AIEd Bilgi TabanıAIEd KB
Bu sayfada

Bu sayfayı İngilizce okuyun

Kavramlar

Yardım Arama

Oluşturuldu 2026-10-14

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

Yardım Arama — yardıma duyulan ihtiyacı tanıma ve onu stratejik biçimde talep etme süreci ve bu sürecin YZ destekli öğrenme ortamlarında nasıl geçerli bulunduğu. AI in education Eğitimde YZ bağlamında yardım arama, YZ araçlarının öğrenmeyi destekleyip desteklemediğinin merkezindedir: yardım aramanın kalitesi (öğrenenlerin ne zaman, nasıl ve ne istediği) sonuçları güçlü biçimde şekillendirir ve YZ özel ders araçları, ipuçları ve pedagogical pedagojik ajanlar, cevap aramaktan ziyade verimli yardım aramayı ortaya çıkarmak için tasarlanır.(Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems)(Warning About AI Fallibility Increases Help-Seeking in an Intelligent Tutoring System)

Proaktif erişim, öğrenme materyallerinde hiçbir değişiklik yapmadan yardım aramayı artırabilir. Büyük kayıtlı lisans derslerinde önceden kaydedilmiş bir deneyde, öğrencilere bir akademik sohbet robotu yoluyla mesaj gönderildi ve özel ders ile destekleyici öğretimin daha fazla benimsendiği bulundu; aracılık analizi, not etkisinin %17,8’ini bu artan yardım aramaya atfetti (p = 0,041) (Let's Chat: Leveraging Chatbot Outreach for Improved Course Performance).

Dikkate Alınması Gereken Sorular

  • Tıkandığınızda, doğrudan bir cevap mı isteme eğilimindesiniz, yoksa kendiniz çözmenizi sağlayan bir kılavuzluk mu? Her bir seçimin gerçekte belleğinizde kalan şeye ne yaptığını düşünüyorsunuz?
  • Araştırmalar, öğrencilerin sıklıkla YZ ile öğrenmeyi amaçladığını ama varsayılan olarak cevabı istediğini göstermektedir — daha kötü performansla ilişkili bir “niyet-davranış boşluğu”. İyi niyetler neden bu kadar kolayca cevap aramaya dönüşebilir?
  • Kalıcı bir “ipucu düğmesi”, yardımın her zaman orada olduğunu işaretleyerek bir öğrenme görevini kopyalama alıştırmasına dönüştürebilir. Yardımın çok kolay erişilebilir olmasının yapmanız gereken düşünmeyi atlamanıza neden olduğu bir anı hatırlıyor musunuz?
  • Bir çalışma, öğrencilere bir YZ’nin hata yapabileceği konusunda basitçe uyarmanın aslında yardım aramalarını artırdığını buldu. Sağlıklı kuşkuculuk, öğrencilerin bir özel ders aracıyla angaje olma biçimini kör güvene kıyasla nasıl değiştirebilir?
  • Güçlük çeken öğrenciler sıklıkla kendiliklerinden yardım aramaya en az eğilimli olanlardır. En çok desteğe ihtiyaç duyan öğrenciler ulaşmıyorsa, YZ araçları ve öğretmenler nasıl karşılık vermelidir?
  • Sayfa, ipuçlarını geciktirmeyi ve tasarım sorusunu yardımı “sağlamak istenip istenmediğinden” “nasıl sağlanacağına” taşımayı önerir. Öğrenenleriniz için iyi tasarlanmış bir yardım deneyimi nasıl görünürdü — ve onu gerçekten benimsemelerini ne sağlardı?

