Duyguya duyarlı yapay zekâ geri bildirimi, öğrencinin duygusal durumuna ilişkin bir çıkarımın öğretimsel mesajın içeriğine veya sunuluş biçimine dahil edildiği geri bildirim yaklaşımıdır. Bu keşifsel sınıf çalışması, böyle bir duygu çıkarımının teknik doğruluğunu ölçmek yerine öğrencilerin üç farklı sunum stratejisini nasıl değerlendirdiğini araştırdı: gerekçesi ve yansıtıcı sorusu bulunan açıklamalı duygu çıkarımı, aynı duygu iddiasının açıklamasız verilmesi ve hiçbir duygu çıkarımı yapılmayan nötr geri bildirim. Güney Kore'deki bir üniversitede 78 lisans öğrencisi 90 dakikalık bir ders etkinliğinde üç koşuldan birine rastgele atandı. Öğrenciler görevler tamamlandıktan sonra algılanan doğruluk, yorumlanabilirlik, duygusal rahatlık, yeniden kullanma isteği, algılanan yararlılık ve güven olmak üzere altı boyutu 7'li Likert ölçeğinde değerlendirdi.

Altı ölçütün tamamında aynı sıralama görüldü: açıklamalı çıkarım en yüksek, duygu çıkarımı yapılmaması orta, açıklamasız çıkarım ise en düşük puanları aldı. Genel betimsel indeks açıklamalı çıkarım için 6,28 ± 0,20, duygu çıkarımı yapılmaması için 4,52 ± 0,26 ve açıklamasız çıkarım için 2,51 ± 0,23 idi. Altı birincil sonuç için tek yönlü ANOVA analizlerinin tamamı p < 0,001 düzeyinde anlamlıydı ve η² değerleri 0,84–0,91 aralığında raporlandı. Tukey HSD karşılaştırmalarında bütün ikili farklılıklar düzeltilmiş p < 0,001 düzeyindeydi.

Çalışmanın dikkat çekici sonuçlarından biri, duygu hakkında hiç çıkarım yapmayan nötr yaklaşımın açıklamasız bir duygu iddiası sunmaktan altı boyutun tamamında daha olumlu değerlendirilmesidir. Bu sonuç, eğitim yapay zekâlarında “duyguyu her durumda tahmin etmek” yerine, iddianın öğrenciye nasıl gerekçelendirildiğinin ve gerektiğinde çıkarım yapmamanın da tasarım kararı olarak değerlendirilmesinin önemine işaret etmektedir.

Bununla birlikte deney gerçek zamanlı otomatik duygu tanıma sistemi kullanmamıştır. Duygu mesajları Wizard-of-Oz düzeniyle önceden tanımlanmış şablonlardan kontrollü biçimde gösterilmiştir. Ayrıca açıklamalı koşul yalnız gerekçe değil, yansıtıcı soru da içerdiği ve yalnız çıkarım koşulları daha sonra ikinci bir duygu paneli aldığı için sonuçlar “açıklamanın tek başına etkisi” olarak yorumlanmamalıdır. Sonuç değişkenleri öğrencilerin algı ve kabul değerlendirmeleridir; araştırma öğrenme başarısında veya uzun dönem davranışta iyileşme kanıtlamamaktadır.

Araştırmanın temel problemi

Eğitim teknolojilerinde duygu tanıma çalışmaları uzun süre “sistem öğrencinin duygusunu ne kadar doğru sınıflandırabiliyor?” sorusuna odaklandı. Ancak teknik olarak üretilmiş bir duygu etiketi öğrenciye gösterildiği anda yalnız bir model çıktısı olmaktan çıkar; öğrenci açısından kişisel, sosyal ve pedagojik bir mesaj hâline gelir.

Bir sistem öğrencinin “gergin”, “özgüvenli”, “sıkılmış” veya “zorlanıyor” olduğuna ilişkin bir iddia sunduğunda öğrenci yalnız sonucun doğru olup olmadığına değil, sistemin bu sonuca neden vardığına, mesajın müdahaleci olup olmadığına ve kendisini doğru temsil edip etmediğine de tepki verebilir.

