Yapay zekâ entegre öğretim–değerlendirme uyumu, öğrencilerin generatif yapay zekâyı akademik yazmada kullanırken göstermeleri beklenen eleştirel, etik ve retorik muhakemenin önce ders içinde açıkça öğretilmesini ve uygulanmasını, ardından değerlendirme görevlerinin aynı yetkinlikleri görünür kılacak biçimde tasarlanmasını ifade eden pedagojik bir yaklaşımdır. Hao Tran'ın uygulama temelli çalışması, Avustralya'daki multidisipliner bir lisansüstü Akademik Amaçlı İngilizce (English for Academic Purposes, EAP) yazma dersinde yaklaşık iki yıllık müfredat geliştirme, eylem araştırması ve ders değerlendirme deneyimlerini inceler. Yeniden tasarım; öğrencilerin kaynakları bağımsız değerlendirmesi, yapay zekâ çıktısını sorgulaması, akademik ton ve yazar sesini koruması, araştırma kararlarını açıklaması ve yalnız nihai metni değil yazma sürecindeki muhakemesini de görünür kılması üzerine kurulmuştur. Çalışmanın merkezî ilkesi, öğrenciden yapay zekâyı eleştirel ve sorumlu biçimde kullanması bekleniyorsa bu becerinin yalnız değerlendirme sırasında talep edilmemesi, önceden sistematik biçimde öğretilmesi ve uygulanması gerektiğidir. Bununla birlikte çalışma kontrollü bir etkililik deneyi değildir; ders değerlendirme puanlarında görülen yükselişler öğrencilerin algıları açısından gösterge niteliğindedir ve yeniden tasarımın öğrenme kazanımlarına nedensel etkisini tek başına kanıtlamaz.

Generatif yapay zekânın akademik yazmaya girmesi, EAP değerlendirmesinde yalnız “AI kullanımı serbest mi, yasak mı?” sorusunu ortaya çıkarmamaktadır. ChatGPT ve benzeri sistemler özetleme, yeniden ifade etme, fikir üretme, araştırma sorusu önerme, metin düzenleme ve dil düzeltme gibi daha önce öğrencinin akademik yazma becerisinin göstergesi sayılan pek çok işi hızla gerçekleştirebilmektedir. Bu nedenle yalnız nihai ürünün değerlendirilmesi, öğrencinin akademik kararlarının ne kadarını kendisinin verdiğini veya üretilen metni gerçekten anlayıp anlamadığını her zaman göstermeyebilir.

Çalışmanın önerdiği çözüm yapay zekâyı eğitimden dışlamak olmadığı gibi, yapay zekâ kullanımını kontrolsüz biçimde serbest bırakmak da değildir. Bunun yerine AI, öğrencinin karar vermesi gereken bir akademik araç ve aynı zamanda öğretimin açık bir nesnesi hâline getirilir. Öğrenci yalnız yapay zekâdan çıktı almayı değil; çıktının doğruluğunu, kaynak güvenilirliğini, bağlama uygunluğunu, akademik tonu, yazar sesini ve retorik etkisini değerlendirmeyi öğrenir.

Generatif yapay zekâ EAP eğitiminde hangi problemi değiştirdi?

Akademik Amaçlı İngilizce dersleri geleneksel olarak özetleme, paraphrase, kaynak kullanımı, argüman geliştirme, akademik ton, atıf, araştırma yazımı, düzenleme ve düzeltme gibi becerileri açık biçimde öğretir. Generatif yapay zekâ sistemlerinin yaygınlaşmasıyla öğrenciler bu işlemlerin önemli bir bölümünü birkaç saniye içinde otomatik araçlara yaptırabilmektedir.

Bu durum iki zıt ama aynı derecede problemli tepkiye yol açabilir. Birinci tepki, yapay zekâyı tamamen yasaklamaktır. Bu yaklaşım öğrencilerin sınıf dışında ve gelecekteki akademik çalışmalarında karşılaşacağı gerçek yazma ortamını göz ardı edebilir. İkinci tepki ise AI kullanımını sistematik öğretim olmadan serbest bırakmaktır. Bu durumda öğrenci akıcı ve profesyonel görünen çıktıyı akademik olarak doğru veya uygun kabul ederek kendi değerlendirme sorumluluğunu yapay zekâya devredebilir.

