Metabiliş

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

Metabiliş — kendi düşüncesi üzerine düşünmek — hem Eğitimde Yapay Zeka araştırmasının bir hedefidir (YZ araçları öğrencilerin metabilişsel becerilerini geliştirebilir mi?) hem de bir risk etkenidir (YZ’nin görevleri tamamlaması metabilişsel pratiği baskılayabilir).(The Evidence Base on AI in K-12: A 2026 Review)(Designing a mobile chatbot-based learning journaling system for intrinsic motivation and engagement)

Dikkate Alınması Gereken Sorular

• 'Metabiliş', kendi düşünceniz üzerine düşünmektir — ne bildiğinizi bilmek, kendinizi izlemek ve stratejilerinizi ayarlamak. Bir şey çalışırken ya da bir problemi çözerken, gerçekten anlayıp anlamadığınızı yoksa yalnızca materyali tanıyıp tanımadığınızı o anda ne ölçüde fark edersiniz?
• Çarpıcı bir bulgu: YZ kompozisyon yardımı kullanan öğrencilerin çoğu kendi kompozisyonlarından alıntıları hatırlayamıyordu, çünkü üretim sırasında içerikle etkileşime girmemişlerdi. Bir araç çıktıyı ürettiğinde öğrenen hangi pratiği kaybediyor — ve bu pratik önemli mi?
• Sayfa metabilişi hem bir hedef olarak (YZ onu inşa edebilir mi?) hem de bir risk olarak (YZ onu baskılayabilir mi?) çerçeveliyor. Aynı YZ aracı, nasıl tasarlandığına ya da kullanıldığına bağlı olarak bir öğrenenin metabilişini güçlendirebilir de zayıflatabilir de. Hangisi olduğunu ne belirliyor?
• Öğrencilerden kendilerini açıklamalarını, stratejileri değerlendirmelerini ya da boşlukları belirlemelerini isteyen yapılandırılmış istek metinleri metabilişsel talebi korurken, görevleri basitçe tamamlayan YZ onun yerini alır. Bir YZ çalışma aracı tasarlıyor olsaydınız, yansımayı değiştirmek yerine ona davet etmesi için ne inşa ederdiniz?
• Sayfa, YZ kullanımının metabilişsel olarak zengin olup olmadığının teknoloji kadar öğrenenin motivasyonu ve tutumuna bağlı olduğunu buluyor. Hiç bir aracı yüzeysel şekilde kullandınız ve sonra hiçbir şey öğrenmediğinizi fark ettiniz mi — onu derinlemesine kullandığınız zamanlarda farklı olan neydi?

Giriş

Eğitimde metabiliş, öğrenenlerin kendi bilişsel süreçlerine dair farkındalıklarını, bu süreçleri izlemelerini ve onları Eğitimde YZ Regülasyonu ifade eder:

• Metabilişsel bilgi: Birinin ne bildiğini, hangi stratejilerin mevcut olduğunu ve bunları ne zaman devreye sokacağını anlamak
• Metabilişsel düzenleme: Kendi öğrenmesini gerçek zamanlı olarak planlamak, izlemek ve değerlendirmek

Öz Düzenlemeli Öğrenme çerçeveleri içinde metabiliş, öğrenenlerin stratejileri uyarlamalarını, kafa karışıklığını fark etmelerini ve uygun şekilde yardım aramalarını sağlayan merkezi mekanizmadır.(Designing a mobile chatbot-based learning journaling system for intrinsic motivation and engagement)

Öğrenenlerin metabilişi YZ çevresinde fiilen nasıl devreye soktukları yalnızca aracın kendisinden çok daha fazla şeyle şekillenir: Cui ve ark., öğrenci motivasyonunun ve benimsedikleri etkileşim rolünün, Üretken YZ ile metabilişsel etkileşimlerini şekillendirdiğini buluyor — yani YZ kullanımının metabilişsel olarak zengin olup olmadığı, teknoloji kadar öğrenenin tutumuna bağlıdır. Miles, Haber-Curran ve Arar (2026), o yansımanın nesnesi olarak YZ etkileşiminin kendisini ekliyor: Prompt Literacy (İstek Metni Okuryazarlığı) Çevrimi’nin kapanış adımı, öğrencilerden sürecin istek metinlerinin nasıl işlediğine dair neyi ortaya çıkardığını ve yanıtı hangi varsayımların şekillendirdiğini incelemelerini ister; ve yansımayı ile düzeltmeyi, yazarlığın ve eleştirel yargının geliştiği aşama yaparlar.

Koordinasyon odağı öğretmenden öğrenene kaydığında metabiliş için daha temel bir rol ortaya çıkar. Dang, Hong, Doyle ve Nguyen (2026), Human-AI Collaboration Competency (HACC) çerçevelerinde TPACK’in pedagojiye yüklediği bütünleştirici işin, aktör öğrenen olduğunda öğrenenin kendi metabilişine geçtiğini savunuyor — yani öğrencilerin iş birliğini yönlendirmesini, YZ’ye olan bağımlılıklarını kalibre etmelerini ve öğrenmelerinin yazarlığını korumalarını sağlayan yetkinlik. Metabilişsel yetkinliği, öğrenen etkinliğinin gerçekleştirildiği mekanizma olarak görüyor, etkinliği ayrı bir bileşen olarak bilerek çerçeve dışında bırakıyor ve onu bunun yerine alan, YZ ve metabilişsel yetkinliği koordine etmenin ortaya çıkan niteliği olarak okuyor. 24 yükseköğretim eğitimcisiyle yapılan görüşmelerin Epistemic Network Analysis (Bilgisel Ağ Analizi), metabilişsel söylemin rol düzeyiyle arttığını buldu — kıdemli eğitimciler onu alan, YZ ve YZ ile öğrenmeyle bağlantılandırdı — yazarlar bunu, daha geniş müfredat sorumluluğuna sahip eğitimcilerin öğrencilerin kalıcı güçlüklerini teknikten çok düzenleyici olarak görmesi şeklinde yorumluyor.

