Eğitim Kademeleri

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

Eğitim kademeleri — bu bilgi tabanının level üst verisini düzenleyen bantlar: okul öncesi, ilköğretim, ortaokul, ortaöğretim, K-12, yükseköğretim, lisans, lisansüstü, yetişkin öğrenimi, özel eğitim ve öğretmen eğitimi. Bu sayfa, o alanın çatı sayfasıdır, tek bir bant sayfasının kopyası değildir: bantlar arasında geçiş yaparken neyin değiştiğini, okul/üniversite ayrımının öğretilen derse kıyasla neden daha fazla önem taşıdığını ve YZ kanıtının nerede yoğun nerede seyrek olduğunu açıklar.

Üzerinde Düşünülebilecek Sorular

• Bir lisansüstü seminer ile ikinci sınıf bir matematik dersi de “eğitimdir”; ancak birinin işine yarayan bir araç diğerine zarar verebilir. Banttan — ders değil — kaynaklanan hangi özellik, iyi bir YZ kullanımının görünümünü değiştirir?
• 132 ikinci sınıf öğrencisiyle yürütülen bir denemede, uyarlanabilir bir matematik özel dersçisinin sabit bir sıralamadan iyi olmadığı bulunmuştur. Bir üniversite öğrencisi için aynı sıfır sonucu bekler miydiniz ve uyarlama sessizce hangi öğrenen kapasitesini varsayar?
• “K-12” ve “yükseköğretim” etiketlerinin her biri birkaç ayrı ortamı tek bir etikette sıkıştırır. Bu etiketler hangi karşılaştırmaları gizliyor?
• Bir bandın kanıt tabanı seyrekse, dürüst yanıt hiçbir şey söylememek mi, komşu bandan ödünç almak mı, yoksa bir çalışma tasarlamak mı olmalıdır?

Giriş

level üst veri alanı, bir kaynağın ait olduğu eğitim bandını adlandırır — yaşları değil bantları: okul öncesi, ilköğretim, ortaokul, ortaöğretim, K-12, yükseköğretim, lisans, lisansüstü, yetişkin öğrenimi, özel eğitim, öğretmen eğitimi. Bazıları okul eğitiminin bir aşamasını adlandırır, ikisi üniversite eğitiminin birbirinden çok farklı yarılarını adlandırır, ikisi bir aşama değil bir öğrenen nüfusu tanımlar ve biri de öğreten kişileri adlandırır. Bir kaynak aynı anda birden fazla bandı taşıyabilir.

Bu sayfa o alanın çatı sayfasıdır; bant sayfuları derin işi yapar ve bu sayfayla birlikte okunmalıdır: K-12, Erken Çocukluk Eğitimi, Yükseköğretim, Yetişkin Öğrenenler, Özel Eğitim, Mesleki Gelişim ve Mesleki ve Teknik Eğitim.

Bir bandı diğerinden ayıran nedir

Bantlar birkaç eksende aynı anda farklılaşır ve YZ araştırmaları genellikle bunlardan yalnızca birinde değişir.

