AIEd Bilgi TabanıAIEd KB
Bu sayfada

Bu sayfayı İngilizce okuyun

Kavramlar

Değerlendirici Yargı

Oluşturuldu 2026-10-14

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

Değerlendirici yargı — kişinin kendi çalışmasının ve başkalarının çalışmalarının niteliği hakkında, ezberden çok üzerinde akıl yürütülebilen ölçütlere karşı sağlam yargılarda bulunma yeteneği. generative AI çağında bu yetenek, istenmekte olan bir mezuniyet niteliğinden yük taşıyan bir yetkinliğe dönüşmüştür: bir araç inandırıcı, tamamlanmış bir iş üretebildiğinde, yetkin bir öğrenenleri diğerlerinden ayıran yetenek, bu çıktıyı değerlendirme becerisidir — neyin iyi olduğunu, neyin yanlış olduğunu, neyi kabul edileceğini, neyi reddedileceğini ve nedenini yargılama yeteneği. Bu durum, değerlendirici yargıyı kendi başına Değerlendirmenin meşru bir nesnesi yapar ve kurumları detection yönünden validity-centered ve authentic değerlendirme tasarımına doğru ilerletmen pratik dönüm noktasıdır.

Dikkate Alınması Gereken Sorular

  • İyi yargılayabildiğiniz bir şeyi düşünün. O yargıyı nasıl öğrendiniz — açıkça öğretilerek mi, yaparak ve karşılaştırarak mı — ve bu durum onun nasıl değerlendirilmesi gerektiği konusunda ne ima eder?
  • Bir rubrik mekanik biçimde uygulanabilir de anlaşılabilir de. Bir öğrenci ölçütleri doğru biçimde izliyor ama bir çalışmanın neden diğerini geçtiğini söyleyemiyorsa, değerlendirme fiilen hangi yetkinliği ölçmüştür?
  • Bir language model inandırıcı bir çözüm taslağı hazırladığında, öğrenenin geride kalan işi büyük ölçüde yargıdır: neyin korunacağı, neyin düzeltileceği, neyin atılacağı. Bu görev küçültülmüş bir görev midir, yoksa taslağı üretmekten daha mı zordur?
  • Bir öğrenci, bir YZ önerisini iyi okunduğu için kabul edebileceği gibi kendi incelemesinden geçtiği için de kabul edebilir. Dışarıdan bakıldığında teslim edilen iş aynı görünebilir — farkı bir değerlendiricinin görmesini sağlayacak şey ne olurdu?
  • Çok merkezli bir deney, doğrudan AI feedbacknin en büyük revizyon kazanımlarını ürettiğini, ancak yargının pasif biçimde dışarıdan karşılanması riskini taşıdığını bulmuştur. Bu ödünleşim, geri bildirimi yargıyı atlamak değil inşa edecek biçimde nasıl tasarlayacağınız konusunda ne öneriyor?
  • Akran ve YZ incelemesi kalibrasyonu eğitebilir, ancak her ikisi de gösterişe dönüşebilir. Yargıyı kullanmak yerine sergilemek yerine kullanmak zorunlu olsun diye değerlendirmeyi nasıl tasarlardınız?

Giriş

Öğrencilerden iş üretmelerini isteyen değerlendirmeler, onların önce başkalarının, sonunda da kendi iyilerini ayırt edebildiğini varsayar. Bu varsayım artık güvenilir değildir: generative AI talep üzerine yetkin metin, kod ve analiz üretebildiğinde, bir ürün üretme yeteneği öğrenmenin zayıf bir göstergesi iken bir ürünü yargılama yeteneği güçlü bir göstergedir. Değerlendirici yargı bu yeteneği adlandırır ve bilgi tabanının değerlendirme alanı çalışmaları, neyin değerlendirilebilir ve değerlendirilmeye değer kaldığını sorduğunda sürekli buraya varmaktadır. Yargı, çalışmaları standartlara karşı karşılaştırma ve fark üzerinde eylemde bulunma yoluyla geliştiğinden, Geri Bildirim, Biçimlendirici Değerlendirme ve Öz Düzenlemeli Öğrenmenin kesiştiği yerde yer alır; YZ çıktısıyla gerçekten critical engagement ertelenen bir hedeften ziyade mümkün kılan şey budur.

