AIEd Bilgi TabanıAIEd KB
Bu sayfada

Bu sayfayı İngilizce okuyun

Kavramlar

Bilişsel Yükü Dışarı Aktarma

Oluşturuldu 2026-10-14

Bu İngilizce sayfanın bir ana dili konuşanı tarafından gözden geçirilmemiş otomatik çevirisidir.

Bilişsel yükü dışarı aktarma — içsel bilişsel talebi azaltmak için (YZ dahil) dış araçların kullanılması; zihinsel işin öğrenenden sisteme kaydırılması. Eğitimde Yapay Zeka bağlamında bilişsel yükü dışarı aktarma, YZ araçlarının öğrenmeyi destekleyebileceği veya baltalayabileceği merkezi mekanizmadır: uygun yük dışarı aktarma, daha üst düzey düşünme için bilişsel kaynakları serbest bırakırken; aşırı yük dışarı aktarma, kalıcı öğrenme için gereken işlemeyi atlar. Aşırı güven, bu yelpazenin zararlı ucudur — yük dışarı aktarmanın stratejik destekten öğrenmenin yerini almaya geçtiği verimsiz kalıp.

Düşünülmesi Gereken Sorular

  • Bilişsel yükü dışarı aktarma, içsel bilişsel talebi azaltmak için — YZ dahil — dış araçlar kullanmaktır. Sayfa, yük dışarı aktarmanın doğası gereği zararlı olmadığını açıkça belirtir: defterler, hesap makineleri ve arama motorları da yük dışarı aktarır. YZ aracılığıyla yük dışarı aktarmayı bu tanıdık araçlardan farklı ve potansiyel olarak daha önemli sonuçlar doğuran şeyin ne olduğunu düşünüyorsunuz?
  • Yaygın bir varsayım, sorunun YZ’yi çok fazla kullanmak olduğudur. Ancak bu sayfa aşırı güveni salt sıklıktan ayırır — mesele öğrenmenin yerini alan bir kullanım biçimidir, YZ’nin ne sıklıkta kullanıldığı değil. Sık ama sağlıklı olan bir YZ kullanım biçimini ve nadir ama zararlı olan birini tarif edebilir misiniz?
  • “Hızlandırma yanılsaması”, YZ destekli işin daha hızlı ve daha kolay hissedilmesidir; bu, azalan öğrenmeyi maskeleyen yanıltıcı bir verimlilik izlenimi yaratır. Öğrenciler görev tamamlama hızını öğrenmeyle karıştırır. Bir şeyi hızlı yaparken ne zaman verimli hissettiniz ve sonra ondan çok az şey öğrendiğinizi fark ettiniz?
  • Araştırmalar, yük dışarı aktarmanın zararının koşullu olduğunu, içsel olmadığını bulur: “Koçluk yapan YZ beceriyi korur veya güçlendirir; yerine geçen YZ ise bozulma riski taşır.” Düşüncenizi iskeleleyen bir YZ ile onun yerine geçen bir YZ arasındaki pratik fark nedir — ve hangisini aldığınızı nasıl anlardınız?
  • Bir araştırma, YZ önerisine yalnızca erişimin bile insanların “bilmiyorum” deme isteğini neredeyse ortadan kaldırdığını gösterir — öneri yanlış olduğunda bile — oysa güveni neredeyse ikiye katlarken doğruluğu üçte birine düşürür. Bu, YZ’nin kendi cehaletimizin farkındalığımızı nasıl değiştirdiği konusunda ne öne sürer?
  • Sayfa, üst bilişsel bir eşitlik açığı tanıtır — “YZ ile Matthew Etkisi”: verimli YZ kullanımı önsel bilgi ve üst biliş gerektirdiğinden, halihazırda avantajlı öğrenciler daha fazla yararlanırken, pratiğe en çok ihtiyaç duyanlar öğrenmeyi en olası biçimde devreder. Bir eğitmen veya tasarımcı, aynı aracın mevcut eşitsizlikleri derinleştirebilmesi gerçeğine nasıl yanıt vermelidir?

Giriş

Bilişsel yükü dışarı aktarma doğası gereği zararlı değildir — insanlar her zaman bilişsel yükü azaltmak için dış araçlar (defterler, hesap makineleri, arama motorları) kullanmıştır. YZ aracılığıyla yük dışarı aktarmayı farklı kılan şey, kapsayıcılığıdır: LLMler eksiksiz çözümler, açıklamalar ve analizler üretebilir ve öğrenmeyi üreten bilişsel süreçlere duyulan ihtiyacı potansiyel olarak ortadan kaldırabilir.

YZ-eğitim araştırmalarında bilişsel yükü dışarı aktarma nasıl kendini gösterir

Bilgi tabanının makaleleri, bilişsel yükü dışarı aktarmayı birden fazla boyutta belgelemektedir:

  • Öz-yansımayı ölçmek yerine aletlerle donatmak: PAUSE (Patterns of AI Use: Self-Examination — YZ Kullanım Kalıpları: Öz-İnceleme), 2023–2026 yük dışarı aktarma literatürünü dört alanlı bir öz-denetime dönüştürür — muhakeme ve eleştirel düşünme, yaratıcılık ve özgünlük, araştırma ve öğrenme, sosyal ve iletişimsel kapasite — ters puanlanan davranışsal maddeler, her maddede atıf çıpaları, bileşik puan ve geçerlilik iddiası yoktur (Alam, 2026). Tasarım konumu şudur: yük dışarı aktarma üzerine yararlı müdahale, tanı üretmekten ziyade yansıma istemektir, çünkü hiçbir araç henüz bir kişi hakkında önemli sonuç doğuran bir kararı haklı çıkaracak nitelikte değildir.

  • İstek metni kalıpları, yük dışarı aktarma izleri olarak: Misiejuk ve ark. (2026), Eş-Oluşum Ağ Analizi kullanarak, reaktif istek metinlerinin (alan bağlamı olmadan itiraz) daha yüksek yük dışarı aktarmayı gösterdiğini, bütünleşik öğretimle bağlam zengini istek metinlemenin ise angaje olunmuş bilişi yansıttığını göstermektedir. YZ kullanımının naslı — yalnızca kullanılıp kullanılmadığı değil — yük dışarı aktarma derecesini belirler.

  • Ölçekte doğal ortam kanıtı, yük dışarı aktarma gözlemlenir varsayılmaz: Piatnitckaia ve ark. (2026), bir Avrupa üniversitesindeki 46 lisans öğrencisinden yedi haftalık bir sınav hazırlık penceresi içinde 3.047 ChatGPT mesajını kodlamıştır; zorunlu düşünce zinciri gerekçeleriyle GPT-4o-mini kullanmış ve iş hattını 200 mesaj üzerinde eğitimli bir insan puanlayıcıya karşı doğrulamıştır (soru türü için Cohen’un κ = 0,76, Bloom düzeyi için 0,75). Analiz, dağılımın başında %27,28 (831 mesaj) ile en yüksek paya ulaşmış, onu %23,76 ile Anlama izlemiştir; bu, doğal ortamdaki öğrenci–YZ kullanımının rutin biçimde ezberden ziyade daha üst düzey işi hedeflediğine dair ilk ince ayarlı kanıttır. Notları bağlantılı 16 öğrencilik bir alt örneklem, elle kodlanan 1.140 mesajıyla istek metni düzeyindeki izlerin sağlayamadığını sunar: 125 diyalogdan %49,6’sında hiç yük dışarı aktarma, %34,4’ünde hafif ve %16,0’ında ağır yük dışarı aktarma görülmüştür; ölçüt ağır’ı, YZ’nin ilk taslağı ürettiği ve çekirdek entelektüel ürünü inşa ettiği durumlara ayırır. Ağır yük dışarı aktarma, ezici ölçüde bir Oluşturma olgusuydu (20 ağır diyalogun %80’i, tüm Oluşturma diyaloglarının %42’si); yazarlar bunu, yük dışarı aktarma derecesinin ve Bloom düzeyinin ayrı ölçülmeye değer ayrı boyutlar olduğuna dair kanıt olarak okur. Not kalıbı yalnızca betimseldi — en üst katmanda %17,6, orta katmanda %17,5 ve alt katmanda %5,9 (χ² = 5,80, df = 4, p = 0,215) — ve kısmen programlamaya odaklı tek bir öğrenciye dayanır; o öğrenci çıkarıldığında en üst katman oranı %8,9’a düşer; bu da yazarları, performanstan çok disiplinin devirme alışkanlıklarını şekillendirdiğini savunmaya ve yasak yerine gerçek kullanım kalıpları üzerine üst bilişsel geri bildirim önermeye yöneltir.

  • Hızlandırma yanılsaması: Hızlandırma yanılsaması üzerine araştırmalar, YZ destekli işin daha hızlı ve daha kolay hissedildiğini gösterir; bu, azalan öğrenmeyi maskeleyen yanıltıcı bir verimlilik izlenimi yaratır. Öğrenciler görev tamamlama hızını öğrenmeyle karıştırır — bu bir üst bilişsel kör noktadır.