YZ Araçları Metabilişi Nasıl Etkiler

Baskılama Riski (Stanford SCALE, 2026)

YZ öğrenciler için akıl yürütme görevlerini tamamladığında — matematik problemlerini çözerken, kompozisyon yazarken, kod üretirken — öğrenci kendi anlayışını izleme ve strateji seçme pratiğini kaybeder.(The Evidence Base on AI in K-12: A 2026 Review)

Bağımlılık bir başarısızlık değildir: Du ve Yuan (2026), YZ aracılı öğrenmeyi altı tanı kriteriyle değerlendirir — itiraz edilebilirlik, geri kazanılabilirlik, aktarım, izlenebilirlik, dağıtılmış sorumluluk ve bilgisel çoğulluk — ve çıktı üretilmesine yardımcı olan araçsal yardımı, çıktının yargılandığı standartları sağlayan yargı taşıyan yardımdan ayırır.

Yönetişim sorusunun adlandırılması. Lin ve Chang (2026), metabilişsel mülkiyet — YZ’nin katkıda bulunduğu standartların, değerlendirici yargıların ve eylemlerin öğrenen tarafından yönetilmesi — kavramını önerir; standartların benimsenmesini, izleme-yargı yönetişimini ve kontrol yetkilendirmesini ayırır ve farklı şekilde hareket etmek için gerçekçi bir fırsat gerektirir.

Temel bulgular:

• Kosmyna ve ark. (2025): YZ kompozisyon yardımı kullanan öğrencilerin %83’ü kendi kompozisyonlarından alıntıları hatırlayamadı, YZ kullanmayanlarda bu oran %11’di — üretim sırasında içerikle etkileşime girmediklerini gösteriyor.
• Stadler ve ark. (2024): Genel amaçlı YZ bilişsel yükü azalttı ama geleneksel aramaya kıyasla daha düşük kaliteli akıl yürütme üretti; metabilişsel etkileşimin yerinin alındığını düşündürüyor.
• Lehmann ve ark. (2025): Genel YZ, düşük Önceki Bilgi öğrenciler için programlama anlayışına zarar verdi — metabilişsel iskelelemeye en çok ihtiyaç duyan öğrenciler yanıt aldı.
• Metabilişsel tembellik. Alan, öğrenenlerin metabilişsel sorumluluklarını araçtan çekildikleri ayrı bir başarısızlık biçimini adlandırıyor — ortaya çıkan yetkinlik yanılsıması için metabilişsel tembellik terimini benimsiyor ve bilişsel risklerinin acemiler ve zayıf öz-düzenleyiciler üzerinde en ağır düştüğü konusunda uyarıyor (Lodge & Loble (2026)).

Akıcılık, kaybın fark edilmemesinin nedenidir. Öğrenenler öğrenmelerini kısmen materyalin ne kadar kolay işlendiğinden yargılarlar ve Bjork ve ark. (2013), içerik kolay geldiğinde akıcılık ipuçlarının insanları anlayışlarını olduğundan fazla tahmin etmeye yönlendirdiğini gösterir; akıcı YZ üretimi metni, anlama gelip gelmediğine bakılmaksızın bu hissi sağlar ve üretilmiş bir yetkinlik yanılsımasının koşullarını yaratır. Generativism (Üretkencilik), bunu uyarlanabilir metabilişin varsayılamayacağı neden olarak ele alır: öğrenen, okuma kolaylığının anlayışı yansıtıp yansıtmadığını sormak zorundadır, kolaylığı doğrudan yanıt olarak okumak yerine.

Farkındalık, tamamlamanın durduğunu garanti etmez. Jia (2026), metabilişsel uyumsuz tamamlama kavramını adlandırır: gerçek çaba harcamış, anlayışın gelmediğine dair oluşmuş bir birinci şahıs yargısı taşıyan ve işi yine de teslim eden öğrenen — akıcılık yanılsıması ve çekilmiş çaba anlatılarının varsaydığı durum.

Öğrenenler YZ’nin maliyetleri konusunda da hatalı kalibrasyondadır: katılımcılar bağımsız süreleri doğru tahmin etti ama YZ destekli süreyi olduğundan düşük tahmin etti ve NASA-TLX üzerinde daha düşük çaba bildirdi (0,61 puan), oysa YZ yalnızca 24 görevin üçünü hızlandırdı — hayali yardımcının başka bir insan olduğu durumda bu yanlılık yoktu (Yu ve ark. (2026)).

Maliyet genelden çok sınırlı görünüyor: yük aktarımı, üzerinde çalışılan belirli beceriyi bozar, altta yatan alan-genel yetileri değil, ve geri çekilmede ortaya çıkar; bir endoskopi çalışmasında, YZ mevcut olmadığında adenom tespitinin %28,4’ten %22,4’e düştüğünü buldu ve kaynak izlemeyi (YZ’nin akıl yürütmesini kendi akıl yürütmesinden ayırt etmeyi) açık bir metabilişsel risk olarak bıraktı (Cash ve ark. (2026)).

