AIEd Bilgi TabanıAIEd KB
Bu sayfada

Bu sayfayı İngilizce okuyun

Kavramlar

Verimli Başarısızlık

Oluşturuldu 2026-10-14

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

Verimli Başarısızlık (VB) — constructivist theory dayalı ve Manu Kapur tarafından geliştirilen bir öğretim yaklaşımı; öğrenenleri, henüz öğrenmedikleri kavramları hedefleyan problemlerle karşı karşıya getirir ve doğrudan öğretimden önce çözüm üretmek için uğraşmalarını sağlar (Kapur, 2008; Kapur & Bielaczyc, 2012). Başarısızlığı kaçınılacak bir şey olarak görmek yerine, VB ilk uğraşı ve hatayı güçlü bir katalizör olarak ele alır: öğrenenler prior knowledge etkinleştirir ve farklılaştırır, YZ Hakkında Yanlış Kanılar yüzeye çıkarır ve sonraki öğretimden daha iyi öğrenmeye hazırlanır — daha derin anlayışa, daha iyi kalıcılığa ve gelişmiş knowledge transfer götürür.

Düşünülmesi Gerekenler

  • Bir şeyde ilk başarısız olmaktan, nasıl yapılacağının gösterilmesinden daha çok mu öğrendiniz? O başarısızlığı 'verimli' kılan, yalnızca caydırıcı olmaktan ayıran neydi?
  • Sayfanın temel iddiası, sıranın önemli olduğudur: çözümleri öğretimden önce üretmek için uğraşmak daha derin öğrenme üretir. Beyinde o uğraş sırasında, sonraki öğretimin üzerine inşa edebileceği ne olduğunu düşünüyorsunuz?
  • Tüm başarısızlıklar eşit değildir: 'hatalar' (kaymalar) az teşhis değeri taşırken 'yanlışlar' gerçek yanlış kanıları ortaya çıkarır. Bunları ayırt etmek, zorlanan bir öğrenece — veya bir YZ öğretmeninin — nasıl yanıt verdiğinizi nasıl değiştirebilir?
  • 'Güvenlik Boşluğu', bir öğrencinin YZ destekli performansı ile desteksiz yeteneği arasındaki farklılımdır. Bir öğrenciyi yetenekli gösteren yardım, ne zaman henüz yapamadığı şeyi maskeler?
  • Uğraşı korumak için cevapları saklayan bir YZ, daha az yardımcı olarak algılanabilir. Bir öğrenci olsaydınız, size cevabı vermeyi reddeden bir öğretmene nasıl tepki verirdiniz — ve bu tepki öğrenmeniz için en iyi olanla örtüşür müydü?
  • Akranların (veya bir YZ’nin) önünde hata yapma korkusu, sayfanın tanımladığı verimli uğraşın kendisini nasıl kapatabilir? Başarısız olmaya yönelik bir 'güvenli alan' neyi içermek zorunda kalırdı?

Giriş

Verimli başarısızlık, diğer "zorluktan öğrenme" yapılarıyla yakından ilişkili ama onlardan ayrıdır: İstenen Zorluklar (Bjork) uygulamaya istenen zorluklar eklemeye odaklanır; Problem Temelli Öğrenme ve Sorgu Temelli Öğrenme öğrenen kaynaklı problem solving vurgular; ve hata/yanlıştan öğrenme (hata düzeltmeyle öğrenme) hatalı işlemenin ve düzeltici geri bildirimin değerini vurgular. Verimli başarısızlık iki aşamalı yapısıyla — öğretimden önce üretim ve keşif, sonra sonrasında pekiştirme ve bilgi birleştirme — ve sıranın (öğretimden önce başarısızlık) öğrenme avantajını ürettiğine dair iddiasıyla özgüdür.

Temel mekanizma

Öğrenenler bilişsel destek olmadan çözüm üretir, önceki bilgiye dayanır ve optimumun altında hatta hatalı çözümler ortaya koyar. Daha sonra bu denemeleri pekiştirme sırasında kanonik çözümle karşılaştırıp karşıtlıklarını ayırt eder. Uğraş:

  • Önceki bilgiyi etkinleştirir ve farklılaştırır, öğrenenleri boşluk ve yanlış kanılardan haberdar kılar.
  • Öğrenenleri öğretimden öğrenmeye hazırlar — neyi bilmediklerini bilir ve yeni materyali denemelerine bağlayabilir.
  • Bilgi transferini ve kalıcı becerileri güçlendirir (Eleştirel Düşünme, dayanıklılık, iletişim), hata yapma korkusunu azaltır ve öğrenmeye yönelik olumlu tutumları destekler.

VB çerçevesi, dolaylı başarısızlık, çözüm çeşitliliği ve uyarlanabilir yönlendirme dahil ilgili tasarımlarla genişletilmiştir (Braas ve ark., 2025; Brand ve ark., 2025).