Bu nedenle çalışmanın temel bilimsel boşluğu duygu algılama doğruluğundan çok, çıkarılmış duygusal bilginin öğrenciye nasıl sunulduğunun nasıl algılandığıdır.

Araştırma soruları

Çalışma iki temel soruya odaklandı:

1. Öğrenciler açıklamalı çıkarım, açıklamasız çıkarım ve bilinçli biçimde çıkarım yapmama stratejilerini altı öğrenci odaklı değerlendirme boyutunda nasıl karşılaştırmaktadır?
2. Duygu çıkarımı yapmamak, öğrenciler tarafından açıklamasız duygu çıkarımından daha olumlu değerlendiriliyor mu?

Wizard-of-Oz Yöntemi Bu Çalışmada Ne Anlama Geliyor?

Wizard-of-Oz yöntemi bu araştırmada, geri bildirim panellerinin gerçek zamanlı bir duygu tanıma algoritması tarafından oluşturulması yerine önceden hazırlanmış şablonların belirlenmiş etkileşim noktalarında kontrollü biçimde sunulması anlamına gelir; böylece çalışma otomatik duygu algılama doğruluğunu değil, aynı sınıf ortamında farklı geri bildirim sunum stratejilerinin öğrenciler tarafından nasıl yorumlandığını karşılaştırmıştır.

Bu ayrım sonuçların yorumlanması için merkezîdir. Çalışmanın “AI-supported learning” bağlamında yürütülmüş olması, deney sırasında bağımsız bir modelin öğrencinin yüzünü, sesini veya fizyolojik sinyallerini analiz ederek gerçek zamanlı duygusunu çıkardığı anlamına gelmez.

Wizard-of-Oz düzeni araştırmacıların geri bildirimin zamanlamasını ve dilsel çerçevesini standartlaştırmasını sağlamıştır. Böylece deneyin odağı, duygu çıkarımı teknolojisinin teknik performansından öğrenci deneyimine kaydırılmıştır.

Üç geri bildirim koşulu

İlk geri bildirim noktasında paneller mümkün olduğunca benzer görsel düzende sunuldu. Çıkarım yapılmayan panelin yüksekliği dahi basit uzunluk etkisini azaltmak amacıyla eşleştirildi.

Bununla birlikte deney tam simetrik değildi. A ve B koşullarındaki öğrenciler daha sonraki bir etkileşim noktasında ikinci bir duygu paneli alırken C koşulundakiler almadı. Bu nedenle deney en doğru biçimde “üç farklı öğrenciye dönük geri bildirim stratejisinin kontrollü karşılaştırılması” olarak tanımlanmalıdır.

Sensible AI nedir?

Makaledeki Sensible AI, çalışmada eğitilmiş yeni bir makine öğrenmesi modeli veya teknik sistem mimarisi değildir. Yazarlar bunu açıklanabilir yapay zekâ, öğrenmede duygu ve geri bildirim araştırmaları ile sorumlu yapay zekâ literatüründeki mevcut kavramları bir araya getiren sezgisel bir yorumlama lensi olarak kullanmaktadır.

Kaynak Figure 1'in bilimsel görevi bu kavramları bir yazılım akışı olarak göstermek değil, deney sonuçlarının etik ve pedagojik açıdan hangi kavramlarla yorumlanabileceğini düzenlemektir.

Duygu çıkarımı neden hassas bir AI problemi?

Duygusal durumlar doğrudan gözlenen fiziksel değişkenler değildir. Yüz hareketi, ses, etkileşim hızı veya davranış örüntüsü gibi işaretlerden yapılan çıkarımlar kültür, bağlam, nöroçeşitlilik ve kişisel ifade biçimi tarafından etkilenebilir.

Bu nedenle sistemin “öğrenci şunu hissediyor” biçiminde sunduğu bir etiket, teknik belirsizliği gizlediğinde öğrencinin kendi deneyimiyle çatışabilir. Çalışmanın yorumlama çerçevesi, duygu çıkarımının kesin iç durum tespiti gibi sunulması yerine değerlendirmeye açık bir hipotez olarak çerçevelenmesini savunan literatürle ilişkilendirilmiştir.