Çalışmanın pedagojik problemi bu ikilem üzerinden tanımlanır: öğrenciler yapay zekâyı kullanabilecekse, öğretim onların yapay zekâ çıktısına karşı bağımsız akademik muhakeme geliştirmesini nasıl sağlayacaktır ve değerlendirme bu muhakemeyi nasıl görünür kılacaktır?

AI Entegre Öğretim–Değerlendirme Uyumu Nedir?

AI entegre öğretim–değerlendirme uyumu, değerlendirmede öğrenciden beklenen yapay zekâ aracılı akademik davranışların önce müfredat içinde açıkça öğretilmesi, uygulanması ve üzerinde düşünülmesi ilkesidir. Öğrenciden AI tarafından önerilen bir kaynağı değerlendirmesi, AI destekli revizyonda kendi akademik sesini koruması veya AI ile geliştirdiği araştırma fikrini savunması bekleniyorsa, bu yetkinliklerin değerlendirme öncesinde ders içinde sistematik biçimde geliştirilmesi gerekir.

Bu yaklaşım yapılandırmacı uyum mantığına dayanır: öğrenme çıktıları, sınıf içi pedagojik etkinlikler, izin verilen yapay zekâ kullanımı ve değerlendirmede istenen kanıt birbiriyle bağlantılı olmalıdır. Öğrencinin hiç öğretilmemiş bir AI kullanım biçiminde değerlendirilmesi, ölçmenin ne kadar geçerli olduğu konusunda soru yaratabilir.

Benzer biçimde, öğrencilerin gerçek akademik yazma süreçlerinde zaten yapay zekâ kullanması bekleniyorsa, tamamen AI'sız bir değerlendirme de gelecekte ihtiyaç duyacakları akademik okuryazarlıkların yalnızca bir bölümünü ölçebilir.

Dersin bağlamı

Çalışmanın ele aldığı lisansüstü EAP yazma dersi farklı disiplinlerden öğrencileri bir araya getirmektedir. Dersin amacı tek bir disiplinin yazma türünü öğretmek yerine akademik ton, tür farkındalığı, kaynak gösterme, kaynak kullanımı, araştırma yazımı ve revizyon gibi alanlarda farklı bağlamlara taşınabilecek akademik muhakeme geliştirmektir.

2025 öğrenci dağılımını gösteren kaynak grafiğinde en büyük iki grup Master of Communication öğrencileri (%33) ile Master of Applied Linguistics öğrencileridir (%28). Grafikte ayrıca Master of Music (%18), Graduate Certificate in Communication (%8), Master of Geographic Information Science (%8), Master of Interaction Design (%3) ve diğer programlar (%3) yer almaktadır. Yüzdeler grafikte yuvarlanmış biçimde sunulduğundan toplamın tam %100'e eşit olmaması yuvarlamadan kaynaklanabilir.

Beş yıllık kayıt grafiği dersin dönem başına yaklaşık 190–280 öğrenci ölçeğinde önemli bir lisansüstü öğrenci kitlesine hizmet ettiğini göstermektedir. Bu multidisipliner yapı, dersin neden belirli bir disiplinin yazım kurallarını öğretmek yerine daha genel akademik muhakemeye odaklandığını anlamak açısından önemlidir.

Ders 13 öğretim haftasına yayılmaktadır ve akademik argüman, tutum, ton, metasöylem, tür farkları, akademik dürüstlük, özetleme, paragraf oluşturma, eleştirel düşünme, kaynak gösterme, araştırma makalesi yapısı, düzenleme ve son okuma gibi alanları kapsamaktadır.

İlk adım: ortak bir AI kullanım dili oluşturmak

Müfredat geliştirme süreci yalnız değerlendirmelerin değiştirilmesiyle başlamamıştır. Dönemin başında öğrencilerin yapay zekâ konusundaki mevcut uygulamalarını, varsayımlarını ve belirsizliklerini düşünmesini sağlayan bir yönelim etkinliği uygulanmıştır.

Öğrenciler daha önce gerçekleştirilen eylem araştırmasında kullanılan doğrulanmış bir anket üzerinden kendi AI kullanım pratiklerini değerlendirmiştir. Sınıf düzeyinde paylaşılan sonuçlar, öğrencilerin birbirlerinin yapay zekâ kullanım biçimlerini karşılaştırmasına ve hangi alanlarda kendilerini güvende veya kararsız hissettiklerini tartışmasına olanak vermiştir.