Giriş

Yardım arama, öğrenme araştırmalarında iyi kökleşmiş bir yapıttır ve Öz Düzenlemeli Öğrenme öz-düzenleyici öğrenme ile Metabiliş üstbilişe yakından bağlıdır: öğrenenlerin kendi anlayışlarını izlemelerini, bir boşluğu tanımalarını, yardımın gerekli olduğuna karar vermelerini ve etkili bir talep formüle etmelerini gerektirir. generative AI üretici YZ özel ders araçlarının yükselişiyle yardım arama yeni bir önem — ve yeni hata kipleri — kazanmıştır. Öğrenenler sıklıkla YZ’yi öğrenme için kullanmayı amaçlar ama varsayılan olarak doğrudan cevaplar isterler; bilgi tabanındaki araştırmaların alanlar ve yaş grupları arasında belgelediği bir boşluk. Klasik model, bir talebin isteyenin sahip olmadığı bilgi içindiğini varsayar. Operasyonel destek talebi bu varsayımı karmaşıklaştırır: 4.093 sorgu boyunca en az %20,4’ü bilgi için değil, bekleyen bir teslimin durumu hakkında sordu; getiriye bağlı bir asistanın yalnızca zamanın %1,3’ünde hizmet ettiği bir sınıf Gupta ve ark. (2026).(Regulating the AI Tutor: Intentions, Help-Seeking, and Self-Regulated Learning in Adolescent GenAI Use)(Beyond Access: Guided LLM Scaffolding for Independent Learning in Undergraduate Statistics)

Verimli ve verimsiz yardım arama

Literatürdeki merkezi ayrım, öğrenmeyi destekleyen yardım arama ile öğrenmeyi atlayan yardım arama arasındadır.

Verimsiz yardım arama davranışları

Bu bilgi tabanındaki araştırmalar, özellikle intelligent tutoring systems zeki özel ders sistemlerinde verimsiz yardım aramanın somut, gözlemlenebilir örüntülerini tanımlar:

  • Erken ipucu talepleri — herhangi bir çözüm denemesinden önce yardım istemek. Hatta emin olmayan öğrenciler bile önce deneyerek daha fazla öğrenir.(Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems)
  • Yüzeysel ipucu okuma — ipuçlarını okumak için fazla hızlı ilerlemek (~4 kelime/saniye kıyaslamasında işaretlenir), sıklıkla doğrudan cevabı açığa çıkaran en kapsamlı ipucuna atlamak.(Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems)
  • Öğrenme aramaya kıyasla cevap arama — YZ’den açıklama veya kılavuzluk yapmasını değil, cevabı üretmesini istemek. GenAI özel ders aracı kullanan 98 dokuzuncu sınıf öğrencisi üzerine yapılan bir çalışmada, etkileşimler aletsel taleplerin hakimiyetindeydi ve öğrencilerin kendi öğrenmelerini izleme veya değerlendirmesi neredeyse hiç yoktu — öğrenciler daha önce iskeleli desteği seçmiş olmalarına rağmen. Bu niyet-davranış boşluğu, daha düşük test sonrası performans ve daha yüksek dışsal bilişsel yük ile ilişkiliydi.(Regulating the AI Tutor: Intentions, Help-Seeking, and Self-Regulated Learning in Adolescent GenAI Use)
  • Herhangi bir bağımsız denemeden veya insan kaynağına başvurmadan önce YZ’ye danışmak. Manikonda ve ark. (2026), bu sıralamayı doğrudan erken güven olarak ölçer — bağımsız düşünmeden, geleneksel bir aramadan veya bir öğretim elemanına ulaşmadan önce GenAI’ye danışmak — ve bunu YZ ilişkili derslerdeki 118 öğrenci arasında daha büyük olumsuz etki (β = ,402, p = ,004) hem de akademik fayda (β = ,301, p < ,001) ile ilişkili bulur. Zararla ilişki düşük evaluation literacy değerlendirme okuryazarlığında yoktu ve yüksek değerlendirme okuryazarlığında en güçlüydü (+1 SS’de b = ,688, p < ,001), böylece YZ çıktısını değerlendirmeye en çok yetenekli olan öğrenciler önce ona danışmanın en yüksek maliyetini bildirdiler: ilk önce kime soracağının seçimi, cevabı değerlendirme becerisinin telafi etmediği bir dezavantaj taşır. Ayrıca YZ’yi problemleri organize etmek, değerlendirmek ve çözümlemek için kullanmanın — erken güven değil bilişsel — olumlu etkiyle ilişkili örüntü olduğunu gösterir, dolayısıyla yardım arama hata kipi sormakta değil sıralamadadır.
  • Toparlanma olmadan süregelen sorma — Sorma başta verimlidir ama süresiz değil: yardım talepleri başlangıçta en toparlanabilir çıkmaz tipidir (%47,0) ama yardım başarısız olduktan sonra en çok düşer (altıncı derinlikte veya daha fazlasında %12,5), dolayısıyla izlenmeye değer sinyal istek değil ısrarcılıktır Ahtisham ve ark. (2026).
  • Güçlük çeken öğrenciler kendiliklerinden yardım aramaya en az eğilimlidir — yardım aramanın katılım tarafı. iki yıllık bir Khanmigo RCT çalışmasında (Oreopoulos & Low 2026), ücretsiz erişim ve zorunlu uygulama süresiyle bile, ortanca güçlük çeken öğrenci yalnızca hata oturumlarının ~%17’sinde YZ özel ders aracına mesaj gönderdi, çoğunlukla çıplak cevaplar veya tıklamalarla — girişim bağımlı müdahalelerin faydalanacak en fazla öğrenciye en az ulaştığına ilişkin eğitim ekonomisi bulgusuyla tutarlı. TWiK (Oreopoulos ve ark. 2026), benimsemenin sürtünmeyi azaltmaya yüksek derecede duyarlı olduğunu gösterir (ilk oturum benimsemesi kaydı basitleştirildikten sonra %45→%83’e yükseldi), ancak giriş sürdürülebilir katılıma eşit değildir (katılım aralıklı kaldı).