Duygu Çıkarımı Yapmamak Neden Açıklamasız Çıkarımdan Daha Olumlu Değerlendirildi?

Bu sınıf deneyinde öğrenciler, gerekçesi sunulmayan bir duygu iddiasına kıyasla nötr ve duygu çıkarımı içermeyen bir mesajı algılanan doğruluk, yorumlanabilirlik, duygusal rahatlık, yeniden kullanım isteği, yararlılık ve güven boyutlarının tamamında daha yüksek puanladı; sonuç, bir duygusal iddianın öğrenci tarafından değerlendirebileceği bağlamsal dayanak sunulmadan verilmesinin, hiçbir duygu iddiasında bulunmamaktan daha az kabul edilebilir olabileceğini göstermektedir.

Çalışma bu sonucu “duygu algılamayı tamamen bırakmak gerekir” biçiminde yorumlamamaktadır. Daha sınırlı çıkarım şudur: duygusal bir iddianın temeli öğrenciye anlaşılır biçimde sunulamıyorsa non-inference, yani duygu hakkında hüküm vermemek, meşru bir tasarım stratejisi olabilir.

Bu yaklaşım yapay zekânın daha fazla veri çıkarmasını otomatik olarak daha iyi eğitim desteğiyle eşitlemez. Bazı durumlarda geri durmak, belirsiz veya müdahaleci bir psikolojik iddia oluşturmaktan daha uygun olabilir.

Açıklama neden güçlü bir fark oluşturmuş olabilir?

Açıklamalı koşuldaki öğrenciler sistemin duygu hipotezini hangi gözlenebilir görev işaretlerine bağladığını görebiliyordu. Böylece geri bildirim yalnız “sistem senin ne hissettiğini biliyor” biçiminde bir iddia değil, öğrencinin değerlendirebileceği bir önerme hâline geliyordu.

Ancak kaynak verilerinden “açıklamanın tek başına” bu sonucu oluşturduğu söylenemez. A koşulu gerekçeyle birlikte kısa bir yansıtıcı soru da içeriyordu. Dolayısıyla çalışmanın doğrudan test ettiği şey daha doğru biçimde açıklamalı ve yansıtıcı rehberlik içeren sunum stratejisidir.

Çalışmanın Yöntemi ve Bulguları

Katılımcılar ve sınıf ortamı

Araştırma Güney Kore'deki bir üniversitede “Introduction to Data Analysis” lisans dersinin 90 dakikalık oturumunda gerçekleştirildi.

Kaynak, toplam 78 katılımcının üç koşula rastgele atandığını bildirmekte ancak yöntem metninde her koşul için ayrı n sayısını açık biçimde vermemektedir. Verianla bu nedenle toplamı üçe bölerek koşul başına katılımcı sayısı üretmemektedir.

Deney akışı

A ve B koşullarındaki katılımcılar, ilk koşula özgü panelden sonra oturumun daha ileri bir noktasında ikinci bir duygusal panel daha aldı. C koşulunda ikinci panel bulunmadı.

Ölçüm aracı

Deney sonrasında 18 maddelik bir anket uygulandı. Her madde 1 = “kesinlikle katılmıyorum” ile 7 = “kesinlikle katılıyorum” arasında puanlandı.

Her yapı üç maddeden oluştu ve üç maddenin ortalaması bileşik puan olarak kullanıldı.

Altı bileşik ölçeğin iç tutarlılığı yüksekti; Cronbach's α değerleri 0,88–0,90 aralığında raporlandı.

İstatistiksel yöntem

Üç geri bildirim koşulu arasındaki farklar her sonuç için tek yönlü ANOVA ile incelendi. Ardından hangi koşullar arasında fark bulunduğunu değerlendirmek için Tukey HSD post hoc karşılaştırmaları yapıldı.

Kaynakta altı temel sonuç için F(2,75) değerleri 195,44 ile 368,90 arasında, bütün p değerleri p < 0,001 ve η² değerleri 0,84 ile 0,91 arasında bildirilmiştir.