  • Rehberlisiz YZ’den öğrenme kayıpları: Lise matematiği RCT’leri, Güvenlik Rayları olmadan üretken YZ’nin geleneksel öğretimden daha kötü öğrenme sonuçları ürettiğini göstermektedir. Azalan çalışma süresi, azalan öğrenmeyle ilişkilidir — öğrenciler görevleri daha hızlı tamamlar ama daha az şey hatırlar.

  • Yük dışarı aktarma öngörüsünün 45 günlük gecikmeyle rastgele testi — ve açık yalnızca kazanılan zaman değil: Barcaui (2025), 120 lisans öğrencisini YZ/ML konularını ya kısıtlanmamış ChatGPT ile (GPT-4 web arayüzü, istek metni rehberliği yok) ya da geleneksel YZ dışı yöntemlerle çalışmaya rastgele atamış, ardından 45 gün sonra sürpriz bir 20 soruluk kavramsal test yapmıştır. YZ destekli grup %57,5 puan almış, %68,5 puan alan karşılaştırma grubuna karşı (t(83) = −3,19, p = .002, Cohen’un d = 0,68); dezavantaj, öz-bildirimli çalışma süresini sabit tutan bir ANCOVA’da da ayakta kalmıştır (F(1, 82) = 7,89, p = .006; düzeltilmiş ortalamalar 6,50’ye karşı 5,85), dolayısıyla yalnızca bir zaman miktarı yapay sonucu değildi. Çalışmanın yük dışarı aktarma argümanı şudur: ChatGPT sentezi ve açıklamayı doğrudan sunar ve bu onu bir hesap makinesinden nitelik olarak farklı bir devir biçimi yapar — yalnızca geri çağırma değil, anlamayı da içine alabilen bir devir.

  • Yük dışarı aktarma her zaman zararlı değildir — “koç” sınır koşulu: Lira ve ark. (2025), YZ’nin pratik çabasını azaltabilir ve öğrenme ortamını iyileştirebileceğini, “daha az çalış, daha çok öğren” sonucunu üretebileceğini göstermektedir. Bir YZ aracıyla yazma pratiği yapan yetişkinler, yalnız başına pratik yapanlardan daha iyi YZ’siz mektuplar yazmıştır — hatta insan editörlerin kişiselleştirilmiş geri bildirimini bile geride bırakmıştır — üstünlük yanılsaması olmadan. Yukarıdaki zararlarla uzlaşımı yük dışarı aktarma biçimidir: Lira ve ark. ’nın YZ’si, bilişsel eylemin yerine geçmekten ziyade iskelelemiştir (örnekler ve geri bildirim sunarken öğreneni süreç içinde tutar). Becerilere karşı temel yetilere bakış açısı aynı sınırda buluşur: koçluk yapan YZ beceriyi korur veya güçlendirir; yerine geçen YZ bozulma riski taşır. Kilinc ve ark. (2026), o sınıra sayısal değerler vermiştir: ortaokul tarım-STEM sınıfında, 12 gruptaki 42 sekizinci sınıf öğrencisi üzerinde model benimseme, En Çok Gelişen profildeki kodlanmış işbirlikçi etkileşim turlarının %74,1’ini açıklarken; bilişsel yük dışarı aktarma ve işbirlikçi çıkmaz birlikte Zorlanan profilde %80,8’e ulaşmıştır. Dolayısıyla yük dışarı aktarmanın öğrenme üzerindeki etkisi koşulludur, içsel değildir.

  • Eleştirel etkileşim ve yük dışarı aktarma karşısında: Favero ve ark., YZ ders sistemlerini etkinleştirici (aktif bilişi destekleyen) ya da esir alıcı (pasif yük dışarı aktarmayı mümkün kılan) olarak çerçeveler ve Eleştirel Düşünme araştırmalarına bağlanır.

  • Üst bilişsel farkındalık: Üst bilişsel farkındalık üzerine çalışmalar, öğrencilerin yük dışarı aktarma ile öğrenme arasındaki farkı tanıyıp tanımadığını — ve öğretim müdahalelerinin bu kalibrasyonu iyileştirip iyileştiremeyeceğini — incelemektedir.

  • Dış kaynak kullanımına alternatif olarak somutlaşmış zekâ: E3-HOT çerçevesi, YZ kaynaklı bilişsel dış kaynak kullanımını ve özgün bağlamlardan kopuk öğrenmeyi karşılamak için YZ’nin somutlaşmış zekâ etrafında tasarlanması gerektiğini savunur (durumsal gömülme, somut katılım, bilişsel yaratım), böylece öğrenciler bilişsel etkenliğini ve daha üst düzey düşünmeyi dışarı aktarmak yerine sürdürür. Bu çerçeve, somut, durumsal YZ tasarımını yük dışarı aktarma riskinin olumlu karşılığı olarak konumlandırır ve Dağıtık Biliş ile Vüut Bulmuş Öğrenme ile bağlantılıdır.

  • Dağıtık bilişin verimlilik–Eğitimde YZ Regülasyonu ödünleşimi: Hao ve ark., insan–YZ işbirliğinde YZ’ye en çok yük dışarı aktaran kişinin (devredilmiş muhakeme) görevlerde en iyi performansı gösterdiğini ancak azalmış öz-düzenlemeyle ilişkili olduğunu göstermektedir — bu, yük dışarı aktarmanın verimlilik kazancının öğrenenin düzenleyici angajmanı pahasına gelebileceğine dair ampirik kanıttır ve Öz Düzenlemeli Öğrenme kaygılarıyla buluşur.

  • Yorgunluk ve bilişsel yük: YZ yorgunluğu araştırmaları, sürekli YZ etkileşiminin kendi bilişsel yükünü nasıl yarattığını belgelemektedir; bir görevi dışarı aktarmanın, YZ çıktılarını yönetmekten kaynaklanan bilişsel yükü artırdığı bir paradoks.

  • Üst bilişsel inançlara karşı deneyimler çerçevesi: Guo & Ye (2026), alanın çelişkili müdahale bulgularını uzlaştırmak için Nelson ve Narens’in dinamik üst bilişsel modelini uygular. Üst bilişsel inançları (görev öncesinde yük dışarı aktarma tercihlerini çapalayan, kararlı, öz-atıflı benlik tasavvurları) üst bilişsel deneyimlerden (görev sırasında inanç güncellemesini yürüten, dinamik, göreve özgü duygular) ayırır ve zaman-bileşen eşleştirme ilkesini ortaya koyar: inanç hedefleyen geri bildirim görev öncesinde en etkilidir, deneyim hedefleyen geri bildirim (anlık doğruluk göstergeleri) ise görev sırasında en etkilidir. Ayrıca yerine geçen yük dışarı aktarmayı (içsel işlemenin dış yardımlarla değiştirilmesi) çoğaltan yük dışarı aktarmadan (işlemeyi destekleyerek tamamlayan) ayırt eder — dış depolar ortadan kalktığında, yerine geçen yük dışarı aktaranlar keskin biçimde düşer, çoğaltanlar ise doğruluğu korur — ve optimal yük dışarı aktarmadan sapmayı ölçmek için hatırlatma yanlılığını kullanır. Bu, “koç ile koltuk değneği” sınırında buluşur: iskeleleyen yük dışarı aktarma beceriyi korur; yerine geçen yük dışarı aktarma bozulma riski taşır.

  • Akademik yazmada YZ bağımlılığı için biçimsel sorunlu kullanım modeli (I-PACE): Liu, Zhuang & Wang (2026), bağımlılık yapıcı teknoloji kullanımının I-PACE modelini üniversite akademik yazmasında üretken YZ bağımlılığına genişletir. Karma yöntemli bir Çin örnekleminde, akademik stres YZ bağımlılığının en güçlü yordayıcısıdır; YZ Okuryazarlığı koruyucu bir etkendir (düşük okuryazarlık → daha fazla psikolojik bağımlılık) ve algılanan güven, sosyal etkiden bağımlılığa giden yolu aracılar — dolayısıyla bağımlılık, yalnızca bireysel araç kullanımıyla değil, bir sosyal etki → güven → davranış yoluyla oluşur. Nitel verileri bir politika boyutu ekler: öğrenciler intihal tespitinden stratejik kaçınma bildirir ve uyumlu YZ kullanımının ne olduğuna dair belirsiz kuralları, doğaçlama yapmaya yönelik bir teşvik olarak gösterir; bu, yük dışarı aktarmayı Akademik Dürüstlük ile bağlantılandırır.

  • Bilişsel borç ve bölümsel–alışkanlıksal yük dışarı aktarma ayrımı: Lin & Al-Hada (2026), “eleştirel düşünme paradoksunu” — gelişmiş ürünler ve azalmış bilişsel angajman yan yana — farklılaştırılmış üç düzeyli bir çerçeve (yüzeysel/ara/derin YZ rolleri) ve bilişsel borç yapısıyla biçimlendirir: YZ destekli bir bölümün ötesine uzanan, üst bilişsel kalibrasyonda ve yardımsız daha üst düzey performansta potansiyel kümülatif bir gerileme. Kavramsal ilerlemelerinin anahtarı, bölümsel yük dışarı aktarma (farkındalığı koruyan, kasıtlı, göreve özgü devir) ile alışkanlıksal yük dışarı aktarma (rutin, zayıf biçimde izlenen güven) arasındaki ayrımdır; bunlar, ikincisinin derin işleme görevlerinde bir ürün–süreç ayrışması — daha yüksek puanlı ödevler ama daha düşük yardımsız gecikmeli aktarım — üreteceğini öngörür.

