Sınıfta Yapay Zekâ: Öğretmenler, Öğrenciler ve Öğrenme Üzerindeki Etkiler

Öne çıkan veriler

• %60: bu öğretim yılında yapay zekâ kullanan ABD'li öğretmen (Gallup–WFF 2025)
• 5,9 sa: haftalık kullanan öğretmenin kazandığı süre; yılda ~6 hafta
• %36: OECD ortalamasında yapay zekâ kullanan öğretmen; Türkiye %24 (TALIS 2024)
• −%17: serbest ChatGPT erişimli lise öğrencilerinde sınav puanı (Wharton, Türkiye)
• 2×: pedagojik tasarımlı yapay zekâ öğretmenle öğrenme kazancı (Harvard 2025)
• 0,31 SS: 6 haftalık GPT-4 destekli programın kazanımı, Nijerya (Dünya Bankası)

Öğretmenler ne kadar kullanıyor?

OECD'nin 55 eğitim sisteminde 280.000 eğitimciyle yürüttüğü TALIS 2024'e göre öğretmenlerin OECD ortalamasında yaklaşık %36'sı işinde yapay zekâ kullanıyor; Birleşik Arap Emirlikleri ve Singapur'da %75'e çıkan oran Fransa'da %14'e düşüyor. Türkiye'de öğretmenlerin %24'ü yapay zekâ kullandığını belirtiyor; OECD ortalamasının altında ama hızla artan bir taban. Kullananlar arasında en yaygın amaçlar bir konuyu hızlıca öğrenip özetlemek (%68) ve ders planı ya da etkinlik üretmek (%64); öğrenci çalışmalarını değerlendirme (%26) ve öğrenci verisi analizi (%25) en az kullanılan alanlar.

ABD'de Gallup–Walton Family Foundation'ın 2.232 devlet okulu öğretmeniyle yaptığı 2025 araştırmasına göre öğretmenlerin %60'ı o öğretim yılında en az bir kez yapay zekâ aracı kullandı; %32'si en az haftada bir kullanıyor, %40'ı ise hiç kullanmıyor. RAND'ın panel verisi hızı gösteriyor: 2023–24'te öğretim planlaması ya da öğretim için yapay zekâ kullanan öğretmen oranı %25 iken 2025'te İngilizce, matematik ve fen öğretmenlerinde %53'e çıktı. RAND aynı zamanda okulların rehberliğinin kullanımın gerisinde kaldığını raporluyor.

Zaman kazancı: yılda altı hafta

Gallup–Walton araştırmasının en somut bulgusu zaman: yapay zekâyı haftada en az bir kez kullanan öğretmenler ortalama 5,9 saat kazanıyor; bu, öğretim yılı boyunca yaklaşık altı haftaya denk geliyor. Dokuz iş türünün her birinde öğretmenlerin %60 ile %84'ü yapay zekânın zaman kazandırdığını söylüyor: ders materyali hazırlama, geri bildirim yazma, idari yazışmalar, farklılaştırılmış içerik üretme.

Öğretmenler kazandıkları zamanı öğrencilerle birebir çalışmaya ve ders tasarımına ayırdığını belirtiyor. TALIS'te öğretmenlerin %52'si yapay zekânın materyalleri farklı öğrenci düzeylerine uyarlamayı kolaylaştırdığına inanıyor.

Öğrenciler üzerindeki etki: aynı teknoloji, zıt sonuçlar

Wharton ve Penn araştırmacılarının Türkiye'de yaklaşık 1.000 lise öğrencisiyle matematik derslerinde yürüttüğü deney (Bastani ve ark., 2025) alandaki en çok atıf alan uyarı. Öğrenciler üç gruba ayrıldı: ChatGPT benzeri serbest erişim (GPT Base), öğretmen girdisiyle tasarlanmış ve doğrudan cevap vermek yerine ipucu veren bir sürüm (GPT Tutor) ve teknoloji desteği olmayan kontrol grubu. Serbest erişimi olanlar alıştırma sorularının %48 fazlasını doğru çözdü, ancak aynı konunun sınavında %17 daha düşük puan aldı. Koruma bantlı GPT Tutor grubunda ise bu düşüş görülmedi. Araştırmacıların yorumu: 'korkuluk' olmadan yapay zekâ ödevi bitirir, öğrenmeyi bitirmez.

Harvard'da Gregory Kestin ve Kelly Miller'ın 194 fizik öğrencisiyle yaptığı ve Scientific Reports'ta yayımlanan çalışma (2025) tersini gösteriyor: pedagojik ilkelerle ayarlanmış bir yapay zekâ öğretmen ('PS2 Pal') ile çalışan öğrenciler, aynı içeriği etkileşimli derste işleyen akranlarına göre daha kısa sürede iki kattan fazla öğrendi. Başarının anahtarı tasarımdı: kısa yanıtlar, çözümü tek seferde vermeme, her seferinde bir adım.