Verimsiz yardım arama neden öğrenmeye zarar verir

İmkan (affordance) perspektifi ana mekanizmayı açıklar: bir arayüz yardımı sürekli ve belirgin biçimde erişilebilir kıldığında (örn. kalıcı bir “ipucu düğmesi”), öğrenenlere yardımın her zaman orada olduğunu işaret eder ve görevi bir kopyalama alıştırmasına çökebilecek istenmeyen bir imkan yaratır. En kapsamlı ipuçlarına hızla erişmek, öğrenmenin gerektirdiği etkin şema inşasını atlar.(Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems)

Yardım aramanın kalitesi ölçülebilir

İki basit, yorumlanabilir gösterge — erken ipucu talepleri ve yüzeysel ipucu okuma — standart özel ders kayıtlarından hesaplanabilir ve prior knowledge ön bilgi kontrol edildikten sonra bile dönemler arasında azaltılmış learning gains öğrenme kazanımlarıyla tutarlı biçimde ilişkilidir. Bu durum bunları karmaşık makine öğrenimli “sistemi oyun çevirme” dedektörlerinin aksine Öğrenme Analitiği öğrenme analitiği dashboards gösterge panoları ve gerçek zamanlı müdahale için pratik kılar.(Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems)

Verimli yardım aramayı teşvik etmek için YZ sistemleri tasarlamak

Öğrencilerin nasıl sorduğunu iskelelemek

Muhakeme odaklı yardım arama konusunda açık eğitim — son cevaplar yerine adım adım ipuçları ve doğrulama istemek — sorgusuz güvenme karşılığında daha iyi sonuçlar üretir. Yarı-deneysel bir lisans istatistik çalışmasında, kılavuzlu LLM erişimi (muhakeme odaklı yardım arama eğitimiyle) sınırsız LLM erişimine kıyasla daha güçlü bağımsız performansa ve daha iyi öz-değerlendirme kalibrasyonuna yol açtı. Ders: yalnızca LLM erişimi eksik bir müdahaledir; tasarım mücadelesi, öğrencilerin YZ’yi bir cevap alma aracından ziyade bir muhakeme ortağı olarak işlemesini sağlamak için nasıl kullandıklarını iskelemektir.(Beyond Access: Guided LLM Scaffolding for Independent Learning in Undergraduate Statistics)

