Öğrenci Deneyimi

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

Öğrenci deneyimi — öğrenenlerin eğitim ortamlarında YZ araçlarını nasıl algıladığı, onlarla nasıl etkileşime girdiği ve bunlardan nasıl etkilendiği. Bilgi tabanında 85’ten fazla makale ile öğrenci deneyimi, AI in education alanının en çok araştırılan boyutlarından biridir. YZ öğrencileri hem olumlu hem de olumsuz yönlerden etkiler ve aynı araç, nasıl tasarlandığına ve kullanıldığına bağlı olarak hem yararlı hem zararlı olabilir.

Dikkate Alınması Gereken Sorular

• Sayfa, YZ’nin öğrencileri sıklıkla aynı anda hem olumlu hem olumsuz yönlerden etkilediğini; tasarım ve kullanıma bağlı olarak aynı aracın hem fayda hem zarar verebileceğini ileri sürmektedir. YZ’nin aynı anda hem yardım ettiği hem zarar verdiği kendi deneyiminizden bir örnek verebilir misiniz?
• Sayfa, bir 'performans–öğrenme boşluğu' betimlemektedir: öğrenciler YZ ile daha iyi sonuç alır, ancak sonraki yardımsız görevlerde daha kötü performans gösterir. Bu boşluğun nasıl ortaya çıktığını düşünüyorsunuz ve kapanması için ne gerekir?
• YZ’ye aşırı bağımlılık, fiilen pratik yapmanız gereken akıl yürütmeyi devretmek anlamına geliyorsa, meşru yardım ile öğrenmeyi aşındıran yük boşaltma arasındaki sınırı nerede çizerdiniz?
• Araştırma, YZ’nin mevcut olduğunun bilinmesinin tek başına öğrenci çabasını değiştirip değiştirmediğini sormaktadır. YZ farkındalığının öğrencilerin daha çok mu, daha az mı yoksa farklı mı çalışmasına neden olduğunu düşünüyorsunuz ve inancınızı nasıl sınarsınız?
• YZ erişimi ve etkililiğinin öğrenci kitleleri arasında değiştiği göz önüne alındığında, bir kursun bir YZ aracı benimsemesinde hangi eşitlik kaygılarının en önemli olduğunu düşünüyorsunuz ve bunlarla ilgilenmek kimin sorumluluğundadır?

Giriş

Öğrenci deneyimi nasıl incelenir

• Geniş ölçekli anketler: AI in the Wild binlerce üniversite öğrencisinin özgün etkileşimlerini analiz ederken varlık ve memnuniyet çalışmaları YZ erişimini öğrenci çıktılarıyla ilişkilendirir. Bunlar öz bildirim ölçümleridir: algıları ve niyetleri iyi yakalarlar, davranışı ise yalnızca yaklaşık biçimde.
• Kullanmama, kapatılacak bir boşluk değil gerekçelendirilmiş bir konumdur. 7.087 öğrenciyle yürütülen İngiltere’de çok kurumlu bir ankette yüzde 32’nin çalışmalarında GenAI’yi hiç kullanmadığı; kullanmayanların gerekçesi olarak işi kendilerinin yapmak istemelerini (yüzde 86), yanlışlığı (yüzde 81) ve etik veya çevresel kaygıları (Gow ve arkadaşları, 2026) gösterilmiştir.
• Etkileşim örüntüleri: Tracing GenAI literacy öğrencilerin ödevler boyunca YZ ile nasıl etkileşime girdiğini eşler. İstek metni analizi istek metni yapısı aracılığıyla bilişsel kavrama düzeylerini ortaya çıkarır.
• Motivasyon ve ajans: YZ varlığı ve motivasyon çalışması, YZ’nin mevcut olduğunun bilinmesinin öğrenci çabasını değiştirip değiştirmediğini inceler. AIED’nin tamamlanmamış misyonu Öğrenen Etkenliği ve Motivasyon değişkenlerini temel zorluklar olarak çerçeveler.
• Algılar ve tutumlar: GenAI kullanım anketleri ve zihinsel model çalışmaları öğrencilerin YZ’yi nasıl anladığını ve güvendiğini inceler.
• Eşitlik boyutları: öğrenci deneyimi Eşitlik ile kesişir — YZ erişimi ve etkililiği öğrenci kitleleri arasında değişir.