Üç stratejinin ana sayısal karşılaştırması

Bütün altı boyutta aynı sıralamanın görülmesi, toplam örüntünün yalnız tek bir sonuç değişkeninden kaynaklanmadığını göstermektedir.

Algılanan doğruluk

Açıklamalı çıkarım ortalama 6,44 ± 0,37 ile en yüksek, çıkarım yapılmaması 4,49 ± 0,52 ile orta, açıklamasız çıkarım ise 2,33 ± 0,55 ile en düşük puanı aldı.

Koşul etkisi F(2,75) = 368,90, p < 0,001 ve η² = 0,91 olarak raporlandı.

Yorumlanabilirlik

Açıklamalı çıkarımın yorumlanabilirlik puanı 6,56 ± 0,39 idi. Çıkarım yapılmaması 4,35 ± 0,59, açıklamasız çıkarım 2,65 ± 0,53 puan aldı.

Koşul etkisi F(2,75) = 293,35, p < 0,001 ve η² = 0,89 olarak bildirildi.

Duygusal rahatlık

Ortalama puanlar açıklamalı çıkarımda 5,93 ± 0,82, çıkarım yapılmamasında 4,54 ± 0,42 ve açıklamasız çıkarımda 2,49 ± 0,62 idi.

Koşul etkisi F(2,75) = 196,82, p < 0,001 ve η² = 0,84 olarak raporlandı.

Yeniden kullanma isteği

Açıklamalı çıkarım 6,20 ± 0,53; çıkarım yapılmaması 4,54 ± 0,61; açıklamasız çıkarım 2,47 ± 0,64 puan aldı.

Koşul etkisi F(2,75) = 217,07, p < 0,001 ve η² = 0,85 idi.

Algılanan yararlılık

Açıklamalı çıkarım 6,31 ± 0,29; çıkarım yapılmaması 4,55 ± 0,62; açıklamasız çıkarım 2,51 ± 0,62 puan aldı.

Koşul etkisi F(2,75) = 254,18, p < 0,001 ve η² = 0,87 olarak bildirildi.

Güven

Güven ortalaması açıklamalı çıkarımda 6,24 ± 0,54, çıkarım yapılmamasında 4,65 ± 0,65 ve açıklamasız çıkarımda 2,62 ± 0,64 idi.

Koşul etkisi F(2,75) = 195,44, p < 0,001 ve η² = 0,84 olarak raporlandı.

Tukey HSD: açıklamalı ve açıklamasız çıkarım farkları

Tukey HSD: duygu çıkarımı yapmama ile açıklamasız çıkarım farkları

Bu tablo çalışmanın en önemli bulgularından birini doğrudan gösterir: açıklamasız duygu iddiası, yalnız açıklamalı stratejiden değil, herhangi bir duygu iddiasında bulunmayan nötr stratejiden de daha düşük değerlendirilmiştir.

Genel betimsel indeks

Yazarlar altı bileşik puanın ortalamasından ayrıca açıklayıcı bir “overall index” oluşturmuştur. Bu indeks altı bağımsız ölçeğin yerine geçen yeni bir doğrulanmış psikometrik yapı olarak sunulmamalıdır; kaynak bunu betimsel özet olarak tanımlamaktadır.

Bu özet indeks için F(2,75) = 1462,21, p < 0,001 ve η² = 0,97 bildirilmiştir. Bu sayı ana altı ölçeğin gözlenen sıralamasını tek bir betimsel değer altında özetlemektedir.

Açık uçlu öğrenci yorumları

Açık uçlu yorumlar bağımsız kapsamlı bir nitel analiz olarak kullanılmamıştır; nicel sonuçlara açıklayıcı bağlam sağlamıştır.

Açıklamalı çıkarım grubundaki öğrenciler geri bildirimi daha sık anlaşılır, makul veya anlamlandırmaya yardımcı olarak tarif etmiştir. Açıklamasız çıkarım koşulunda ise geri bildirim daha sık kafa karıştırıcı, keyfî veya güvenilmesi zor olarak ifade edilmiştir. Çıkarım yapılmayan koşuldaki yanıtlar daha karışıktı: bazı öğrenciler nötr yaklaşımı olumlu bulurken bazıları açıklamayla birlikte daha fazla geri bildirimin yararlı olabileceğini belirtmiştir.

