Sorgu Temelli Öğrenme

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

Sorgu temelli öğrenme (SÖ) — öğrencilerin soru sormak, bağımsız olarak araştırmak ve sorgulama, yansıtma ve revizyon döngüsüyle bilgi inşa ederek anlayış geliştirdiği, öğretim görevlisinin ders anlatmak yerine İskeleleme (Scaffolding) yaptığı öğrenen-merkezli bir Pedagojiler ve Öğretim Stratejileri. YZ çağında, SÖ’nün soru odaklı, araştırma merkezli yapısı odak noktası haline gelmiştir: üretici YZ ve Büyük Dil Modelleri (LLM) araçları, sorgulamayı ve araştırmayı destekleyen etkileşimli "ortak araştırmacı"lar olarak işlev görebilir — ancak yalnızca sorgulamanın bilişsel işini korumak üzere tasarlandıklarında onun yerine geçmeyi atlamak yerine.

Dikkate Alınması Gereken Sorular

• Sorgu temelli öğrenme, öğrenci güdümlü sorular ve sorgulama sürecinin kendisi üzerinde durur. Kendi sorunuzun güdümlediği öğrenme, başkasının sorununun güdümlediği öğrenmeden nasıl farklıdır?
• Sayfa, YZ’nin araştırmanızı destekleyen bir "ortak araştırmacı" mı yoksa bilişsel işi atlayan bir ikame mi olduğunu soruyor. Bir soruyu araştırmak için YZ kullandığınızda, sorgulayan kimdir?
• YZ destekli sorgulama kanıtları karışıktır: bir çalışmada yaratıcı performansı ve tutumları iyileştirdi ancak kritik Problem Çözme’i iyileştirmedi, diğerinde ise kavramsal anlayışı derinleştirdi ama YZ okuryazarlığını artırmadı. Bu, YZ’nin tek başına neleri geliştirebilip neleri geliştiremeyeceği konusunda ne öne sürer?
• YZ çıktısını yetkili kabul etmek aşırı güvenme ve yüzeysel sonuçlar riski taşıyorsa, YZ tarafından üretilen yanıtları sorgulama döngüsünün bir parçası olarak değerlendirmeyi öğrencilere nasıl öğretirdiniz?
• Sayfa sorgulamayı verimli başarısızlığa bağlar — öğrenciler öğretimden önce araştırma yapar, böylece mücadele öğrenmeyi hazırlar. Yanıtları saklayan ve birden çok denemesi gerektiren YZ, bu mücadeleyi kaldırmak yerine desteklemek için nasıl bir yol izleyebilir?
• YZ, soru sormanın sürtünmesini azalttığında kolaylaştırıcının rolü nedir? Öğrenciler anında yanıt alabiliyorsa, öğretmenin şimdi eskisinden farklı olarak neyi iskelelemesi gerekir?

Giriş

Sorgu temelli öğrenme, öğrenci güdümlü sorular ve sorgulama sürecinin kendisi üzerinde durur ve tipik olarak aşamalardan geçer (yönelim → kavramsallaştırma → araştırma → tartışma → sonuç). Problem temelli öğrenmenin ve proje temelli öğrenmenin sıklıkla içinde yuvarlandığı daha geniş ailedir: SÖ sorgulama ve keşif sürecini, PBB çıkmaz problemi, proje temelli öğrenme ise somut ürünü öne çıkarır.

Sorgu temelli öğrenme bilgi tabanında nasıl karşımıza çıkıyor

Ortak araştırmacı olarak YZ. STEAM’da sorgu temelli öğrenme için ChatGPT üzerine yürütülen bir sistematik derleme (The AI-Powered Co-inquirer: A Systematic Review of ChatGPT for Inquiry-Based Learning in STEAM Education, 24 çalışma), ChatGPT’nin ağırlıklı olarak kavramsallaştırma, araştırma ve tartışma aşamalarında — öğrenme aracı, özel öğretmen, öğrenme akranı, alan uzmanı ve öğretim yardımcısı olarak — kullanıldığını bulmuş; performansı, kritik düşünmeyi, katılımı ve motivasyonu iyileştirirken, çıktı yetkili kabul edildiğinde aşırı güvenme, halüsinasyon ve yüzeysel sonuç riskleri yaratmıştır.

Başlangıç noktası olarak soru oluşturma. 97 üçüncü sınıf öğrencisiyle yürütülen bir yarı-deneysel çalışma (Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science), GenAI sohbet robotunun fen bilimleri soru oluşturmada arama motorlarını anlamlı biçimde geride bıraktığını, soru kalitesini iyileştirdiğini ve bilişsel yükü düşürürken daha bütünleşik epistemik ağlar ürettiğini göstermiştir.