Buna kurumun yapay zekâ politikası üzerine kısa bir bilgi testi ve kabul edilebilir kullanımın farklı öğrenme ve değerlendirme görevlerine göre nasıl değişebileceğine ilişkin tartışmalar eklenmiştir. Böylece yapay zekâ kullanımı öğrencinin gizli veya tamamen bireysel bir uygulaması olmaktan çıkarılarak ders içinde tartışılabilir akademik bir konu hâline getirilmiştir.

Kaynak değerlendirme neden yapay zekâya bırakılamaz?

Öğrencilerin akademik veri tabanlarında arama yapması, doğru anahtar sözcükleri geliştirmesi, hakemli makaleleri bulması ve bulunan kaynağın güvenilirlik ile yararlılığını değerlendirmesi akademik yazmanın temel parçalarındandır. Generatif AI sistemleri kaynak önerebildiği veya bir çalışmanın değerini özetleyebildiği için bu süreç kolaylaşmış görünse de yanlış kaynak, hatalı bibliyografik bilgi veya kaynağın gerçek içeriğini yansıtmayan değerlendirme üretme olasılığı akademik muhakemeyi daha az değil, daha fazla gerekli hâle getirmektedir.

Dersin üçüncü modülünde öğrenciler önce üniversite kütüphanesi ve Google Scholar üzerinden kendileri arama yapar. Anahtar sözcük oluşturma ve sorguları değiştirme pratiği gerçekleştirirler. Daha sonra seçtikleri kaynakların güvenilirlik, kredibilite ve yararlılığını kısa gerekçeyle birlikte 1–10 arasında değerlendirirler.

Yapay zekâ bu aşamada karar merci olarak değil, karşılaştırma aracı olarak kullanılır. Öğrenci aynı kaynağın değerlendirilmesini AI sisteminden isteyebilir ve kendi değerlendirmesiyle AI değerlendirmesi arasındaki farkları inceleyebilir. Pedagojik hedef öğrencinin “AI ne dedi?” sorusundan önce “ben bu kaynağı hangi gerekçeyle güvenilir ve yararlı buluyorum?” sorusunu cevaplayabilmesidir.

Değerlendirme tarafında bu öğretim, sınıf içinde gerçekleştirilen performans göreviyle eşleştirilmiştir. Öğrenciler karşılaştırmalı makale incelemesinde kullanabilecekleri hakemli kaynakları belirler, bunların yararlılık ve güvenilirliğini değerlendirir ve arama süreçlerine ilişkin kanıt sunar. Güncel uygulamada üniversite kütüphanesindeki arama bağlantısının teslim edilmesi, değerlendiricinin kullanılan anahtar kelimeler ile seçilen kaynaklar arasındaki ilişkiyi inceleyebilmesini sağlar.

Çalışma ayrıca gelecekteki bir geliştirme olarak, kaynak belirleme veya değerlendirmede AI kullanılmışsa ilgili AI konuşmalarının ekran görüntülerinin sunulabileceğini belirtmektedir. Buradaki amaç AI kullanımını otomatik olarak suçlayıcı biçimde takip etmek değil, kaynak seçim kararlarının görünür ve açıklanabilir olmasını sağlamaktır.

Akıcı Bir AI Çıktısı Akademik Olarak Uygun Olduğu Anlamına Gelir mi?

Hayır. Bu çalışmanın pedagojik yaklaşımında dilbilgisel olarak akıcı, resmî veya cilalı bir AI çıktısı; kaynağa sadakat, akademik doğruluk, disipline uygun ton, doğru tutum, uygun metasöylem veya yazarın amaçladığı akademik ses açısından otomatik olarak başarılı kabul edilmez. Öğrencinin AI tarafından yapılan değişikliğin yalnız dil yüzeyini değil, yazar–kanıt–okuyucu ilişkisini ve retorik anlamı nasıl etkilediğini değerlendirmesi gerekir.

Akademik ton, metasöylem ve yazar sesi

Dördüncü modülde öğrenciler akademik ton, metasöylem ve yazar sesi üzerinde çalışmaktadır. Generatif yapay zekâ bir paragrafı daha akıcı veya daha resmî hâle getirebilir; fakat aynı düzenleme yazarın iddiasındaki ihtiyat düzeyini, kesinlik derecesini, disipline özgü söylemi veya yazarın okuyucu karşısındaki konumunu da değiştirebilir.

