Yapay Zekâ ile İnsan Geri Bildiriminin Karşılaştırılması: Akademik Performans, Geri Bildirime Dair Algı ve Öğrenme Eğilimlerine Yönelik Bir Meta-Analiz

Giriş

Geri bildirim (feedback), öğrencilerin mevcut performansları ile öğrenme hedefleri arasındaki farkı görmelerini ve bu farkı kapatmalarını sağlayan temel bir öğretim aracıdır. Öğrencilere çalışmalarının sonucunda öğretmenlerinin, akranlarının veya çevrim içi öğrenme araçları gibi öğretim materyallerinin geri bildirim sunması, uzun süredir, öğrenmeyi destekleyen temel mekanizmalardan biri olarak kabul edilmektedir. Son yıllarda ise eğitim ortamlarında yapay zekâ (YZ) temelli sistemlerin yaygınlaşmasıyla birlikte, otomatik olarak üretilen yapay zekâ geri bildirimleri de giderek daha fazla kullanılmaya başlanmıştır. Ancak yapay zekâ geri bildiriminin, insan geri bildirimiyle karşılaştırıldığında öğrencilerin akademik performansları ve öğrenmeye yönelik tutumları üzerindeki etkilerine dair alan yazındaki bulgular net ve tutarlı değildir. Bu çalışma, mevcut araştırmaları meta-analiz yöntemi ile bir araya getirerek bu konudaki dağınık bulguları, bütüncül biçimde değerlendirmeyi ve ortaya çıkan belirsizliği açıklığa kavuşturmayı amaçlamıştır.

Amaç

Bu meta-analizin amacı, yapay zekâ tarafından üretilen geri bildirim ile insan (öğretmen veya akran) tarafından verilen geri bildirimin öğrencilerin öğrenme çıktıları, geri bildirimi algılama biçimleri ve öğrenmeye yönelik eğilimleri (motivasyonları, derse katılım düzeyleri vb.) üzerindeki etkilerini karşılaştırmaktır. Ayrıca, yapay zekâ ve insan geri bildiriminin birlikte kullanıldığı hibrit geri bildirim yaklaşımlarının olası etkileri de değerlendirilmiştir.

Yöntem

Bu çalışma, yapay zekâdan alınan geri bildirim ile insanlardan alınan geri bildirimin (öğretmen veya akran geri bildirimi) öğrencilerin öğrenme çıktıları üzerindeki etkilerini incelemek amacıyla meta-analiz yöntemi kullanılarak yürütülmüştür. Çalışma, sistematik derleme ve meta-analiz raporlamasına ilişkin Sistematik İncelemeler ve Meta-Analizler için Tercih Edilen Raporlama Öğeleri (Preferred Reporting Items for Systematic Reviews and Meta-Analyses, PRISMA) yönergeleri doğrultusunda tasarlanmıştır.

• Literatür Taraması: İlgili çalışmaların belirlenmesi amacıyla 9 Ocak 2024 tarihinde Web of Science, Scopus ve ERIC veri tabanlarında sistematik bir literatür taraması yapılmıştır. Tarama sürecinde yapay zekâ geri bildirimi, otomatik geri bildirim ve insan geri bildirimi ile ilişkili anahtar terimler kullanılmıştır. Elde edilen kayıtlar arasından yinelenen çalışmalar çıkarılmış, başlık ve özet incelemesiyle araştırma kapsamına uygun olmayan çalışmalar elenmiştir.

• Dâhil Etme Kriterleri ve Örneklem: Meta-analize, yapay zekâ geri bildirimi ile insan geri bildirimini doğrudan karşılaştıran, deneysel veya yarı deneysel araştırma desenine sahip, nicel sonuçlar raporlayan çalışmalar dâhil edilmiştir. Kuramsal çalışmalar, derleme makaleleri ve yeterli nicel veri sunmayan araştırmalar kapsam dışı bırakılmıştır. Bu eleme süreci sonucunda, toplam 41 çalışma meta-analize dâhil edilmiştir. Analizler, bu çalışmalarda yer alan 4.813 öğrenciden elde edilen veriler üzerinden yürütülmüştür.