• Öz düzenleme kapasitesi. Aynı ikinci sınıf matematik özel dersçisinin iki sürümü — özdeş içerik, arayüz, geri bildirim ve sözlü ipuçları; yalnızca görev seçiminin bir Bayes Bilgi İzleme ustalık tahmini izleyip izlemediği bakımından farklı — 132 yedi yaşındaki çocuk arasında hiçbir son test farklılığı üretmemiştir (F(1, 124) = 0,32, p = ,574). Yazarların birinci açıklaması gelişimseldir: uyarlanabilir sistemler, geri bildirimle etkileşime girebilen, çabasını düzenleyebilen ve odaklı kalabilen öğrenenleri varsayar; küçük çocukların öz düzenleme kapasitesi ise sınırlıdır (Effectiveness of adaptive versus non-adaptive intelligent tutoring systems in early primary mathematics).
• Etkileşimi kim aracılar. Okul bantlarında bir yetişkin öğrenen ile araç arasında durur. 270 okul öncesi öğretmenle yürütülen bir anket, benimseme niyetinin algılanan yararlılık, kullanım kolaylığı, YZ Öz Yeterlilik ve YZ kaygısı tarafından yönlendirildiğini göstermiştir — ve çalışma, çocuklara yönelik YZ’yi bilerek dışlamıştır (Exploring Factors Influencing Preschool Teachers' Behavioral Intention to Use AI Technologies in Early Childhood Settings).
• Değerlendirmenin amacı. Ortaöğretimdeki değerlendirme dışsal getirileri besler; üniversitedeki değerlendirme ders çalışması ve belgelerle ilgilidir; lisansüstü değerlendirme ise bir araştırmacının yetiştirilmesidir.
• Ön bilgi. Ön bilgi, o deneminin son test performansına hâkim olmuştur (F(1, 124) = 206,99, p < ,001, η²p = ,63); bu nedenle bir bant etiketi, bir bilgi düzeyiyle ilişkilidir ama ona eşit değildir.

Okul yılları ve üniversite yılları

En sonuç doğuran ayrım okul ile üniversite arasındaki kırılmadır ve en yaygın iki etiketin her biri bu kırılmayı ya gizler ya da üzerinden geçer.

Okul yıllarının içinde ölçülen sonuç banda göre keskin biçimde değişir. İlkokulda bu, konu öğrenimidir: fen sorgulamasında üretici YZ sohbet robotları kullanan 97 Çinli üçüncü sınıf öğrencisi, bir arama motoru kontrol grubuna kıyasla daha iyi sorular sormuştur (t = 2,47, p = 0,015) (Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science). Ortaöğretimde bu genellikle başarıdan çok tutuma dönüşür: 508 Tayvanlı ortaokul öğrencisiyle yürütülen bir anket, deneyimsel çekiciliğin zevk aracılığıyla şarkı sözü öğreniminde ChatGPT kullanma niyetini şekillendirdiğini bulmuştur (XM → PEOU β = 0,630; PE → ATU β = 0,369); katılımcıların %81,5’i ücretsiz kademededir — teknoloji kabulü bulgusu kılığına girmiş bir erişim-eşitlik olgusu (Junior high school student perspectives on the use of ChatGPT in music education). Ortaöğretim ayrıca derlemin en büyük öğrenme uyarısını barındırır: 7–12. sınıflardaki 26.811 Çinli öğrenci genelinde, altı ay içinde ödev puanları %18 artmış ve tamamlama süresi %30 düşerken kitapsız sınav puanları yaklaşık %20 gerilemiştir; bu durum, davranışı ödevini dışarıya devrettiğini gösteren yaklaşık %81’lik kesimde yoğunlaşmıştır (The Generative AI Learning Penalty: Evidence from Chinese Secondary Education).

Üniversite yılları bir kez daha bölünür. Lisans eğitimi, dışsal muhakeme altında ders çalışmasıdır: azınlıklara hizmet veren bir R1 üniversitesindeki lisans düzeyinde yazan öğrenciler arasında YZ Okuryazarlığı, bir öğrencinin YZ’yi ne kadar kullandığını değil, hangi türde Büyük Dil Modelleri (LLM) bağımlılığına düştüğünü öngörmüştür (Four Types of LLM Reliance and Their Predictors Among Undergraduate Writers: A Mixed-Methods Study at a Minority-Serving R1 University). Lisansüstü eğitim, sonucun performanstan oluşuma kaydığı araştırma eğitimidir. 420 gökbilim doktora ve doktora sonrası araştırmacı arasında YZ bağımlılığı, araştırma özerkliği (r = −,355) ve Öz Yeterlilik (r = −,321) ile olumsuz ilişkili bulunmuştur; yenilikçi davranışa giden dolaylı yol büyük ölçüde özerklik (−,115) üzerinden geçer, öz yeterlilikten (−,069) çok değil; danışman desteği, özerklikle olumsuz bağlantıyı zayıflatmıştır (B = ,077, p = ,020) (AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training). Bir doktora öğrencisi, YZ bağımlılığının aşındırıyor göründüğü muhakeme göre yargılanır; bir lisans öğrencisi öyle değildir. İkisini birden “yükseköğretim” altında toplamak bunu gizler.