Bu nedenle öğrenciler önce insan tarafından yazılmış akademik metinlerde bilgi organizasyonu, fikirler arasındaki bağlantılar, ihtiyat veya kesinlik bildiren yapılar, değerlendirme ifadeleri ve okuyucuyla etkileşim kuran metasöylem unsurlarını analiz eder.

Ardından AI destekli paraphrase ve revizyon örnekleri ele alınır. Öğrenciler yalnız yeni sürümün “daha iyi İngilizce” olup olmadığına değil, değişen kelimelerin metnin anlamını, disipliner sesini ve yazarın tutumunu nasıl değiştirdiğine bakar.

Kaynakta gösterilen sınıf etkinliği, öğrencinin kısa bir metni önce kendi ifadeleriyle yeniden kurmasını ve isterse AI aracı kullanmasını içerir. Öğrenciden AI çıktısındaki hangi unsurları koruduğunu veya değiştirdiğini ve generatif yapay zekâ ile paraphrase yapmanın hız, açıklık, yazar sesi veya kişilik kaybı gibi olası avantaj ve dezavantajlarını açıklaması istenir.

Karşılaştırmalı makale incelemesi ve video yansıtma

Ton ve metasöylem öğretimi daha sonra karşılaştırmalı makale incelemesine bağlanmaktadır. Öğrenciler kendi disiplinlerinden akademik metinlerle başka bir alandaki akademik metni karşılaştırarak yalnız içeriğe değil, akademik dil ve retorik özelliklere bakar.

Buna eklenen video yansıtma görevi, öğrencinin kendi disiplinindeki yazı ile başka bir disiplindeki yazı arasındaki farkları sözlü olarak açıklamasını ister. Öğrenci ton, tutum, metasöylem ve disipliner beklentiler konusunda ne öğrendiğini ve bu anlayışın gelecekte kendi yazısına nasıl yansıyabileceğini ifade eder.

Bu tamamlayıcı değerlendirme, yazılı metindeki analiz ile öğrencinin o analizden ne öğrendiğini açıklama kapasitesini bir araya getirir. Yapay zekâ kullanılmış olsa bile öğrenci akademik kararların ve retorik sonuçların sorumluluğunu taşımaya devam eder.

Araştırma makalesi geliştirme ve IMRD yapısı

Yedinci modül, araştırma makalesi geliştirmeyi Giriş, Yöntem, Bulgular ve Tartışma bölümlerinden oluşan IMRD yapısı üzerinden öğretmektedir. Buradaki zorluk yalnız İngilizce dilbilgisi değildir. Öğrencinin akademik olarak anlamlı bir konu belirlemesi, ilgili literatürü bulması, araştırma boşluğunu tanımlaması, araştırma sorusu geliştirmesi, uygulanabilir bir yöntem önermesi ve çalışmanın önemini açıklaması gerekir.

AI sistemleri konu, soru veya bölüm yapısı önerebilir; ancak kaynağın vurguladığı risk, bu önerilerin genel, gerçekçi olmayan veya öğrencinin disiplin bağlamından kopuk olabilmesidir. Dolayısıyla öğrencinin görevi AI fikrini kabul etmek değil; akademik açıdan savunulabilir, kendi alanına uygun ve değerlendirme kapsamı içinde gerçekleştirilebilir olup olmadığını sorgulamaktır.

AI Döneminde Nihai Metin Tek Başına Yeterli Değerlendirme Kanıtı mıdır?

Bu çalışmanın yaklaşımına göre her durumda yeterli değildir. Generatif yapay zekâ ile yüksek derecede cilalanmış bir yazılı ürün üretilebildiği için, öğrencinin araştırma fikrine nasıl ulaştığını, kaynak ve yöntem kararlarını anlayıp anlamadığını ve metnin arkasındaki akademik mantığı açıklayıp açıklayamadığını göstermek üzere sözlü açıklama, süreç belgesi, yansıtma veya akran geri bildirimi gibi tamamlayıcı kanıtlar kullanılabilir; ancak bu bileşenlerin gözetim amacıyla değil öğrenme hedefleriyle uyumlu biçimde tasarlanması gerekir.