Etkileşim maliyeti aynı sorunun bir parçasıdır. Rhee ve ark. (2026), kalem tabanlı öğrenenleri bir LLM ’e hiçbir şey sormaktan alıkoyan bir Gösterme Bariyeri ve bir Anlatım Bariyeri tanımlar: bir diyagram bölgesini veya bir denklem terimini işaret etmek yazılı düz metinde ifade edilemez ve formülleme çabası tam olarak bir sorunun en kırılgan olduğu ana denk gelir. Penquiry sistemi gösterimi, mürekkep işaretlerini belge öğelerine çekerek çözer ve seyrek mürekkep anahtar kelimelerini otomatik tamamlama yoluyla tam sorgulara genişletir; her biri 16 katılımcıdan oluşan iki yinelemeli çalışma, sorgulamanın bilişsel ve fiziksel yükünün önemli biçimde düştüğünü buldu. Daha düşük sorma maliyetinin daha iyi yardım arama mı yoksa yalnızca daha fazla mı ürettiği açık bırakılmıştır ve yazarlar, azalmış sürtünmeden kalıcı bir koltuk değneği yerine fading support azalan desteğe giden bir yol olarak zamana uyarlamalı otomatik tamamlama önerir — bir oturumun başında temel doğrulama, sonra üst düzey istemler.

İskeleleme görevden önce değil, görevin içinde de sunulabilir. Jin ve ark. (2026), bir öğrencinin yardımı ne kadar özgün istediğini değerlendiren ve bir soru çok belirsiz olduğunda revizyon isteyen, sohbet arayüzlerine eklenen HelpCoach’u inşa etti; böylece bilgi bileşenini ve iskele türünü açık kıldı. Web programlama öğrenen 40 üniversite öğrencisiyle katılımcılar arası bir çalışmada, HelpCoach katılımcıları görev öncesi eğitim karşılaştırma grubundan ilk taslaklarında önemli ölçüde daha yüksek oranda özgün soru yazdı (%57,3 karşı %40,5) ve bir hafta sonra önemli ölçüde daha fazla bilgi korudu (d = 1,100), oysa üçüncü görev özgüllük farkı artık anlamlı değildi (%43,7 karşı %32,1). Yazarlar, koruma kazancının henüz daha hedefli sohbet robotu yanıtlarına atfedilemeyeceğini uyarır.

Sorma maliyeti üzerindeki üçüncü kaldıraç, yardımın nereden geldiğidir. Gray ve Hobbs (2026), tek bir programlama modülünün onaylanmış materyallerinde temellendirilmiş, kursa özgü bir retrieval-augmented getiri ile güçlendirilmiş asistan olan Beacon’u inşa etti ve on beş bilişim öğrencisi ve dört akademisyenle değerlendirdi. Katılımcıların %89’u cevaplarını kurs materyalleriyle yüksek düzeyde uyumlu buldu ve %66,7’si öğrenmelerini desteklediğini söyledi, oysa yalnızca yaklaşık yarıdan %60’a kadar olan kısım anlama veya güven artışı bildirdi. Motivasyon, bu bölümün belgelediği bariyerdir: bu öğrencilerin %62,5’i ihtiyaç duyduklarında bazen yardım istemekten kaçındıklarını ve %75’i bir konuyu anlamadıklarında kaygı duyduklarını bildirdi, böylece özel, modüle temellendirilmiş bir kanal bir hocaya başvurmadan önceki ilk basamak olarak sunulur. Görüşülen akademisyenler karşı argümanı canlı tuttular — Beacon’un tam çözümleri esirgemesini değerli buldular ve sınırsız araçların öğrencilerin bir gelişim aşamasını atlamalarına izin verdiğinden endişe ettiler — bu yüzden tasarım yerini işi tamamlamayı reddederek kazanır.

Şeffaflık yoluyla güveni kalibre etmek

252 öğrenciyle bir sınıf deneyi, öğrencilere YZ’nin yanılabileceği konusunda uyarmanın yardım aramayı artırdığını buldu; potansiyel sistem hatalarına ilişkin şeffaflık, öğrenenlerin sistemle etkileşimini iyileştirdi — yardım aramayı Güven Kalibrasyonu güven kalibrasyonu ve Halüsinasyon Riski halüsinasyon riskine bağlayarak.(Warning About AI Fallibility Increases Help-Seeking in an Intelligent Tutoring System)

İpucu ve iskele sunumunu yeniden düşünmek

Yardımı kaldırmak yerine, araştırmalar bunun nasıl sunulduğunu yeniden tasarlamayı önerir:

LLM özel ders araçlarında benimseme sorunu

Gerçek dünyadaki öğrenciler sıklıkla bir chatbot sohbet robotunun İskeleleme (Scaffolding) iskelemesini atlar — mutlaka zararlı değil, ama sıklıkla sohbet robotunun pedagojik çerçevesi ile öğrencinin kendi öğrenme hedefleri arasında bir uyumsuzluk olduğu için. Değerlendirme hatları bu nedenle yalnızca bir özel ders aracının iskele kurup kurmadığını değil, öğrencilerin o iskelemeyi benimseyip benimsemediğini de ölçmelidir, benimseyeceklerini varsaymak yerine.(Rethinking Scaffolding in LLM Tutors: The Interactional Mismatch Between Benchmarks and Real-World Deployments)

Yardım arama ve öz-düzenleyici öğrenme

Yardım arama, Öz Düzenlemeli Öğrenme öz-düzenleyici öğrenmenin ayrılmaz bir parçasıdır: verimli yardım arama, öğrenenlerin anlayışı izlemelerini, yardımın ne zaman gerekli olduğuna karar vermelerini ve uygun kaynakları seçmelerini gerektirir. GenAI bağlamlarında bu daha da zorlayıcı hale gelir, çünkü öğrenciler YZ üzerinde ayrıca Öğrenen Etkenliği özerklik kullanmalı ve ona boyun eğmek yerine epistemik tetikte olmalıdır. Bu bilgi tabanındaki araştırmalar, daha agentic özerkliğe dayalı ve epistemik olarak proaktif YZ kullanımını teşvik eden scaffolds iskelelerin gerekliliğini destekler ve yardım arama koşulsuz cevap aramaya dönüştüğünde Over-Reliance aşırı güven ve Bilişsel Yükü Dışarı Aktarma bilişsel yük boşaltma riskini vurgular.(Regulating the AI Tutor: Intentions, Help-Seeking, and Self-Regulated Learning in Adolescent GenAI Use)(Beyond Access: Guided LLM Scaffolding for Independent Learning in Undergraduate Statistics)

LLM aracılı yardım arama dört aşamalı bir süreç olarak

Viberg ve ark. (2026), günlük STEM çalışmasında LLM yardım aramasının tek bir eylem değil, dört aşamalı katmanlı ve bağlama bağlı bir süreç olduğunu gösterir: (1) yardımın gerekli olup olmadığına karar verme — öğrenciler öğrenme değerini korumak için görevleri önce bağımsız dener; (2) kime sorulacağını seçme — düşük bariyerli ilk adım olarak ChatGPT, sonra kavramsal müzakere için akranlar, sonra karmaşık veya yüksek riskli konular için öğretim elemanları; (3) yardım türünü belirleme — ipuçları ve açıklamalardan Problem Çözme problem çözmeyi iskelemeye, rutin işi kolaylaştırmaya ve öğrenmeyi genişletmeye; (4) alınan yardımı değerlendirme — seçici güven kullanmak ve YZ çıktılarını kurs çalışmalarına veya insanlara karşı doğrulamak. Kritik olarak, öğrenciler icra yardım aramasına (çözüm elde etme) kıyasla aletsel yardım aramasını (anlayışı geliştirme) tercih ettiler; yazarların yeni SRL-for-LLM ölçüm maddelerine uyarlamayı önerdiği bir ayrım.

Tamamen çevrimiçi composition yazım dersinde, aracın erişilebilirliği darboğaz değildir. Reed (2026), güçlük çeken öğrencilerin desteğinden yoksun olanlar değil, yardımın ne zaman gerekli olduğunu, hangi kaynağın göreve uyduğunu veya geri bildirim geldiğinde onu nasıl değerlendireceklerini tanımayanlar olduğunu gözlemledi — ve akıcı Üretici YZ üretici YZ çıktısının otoriter destekle kolayca karıştığını. Yanıtı, yardım aramayı yalnızca erişilebilir değil yapılandırılmış hale getirmekti: görev taleplerini çözen, gerekçeyle kaynakları eşleyen, geri bildirim kaynaklarını karşılaştıran ve döngüyü yansımayla kapatan zorunlu temas noktaları.