Güçlendirme Fırsatı (Scheu ve ark., 2026)

YZ yansımayı destekleyecek şekilde tasarlandığında, onun yerini almak yerine, metabiliş güçlendirilebilir:

• Öğrenme günlükleri klasik bir metabilişsel uygulamadır: öğrenme süreçleri üzerine yansıyarak öğrenciler bilişlerinin farkındalığını artırır

• Öğrencilerden kendilerini açıklamalarını, stratejileri değerlendirmelerini ya da bilgi boşluklarını belirlemelerini isteyen yapılandırılmış istek metinleri metabilişsel talebi korur. CoMeT (Hou ve ark. 2026) bu ifadeye bir tanım ve ampirik bir gerekçe veriyor: metabilişsel talebi, bilişsel yükten ayrı bir nicelik olarak ele alıyor — yardım gelmeden önce öğrenenin ne karar vermesi, ne ifade etmesi ya da ne yargılaması gerektiği, yardım alıkonduğunda kalanın basitçe ne olduğu değil — ve onu tasarımı gereği yanıt alıkoyan bir eğitmenle istatistiksel olarak eşdeğer tuttu (p_TOST = .004), kendi desteği ise her seferinde bir basamak yükselip azalarak ilerledi. Solma, öğrenenin sırası desteklenen karara yönelik olduğunda korundu: başka yöne yönelmiş sıralar %40,3 oranında daha geç bir taviz gördi, yönelmiş sıralara karşılık %28,8, yani 11,5 puanlık bir fark; öyleyse bir eğitmenin okuması gereken, sıranın ne kadar çaba gösterdiğinden çok öğrenenin dikkatinin nerede durduğudur.

• Görev başına bir YZ kullanım düzeyi atayın. HAIML üç katmanını Dört YZ Kullanım Düzeyiyle eşleştirir — YZ kullanımı yoktan, beyin fırtınasına, YZ iş birliğine ve çıktı değerlendirmeli YZ tümleşik üretimine — böylece bir eğitmen görev için düzeyi belirler ve her düzeyde metabilişsel yansımayı merkezde tutar (Reardon, 2026).

• Scheu ve ark. çalışmalarındaki örnek tabanlı kursdaki sohbet robotu, algılanan yetkinliği (metabilişsel bir Öz Değerlendirme) artırdı, yalnızca Büyük Dil Modelleri (LLM) asistanının yapamadığında bile

• Ortaya çıkan bir çerçeveleme, döngüye yalnızca bireyi değil sistemi de koyar. 135 STEM sınıfı çalışmasının (24 çekirdek çalışma) bibliyometrik–sistematik incelemesi, YZ’yi öğrenmenin eş-düzenleyicisi olarak konumlandıran, analiz birimini bireysel yansırmadan sistem düzeyinde Eğitimde YZ Regülasyonuye ve dağıtılmış bilişe kaydıran posthümanist bir çerçevelemenin ortaya çıktığını buluyor (Tsakeni ve ark. (2025)).

• Öğrenenlerin göremediği etkileşim örüntülerini görünür kılmak. Kuang, Li ve Weng (2026), bir konuşma tanıma ve makine çeviri sistemiyle çalışan 22 çeviri stajyerinin göz hareketlerini, not almayı ve konuşmayı izledi ve öğrencilerin dikkatini YZ çıktısı ile kendi notları arasında nasıl böldüğünün kendilerine görünmez olduğunu buldu: %58,3’i görev aşamaları arasında profil değiştirdi ve YZ çıktısını en ağır okuyanlar sunum akıcılığı ve hedef dil kalitesinde en düşük puanı aldı. Pedagojik sonuç, yansımanın dış kanıtlarla iskelenmesi gerektiğidir, çünkü bir öğrenenin stratejisi içgözlemle erişilebilir değildir — yazarlar öğrencileri her aşamada belirli bir şekilde neden çalıştıklarını tanımlamaya ve değerlendirmeye yönlendirmekten yana.

• Süreç kanıtı kanala bağlıdır. üretken YZ ile çalışan 79 lisans öğrencisinde, yüksek derinlikli izleme ve planlama daha çok sesli düşünme birimlerinde görülürken, yüksek derinlikli düzenleme daha çok etkileşim kayıtlarında görüldü, yani tek bir kayıt bazı süreçleri olduğundan az gösterir (Li ve Liu (2026)).

• Yansıtıcı uygulamalar sıradan ders içi kullanımdan doğabilir. Sekiz Danimarka üst düzey ortaokulunda, Üretici YZ ile bilişsel ortak olarak çalışan öğrenciler — açıklama, üretme, esinlenme ve iyileştirme olmak üzere on bir sürece açılan dört uygulama geliştirdi — yansıma hem disiplinsel hem süreç kayıtlarında görüldü, ancak her uygulama eşit şekilde ikameye de hizmet edebilirdi (Dalsgaard & Prilop, 2026).

• Bir yansıtıcı iskele, koruduğu öz-izlemeyi alışkanlık haline getirip yerini alabilir. de Jong (2026), yansıma istemelerinin alışkanlıkla etkisini yitirebileceği konusunda uyarıyor — tıpkı tekrarlanan uyarıların otomatik olarak göz ardı edilmesi gibi — öyle ki yalnızca sistem istediğinde yansıtan bir profesyonel, ne araca ne de öz-izleme alışkanlığına sahip kalarak bitebilir; makale, yansıtıcı istek metinlerinin solan bir beceri geliştirme müdahalesi olarak ele alınmasını ve kullanıcıların bunlar olmadan yansıtıp yansıtmadıklarının sınanmasını savunuyor.