Sözlü fikir sunumu neden yazılı araştırma makalesine bağlanıyor?

Araştırma makalesi değerlendirmesinde öğrenciler final metninden önce iki sınıf içi fikir sunumu fırsatından en az birine katılmak zorundadır. Bu bileşen başarılı/başarısız biçiminde bir eşik gerekliliği olarak tasarlanmıştır.

Dokuzuncu haftadaki sunumlarda öğrenciler araştırma konusu, ilgili literatür, araştırma boşluğu ve araştırma sorularını açıklar. Onuncu haftada ise önerilen yöntem ve geçici tartışma üzerinde durulur. Öğrenciler birbirleri için akran değerlendirme formları doldurabilir ve aldıkları geri bildirimi nihai araştırma makalesini geliştirirken kullanabilir.

Bunun iki işlevi vardır. Birincisi pedagojiktir: öğrenci fikirlerini yazıya dökmeden önce sözlü biçimde açıklayarak boşlukları fark edebilir ve geri bildirim alabilir. İkincisi ise yazarlık sorumluluğunu görünür kılmaktır: çok iyi biçimlendirilmiş bir final metni tek başına öğrencinin araştırmanın mantığını anladığını göstermeyebilir; sözlü açıklama öğrencinin kararlarını gerekçelendirebilmesini sağlar.

“Assessment twins” yaklaşımının bu çalışmadaki anlamı

Çalışma, AI kullanımına açık yazılı görevlerin başka bir kanıt türüyle eşleştirilmesi fikrini değerlendirme ikizleri yaklaşımıyla ilişkilendirir. Örneğin yazılı akademik çalışma; sözlü savunma, tartışma, süreç açıklaması veya başka bir tamamlayıcı performansla desteklenebilir.

Ancak yazarın uygulamasındaki önemli vurgu, tamamlayıcı görevin yalnız AI ile hile yapılıp yapılmadığını kontrol etmek üzere tasarlanmamasıdır. Sözlü fikir sunumu araştırma tasarımını geliştirmekte, video yansıtma öğrenmenin aktarımını görünür kılmakta, akran değerlendirmesi hedef kitle farkındalığı ve revizyona destek olmaktadır.

Bu nedenle tamamlayıcı değerlendirme en yüksek pedagojik değeri, “öğrenciyi doğrulayan gözetim” yerine “öğrenmeyi destekleyen ikinci bir kanıt yüzeyi” olduğunda kazanır.

AI üretkenlik aracı ile akademik karar mercii arasındaki fark

Çalışmanın ders geliştirme deneyiminden çıkardığı temel ayrımlardan biri budur. AI kaynak önerebilir, açıklama oluşturabilir veya metni yeniden düzenleyebilir. Bunlar üretkenliği destekleyen işlevlerdir.

Ancak hangi kaynağın güvenilir olduğu, hangi bilginin araştırma sorusuyla gerçekten ilişkili olduğu, bir paragraftaki yeni kesinlik düzeyinin uygun olup olmadığı, revizyonun yazar sesini koruyup korumadığı veya araştırma fikrinin metodolojik olarak uygulanabilir olup olmadığı akademik muhakeme gerektirir.

Bu nedenle yapay zekânın akademik yazmaya girmesi akademik okuryazarlığa olan ihtiyacı azaltmaktan çok, yazma sırasında verilen kararları değerlendirebilme yeteneğinin önemini artırabilir.

Çalışmanın Yöntemi ve Bulguları

Çalışmanın bilimsel türü

Bu makale klasik anlamda bir randomize deney, kontrollü müdahale çalışması veya büyük ölçekli karşılaştırmalı etkililik araştırması değildir. Yazar çalışmayı iki yıllık müfredat ve değerlendirme geliştirmesine dayanan, öğretim odaklı bir eylem araştırması yönelimine sahip uygulama temelli reflektif çalışma olarak sunmaktadır.

Çalışmanın bilgi kaynakları arasında daha önce yürütülen eylem araştırmasındaki doğrulanmış öğrenci AI kullanım anketi, AI entegre ders etkinliklerine verilen sınıf içi tepkiler, normal ders değerlendirmeleri, gayriresmî öğrenci geri bildirimleri, öğretim ekibi tartışmaları, değerlendirme moderasyonu ve ders koordinatörünün mesleki yansıtması bulunmaktadır.

