Pedagojik otomasyon, yapay zekâ tabanlı sistemlerin ve dijital platformların ders planlama, değerlendirme, geri bildirim, içerik yönetimi ve başka öğretim görevlerinin bir bölümünü otomatik biçimde yönetmesi, yürütmesi veya yönlendirmesidir. Bu PRISMA 2020 tabanlı sistematik derleme, pedagojik otomasyonun öğretmen özerkliği ve profesyonel yargıyla nasıl ilişkilendirildiğini inceleyen 27 çalışmayı sentezlemiştir. Nihai korpus 2016–2026 dönemine aittir ve teorik, nicel, nitel ve karma yöntemli araştırmaları birlikte içerir.

Derlemenin ana sonucu otomasyonun tek yönlü olmadığıdır. Yapay zekâ ve dijital platformlar idari işlerde ve bazı bilişsel görevlerde verimlilik sağlayabilir; buna karşılık pedagojik kararların giderek sistem mantığına devredilmesi öğretmenin bağlamsal muhakemesini, özerkliğini ve pratik bilgeliğini sınırlandırabilir. Kaynak bu gerilimi, verimlilik sağlarken spontane pedagojik yargıyı daraltabilen bir tür “standartlaştırılmış güçlendirme” olarak yorumlamaktadır.

Sentez üç temel alan ortaya koymuştur: pedagojik egemenliğin otomasyon tarafından yeniden yapılandırılması; algoritmik önyargı, şeffaflık eksikliği, veri hakları, görünmeyen sistem onarım emeği ve mesleki kimlik gibi etik/operasyonel ikilemler; öğretmen özerkliğini korumak için gereken eleştirel AI ve veri okuryazarlığı, ilişkisel varlık, pedagojik orkestrasyon, etik refleksivite ve eleştirel sosyoteknik yönetim yetkinlikleri.

Bu çalışma meta-analiz değildir ve öğretmenlerde ortak bir nicel etki büyüklüğü hesaplamamıştır. Dahil edilen çalışmalar yöntem, eğitim düzeyi, coğrafya ve araştırma tasarımı açısından heterojendir. Bu nedenle derleme, yapay zekânın bütün öğretmenlerde kesin olarak aynı sonucu oluşturduğunu kanıtlamaz; incelenen literatürde tekrar eden örüntüleri ve post-dijital öğretmenlik için ortaya çıkan profesyonel gerilimleri sentezler.

Araştırma problemi

Eğitim teknolojileri artık yalnız ders sunumunu destekleyen araçlardan oluşmamaktadır. Üretken yapay zekâ, öğrenme analitiği, otomatik değerlendirme sistemleri, akıllı öğretim sistemleri, makine öğrenmesi modelleri ve platform tabanlı eğitim ortamları öğretmenlerin verdiği birçok kararın hazırlanmasına veya uygulanmasına doğrudan katılabilmektedir.

Bu değişim verimlilik sağlayabilir. Bir sistem öğrenci performansını hızlı biçimde sınıflandırabilir, ders planı taslağı oluşturabilir, otomatik geri bildirim üretebilir veya rutin idari işleri azaltabilir. Ancak öğretmenlik yalnız işlem hızından oluşmaz. Aynı öğrencinin performansını yorumlamak, bağlamını anlamak, ders içeriğini değiştirmek, etik bir istisnaya karar vermek veya standart ölçümün görmediği bir ihtiyacı fark etmek profesyonel yargı gerektirir.

Derlemenin araştırma problemi tam olarak bu gerilimdir: Öğretmen, algoritmik sistemlerden destek alırken kendi pedagojik karar alanını ne ölçüde koruyabilir?