• Seçici bir kazanım: planlama ve izleme olmadan metabilişsel bilgi. Wang ve ark. (2026), 68 öğretmen adayını, tersyüz sınıfı üretken bir YZ acemi öğrencisine açıklayan bir gruba (n=33) ve üretken bir YZ öğretmenine soru soran bir gruba (n=35) ayırdı. Acemi-öğrenen grubu metabilişsel bilgi ve öğrenme stratejilerinde daha yüksek puan aldı (p < 0,001, Cohen’un d değeri = 0,41) ama planlama ve izlemede almadı (M = 4,01’e karşı 3,78, p = 0,062), aynı grubun açıklama ve uygulama puanları yükselmiş olsa da (r = 0,474 ve r = 0,642), oysa olgusal hatırlama grupları ayırmadı (p = 0,416). Bu ayrım Giriş’teki iki bileşeni izler: soru soran birine açıklama yapmak, birinin ne bildiğine dair bildirimsel farkındalık inşa etti, ama tasarımda öğrenenin bir yol çizmesini ya da ilerlemeyi denetlemesini sağlayan hiçbir şey yoktu; yazarlar bunu rolün kendisinden çok görev tasarımına ve bilişsel yüke bağlıyor. YZ ile Öğreterek Öğrenme bu nedenle metabilişsel bilgi üzerinde bir kaldıraçtır, otomatik olarak düzenleme üzerinde değil; yazarlar açık planlama istemeleri ve ilerleme geri bildirimi eklenmesini öneriyor.

• Sesli Düşünme erken farkındalığı destekler ama derin değerlendirmeyi desteklemez. Karaki ve Baroudi (2026), YZ destekli ders çalışması sırasında Sesli Düşünme yöntemini kullanan 44 birinci sınıf girişimcilik öğrencisiyle karma yöntemli eylem araştırması yürüttü. Sesli Düşünme, öğrencilerin istek metni oluşturma, doğrulama uygulamaları ve etik karar alma pratiklerini daha görünür kıldı, ancak YZ çıktılarının eleştirel değerlendirmesi "çoğunlukla yüzeysel düzeyde kaldı, özellikle ek destek gerektiren öğrencilerde" — öğrenciler genel ya da hedeften sapmış yanıtları fark etti ama yine de onlara ağır şekilde güvendi. Bildirilen metabilişsel farkındalık, anketlenen üç yapı arasında en yüksekti (M = 3,79), ama tek müdahale sonrası anketi algıyı değişimden ayıramaz. Yazarların sonucu — Sesli Düşünmenin tek başına bir çözüm olmadığı ve YZ okuryazarlığı, istek metni oluşturma ve doğrulama stratejilerinde açık öğretimle birleştirilmesi gerektiği — yukarıdaki süreç-kanıtı çizgisini kayıtların neyi yakaladığından sesli düşünmenin tek başına neyi değiştirdiğine uzatıyor.

• Önceden gelen üstbilişsel eğitim, bir YZ yansıtma ortaklığının faydasını belirler. 60 öğretmen adayıyla yapılan 2 × 2 deneysel çalışmada, Zhang ve ark. (2026), anlamlı bir metabilişim × araç etkileşimi bulmuştur: Sokratik bir YZ ortağı geleneksel dijital araçları yalnızca eğitimden sonra 0,56 puanla geride bırakmış, eğitim olmadan hiçbir avantajı kalmamıştır (ΔM = −0,03).

Etkileşim–Motivasyon Ayrımı

Scheu ve ark. (2026) kritik bir ayrım buldu:

Bu, metabilişsel destek ve Motivasyonun aynı şey olmadığını düşündürüyor. YZ asistanının günlük kayıtlarına olan İskeleleme (Scaffolding), öğrencilerin ne kadar yazdığını artırdı (davranışsal etkileşim) ama onları daha fazla yazmak istemelerini sağlamadı (içsel motivasyon).(Designing a mobile chatbot-based learning journaling system for intrinsic motivation and engagement)

İnançlar-karşı-Deneyimler Ayrımı

Guo & Ye (2026), metabilişin strateji seçimini nasıl yönettiğine dair kuramsal olarak daha keskin bir açıklama sunuyor, farklı aşamalarda işleyen iki bileşeni ayırıyor:

• Metabilişsel inançlar — uzun süreli bellekte depolanan istikrarlı, öz-atıflı benlik kavramaları (örneğin, hafıza yeteneği ya da bir aracın güvenilirliği hakkındaki inançlar). Bunlar strateji seçimlerini görev başlamadan önce sabitler.
• Metabilişsel deneyimler — görev yürütme sırasında inanç güncellemesini yöneten dinamik, göreve özgü duygular (algılanan zorluk, güven, zihinsel iş yükü).

Bu ayrım, zaman-bileşen eşleştirme ilkesini doğurur: inançları hedef alan geri bildirim (örneğin karşılaştırmalı sıralamalar), görev öncesi hazırlık aşamasında en etkilidir; deneyimleri hedef alan geri bildirim (örneğin anlık doğruluk göstergeleri) ise görev yürütme sırasında en etkilidir. Soyut sıralama geri bildirimi, acil karar vermeyi domine eden göreve özgü deneyimlerden ayrılabilir ya da onlar tarafından geçersiz kılınabilir; bu, bazı geri bildirim müdahalelerinin neden davranışı değiştiremediğini açıklar. Bu, YZ araçları çevresinde metabilişsel iskeleler tasarlamak için eğitimcilere aşamaya bağlı bir gerekçe verir: kullanımdan önce inançları kalibre edin, kullanım sırasında anlık göreve özgü geri bildirim sağlayın.

Dış destek, yargının tam önüne de geçebilir. Iqbal ve ark. (2026), 87 EFL öğrencisinin bir kompozisyonu ChatGPT 4.0, deneyimli bir akademik yazım öğretmeni ya da desteksiz olarak revize etmesini sağladı ve öğrencilerin kullandığı stratejileri tıklama akışı, tuş vuruşu ve fare izlerinden yeniden yapılandırdı. Seçtikleri şey güçlü şekilde mevcut destekle ilişkiliydi (Cramér’in V değeri = 0,668) ama metabilişsel yargı doğruluğuyla ilişkili değildi (H(3) = 4,995, p = 0,172), bu sadece desteksiz koşulda marjinal bir bağlantı gösterdi (p = 0,0460). Hiçbir revizyon stratejisi kompozisyon puanı değişimiyle ilişkili değildi (p = 0,273), yine de Üretken YZ grubu diğer ikisinden anlamlı ölçüde daha fazla gelişti (H(2) = 16,591, p = 0,00025, η² = 0,174), öyleyse daha güçlü kompozisyonlar daha iyi öz-düzenlemeden gelmedi. Yetkin bir ortak bir sonraki hamleyi sağlayabildiğinde, metabilişsel yargı onu seçen şey olmaktan çıkar ve yukarıdaki strateji seçimi açıklaması, desteklenenden çok yardımsız öğreneni tanımlar. Yazarların pratik okuması, YZ yardımını doğrudan yardım sağlamaktan çok yazma stratejileri üzerine yansımayı teşvik etmeye yöneltmektir.