Yapının ne olduğu

Değerlendirici yargı, niteliği değerlendirme yeteneğidir — kişinin kendi çalışmasını, akranlarının çalışmalarını ve giderek daha fazla bir YZ sisteminin çalışmasını, ezberden çok üzerinde akıl yürütülebilen ölçütler kullanarak. Onu komşu fikirlerden ayıran üç özellik vardır.

  • Nitelikle ilgilidir, doğrulukla değil. Doğru yanıtlamak bilgi gerektirir; bir yanıtın iyi olup olmadığını yargılamak ise üreticinin öğrenenin adına sağlayamayacağı standartlar gerektirir.
  • Geliştirilir, aktarılmaz. Yargı, örnek çalışmalara, açık ölçütlere ve akranların farklı yaklaşımlarına karşı yinelenen karşılaştırma eylemleriyle büyür; bu nedenle örnek çalışmalar, kalibrasyon alıştırmaları ve peer assessment onun doğal pedagojileridir.
  • Alan içinde situated. Bir disiplinin kanıt ve argüman standartları içinde kullanılır, bu nedenle transfer varsayılamadığı kadar genel biçimde de değerlendirilemez.

Değerlendirmede otantiklikle yakından ilişkili olsa da daha dardır: authentic assessment, bir görevin değerli gerçek dünya işine benzip benzemediğini sorar; değerlendirici yargı ise öğrenenin iyi işi kötü işten ayırt edip edemediğini sorar. Öz Değerlendirme, öğrenenin kendi çalışmasını, yetkinliğini veya ilerlemesini ölçütlere karşı değerlendirir; değerlendirici yargı ise bu değerlendirmeyi akranların çalışmalarına ve bir YZ sisteminin çıktısına da genişletir.

Üretici YZ onu neden merkezî yaptı

Dört argüman birleşir.

  • Ürün kanıt olmaktan çıkar. Bir görevin tamamlanması, artık görevin belgelendirmek üzere tasarlandığı yetkinliği göstermez; çünkü bir araç onun büyük bölümünü tamamlayabilir. Geride kalan, ürünü üreten, denetleyen ve ondan hesap veren akıl yürütmedir — kısaca yargı.
  • YZ kullanımını yöneten yetenek budur. Bir YZ önerisinin kabul edilmeye, uyarlanmaya veya reddedilmeye değer olup olmadığına karar vermek, makine çıktısına uygulanan değerlendirici yargıdır. Onu görünür kılamayan kurslar, sorumlu kullanımı ikameden ayırt edemez; bu nedenle integrity araştırmacıları giderek daha fazla eleştirel YZ kullanımını, denetlenecek bir kuraldan ziyade değerlendirilebilir bir sonuç olarak ele almaktadır.
  • Yaptırımdan tasarıma doğru dönüm noktasıdır. Yasaklı kullanımın tespit edilemediği yerlerde Teichmann (2026), değerlendirici yargıyı beslemeyi, kurumları detection-led enforcement geçerlilik odaklı değerlendirmeye taşıyan üç tasarım çizgisinden biri olarak adlandırır — çünkü kurumun tespit edemediği yerde, incelemeye dayanan yetenek, öğrencinin işten ve onun niteliğinden hesap verip veremeyeceğidir.
  • Açıklamayı itiraftan kanıta dönüştürür. Bir görev öğrencilerden YZ’yi ne için kullandıklarını, hangi önerileri kabul ettiklerini veya reddettiklerini ve nihai teslimin kendi yargılarını nasıl yansıttığını açıklamalarını istediğinde, declaration, cezai biçimde yorumlanacak bir itiraftan ziyade yargının bir gösterimine dönüşür — bu, açıklamayı aksi hâlde yeraltına iten cost of honesty düşürendir.

Bir yargının kaynağı ile ilgili ek bir katman, yalnızca onun içeriğiyle değil, ilgilidir. AlGhamdi (2026), bu katmana daha keskin bir sözlük kazandırır: on üç Suudi bilişim öğrencisi, tek bir değerlendirme olayı içinde iki bağımsız yargıda bulunmuştur — geri bildirimin faydalı olup olmadığı ve onun kaynağının not verme yetkisine sahip olup olmadığı. Hepsi ChatGPT’nin rubrik temelli geri bildirimini açık ve özgü olarak kabul etmiş, notu ise büyük çoğunlukla öğretmene saklamışlardır (“Katılıyorum ama tek bir koşulla: hocanın geri bildirimi denetlemesi koşuluyla”); bu durum, YZ aracılı değerlendirmede değerlendirici yargının artık yalnızca alınan geri bildirimin niteliğiyle değil, değerlendirme yetkisi üzerine akıl yürütmeyi de içermesi gerektiğini düşündürmektedir.