• İncelenen Sonuç Alanları: Çalışmalar, makalede tanımlanan üç temel sonuç alanı kapsamında değerlendirilmiştir:

• Öğrenme Performansı: Öğrencilerin akademik başarısı ve öğrenme performansları.
• Geri Bildirime Dair Algı: Öğrencilerin geri bildirimi ne kadar yararlı, anlaşılır ve kabul edilebilir buldukları.
• Öğrenme Eğilimleri: Öğrenmeye yönelik motivasyon, derse katılım düzeyleri ve öz düzenleme becerileri.

• Analiz Yaklaşımı: Dâhil edilen çalışmalarda raporlanan nicel bulgular, yapay zekâdan alınan geri bildirim ile insandan alınan geri bildirimin bu üç sonuç alanındaki etkilerini karşılaştırmak amacıyla birleştirilmiştir. Analizler, her bir sonuç alanı (öğrenme performansı, geri bildirime dair algı ve öğrenme eğilimleri) için ayrı ayrı yürütülmüş ve yapay zekâ geri bildiriminin insan geri bildirimiyle karşılaştırıldığında nasıl bir etki örüntüsü ortaya çıkardığı değerlendirilmiştir.

Temel Bulgular

Çalışmaların Genel Profili (Betimleyici Bulgular):

• Bu konudaki araştırmaların çoğunluğunun (33 araştırma), öğrencilerin dil ve yazma konusunda aldıkları geri bildirimler üzerinden yapıldığı bulunmuştur. 
• Araştırmaların çoğunluğu (36 araştırma) yükseköğretim düzeyindeki öğrencilerle yapılmıştır. 3’ü K-12(ilköğretim ve ortaöğretim), 1’i de açık öğretim öğrencileriyle yapılmıştır.
• Kullanılan yapay zekâ sistemleri üçe ayrılmaktadır:
• Kural Tabanlı Sistemler (Örneğin Pigai, Grammarly, MY Access): Genellikle cümle düzeyinde, dil bilgisi ve söz dizimine odaklanan, yönlendirici ve düzeltici geri bildirim sunmaktadır.
• Makine Öğrenmesi Tabanlı Sistemler: Bu sistemler, yeni içerik üretmekten ziyade mevcut geri bildirimi değerlendirmeye ve iyileştirmeye odaklanmaktadır.
• Üretken Yapay Zekâ Modelleri (Örneğin ChatGPT): Bu modeller etkileşimli, konuşmaya dayalı, içerik üzerine düşünmeye yönlendiren geri bildirimler sunmuştur.

Öğrenme Performansı: 

• Yapay zekâ geri bildirimi ile insan geri bildirimi arasında öğrenme performansı açısından istatistiksel olarak anlamlı bir fark bulunmamıştır (Hedge’s g = 0,25). Bulgular, yapay zekâ geri bildiriminin öğrenme performansı açısından insan geri bildirimi kadar etkili olabileceğini düşündürmektedir. 
• Ancak çalışmalar arasında yüksek heterojenlik vardır; bu durum, sonuçların her çalışmada aynı yönde çıkmadığını ifade etmektedir. Örneğin, bazı çalışmalarda yapay zekâ geri bildirimi performansı biraz artırırken, bazı çalışmalarda insan geri bildirimi daha etkili olmuştur.
• Bu farklılıklar; 
• Kullanılan yapay zekâ türüne (Grammarly gibi kural tabanlı yazma araçları vs. ChatGPT gibi üretken modeller), 
• Geri bildirimin kapsamına (yalnızca dil bilgisi düzeltmesi vs. içerik ve yapı önerileri), 
• Dersin alanına (çoğunlukla dil ve yazma dersi araştırmaları dâhil edilmiştir) bağlı olarak değişmektedir.
• Alt grup analizleri, öğretmen geri bildiriminin akran geri bildirimine kıyasla daha etkili olabileceğini gösterse de, bu farklar genel karşılaştırmada anlamlı düzeye ulaşmamıştır.

Geri Bildirime Dair Algı:

• Öğrencilerin geri bildirimi algılama biçimleri açısından yapay zekâ ve insan geri bildirimi arasında anlamlı bir fark saptanmamıştır (Hedge’s g = −0,20). Bu durum, yapay zekâ geri bildiriminin genellikle hızlı ve ayrıntılı olmasına rağmen, insan geri bildiriminin sunduğu bağlamsal duyarlılık ve kişiselleştirme düzeyini her zaman yakalayamamasıyla ilişkilendirilmektedir.

