Çin, yapay zekâyı okul hayatının olağan bir parçasına dönüştürmeye çalışıyor. Bu girişim, eğitimde teknoloji kullanımının ötesinde; bilgi üretimi, öğretmenlik, eşitsizlik ve çocukların düşünme bağımsızlığı hakkında sorular açıyor.

Bu haberden hareketle sorulması gereken şu: Bir çocuk yapay zekâyla başarılı ürünler ortaya koyduğunda, hangi becerileri kendisi edinmiş oluyor? Üretilen uygulamanın, yazılan kompozisyonun veya tamamlanan ödevin kalitesi, öğrencinin kavrayışını ne ölçüde gösteriyor? Çin’in politika belgeleri ve eğitim araştırmaları, bu soruyu somut biçimde tartışmak için önemli bir zemin sunuyor.
“Yapay zekâ yerlisi” olmak ne anlama geliyor?
“AI-native” ifadesini “yapay zekâ yerlisi” diye çevirebiliriz: Yapay zekâ sistemlerinin gündelik hayatın içinde zaten bulunduğu bir ortamda büyüyen kuşak. Burada bir uyarı gerekiyor. Teknolojiyle erken karşılaşmak, onun nasıl çalıştığını anlamak veya verdiği bilgiyi değerlendirebilmek konusunda kendiliğinden bir yeterlilik sağlamaz.
Bir öğrenci sohbet robotundan hızlı yanıt alabilir; buna rağmen yanıtın kaynağını denetlemeyi, eksik bağlamı fark etmeyi veya karşıt görüşleri araştırmayı öğrenmemiş olabilir. Bu nedenle “yerlilik” bir yaş kategorisi olarak kullanılabilir, fakat eğitimsel başarıyı açıklamak için ayrıca somut becerilere bakmak gerekir. Bir sistemin ne zaman kullanılacağı kadar, hangi durumda kendi akıl yürütmemize dönmemiz gerektiği de öğrenilmelidir.
Politikanın gelişimi: Farkındalıktan eğitim sisteminin dönüşümüne
Çin Eğitim Bakanlığının Aralık 2024’te duyurduğu yaklaşım, yaşa göre ilerleyen bir yapı öngörüyor. İlkokulun ilk yıllarında yapay zekâ farkındalığına; ilerleyen sınıflarda teknolojiyi anlamaya ve kullanmaya; lise düzeyinde ise ileri araçlarla proje geliştirmeye ağırlık veriliyor. Belgede proje temelli öğrenme, düşünme becerileri ve problem çözme özellikle vurgulanıyor.
Bu çerçeve daha sonra yerel programlarla somutlaştırıldı. Pekin’in 2025–2027 çalışma planı, 2025 güz döneminden itibaren şehirdeki ilk ve ortaöğretim okullarında yılda en az sekiz ders saati yapay zekâ eğitimi verilmesini öngörüyor. Dersler bağımsız olarak veya mevcut derslerle bütünleştirilerek yürütülebiliyor. Bu, Pekin’e ait bir düzenleme; aynı saat yükümlülüğünü Çin’in tamamına genellememek gerekiyor.
Ulusal ölçekteki daha kapsamlı adım ise beş kurumun ortaklaşa hazırladığı Nisan 2026 tarihli “Yapay Zekâ + Eğitim” Eylem Planı. Plan, 2030’a kadar yapay zekâ ile eğitimin derin biçimde bütünleşmesini; farklı eğitim kademelerini ve toplum genelini kapsayan bir yapay zekâ eğitimi sistemini hedefliyor. Müfredatın yanında hesaplama altyapısı, veri kaynakları, eğitim modelleri ve araştırma uygulamaları da gündemde. Belgenin Georgetown Üniversitesi CSET tarafından yayımlanan İngilizce çevirisi de bulunuyor.
Bu belgeleri okurken hedeflerle gerçekleşmiş sonuçları ayırmak gerekiyor. Bir eylem planının yayımlanması, bütün okulların yeterli öğretmene, uygun materyale ve başarılı uygulamalara sahip olduğunu göstermez. Bununla birlikte planın kapsamı, yapay zekânın eğitim yönetimi ve kamu altyapısıyla birlikte ele alındığını açıkça gösteriyor.