Kalibrasyon eğitilebilir: tahmin + geri bildirim

Ngai & Gilbert (2026), metabilişsel kalibrasyonun eğitilebilir bir beceri olduğuna dair doğrudan nedensel kanıt sunuyor. İki ön kayıtlı deneyde (N=164, N=416), bir performans tahminini gerçekçi geri bildirimle eşleyen yalnızca beş alıştırma denemesi kalibrasyonu iyileştirdi ve yanlılığı azalttı. Dört gruplu toplamsal bir tasarım nedensel bileşeni izole etti: yalnızca tahmin yapmak etkisizdi; performans geri bildirimi eklemek iyileşmeyi yönetti; aşırı/aşırı az güveni açıkça etiketlemek daha fazla bir şey katmadı. Kritik olarak, iyileşme mutlak kalibrasyon üzerinde etki etti — aşırı az güvenenlerde güveni artırıp aşırı güvenenlerde düşürerek — böylece yanlış kalibrasyonu her iki yönde düzeltti, herkesi tek yöne kaydırmadı (bu yüzden işaretli/yönelimli etkiler sıfırdı). Bu, yukarıdaki "inançlar değil deneyimler" açıklamasını güçlendirir ve minimum uygulanabilir metabilişsel eğitimi gösterir: tahmin + anlık, göreve özgü geri bildirim.

• Kısa bir yansıma istemi, YZ destekli kararlar sırasında izlemeyi keskinleştirir. Ren (2026), 342 lisans öğrencisiyle üç koşullu bir deneyde yanıtları kesinleştirmeden önce üç yansıma istemi ekledi: yanlış ChatGPT tavsiyesinin kabulü %62,4’ten %39,7’ye düştü (OR = 0,40) ve farkındalık kalibrasyonu arttı (0,59’a karşı 0,41), oysa tavsiye doğruluğu ve doğru tavsiyeyle uyum yüksek kaldı. Yansıma, güvenmeyi tek biçimli savunmadan çok ayırt edici kıldı, bu da güvenmeyi ne kadar YZ kullanıldığı sorusundan çok bir izleme problemi olarak ele almayı destekler.
• İstek istemeyi bir metabilişsel çevrim içinde yuvalayın. IDEA çerçevesi, Üretken YZ kullanımını Niyet, Çözümleme, İfade ve Uyarlama olarak sıralar, istek istemeyi tek başına bir beceri değil planlama ve izlemede bir adım yapar; öğretilen öğrenciler, Rol–Görev–Bağlam–Biçim istek istemesi öğretilen akranlara göre beş görev kategorisinin tümünde daha yüksek kaliteli istek metinleri üretti (Wang ve ark., 2026).

Araç Tasarımı İçin Çıkarımlar

1. Düşünmenin "sürtünmesini" koruyun: YZ yansımayı yazarsa, öğrenci metabilişsel beceri inşa etmez. Günlük tutan asistanlar iskelemeli, yazar olmamalıdır.
2. Metabilişsel dili modelleyin: Örnek tabanlı kurs, kısmen öğrencileri yetkin modellerin metabilişsel öz-konuşmasına maruz bıraktığı için işe yaradı.
3. Motivasyon ve beceri desteğini ayırın: Metabilişsel beceri gelişimi (kurs yapılandırmalı) ve verimlilik artışı (YZ destekli) farklı tasarım stratejileri gerektirebilir.

YZ, birinin yanıtlamak için yeterince bildiğine karar vermede metabilişsel eşiği değiştirebilir: Marcoccia ve ark. (2026), YZ tavsiyesine erişmenin tek başına, yanlış tavsiyeyle ve doğruluk teşvikleriyle bile insanların belirsizlik altında yargıyı askıya alma isteklerini baskıladığını buldu — bu etki, istenmeyen YZ çıktısı ve parasal çıkarlarda da ayakta kaldı.

Proaktif etken YZ, öğrenenin kendi metabilişsel döngüsünün yerini alabilir: Woollaston ve ark. (2026), ajanlar önceden getirdiğinde, başlattığında ve kendi kendini düzelttiğinde, ajanın planlamasının, izlemesi ve değerlendirmesi öğrenenin yerine geçtiğini ve istenen zorluklar ile metabilişsel eğitimin bağlı olduğu geri getirme pratiği ve öz-izlemeyi ortadan kaldırdığını savunuyor.