YZ’nin öğrencileri etkileme biçimleri

YZ öğrencileri bilişsel, motivasyonel, duyuşsal, kimlik, sosyal ve eşitlik boyutlarında etkiler. Araştırma, her boyutta olumlu ve olumsuz etkilere, sıklıkla eş zamanlı olarak işaret etmektedir — yön tasarıma ve kullanıma bağlıdır.

Bilişsel etkiler

• Olumlu: YZ öğrenmeyi iskeleyerek, Geri Bildirim, ipuçları ve açıklamalarla anlayışı, pratiği ve Yardım Arama destekleyebilir. Öğrenciler, YZ’yi iyi kullanmayı öğrenmek için kullanabilir ve iyi tasarlanmış araçlar bilişsel çalışmayı öğrenenin üzerinde tutar (bkz. Does AI help students learn?).
• Olumsuz: YZ, öğrencilerin pratik yapmaları gereken akıl yürütmeyi devrettikleri aşırı bağımlılık ve bilişsel yük boşaltma yaratabilir. Bu, performans–öğrenme boşluğudur: öğrenciler YZ ile daha iyi sonuç alır, ancak sonraki yardımsız görevlerde daha kötü performans gösterir (bkz. AI Misuse and Learning Harm). Aşırı kullanım ayrıca Metabiliş ile Öz Düzenlemeli Öğrenme aşındırabilir.

Motivasyonel etkiler

• Olumlu: YZ, kişiselleştirilmiş, anında ve düşük riskli destek sunarak Motivasyon ve kavramayı artırabilir — öğrencilerin ısrarcı olmasına ve yetkin hissetmesine yardımcı olabilir (özerklik, yetkinlik ve ilişkililik üzerine öz belirleme perspektiflerine bakınız).
• Olumsuz: YZ’nin mevcut olduğunun bilinmesi, öğrenci çabasını ve verimli biçimde mücadele etme motivasyonunu azaltabilir (YZ varlığı ve motivasyon, güvenlik boşluğu). Aşırı bağımlılık Öğrenen Etkenliği ile işi kendisinin yapmasından doğan başarı duygusunu aşındırabilir.

Duyuşsal ve iyi oluş etkileri

• Olumlu: YZ, düşük baskılı, talep üzerine yardım sunabilir ve soru sormaya ilişkin kaygıyı azaltarak İyi Olma Hali ile özgüveni destekleyebilir.
• Olumsuz: YZ kullanımı; yerinin alınması korkusu, belirsiz değerlendirme ve ayak uydurma baskısı dâhil kaygı ve stresle ilişkilidir. YZ kaygısının kapsamlı bir analizi ve AIvaluate gibi çalışmalar bu duyuşsal maliyetleri belgelemektedir. YZ kullanımına ilişkin utanç ve suçluluk, gizlemeye ve seçici ifşaya yönelterek dürüst kavramayı ve sosyal-duygusal iyi oluşu zarara uğratabilir. Bu baskılar yerel ve sosyaldır, yazılı değildir: bkz. YZ kullanımının sosyal normları. Değerlendirme koşulları kendi baskılarını ekler: hemşirelik değerlendirmesinde uzaktan gözetim üzerine bir kapsam incelemesi öğrencilerin bağlantıdan ve hile yapmakla haksız yere suçlanmaktan kaygı duyduğunu; bir gözetim uygulamasını ilk kez kullananların bunu kaygı yaratıcı olarak betimlediğini ve izlenirken konsantre olmakta güçlük çektiklerini bildirdiğini; hazırlık kaynaklarına rağmen yaklaşık beşte birinin tarayıcı uzantısı veya bağlantı arızalarıyla karşılaştığını bulmaktadır.

