel ifade araçlarından biri de çizimdir. Çocuklar erken yaşlarda, çevresinde gördüklerini ve duygularını çizimleri ile dışa vururlar. Çocuk çizimleri üzerine yapılan çalışmalar; çocuğun bilişsel gelişimini (zekâ), yaratıcılık seviyesini, dünyayı nasıl algıladığını, çevresi ile kurduğu ilişkileri, kişiliğini ve iç dünyasını resimlerinden takip etmek konusunda gelişmeler sağlamıştır.

Resim analizleri psikolog ve pedagogların, çocuğun duygusal ve bilişsel özelliklerini anlayabilmek için  uzun zamandır kullandıkları yöntemlerden bir tanesidir. Çizimleri ile hem algıladıkları dünya, hem de kendi içi dünyaları hakkında önemli ipuçları veren çocuklar büyüdükçe resimleri daha ayrıntılı, orantılı ve daha gerçekçi olmaktadır. Resimlerin gelişmesi açısından her evrede çocukların yaptıkları resimleri niteleyen bazı çarpıcı ve çok ayırıcı özellikler bulunur.

Çocuk resimlerinin duygusal ve bilişsel özellikler açısından analiz edilmesi her bir çocuğun çizimine tek tek odaklanacak psikolog ve pedagog gerektirdiği için, hem zaman hem de iş gücü olarak oldukça maliyetlidir. Bu sebeple bu yöntem sadece çocuğun izlenmesinin mecburi hâle geldiği (öfke, istismar, enüresis, enkopresis, düşük okul başarısı vb.) durumlarda tercih edilir. Çocuk çizimleri incelendiğinde, çizilen figürlerde hayal gücünün etkisi belirgin bir şekilde görülür. Örneğin bir insan resmi çizmesi istenen çocuk insanı uçarken, kanatlı bir şekilde bazı uzuvları eksik ya da gerçeğin dışında resmedebilir. Bu ve benzeri yüzlerce durum bu resimdeki içeriklerin sınıflandırılması problemini zorlaştırmaktadır.

Bir çocuk gelişimci, resimde temel olarak şu çıkarımları yapmak ister: farklı nesnelerin ne olduklarını tanımlamak (ev, yetişkin, çocuk, okul vb.); çizilen nesnelerin nerede olduklarını, ne yaptıklarını anlamak; nesnelerin birbirlerine göre belirli noktalara yakın/uzak olmaları, boyutları, çizim detayları, resim kâğıdı üzerindeki konumu ve boyutu gibi bilgileri anlamak.

Bu bilgiler ile resimleri analiz eden uzmanlar çocuğun zekâ, duygu durumu gibi özellikleri hakkında çıkarımlar yapabilir. Görüntü işleme yöntemi kullanılarak bu analizlerin dijitalleşmesi mümkün olabilir.

 

 

PROJE FAALİYETLERİ

 

Eğitimde Yapay Zekâ Çalıştayı 1

“Eğitimde Yapay Zekâ Uygulamaları”

(04 Eylül 2018, Microsoft Türkiye Ofisi – İstanbul)

Sonuç Raporu için Tıklayın

 

Eğitimde Yapay Zekâ Çalıştayı 2

Genetik Verilerin Öğrenme Ortamında Kullanılması

(16 Ocak 2019, KWORKS – Koç Üniversitesi Girişimcilik Araştırma Merkezi – İstanbul)

Sonuç Raporu için Tıklayın

 

Eğitimde Yapay Zekâ Çalıştayı 3

Doğal Dil İşleme ve Eğitim

(08 Şubat 2019, KWORKS – Koç Üniversitesi Girişimcilik Araştırma Merkezi – İstanbul)

Sonuç Raporu için Tıklayın

 

Eğitimde Yapay Zekâ Çalıştayı 4

Eğitsel Veri Madenciliği

(22 Mart 2019, KWORKS – Koç Üniversitesi Girişimcilik Araştırma Merkezi – İstanbul)

 

Eğitimde Yapay Zekâ Çalıştayı 5

Uzaktan Öğretimde Yapay Zekâ

(25 Nisan 2019, KWORKS – Koç Üniversitesi Girişimcilik Araştırma Merkezi – İstanbul)

Sonuç Raporu için Tıklayın

 

Eğitimde Yapay Zekâ Çalıştayı 6

Bilgisayarlı Görü Yöntemlerinin Eğitimde Kullanılması

(13 Haziran 2019, Sarıyer Akademi – Sarıyer Belediyesi Eğitim Kurumu – İstanbul)

Sonuç Raporu için Tıklayın

 

BRAINS² TÜRKİYE Yapay Zekâ Programı kapsamında “Eğitimde Yapay Zekâ | Stratejik Dönüşüm ve Ekosistem” başlıklı ilk uygulama projesi çerçevesinde 6 farklı tema altında düzenlenen Eğitimde Yapay Zekâ Çalıştayları; araştırma, analiz, değerlendirme, sunum ve beyin fırtınaları yapılarak tamamlanmış, toplantıların sonuç raporları Türkçe ve İngilizce olarak hazırlanıp başta BRAINS² TÜRKİYE olmak üzere TASAM (Türk Asya Stratejik Araştrmalar Merkezi) ve ESTEN (Eğitim Sanayi ve Teknoloji Enstitüsü) resmî sitelerinde yayımlanmıştır.

 

[1] Bilgisayar bilimi araçlarını kullanarak modern dil bilimsel çalışmalarını yürüten bir alt daldır.

Bize Ulaşın

T +90 (212) 635 61 51

F +90 (212) 532 58 82

Eski Ali Paşa Cd, No:20, Fatih, İstanbul

Pazartesi-Cuma: 09:00–18:00 

Birlikte Çalışalım

BRAINS² TÜRKİYE için sponsorluk/işbirliği sağlamanız, kurumunuzun ve Ülkemizin ortak vizyon, misyon ve beklentilerini teyit ederek şükranla karşılanacaktır.