Sharma (2026), yapıyı dürüstlük literatüründeki en güçlü konumuna yerleştirir. Eaton’un (2023) postplagiarism çerçevesini ethical bir yönelimden değerlendirme tasarımına taşıyarak, integritynün tespit ve doğrulama temelli modellerinin insan yargısı ile makine üretiminin birbirine dolaştığı işlerle uyumsuz olduğunu savunur ve dürüstlüğü, değerlendirici yargı yoluyla gerçekleştirilen bir pedagojik uygulama olarak yeniden çerçeveler — bu, öğrenenin seçenekleri tartma, akademik tercihlerini gerekçelendirme ve epistemik belirsizlik altında sorumluluk üstlenme yeteneğidir. Onun dört uygulaması (açıklamalı karar izleri, doğrulama ve hesap verebilirlik, sözlü savunma ve diyalojik hesap verebilirlik, sürüm geçmişiyle taslak farkları), bu yargıyı üründen çıkarım yapmak yerine kanıt olarak görünür kılar; ve yargıyı sıklıkla onunla karıştırılan yapılardan ayırır: yansıtıcı uygulama kişinin düşüncesini geriye dönük olarak ele alır, Metabiliş bilişsel süreçlerin farkındalığı ve düzenlenmesidir, yargı ise seçenekleri standartlara karşı değerlendirir ve belirsizlik altında sonuçları kabul eder. Bu sayfanın izlediği başarısızlık kipini de adlandırır — belgelenmiş akıl yürütme gerektirmek, “bir uyum rejiminin başka bir uyum rejimiyle değiştirilmesi” riskini taşır; çünkü kanıt olarak yargı “mekanik biçimde doğrulanabilir olmaktan çok ilişkisel ve yerleşik kalır”.

Kanıt: yargı nasıl gelişir ve YZ ona ne yapar

Bilgi tabanının collaborative ve değerlendirme literatürü, değerlendirici yargının öğrenilebilir, yerini bırakılabilir ve tasarlanabilir olduğunu — ve YZ’nin her iki yönde de etkili olduğunu — gösteren yakınsak kanıt sunmaktadır.

  • Karşılaştırma temelli eğitim, onu ölçülebilir biçimde inşa eder. 28 hizmet öncesi teachers yürütülen 14 haftalık bir çalışmada, AI-generated strong, average, and weak exemplars, öğrencilerin taslaklarının referans noktalara karşı yinelemeli karşılaştırmasını çapalamıştır; değerlendirme odağı, yüzeysel dil özelliklerinden içerik, düzenleme ve tutarlılığa genişlemiştir — ancak akıl yürütme zayıf kalmış; örneğe dayalı gerekçelendirme ikiye katlanırken en gelişmiş karşılaştırmalı akıl yürütme nadir kalmıştır. Yargı, var olacak biçimde iskelelenebilir; talep üzerine ortaya çıkmaz ve referans noktaların niteliği önemlidir.

  • Geri bildirim tasarımı, etkinliğin ayakta kalıp kalmayacağına karar verir. 48 bölümdeki 1.176 birinci sınıf üniversite öğrencisiyle yürütülen çok merkezli, küme rastgele atanmış bir alan deneyinde compared four feedback conditions: yalnızca akran, doğrudan GenAI, yansıtıcı GenAI (önce öz-değerlendirme, sonra eleştiri) ve hibrit (öz-değerlendirme + akran + GenAI). Hibrit koşul en büyük argüman niteliği kazanımını üretmiştir; doğrudan GenAI geri bildirimi pasif benimseme riski taşımış — öğrencilerin değerlendirici yargıyı sisteme devretmesi — yansıtıcı ve hibrit tasarımlar ise öğrenciyi önce kendi çalışmasını değerlendirmeye zorlayarak epistemic agency korumuştur. Yazarların temel bulgusu şudur: GenAI’in eğitimsel değeri, YZ erişiminden çok geri bildirim ortamının revizyon sırasında etkinliği, yargıyı ve sahipliği koruyup korumamasına bağlıdır.