Çalışmanın güçlü yönleri

• Aynı sınıf bağlamında üç farklı öğrenciye dönük duygu geri bildirimi stratejisini doğrudan karşılaştırması.
• Katılımcıları üç koşula rastgele ataması.
• Duygu çıkarımının teknik doğruluğundan farklı olarak öğrenci yorumunu doğrudan sonuç değişkeni hâline getirmesi.
• Algılanan doğruluk, yorumlanabilirlik, rahatlık, yararlılık, güven ve yeniden kullanım isteğini ayrı ölçmesi.
• Altı ölçeğin yüksek iç tutarlılık göstermesi.
• Wizard-of-Oz kullanarak mesajların zamanlamasını ve sunumunu kontrol altında tutması.
• Duygu çıkarımı yapmamanın da meşru bir tasarım stratejisi olabileceğini deneysel karşılaştırmaya dahil etmesi.
• Mahremiyet, rıza, öğrenci ajansı ve geri bildirimin müdahaleci olabilmesi gibi etik sorunları deney tasarımının merkezinde tutması.

Çalışmanın sınırlılıkları

• Tek bir üniversite, tek ders ve tek 90 dakikalık oturumla sınırlıdır.
• Bütün katılımcılar Koreli lisans öğrencileridir.
• Çalışma bütünüyle İngilizce yürütülmüş, İngilizce katılımcıların ana dili değildir.
• Wizard-of-Oz kullanıldığı için gerçek otomatik duygu çıkarımında ortaya çıkabilecek sınıflandırma hatası, gecikme ve gerçek zamanlı kararsızlık test edilmemiştir.
• Açıklamalı koşul açıklama ile yansıtıcı soruyu aynı anda içerdiği için bu iki bileşenin etkileri ayrıştırılamaz.
• Yalnız çıkarım koşulları ikinci bir duygu paneli aldığı için tekrar maruziyetinin katkısı ayrı olarak izole edilmemiştir.
• Ana sonuçlar deney sonrası öz-bildirim puanlarıdır.
• Öğrenme performansı, yardım arama, kalıcılık ve uzun dönem davranış değişikliği doğrudan sonuç olarak test edilmemiştir.
• Çalışma bütün kültürler, eğitim düzeyleri veya otomatik duygu algılama sistemleri için evrensel bir strateji sıralaması kanıtlamamaktadır.

Çalışmanın desteklediği sonuçlar

• Bu sınıf deneyinde açıklama ve yansıtıcı yönlendirme içeren duygu geri bildirimi altı öğrenci değerlendirme boyutunda en yüksek puanları aldı.
• Açıklamasız duygu çıkarımı altı boyutun tamamında en düşük puanları aldı.
• Duygu hakkında çıkarım yapmayan nötr strateji, açıklamasız çıkarımdan bütün boyutlarda daha olumlu değerlendirildi.
• Öğrencinin duygusal bir iddiayı anlayabileceği ve değerlendirebileceği bağlam sunulması, duyguya duyarlı eğitim AI'sının kabulünde önemli bir tasarım değişkenidir.
• Non-inference, yani uygun koşullarda duygu iddiasında bulunmamak, eğitim AI'sında meşru bir yanıt stratejisi olarak araştırılmaya değerdir.

Çalışmanın desteklemediği sonuçlar

• Açıklamanın otomatik duygu tanıma doğruluğunu artırdığı gösterilmemiştir.
• Deney gerçek zamanlı yüz, ses veya fizyolojik duygu tanıma sistemi test etmemiştir.
• Açıklamalı duygu geri bildiriminin öğrencilerin öğrenme puanlarını artırdığı kanıtlanmamıştır.
• Duygu çıkarımı yapılmamasının bütün eğitim ortamlarında otomatik duygu sistemlerinden üstün olduğu kanıtlanmamıştır.
• Açıklamanın tek başına etkisi ayrı olarak ölçülmemiştir; açıklama ve yansıtıcı soru aynı koşulda birleştirilmiştir.
• Sensible AI'nin dört boyutu deneysel olarak ayrı ayrı test edilmemiştir.
• Diversity Adaptation ve Educator–AI Partnership boyutlarının nedensel etkileri bu çalışmadan çıkarılamaz.
• Sonuçlar uzun dönem davranış, akademik başarı veya öğrenme kalıcılığı hakkında kanıt sağlamamaktadır.