Araştırma soruları

1. Pedagojik otomasyon, post-dijital çağda öğretmen özerkliği ve profesyonel yargıyı nasıl aracılar?
2. Pedagojik karar verme otomatik sistemlerle aracılanırken post-dijital profesyonellikte hangi pratik ikilemler ortaya çıkar?
3. Post-dijital ortamlarda öğretmen özerkliği ve profesyonel yargıyı korumak için hangi yeni mesleki yetkinlikler ortaya çıkmaktadır?

Post-Dijital Profesyonellik Nedir?

Post-dijital profesyonellik, dijital ve analog sistemlerin artık birbirinden ayrı düşünülemediği eğitim ortamlarında öğretmenin mesleki rolünün, karar alanının ve profesyonel kimliğinin yeniden yapılandırılmasıdır; bu yaklaşım teknolojiyi öğretmenliğe sonradan eklenen bir araç değil, mesleki karar süreçlerinin içine yerleşmiş sosyoteknik bir bileşen olarak ele alır.

Öğretmen özerkliği nasıl tanımlanıyor?

Kaynağın teorik çerçevesinde öğretmen özerkliği, öğretmenin kendi profesyonel muhakemesine göre hareket edebilme, kendi uygulamasını eleştirel biçimde değerlendirme ve öğrencilerin ihtiyaçlarına göre pedagojik karar verme kapasitesidir.

Bu nedenle özerklik yalnız “istediği yazılımı seçme özgürlüğü” değildir. Öğretmenin ne öğretileceği, nasıl öğretileceği, hangi değerlendirme yönteminin kullanılacağı ve standart dışı bir durumda hangi pedagojik istisnanın yapılacağı üzerinde gerçek karar hakkına sahip olmasıdır.

Ekolojik öğretmen eyleyiciliği

Derleme, öğretmen eyleyiciliğini Priestley ve arkadaşlarının ekolojik yaklaşımıyla ele almaktadır. Bu modelde eyleyicilik öğretmenin değişmeyen kişisel özelliği değildir; kişi ile çalışma ortamının etkileşiminden ortaya çıkar.

Kaynak üç boyut kullanır:

• İteratif boyut: Öğretmenin geçmiş mesleki deneyimleri ve önceki uygulamalarından getirdiği bilgi.
• Projektif boyut: Geleceğe yönelik amaçlar, mesleki yönelim ve olası eylem yolları.
• Pratik-değerlendirici boyut: Öğretmenin mevcut sınıf koşullarında gerçek zamanlı olarak ne yapacağına karar vermesi.

Pedagojik otomasyon özellikle üçüncü boyut açısından önemlidir. Sistem önceden belirlenmiş ölçütlere göre karar ürettiğinde öğretmenin gerçek zamanlı bağlamsal muhakemesi sistem mantığıyla karşı karşıya gelebilir.

Phronesis: pratik bilgelik

Kaynak, ekolojik eyleyicilik teorisini Aristotelesçi phronesis kavramıyla tamamlamaktadır. Phronesis, belirli bir bağlamda yalnız teknik olarak mümkün olanı değil, etik ve pedagojik olarak doğru olanı seçebilme kapasitesidir.

Örneğin bir algoritma öğrencinin önceki puanlarına dayanarak belirli bir görevi önerebilir. Phronesis, öğretmenin bu öneriyi doğrudan uygulamak yerine öğrencinin güncel koşullarını, duygusal durumunu, sınıf bağlamını, öğrenme geçmişini ve olası adalet sorunlarını değerlendirmesini ifade eder.

Pedagojik Otomasyon Öğretmen Özerkliğini Nasıl Etkiliyor?

Derlemenin sentezine göre pedagojik otomasyon öğretmen özerkliği üzerinde çift yönlü bir etki gösterebilir: rutin planlama ve idari görevlerde verimlilik sağlarken önemli pedagojik kararların platform veya algoritma mantığına devredilmesi profesyonel yargıyı standartlaştırabilir ve öğretmenin bağlamsal karar alanını daraltabilir.