  • Dış kaynak kullanımından yeniden dağıtıma uzanan yelpaze: yük dışarı aktarma çabayı azaltmak yerine yeniden dağıtabilir. Yan ve ark. (2026), Biggs’in öncül–süreç–ürün modelini Japonya ve Çin’de denetimsiz argüman kompozisyonları yazan 38 lisans öğrencisine uygulamış ve öğrenci–GenAI angajmanını bilişsel dış kaynak kullanımı ile bilişsel yeniden dağıtım arasında sınırlanan bir yelpazede konumlamıştır — yüzeysel ve derin yaklaşımların GenAI çağı benzeri. Yeniden dağıtım azınlığı, değişmemiş toplam çaba bildirmiş ancak odak kaymıştır; kaynakları düşük düzeyli geri çağırmadan eleştirel değerlendirme ve yansıtıcı pekiştirmeye taşımıştır (yüzeysel kalıcılığı karşılamak için her oturumdan sonra yansıma notları yazarak), bu da yük dışarı aktarmanın zorunlu olarak bilişi çıkardığı varsayımını nitelemektedir. Yeniden dağıtım ise istisnaydı: %78,94’ü GenAI’ye yalnızca başlamadan önce veya taslak yazdıktan sonra değil, onu bağımsız çalışmayla dönüşümlü olarak kullanmamıştır ve %76,32’si tek turlu sor–cevap al–dur kalıbına bel bağlamıştır (%23,68 sürdürülen yinelemeli diyalog); dolayısıyla yeniden dağıtımı üreten bütünleştirici davranışın varsayılmak yerine öğretilmesi gerekmiştir.

  • Üst bilişsel eğitim hatırlatma yanlılığını azaltır (doğrudan ampirik kanıt): Ngai & Gilbert (2026), kısa bir müdahalenin yük dışarı aktarmayı ölçülebilir biçimde daha optimal hale getirebileceğinin ilk açık gösterisini sunar. Önceden kaydedilmiş iki deney (N=164, N=416), bir performans tahminini doğrulayıcı, deneme başına geri bildirimle eşleyen yalnızca beş pratik denemenin üst bilişsel kalibrasyonu iyileştirdiğini ve hatırlatma yanlılığını azalttığını bulmuştur. Dört gruplu ekleyici tasarım mekanizmayı izole etmiştir: yalnızca tahminler etkisizdi; performans geri bildiriminin eklenmesi iyileşmeyi yürüttü; aşırı/aşağı güvenin açıkça etiketlenmesi bir şey eklemedi. Etki mutlak (işaretli değil) yanlılıkta görülmüştür — eğitim, bireysel yanlış kalibrasyonu her iki yönde de düzeltti. Bu, yukarıdaki inançlar-karşı deneyimler çerçevesini ampirik olarak doğrular: yük dışarı aktarma davranışını değiştiren şey, inançlar veya yalnızca tahmin değil deneyim hedefleyen geri bildirimdir. Yazarlar, başarıyı yük dışarı aktarma optimalitesine bağlı mali teşvik ve anlık doğrulayıcı geri bildirime atfeder.

  • Görev içi yansıma istemi, güveni daha savunmacı değil daha ayırt edici kılar: Ren (2026), 342 lisans öğrencisini üç koşula rastgele atmıştır (YZ yok, açık çok turlu ChatGPT desteği ve aynı desteğe ek olarak kendi muhakemeleri ve YZ açıklamasını reddetmeyi haklı çıkaracak şey üzerine kısa bir yansıma istemi); açık desteğin %62,4 yanlış YZ önerisi kabulü taşıdığı, bunu yansıma isteminin %39,7’ye düşürdüğü (OR = 0,40) bulunmuştur; öneri doğruluğu ise iki destekli koşulda benzer kalmıştır (%66,3’e karşı %67,0) ve doğru önerilerle uyum yüksek kalmıştır. Yansıma ayrıca algılanan ile davranışsal güven arasındaki farkındalık kalibrasyonunu iyileştirmiş (0,59’a karşı 0,41) ve YZ’ye özgü bir atıf yanlılığı indeksini 0,42’den 0,21’e düşürmüştür. Bu, yukarıdaki eğitim çalışmasıyla aynı deneyim hedefleyen mekanizmanın karar bölümü içinde uygulanmasıdır ve sayfanın aşırı güveni sıklıktan ziyade izleme olarak okumasını destekler: model sınırlarını bilmek, tek başına, öğrencilerin makul görünümlü yanlış önerileri kabul etmesini durdurmamıştır.

  • Üst bilişsel tembellik ve yeni bir üst bilişsel Eşitlik açığı: Lodge & Loble (2026), Avustralya okullarına yönelik bir sektör raporunda, GenAI’nin çekirdek riskinin intihalden ziyade bilişsel yük dışarı aktarma olduğunu savunur. Üst bilişsel tembellik (Fan ve ark. 2024) kavramını benimserler — YZ’nin kolaylığının öğrenenlerin temel öz-düzenleyici süreçlere angajmanını baltalaması, böylece öğrencilerin üst bilişsel sorumluluğu araca devretmesi — ve bir üst bilişsel eşitlik açığı (“YZ ile Matthew Etkisi”) tanıtırlar: YZ’yi verimli biçimde kullanmak Önceki Bilgi ve üst biliş gerektirdiğinden, halihazırda avantajlı öğrenciler daha fazla yararlanırken pratiğe en çok ihtiyaç duyanlar öğrenmeyi en olası biçimde devreder, mevcut eşitsizlikleri derinleştirir. Önerdikleri çözüm, öğrenci yüzü YZ ders sistemleri yerine öğretmen güçlendirme (aracı uzman öğretmenlere verip uygulamalarını ölçeklendirmek, öğretmen yüzü YZ’nin çok daha düşük maliyetle sonuçları iyileştirdiğini gösteren çalışmalarla desteklenir) ve Yük Azaltma Öğretimi ile üst bilişsel istemlerdir.

  • Aşırı güven, tüm Konuşma Tabanlı Yapay Zeka kuşaklarında önde gelen etik kaygıdır. Konuşma temelli YZ ajanlarının şemsiye derlemesi (Ganguly ve ark. 2025, 34 derleme), insan–YZ ilişkisi kaygılarının — aşırı güven ve sosyal etkileşimin azalması dahil — GenAI’den önce de var olan, tüm KTY kuşaklarında en sık tartışılan etik konu olduğunu bildirir. Ayrıca eğitim etkisini ve bilişsel kaygıları (aşırı güven ve bozulan eleştirel düşünme dahil) ikinci en çok tartışılan zorluk kategorisi olarak listeler ve yük dışarı aktarmanın zararının, GenAI’ye özgü bir yenilik olmaktan ziyade kalıcı, kuşaklar arası bir tema olduğunu vurgular.(Conversational AI agents in education: an umbrella review of current utilization, challenges, and future directions)

  • Bilişin yansıtıcı düzenleyicileri olarak öğretmenler: Ho ve Chen (2026), yük dışarı aktarma kuramını 18 görev başındaki öğretmenle görüşerek mesleki YZ yargısına genişletir. Öğretmenlerin GenAI ile bilişi tanıdığı, yeniden dağıttığı ve yansıtıcı biçimde yeniden devreye aldığı, YZ’yi düşünme yerine geçeni değil bilişsel bir ortak olarak çerçevelediği bir “üst bilişsel ekoloji” tanımlarlar ve yük dışarı aktarma yansıtmasız kaldığında YZ ile güçlendirilmiş Öğretmenlik ve yönetimde “mesleki kayma” riskini işaret ederler.

  • Yük dışarı aktarma değer temelli bir karar vermedir ve bazı öğrenciler diğerlerinden daha kırılgandır. Seung & Basham (2026), Learning Disability Quarterly dergisindeki kavramsal bir derlemede, GenAI yük dışarı aktarmayı performans hedefleri, görev zorluğu, akademik öz-yeterlilik ve araca ilişkin algılarla şekillenen bir maliyet–yarar kararı olarak modellemek üzere biliş bilimi, Özel Eğitim ve eğitim teknolojisini sentezler. Öğrenme güçlüğü olan öğrencilerin (SWLD) optimal olmayan yük dışarı aktarmaya özellikle kırılgan olduğunu savunurlar — yüksek bilişsel yük, çaba kaçıran performans hedefleri, düşük akademik öz-yeterlilik ve GenAI’ye yönelik abartılı beklentiler, erken veya aşırı devri daha olası kılar. GenAI, devir kararlarının öğrenen profilleri ve öğretim tasarımı ile nasıl etkileştiğine bağlı olarak telafi edici bir yardım veya kısayol olarak çerçelenir; öğretim Güvenlik Rayları kilit dengeleyici etkendir (üst bilişsel öz-düzenlemeyi öğret, araç güvenini kalibre etmek için YZ Okuryazarlığı geliştir, ustalık deneyimlerini sırala ve yalnızca ürünü değil süreci değerlendir). Bu, yük dışarı aktarmanın eşitlik boyutunu genişletir: erişim engellerini azaltan aynı araç, korumasız kaldığında, SWLD’lerin en çok ihtiyaç duyduğu pratiğin yerini alabilir.