LLM güdümlü SÖ’de bilişsel düzey örüntüleri. 117 görüşme transkripti ve etkileşim kaydı üzerine yürütülen keşfedici bir çalışma (Luo ve ark.), Bloom’un bilişsel düzeylerinde 14 etkileşim örüntüsü belirlemiş; öğrencilerin ön bilgisinin LLM kullanımını nasıl şekillendirdiğini göstererek, üst düzey düşünme aşamalarını hedefleyen ve aşırı güvenmeyi azaltan iskeleleme gereğini öne çıkarmıştır.

Sonuç kanıtları karışıktır. Matematik’te YZ destekli bir SÖ deneyi (Mujib ve ark.), yaratıcı matematiksel performansı ve tutumları iyileştirmiş ancak kritik problem çözme becerilerini iyileştirmemiştir — YZ-SÖ’nün ağırlıklı olarak Yaratıcılık ve duyuşsal gelişimi desteklediğini düşündürür. 29 deney üzerine yürütülen bir meta-analiz (Zhao ve ark.), GenAI’nin üst düzey düşünme üzerinde orta düzeyde olumlu bir etkiye sahip olduğunu, etkinin problem çözmeyle ve 8–16 haftalık müdahalelerle en güçlü olduğunu ve daha yüksek Öz Düzenlemeli Öğrenme’e sahip öğrenenlerin en çok yararlandığını bulmuştur. Türkiye’deki 48 fen bilimleri öğretmeni adayıyla yürütülen bir yarı-deneysel çalışma (Aydın), problem ve tasarım temelli öğrenmeyi bütünleştiren 8 haftalık YZ destekli yönlendirilmiş sorgulama programı kullanarak fotosentez ve hücresel solunumun kavramsal anlayışında anlamlı grup-zaman kazanımları bulmuş, ancak YZ okuryazarlığı veya algılanan hesapsal düşünme üzerinde hiç anlamlı etki bulmamıştır — YZ-SÖ’nün alan anlayışını derinleştirebileceğine, YZ/HD yetkinliklerinin gelişiminin ise daha açık, hedefli tasarım gerektirdiğine dair kanıt.

Gousopoulos (2026), YZ katkısını sorgulamanın kendisinden üç gruplu bir iklim çalışmasında ayırmıştır: YZ destekli sorgulama, yalnızca sorgulama yapan akranlarını karar vermede (d = 0,69) geride bırakmış; izleme ve uyarlanabilir yönetimde en büyük kazanımlar (d = 1,37) elde edilirken, temel veri toplama tüm koşullarda eşit biçimde iyileşmiştir.

Eşitlik ve bağlam. Kavramsal bir çerçeve, üretici YZ ortak tasarımını açık eğitim uygulamalarıyla birleştirerek, düşük kaynaklı bağlamlarda sorgu odaklı STEM öğretimini destekler; YZ tarafından üretilen, çok dilli, bağlamsal olarak ilgili simülasyonlar kullanır.

YZ ile iskelelenmiş kanıt karşılaştırması. An ve meslektaşları (2026), YZ destekli bir bilgi çıkarım sisteminin lisans literatür taramasını özetlemeden kanıt organizasyonu ve karşılaştırmasına doğru nasıl kaydırdığını göstermektedir — öğrenciler yalıtılmış okumadan çalışmalar arası karşılaştırmaya ve araştırma temelli öğrenmeyi ve tez tamamlamayı destekleyen kanıta dayalı gerekçelendirmeye geçmektedir. Bu, YZ’nin STEM lisans araştırmalarında sorgulama süreçlerini nasıl iskeleyeleyebileceğini somutlaştırır.

YZ bütünleştirmesi için sorgu temelli öğrenmenin önemi

SÖ’nün soru odaklı, sürece odaklı yapısı, verimli YZ kullanımının doğal yuvasıdır: öğrenciler YZ ile birlikte öğrenir, ikame olarak ondan değil. Bilgi tabanının kanıtları çekirdek bir gerginlikte birleşir — YZ bilgi erişiminin ve soru formülasyonunun sürtünmesini azaltabilir (bilişsel yükü düşürerek daha derin yansıtmayı mümkün kılarak), ancak tasarım iskelelemesi olmadan aşırı güvenme ve üst düzey bilişi atlama riski taşır. YZ’nin sorgulamayı derinleştirip yerine geçmediğini belirleyen kaldıraçlar, kolaylaştırıcının rolü, iskelelerin tasarımı ve değerlendirme becerilerinin açık öğretimidir.