Verimlilik tarafı

Yapay zekâ uygulamaları ders planlama, veri işleme, geri bildirim hazırlama ve idari görevlerde zaman kazandırabilir. Teorik olarak bu kazanım öğretmene öğrenciyle daha fazla kişiselleştirilmiş etkileşim için zaman bırakabilir.

Bu nedenle çalışma otomasyonu bütünüyle olumsuz bir süreç olarak tanımlamamaktadır.

Pedagojik beceri kaybı riski

Risk, sistemin öğretmeni desteklemesinden çok öğretmenin temel kararlarının yerine geçmeye başlamasıyla ortaya çıkar. Otomatik değerlendirme sistemi hangi öğrencinin başarısız olduğunu, hangi görevin verileceğini veya hangi geri bildirimin kullanılacağını sürekli belirliyorsa öğretmen kendi pedagojik değerlendirme pratiğini daha az kullanabilir.

Kaynak bu olası süreci pedagogical deskilling, yani pedagojik uzmanlığın veya profesyonel becerinin geri plana itilmesi olarak tartışmaktadır.

Burada “beceri kaybı” bütün AI kullanıcılarında ölçülmüş tek bir nöropsikolojik sonuç değildir. Derlemede yer alan farklı araştırmaların ve teorik çalışmaların ortaklaşan yorumudur.

Algoritmik standardizasyon

Otomatik sistemler genellikle karar verebilmek için öğrenci davranışlarını sayısallaştırmak, sınıflandırmak ve önceden tanımlanmış ölçütlerle karşılaştırmak zorundadır. Bu süreç farklı öğrenci durumlarını ortak veri kategorilerine dönüştürebilir.

Derlemede tekrar eden kaygı, pedagojinin sınırlı veri noktalarına indirgenmesi halinde bağlam, insan ilişkisi ve öğretmenin sezgisel/etik muhakemesinin yeterince temsil edilememesidir.

“Standartlaştırılmış güçlendirme” ne anlama geliyor?

Kaynağın tartışmasında otomasyonun öğretmeni aynı anda hem güçlendiren hem sınırlayan bir yapı oluşturabileceği öne sürülür. Sistem daha fazla bilgi işleyebilir, zaman kazandırabilir ve yeni karar desteği sağlayabilir; fakat aynı anda karar alanını platform tarafından önceden belirlenmiş metriklere bağlayabilir.

Bu nedenle daha fazla teknolojik kapasite her zaman daha fazla mesleki özerklik anlamına gelmez.

“Repair Work” Nedir ve Otomasyon Neden Yeni İş Yaratabilir?

Repair work, yapay zekâ veya otomatik eğitim sistemi hatalı, önyargılı, eksik ya da bağlama uymayan çıktı verdiğinde öğretmenin bu sonucu denetlemek, düzeltmek, yeniden bağlama oturtmak ve öğrenci için kullanılabilir hale getirmek üzere yaptığı görünmeyen onarım emeğidir; derleme bu işin otomasyonun vaat ettiği zaman tasarrufunun bir bölümünü geri alabileceğini vurgular.

Otomasyon neden denetime ihtiyaç duyuyor?

Bir sistemin hızlı çıktı vermesi çıktının pedagojik olarak doğru olduğu anlamına gelmez. Otomatik notlama, üretken AI yanıtları veya öğrenme analitiği önerileri hatalı veya bağlamdan kopuk olduğunda öğretmenin bunları kontrol etmesi gerekir.

Bu denetim öğretmene yeni bir görev yükler: yalnız ders vermek değil, algoritmanın davranışını değerlendirmek.

Algoritmik kırılganlık

Derlemede algoritmik kırılganlık; önyargı, şeffaflık eksikliği, açıklanamayan otomatik kararlar, mahremiyet sorunları ve sistem hatalarının profesyonel karar süreçlerine taşınabilmesiyle ilişkilendirilmiştir.