Kaynak PDF bu çalışmada söz konusu anket için bağımsız örneklem büyüklüğü, ayrıntılı istatistiksel analiz planı veya deney-kontrol tasarımı raporlamamaktadır. Bu nedenle bu bilgiler Verianla tarafından tamamlanmamıştır.

Müfredat geliştirme mantığı

Ders değerlendirme verileri ne gösteriyor?

Çalışmada beş dönem boyunca üç ders değerlendirme maddesinin ortalama puanları sunulmaktadır. S2/2023 ve S1/2024 yeniden tasarım öncesi referans dönemleri; S2/2024, S1/2025 ve S2/2025 ise müfredat geliştirme sonrasındaki dönemler olarak kullanılmıştır.

En belirgin değişim değerlendirme gerekliliklerinin açıklığında görülmektedir. Bu puan referans dönemlerinde 4,43–4,44 iken S2/2024 ve S2/2025 dönemlerinde 4,73'e ulaşmıştır. Öğrenme materyalleri ve genel ders değerlendirmesi de yeniden tasarım sonrası dönemlerde referans dönemlerinden yüksek kalmıştır.

Ancak çalışma bu değişimleri AI entegre yeniden tasarımın doğrudan neden olduğu öğrenme kazanımları olarak yorumlamamaktadır. Kontrol grubu, rastgele atama veya nedensel çıkarım tasarımı bulunmadığından puanlar öğrencilerin dersin açıklık ve yararlılığına ilişkin algılarının gösterge niteliğindeki verisi olarak kullanılmaktadır.

Uygulamanın görünür hâle getirdiği dört temel sonuç

Birincisi, akademik karar verme görünür hâle gelmiştir. Öğrenciler yalnız nihai yazıyı teslim etmek yerine AI kullanımlarını, kaynak seçimlerini, değerlendirmelerini ve revizyon kararlarını tartışmaya başlamıştır.

İkincisi, AI ile çalışmak değerlendirme muhakemesinin önemini artırmıştır. Öğrencinin AI çıktısını doğruluk, kanıt, alaka, ton, ses, tür ve amaç bakımından değerlendirmesi gerekir.

Üçüncüsü, AI aracılı değerlendirme önceden öğretilmiş pratiğe bağlandığında pedagojik olarak daha güçlüdür. Kaynak değerlendirme görevi kaynak değerlendirme öğretiminden, video yansıtma ton ve metasöylem çalışmalarından, araştırma makalesi ise araştırma geliştirme ve sözlü fikir sunumlarından beslenmektedir.

Dördüncüsü, tamamlayıcı kanıt yalnız doğrulama amacı taşımamalıdır. Sözlü sunum, yansıtma, süreç belgesi ve akran değerlendirmesi öğrencinin yazma sürecini geliştiren öğrenme araçları olarak da işlev görebilir.

Çalışmanın desteklediği ve desteklemediği sonuçlar

Çalışmanın desteklediği: Belirli bir lisansüstü EAP dersinde AI kullanımının müfredat içine açık biçimde yerleştirilmesi; kaynak değerlendirme, akademik ton/metasöylem ve araştırma tasarımı gibi alanlarda öğretim ile değerlendirme arasında daha görünür bağlantılar kurulmasına olanak vermiştir. Öğrenci değerlendirmeleri yeniden tasarım sonrası dönemlerde dersin açıklığı ve yararlılığına ilişkin olumlu bir örüntü göstermiştir. Yazarın uygulama deneyimi, AI kullanımının yalnız akademik dürüstlük problemi olarak değil, öğretilecek ve üzerinde düşünülecek bir akademik okuryazarlık alanı olarak ele alınabileceğini göstermektedir.

Çalışmanın desteklemediği: AI entegre öğretimin bütün EAP bağlamlarında daha yüksek öğrenme kazanımı ürettiği, öğrencilerin akademik yazma performansını belirli bir miktarda artırdığı, AI kullanımının akademik dürüstlük ihlallerini azalttığı veya sözlü tamamlayıcı değerlendirmelerin yapay zekâ kullanımını güvenilir biçimde tespit ettiği sonucuna ulaşılamaz. Çalışma ayrıca belirli bir AI ürününün diğerlerinden üstün olduğunu test etmemektedir.