Gelecek araştırmalar

Yazarlar sonuçların farklı kurumlar, eğitim seviyeleri, kültürel bağlamlar ve ana dil ortamlarında uzunlamasına ve çok merkezli çalışmalarla sınanmasını önermektedir.

Bir diğer önemli yön, Wizard-of-Oz düzeninden gerçek otomatik duygu çıkarım sistemlerine geçilmesidir. Bu tür çalışmalar gerçek zamanlı sınıflandırma hataları, belirsizlik, gecikme ve kararsızlık ortaya çıktığında açıklamalı geri bildirimin avantajının devam edip etmediğini inceleyebilir.

Gelecek deneylerde gerekçe, yansıtıcı soru ve tekrar maruziyeti ayrı faktörler hâline getirilerek mevcut A koşulundaki birleşik etkinin hangi bileşenlerden kaynaklandığı ayrıştırılabilir.

Kaynak ayrıca öğrencinin veya eğitimcinin duygu çıkarımını onaylayabildiği, düzeltebildiği ya da reddedebildiği human-in-the-loop sistemlerin; bakış, yüz hareketi, duruş, prozodi ve etkileşim temposu gibi multimodal işaretlerin; ayrıca belirsizlik iletişimi ve non-inference kararlarının araştırılmasını önermektedir.

Etik güvenlik yaklaşımı

Katılımcılara çalışmanın amacı, hangi etkileşim verilerinin toplandığı ve verilerini sildirme veya çalışmadan çekilme hakları açıklanmıştır. Duygusal ve etkileşim verileri anonimleştirilmiş ve güvenli biçimde saklanmıştır.

Çıkarım koşullarındaki duygu mesajları geçici ve tanısal olmayan hipotezler olarak çerçevelenmiştir. Çıkarım yapılmaması ise teknik sistem hatası olarak değil, geçerli bir strateji olarak ele alınmıştır.

Kaynak ve Yöntem Notu

Özgün çalışma: How Learners Interpret Emotion-Aware Feedback in AI-Supported Learning: Evidence from a Classroom Study.

Yazarlar: Hyeji Kim; Jongyoul Park.

Sorumlu yazar: Jongyoul Park.

Kurum 1: AI Convergence and Open Sharing System, Seoul National University of Science and Technology, Seoul, Republic of Korea.

Kurum 2: Department of Applied Artificial Intelligence, Seoul National University of Science and Technology, Seoul, Republic of Korea.

Dergi: AI in Education.

Yayınevi: MDPI, Basel, Switzerland.

Cilt / sayı / makale: 2(2), 16.

DOI: 10.3390/aieduc2020016.

Makale türü: Hakemli Article; gruplar arası randomize, Wizard-of-Oz tabanlı keşifsel sınıf çalışması.

Tarihler: Alınma 16 Nisan 2026; revizyon 08 Mayıs 2026; kabul 11 Mayıs 2026; yayın 20 Mayıs 2026.

Lisans: Creative Commons Attribution (CC BY).

Örneklem: 78 lisans öğrencisi; 19–26 yaş; kaynak tarafından cinsiyet açısından dengeli olarak tanımlanmıştır.

Ders ortamı: Güney Kore'deki bir üniversitede 90 dakikalık “Introduction to Data Analysis” oturumu.

Dil: Bütün görev yönergeleri, arayüz mesajları ve yazılı öğrenci yanıtları İngilizce yürütülmüştür; katılımcıların tamamı Koreli lisans öğrencileridir.

Deney koşulları: Açıklamalı duygu çıkarımı; açıklamasız duygu çıkarımı; duygu çıkarımı yapılmayan nötr geri bildirim.