Öğretmen sistemin neden belirli bir not veya tavsiye ürettiğini açıklayamıyorsa kendi değerlendirmesinden uzaklaşabilir ve öğrenciye karşı taşıdığı profesyonel sorumluluk ile sistemin ürettiği çıktı arasında kalabilir.

Üç tür pratik ikilem

Post-Dijital Öğretmeni Hangi Yetkinlikler Koruyor?

Derlemenin sentezine göre öğretmen özerkliğini koruyan yetkinlikler yalnız araç kullanmayı bilmek değildir; eleştirel AI ve veri okuryazarlığı, etik farkındalık, ilişkisel ve duygusal varlık, reflektif pedagojik yargı, standardizasyona karşı eyleyicilik, dijital kimlik farkındalığı ve platformların çalışma koşulları üzerindeki etkisini anlayabilen sosyoteknik yönetim birlikte önem kazanmaktadır.

Eleştirel AI okuryazarlığı neden yalnız “prompt yazmak” değildir?

Kaynağa göre işlevsel kullanım yeterli değildir. Öğretmenin sistemin nasıl hata yapabileceğini, hangi veriye dayandığını, hangi grupları dezavantajlı bırakabileceğini ve ne zaman kendi pedagojik muhakemesine aykırı bir öneri sunduğunu değerlendirebilmesi gerekir.

İlişkisel varlık neden otomatikleştirilemez kabul ediliyor?

Derlemede yer alan çalışmaların bir bölümü öğretmen–öğrenci ilişkisindeki empati, bedensel varlık, bağlamsal hassasiyet ve öznelerarası uyumun otomatik geri bildirim sistemleri tarafından tam olarak karşılanamayacağını savunmaktadır.

Bu nedenle yapay zekâ daha fazla teknik görevi üstlendikçe insan öğretmenin etik ve ilişkisel işlevlerinin daha az değil, daha önemli hale gelebileceği öne sürülmektedir.

Öğretmenin veto hakkı

Derlemenin pratik tartışması, öğretmenlerin otomatik kararlar üzerinde gerçek denetim ve gerektiğinde reddetme yetkisine sahip olması gerektiğini vurgular. Yapay zekâ çıktısının “öneri” olmaktan çıkıp fiilen zorunlu karar haline gelmesi öğretmen özerkliğiyle doğrudan gerilim yaratabilir.

Çalışmanın desteklediği

• İncelenen literatürde pedagojik otomasyonun hem verimlilik kazancı hem özerklik gerilimiyle birlikte tartışıldığı görülmektedir.
• Algoritmik standardizasyon öğretmen muhakemesinin bağlamsal ve ilişkisel yönleriyle tekrar eden biçimde gerilim göstermektedir.
• Otomatik sistemlerin hata ve kırılganlıkları öğretmenlere yeni kontrol ve repair work yükleri getirebilir.
• Eleştirel AI okuryazarlığı ve etik muhakeme post-dijital öğretmenlikte merkezi yetkinlikler olarak ortaya çıkmaktadır.
• İnsan ilişkisi, empati ve öznelerarası uyum birçok çalışmada otomasyonun doğrudan yerine geçemediği öğretmen özellikleri olarak ele alınmaktadır.
• Öğretmen profesyonelliği bireysel özerklikten insan–algoritma birlikte çalışmasını yöneten daha hibrit bir sosyoteknik profile doğru yeniden düşünülmektedir.

Çalışmanın desteklemediği

• Yapay zekânın bütün öğretmenlerde kesin olarak profesyonel beceri kaybına neden olduğu gösterilmemiştir.
• 27 çalışmadan ortak bir nicel etki büyüklüğü hesaplanmamıştır.
• Belirli bir AI ürününün başka bir üründen daha güvenli veya pedagojik olarak daha üstün olduğu test edilmemiştir.
• Her otomasyon türünün öğretmen özerkliğini aynı biçimde etkilediği gösterilmemiştir.
• AI kullanımının tek başına öğretmen tükenmişliğine neden olduğu kanıtlanmamıştır.
• “AI addiction” ifadesi klinik tanı olarak bu derleme tarafından doğrulanmamıştır; korpustaki belirli çalışmaların teknolojik bağımlılık tartışmasının parçasıdır.
• Derlemenin bulguları bütün ülkeler, eğitim sistemleri ve öğretmen grupları için evrensel yasa olarak genellenemez.