  • Yük dışarı aktarma riski gelişimseldir. Niu ve ark. (2026), GenAI ve çocukların yaratıcı düşüncesi üzerine 24 kanıt kaynağını taramış ve yinelenen riskler arasında aşırı güven ve istek metnine bağımlılık, en güçlü biçimde alt sınıflarda bulmuştur; bunun yanında şablon temelli düşünme ve çocukların bir YZ önerisinin özgün olup olmadığını yargılamadaki zorluk yer alır. Bir fMRI karşılaştırması, çocuk–ChatGPT etkileşimi sırasında insan konuşmasına kıyasla bilişsel denetim ve dikkat ağlarının daha düşük angajmanını kaydetmiştir. Daha küçük çocuklar, metin temelli istek metniylemenin gerektirdiği dilbilimsel ve üst bilişsel becerilerden yoksun olduğundan, yazarlar YZ okuryazarlığı, yazarlık ve yardımsız fikir üretimini etkinliğin içinde tutmayı ve bağımsız yaratıcılığı YZ destekli çıktıdan ayrı ölçmeyi önerir. Bu, yukarıdaki kırılganlık kalıplarına bir yaş boyutu ekler.

  • “Daha az düşünmek ile farklı öğrenmek” sorusu koşulludur. Nesnin ve ark. (2026), daha geniş bir analitik derlemede YZ’nin mutlaka öğrencileri daha az düşünmek zorunda bırakmadığını, nasıl öğrendiklerini dönüştürdüğünü sonucuna varır — sonuç kullanıma bağlıdır. Açıklayan, doğrulayan ve yönlendiren YZ öğrenmeyi güçlendirir; bağımsız düşüncenin yerini geçen YZ pasif bağımlılık üretir. Bu, bilgi tabanının yaygın “iskele ile yerine geçme” sınırında ve yük dışarı aktarmanın koşullu zarar görüşünde buluşur.

  • Yük dışarı aktarma katman duyarlıdır: önemli olan yalnızca olusunun kendisi değil, devir derinliğidir. Chen (2026), akademik yazma için katman duyarlı bir açıklama sunar — yüzeysel (dilbilgisi/sözcük dağarcığı), yapısal (taslak/sıralama), fikir (iddialar/içerik) ve muhakeme (gerekçeler/karşı argümanlar/argümantasyon mantığı). Sekiz haftalık yarı-deneysel bir çalışmada, açık YZ işbirliği en yüksek desteklenmiş yazmayı ama en düşük bağımsız YZ’siz sonuçları üretmiştir; daha derin yük dışarı aktarma katmanları, bağımsız Yükseköğretim daha üst düzey düşünmesiyle en güçlü olumsuz ilişkiyi taşımıştır (muhakeme yük dışarı aktarma dolaylı ab = −0,34’e karşı yüzeysel −0,08). Öz-düzenlemeli yazma, zararı azaltmış ama ortadan kaldırmamıştır. Bu, iskele-ile-yerine-geçme sınırını inceltir: devir kullanımının bazı katmanları iskeleler, daha derin katmanlar ise Eleştirel Düşünme geliştiren bilişin yerini alır.

  • Yük dışarı aktarma öngörüsünün işareti tersine çevrilmiş nedensel testi: ChatGPT ile yazmak, yardımsız yazmaktan daha az öğrenme üretti. Wagner-Kobayashi (2026), aralarında konu deneyi olan bir deney yürütmüştür: 35 psikoloji öğrencisi bir girdi metnini detaylandırmaya 20 dakika harcamış, GPT-3.5 yalnızca deney grubuna açılmış ve önce/sonra özdeş bir bilgi testi yapılmıştır. Öngörülen grup × zaman etkileşimi anlamlı çıkmıştır (F(70) = 5,889, p = .018) ama tersini göstermiştir — ChatGPT olmayan grup daha fazla öğrenmiştir (son test M = 8,29’a karşı 6,94; b = −1,450) — bu da ChatGPT’nin yazarak öğrenme öngörüsüne göre detaylandırmayı güçlendireceği tahminini çürütmüştür. Kaçıp giden şey, detaylandırıcı çabanın kendisi olmuştur: katılımcılar araçla diyalogda yalnızca 2,25 örnek ve 0,88 bağlantı üretmiş ve sözcük sayısını derinliğe tercih ettiklerini bildirmişlerdir; yazarlar bunu, mevcut ama devreye alınmamış bir aracın kullanım eksikliği okumasıdır ve sayfanin başka yerinde kaydettiği azalmış zihinsel çaba ve kopyala-yapıştır davranışıyla uyumludur. Motivasyon modele girince grup × zaman etkisi çökmüştür (p = .280) ve daha yüksek motivasyon ile konu ilgisi kazancı yalnızca ChatGPT grubunun içinde öngörmüştür; dolayısıyla düşük motivasyonlu ve düşük ilgili öğrenciler, aracın dezavantajlı bıraktığı kişilerdir — sayfanın belgelediği aşırı güvene motivasyonel yol için deneysel destek. Yazarlar sonucu dar okur (zaman baskısı altında ve eğitim olmadan küçük, varsayım ihlali içeren bir etki) ve aracı yasaklamak yerine öğrencilere onu nasıl devreye alacaklarını öğretmeyi önerir; bu da bulguyu iskele-karşı-yerine-geçme sınırında tutar, araç üzerine bir hüküm haline getirmez.

  • Teslimiyet–yük dışarı aktarma–etkenlik sürekliliği. Sidney PreK-12 hızlı derlemesi (Arthars ve ark. 2026, 271 çalışma), GenAI kullanımını bilişsel, üst bilişsel ve duyuşsal boyutlarda çerçeveler: teslimiyet (öğrenmeyle ilgili işin sorumluluğunun GenAI’ye kayması, çoğu zaman farkına varmadan), yük dışarı aktarma (öğrenmeye ancak denetlendiğinde/detaylandırıldığında dönüşen, kasıtlı ve muhtemelen verimli devir) ve etkenlik (çaba ve yargının sorumluluğunu koruma). Ayrıca üst bilişsel eşitsizlik konusunda uyarır: daha zayıf üst bilişsel öğrenciler zararlı yük dışarı aktarmaya daha duyarlıdır ve onu tanımaya daha az yetkindir.(Young People, Learning, and Generative AI: A Rapid Literature Review and Implications for PreK-12 Education)

  • Bağımlılık yetenek kadar öz-yeterlilikle de yönetilir. YZ bağımlılığı yalnızca teknik becerinin bir ürünü değildir: Maizel ve ark. (2026), beceri temelli YZ okuryazarlığının daha yüksek bağımlılığı öngördüğini (yetkinlik-yetenek/yük dışarı aktarma görüşüyle tutarlı), YZ ve akademik öz-yeterliliğin ise aşırı güvene karşı tampon etkisi olduğunu göstermektedir — bu, yük dışarı aktarmanın yetenek kadar motivasyonel öz-yeterlilik inançlarıyla da yönetildiğini göstermektedir.

  • Yük dışarı aktarma yanıt verme eşiğini değiştirir, yalnızca kapasiteyi değil. Marcoccia ve ark. (2026), YZ önerisine yalnızca erişimin bile insanların “bilmiyorum” deme isteğini neredeyse ortadan kaldırdığını göstermektedir — öneri yanlış olduğunda bile — oysa güveni neredeyse ikiye katlarken doğruluğu üçte birine düşürmüştür; teşvikler (güvene dayalı bağımlılığı azaltarak) doğruluğu geri getirmiş ama askıya almayı getirmemiştir.

  • Güvenlik Açığı, mücadeleyi dışarı aktarmanın bedelidir. Wang & Shan (2026), bir öğrencinin YZ destekli performansı ile yardımsız yeteneği arasındaki ayrışmayı “Güvenlik Açığı” olarak biçimlendirir — YZ bilişsel işi yaptığında ve öğrenen onu yeniden üretemediğinde ortaya çıkan epistemik risk. Kim ve ark. (2026) ve Puech ve ark. (2025), Verimli Başarısızlık tasarımının (cevapları esirgeyerek mücadeleyi korumak) karşı önlem olduğunu göstermektedir.

  • ICAP/SAMR yelpazesi, yük dışarı aktarmayı ikili değil kipler sürekliliği olarak çerçeveler. Rummel, Nachtigall ve Panadero (2026), Thermomix mutfak makinesi benzetmesini, Üretici YZ ile öğrenmeyi ICAP ve SAMR çerçeveleri içinde eşleyerek, pasif yerine koymadan (ödevleri tamamen dışarı aktarma — yük dışarı aktarma ucu, beceri kaybı ve sınırlı Yaratıcılık riski) etkileşimli yeniden tanımlamaya (gerçek zamanlı uyarlanabilir geri bildirim ve birlikte inşa sağlayan bir diyalog ortağı olarak YZ — angaje olunmuş uç) uzanan dört senaryo göstermektedir. Bu, yük dışarı aktarmanın zararını, salt sıklıktan ziyade kullanım kipline koşullu olarak yeniden çerçeveler ve yaygın “iskele ile yerine geçme” sınırında buluşur: YZ kullanımının yelpazenin yerine koyma/Yerine Koyma mı yoksa yeniden tanımlama/Yeniden Tanımlama ucunda mı yer aldığı, öğrenmeyi geliştiren bilişi yer değiştirip değiştirmediğini belirler.