Hangi içerik, hangi yaşta?
Müfredat dönüşümünün gündelik karşılığı, öğretmenin kullanabileceği içeriktir. Mayıs 2026’da duyurulan yapay zekâ okuryazarlığı kaynakları, dört eğitim düzeyine göre hazırlanmış bir el kitabı ile “On Ders ve Yüz Soru” dizisini içeriyor. Küçük çocuklar için resimli öyküler, daha büyük öğrenciler için problem çözme etkinlikleri, teknik kavramlar ve disiplinlerarası içerikler tasarlanmış.
Burada dikkate değer olan, tek bir uygulamanın kullanım kılavuzuyla yetinilmemesi. Bir ürünün menülerini öğrenmek kısa vadede işe yarayabilir. Öğrencinin farklı araçlarla karşılaştığında da kullanabileceği kavramsal bir temel oluşturmak ise daha uzun soluklu bir eğitim işi. Örneğin veri, örüntü, hata, belirsizlik ve doğrulama kavramları, bugün kullanılan platform değişse de anlamını korur.
Yaygınlaştırma hedefi, kullanım sınırlarıyla birlikte ilerliyor
Çin’in yaklaşımını anlamak için 2025 tarihli üretken yapay zekâ kullanım rehberine de bakmak gerekiyor. Eğitim Bakanlığı bünyesindeki temel eğitim öğretim yönlendirme komitesinin hazırladığı metnin İngilizce çevirisine göre, ilkokul öğrencilerinin açık uçlu içerik üretme işlevlerini bağımsız kullanmaları engellenmeli; öğretmenler ise bunlardan uygun biçimde ders desteği olarak yararlanabilmeli. Ortaokul ve lisede daha ileri, yaşa uygun kullanımlar öngörülüyor.
Rehber, öğretmenlerin öğretim sorumluluğunu yapay zekâya devretmemesini, öğrenci değerlendirmelerinde çıktıları doğrudan karar olarak kullanmamasını ve hassas verileri araçlara girmemesini de istiyor. Öğrenciler açısından bağımsız düşünme, akademik dürüstlük ve kaynaklara başvurma vurgusu var. Bunlar rehberdeki normatif beklentiler; her okulun uygulamasının bu beklentileri karşıladığı anlamına gelmiyor.
Dolayısıyla eğitim tasarımında iki ayrı karar gerekiyor: Öğrencinin yapay zekâ hakkında ne öğreneceği ve öğrenme sırasında yapay zekâdan ne kadar yardım alacağı. Birinci konuda kapsamlı bir program izlenirken ikinci konuda yaşa, göreve ve kazanıma göre sınırlar konulabilir.
Ödev başarısı ile kalıcı öğrenme arasındaki fark
Bu ayrımı görünür kılan çalışmalardan biri, David Strömberg, Victor Lei ve Yanhui Wu’nun Haziran 2026’da CEPR tartışma makalesi olarak yayımlanan araştırması. Araştırmacılar, Çin’de 7–12. sınıflarda okuyan 26.811 öğrencinin 30 aylık panel verisini inceliyor. Çalışmada yapay zekâ kullanımına geçişin farklı zamanlarda gerçekleşmesinden yararlanan bir farkların farkı yöntemi kullanılıyor.
Yazarların tahminlerine göre kullanım sonrasında ödev puanları yüzde 18 yükseliyor ve ödevi tamamlama süresi yüzde 30 kısalıyor; buna karşılık altı ay içinde aylık sınav puanları yüzde 20 düşüyor. Bunlar çalışmanın bildirdiği göreli değişimler; yüzde puan farkı olarak okunmamalı. Ayrıca çalışma rastgele atamalı bir deney değil. Nedensel yorum, araştırma tasarımının varsayımlarına dayanıyor ve tartışma makalesi niteliği dikkate alınmalı.
Buradan bütün öğrencilere uygulanabilecek tek bir zarar oranı çıkarmak doğru olmaz. Daha yararlı soru, eğitim sisteminin neyi başarı olarak saydığıdır. Ödevin daha çabuk bitmesi öğrencinin zamanını açabilir; ancak öğrencinin çözüm yolunu açıklayabilmesi, hatasını bulabilmesi ve benzer bir görevi daha sonra kendi başına yapabilmesi ayrıca değerlendirilmelidir.