Çalışmanın Yöntemi ve Bulguları

Sistematik derleme tasarımı

Araştırma PRISMA 2020 raporlama çerçevesini kullanmıştır. Örneklem ve uygunluk mantığı SPIDER modeliyle yapılandırılmıştır.

Protokol kaydı

Sistematik derleme protokolü Open Science Framework üzerinde önceden kaydedildi.

OSF kayıt tanımlayıcısı: 10.17605/OSF.IO/J24AD

Veri tabanları

Aramalar Scopus ve Web of Science üzerinde 18 Nisan 2026 tarihinde yapıldı.

Arama kavramları

Arama denklemlerinde “teacher autonomy”, “teacher judgment”, “pedagogical automation”, “AI in education”, “algorithmic management”, “automated feedback” ve “post-digital” ile ilişkili terimler kullanıldı. Scopus ve Web of Science sözdizimleri veri tabanlarına göre ayrı biçimde düzenlendi.

Ek arama denklemi Supplementary Material S1'de verilmiştir.

Dahil etme ve dışlama ölçütleri

Dahil edilen yayınların 2026'ya kadar yayımlanmış, İngilizce veya İspanyolca olması ve öğretmen karar verme süreçlerinde teknolojik aracılığı incelemesi gerekiyordu. Hakemli indeksli dergi makaleleri ve akademik yayınevlerinden kitap bölümleri kapsam dahilindeydi.

Yalnız öğrenci öğrenmesine odaklanan ve öğretim pratiğini incelemeyen çalışmalar, hakemsiz gri literatür, editoryal içerikler ve tam metnine ulaşılamayan kayıtlar dışlandı.

PRISMA seçim akışı

Tam metin dışlama nedenleri

Dahil edilen çalışmaların yöntemsel dağılımı

Tematik analiz

Araştırmacılar 27 çalışmayı anlatısal biçimde sentezledi ve Braun ile Clarke'ın tematik analiz yaklaşımından yararlandı.

İlk aşamada her makale ayrıntılı biçimde okundu ve teknoloji türü, eğitim bağlamı ve çalışma özellikleri çıkarıldı.

İkinci okumada öğretmen eyleyiciliği teorisine ve önceki sosyoteknik literatüre dayalı, ağırlıklı olarak tümdengelimsel/yönlendirilmiş refleksif kodlama kullanıldı.

Son aşamada temalar araştırmanın önceden tanımlanmış üç araştırma sorusuyla eşleştirildi.

Üç ana tema

Bu Derleme Yapay Zekânın Öğretmen Özerkliğini Azalttığını Kanıtlıyor mu?

Hayır. Derleme, farklı yöntemlerle yürütülmüş 27 çalışmada tekrar eden özerklik, standardizasyon ve profesyonel yargı gerilimlerini sentezlemektedir; ortak bir deneysel müdahale, kontrol grubu veya havuzlanmış nedensel etki büyüklüğü bulunmadığından yapay zekânın bütün öğretmenlerde özerkliği belirli bir miktarda azalttığı sonucuna varılamaz.

MMAT değerlendirmesi

Yazarlar ampirik çalışmaların metodolojik değerlendirmesinde Mixed Methods Appraisal Tool (MMAT, 2018) kullandı.

Derlemedeki 10 teorik veya derleme çalışma MMAT'a uygun olmadığı için değerlendirme dışı bırakıldı. Geriye kalan 17 ampirik çalışmanın ayrıntılı raporunda 16 çalışma “High”, García ve arkadaşlarının 2024 tarihli çalışması ise “Moderate” olarak sınıflandırıldı.