• Öğrenme performansı sonuçlarıyla benzer şekilde, geri bildirim nasıl algılandığının bağlama ve kullanılan yapay zekâ türüne göre değiştiğini göstermektedir. 
• Son çalışmalarda, yapay zekâdan alınan geri bildiriminin görece daha olumlu, yararlı ve anlaşılır algılandığı bulunmuştur. Bu durum, yapay zekâ teknolojilerindeki gelişmelerle ilişkilendirilmiştir.

Öğrenme Eğilimleri (Motivasyon, Katılım, Öz Düzenleme)

• Motivasyon (öğrencinin öğrenmeye ne kadar istekli olduğu), katılım (öğrencinin derste ya da öğrenme sürecinde ne kadar aktif olduğu) ve öz düzenleme (öğrencinin kendi öğrenme sürecini yönetmesi ve geri bildirime göre strateji geliştirmesi) gibi öğrenme eğilimleri açısından bulgular tutarsızdır. Bazı çalışmalar yapay zekâ geri bildiriminin öğrenme tutumu veya motivasyon üzerinde olumlu etkiler, bazıları ise olumsuz ya da nötr etkiler gösterdiğini raporlamıştır.

• Bazı öğrenciler YZ’nin hızını ve nokta atışı geri bildirimlerini olumlu değerlendirirken, bazıları insanlardan alınan kişiselleştirilmiş geri bildirimleri tercih etmektedir.
• Bu farklılıklar, yapay zekâ geri bildiriminin öğrenme eğilimleri üzerindeki etkisinin, görevin niteliğine, öğrenme ortamına ve öğrencilerin bireysel tercihlerine bağlı olarak değişebileceğini göstermektedir.
• Özellikle anında ve düzeltici geri bildirimin önemli olduğu durumlarda, yapay zekânın daha faydalı olabileceği belirtilmektedir.

Hibrit Geri Bildirim

• Yapay zekâ ve insan geri bildiriminin birlikte kullanıldığı hibrit yaklaşımlara ilişkin çalışmalar sınırlıdır ve bulgular tüm çalışmalar için ortak ve tutarlı değildir. 
• Ancak yalnızca yapay zekâ geri bildirimi ya da yalnızca insan geri bildirimi ile karşılaştırıldığında hibrit yaklaşımın olumlu bir etki potansiyeline sahip olabileceği görülmektedir. 
• Yapay zekâ ile insan geri bildiriminin birlikte kullanılmasının, öğrencilerin geri bildirime daha fazla güven duymasını ve geri bildirimin daha incelikli (nüanslı) olmasını sağlayabileceği düşünülmektedir.

Sonuç

Bu meta-analiz, yapay zekâ tarafından sağlanan geri bildirimin, öğrencilerin öğrenme performansı, geri bildirime dair algıları ve öğrenme eğilimleri açısından insan geri bildirimiyle karşılaştırıldığında istatistiksel olarak anlamlı bir üstünlük ya da dezavantaj göstermediğini ortaya koymaktadır. Ancak bu konuda elde edilen sonuçlar, araştırmadan araştırmaya değiştiği için bulgular tek bir genellemeyle yorumlanmamalıdır. Çalışma yapay zekâ geri bildiriminin, insan geri bildiriminin yerine geçmesinden ziyade, insan geri bildirimiyle birlikte hibrit bir model içinde ele alınmasının daha anlamlı olabileceğini vurgulamaktadır. Çalışmanın başlıca sınırlılıkları, bu alandaki araştırmaların büyük ölçüde dil ve yazma alanında yoğunlaşması ve YZ sistemlerinin teknik ayrıntılarının her zaman açık şekilde raporlanmamasıdır. Bu nedenle, gelecekteki araştırmaların farklı disiplinleri kapsayan, kullanılan yapay zekâ sistemlerini daha detaylı biçimde açıklayan ve daha çeşitli öğrenme çıktıları içeren çalışmalar olarak tasarlanması önerilmektedir.

Kaynak: Kaliisa, R., Misiejuk, K., López-Pernas, S., & Saqr, M. (2025). How does artificial intelligence compare to human feedback? A meta-analysis of performance, feedback perception, and learning dispositions. Educational Psychology, 1-32. https://doi.org/10.1080/01443410.2025.2553639