Kimlik etkileri

• Olumlu: YZ, disiplinsel aidiyet, özgüven ve mesleki hedefleri iskeleyerek kimlik oluşumunu destekleyebilir — örneğin öğrencilerin kendilerini yetkin uygulayıcılar olarak görmelerine yardımcı olabilir.
• Olumsuz: YZ, yazarlık kaybı ve yetkinlik kuşkusu yoluyla öğrenen kimliğini tehdit edebilir — YZ işi ürettiğinde öğrenciler bunun "kendilerine ait" olmadığını hissetmeyi bırakabilir. Yaratıcı alanlardaki yetkinlik paradoksu, kullanım kolaylığının öğrencilerin yazarlıktan elde ettikleri zanaata dayalı kimliği nasıl aşındırdığını göstermektedir.

Akademik dürüstlük ve adalet etkileri

• Olumsuz: YZ, akademik sahtekârlığın yeni biçimlerini (YZ tarafından üretilen kompozisyonlar, izinsiz tamamlama) olanaklı kılarak tespit ve azaltma tartışmalarını besler. Bu durum eşitlikle etkileşime girer: YZ araçlarına eşit olmayan erişim ve onlara ilişkin anlayış, öğrenciler arasındaki boşlukları genişletebilir.
• Olumlu/yapıcı: YZ, özgün, süreç odaklı değerlendirme ve yansıtıcı uygulamayı destekleyebilir (örn. rehberli öz değerlendirme), dürüstlük kaygılarını YZ Okuryazarlığı ve sorumluluk fırsatlarına dönüştürebilir.

Öğrencilerin dürüstlüğe ilişkin anlatıları, sahtekârlık çerçevesinin ima ettiğinden daha az kökleşmiştir. Mulisa ve Mezgebu (2026) Etiyopya’daki bir üniversitede 27 lisans öğrencisiyle görüşmüş olup öğrenci kitlesinin kendi içinde bölündüğünü bulmuştur: neredeyse hepsi GenAI kullanmış veya akranlarının kullandığını izlemiş ve çoğu bunu başarılarını yükselttiğine dair itibar görmüş; bir azınlık ders çalışmalarında kullanımı doğrudan usulsüzlük olarak nitelemiş ve en keskin ve en yaygın olarak paylaşılan şikâyet adalet olmuştur — dürüst biçimde çalışan öğrencilerin üzerinde puan alan YZ kullanıcıları; bazıları bunun çalışkanlık duygularını öldürdüğünü betimlemiş ve bir katılımcı "YZ kullanımından fayda mı görüyoruz zarar mı" konusunda emin olamadığını belirtmiştir. Usul tarafı da önemlidir: Munoz ve arkadaşları (2026) 1.162 GenAI usulsüzlük vakasını kodlamış ve en sık atıf yapılan kanıtların — dedektör çıktısı, benzerlik raporları, YZ’ye özgü içerik örüntüleri — en zayıf ispat değerini taşıdığını; hattada asgari bir kanıt eşiği bulunmadığında ince vakaları olan öğrencilerin itizaza yönlendirildiğini bulmuştur. Aşırı kapsayan tanımlar bu maruziyeti genişletir: Wright (2026) "üretici YZ" olarak adlandırılan şeye yönelik yasakların, bir öğrencinin halihazırda ürettiği çalışmanın yalnızca biçimini dönüştüren araçları da yakalayabildiğini; bu aşırı kapsamanın özürlü ve eşitlik açısından dezavantajlı öğrencilere en ağır biçimde düştüğünü göstermektedir. Sharma (2026) yapıcı çıkış yolunu işaret ederek dürüstlüğü, gözetim yoluyla sağlanan uyumdan çok pedagojik bir uygulama olarak ele alır ve onu yargı aracılığıyla gerçekleşen bir uygulama olarak görür — açıklamalı karar izleri, doğrulama, sözlü savunma, sürüm geçmişi.