Kaynak-içi tutarsızlık: Aynı bölümün ilk cümlesinde 27 çalışmanın 17'sinin “yüksek metodolojik standart” taşıdığı ifade edilmektedir. Bu cümle, hemen sonraki 16 High + 1 Moderate dağılımıyla tam olarak uyuşmamaktadır. Verianla bu farkı tahmin yoluyla düzeltmemektedir.

Kanıtın coğrafi ve eğitimsel kapsamı

Nihai korpus Avrupa, Asya ve Latin Amerika dahil farklı bölgelerden çalışmalar içermekte; erken çocukluk eğitiminden yükseköğretime kadar farklı eğitim seviyelerini kapsamaktadır.

Bu genişlik farklı bağlamlarda tekrar eden temaların görülmesini sağlar. Buna karşılık bir ülkedeki platformlaşma politikalarının başka bir eğitim sistemine aynı biçimde aktarılacağı varsayılamaz.

Veri tabanı kapsamının sınırı

Çalışma Scopus ve Web of Science kullanmıştır. ERIC, PsycINFO ve Education Source gibi eğitim odaklı veri tabanları araştırmacılar tarafından çalışmanın sosyoteknik ve disiplinlerarası niteliği gerekçesiyle dahil edilmemiştir.

Bu tercih sistematik biçimde açıklanmış olsa da olası literatür kapsamını etkileyen yöntemsel bir karardır.

Dil sınırı

Yalnız İngilizce ve İspanyolca yayınların değerlendirilmesi başka dillerdeki öğretmenlik ve eğitim teknolojisi araştırmalarının korpus dışında kalmasına yol açabilir.

Zaman dağılımı ve recency etkisi

Arama başlangıçta tarih kısıtlaması olmadan yapılmış olsa da uygunluk koşullarını sağlayan çalışmaların tamamı 2016–2026 dönemine aittir.

Yazarlar özellikle 2024–2026 çalışmalarının daha önce var olmayan üretken AI ve gelişmiş analitik yetenekleri değerlendirdiğini, dolayısıyla eski ve yeni çalışmalar arasında teknolojik bağlam eşitsizliği bulunduğunu kabul etmektedir.

Gelecek araştırmalar

Kaynak, pedagojik deskilling olgusunun uzun süreli otomasyon kullanımı altında ampirik olarak incelenmesini önermektedir. Temel soru, sürekli sistem desteğinin gerçekten profesyonel muhakemeyi zayıflatıp zayıflatmadığı veya öğretmeni daha gelişmiş bir bilişsel orkestratöre dönüştürüp dönüştürmediğidir.

Yazarlar ayrıca algoritmik direnç, etik eyleyicilik ve öğretmen özerkliğinin farklı kültür ve eğitim sistemlerinde karşılaştırılmasını; değerlendirme ölçütünün yalnız teknik verimlilik değil dijital eşitlik olmasını önermektedir.

Kaynak ve Yöntem Notu

Özgün çalışma: Teacher Autonomy and Judgment in the Face of Pedagogical Automation in Post-Digital Professionalism: A Systematic Review

Yazarlar: Margot Mercedes García Espinoza; Wilson Alexander Zambrano Vélez; Shirley Paola Catuto Solano; Evelyn Ivette Correa Asencio; Elan Ignacio Delgado Cobeña.

Sorumlu yazar: Wilson Alexander Zambrano Vélez.

Kurumlar:

• Facultad de Ciencias de la Educación e Idiomas, Universidad Estatal Península de Santa Elena, La Libertad, Ecuador.
• Facultad de Ciencias Sociales y de la Salud, Universidad Estatal Península de Santa Elena, La Libertad, Ecuador.
• Departamento de Admisión y Nivelación, Universidad Técnica de Manabí, Portoviejo, Ecuador.