Hatalardan ve yanlışlardan öğrenme

Verimli başarısızlık, hata merkezli öğrenme kuramının daha geniş bir ailesi içindedir ve kavram sayfası bu ilgili fikirleri kapsar:

Hatalardan öğrenme

Hatalı işleme, özellikle öğrenenlere anlayışları üzerinde yansıtmak ve yeniden düzenlemek için fırsat verildiğinde, kalıcılığa ve kavramsal değişime yardımcı olabilir (Kapur, 2008; Schwartz & Martin, 2004). YZ çağında bu, öğrencilerin doğrudan düzeltme almaktansa kendi hatalarını teşhis edip düzelttikleri sistemlerde işlevselleşir — örneğin YZ’nin yönlendirilmiş ipuçları verdiği ve öğrenenlerin doğru çözümü çıkardığı, bilişsel yükü azaltan ve özerk düzeltmeyi destekleyen clue-before-correction görevleri. Ayrıntılı geri bildirim, yalnızca doğrulama içeren geri bildirimden belirgin biçimde daha yüksek learning gains üretir (Hattie & Timperley) ve geri bildirimin zamanlaması önemlidir.

Hatalar ve yanlışlar

Yararlı bir ayrım: hatalar tipik olarak (sıklıkla dikkatsizlikten veya aşırı yüklenmeden kaynaklanan) kaymalar veya aksmalardır ve sınırlı teşhis değeri taşır; yanlışlar ise gerçek anlayışsızlığı veya kusurlu akıl yürütmeyi yansıtır ve ele alınabilecek bir yanlış kanıyı açığa çıkardıkları için daha verimli öğrenme materyalidir. Hata çözümlemesi — bir cevabın neden yanlış olduğunun belirlenmesi — hatalardan öğrenmenin merkezindedir ve kilit bir pedagogical beceridir (ve AI feedback tasarımı için bir hedeftir).

Düzeltici geri bildirimin rolü

Hatalardan öğrenme, öğrenenlerin neyin yanlış olduğunu ve nedenini görmelerine yardımcı olan geri bildirime bağlıdır. Doğru cevabı vermekten ziyade (öğrenenleri düzeltmeye yönlendiren) ipucu temelli ve ayrıntılı geri bildirim daha etkilidir — Geri Bildirim kuramını doğrudan verimli başarısızlık tasarımına ve AI tutors öğrenci hatalarına nasıl yanıt vermesi gerektiğine bağlayan bir içgörü.

Eğitimde verimli başarısızlık ve YZ

Bilgi tabanının research büyük bir tema, YZ’nin yardımcılığı ile verimli uğraşın korunması arasındaki gerilimdir:

  • Risk: YZ uğraşı siler. Aşırı "yardımcı", doğrudan cevap sunan Oracle tarzı YZ, şema inşası için gerekli verimli uğraşı ortadan kaldırabilir ve Wang & Shan (2026)’ın Güvenlik Boşluğu adını verdiği şeyi yaratır — bir öğrencinin YZ destekli performansı ile içsel, desteksiz yeteneği arasındaki farklılık. Bu Bilişsel Yükü Dışarı Aktarma ile bağlantılıdır: çabanın yerini alan YZ, eğitimin inşa ettiği kapasiteleri aşındırır.
  • Tasarım yanıtı: uğraşı iskeleleyen YZ. Kim et al. (2026), verimli başarısızlığa dayalı öğrenmeyi destekleyen YZ için beş tasarım ilkesi türetir (human-AI collaboration, usability, yansıtıcı tasarım, duygusal tasarım, açık bilgi) ve YZ’nin uğraşı korurken doğrudan olmayan destek sunması gerektiğini vurgular. Puech et al. (2025), Büyük Dil Modelleri (LLM) öğretmenlerinin verimli başarısızlık pedagojisini izleyecek biçimde yönlendirilebileceğini (çözümleri saklama, çoklu denemeleri ortaya çıkarma) algılanan yardımcılık pahasına gösterir. CoMeT (Hou ve ark. 2026) bu bedeli fiyatlandırır ve ortayı bulur: kademelendiren öğretmeni, istek üzerine cevap veren öğretmenden 0,42 ölçek puanı daha fazla can sıkıcıydı (p < ,001) ve yalnızca soru sorandan 0,29 daha az can sıkıcıydı (p = ,011), seanslarının %8,4’ünde sıkıntı tespit edildi, çözümü saklayan öğretmende bu oran %16,0 idi ve seansların %6,1’inde tam cevabı teslim etti. Can sıkıntısı yerine açık bir vazgeçme ifadesi üzerine açılan bir taban, aynı tasarımdan çıkar — böyle bir taban olmadan, talep yoluna en çok ihtiyacı olan öğrenenler onu çevreler.
  • VB tasarımı için bir araç olarak YZ: ProductiveMath, öğretmenlerin yüksek kaliteli VB problemleri oluşturmasına yardımcı olmak için generative AI kullanır — verimli başarısızlık etkinliklerini tasarlamanın zahmetli olması sorununu ele alır.
  • Kışkırtma olarak YZ üretimi hatalar: pedagogy of AI mistakes, YZ hatalarından ve hallucinations teaching araçları olarak kasıtlı yararlanır; hatalı çıktıyı bilişsel bir kışkırtma olarak ele alarak verimli başarısızlık düşüncesiyle örtüşür.