• Metabilişsel eğitim olarak hataya dayalı Pedagojiler ve Öğretim Stratejileri: Hosseini (2026), bir veritabanı tasarım kursunda öğrencileri bilerek YZ üretimi hatalara maruz bırakmanın metabilişsel izlemeyi etkinleştirdiğini gösteriyor — öğrenciler çıktıları inceledi, hataları belirledi ve YZ çıktısını olduğu gibi kabul etmek yerine tasarımları revize etti. Bildirilen YZ okuryazarlığı, nesnel yetkinlikle zayıf ve negatif ilişkiliydi (r=−0,39), bu kalibrasyon boşluğu eleştiri-rafinasyon çevriminin daraltmak için tasarlandığı bir boşluktur.
• Üretken başarısızlık metabilişsel izlemeyi devreye sokar. Kim ve ark. (2026), üretken başarısızlık temelli öğrenmenin kendi denemeleri üzerine yansımayı etkinleştirdiğini gösteriyor; düzeltmeden önce ipucu görevleri öğrenenlerden kendi hatalarını teşhis etmelerini ve düzeltmelerini gerektirir — YZ’nin yanıt yerine ipucu verdiği metabilişsel bir etkinlik.
• Öz-düzenleme, aktarım zararını tamponlar ama iptal edemez. Chen (2026), metabilişsel düzenlemenin (öz-düzenlemeli yazma) Üretken YZ destekli yazmada derin bilişsel yük aktarımı ile YZ’siz bağımsız sonuçlar arasındaki negatif ilişkiyi azalttığını (etkileşim B = 0,22) ama ortadan kaldırmadığını gösteriyor — YZ önerilerinin nasıl kabul/reddedildiğine dair zorunlu yansımayla devretme sınırlarını eşleyen sınırlı-destek koşulu en güçlü bağımsız performansı üretti.
• Açıklama arayan derinlik, hatırlamayı değil görev kalitesini öngörür. Tsiligkiris (2026), YZ etkileşiminde açıklama arayan istek metinlerinin (derinlik) görev kalitesini öngördüğünü ama anlık hatırlamayı öngörmediğini gösteriyor; ayrımı detaylandırma (anlama) ile geri getirme pratiği (pekiştirme) üzerinden yorumluyor — ve açıklama aramanın metabilişsel izleme ile ilişkili olduğunu düşündürüyor, oysa kalıcı bellek için geri getirme talepleri eklenmeli.
• Bildirilen metabiliş, bir YZ ile birlikte düzenlemenin zayıf bir vekilidir. Clerc ve ark. (2026), 116 ortaokul öğrencisine iki saatlik bir YZ okuryazarlığı atölyesi verdi ve sonra fen problemleri sırasında YZ etkileşimlerini ölçtü: eğitimli öğrenciler yetersiz tanımlanmış istek metinlerini daha az sıklıkta kabul etti (%51,5’e karşı %66,7), zayıf bir yanıttan sonra çok daha sık takip sorusu sordu (%59,2’ye karşı %27,9, d = 0,80) ve yanıt doğruluğunu istek metni kalitesine karşı daha duyarlı yargıladı (etkileşim OR = 2,52). Ne genel bir metabilişsel farkındalık ölçeği (Jr. MAI) ne de Üretken YZ öz bildirimleri bu davranışları ya da final performansını öngörmedi (r = ,04 ve r = ,01) — üretken YZ kullanımı sırasında izleme ve kontrol göreve özgüdur ve gözlemlenebilir davranış, onu yakalamak için kurulmuş öz bildirim araçlarından daha fazla bilgi taşır.
• Otomatik puanlama, onu izleyen planlamaya değil performans aşamasına ulaştı. Chen ve Liu (2026), 46 çeviri öğrencisine dönen puan, işaretli hatalar ve bir referans sunum içeren 14 haftalık haftalık otomatik puanlama uyguladı: otomatik grup genel olarak daha fazla kazanç elde etti (d = 1,03), ama yalnızca alıştırma sırasında izleme puan kazanımlarıyla ilişkiliydi (r = 0,42), oysa öğrenme öncesi planlama ölçek ortalamasının yakınında durdu (M = 3,01). Değerlendirme ve yansıma ikinci en yüksek ortalamayı taşıdı (5 üzerinden 3,87) ama kazanımlarla neredeyse sıfır bağlantı gösterdi (r = 0,10), öyleyse yüksek bir yansıma puanı üretken yansıma olarak okunmamalıdır.
• Doğrulama okuryazarlığı yalnızca metabilişsel öz-düzenleme üzerinden kazanç sağlar. Davor, Larbi ve Boateng (2026), 533 üniversite öğrencisini inceleyerek YZ doğrulama okuryazarlığının eleştirel düşünme ya da teknik problem çözmeyle doğrudan ilişkisi olmadığını buldu; yalnızca metabilişsel öz-düzenleme üzerinden dolaylı olarak önemliydi (tam aracılık örüntüsü). Bilişsel yük aktarımı eğilimi ters yönde işledi, daha düşük öz-düzenlemeyi (-,294) ile birlikte daha düşük eleştirel düşünmeyi (-,240) ve problem çözmeyi (-,312) öngördü.
• Yansıma YZ erişimiyle arttı ve akıl yürütmeyi besledi, sınav puanlarını değil. Melanou, Beege ve Kimmig (2026), dokuz haftalık bir kurs boyunca üç sınıfı (N = 87) takip etti, üç noktada ölçüm aldı. Bilgi tüm koşullarda gelişti, iki YZ koşulundan hiçbirinde avantaj ve hiçbir Matthew etkisi yoktu (BF01 = 8,70), ama yansıtıcı kullanım (kaynakları denetleme ve benimsemeden önce YZ çıktısını doğrulama) YZ koşulunda kontrol grubundan çok daha yüksekti (M = 3,72’ye karşı 2,82, F(1, 40) = 20,21, p < 0,001) ve eleştirel düşünmeyi öngördü (β = 0,43, p < 0,001, R² = 0,183) ama hiçbir bilgi kazanımını öngörmedi. Yansıma, iskelelemeden çok yalnızca araç erişiminden ortaya çıktı ve kazancı akıl yürütmeye indiği için, bir bilgi sınavı YZ destekli bir kursun metabilişsel faydasını kaydetmeyecektir.
• Bir metabilişsel öz bildirim aracı içinde farkındalık, geri kalanını aşar. Alatoai ve Alshahri (2026), YZ destekli STEM öğrenmesinin 45 maddeli bir ölçeğini 649 Suudi ortaokul öğrencisiyle doğruladı (CFI = 0,983, RMSEA = 0,019; alt ölçek ω = 0,888–0,905) ve bileşenleri sıralamak için kullandı. Dört boyut, öz-düzenlemeli öğrenme puanlarındaki varyansın %68’ini açıkladı; YZ tabanlı metabilişsel farkındalık en güçlüsü (β = 0,38, p < 0,001), bilişsel aktarım ve uyum yeteneği onu izledi (β = 0,29, p = 0,008) ve yaratıcı ve eleştirel YZ-STEM akıl yürütmesi anlamlı değildi (β = 0,14, p = 0,135). Farkındalık, uyarlanabilir performansı taşıyan bileşendir; yazarlar tek bir global puan yerine alt ölçekleri ayrı ayrı rapor etmeyi öneriyor ve üst düzey akıl yürütmeyi akıl yürütme kalitesi görevleri için ayırıyor; ölçek yine de öz bildirim olduğundan, yukarıdaki atölye çalışması gibi gözlenen strateji kullanımından çok algılanan yeteneği yakalar.
• Değerlendiricinin kendi izlemesi de metabilişsel iştir. Hoppe, Loibl ve Leuders (2026), YZ üretimi bir tanısal çıkarımın ham kanıt değil çoktan yapılmış bir yorum olduğunu savunuyor, öyleyse öğretmenler onu meta-tanı adını verdikleri bir süreçte kendi gözlemleriyle bütünleştirmeli, kabul edip etmemeyi, reddetmeyi ya da değiştirmeyi bilinçli olarak kararlaştırmalı. Bu, öğreneninkinin yanına ikinci bir metabilişsel döngü koyar: yalnızca öğrencinin YZ ile düşüncesini nasıl düzenlediği değil, öğretmenin sistemin o düşünce hakkında ne iddia ettiğini nasıl değerlendirdiği.