Dergi: Education Sciences.

Yayınevi: MDPI.

Yayın bilgisi: 2026; Cilt 16; Sayı 7; Makale 1055.

DOI: 10.3390/educsci16071055

Resmî yayın kaydı: MDPI / DOI 10.3390/educsci16071055.

Tarihler: Gönderim 16 Mayıs 2026; revizyon 26 Haziran 2026; kabul 29 Haziran 2026; yayın 2 Temmuz 2026.

Kaynak türü: Hakemli sistematik derleme.

Raporlama çerçevesi: PRISMA 2020.

Uygunluk çerçevesi: SPIDER.

Protokol kaydı: Open Science Framework; 10.17605/OSF.IO/J24AD.

Arama tarihi: 18 Nisan 2026.

Veri tabanları: Scopus ve Web of Science.

İlk kayıt sayısı: 271.

Nihai çalışma sayısı: 27.

Nihai korpus dönemi: 2016–2026.

Dahil edilen diller: İngilizce ve İspanyolca.

Yöntemsel sentez: Anlatısal sentez ve ağırlıklı olarak yönlendirilmiş refleksif tematik analiz.

Meta-analiz: Yapılmamıştır.

MMAT: Teorik/derleme nitelikli 10 çalışma değerlendirme dışı bırakılmıştır. Ayrıntılı raporda kalan 17 ampirik çalışmanın 16'sı High, biri Moderate olarak sınıflandırılmıştır; ancak aynı bölümün giriş cümlesinde 17 çalışmanın “yüksek standartta” olduğu yazdığı için kaynak-içi raporlama uyumsuzluğu bulunmaktadır.

Etik kurul: Yayımlanmış literatürün sistematik derlemesi olduğu için uygulanabilir değildir.

Bilgilendirilmiş onam: Uygulanabilir değildir.

Finansman: Universidad Estatal Península de Santa Elena; proje/fon kodu 005.

Veri erişilebilirliği: Çalışma protokolü, arama stratejileri ve veri çıkarım matrisi OSF üzerinde açık erişime sunulmuştur.

Ek materyal: S1 — Search equation.

Çıkar çatışması: Yazarlar çıkar çatışması bildirmemiştir.

Yazar katkıları: Kavramsallaştırma M.M.G.E. ve W.A.Z.V.; metodoloji W.A.Z.V., M.M.G.E. ve S.P.C.S.; formal analiz W.A.Z.V. ve M.M.G.E.; araştırma M.M.G.E., W.A.Z.V., S.P.C.S., E.I.C.A. ve E.I.D.C.; kaynaklar E.I.C.A. ve E.I.D.C.; veri kürasyonu S.P.C.S. ve E.I.C.A.; ilk taslak M.M.G.E. ve W.A.Z.V.; gözden geçirme/düzenleme W.A.Z.V., S.P.C.S. ve E.I.D.C.; görselleştirme S.P.C.S. ve E.I.C.A.; gözetim W.A.Z.V.; proje yönetimi W.A.Z.V. ve M.M.G.E.; finansman edinimi M.M.G.E. ve W.A.Z.V.

Yapay zekâ kullanım bildirimi: Yazarlar Scopus AI'ı literatür tanımlama ve genişletmede, Gemini 3 Flash'ı metni İspanyolcadan İngilizceye çevirmede kullandıklarını; yapay zekâ çıktılarının yazarlar tarafından gözden geçirilip düzenlendiğini bildirmiştir.

Lisans: Creative Commons Attribution (CC BY).

Temel bilimsel sınır: Sonuçlar 27 heterojen çalışmanın sistematik ve tematik sentezidir. Ortak bir deneysel müdahale, kontrol grubu veya havuzlanmış etki büyüklüğü bulunmadığından otomasyonun öğretmen özerkliği üzerindeki evrensel nedensel etkisi nicel olarak belirlenemez.