Kanıt nerede yoğun, nerede seyrek

Derlem eşit dağılmamıştır ve level alanı bu dengesizliği görünür kılar.

Yoğun. Yükseköğretim en kapsamlı ele alınan banddır: burada başvurulan sayfalar arasında 60 mühendislik öğrencisiyle yürütülen sekiz haftalık bir platform denemesi (Developing an AI-Assisted Seminar-Based Learning Platform With Embedded Librarian Support: Enhancing Information Literacy of Engineering Research Teams), 395 eğitim yöneticisine ilişkin bir anket (AI adoption readiness among Ukrainian education managers: Barriers, typologies, and policy implications), 18 Afrikalı yükseköğretim çalışmasının bir meta-sentezi (Rethinking data privacy for AI adoption in African higher education: A meta-synthesis of stakeholder perceptions and policy implications) ve doktora eğitimine ilişkin 420 araştırmacılık bir çalışma (AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training) yer alır. İlkokul ve ortaöğretim de sonuç kanıtı taşır.

Seyrek ve bazı yerlerde yok. Burada başvurulan sayfalar, okul öncesi bandında çocuk sonuçlarına ilişkin hiçbir çalışma rapor etmemektedir; en yakın kanıt, çocuklara yönelik araçları dışlayan öğretmen niyetlerine ilişkin bir ankettir (Exploring Factors Influencing Preschool Teachers' Behavioral Intention to Use AI Technologies in Early Childhood Settings). Ortaokul, başta raporlanan sonuçlardan çok önerilen bir tasarım ve boylamsal çalışma olarak görünür (AI-Integrated Learning Management System for Middle School: A Longitudinal Study of Learning Outcomes Through High). Mesleki eğitim bandının en güçlü kanıtı, tek bir kurstan gelen 63 öz bildirim yanıtıdır; yazarların beyanına göre bu, çoğaltma gerektirir (Cultivating Design Creativity of Vocational Students: A Model of Project-Based Learning in AI-Enabled Immersive Virtual Environments). Lisansüstü kanıtı enine boyutsaldır; ters yönlü bir modelin gelişimsel modelden biraz daha iyi uyum sağladığı için bağımlılıktan azalan özerkliğe doğru yön çıkarılmıştır, doğrulanmamıştır (AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training). Burada başvurulan hiçbir kaynak, yetişkin öğrenimi veya özel eğitim bantları için YZ sonuç kanıtı rapor etmemektedir; bunların kendi kapsamı Yetişkin Öğrenenler ve Özel Eğitim sayfalarındadır ve bu sayfa, boşluğu doldurmak için okul çağı bulgularından genelleme yapmaz.

Ankete dahil edilen her düzeyde geçerli olan bir kalıp vardır: insan katmanı en zor davaları üstlenir. Mühendislik öğrencileri için algoritmik öneri F1 = 0,64’e ulaşsa bile güvenilirlik kararı noktasında bir insan uzman kalmıştır (Developing an AI-Assisted Seminar-Based Learning Platform With Embedded Librarian Support: Enhancing Information Literacy of Engineering Research Teams); doktora eğitiminde danışman desteği, YZ bağımlılığının olumsuz bağlantılarını zayıflatan tek koşul olmuştur (AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training); ve benimseyenler, okul öncesi öğrenciler değil, okul öncesi öğretmenlerdir (Exploring Factors Influencing Preschool Teachers' Behavioral Intention to Use AI Technologies in Early Childhood Settings).