Deneysel uygulama: Önceden tanımlanmış mesajların sabit etkileşim noktalarında gösterildiği Wizard-of-Oz düzeni. Gerçek zamanlı otomatik duygu sınıflandırma performansı test edilmemiştir.

Sonuç değişkenleri: Algılanan doğruluk, yorumlanabilirlik, duygusal rahatlık, yeniden kullanma isteği, algılanan yararlılık ve güven.

Ölçek: 18 madde; her yapı için üç madde; 1–7 Likert ölçeği.

Güvenirlik: Cronbach's α = 0,88–0,90.

İstatistik: Tek yönlü ANOVA ve Tukey HSD post hoc karşılaştırmaları.

Etki büyüklüğü: Altı birincil sonuç için η² = 0,84–0,91.

Etik kurul: Seoul National University of Science and Technology Institutional Review Board; IRB No. 2025-0021-01.

Onam: Çalışmadaki bütün katılımcılardan bilgilendirilmiş onam alınmıştır.

Veri erişilebilirliği: İnsan katılımcı mahremiyeti ve etik kısıtlamalar nedeniyle veriler kamuya açık değildir; makul talep üzerine sorumlu yazardan edinilebileceği belirtilmiştir.

Finansman: Çalışma kısmen Korea government (MSIT) tarafından finanse edilen Institute of Information & communications Technology Planning & Evaluation (IITP) RS-2026-25518137 hibesi ile (%50) ve Korea government (MCST) tarafından finanse edilen Korea Creative Content Agency (KOCCA) RS-2024-00340342 hibesi ile (%50) desteklenmiştir.

Çıkar çatışması: Yazarlar çıkar çatışması bildirmemiştir. Finansman sağlayıcıların çalışma tasarımı, veri toplama, analiz, yorum, makale yazımı veya yayın kararında rolü olmadığı belirtilmiştir.

Yazar katkıları: Hyeji Kim kavramsallaştırma, metodoloji, yazılım, doğrulama, biçimsel analiz, araştırma, veri kürasyonu, özgün taslak yazımı ve görselleştirmeyi; Jongyoul Park kaynaklar, gözetim ve finansman edinimini üstlenmiştir. İnceleme ve düzenleme her iki yazar tarafından yapılmıştır.

Temel yöntemsel sınırlılık: Tek ders ve tek oturum, yalnız öz-bildirim ağırlıklı sonuçlar, Wizard-of-Oz yerine gerçek otomatik duygu tanımanın test edilmemesi, açıklama ile yansıtıcı sorunun aynı koşulda birleştirilmesi ve ikinci panel maruziyetinin A/B ile C arasında simetrik olmaması sonuçların yorum alanını sınırlar.

Sensible AI notu: Kaynak bu kavramı yeni bir teknik mimari veya bağımsız doğrulanmış teori olarak değil, bulguları açıklanabilir AI, öğrenme bilimi ve sorumlu AI literatürü ışığında yorumlamak için kullanılan sezgisel analitik lens olarak tanımlamaktadır.

Figure 1 notu: Dört analitik boyut ve bunları kesen Ethical Safeguards yapısı kavramsal şemadır; sistem mimarisi değildir.

Figure 2 notu: Quiz, reflection, üç koşula özgü geri bildirim, applied task ve post-task evaluation akışını göstermektedir. İkinci duygu panelinin yalnız çıkarım koşullarında bulunması kaynak tasarımının gerçek bir asimetrisidir.

Figure 3 / Table 2 notu: Altı değerlendirme boyutunun kaynakta kesin ortalama ± SD değerleri verildiği için Verianla'da sayısal grafik yeniden çizimine uygundur.

Verianla yeniden anlatım notu: Bu içerik özgün yayının tam çevirisi veya paragraf-paragraf yeniden yazımı değildir. Araştırma problemi, üç deney koşulu, Wizard-of-Oz yöntemi, Sensible AI yorumlama lensi, istatistiksel sonuçlar, etik sınırlar ve yöntemsel belirsizlikler korunarak bağımsız ve öğretici bir Türkçe bilimsel çekirdek oluşturulmuştur.