Türkiye’deki deney: Aracın tasarımı sonucu değiştiriyor
Karşılaştırma için Türkiye’den güçlü bir örnek var. Hamsa Bastani ve çalışma arkadaşlarının 2025’te PNAS’ta yayımlanan araştırması, Türkiye’de bir lisede yaklaşık bin öğrenciyle yürütülen rastgele kontrollü deneye dayanıyor. Matematik alıştırmalarında standart bir GPT-4 arayüzü, öğretmen girdileriyle ve ipucu vermeye yönelik sınırlarla tasarlanmış bir öğretici araç ve yapay zekâ kullanmayan kontrol grubu karşılaştırılıyor.
Alıştırma aşamasında standart arayüz grubunda performans kontrol grubuna göre yüzde 48, özel öğretici araç grubunda yüzde 127 artıyor. Daha sonra öğrenciler araçsız sınava girdiğinde, standart arayüz grubunun performansı kontrol grubunun yüzde 17 altında kalıyor. Öğretici araç grubunda ise kontrol grubuyla istatistiksel olarak anlamlı bir fark bulunmuyor. Öğrenmeyi korumaya yönelik tasarım olumsuz etkiyi büyük ölçüde gideriyor; bu deneyde araçsız sınav başarısında ek bir üstünlük göstermiyor.
Tek okul, belirli matematik konuları ve belirli araçlarla sınırlı bu sonucu bütün derslere genelleyemeyiz. Yine de çalışma önemli bir tasarım tercihini somutlaştırıyor: Öğrencinin önüne hazır çözüm koymakla, onun çözümü kurmasına yardım etmek farklı öğrenme deneyimleri oluşturabiliyor.
Öğretmen, altyapının merkezinde
Öğretmenin hangi soruyu soracağını, ne kadar yardım vereceğini ve öğrencinin anlayıp anlamadığını nasıl kontrol edeceğini bilmesi gerekiyor. UNESCO’nun öğretmenler için yapay zekâ yetkinlik çerçevesi, bu nedenle beş boyutta 15 yetkinlik tanımlıyor: insan merkezli yaklaşım, yapay zekâ etiği, temeller ve uygulamalar, yapay zekâ pedagojisi ve mesleki öğrenme. Çerçeve, öğretmen eğitimini teknik kullanımın yanında pedagojik karar verme ve sorumlulukla birlikte ele alıyor.
Pekin’in yukarıda bağlantısı verilen planında da 100 uzman öğretmen ve 1.000 öncü öğretmen yetiştirme hedefi bulunuyor. Buradaki sayıların politika hedefi olduğunu hatırlatarak şu noktayı vurgulamak mümkün: Eğitimde dönüşüm, öğretmenin öğrenmesi için ayrılan zaman ve kaynakla yakından ilişkili. Öğretmene bir hesap açmak ile onun dersini yeniden tasarlamasını desteklemek farklı düzeylerde yatırım gerektiriyor.
Kişiselleştirilmiş eğitim ile sürekli izleme arasındaki sınır
Pekin planı, öğrencilerin sağlık gelişim kayıtları ve psikolojik durumlarının düzenli izlenmesi gibi alanlarda da yapay zekâ ve büyük veri kullanımını öngörüyor. Bu, eğitim teknolojisinin kapsamının ders içeriğinden öğrenci hakkında üretilen kayıtlara doğru genişleyebileceğini gösteriyor.
Bu tür uygulamaları değerlendirirken sorulması gereken sorular var: Hangi veri gerçekten gerekli? Bir öğrenciyi tanımlayan otomatik çıkarım yanlış olduğunda nasıl düzeltilecek? Kayıtları kim görebilecek? Verilen destek, öğrencinin yıllarca taşıyacağı bir etikete dönüşebilir mi? Bunlar belirli bir sistemin mutlaka zarar verdiği iddiası değil; tasarımın ve kamusal denetimin yanıtlaması gereken sorular.
UNESCO’nun eğitim ve araştırmada üretken yapay zekâ rehberi, veri mahremiyetinin korunmasını, yaşa uygun kullanım sınırlarını ve insanın karar verme kapasitesini merkeze alan bir yaklaşım öneriyor. Okulun teknoloji satın alma kararı, çocuklarla kurduğu güven ilişkisini de ilgilendiriyor.