Aşırı güven: yük dışarı aktarma zararlı hale geldiğinde

Bu sayfanın izlediği merdivenin üç basamağı vardır ve yalnızca ilk ikisi buraya aittir. Yük dışarı aktarma, zihinsel işin devredilmesidir ve çoğu zaman verimlidir; aşırı güven, bunu kronik ve kalibre olmadan yapmaktır ve bu bölümün belgelediği davranışsal başarısızlıktır; Bilişsel Teslimiyet farklı bir başarısızlıktır — değerlendirme adımı hiç gerçekleşmez, dolayısıyla öğrenen YZ’nin cevabını niteliğine ilişkin herhangi bir yargı olmadan benimser. Sınır, YZ’nin neyi sağlaması istendiğinde görünür hale gelir: Du ve Yuan’ın aracı yardımı çıktı üretir, yargı taşıyan yardım ise çıktının yargılandığı standardı sağlar ve uzmanlığın bağlı olduğu işi yer değiştiren ikinci türdür. Sidney hızlı derlemesi, 271 çalışmada aynı üçlü ayrımı çizer. Dolayısıyla teslimiyetin kendi deneysel imzası ve kendi sayfası vardır; aşırı güven ise sıklık ve kalibrasyon sorunu olmaya devam eder ve ikisi aynı görevde ayrılabilir sonuçlardır — Shaw ve Nave’in denemelerinde, YZ’nin yanlış olduğu denemelerin %73,2’si teslimiyetle, %19,7’si stratejik yük dışarı aktarmayla sonuçlanmıştır. Tek bir çalışmanın dışındaki bir kıyas, aynı başarısızlığı ölçer ve onu yaygın bulur. ImpactBench, 48.540 benzetilmiş konuşma üzerinde on modeli puanlamıştır: Bilişsel Yük Dışarı Aktarma Asimetrisi ölçütü ortalama %51,9 ve Planlamayla İlgili Bilişsel Müdahale %47,1 olmuştur. Eğitim vakasında Claude Sonnet 5, benzetilmiş bir öğrenci bitmiş bir taslak için bastırdığında bir tezi, bir taslağı ve “yapıştırmaya hazır” bir makaleyi devretmiş, buna karşın atıf uydurmayı reddetmeye devam etmiştir (ImpactBench (2026)). Öğrenme ve Beceri Gelişimi, 14 alt alanın en zayıfı olmuştur; her iki kutupta %45,9 ve %16,3.

Aşırı güven, öğrencilerin kendilerinin yapması gereken bilişsel işi devrettiği, azalan öğrenme, azalmış Öğrenen Etkenliği ve beceri gelişiminin yerini alınmasıyla sonuçlanan, YZ araçlarına aşırı veya kalibresiz bağımlılıktır. Aşırı bilişsel yük dışarı aktarmanın davranışsal tezahürüdür: yük dışarı aktarma stratejik bir tercih yerine varsayılan hale geldiğinde ortaya çıkar. Aşırı güven, YZ’yi çok fazla kullanmakla değil; öğrenme süreçlerini tamamlamak yerine yerine geçecek biçimde YZ kullanmakla ilgilidir. Kavramsal çalışmalar, bu eğitsel aşırı güveni ilişkisel bağlanma ve klinik bağımlılıktan ayırmanın önemini vurgular: Yan (2026), güven, güven dayalı bağımlılık, aşırı güven, bağlanma ve sorunlu kullanımın konuşma temelli YZ literatüründe rutin biçimde birbirine karıştırıldığını ve sık devredilmenin, bozulmuş denetim veya zarar olmadan bağımlılık olarak etiketlenmemesi gerektiğini göstermektedir.

  • Verimlilik paradoksu: ustalık hedeflerinin “varsayılan olarak” yük dışarı aktarmaya çökmesi. Yan ve ark. (2026), ustalık odaklı hedefler dile getiren ama yüzeysel benzeri süreçler yaşayan öğrencileri tanımlar; bunlar yükü “kasıtlı olarak değil, varsayılan olarak” dışarı aktarır: üç niyet grubu (Dış Kaynak Kullanım Aracı n = 16, Öğrenme Asistanı n = 31, Bilişsel Ortak n = 8), tipik durumun ne kasıtlı hile ne de kasıtlı öğrenme olduğunu gösterir. Dış kaynak kullanım grubundaki öğrenciler kendi kopuşlarını tanımış (“beynimin yerine tamamen geçti” biçiminde betimlenen paragraf paragraf kopyala-yapıştır) ve hızlı unutma bildirmiştir; 38 röportajcının tamamı GenAI’yi etkin biçimde kullanmada düşük güven bildirmiştir — aşırı güvenin, çalışmaktan kaçınma motivasyonundan ziyade eksik öncül koşullarla (YZ Okuryazarlığı, istek metni yetkinliği, göreve özgü rehberlik) yürüyebileceğine dair kanıt.

  • Etkenli temelli kodlama, anlamayı alanda dışarı aktarır: Tanaka ve ark. (2026), bir yazılım projesi dersinde YZ ajanları kullanan lisans öğrencisinin yıllık olarak daha fazla kod yazdığını ama yoğun kullanımda anlama düşüşleri gösterdiğini bildirir — bu düşüşler, YZ tarafından üretilen kodun birebir eğitmen doğrulamasıyla telafi edilebilir. YZ’nin eğitimdeki en önemli sonuçları arasında yer alır:

  • Öğrenmenin yerini alma: YZ’nin bilişsel etkileri üzerine araştırmalar, YZ’nin mevcudiyetinin çaba gerektiren işlemeyi nasıl azalttığını belgelemektedir — “muhakemeye genişletilmiş Google etkisi.” Stamatoulis ve ark. (2026), bunu kullanımın ayrı bir kalıbı olarak izole eder: düşük doğrulamalı benimseme (YZ çıktısını eleştirel olmadan kabul etme) daha kötü akademik performansı öngörürken, değerlendirici bütünleme (anlamayı desteklemek için YZ kullanma) daha iyi performansı öngörmüştür — ve kullanım sıklığı tek başına hiçbirini öngörmemiştir. Dolayısıyla aşırı güven, öğrencilerin YZ’yi ne kadar kullandığından ayrılabilen bir kullanım kiplidir.

  • Etkenlik sorunu: YZ-eğitiminin tamamlanmamış misyonu, aşırı güveni bir etkenlik ve motivasyon krizi olarak çerçeveler — öğrenciler öğrenmeyi atlar, çünkü YZ onları zahmetsizce tamamlayabildiğinde öğrenme görevleri amaçsız hissettirir.

  • Motivasyon erozyonu: Öğrenci motivasyonu araştırmaları, YZ’nin mevcut olduğunu bilmenin beceriyi kendi başınıza öğrenmenin algılanan değerini azalttığını bulmaktadır; bu, özellikle yeni öğrenenleri etkileyen bir motivasyonel hesaptır.

  • Israrlılık da hızla erozyona uğrar. İstek üzerine yanıt veren bir asistanla yaklaşık on dakika geçirdikten sonra, katılımcılar kontrole göre 0,20’ye karşı 0,11 yardımsız problemi atlamış ve 0,73’e karşı 0,57 çözmüştür; bu bulgu okuduğunu anlamada da tekrarlanmıştır (Liu ve ark., 2026).

  • Okuryazarlık borcu: Etkenli okuryazarlık borcu, öğrencilerin kendi yetkinliklerini geliştirmek yerine alışkanlıkla YZ’ye bel bağlamasıyla gelişen kümülatif beceri açığını betimler; yazılımdaki teknik borça benzer.

  • Yorgunluk döngüleri: YZ yorgunluğu araştırmaları, aşırı güvenin sürekli YZ etkileşimi yönetiminden kaynaklanan bilişsel yorgunluğa yol açtığı, bunun da sırayla DAHA FAZLA güvene yönelttiği bir paradoksu tanımlar — kısır bir döngü.

  • Yerleştirme kuralı: Effortless Trap, izin verme ile yasaklama arasındaki tercihi bir yerleştirme sorusu olarak yeniden çerçeveler — korumasız bir YZ yardımcısı lise öğrencilerini yardımsız bir sınavda yaklaşık %17 daha kötü bırakmıştır, oysa cevapları esirgeyecek biçimde yeniden kurulmuş aynı model zararı sildi. Onun tanı aracı — “YZ’nin içeri alınması görevi zahmetsiz hissettiriyorsa, yanlış yerde duruyordur” — ilk ciddi denemeyi ve son yardımsız kontrolü, aşırı güvenin en kolayca “öğrenme yanılsaması” olarak gizlendiği anlar olarak güvence altına alır.

  • Üst bilişsel korunma: Sentez-Analiz Karşılıklılık Modeli, YZ etkileşimini YZ üretim döngüleri yerine insan analiz döngüleri etrafında yapılandırarak insanın epistemik etkenliğini koruyan araçlar önermektedir.