Dünya Bankası'nın Nijerya'nın Edo eyaletinde dokuz devlet okulunda yürüttüğü rastgele kontrollü deneme (2024) ölçeklenebilirliği test etti: GPT-4 tabanlı Copilot ile altı haftalık okul sonrası İngilizce programı, genel değerlendirmede 0,31 standart sapma, İngilizcede 0,23 standart sapma kazanım sağladı; bu, geleneksel okullaşmada yaklaşık iki yıla denk geliyor ve öğrenci başına maliyet 48 dolardı. Kazanım en çok kız öğrencilerde ve başlangıçta daha başarılı olanlarda görüldü.

MIT Media Lab'in 'Your Brain on ChatGPT' çalışması (2025) bilişsel maliyete işaret ediyor: EEG ile izlenen 54 katılımcıdan yalnızca beyinleriyle yazanlar en yüksek sinirsel bağlantı gösterirken, ChatGPT ile yazanlar daha düşük bağlantı ve yazdıkları metne daha düşük sahiplenme bildirdi; kendi metinlerinden alıntı yapmakta zorlandılar. Örneklem küçük ve çalışma ön yayın; yine de 'bilişsel borç' kavramı sınıf tasarımı için önemli bir uyarı.

Ortak payda: tasarım ve öğretmen rolü

Deneysel bulgular birbiriyle çelişmiyor, aynı kuralı farklı açılardan gösteriyor. Öğrenmeyi artıran uygulamaların üç ortak özelliği var: yapay zekâ cevabı değil süreci yönlendiriyor (ipucu, tek adım, soru), öğretmen tasarımın içinde (müfredat, hedefler, kurallar) ve kullanım belirli bir öğrenme görevine gömülü. Öğrenmeyi azaltan uygulamalarda ise öğrenci serbest bir sohbet arayüzüyle baş başa kalıyor ve zorlanma ortadan kalkıyor; oysa zorlanma öğrenmenin kendisi.

Bu, öğretmenin rolünün küçülmediği, dönüştüğü anlamına geliyor: hangi görevde hangi düzeyde yapay zekâ desteğinin öğrenmeye hizmet edeceğini tasarlamak, artık pedagojik bir beceri.

Eğitim, rehberlik ve politika

TALIS 2024'e göre OECD ortalamasında öğretmenlerin %38'i son bir yılda yapay zekâ kullanımını içeren bir mesleki gelişim aldı; Singapur'da %76, Fransa'da %9. Stanford AI Index 2026'nın aktardığı ABD verisine göre ortaokul ve liselerin yalnızca yarısında yapay zekâ politikası var ve öğretmenlerin sadece %6'sı bu politikaların açık olduğunu düşünüyor. Gallup'un 2026 anketi, belirsiz yapay zekâ kurallarının öğretmen tükenmişliğini artırdığını raporluyor.

Türkiye'de Millî Eğitim Bakanlığı, 'Eğitimde Yapay Zekâ Politika Belgesi ve Eylem Planı (2025–2029)' ile etik ve sorumlu kullanımı hedefleyen bir yol haritası yayımladı; YEĞİTEK'in 'Yapay Zekâ Araçları: Öğretmen El Kitabı' 2026'da genişletilmiş sürümüyle güncellendi ve il müdürlükleri 'Öğretmenler İçin Uygulamalı Prompt Mühendisliği' rehberleri hazırladı. Politika altyapısı hızla oluşurken, TALIS'teki %24'lük kullanım oranı uygulamalı öğretmen eğitiminin en büyük kaldıraç olduğunu gösteriyor.

Okullar ve eğitim tasarımcıları için öneriler

1. Öğretmen zamanını hedefleyen kullanımla başlayın. Ders planı, materyal farklılaştırma ve geri bildirim taslakları; kanıtlanmış, düşük riskli ve haftada yaklaşık 6 saat kazandıran alanlar.

2. Öğrenci araçlarında 'korkuluk' şart. Doğrudan cevap veren serbest sohbet yerine ipucu veren, tek adım ilerleyen, öğretmenin hedeflerini bilen öğretici tasarımlar; Türkiye deneyi farkın %17 puan olabileceğini gösteriyor.

3. Öğrenmeyi ödev tamamlamayla değil, sınavla ölçün. Alıştırmada %48 daha iyi görünen grup sınavda geride kaldı; etkiyi araçsız değerlendirmede izleyin.

4. Mesleki gelişimi uygulamalı ve sürekli yapın. Singapur'daki %76'lık eğitim oranı %75'lik kullanımla örtüşüyor; tek seferlik seminer yerine derse gömülü atölyeler ve akran koçluğu.

5. Kuralları ders düzeyine indirin. 'Okulun politikası var' yetmiyor; öğretmenlerin yalnızca %6'sı politikayı açık buluyor. Her ders için 'bu görevde yapay zekâ şöyle kullanılabilir' örnekleri.

6. Eşitliği izleyin. Nijerya'da kazanım kız öğrencilerde ve başarılı öğrencilerde daha yüksekti; geride kalan öğrenciler için ek insan desteği planlayın.