Davranış bağlamını görünür kılmak: TutorTrace

Barron ve ark. (2026), yardım aramanın davranışsal öncülünü AI-assisted programming education YZ destekli programlama eğitiminde ele alır: insan özel ders öğretmenleri yalnızca açık taleplerine değil, öğrenenlerin gözlemlenebilir davranışına uyum sağlar, ama YZ özel ders araçları bu bağlamdan yoksundur. TutorTrace, öğrenenlerin davranış bağlamını düşük düzeyli IDE telemetrisinden gerçek zamanlı olarak hesaplanabilir kılan bir veri kümesi ve hattır (dört konuşlandırma, N=480; ~180K olay, 13.633 davranış segmenti, 27 metrik), ilk YZ sorgusundan önceki, ardışık sorgular arasındaki ve oturum boyunca öğrenen etkinliğinin bir taksonomisini türetir. Bu durum sistemlerin bir sorgunun kılavuzlu yardım aramayı (bağımsız çalışmayla öncelenmiş) mi yoksa bağımlı yardım aramayı (bağımsız çalışma olmadan) mı yansıttığını sınıflandırmasını sağlar — ertelenmiş tahminde AUROC=,717 — ve yaklaşan sorguları tahmin etmesini sağlar (AUROC=,726). Ön bir sınıf değerlendirmesi, davranış farkında istemlerin bağımsız çalışma olmadan sorgular arasındaki aralıkları %50,0’dan %20,7’ye düşürdüğünü buldu. Bu durum, Öğrenme Analitiği öğrenme analitiği telemetrisini adaptive tutoring uyarlanabilir özel ders eğitimine bağlar ve davranış bağlamının öğrencilerin nasıl yardım aradığını iskelemek üzere yalnızca açık sorularına yanıt vermek yerine ölçekte işlerlik kazanabileceğini gösterir.

Tasarım ve araştırma için çıkarımlar

  1. Yardım arama imkanlarını kasıtlı biçimde tasarlayın. Kalıcı, belirgin yardım düğmeleri atlama stratejilerini etkinleştirebilir; productive struggle verimli mücadeleyi desteklemek için erişimi geciktirin ve sunumu yapılandırın.(Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems)
  2. Yardım aramanın kendisini iskeleyin. Erişimin iyi kullanıma eşit olduğunu varsaymak yerine öğrenenleri muhakeme odaklı taleplerde (adım adım ipuçları, doğrulama) eğitin.(Beyond Access: Guided LLM Scaffolding for Independent Learning in Undergraduate Statistics)
  3. Güveni kalibre etmek için şeffaflık kullanın. YZ’nin yanılabileceğine ilişkin uyarma, uygun yardım aramayı ve etkileşimi artırabilir.(Warning About AI Fallibility Increases Help-Seeking in an Intelligent Tutoring System)
  4. Yalnızca iskeleleme değil, benimsemeyi ölçün. Özel ders aracının sağlamasından yalnızca değil, öğrencilerin pedagojik çerçeveleyle gerçekten angaje olup olmadığını değerlendirin.(Rethinking Scaffolding in LLM Tutors: The Interactional Mismatch Between Benchmarks and Real-World Deployments)
  5. İzlemeyi ve özerkliği destekleyin. Yardım arama iskeleleri Metabiliş üstbilişi ve Öz Düzenlemeli Öğrenme öz-düzenleyici öğrenmeyi güçlendirmeli, Over-Reliance aşırı güvene karşı korumalıdır.

Bağlı kavramlar

Bağlı makaleler

Bağlı SSS

Üst veri

SeviyeHigher Ed, K 12
Hedef kitleLearners
Öğrenme ve öğretimYardım Arama, Metabiliş, İskeleleme (Scaffolding), Öz Düzenlemeli Öğrenme
Teknolojiler ve tekniklerÜretici YZ, Akıllı Özel Öğretim, Büyük Dil Modelleri (LLM)
Eğitimde YZ’nin temelleriYZ Okuryazarlığı
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.