Türkiye için nasıl bir öğrenme modeli kurulabilir?
Çin’deki programları Türkiye’ye taşımak yerine, yerel ihtiyaçlara göre hangi kazanımların hedefleneceğini tartışabiliriz. UNESCO’nun öğrenciler için çerçevesi, insan merkezli yaklaşım, etik, teknikler ve uygulamalar ile sistem tasarımı olmak üzere dört boyutta 12 yetkinlik tanımlıyor. Anlama, uygulama ve yaratma aşamaları, ders hedeflerini somutlaştırmak için bir başlangıç sunuyor.
Aşağıdaki etkinlikler, bu yazıdaki tartışmadan hareketle geliştirilmiş ders önerileridir:
- Önce kişisel deneme: Öğrenci bir soruya ilk yanıtını kendi başına oluşturur. Ardından yapay zekâdan ipucu veya eleştiri ister; son değişikliklerini gerekçelendirir.
- Kaynak karşılaştırması: Öğrenci bir yapay zekâ yanıtındaki doğrulanabilir iddiaları belirler; bunları birincil kaynaklarla karşılaştırır ve düzeltmelerini kaydeder.
- Süreç dosyası: Bitmiş ürünle birlikte ilk taslak, kullanılan yardımlar, reddedilen öneriler ve öğrencinin kararları teslim edilir.
- Gecikmeli bağımsız görev: Öğrenci birkaç gün sonra benzer bir sorunu araç yardımı olmadan çözer veya çözüm mantığını sözlü olarak açıklar.
- Yerel sorun projesi: Öğrenciler mahalle, kampüs veya kent yaşamından bir mesele seçer; yapay zekâyla ürettikleri öneriyi gözlem ve görüşmelerle sınar.
Bu etkinliklerin değerlendirmesinde yalnızca sonucun düzgünlüğüne bakılmaz. Öğrencinin kanıt seçimi, belirsizliği ifade edebilmesi, hatayı fark etmesi ve aldığı yardımın sınırlarını açıklayabilmesi de görünür hale gelir. Özellikle iletişim ve sosyal bilimler eğitiminde, bir metnin hangi toplumsal bağlamı dışarıda bıraktığını tartışmak teknik doğrulama kadar önemlidir.
Eşit erişimden eşit öğrenme fırsatına
Bir okulun yapay zekâ araçlarına erişmesi, öğrencilerin benzer öğrenme fırsatlarına kavuştuğunu tek başına göstermez. Aynı araç, güçlü öğretmen desteğiyle araştırmayı derinleştirmek için kullanılabilir; daha zayıf destek koşullarında ise öğrencinin zorlandığı bölümleri onun adına tamamlayabilir. Bu, uygulamaları değerlendirirken araştırılması gereken bir eşitsizlik ihtimalidir.
Bu nedenle bütçe tartışmasının içinde cihaz ve aboneliklerin yanında öğretmenlerin çalışma zamanı, erişilebilir içerik, Türkçe kaynakların niteliği ve bağımsız değerlendirme de bulunmalı. Öğrencinin teknolojiye ulaşması kadar, aldığı yardımı anlayabilecek ve sorgulayabilecek koşullara sahip olması da önem taşıyor.
Çin’in girişimi, yapay zekâ eğitiminin ne kadar geniş bir kamusal proje haline gelebileceğini gösteriyor. Başarısını değerlendirmek için zaman içinde öğrencilerin ne ürettiğine, ne öğrendiğine ve kendi kararlarını nasıl verdiğine bakmak gerekecek. Eğitim açısından anlamlı hedef, teknolojik destek arttıkça öğrencinin düşünme kapasitesinin ve sorumluluğunun da gelişmesi olmalı.
Bu yazı 17 Kasım 2026 itibarıyla Reuters haberi, resmî politika belgeleri, UNESCO çerçeveleri ve bağlantıları verilen araştırmalar kullanılarak hazırlanmıştır. Ders etkinlikleri ve Türkiye’ye ilişkin öneriler yazının değerlendirmeleridir.



