Aydın Tiryaki (2026)

Yasaklamanın İmkânsızlığı ve “Kedi-Fare” Oyunu

Yükseköğretimde yapay zeka (YZ) kullanımı, görmezden gelinebilecek veya basit yasaklarla engellenebilecek bir geçici heves olmaktan çıkmıştır. Akademik dünyada şu an uygulanan “yakala ve cezalandır” yöntemi, teknik olarak sürdürülemez bir noktaya gelmiştir. Öğrenciler, yapay zeka ile oluşturdukları metinleri, “AI Humanizer” (YZ İnsanlaştırıcı) olarak adlandırılan araçlarla yeniden işleyerek, dedektörlerin tespit edemeyeceği, “manuel yazılmış izlenimi veren” formatlara dönüştürebilmektedir.

Yapay zeka dedektörleri ve bu izleri silen araçlar arasındaki yarış, bir “kedi-fare” oyununa dönmüştür ve eğitim kurumlarının bu teknolojik yarışı sadece polisiye tedbirlerle kazanması mümkün değildir. Çözüm; teknolojiyi yasaklamakta değil, onu eğitim sürecine şeffaf bir şekilde entegre etmekte yatmaktadır.

1. Adım: Şeffaflık ve Beyan Esaslı Teslimat

Önerilen yeni modelde, öğrencilerin ödev hazırlarken YZ kullanmaları yasaklanmaz; aksine en verimli araçları kullanmaları teşvik edilir. Ancak bu özgürlük, “Mutlak Şeffaflık” kuralına bağlanır.

• PDF Formatı ve Beyan: Öğrencilerden ödevlerini PDF formatında teslim etmeleri istenir. Bu dokümanın içinde veya ekinde, öğrencinin hangi YZ aracını, ödevin hangi aşamasında (fikir bulma, literatür tarama, metin düzenleme vb.) kullandığını açıkça beyan etmesi zorunlu kılınır.
• Sorumluluk İlkesi: Öğrenciye şu mesaj verilir: “Ödevi kimin (veya neyin) yazdığı değil, içeriğe kimin hakim olduğu esastır.”

2. Adım: Bireysel Doğrulama (Randevu ve Anlık Sınav)

Bu sistemin en kritik ve yenilikçi ayağı, ödevin teslim ve değerlendirme aşamasıdır. Klasik “dosyayı sisteme yükle ve bekle” yöntemi yerine, aktif ve dinamik bir süreç önerilmektedir:

• NotebookLM Benzeri Araçlarla Anlık Sınav: Günümüzde Google NotebookLM gibi araçlar, yüklenen bir PDF dosyasını saniyeler içinde analiz edip, sadece o dosyaya özgü sorular üretebilmektedir.
• Randevulu Sistem: Ödev teslimleri, öğretim üyesi veya asistan ile yapılan kısa (5-10 dakikalık) randevularla gerçekleştirilir.
• Sürecin İşleyişi: Öğrenci randevu saatinde bilgisayar başına gelir. Teslim edilen PDF, asistan gözetiminde sisteme yüklenir. Sistem, o saniyede metin içinden öğrencinin savunmasını gerektirecek 3-5 adet “Hakimiyet Sorusu” üretir.
• Sonuç: Bu yöntemle, öğrenci ödevi YZ’ye yazdırmış olsa bile, eğer metni okumamış ve içselleştirmemişse, sistemin kendi ödevinden sorduğu detayı yanıtlayamayacak ve başarısız olacaktır.

3. Adım: Kolektif Analiz ve Sınıf İçi Karşılaştırma

Bireysel değerlendirmeler tamamlandıktan sonra, sistemin “Bütüncül Analiz” (Collective Assessment) yeteneği devreye girer. Örneğin, 40 kişilik bir sınıfa aynı ödev konusu verildiğinde, toplanan 40 adet PDF dosyası, yapay zeka destekli bir “Büyük Dil Modeli” havuzuna yüklenir ve çapraz karşılaştırmaya tabi tutulur. Bu aşama şu çıktıları sağlar:

• Farklılaşanlar (Outliers) ve Özgünlük Tespiti: 40 ödevin 35’i benzer YZ modelleriyle, benzer “ortalama” cevapları vermiş olabilir. Sistem, bu ortalamadan sapan, konuya farklı bir açıdan yaklaşan veya nadir kaynakları kullanan “en özgün” 5 ödevi anında tespit eder. Bu, “standart YZ çıktısı” ile “emek verilmiş çıktı”yı ayırmanın en kesin yoludur.
• Ortak Yanlışlar ve Halüsinasyon Tespiti: Eğer sınıfın büyük bir kısmı aynı hatalı bilgiyi (yapay zeka halüsinasyonu) tekrarlıyorsa, sistem bunu “Bu bilgi 12 ödevde ortak olarak geçmektedir ve yanlıştır” şeklinde raporlar. Bu durum, öğrencilerin bilgiyi doğrulamadan kullandıklarını kanıtlar.
• Benzerlik Kümeleri (Similarity Clusters): Öğrencilerin birbirinden habersiz olsa bile aynı “prompt”ları (istemleri) kullandıkları, metinlerin yapısal benzerliğinden ortaya çıkarılır.
• Göreceli Puanlama: Özgünlük, mutlak bir kriter olmaktan çıkarak sınıf içindeki “diğerlerinden ne kadar farklı olduğu” ile ölçülen somut bir veriye dönüşür.

Değerlendirme Kriterleri ve “Samimiyet Puanı”

Notlandırma sistemi, üçlü bir hibrit yapıda kurgulanır:

1. Hakimiyet (%40): Öğrencinin anlık sınavdaki ve sözlü savunmadaki performansı.
2. Özgünlük ve Kolektif Konum (%40): Toplu analiz sonucunda ödevin “sürüden” ne kadar ayrıştığı ve doğruluğu.
3. Samimiyet ve Şeffaflık (%20): Öğrencinin beyanı ile teknik analizlerin örtüşmesi.

Sonuç: Kampüs Kültürü ve Yapay Zeka Rekabeti

Bu model, üniversite kampüslerini de dönüştürecektir. Öğrenciler arasında hangi YZ modelinin hangi alanda daha verimli olduğu kulaktan kulağa yayılacak, kampüsler birer “Yapay Zeka Laboratuvarı”na dönüşecektir. Öğrenciler “nasıl kopya çekerim” yerine “hangi modelle daha özgün bir sentez yaratırım” sorusuna odaklanacaklardır.

Önerilen bu sistem; üniversiteleri bir “dedektiflik bürosu” olmaktan çıkarıp, bilginin, teknolojinin ve insan zekasının en verimli iş birliğinin yapıldığı gerçek birer akademiye dönüştürecektir.

---

Yöntem ve Araçlar Üzerine Bir Not: Bu çalışmadaki tüm gözlem, fikir ve çözüm önerileri bizzat yazara aittir. Yapay zeka ise tamamen yazarın soruları, talepleri ve yönlendirmeleri doğrultusunda ilgili konuların araştırılması ve derlenmesinde bir bilgi kaynağı olarak kullanılmış; ayrıca metnin oluşturulması sürecinde yazım asistanlığı desteği sağlamıştır.