Üstün Zekâlılar Enstitüsü Tüm haberler

Yapay Zekâ Çağında Üstün Yetenek İçin Yeni Model: Tanılamadan Sürekli Gelişim Döngüsüne

Yapay Zekâ Çağında Üstün Yetenek İçin Yeni Model: Tanılamadan Sürekli Gelişim Döngüsüne

Özgün haber kaynağı: Andy Parra-Martínez ve Ophélie Desmet’in Offload, Surrender, or Augment? Designing Continuous Talent Development in the Age of AI başlıklı hakemli makalesi, Gifted Education International dergisinde 16 Kasım 2026’da çevrim içi yayımlandı. Çalışma, yapay zekâ çağında üstün zekâlılar ve yetenekliler için yalnız kimin tanılandığına değil, tanılamadan sonra fırsat ve desteğin nasıl izleneceğine odaklanan sürekli bir gelişim modeli öneriyor.

Makalenin çıkış noktası şu: Üretken yapay zekâ, öğrencinin ortaya koyduğu ürünün hangi bölümünün gerçek anlayışını, hangisinin araç desteğini yansıttığını ayırmayı zorlaştırıyor. Bu sorun yalnız ödev puanını değil; öğrencinin ileri programa seçilmesi, hangi zenginleştirme fırsatını alacağı ve desteğinin ne zaman değiştirilmesi gerektiği gibi yüksek etkili kararları da ilgilendiriyor.

Üç farklı kullanım aynı şey değil

Yazarlar insan–yapay zekâ etkileşimini üç örüntüyle açıklıyor: bilişsel yükü devretme, yargıyı bırakma ve artırma. Bilişsel yükü devretmede öğrenci görevin bazı parçalarını araca bırakıyor; bu, gereksiz işlemleri azaltıp öğrenmeye alan açabileceği gibi düşünme pratiğini ortadan kaldırarak gelişimi de engelleyebilir. Sonuç, hangi işin devredildiğine ve öğrencinin geride hangi zihinsel işi sürdürdüğüne bağlı.

“Yargıyı bırakma” durumunda öğrenci yalnız üretimi değil, seçme, denetleme ve karar verme sorumluluğunu da araca terk ediyor. “Artırma” ise daha güçlü bir ölçüt gerektiriyor: Yapay zekâ desteğiyle daha iyi bir ürün oluşturmak tek başına yeterli sayılmıyor; öğrencinin anlayış, muhakeme ve devam eden gelişim kanıtı göstermesi bekleniyor. Böylece akıcı bir son ürün ile öğrencinin gerçekten geliştirdiği kapasite birbirinden ayrılıyor.

Tanılama tek seferlik kapı olmaktan çıkıyor

Makale, yetenek gelişimini beş adımlı ve yeniden başlayan bir yönetişim döngüsü olarak çerçeveliyor: tanılama; zenginleştirme; fırsat ve desteklerin tahsisi; öğrencinin bu desteğe verdiği yanıtın değerlendirilmesi; ardından kararın gözden geçirilmesi. Bu yaklaşım, üstün yetenekli öğrenciyi bir kez seçip aynı programa bırakmak yerine, öğrenci ile görev ve içinde bulunduğu durum arasındaki değişen uyumu izlemeyi öneriyor.

Döngüde yalnız başarı puanı kullanılmıyor. Yazarlar motivasyon, iyi oluş ve diğer psikososyal bilgilerin; belgelenmiş ihtiyaç, hazır bulunuşluk ve öğrencinin kendi anlatımıyla birlikte kararlara girmesini öneriyor. Bu, ölçme araçlarını reddetmek anlamına gelmiyor. Önerilen değişiklik, tek bir ürünün veya testin kesin hüküm vermesi yerine, farklı kanıtların zaman içinde güncellenmesi.

AchieveGo bir sonuç değil, tasarım örneği

Yazarlar önerdikleri yapıyı AchieveGo adlı bir kavram kanıtı üzerinden örneklendiriyor. Makale özetine göre bu kanıt dizini ve eğitimci arayüzü; seçenekleri, belirsizliği ve kararların yeniden inceleneceği noktaları eğitimci, öğrenci ve aile için görünür kılmayı amaçlıyor.

AchieveGo’nun haberde “etkisi kanıtlanmış yapay zekâ sistemi” olarak sunulmaması önemli. Yeni yayın kavramsal bir makale; rastgele kontrollü deney, öğrenci örneklemi veya ölçülmüş başarı etkisi bildirmiyor. Araç, önerilen yönetişim döngüsünün nasıl somutlaştırılabileceğini gösteren bir tasarım örneği. Modelin doğruluğu, adaleti ve eğitimsel etkisi bağımsız saha çalışmalarıyla sınanmayı bekliyor.

Okullar için uygulanabilir üç soru

  • Öğrenci neyi yaptı? Yapay zekânın ürettiği bölüm ile öğrencinin soru kurma, seçim yapma, doğrulama ve düzeltme katkısını ayrı kaydedin. Yalnız son ürüne bakarak ileri düzey düşünme sonucu çıkarmayın.
  • Karar ne zaman yeniden açılacak? Tanılama, program yerleştirmesi ve destek düzeyi için baştan bir gözden geçirme tarihi belirleyin. Yeni kanıt geldiğinde öğrencinin yolu değişebilmeli.
  • Belirsizlik görünür mü? Eğitimci değerlendirmesini otomatik öneriden ayırın; kullanılan kanıtları, alternatifleri ve karara itiraz ya da yeniden inceleme yolunu aile ve öğrenciye açıklayın.

Neden izlenmeye değer?

Çalışmanın özgün katkısı, yapay zekâ kullanımını bütünüyle yasaklama veya sınırsızca teşvik etme ikiliğinden çıkarıp öğrencinin hangi bilişsel sorumluluğu koruduğuna bağlaması. Üstün zekâlılar ve yetenekliler için risk yalnız yapay zekânın yanlış cevap vermesi değil; çok düzgün görünen bir ürünün öğrenme gereksinimini, motivasyonu veya öğrencinin karar verme sürecini gizlemesi.

Bununla birlikte önerilen çerçeve henüz bir etki bulgusu değil. Okulların modeli uygulamadan önce yerel tanılama kurallarıyla uyumu, kişisel veri korumasını, farklı öğrenci gruplarına etkisini ve insan denetiminin nerede zorunlu olacağını ayrıca değerlendirmesi gerekiyor. Yeni makale, kesin bir teknoloji reçetesinden çok, kararların izlenebilir ve düzeltilebilir tutulması için araştırmaya açık bir gündem sunuyor.

Kaynak ve fotoğraf bilgisi

Parra-Martínez, A. ve Desmet, O. — “Offload, Surrender, or Augment? Designing Continuous Talent Development in the Age of AI”, Gifted Education International, çevrim içi yayın tarihi 16 Kasım 2026.

Fotoğraf: Makalenin ortak yazarı Ophélie Desmet’in bağlı bulunduğu Ball State University’nin Architecture Building binası ve kampüsü, 2 Mayıs 2007. Fotoğraf: Kyle Flood / Wikimedia Commons. Fotoğrafçı eseri dünya çapında kamu malı olarak yayımlamıştır. Görsel gerçek bir kampüs fotoğrafıdır; makalenin yazar kurumlarından birini doğrudan gösterir. Özgün fotoğraf merkezden 16:9 oranında kırpılmış, 1600×900 piksele ölçeklenmiş ve WebP biçimine dönüştürülmüştür.