Bu, verimli başarısızlığı evaluating AI in education için merkezi bir mercek yapar: soru YZ’nin yardımcı olup olmadığı değil, kalıcı öğrenmenin inşa edildiği uğraşı koruyan biçimde yardımcı olup olmadığıdır.

Öğretmenler ve öğretim tasarımı için çıkarımlar

  • Öğretimden önce uğraş için tasarım yapın. Öğrenme sırasını, öğrencilerin doğrudan öğretmeden önce problemlere yeltendikleri, sonra pekiştirme yaptıkları biçimde düzenleyin — geleneksel önce öğretim yaklaşımı yerine.
  • Çözümleri stratejik olarak saklayın. Öğrenenleri bilişsel olarak bağlı tutan ipuçları, ipucu temelli bilgiler ve yönlendirici sorularla iskeleleyin (Sokratik Yöntem), cevapları teslim etmek yerine.
  • İskelelemek için YZ kullanın, ikame etmeyin. Doğrudan olmayan destek veren, verimli uğraşı koruyan ve hataları yansıtma için yüzeye çıkaran — cevap veren olmayan — YZ araçları seçin ve yapılandırın. Bu hem öğretmen tasarımına (LLM’lerin yönlendirilmesi) hem sınıf uygulamasına uygulanır.
  • Başarısızlığın duygusal yanına dikkat edin. Emotional design, deneme için güvenli bir alan ve hata korkusunu azaltmak esastır — verimli başarısızlık, öğrenenlerin uğraşmaya ve başarısız olmaya istekli olmasını gerektirir.
  • Hata çözümlemesini öğrenmeye yerleştirin. Öğrencilerden, hataları öğrenme kazanımlarına dönüştürmek için ayrıntılı/ipucu temelli geri bildirim kullanarak kendi (veya YZ’nin) cevaplarının neden yanlış olduğunu teşhis etmelerini isteyin.
  • Hataları yanlışlardan pedagojik olarak ayırt edin. Tüm başarısızlıklar eşit verimli değildir; yanlışların ele almayı değer yanlış kanıları yansıtıp yansıtmadığına dikkat edin.

Öğrenme kazanımları ve diğer ölçütlerle bağlantılar

  • Öğrenme kazanımları: VB, geleneksel önce öğretim yaklaşımlarına kıyasla gelişmiş learning ile ilişkilidir (Kapur, 2008, 2015; Schwartz & Martin, 2004), özellikle transfer ve derin anlayış ölçütlerinde. İpucu temelli/ayrıntılı geri bildirim, yalnızca doğrulama içeren geri bildirimden belirgin biçimde daha yüksek öğrenme kazanımları üretir (Hattie & Timperley).
  • Transfer ve kalıcılık: VB’nin faydaları bilginin yeni problemlere transferinde en güçlüdür — kısa vadeli sınav performansı yerine kalıcı beceriler sonucudur.
  • Duygusal ve motivational sonuçlar: VB hata korkusunu azaltır, engagement artırır ve dayanıklılık ile öğrenmeye yönelik olumlu tutumları besler.
  • YZ’ye özgü ölçütler: VB odaklı YZ araştırmaları, strateji bağlılığı (örneğin StratL's PF score, ortaya çıkarılan çözüm denemesi sayısı) ve geleneksel öğrenme sonucu ölçütlerinin yanında öğretmen/öğrenen algıları üzerinden değerlendirilir.

İlgili kavramlarla bağlantılar

Verimli başarısızlık Öğrenme Kuramları (yapılandırmacılık), İstenen Zorluklar (öğrenmede zorluğa değer vermek), Problem Temelli Öğrenme ve Sorgu Temelli Öğrenme (öğrenen kaynaklı problem çözme), Metabiliş (kendi denemeleri üzerine yansıtma), Bilişsel Yükü Dışarı Aktarma (YZ’nin uğraşı silme riski), İskeleleme (Scaffolding) (çabayı koruyan destek), Geri Bildirim (ayrıntılı, düzeltici), Önceki Bilgi (etkinleştirme ve farklılaştırma), Öğrenmenin Aktarımı (kalıcı sonuçlar) ve Sokratik Yöntem (akıl yürütmeyi kışkırtmak için sorgulama) ile bağlantılıdır. YZ çağında merkezi bir değerlendirme merceğidir: YZ, kalıcı öğrenmenin inşa edildiği uğraşı koruyan biçimde yardımcı oluyor mu?

Bağlı kavramlar

Bağlı makaleler

Üst veri

Öğrenme ve öğretimİstenen Zorluklar, Sorgu Temelli Öğrenme, Öğrenme Kuramları, Metabiliş, Problem Temelli Öğrenme, İskeleleme (Scaffolding)
Teknolojiler ve tekniklerÜretici YZ, Öğrenme Analitiği
Değerlendirme ve ölçmeGeri Bildirim, Öğrenme Kazanımları
Eğitimde YZ’nin temelleriBilişsel Yükü Dışarı Aktarma
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.