Bağlı kavramlar

• Pedagojik Kalıplar — Bu dizilerin içine kurduğu yansıma adımları
• Öğrenenler — Öğrenenler: öğrenci tarafı kavramlar için şemsiye
• Öz Düzenlemeli Öğrenme
• Öz Değerlendirme
• Bilişsel Yükü Dışarı Aktarma
• İskeleleme (Scaffolding)
• Etkenik YZ
• Biçimlendirici Değerlendirme
• YZ Okuryazarlığı
• Hatırlatma (Retrieval), Aralıklı Tekrar (Spacing) ve Karıştırma (Interleaving) — öğrenme yargıları ve geri getirme pratiğinin düzelttiği akıcılık yanılsıması
• Bilişsel Teslimiyet

Bağlı makaleler

• Teaching Students to Question the Machine: An AI Literacy Intervention Improves Students' Regulation of LLM Use in a Science Task — iki saatlik bir YZ okuryazarlığı atölyesi, ortaokul öğrencilerinin bildirdiği metabilişinin aksine YZ etkileşim düzenlemelerini kaydırdı (Clerc ve ark. 2026)
• Student-AI Interaction in Computer-Assisted Consecutive Interpreting: Patterns and Performance — Bilgisayar Destekli Üst Üste Çevirmide Öğrenci-YZ Etkileşimi
• Epistemic Dependence in AI-Mediated Learning — YZ aracılı öğrenmede bilgisel bağımlılık (Du & Yuan 2026)
• What Students Ask Matters: LLM Interaction Depth, Task Quality, and Immediate Recall in Higher Education — Öğrencilerin sorması önemli: YZ etkileşim derinliği, görev kalitesi ve anlık hatırlama (Tsiligkiris 2026)
• Layer-Sensitive Cognitive Offloading in Generative AI-Assisted Writing: Supported Performance and Independent No-AI Outcomes — Üretken YZ destekli yazmada katmana duyarlı bilişsel yük aktarımı (Chen 2026)
• Efficiency vs. Effectiveness: Self-Regulated Learning with LLM-Mediated Help-Seeking — STEM’de YZ aracılı yardım arama: katmanlı, araçsal ve doğrulanmış
• How motivation and roles influence metacognitive engagement in student-GenAI interaction — Metabilişsel Üretken YZ etkileşiminde motivasyon ve roller
• Metacognitive Training Facilitates Optimal Cognitive Offloading — Metabilişsel eğitim, en uygun bilişsel yük aktarımını kolaylaştırır (Ngai & Gilbert 2026)
• Meta-Cognitive Insights into Cognitive Offloading: Mechanisms, Interventions, and Educational Implications — Bilişsel yük aktarımına metabilişsel bir bakış: mekanizmalar, müdahaleler ve eğitim çıkarımları (Guo & Ye 2026)
• The IDEA Framework for Metacognitively Regulated GenAI Use in Higher Education: Development and Exploratory Pilot Evidence — Metabilişsel olarak düzenlenmiş Üretken YZ kullanımı için IDEA çerçevesi
• HAIML: A Human-Centered AI Metacognitive Learning Model — A Framework for Human Agency and Reflective Learning in the Age of Artificial Intelligence — HAIML: insan merkezli bir YZ metabilişsel öğrenme modeli (etkinlik ve yansıtıcı öğrenme)
• Metacognitively Discordant Completion and the Aware Pass-Through of Non-Understanding in Generative AI Learning — Metabilişsel uyumsuz tamamlama ve anlamamanın farkında geçişi
• Mapping the Scaffolding of Metacognition and Learning by AI Tools in STEM Classrooms: A Bibliometric-Systematic Review — STEM’de metabilişi iskeleyleyen YZ araçları
• Is AI making us stupid? — YZ bizi aptallaştırıyor mu? bilişsel yük aktarımı eleştirisi
• The Evidence Base on AI in K-12: A 2026 Review — Genel amaçlı YZ, akıl yürütmeyi tamamlayarak metabilişi baskılar
• AI Advice Suppresses People's Willingness to Say "I Don't Know", Even When the Advice Is Wrong and Accuracy Is Incentivized — YZ tavsiyesi, yanlış tavsiyeyle ve doğruluk teşvikleriyle bile "bilmiyorum" deme isteğini baskılar
• Agentic AI and Pedagogical Best Practice: The Tension Between Automation and Learning — Etken YZ ve pedagojik en iyi uygulama: otomasyon ile öğrenme arasındaki gerilim
• Cognitive offloading and the speedup illusion in human-AI interaction — İnsan-YZ etkileşiminde bilişsel yük aktarımı ve hızlanma yanılsıması
• Artificial intelligence, cognitive offloading and implications for education — YZ, bilişsel yük aktarımı ve eğitim için çıkarımlar (Lodge & Loble 2026)
• The Pedagogy of AI Mistakes: Fostering Higher-Order Thinking — YZ Hatalarının Pedagojisi: Üst Düzey Düşünmeyi Beslemek (Hosseini 2026)