Kademeye uygun tasarım fiilen neyi değiştirir

• Özerklik ve destek. Küçük öğrenenlerde görev zorluğu yerine destek düzeyini uyarlayın — daha fazla İskeleleme (Scaffolding), rehberlik veya ipucu; zorluk uyarlaması erken ilkokulda hiçbir kazanım sağlamamış, ustalık eşikleme ise uyarlanabilir öğrencileri geride tutmuş olabilir (Effectiveness of adaptive versus non-adaptive intelligent tutoring systems in early primary mathematics).
• Okuma düzeyi. Yaşa uyarlanmış bir sohbet robotu, 7–9, 9–11 ve 12–14 yaşlar için istek metni değişkenleri kullanmıştır ve birinci ile sekizinci sınıf arasından 63 çocuk onu güvenilir bir bilgi kaynağı olarak görmüştür (Ask Me Anything: Exploring Children's Attitudes Toward an Age-tailored AI-powered Chatbot).
• Aracılık. Okul yıllarında ebeveynler ve öğretmenler aracılık eder, üniversite yıllarında Kütüphaneciler ve danışmanlar — ve üniversite karşılığı vâsilikten çok uzmanlıktır: mühendislik platformu, algoritmanın en az güvendiği yerde bir insanı görevde tutmuştur (Developing an AI-Assisted Seminar-Based Learning Platform With Embedded Librarian Support: Enhancing Information Literacy of Engineering Research Teams).
• Değerlendirme getirileri. Ortaokul LMS tasarımı, YZ’yi etkinliğe göre eşikler; alıştırma kipinde sınırlı ipuçlarını korur ve notlandırılan maddelerde YZ’yi kapatır (AI-Integrated Learning Management System for Middle School: A Longitudinal Study of Learning Outcomes Through High) — ortaöğretim öğrenme cezası kanıtının somutlaştırdığı bir önlem (The Generative AI Learning Penalty: Evidence from Chinese Secondary Education).
• Küçüklere ilişkin veri koruma yükümlülükleri. Yükümlülükler yaşla ölçeklenir: küçükler için derlemin önerileri yapısaldır — veri minimizasyonu, yaşa uygun yanıt kısıtlamaları, rol tabanlı erişim denetimi, denetlenebilir kayıtlar (AI-Integrated Learning Management System for Middle School: A Longitudinal Study of Learning Outcomes Through High) — ve çocukların dijital güvenlik farkındalığı varsayılamaz; çünkü bazıları bir sohbet robotuna sırlarını açmaya istekli olmuştur (Ask Me Anything: Exploring Children's Attitudes Toward an Age-tailored AI-powered Chatbot). Yetişkinler için yükümlülükler rıza, denetim ve sınır ötesi veri akışı yönünde kayar (Rethinking data privacy for AI adoption in African higher education: A meta-synthesis of stakeholder perceptions and policy implications).
• Banda uyan yönetişim. Hazır bulunuşluk katmana özgüdür: 395 Ukraynalı yönetici, sistem hazır bulunuşluğuna kıyasla kişisel hazır bulunuşluğu 0,68 puan daha yüksek bulmuştur (d = 0,73), en sık düzenleme eksikliğini belirtmiştir (%58,5) ve kişiselleştirmeyi — satıcıların en çok vaat ettiği faydayı — tüm uygulamalar arasında en düşük puanlamıştır (%29,4) (AI adoption readiness among Ukrainian education managers: Barriers, typologies, and policy implications).