  • Aşırı kullanımın üst bilişsel mekaniği: inançlar-karşı deneyimler çerçevesi, öğrencilerin neden kendilerine zarar verse bile aşırı yük dışarı aktardığını açıklar — insanlar dürtüsel biçimde yük dışarı aktarır ve önceden var olan üst bilişsel inançlar, görev deneyimlerinin düzeltebileceğinden daha hızlı davranışı çapalar — dolayısıyla aşırı güvenin panzehiri yalnızca kısıtlayıcı değil, üst bilişseldir.

  • Aşırı güven, kalibrasyon eğitimiyle eğitilebilir: Ngai & Gilbert (2026), hatırlatma yanlılığının — aşırı güvenin laboratuvar benzerisi — kısa bir üst bilişsel müdahale (bir tahmini geri bildirimle eşleyen beş pratik deneme) ile azaltılabileceğini, kalibrasyonun her iki yönde düzeltilebileceğini göstermektedir. Bu, aşırı güvenin panzehiri yalnızca kısıtlayıcı kurallar değil, öğrencileri yardımsız gerçekten neler yapabileceklerine ilişkin doğru kılan kalibrasyon eğitimi olduğunu ima eder.

  • Alan kanıtı: koçluk yapan ile cevap veren YZ. NUMI (Oreopoulos ve ark. 2026), cevap vermek yerine koçluk yapan YZ desteğinin öğrencileri yavaşlattığını ama çaba kaçınmasını azalttığını bulmuştur — soru başına daha fazla zamanla hatalardan sonraki deneme doğruluğunu iyileştirerek (“verimli yavaşlama”) — oysa Khanmigo (Oreopoulos & Low 2026), hataları sonuç doğurucu kılan bir yapı olmadan öğrencilerin yüzeysel kullanıma (çıplak cevaplar, istek metni tıklamaları) düştüğünü ve kazanımların YZ’siz pratikle eşleştiğini göstermiştir. İkisi de yük dışarı aktarmanın zararının, yalnızca erişimde değil YZ’nin nasıl kullanıldığına ve tasarlandığına bağlı olduğunu doğrular. CoMeT (Hou ve ark. 2026), bu sınırın örtük bıraktığı tasarım boyutunu sağlar — bir ders sistemi, daha fazla devir satın almadan işin daha fazlasını taşıyabilir. Merdiveni, öğrenen desteğini kullanmadığı her seferinde bir basamak tırmanmış ve benimsemede en hafif basamağa düşmüştür; tasarımı gereği cevapları esirgeyen bir ders sistememiyle istatistiksel olarak eşdeğer üst bilişsel talebi korurken (p_TOST = .004), benzetilmiş bir öğrenci çalışma alanına o esirgeyen sistem altında %23,7’ye karşı %48,1 oturumda bir yapıt ulaştırmıştır ve öğrenciler ondan isteğe bağlı cevap veren bir ders sistememi altındaki %51,1’e karşı %50,4 oturumda inşa etmesini istemiştir (OR = 0,95, p = .82). Devir, sistemin üstlendiği iş miktarından ziyade öğrenen üzerine koyduğu talebi izlemiştir.

  • Geniş ölçekli alan kanıtı: “Üretici YZ öğrenme cezası.” Strömberg, Lei ve Wu (2026), 30 ay boyunca 26.811 Çinli ortaöğretim öğrencisini izleyerek, öz-yönelimli üretken YZ benimsemesinin ödev puanlarını %18 artırırken ödev süresini %30 kısalttığını, altı ay içinde kitapsız sınav puanlarını %20 ve iki yıl sonra giriş sınavı puanlarını %18–24 düşürdüğünü bulmuştur — bu etki, ödev dış kaynak kullanımını işaret eden davranış gösteren kullanıcıların yaklaşık %81’inde yoğunlaşmıştır (kısa tamamlama süresi + şişirilmiş ödev puanları). Bu, korumasız yük dışarı aktarmanın (YZ’yi bir ders sistemi yerine ödev yerine geçeni olarak kullanmak) bilişsel yük dışarı aktarmanın öngördüğü öğrenme cezasını ürettiğine dair doğrudan geniş ölçekli kanıttır ve bu çoğu zaman öğrenciler tarafından fark edilmez.

  • Aşırı güven, motivasyon ve öz-yeterlilik yoluyla öz-yönelimli öğrenmeyi aşındırır. Zhao & Gu (2026), mekanizmayı doğrudan modeller: 487 Çinli lisans öğrencisi üzerinde, GenAI’nin düşüncesiz kullanımı (TUGA) — YZ çıktılarını eleştirel değerlendirme olmadan benimseme — Öz Yönlendirilmiş Öğrenmeyi (β = −0,42) doğrudan ve Motivasyon (TUGA’dan β = −0,54 yolu) ile Öz Yeterlilik (β = −0,37) kısmi aracılığı yoluyla önemli ölçüde baltalamıştır. Model, SDL varyansının %75,3’ünü açıklamıştır. Motivasyon SDL’nin en güçlü olumlu itici gücü olduğundan (β = 0,68) ve düşüncesiz kullanım onu bastırdığından, bu, aşırı güvenin özerk öğrenmenin bağlı olduğu motivasyonel ve öz-yeterlilik kaynaklarına zarar verdiğine dair nicel kanıttır — cinsiyet farklılıklarıyla (erkeklerde daha güçlü motivasyon zararı, kadınlarda daha güçlü öz-yeterlilik zararı).

  • Yük dışarı aktarma eğilimi, daha düşük üst düzey sonuçları öngörür ve doğrulama okuryazarlığının kazanç sağlaması için üst biliş gerekir. Davor, Larbi ve Boateng (2026), Gana’daki 533 üniversite öğrencisini ankete tabi tutup yük dışarı aktarma eğilimini, YZ görev iskelelemesini ve YZ doğrulama okuryazarlığını, daha üst düzey sonuçlara karşı üst bilişsel öz-düzenleme yoluyla modellemiştir. Yük dışarı aktarma eğilimi, eleştirel düşüncenin (−.240) ve teknik problem çözmenin (−.312) en güçlü olumsuz yordayıcısı olmuş ve üst bilişsel öz-düzenlemeyi de bastırmıştır (−.294); iskeleleme ise her iki sonucu da olumlu yönde öngörmüştür (.185 ve .170). Doğrulama okuryazarlığının her iki sonuç üzerinde anlamlı doğrudan etkisi olmamış ve yalnızca üst bilişsel öz-düzenleme yoluyla işlemiştir; yazarların üst bilişsel etkinleştirme mekanizması adını verdiği bu tam aracılık kalıbı, YZ çıktısını denetlemeyi öğretmenin tek başına yeterli olmadığını göstermektedir, çünkü değerlendirici alışkanlık yalnızca görev sırasında planlama, izleme ve yansımayla gömüldüğünde kazanç sağlar.

  • Bağımlılık, kullanımın yararı üzerinde bir sınır koşulu olarak işler. Shojaei ve ark. (2026), Umman’daki 412 lisans işletme öğrencisini ankete tabi tutup GenAI kullanımı ile öz-bildirimli eleştirel düşünme eğilimi arasındaki ilişkiyi ayrıştırmıştır: sıfır mertebeli korelasyon sıfıra yakındı (r = 0,050), düzeltilmiş katsayı ise olumluydu (.185), çünkü bağımlılık yoluyla olumsuz bir dolaylı yol (−0,147) onu dengelemektedir. Bağımlılık hem eğilimle (−.389) hem de öz-algılanan istihdam edilebilirlikle (−.328) olumsuz ilişkiliydi ve her iki kullanımdan-sonuçlara bağlantıyı zayıflattı; basit eğimler düşük bağımlılıkta 0,424’ten yüksek bağımlılıkta −0,054’e düştü — tersine dönüş değil, zayıflama. Okuma bulguyu sınırın kullanım kipli tarafında tutar: bağımlılık, kullanımın arttırmadan yerine geçmeye kaydığı yeri işaret eder ve sıklık tek başına karşıt yolları maseler.

  • YZ’ye aşırı güven, karmaşık bir uyarlanabilir sistem olarak. Aşırı güveni tek tek kullanıcı düzeyinde incelemek yerine, bir modelleme çalışması, ajanların YZ kalitesi hakkında Bayesian inançlarını güncellediği ve ağa bağlandığında akranlardan öğrendiği, nüfus düzeyinde bir süreç olarak çerçeveler. Sosyal kanıt, güveni bir geri bildirim şelalesine dönüştürebilir (görünür doğrulanmamış kullanım doğrulamayı baskılar), oysa sosyal öğrenme aşırı güven yerine konsensüs yaratır — bu çerçeveleme, müdahale hedeflerini bireysel kalibrasyondan güven ve bağımlılığın ağsal dinamiklerine kaydırır.