  • Geri bildirim kaynağı, hangi yargı boyutunun geliştiğini şekillendirir. Doktora düzeyinde bir istatistik vaka çalışmasında ChatGPT-4o yordamsal rehberlik vermiş ama yanlış bir veri dosyasını veya hatalı uygulanmış bir testi işaret edememiş, akran diyaloğu ise hatalı veriyi gerçek zamanlı yakalamış ve yöntem seçiminin gerekçelendirilmesini zorunlu kılmıştır (Xie et al. (2025)).

  • Yapılandırılmış akran ve YZ incelemesi kalibrasyonu ölçeklendirir. PAIRR modeli (Sperber et al., 2025), akran incelemesini YZ incelemesi ve yapılandırılmış yansıtmayla birleştirir ve bugüne kadarki öğrencilerin YZ geri bildirimi kullanımına ilişkin en büyük çalışmasında (654 öğrenci, on yazma dersi) test edilmiştir. Model, kişinin kendi yargısı, akranların yargısı ve YZ’nin yargısı arasındaki karşılaştırmayı eğitim alanı olarak ele alır ve değerlendirici yargıyı örtük bir yan ürün olmaktan ziyade açık bir öğrenme sonucu olarak konumlandırır.

  • YZ geri bildirimi yalnızca okuryazarlık hâlihazırda varsa yardımcı olur. Geri bildirim okuryazarlığı liderlerinden gelen kavramsal bir çerçeve (Boud, Dawson & Yan), geri bildirimi ortaya çıkarma, işleme ve eyleme dökme aşamalarında çözümler; bunun için ChatGPT’li IELTS’e ilişkin iki karşıtlıklı vaka kullanır: düşük feedback literacy sahip bir öğrenci belirsiz bir istek metni kullanmış, jenerik bir çıktı almış ve ona güvenmiş ya da fazla kopyalamış; okuryazar bir öğrenci ise YZ’yi eleştirel biçimde kullanmış ve öğrenmiştir. GenAI, geri bildirim aramanın bilişsel ve duygusal engellerini düşürür ama kendisi hurafelenmiş, önyargılı veya jenerik olabilir — bu nedenle teachers yalnızca prompting değil, değerlendirici planlamayı modellemesi ve yargıyı eğitmesi savunulmaktadır.

  • Sürdürülebilir yargı, anlık geri bildirim değil, boşluktur. Otantik değerlendirmenin bir scoping review (Zhan, Boud & Du), YZ temelli biçimlendirici geri bildirimin bol olduğunu ancak sürdürülebilir geri bildirimnin — gelecekteki bağlamlara aktarılabilir olanın — 23 biçimlendirici çalışmanın yalnızca 4’ünde bulunduğunu saptamıştır. Mevcut görevi kapatan ama öğreneni gelecekteki işi yargılamaya yeteneksiz bırakan geri bildirim, değerlendirici yargı başarısızlığının en net hâlidir.

  • Üretilen taslakları eleştirmek eğitimcilerin yargısını inşa etti. Paula et al. (2026), sekiz ders koordinatörünün değerlendirme okuryazarlığının, GPT-4.1 aracının ürettiği rubrikleri ve zaman çizelgelerini disiplin standartlarına karşı eleştirdikçe arttığını, sekizinin de uçtan uca otomasyonu reddettiğini bulmuştur — araç akademik yargıyı güçlendirmiş, yerine geçmemiştir.

  • Değerlendirme, çıktı yerine yargıyı ödüllendirecek biçimde tasarlanabilir. response-region model bunun nedenini biçimselleştirir: yeniden tasarım, gizli dış kaynak kullanımından elde edilen getiriyi düşürür ve görünür akıl yürütmenin, açıklamanın ve eleştirinin değerini yükseltir. Öğrencilerden hangi YZ önerilerini kabul ettiklerini ve reddettiklerini açıklamalarını istemek, kararın kendisini değerlendirilebilir bir kanıta dönüştürür.