Doğrulama, öğrencilerin bu soruyu deneyimleme biçimini değiştirebilir: çalışmalarını açıklama talebi ilk olarak bir suçlama olarak okunmuş, ancak müfredat bunu önceden gözetimden çok pedagoji olarak çerçevelediğinde öğrenciler YZ kullanımını daha açık biçimde ifşa etmiş ve ödevleri öğrenme görevleri olarak ele almışlardır; bu, beş on dakikalık konuşmalar olmuştur (Mandernach, 2026).

Sosyal ve ilişkisel etkiler

• Olumlu: YZ, işbirliğini ve insan–YZ etkileşimini aracılık ederek ekip çalışmasını, akran etkileşimini ve çeşitli bakış açılarına erişimi destekleyebilir.
• Olumsuz: YZ, özgün akran ve hoca etkileşimini azaltabilir, dalkavuk dinamikleri yaratabilir ve — açıklanmamış bir ekip arkadaşı olarak işlediğinde — öğrenenlerin göremediği veya itiraz edemediği biçimlerde grup söylemini ve Öğrenen Etkenliği yeniden şekillendirebilir (bkz. örtük HAI’de ortaya çıkan öğrenen ajansı).

Uzun vadeli / yetkinlik etkileri

• Olumlu: YZ, öğrencilerin YZ bütünleşik bir iş yeri için aktarılabilir beceriler oluşturmasına yardımcı olabilir — YZ Okuryazarlığı, Dağıtık Biliş ve Metabiliş gibi uyarlanabilir yetkinlikler — ve YZ becerileri hazırbulunuşluğuna ilişkin beklentileri yükseltebilir (mezunlara yönelik YZ becerileri beklentileri).
• Olumsuz: Aşırı bağımlı veya yansıtmasız bir YZ deneyimi, öğrencileri YZ olmadan performans göstermeye daha az yetkin, bağımsız akıl yürütmeye daha az pratik yapmış ve kendi kapasitelerinden emin olmayan bırakabilir (bkz. AI misuse and learning harm).

Genel olarak: aynı YZ aracı, tasarım ve kullanıma bağlı olarak öğrencileri destekleyebilir veya baltalayabilir. Her yerdeki koruma önlemi, YZ’yi destek için kullanırken bilişsel olarak önemli çalışmayı öğrenenin üzerinde tutmaktır (iskele kurun, yerine koymayın) ve yalnızca performans değil etkilerin tam yelpazesine dikkat etmektir. Bir yapılandırma, deneyimin nerede başladığını kaydırır: YZ ödevde yardım etmek yerine kursun okuma metinlerinin kendisini ürettiğinde öğrenciler kendi müfredatlarının denetçileri haline gelir. Sidorkin’in (2026) lisansüstü kursunda öğrenciler üretilen metinlerin bağlamsal özgüllüğünü ve ayarlanabilirliğini değerli bulmuş ve yüzde 75’i YZ refakatçisi olmayan benzer bir kursa kıyasla daha fazla öğrendiklerini belirtmiştir; ancak Wikipedia bağlantıları ile hakemli dergi atıfları etiketlenmeden aynı listelerde göründüğünden kaynak niteliğini bağlamdan çıkarım yapmak zorunda kalmışlar ve 24 anket yanıtlayanından dördü bağımlılık dilini kullanmış olup biri kendisini "güvence ve yapı için YZ’ye biraz bağımlı" olarak betimlemiştir.

Bir öğrencinin deneyimlediği en uzun vadeli çıktılar — gelecek dönem dönme, kredi biriktirme ve mezun olma — kurumsaldır, öğretimsel değildir ve Öğrenci Desteği ve Başarısı YZ desteğinin bunları nasıl etkilediğini izler: görev tamamlama kolayca değişir, ısrarcılık ve mezuniyet çok daha az.