  • Verimli bağımlılığı zararlı bağımlılıktan ayıran altı tanı kriteri. Du & Yuan (2026), aşırı güvene kullanım sıklığından daha ayrıntılı bir tanılayıcı sözlük verir ve aracı yardımı (YZ’nin çıktı üretmesine yardımcı olması) yargı taşıyan yardımdan (YZ’nin çıktının değerlendirildiği standartları sağlaması) ayırır. Derlemeleri, verimli/zararlı sınırını altı ölçütle uygulamaya koyar — itiraz edilebilirlik, kurtarılabilirlik, aktarım, izlenebilirlik, dağıtılmış sorumluluk ve epistemik çoğulluk — ve yük dışarı aktarmanın yargıyı geliştiren epistemik işi korduğu veya yer değiştirdiği dört sosyoteknik yolu (akıcı otorite, sürtünmesiz devir, opak sentez, kurumsallaşmış bağımlılık) izler. Bağımlılık bağlamsal ve kurumsal olduğundan yalnızca bireysel değildir; çerçeve dikkati, öğrenen öz-düzenlemesinin yanında değerlendirme teşviklerine, arayüz tasarımına ve tedarike yönlendirir.

  • Ölçülmemiş sonrası: bilişsel erime. Yajee (2026), alanın en büyük açık sorusunu geri çekilme sonrası olarak adlandırır: yük dışarı aktarma araştırmalarının neredeyse tamamı bilişi YZ kullanımı sırasında ölçer, ancak bir asistanın günlerce veya haftalarca elinden alındıktan sonra (bir sınav, bir kesinti, bir lisans incelemesi) ne olduğunu neredeyse hiçbir şey ölçmez. Bilişsel erimeyi, bir Erime Eğrisi Modeliyle biçimlendirir — toparlanma zaman sabiti, toparlanma tamlığı, artık büyüme ve yeniden öğrenmeyi özgün çabayla karşılaştıran bir histerez indeksi için tahmin edilebilir parametreler — ve dört olası sonuç (elastik sıçrama, kısmi plato, gizli iskele, aşırı toparlanma). Tersine çevrilebilirlik, kaynaklı bir açığın bir rahatsızlık mı yoksa kohort düzeyinde bir yaralanma mı olduğunu belirlediğinden, çalışma geri çekilmenin benimsemeyle aynı yöntemsal saygınlığı hak ettiğini savunur ve sonuçlar arasında hüküm vermek için üç kollu, üç alanlı, yirmi iki haftalık bir protokol belirtir. Bu, yukarıdaki “koç ile koltuk değneği” ve yerine geçen-karşı-çoğaltan ayrımlarını, dışarı aktarılan becerilerin geri gelip gelmediğine ve ne kadar hızlı geri geldiğine dair sınanabilir boylamsal bir araştırma gündemine dönüştürür.

  • Alan bilgisi olmadan güven dayalı bağımlılık tahmine dönüşür. Mikhasenko ve ark. (2026), Ruhr Üniversitesi Bochum’da giriş düzeyi nükleer ve parçacık fiziği kursunu yeniden tasarlarken, alan bilgisinin yokluğunda güven dayalı bağımlılığın bir başarısızlık kiplerini betimler: bir öğrenci üretilen cevabın fiziksel olarak sağlam olup olmadığını yargılayamadığında, amaçlanan “YZ ile sohbet” makul ama güvenilmez çıktıya karşı tahmine dönüşür. Aynı kursun yarı dönem anketi (n=30), sık LLM kullanımı (29 kişiden 24’ü sık veya her zaman kullanıyor) ile ödevlerin gerektirdiği bilgi işlem akıcılığına ilişkin düşük öz-bildirimli hazırbulunuşluğu yan yana bulmuş ve açık yanıtlar, YZ bağımlılığı ile ücretli modellere eşitsiz erişimi sürtünme noktaları arasında saymıştır.

  • Daoist karşı-argüman: yük dışarı aktarma yalnızca pratik değil, kendine ters düşen bir şeydir. Xie (2026), Daoist öz-yetiştirmeden normatif, devretmeye karşı bir karşı-argüman sunar: Neidan (內丹) uygulamasında “bilişsel kısayollar yoktur” ve uygulayıcı emeği dış aygıtlara devredemez, dolayısıyla YZ “bilişsel bir yerine geçen değil, aracı bir ek olmalıdır” — simyasal bir fırına benzer — bu çerçeveleme, yerine geçen yük dışarı aktarmadan ziyade yukarıdaki “koç ile koltuk değneği” sınırıyla uyumludur.

Yük dışarı aktarma yalnızca beceriyi değil, benliği de bedelleyebilir. de Barba (2026), öğrenenin alan benliğinin, yetenekleri YZ destekli bir araçta bulunan ve yalnızca sağlayıcının koşullarıyla erişilebilir olan kısmını kiralık benlik olarak adlandırır ve iki bedeli ayırır. Kalibrasyon bedeli, yanlış konumlanmış bir yer yargısıdır — sahip olunan bir yeteneğin olduğundan az iddia edilmesi veya aracın sahip olduğu bir yeteneğin olduğundan fazla iddia edilmesi — benlik bedeli ise çekirdek bir yetenek kiralandığında ortaya çıkar, bilinçli olsa bile, çünkü benliği inşa eden işlemler hiç gerçekleştirilmez. Dört yapılandırması yeri atıfla kesiştirir: sahip olunan yetkinlik, iddia edilmemiş yetkinlik, görünür kira ve gizli kira; sonuncusu, öğrenciyi zaten sahip olduğuna inandığı şeyi inşa etmeye iten sinyali ortadan kaldıranıdır.

30 uzmanın konsensüsü, hasarı öğrenme dizisinin her iki ucuna yerleştirir. 65 öğrenme süreci üzerinde önceden kaydedilmiş bir Delphi çalışması, edinimi kırılgan (1-5 bozulma ölçeğinde Kodlama 3,30, Geri Çağırma 3,30, Bilgi Edinimi 3,00), pekiştirmeyi güçlendirilmiş (Geri Bildirimden Öğrenme 4,00, Örneklerden Öğrenme 3,90, Öz-Test 3,80) ve daha üst düzey düşünmeyi yeniden kırılgan bulmuştur (Kendeou, Greene & Nixon ve ark., 2026). On sekiz üst düzey süreçten onu, yalnızca kırılganlık üzerine konsensuse varmıştır; güçlendirme derecelendirmeleri eşiğin altında kalmıştır.

BYK çerçevesi

Bilişsel Yük Kuramı (Sweller), çalışma belleği ve öğretim üzerine tartışmalı bir teorik mercek sağlar: içsel yük (görev karmaşıklığı), dışsal yük (sunum sürtünmesi) ve faydalı yük (şema oluşturma çabası). İyi tasarlanmış bir YZ, dışsal yükü azaltırken faydalı işlemeyi korumalıdır; kötü entegre edilmiş YZ üçünü birden azaltır ve öğrencileri tamamlanmış görevler ve boş öğrenme ile bırakır. Kuramın iddialarının daha geniş literatürde tartışmalı olduğuna dikkat edin, ancak çerçevelemesi, yük dışarı aktarma etkilerinin nasıl tartışıldığına ilişkin olarak etkili kalmaya devam etmektedir.

Yük dışarı aktarmanın meslek düzeyindeki getirileri. Bilişsel Ortak Alan çerçevesi (Lovett 2026), yük dışarı aktarmayı bireyselden kolektif düzeye genişletir: YZ, genç çalışanların derin uzmanlığı geliştiren bilişsel mücadeleyi atlamalarını sağladığında, zamanla bir mesleğin paylaşılan uzmanlık havuzunu tüketebilir — “Doğrulama Bağı” ifadesiyle, etkin YZ denetiminin, YZ benimsemesinin baltalayabileceği ustalığa bağlı olduğu kastedilir. Bu, bireysel düzeydeki yük dışarı aktarma ve beceri erozyonunu, YZ Yönetişimi çıkarımları olan sistem düzeyinde bir yenilenme sorunu olarak yeniden çerçeveler.

İlgili kavramlarla bağlantılar

Bilişsel yük dışarı aktarma (ve zararlı biçimi, aşırı güven), temelde Güven Kalibrasyonu — YZ’ye ne zaman güvenileceğini ve ne zaman sorgulanacağını bilmeye — ve YZ’ye ne zaman yük dışarı aktarılacağını ve kendi bağımlılık kalıplarını tanımayı içeren üst bilişsel beceri olarak YZ Okuryazarlığı bağlanır. Bilişsel talebi ortadan kaldırmadan yükü azaltan yapılandırılmış destek olan İskeleleme (Scaffolding) ve LLM etkileşimlerinde yük dışarı aktarmanın yürütüldüğü temel mekanizma olan İstek Metni Mühendisliği ile bağlantılıdır. Metabiliş ve Öz Düzenlemeli Öğrenme ile kesişir — etkin öğrenenler yük dışarı aktarma kararlarını kalibre eder — ve Eleştirel Düşünme, Öğrenen Etkenliği ve Öğrenci Deneyimi ile. Çevrim İçi Öğretim ve Öğrenme özellikle kırılgan bir bağlamdır: ortam zaten öğrenenleri anlık hesap verebilirlikten uzaklaştırır ve kendi hızında, ekran temelli iş, yük dışarı aktarma araştırmalarının çekirdek zarar mekanizması olarak tanımladığı “cevabı iste” kısayoluna davet eder (bkz. YZ Yanlış Kullanımı ve Öğrenmeye Zarar).