  • Kurumun kendi yargısı, öğrencilerden istediği ölçütlere sahip değildir. Munoz et al. (2026), 1.162 üretici YZ usulsüzlük iddiasına ilişkin 1.855 kanıt kaleminin ispat değerini puanlamış ve kanıt niteliğinin dava sonuçlarıyla güvenilir bir ilişki taşımadığını bulmuştur; çünkü prosedürün hiçbir aşaması asgari bir kanıt eşiği belirlememiş veya araştırmacılardan bir iddiayı ilerletmeden önce ispat değerini tartmayı gerektirmemiştir — komisyonlar kanıtı yapılandırılmamış mesleki yargıyla tartmıştır. Dedektör çıktısı, bu derlemde en zayıf kategori olmuştur (bağımsız dedektör çıktılarının güvenilirliği tümüyle düşüktür) ve Hadra et al. (2026), aracın bir bulgunun iddia ettiği olguyu kurulamayacağını göstermektedir — 192 metin boyunca 0,69 ve 0,61 makro doğruluk, hibrit insan–YZ yazmalarında neredeyse tam başarısızlık ve EFL yazarlarına ilişkin sınırda bir önyargı kaygısı — bu nedenle yazarların kendi önerileri gözetimden ziyade insan yargısı, daha net policy ve daha iyi belirtilmiş görevlerdir. Daha iyi belirtmek iki kat önemlidir: Wright (2026), işlevden ziyade platform kimliğine göre yazılmış kuralların tanımsal bir kaza yüzünden fazla kapsamlı olduğunu, kuralın önlenmesi tasarlanan şeyi yapmamış bir öğrenciyi yaptırıma uğrattığını savunur; bu nedenle değerlendiricinin yargısı hangi platformun kullanıldığına değil, bir aracın ne yaptığına uygulanmalıdır. Paylaşılan ölçütler olmadan kullanılan yargı öğretilemez, kalibre edilemez veya denetlenemez — bu sayfanın öğrenciler için bildirdiği tutarlılık sorunu, kurum düzeyinde ortaya çıkmaktadır. Değerlendirici yargı ayrıca kendi ölçülebilir bir yönünü taşır: 50 insan başvuru kompozisyonunu 50 YZ başvuru kompozisyonundan ayıran beş kabul görevlisi AUC 0,70 (%95 GA [0,65, 0,75]) elde etmiş ve algılanan YZ olasılığı yükseldikçe nitelik puanları düşmüştür; bu ilişki, makine puanlı nitelik, gerçek kaynak ve başvuru sahibi özellikleri için ayarlama yapıldıktan sonra da ayakta kalmıştır (−0,109, p < ,05). Teslimler hiçbir biçimde eleme geçirmediğinden, bu yardımsız yargı tüm yaptırım mekanizmasıydı ve işaretlenen her kompozisyon 1,5 yüzde puan daha düşük kabul olasılığı taşımış, kompozisyon niteliği sabit tutulduğunda bu oran 2,6 olmuştur (Isley, Gaebler and Goel 2026).

  • Yargı için sınıf düzeyinde vekil göstergeçler önerilmektedir. Austin (2026), yeniden tasarlanmış bir ödev dizisine iki davranışsal sinyal ekler: UnBlooms™ Ayırt Etme Oranı — bir öğrenenin sorguladığı, meydan okuduğu veya değiştirdiği, kabul etmekten çok YZ çıktılarının payı — ve İlk Geçiş Kabul Oranı. Hiçbiri doğrulanmamıştır — ikisi de ucuz, ödev başına teşhis olarak sunulmaktadır — ancak yapıyı sıradan notlandırmanın içinde gözlemlenebilir kılarlar; birkaç ödev boyunca sıfıra yakın bir ayırt etme oranı, bireysel bir eksiklikten çok görev tasarımı sinyali olarak okunur.

Kötüye kullanım yargıyı nasıl yerinden eder

En net risk yerinden edilmedir ve bu yalnızca kuramsallaştırılmakla kalmayıp geri bildirim literatüründe kanıtlanmıştır. Araç rubriği, geri bildirimi ve izlemeyi sağladığında, öğrenenin metacognitive ve değerlendirici uygulaması desteklenmek yerine yerinden edilir — değerlendirme, öğrencinin hiç kullanmadığı bir yargının performansına dönüşür; bu, değerlendirme kaydında ifade edilen cognitive offloading ile aynı başarısızlık kipidir. Çok merkezli deneyde doğrudan GenAI geri bildirimi tam olarak bu pasif dış kaynak kullanımına doğru itmiştir. Not verme baskısı bunu katmerlendirir: öz-değerlendirme veya YZ kullanımı üzerine yansıtmanın kendisi notlandırıldığı yerlerde, öğrenciler akıl yürütmeyi değil rubriğin istediği yansıtmayı üretebilirler; bu nedenle gerçek yargı, alıştırmayı sonuç doğuran kılmak ister — sonraki işlerde görünen bir karar, bir sözlü açıklama veya kendisi incelenen belgelenmiş bir gerekçe.