Verimli başarısızlık ve sorgulama

Verimli başarısızlık (VB) sorgu temelli öğrenmenin en yapılandırılmış kuzenidir: öğrenciler doğrudan öğretimden önce problemleri araştırır ve çözümler üretir, sonra pekiştirir. Her ikisi de öğrenci tarafından üretilen denemelerin (başarısız olanlar dahil) ön bilgiyi etkinleştirdiği ve öğrenenleri öğretimden öğrenmeye hazırladığı öncülünü paylaşır. YZ çağının VB araştırması, YZ’nin sorgulamayı kısa devre yapmadan nasıl iskeleyeleyeceğini keskinleştirir: Kim ve ark. (2026), mücadeleyi problem araştırması ve çözüm üretimi yoluyla korumaya dair YZ tasarım ilkeleri türetir; Puech ve ark. (2025), LLM özel öğretmenlerinin yanıtları saklayacak ve birden çok deneme gerektirecek biçimde yönlendirilebileceğini gösterir; clue-before-correction görevleri, öğrenenlerin muhakemeyi kendilerinin yapmasını sürdüren ipucu tabanlı (doğrudanın aksine) iskelelemeyi örneklendirir. Bunlar, sorgulamayı ve VB’yi, YZ’nin kalıcı öğrenmenin oluştuğu verimli mücadeleyi ortadan kaldırmaması gerektiğine dair daha geniş zorunluluğa bağlar.

Açık alan ortamlarında aynı zorunluluk uzamsallaşır: GenAI, öğrenciler kanıtla karşılaşmadan önce ne fark edeceklerini önceden yapılandırabilir; bu nedenle gözlemler ve ilk yorumlar kaydedilene kadar üretilen açıklamayı saklayan alan-öncelikli bir dizi sorgulamayı korur (Choi, 2026).

Bağlı kavramlar

• Problem Temelli Öğrenme
• Proje Temelli Öğrenme
• Etkin Öğrenme
• Eleştirel Düşünme
• Metabiliş
• Öz Düzenlemeli Öğrenme
• İskeleleme (Scaffolding)
• Bilişsel Yükü Dışarı Aktarma
• Üretici YZ
• Büyük Dil Modelleri (LLM)
• STEM Eğitimi
• İşbirlikçi Öğrenme
• Yükseköğretim
• K-12
• Verimli Başarısızlık — Verimli Başarısızlık

Bağlı makaleler

• The AI-Powered Co-inquirer: A Systematic Review of ChatGPT for Inquiry-Based Learning in STEAM Education — ChatGPT for inquiry-based learning in STEAM (systematic review)
• 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 in primary science
• Inquiry-Based Learning Patterns in Large Language Model-Driven Learning Environments: An Exploratory Study From Bloom's Perspective — IBL patterns in LLM-driven environments (Bloom's perspective)
• Evaluating the Impact of AI-Supported Inquiry-Based Learning on Students' Creative Mathematical Performance, Critical Problem-Solving Skills, and Attitudes Toward Mathematics — AI-supported IBL and creative mathematical performance
• Does Generative Artificial Intelligence Improve Students' Higher-Order Thinking? A Meta-Analysis Based on 29 Experiments and Quasi-Experiments — GenAI and higher-order thinking meta-analysis
• STEAM Education for AI Literacy: A Systematic Literature Review — STEAM education for AI literacy
• Designing AI systems to support a productive-failure-based learning: insights from adult learners on AI applications — Designing AI Systems to Support Productive-Failure-Based Learning
• Towards the Pedagogical Steering of Large Language Models for Tutoring: A Case Study with Modeling Productive Failure — Pedagogical Steering of LLMs for Productive Failure
• Clue before correction: ChatGPT-enhanced strategy for promoting autonomous and reflective language learning — Clue Before Correction: ChatGPT for Autonomous Language Learning
• AI-Supported Inquiry-Based Learning in Photosynthesis and Respiration: Implications for Sustainable Science Teacher Education — AI-supported guided inquiry in photosynthesis & respiration (science teacher education)
• From Literature to Research-Based Learning: An AI-Powered Information Extraction System to Enhance Undergraduate Thesis Completion — AI-powered information extraction supporting undergraduate thesis and research-based learning (An et al. 2026)
• Can AI-Assisted Inquiry Enhance Students' Decision-Making Skills in Socio-Scientific Issues? A Three-Group Experimental Study on Climate Change — AI-Assisted Inquiry in Socio-Scientific Issues on Climate Change
• Reconceptualizing outdoor geoscience learning for the generative AI era: a human-centered instructional model — A field-first instructional model that keeps GenAI from pre-structuring what learners notice (Choi 2026)