Eğitimde YZ için çıkarımlar

• Konu alanından önce level alanını okuyun. Bir banddan gelen bir bulgu, diğeri için aktarılabilir bir sonuç değil, bir hipotezdir.
• En genç bantlarda görev zorluğunu değil desteği uyarlayın (Effectiveness of adaptive versus non-adaptive intelligent tutoring systems in early primary mathematics).
• Bir aracı, epistemik otoritenin kimde durduğunu yeniden belirtmeden okul/üniversite kırılımının üzerinden taşımayın. Doktora eğitiminde özerkliği düşüren bağımlılık bir araştırma oluşumu riskidir (AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training).
• YZ’yi heyecana göre değil etkinliğe göre eşikleyin ve gizlilik yükümlülüklerini yaşla ölçeklendirin (AI-Integrated Learning Management System for Middle School: A Longitudinal Study of Learning Outcomes Through High, Rethinking data privacy for AI adoption in African higher education: A meta-synthesis of stakeholder perceptions and policy implications).
• O bandın aracı yetişkini tasarlayın — ebeveyn, öğretmen, kütüphaneci veya danışman — ve onların hazır bulunuşluğunu kurumunkinden ayrı ölçün (AI adoption readiness among Ukrainian education managers: Barriers, typologies, and policy implications, Developing an AI-Assisted Seminar-Based Learning Platform With Embedded Librarian Support: Enhancing Information Literacy of Engineering Research Teams).
• Bir bandanın kanıtı olmadığını açıkça söyleyin ve niyeti başarı sanmayın: çeşitli kademeye özgü çalışmalar, öğrenme yerine tutum veya öz bildirim sonuçları rapor etmektedir.

Bağlı kavramlar

• K-12
• Erken Çocukluk Eğitimi
• Yükseköğretim
• Yetişkin Öğrenenler
• Özel Eğitim
• Mesleki Gelişim
• Mesleki ve Teknik Eğitim
• Öğrenenler
• Aileler ve Ebeveynler
• Öğrenen Grupları Arasındaki Farklı Etkiler

Bağlı makaleler

• Effectiveness of adaptive versus non-adaptive intelligent tutoring systems in early primary mathematics — Adaptive versus non-adaptive tutoring in second-grade mathematics (Sibley et al. 2026)
• Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science — GenAI chatbots and problem posing with third-graders in primary science
• Junior high school student perspectives on the use of ChatGPT in music education — Junior high students' attitudes toward ChatGPT for lyric learning (Weng & Chiang 2026)
• AI-Integrated Learning Management System for Middle School: A Longitudinal Study of Learning Outcomes Through High — AI-integrated LMS designed for middle school, with a proposed longitudinal study
• The Generative AI Learning Penalty: Evidence from Chinese Secondary Education — The generative AI learning penalty in Chinese secondary education (Strömberg et al. 2026)
• Four Types of LLM Reliance and Their Predictors Among Undergraduate Writers: A Mixed-Methods Study at a Minority-Serving R1 University — Four types of LLM reliance among undergraduate writers (Hossain 2026)
• Developing an AI-Assisted Seminar-Based Learning Platform With Embedded Librarian Support: Enhancing Information Literacy of Engineering Research Teams — AI-assisted seminar platform with embedded librarian support for engineering students
• AI-mediated research agency formation in higher education: Autonomy, self-efficacy and innovation in early-career scientific training — AI dependence, autonomy and innovation in doctoral and postdoctoral training (Han & Liu 2026)
• Rethinking data privacy for AI adoption in African higher education: A meta-synthesis of stakeholder perceptions and policy implications — Stakeholder views on data privacy in African higher education (Duncan 2026)
• AI adoption readiness among Ukrainian education managers: Barriers, typologies, and policy implications — Education managers' AI adoption readiness across Ukraine (Kremen et al. 2026)
• Cultivating Design Creativity of Vocational Students: A Model of Project-Based Learning in AI-Enabled Immersive Virtual Environments — AI-enabled immersive PBL for vocational design students (Jin et al. 2027)
• Exploring Factors Influencing Preschool Teachers' Behavioral Intention to Use AI Technologies in Early Childhood Settings — Preschool teachers' intention to use AI in early childhood settings
• Ask Me Anything: Exploring Children's Attitudes Toward an Age-tailored AI-powered Chatbot — Children's attitudes toward an age-tailored AI chatbot