Uygulama için çıkarılan tasarım ilkeleri

1. Yerel AI yönelimiyle başla: Öğrenciler kurum ve ders bağlamında neyin izinli, gerekli veya sınırlı olduğunu erken aşamada anlamalıdır.
2. AI kullanımını akademik okuryazarlığın parçası olarak öğret: Doğruluk, alaka, kanıt, ton, yazar sesi, tür ve amaç bakımından değerlendirme açıkça çalışılmalıdır.
3. Süreç ve muhakemeyi görünür kıl: Arama bağlantıları, kaynak değerlendirme notları, AI etkileşim kayıtları, revizyon günlükları, yansıtma metinleri, sözlü sunumlar veya akran değerlendirmeleri uygun olduğunda kullanılabilir.
4. Tamamlayıcı değerlendirmeyi öğrenme odaklı tasarla: Amaç yalnız AI kullanımını denetlemek değil, öğrencinin düşüncesini geliştirmesini ve açıklamasını sağlamaktır.
5. Öğretmen desteğini kurumsal düzeye taşı: AI entegre değerlendirme tasarımı yalnız bireysel öğretmenin deneme-yanılmasına bırakılmamalı; zaman, ortak terminoloji ve kurumsal destek gerektirir.

Bu ilkeler kaynak çalışmada evrensel ve değişmez bir şablon olarak sunulmamaktadır. Yazar özellikle farklı EAP programlarının farklı AI politikaları, değerlendirme türleri, veri tabanları, disipliner materyaller ve teknolojik araçlar kullanabileceğini belirtmektedir. Aktarılması önerilen unsur belirli görevlerin aynısını kopyalamak değil, öğrenciden değerlendirmede beklenen AI aracılı akademik okuryazarlığın önce öğretilmesi ilkesidir.

Temel sınırlılıklar

Birinci sınırlılık, çalışmanın tek bir kurumsal ve ders bağlamına yerleşik uygulama anlatısı olmasıdır. Yazar da sonuçları AI entegre EAP öğretimine ilişkin genellenebilir deneysel bulgular olarak sunmamaktadır.

İkinci sınırlılık, ders değerlendirme verilerinin öz-bildirime dayalı algı göstergeleri olmasıdır. Ortalama puanların yükselmesi dersin daha anlaşılır veya yararlı algılandığını gösterebilir; ancak öğrencilerin gerçek akademik yazma becerisindeki değişimi doğrudan ölçmez.

Üçüncü sınırlılık nedensellik konusudur. Müfredat zaman içinde değişirken öğrenci grupları, öğretim koşulları ve başka çevresel değişkenler de farklılaşmış olabilir. Çalışmada bu faktörleri izole eden deneysel bir kontrol düzeni bulunmamaktadır.

Dördüncü sınırlılık, AI teknolojilerinin ve kurum politikalarının hızlı değişmesidir. Burada açıklanan etkinlikler belirli bir teknoloji ürününden ziyade akademik muhakemeye dayalı tasarlanmış olsa da başka kurumlarda izin verilen AI kullanımı veya değerlendirme koşulları farklı olabilir.

Çalışmanın ana pedagojik sonucu

Makalenin ana mesajı AI'nın akademik yazma öğretimini gereksiz kıldığı değildir. Tam tersine, yapay zekâ sistemleri özetleme, düzenleme veya metin oluşturma gibi yüzeysel işlemleri kolaylaştırdıkça öğrencinin iyi bir akademik özetin ne olduğunu, güvenilir kaynağı nasıl ayırt edeceğini, argümanın nasıl kurulduğunu, ihtiyat dilinin ne işe yaradığını ve kendi akademik sesini nasıl koruyacağını anlayabilmesi daha önemli hâle gelmektedir.

Bu nedenle AI entegrasyonunun odağı “öğrenci AI kullansın mı?” ikileminden “öğrenci AI ile çalışırken hangi akademik kararları verebilmelidir?” sorusuna kaydırılmaktadır.

Değerlendirmenin de buna göre yalnız metnin son hâlini değil; öğrencinin arama, seçme, doğrulama, karşılaştırma, gerekçelendirme, açıklama ve revizyon süreçlerinden uygun olanlarını görünür kılması önerilmektedir.

Bu yaklaşımın özet ilkesi açıktır: değerlendirme öğrenciden belirli bir AI aracılı akademik okuryazarlık bekliyorsa, o okuryazarlık önce müfredatta öğretilmeli, rehberli etkinliklerle uygulanmalı ve ancak daha sonra değerlendirilmelidir.