Bağlantılar

Öğrenci deneyimi; Aşırı Bağımlılık (aşırı YZ bağımlılığı), YZ Okuryazarlığı (etkili kullanım becerileri), Bilişsel Yükü Dışarı Aktarma (YZ’nin bilişsel çalışmayı nasıl değiştirdiği) ve kavrama (YZ sistemlerinin öğrenci davranışını nasıl ölçtüğü ve buna nasıl yanıt verdiği) ile bağlantılıdır. Paydaşlar şemsiyesinin öğrenciye yönelik üyesidir ve YZ’nin öğrencileri etkilediği tüm biçimleri özetlemenin merkezidir.

Bağlı kavramlar

• Öğrenenler — Öğrenenler: öğrenen tarafına ilişkin kavramlar için üst başlık
• Pedagojik İşbirliği — Pedagogical Partnerships
• Öğrenen Kimliği — Evrilen disiplinsel, mesleki, yaratıcı ve akademik öğrenen kimlikleri
• Öğrenen Etkenliği
• İyi Olma Hali
• Kaygı ve Stres
• Sosyal-Duygusal Öğrenme
• Uzaktan Gözetimli Sınav
• Üretici YZ
• Büyük Dil Modelleri (LLM)
• Yükseköğretim
• YZ Okuryazarlığı
• Bilişsel Yükü Dışarı Aktarma
• Eşitlik
• K-12
• İskeleleme (Scaffolding)
• Metabiliş
• Öz Düzenlemeli Öğrenme
• Öğrenciler için YZ Kullanımını Çerçevelemek
• Akademik Dürüstlük
• Paydaşlar — Üst başlık: YZ eğitiminde insanlar ve kitleler (öğrenenler, öğretmenler, tasarımcılar, yöneticiler, politika yapıcılar)
• Öz Bildirim Ölçütleri
• Öğrenci Kavraması — YZ sistemlerinin öğrenci davranışını nasıl ölçtüğü ve buna nasıl yanıt verdiği
• YZ Kullanımına İlişkin Toplumsal Normlar — YZ kullanımının akranlara nasıl görünür hale geldiği
• Öğrenci Desteği ve Başarısı — Desteğin kurumsal tarafı: bir kursta olan şey değil, üniversitenin öğrencilere yaptığı şey