Dışarı aktarılan her sürtünme fazlalık sürtünme değildir. Zohar, Bloom ve Inzlicht (2026), yük dışarı aktarma literatürünün ihtiyaç duyduğu ayrımı çizerler: önceki Teknolojiler fazla sürtünmeyi — az öğrenme veya anlam değeri olan sıkıcı veya aşılamaz engelleri — ortadan kaldırdı; üretken YZ ise entelektüel işte faydalı sürtünmeyi de sıyırır ve öğrenenin çıktıyı sorgulamadan fikir oluşumundan değerlendirmeye geçmesine izin verir. İlişkilendirici kanıtları açıkça sunarlar: YZ kullanan insanlar kendi işlerini doğru biçimde hatırlamakta veya yeniden üretmekte zorlanır, daha az beceri edinir, daha az aktarım gösterir ve YZ desteği kaldırıldığında daha kötü performans sergiler — YZ asistanıyla kompozisyon yazmanın EEG çalışmalarından gelen bilişsel borç bulgularıyla buluşur. Argümanları ayrıca saf bilişsel hesapların kaçırdığı mekanizmanın motivasyonel yarısını sağlar: çaba, eylemlerimizin önemli olduğunu işaret ettiğinden, onu dışarı aktarmak değerlendirilen amaç ve anlamı azaltır ve YZ bir alanda çabanın yerini geçtikçe oradaki çabanın motivasyonel kazancı erozyona uğrar, bağımlılığı derinleştirir. Çalışmanın düzelticisi bir yasak değil bir eğimdir — orta düzeyde mücadeleyi koruyun, yalnızca bunaltanı ortadan kaldırın (İstenen Zorluklar, Motivasyon).

  • Yetersiz angajman sinyali gelişimsel olarak görülür. Çocukların ve yetişkinlerin ChatGPT ile konuşmasını karşılaştıran ilk nörogörüntüleme çalışmasında, 6–7 yaşındaki çocukların ön-parietal denetim, belirginlik ve sırtal dikkat ağlarında yetişkinlerden daha zayıf ağ içi bağlantı gösterdiği bulunmuştur — eşleştirilmiş yaratıcılık puanlarında — ve yetişkinlerin gösterdiği yaratıcılık–bağlantı çiftleşmesinden yoksun kalmışlardır. Bu yürütücü işlevler (planlama, izleme, inhibisyon) birinci sınıfta olgunlaşmamış olduğundan, yazarlar sonucu minimum yaş tartışmasıyla ilgili olarak okurlar. Sınırlamalar: ChatGPT olmayan bir kontrol yok, n = 31 ve çocukların eleştirel değerlendirmesini baskılamış olabilecek bir çerçeveleme karışıklığı (Horowitz-Kraus ve ark. (2026)).

  • Bağımlı ile özerk yük dışarı aktarma karşısında — sonucu belirleyen ayrım: Fan, Li ve Zhang (2026), GenAI kanıtlarını bu sınırın keskinleştirilmiş bir sürümü etrafında düzenler; 589 öğrenci ve kariyerinin başındaki bilgi çalışanı üzerine üç dalgalı bir çalışmadan yararlanır: bağımlı yük dışarı aktarma, çekirdek düşünceyi araca devreder ve devredilmiş Öğrenen Etkenliği, daha düşük içsel motivasyon ve daha kötü algılanan bilişsel sonuçlarla ilişkilidir; özerk yük dışarı aktarma ise epistemik etkenliği öğrenende tutar ve tersi kalıbı göstermiştir. Tespit için en önemli olan bulgu, iki kip arasında anlık performans yararlarının farklı olmamasıdır; dolayısıyla bir öğrencinin belirli bir gün görevleri akıcı biçimde çözmesi, hangi kipte olduğuna dair hiçbir sinyal vermez. Aynı derleme, kanıtlardaki daha geniş ayrımı da kaydeder — orta düzeyde genel yararın üç düzeyli bir meta-analizi (g = 0,499; kavrama, biliş ve yaratıcılık için g = 0,669) — bağımlılık, yorgunluk ve daha zayıf Eleştirel Düşünme arasındaki ilişkilere karşılık; uyumsuz kullanımı, teknoloji bağımlılığından ziyade dışsallaştırılmış öz-düzenlemeye bağlar.

  • Üç etkileşim yolu, tek bir davranış değil. Nöroplastisite-YZ Etkileşim Modeli (NAIM), modelin çözümü sağlayıp üretken çabanın ortadan kalktığı doğrudan atlamayı; özel alt süreçlerin devredildiği ve etkinin o alt süreçlerin öğrenme hedefi olup olmadığına bağlı olduğu bilişsel yük dışarı aktarmayı; ve modelin yardımı çaba gerektiren işlemeyi koruyacak biçimde sınırladığı iskelelemeyi birbirinden ayırır (Bypass, Offload, or Scaffold: A Conceptual Model of How Large Language Models Shape Learning)

Bu iddinin iki yarısını — davranışın kayıp kaymadığı ve korunan şeyin ne olduğu — son dönemdeki iki kontrollü çalışma sabitlemiştir. Maier ve ark. (2026), kesir aritmetiği pratiği yapan 704 katılımcıyla önceden kaydedilmiş bir deneyde, yük dışarı aktarmanın öğrenme sonucunu her seçimden önce görünür kılmıştır: bir cevabı dışarı aktarma oranı OR = 0,47’ye düştü ve sonraki yardımsız test maddesini doğru cevaplama oranı OR = 1,51’e yükseldi, oysa çaba temelli bir ödül hiçbir sonucu hareket ettirmedi. Yük dışarı aktarma oturum içinde birikti — bir maddeyi dışarı aktardıktan sonra katılımcılar bir sonrakini geri bildirim olmadan %69,7 olguda, geri bildirimle %55,9 olguda dışarı aktardı — ve yük dışarı aktarmada on yüzde puanlık bir artış, yardımsız başarı olasılığının %32 daha düşük olmasıyla ilişkiliydi (OR = 0,68). Bergh ve ark. (2026), sonuç tarafının tamamlayıcısını sunarlar: ChatGPT ile kod yazan 55 bilgisayar bilimi lisans öğrencisi, onsuz çözenlere karşı %89 puan aldı, aynı materyalin daha azını anında (%41’e karşı %53) ve 48 saatte (%39’a karşı %52) hatırladı ve teslim edilen kodun yalnızca %45’ini kendisine atfetti (%81’e karşı). Birlikte okunduğunda, geri bildirim çalışması davranışın araca erişimi kısıtlamadan kaydırılabileceğini, programlama çalışması ise kaydırılan davranışın neyi koruduğunu gösterir.. Model, mevcut en güçlü alan kanıtına karşı kalibre edilir: neredeyse 1.000 lise matematik öğrencisini kapsayan bir çalışmada kısıtlanmamış GPT-4 erişimi, pratik performansını %48 artırmış ama yardımsız sınavda %17’lik bir açık bırakmıştır; oysa ipucu kısıtlı GPT Ders Sistemi %127’lik bir pratik kazancı üretmiş ve sınav açığı büyük ölçüde ortadan kalkmıştır. Dolayısıyla yük dışarı aktarma yalnızca atlama yapılandırmasında zararlıdır ve belirleyici tasarım değişkeni, modelin puanlanan hedef becerinin yerine geçip geçmediğidir. (Bypass, Offload, or Scaffold: A Conceptual Model of How Large Language Models Shape Learning) Aynı mantık, ödül şekillendirmeyi bir tasarım aracına dönüştürür: Macina ve ark. (2026), LLM ders sistemlerini maskelenmiş yakın-aktarım sonrası testi ve iki ikili kapıyla eğitir, böylece ödül yalnızca öğrencinin kendi turlarında yazdığı şeyden yükselebilir ve onların ablasyonu, ham öğrenme kazancı ödülünden ziyade kapıların çözüm devrini azalttığını gösterir.

Bağlı kavramlar

Bağlı makaleler

Bağlı SSS

Bağlı kaynaklar

  • PAUSE: Patterns of AI Use Self-Examination
    YZ'ye ne yüklediğinize ilişkin, yalnızca tarayıcıda çalışan, on dakikalık bir öz kontrol; her madde ardındaki araştırma makalesine kadar izlenebilir.
  • Öğrenciler için Yapay Zeka Rehberi
    A free three-edition student guide to artificial intelligence from Elon University, AAC&U and The Princeton Review, whose 2026 edition builds ten human capacities with teacher-ready learning modules and an anonymous self-assessment.

Üst veri

Hedef kitleLearners
Öğrenme ve öğretimMetabiliş, Öz Düzenlemeli Öğrenme
Teknolojiler ve tekniklerÜretici YZ
Eşitlik, etik ve sorumlu kullanımGüven Kalibrasyonu
Eğitimde YZ’nin temelleriYZ Okuryazarlığı, Bilişsel Yükü Dışarı Aktarma
SourceHistoryEditChat

Bu sayfayı göm

Bu sayfayı bir öğrenme yönetim sistemine veya başka bir web sitesine gömmek için aşağıdaki kodu kopyalayın. Gömülü sürüm yalnızca sayfa içeriğini gösterir — site başlığını, gezintiyi ve alt bilgiyi gizler.