Uygulama için çıkarımlar

  • Onu bir sonuç olarak ifade edin. Çalışma niteliğini — YZ çıktısı dâhil — değerlendirmek önemliyse, bunu learning outcomes yazın ve değerlendirin; görevin yan ürünü olarak bırakmayın.

  • Yalnızca ürünü değil, kararı değerlendirin. Öğrencilerden neyi koruduklarını, değiştirdiklerini veya reddettiklerini gerekçelendirmelerini isteyin; bu, düşünceyi kanıta dönüştürür ve ikameyi gözetim olmadan görünür kılar.

  • Yargı rutinini adlandırın. O’Byrne’in Ajans Denetimi — İnanılır, İlgili, Kabul Edilebilir, Nüanslı — çıktının doğru, uygun, işe yarar durumda olup olmadığını ve duruş ile ses taşıyıp taşımadığını sorar; bir dönem boyunca süren bir çalışmada, en yargılı ve en az yargılı öğrencilerin nihai çalışmaları aldatıcı biçimde birbirine benziyordu (O'Byrne, 2026).

  • Örnek çalışmaları ve kalibrasyonu bilinçli kullanın. Güçlü, orta ve zayıf örnek çalışmalara karşı karşılaştırmalı yargı, kanıtların desteklediği mekanizmadır ve YZ bu örnekleri üretmeyi ucuzlar — bu, onun en açık pedagogical kullanımlarından biridir.

  • Doğrudan çıktı yerine hibrit ve yansıtıcı geri bildirimi tercih edin. YZ eleştirisinden önce öz-değerlendirme veya öz + akran + YZ, doğrudan YZ geri bildiriminin aşındırdığı Öğrenen Etkenliği korur; yalnızca bir araç eklemek yerine geri bildirim ortamını tasarlayın.

  • Kalıcı yargıya doğru inşa edin, anlık düzeltmelere değil. Sonraki göreve aktarılamayan geri bildirim kalıcı bir şey eğitmez.

  • Onu süreç ve sözlü uygulamalarla eşleştirin. Süreç ürünleri ve kısa sözlü açıklamalar, nihai ürünün gösteremediği yerde yargıyı eylem içinde gösterir; YZ çağı değerlendirme yeniden tasarımının bunlara bel bağlamasının temel nedeni budur.

  • Yitirilmeyen yargıyı anlama borcu sondalarıyla görünür kılın. Mahmoud (2026), YZ bütünleştirmesinin her düzeyinde yitirilmeyen yetkinliği görünür kılan dört çapraz kesen yükümlülük tanımlar — açıkla, doğrula, değiştir ve hesap ver — ve üretilen ile sonradan gösterilebilen arasında karşılaştırma yapan gecikmeli değişiklik istekleri, kod gezintileri, bağımsız tasarlanmış testler, hata yerelleştirme ve canlı hata ayıklama önermektedir. agentic yetkinlik altında değerlendirme hedefi gözetime doğru kayar — görev sözleşmeleri, izin sınırları, korumalı alanlar, değerlendirme koşumları, fark incelemesi, geri alma ve insan hesap verebilirliği — bu da değerlendirmeyi görünür yazarlıktan görünür yargıya kaydırır.

Bağlı Kavramlar

Bağlı Makaleler

Üst veri

SeviyeHigher Ed
Hedef kitleInstructors, Learners, Assessment Designers
Öğrenme ve öğretimMetabiliş, Öz Düzenlemeli Öğrenme
Değerlendirme ve ölçmeDeğerlendirme Geçerliliği, Geri Bildirim, Biçimlendirici Değerlendirme
Eğitimde YZ’nin temelleriAkademik Dürüstlük, Eleştirel Düşünme
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.