Kaynak ve Yöntem Notu

Özgün çalışma: Teaching before assessing: Aligning AI-integrated EAP pedagogy with AI-mediated academic writing assessment

Yazar: Dr Hao Tran

Kurum: School of Languages and Cultures, University of Queensland, Brisbane, Australia.

ORCID: 0000-0001-5846-3903

Kaynak türü: Uygulama temelli / eylem araştırması yönelimli EAP pedagojisi çalışması; SSRN preprint.

Hakemlik durumu: İncelenen PDF açıkça “Preprint not peer reviewed” ibaresini taşımaktadır; hakem değerlendirmesinden geçmiş bir version of record olarak sunulmamalıdır.

Platform: SSRN.

SSRN kayıt numarası: 6922747.

DOI: 10.2139/ssrn.6922747

Yüklenme tarihi: 12 Haziran 2026.

Resmî bağlantı:SSRN çalışma kaydı

Lisans / hak durumu: SSRN resmî kaydı telif sahibinin SSRN'ye lisans verdiğini ve tüm hakların saklı olduğunu; izinsiz yeniden kullanıma izin verilmediğini belirtmektedir. Bu nedenle kaynak PDF'nin ekran görüntüleri, özgün grafik tasarımları, tabloları veya metinsel anlatımı Verianla makalesinde yeniden kullanılmamıştır. Yukarıdaki tablolar yalnız kaynakta verilen olgusal bilgilerden hareketle bağımsız Verianla sunumu olarak oluşturulmuştur.

Çalışma bağlamı: Multidisipliner bir lisansüstü EAP akademik yazma dersi; yaklaşık iki yıllık müfredat geliştirme ve birbirini izleyen ders sunumları.

Bilgi kaynakları: Daha önce yürütülen eylem araştırmasına ait öğrenci AI kullanım anketi, sınıf içi gözlem ve yansıtma, kurs değerlendirmeleri, gayriresmî öğrenci geri bildirimi, öğretim ekibi tartışmaları, değerlendirme moderasyonu ve ders koordinatörünün mesleki yansıtması.

Kaynak içi bibliyografik not: PDF özeti çalışmayı “Research to Practice” biçiminde tanımlarken ana metin “Researching EAP Practice” ifadesini kullanmaktadır. Kaynakçada ayrıca “Author (2026)” ve “Author et al. (2025)” biçiminde tam bibliyografik kimliği verilmemiş iki yer tutucu kayıt bulunmaktadır. Verianla bu eksikleri tahmin ederek tamamlamamıştır.

Finansman: İncelenen PDF'de bu çalışma için ayrı ve açık bir finansman beyanı verilmemiştir; finansman durumu tahmin edilmemiştir.

Çıkar çatışması: İncelenen PDF'de ayrı ve açık bir çıkar çatışması beyanı görülmemektedir; bilgi eklenmemiştir.

Veri erişilebilirliği: Bu preprintte bağımsız bir veri erişilebilirliği beyanı verilmemiştir.

Etik bilgi: Bu PDF'de çalışma için ayrı bir etik kurul/onay beyanı açık biçimde raporlanmamaktadır. Daha önceki eylem araştırmasına atıf yapılmaktadır; Verianla önceki çalışmanın etik durumunu bu makale adına varsaymamaktadır.

Temel yorum sınırı: Ders değerlendirme puanları gösterge niteliğindedir ve nedensel öğrenme etkisi olarak yorumlanmamalıdır. Çalışma belirli bir kurum ve müfredat bağlamında geliştirilmiş uygulama örnekleri sunmaktadır; yazar da bunları reçete niteliğinde değil, farklı EAP bağlamlarına uyarlanabilecek tasarım ilkeleri olarak konumlandırmaktadır.

Verianla yeniden yapılandırma notu: Bu içerik kaynak çalışmanın Türkçe çevirisi veya paragraf paragraf paraphrase'i değildir. Kaynağın pedagojik problemi, yöntemsel bağlamı, uygulama bileşenleri, nicel olarak raporlanan ders değerlendirme verileri, yorumları ve sınırlılıkları ayrıştırılmış; bunlardan bağımsız ve öğretici bir Türkçe bilimsel açıklama oluşturulmuştur.