Bağlı makaleler

• Stuck in a Spiral": Shame and Guilt as Social Regulators of AI Use in Computing Education — Shame and guilt as social regulators of AI use
• The Competence Paradox: Negotiating Ease, Risk, and Creative Identity in Text-to-Image Generative AI Use Among Art and Design Students — The competence paradox: creative identity in text-to-image GenAI use
• The Best Response to Student AI Use Is Not Detection, It Is Dialog
• How Does Students' Perception of ChatGPT Shape Online Learning Engagement and Performance?
• Is using artificial intelligence tools for academic work cheating? Student perceptions, ethics, and the impact on academic performance and critical thinking
• "It is a temptation to get it to do the work…" Student Experiences of Navigating the Generative AI Landscape in UK Higher Education: A Cross-Institutional Survey with International Comparison
• Metacognitively Discordant Completion and the Aware Pass-Through of Non-Understanding in Generative AI Learning
• AI-Generated Interactive Fiction for Educational Use: A Pilot Study of Perceived Comprehensibility, Coherence, and Engagement
• AI in the Wild: A Large Scale Analysis of Authentic Interactions of College Students with Generative AI
• Generative AI Availability, Grades, and Student Satisfaction at a Large University
• It's OK Because...": The Wild West of Student Rationalization of AI Use in Academic Writing — Akademik yazımda YZ kullanımının öğrencilerce gerekçelendirilmesi (Kim ve ark. 2026)
• Tracing GenAI Literacy: Student-AI Interaction Patterns in Academic Writing
• Cognitive Offloading in Student–AI Collaboration: A Longitudinal Analysis of Prompting Strategies
• Why Put in This Much Effort?": How AI Availability Shapes Students’ Motivation in Introductory Programming
• AIED's Unfinished Mission: Centering Agency and Motivation in the Age of Effortless Bypass
• Uncovering Students' Mental Models of Generative Artificial Intelligence
• A study of GenAI usage by Design Students: Analysis of Survey Results and Journals of AI practices at the Politecnico di Milano in 2025/2026
• Exploring AI-Supported Disciplinary Mediation in Student Project Teams' Text-Based Communication
• AI skills for college graduates: Exploring how instructors and employers prioritize AI skills differently — Üniversite mezunlarına yönelik YZ becerileri beklentileri ve kurumsal hazırbulunuşluk
• Analysis of Types of Inquiries in Student-AI Interaction: A case study of two CS2 tasks — Öğrenci–YZ etkileşiminde talep türlerinin analizi
• Navigating AI in STEM: What Secondary Students Actually Do With Generative AI-Driven Tools — Ortaokul öğrencilerinin STEM kapsamında GenAI araçlarıyla ne yaptığı
• Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science — İlkokul fen bilgisinde GenAI sohbet robotları ve problem kurgulaması
• Heads We Win, Tails You Lose: AI Detectors in Education — Heads we win, tails you lose: AI detectors in education (Bassett ve ark. 2026)
• The Safety Gap: Restoring Productive Struggle Through Pedagogically Aligned Generative AI — The Safety Gap: Restoring Productive Struggle
• Exploring student anxiety and experience in performance-based assessments using AIvaluate: an LLM-augmented emotionally — AIvaluate: LLM-Augmented Assessment of Student Anxiety (2026)
• AI Anxiety: A Comprehensive Analysis of Psychological Factors and Interventions — A comprehensive analysis of AI anxiety
• Students' Perceptions of Artificial Intelligence Tools for Study Productivity and Learning: An Exploratory Survey Study — Students' Perceptions of Artificial Intelligence Tools for Study Productivity and Learning: An Exploratory Survey Study
• Factors Associated with Students' Adoption of Artificial Intelligence Technology in Tertiary Education: A Meta-Analytic Review — Post-secondary adoption perspective
• Raising Ethical Awareness of GenAI Use Through Student Self-Assessment in the Transition to Higher Education — Raising ethical awareness of GenAI use through student self-assessment
• Reimagining Success and Failure: Equitable Assessment Practices in an Age of Artificial Intelligence — Equitable assessment in an AI era
• Longitudinal Insights into AI in Education: Usage, Ethics, and Policy Development in Higher Education — Öğretmen eğitiminde boylamsal GenAI kullanımı, etik ve politika (Parker ve ark. 2026)
• The Use and Usefulness of GenAI in Higher Education: Student Experience and Perspectives — Avustralya yükseköğretiminde GenAI faydasının öğrenci deneyimi (Chung ve ark. 2026)
• Modelling Generative AI's Influence on Students' Perceived Decision Capability: A Cognitive Load and Decision Augmentation Approach — GenAI ve öğrencilerin algıladığı karar kapasitesi (bilişsel yük açıklaması)
• Conceptualizations of GenAI and Students' Professionalization: Within the Multi-Layered Environment of Learning for Higher Education — GenAI kavramsallaştırmaları ve öğrenci profesyonelleşmesi
• From One-Size Texts to Tailored Readings: Student Experiences with AI-Generated Course Materials — Öğrenciler kendi YZ üretimli müfredatlarının denetçileri olarak (Sidorkin 2026)
• Tools facilitate cheating, or partner supports learning? GenAI and academic integrity issues from students' perspectives — Students on whether GenAI is a cheating tool or a learning partner
• How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis — Usulsüzlük isnad dosyalarının kanıt olarak fiilen içerdikleri
• Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment — Over-inclusive AI rules and the students they catch
• Educational integrity in GenAI-augmented assessment: making judgment visible — Integrity as evaluative judgment rather than compliance
• Under surveillance: Mapping remote proctoring practices in the assessment of nursing students — a scoping review — Remote proctoring's emotional and equity costs for students