Öğretmenlerin yapay zekâ kullanımı: ülkelere ve anketlere göre

OECD TALIS 2024 (280.000 eğitimci, 55 sistem), Gallup–WFF 2025 (n=2.232), RAND 2025 · yüzde

• Singapur (TALIS): 75%
• BAE (TALIS): 75%
• ABD · yıl içinde kullandı (Gallup): 60%
• ABD · İngilizce/mat/fen 2025 (RAND): 53%
• OECD ortalaması (TALIS): 36%
• ABD · haftada en az bir (Gallup): 32%
• ABD · öğretim için 2023–24 (RAND): 25%
• Türkiye (TALIS): 24%
• Fransa (TALIS): 14%

Öğretmenler yapay zekâyı ne için kullanıyor?

OECD TALIS 2024 · yapay zekâ kullanan öğretmenler arasında · yüzde

• Bir konuyu öğrenme ve özetleme: 68%
• Ders planı ve etkinlik üretme: 64%
• Öğrenci çalışmalarını değerlendirme: 26%
• Öğrenci verisini inceleme: 25%

Yapay zekânın zaman kazandırdığını söyleyen öğretmenler

Gallup–Walton Family Foundation 2025 · dokuz iş türünde en düşük ve en yüksek oran · yüzde

• En yüksek iş türü: 84%
• En düşük iş türü: 60%
• Haftada en az bir kullanan: 32%

Deneysel çalışmalarda öğrenme etkisi

Wharton/Penn (Türkiye, ~1.000 lise öğrencisi), Harvard (194 öğrenci), Dünya Bankası (Nijerya) · her satır kendi ölçüsünde

• Alıştırma doğruluğu artışı, serbest ChatGPT (yüzde): 48
• Sınav puanı düşüşü, serbest ChatGPT (yüzde): 17
• Sınav puanı değişimi, korumalı GPT Tutor (yüzde): 0
• Öğrenme kazancı, Harvard yapay zekâ öğretmen (kat): 2
• Nijerya genel kazanım (standart sapma × 100): 31
• Nijerya İngilizce kazanımı (standart sapma × 100): 23

Mesleki gelişim ve politika açığı

OECD TALIS 2024, Stanford AI Index 2026 (ABD okulları) · yüzde

• Singapur · YZ içeren mesleki gelişim: 76%
• OECD · YZ içeren mesleki gelişim: 38%
• Fransa · YZ içeren mesleki gelişim: 9%
• ABD · YZ politikası olan orta/lise: 50%
• ABD · politikayı açık bulan öğretmen: 6%
• OECD · YZ materyal uyarlamayı kolaylaştırır: 52%

Özet bulgular

• OECD ortalamasında öğretmenlerin %36'sı yapay zekâ kullanıyor; Singapur ve BAE'de %75, Türkiye'de %24, Fransa'da %14.
• ABD'de öğretmenlerin %60'ı yıl içinde yapay zekâ kullandı; haftalık kullananlar ortalama 5,9 saat, yılda altı hafta kazanıyor.
• Türkiye'deki lise deneyinde serbest ChatGPT erişimi alıştırmada %48 artış, sınavda %17 düşüş getirdi; korumalı sürüm zarar vermedi.
• Harvard'da pedagojik tasarımlı yapay zekâ öğretmen, etkileşimli derse göre iki kattan fazla öğrenme sağladı.
• Nijerya'da altı haftalık GPT-4 destekli program iki yıllık okullaşmaya denk kazanım üretti; öğrenci başına 48 dolar.
• MIT'nin EEG çalışması ChatGPT ile yazanlarda daha düşük sinirsel bağlantı ve sahiplenme buldu; küçük örneklem, önemli uyarı.
• Öğretmenlerin yalnızca %38'i yapay zekâ içeren mesleki gelişim aldı; ABD'de öğretmenlerin %6'sı okul politikasını açık buluyor.
• Ortak kural: cevap veren değil süreci yönlendiren araç, tasarımın içinde öğretmen, araçsız ölçme.

Kaynaklar

OECD — Results from TALIS 2024: Teaching for Today's World · OECD — TALIS 2024 Country Note: Türkiye · Education International — Using Artificial Intelligence: Takeaways from TALIS 2024 · Gallup / Walton Family Foundation — Teaching for Tomorrow: Unlocking Six Weeks a Year With AI (2025) · RAND — Uneven Adoption of AI Tools Among U.S. Teachers and Principals (2025) · RAND — AI Use in Schools Is Quickly Increasing but Guidance Lags Behind · Bastani, Bastani, Sungu, Ge, Kabakcı, Mariman — Generative AI Without Guardrails Can Harm Learning: Evidence from High School Mathematics (PNAS, 2025) · Kestin, Miller ve ark. — AI Tutoring Outperforms In-Class Active Learning (Scientific Reports, 2025; Harvard Gazette haberi) · World Bank — From Chalkboards to Chatbots: Evaluating the Impact of Generative AI on Learning Outcomes in Nigeria (2025) · MIT Media Lab — Your Brain on ChatGPT: Accumulation of Cognitive Debt (2025) · Stanford HAI — AI Index Report 2026 · MEB — Eğitimde Yapay Zekâ Politika Belgesi ve Eylem Planı (2025–2029)