• Designing AI systems to support a productive-failure-based learning: insights from adult learners on AI applications — Üretken Başarısızlık Temelli Öğrenmeyi Destekleyecek YZ Sistemlerinin Tasarımı
• Clue before correction: ChatGPT-enhanced strategy for promoting autonomous and reflective language learning — Düzeltmeden Önce İpucu: Otonom Dil Öğrenimi için ChatGPT
• Prompts to Practice: A Pedagogical Framework for Human-Centered AI Engagement — Prompt Literacy Çevrimi’nde istek isteme süreci üzerine yansıma ve yazarlık gelişimi (Miles, Haber-Curran & Arar 2026)
• College students’ metacognitive awareness of generative-AI reliance: an experimental study of decision confidence and attribution bias — Bir yansıma istemi, yanlış YZ tavsiyesinin kabulünü kesti ve farkındalık kalibrasyonunu iyileştirdi (Ren 2026)
• Impact of automated scoring on interpreting performance and self-regulated learning: evidence from a pedagogical experiment — Otomatik puanlama planlamayı değil izlemeyi güçlendirdi, bildirilen yansıma üretiksiz kaldı (Chen & Liu 2026)
• Artificial intelligence-supported learning and higher-order cognitive outcomes: the mediating role of metacognitive self-regulation — Yalnızca metabilişsel öz-düzenleme üzerinden işleyen doğrulama okuryazarlığı (Davor, Larbi & Boateng 2026)
• Human or GenAI Support? Conditions Impacting Students' Strategy Choices in an Essay Revision Task — Revizyon stratejisi seçimini dış destek yönetti, metabilişsel yargı doğruluğu değil (Iqbal ve ark. 2026)
• The Contribution of Generative Artificial Intelligence as a Novice Learner to Students in the Learning by Teaching Model — Seçici bir kazanım: metabilişsel bilgi yükseldi, planlama ve izleme yükselmedi (Wang ve ark. 2026)
• Generative AI and Learning Dynamics in Higher Education: A Longitudinal Empirical Study — Yansıtıcı kullanım YZ erişimiyle arttı ve bilgi kazanımını değil eleştirel düşünmeyi öngördü (Melanou, Beege & Kimmig 2026)
• Exploring the Impact of AI-Based Learning Environments on Student Self-Regulation and Adaptive STEM Learning — Uyarlanabilir STEM öğrenmesinin en güçlü öngörücüsü olarak metabilişsel farkındalık (Alatoai & Alshahri 2026)
• Rethinking teachers’ diagnostic skills in AI-supported formative assessment: from diagnosis to meta-diagnosis — Tanıdan meta-tanıya: YZ üretimi çıkarımları yargılayan öğretmenler (Hoppe, Loibl & Leuders 2026)
• Open Questions Towards Skill-Sustaining Reliance in Reflective AI Engagement — Yansıtıcı YZ Etkileşiminde Beceriyi Sürdüren Bağımlılığa Doğru Açık Sorular
• Conceptualising Human–AI Collaboration Competency for hybrid intelligence: towards learner agency — İnsan-YZ iş birliğinde öğrenen etkinliğinin mekanizması olarak pedagoji değil metabiliş (Dang, Hong, Doyle & Nguyen 2026)
• Metacognitive Ownership in Human-AI Regulation: Construct Definition, Boundaries, and a Research Agenda — Metabilişsel mülkiyet: standartların, yargıların ve eylemlerin öğrenen yönetişimi için bir yapı
• Mapping the Distribution and Depth of Metacognitive Processes in Generative AI-Assisted Learning: Evidence from Interaction Logs and Concurrent Think-Aloud Protocols — Kayıtlar ve sesli düşünme, Üretken YZ destekli öğrenmede farklı metabilişsel süreçleri yakalar
• AI as a cognitive partner in learning: Emerging epistemic practices of reflective thought — öğrencilerin YZ’yi bilişsel ortak olarak gördüğünde yansıtıcı düşüncenin dört uygulaması ve on bir süreci
• Ethical Generative AI Use in Higher Education: An Action Research Study Using the Think Aloud Method — Sesli Düşünme istek metni oluşturmayı, doğrulamayı ve etik akıl yürütmeyi görünür kıldı ama eleştirel değerlendirme yüzeysel kaldı; tek başına bir çözüm değil
• Metacognitive training and AI-based Socratic scaffolding in pre-service teachers' reflective practice: a dual-study experimental design — Öğretmen adaylarının yansıtıcı uygulamasında üstbilişsel eğitim ve YZ temelli Sokratik iskeleleme: çift çalışmalı deneysel bir tasarım