Yapay Zekâ Öğrencileri Tembelleştirir Mi? Araştırmalar Ne Diyor?

Öğretmenler odasında sık duyulan bir cümle var: “Çocuklar artık düşünmüyor, her şeyi yapay zekaya soruyor.” Endişe gerçek mi, yoksa her yeni teknolojiye gösterilen klasik bir tepki mi?

Cevap ikisinin arasında. Araştırmalar, pedagojik rehberlik olmadan kullanılan yapay zekanın öğrenmeye gerçekten zarar verebildiğini gösteriyor. Ama aynı araştırmalar, doğru tasarlanmış bir yapay zekanın tam tersini yapabildiğini de ortaya koyuyor. Mesele araçta değil, kullanım biçiminde.

Kısa cevap: belirleyici olan araç değil, kullanım

OECD’nin Ocak 2026’da yayımladığı Digital Education Outlook raporu konuyu net koyuyor. Yapay zeka öğrenmeyi destekleyebiliyor, ama yalnızca açık pedagojik ilkelerle yönlendirildiğinde. Pedagojik rehberlik olmadan kullanıldığında görev performansını artırıyor, gerçek öğrenme kazanımı sağlamıyor.

Bu ayrım önemli. Öğrenci ödevini daha hızlı bitiriyor, anlık olarak iyi görünüyor, ama öğrenmiş olmuyor. Aynı rapora göre Avrupa’da öğrencilerin yüzde 31’i yapay zekadan görevlerine doğrudan çözüm alıyor. Yani sınıfta gördüğümüz “çocuk her şeyi yapay zekaya soruyor” hissi yersiz değil.

”Pedagojik borç” denen şey

Genio’nun ele aldığı bir kavram bu durumu güzel özetliyor: pedagojik borç. Yapay zeka ile kolay ve kısa vadeli çözümü seçmek, sonradan ödenmesi gereken bir borç biriktiriyor. Öğrenci cevaba ulaşıyor ama o cevaba götüren düşünme yolunu hiç yürümüyor, üst düzey düşünme kasları gelişmiyor.

Sayı da var. Yapay zekaya yüksek bağımlılık, düşük frekanslı kullanıcılara kıyasla eleştirel düşünme puanlarında yüzde 17,3 düşüşle ilişkilendiriliyor. Bu, “tembelleştiriyor” sezgisinin ölçülebilir karşılığı.

Türkiye’den kanıt: koltuk değneği etkisi

Türkiye’deki yaklaşık bin lise öğrencisiyle yapılan ve PNAS’ta yayımlanan araştırma, asıl ayrımın nerede olduğunu gösterdi. Öğrenciler üç gruba ayrıldı: cevabı doğrudan veren standart bir yapay zeka kullanan grup, cevabı vermeyip ipucu veren ve soru soran bir yapay zeka kullanan grup, ve hiç yapay zeka kullanmayan grup.

Pratikte iki yapay zeka grubu da öne geçti. Ama sınav yapay zeka olmadan yapıldığında tablo değişti. Standart yapay zeka grubu, ders kitabıyla çalışan gruba göre yüzde 17 daha düşük performans gösterdi. İpucu veren yapay zeka grubu ise ders kitabı grubuyla aynı sonucu verdi. Yani pratikteki kazanım, doğru tasarımla sınava taşınabildi.

İlginç olan şu: her iki sistem de aynı yapay zeka modelini kullanıyordu. Fark teknolojide değil, teknolojinin arkasındaki pedagojik tasarımdaydı. Standart yapay zeka kullanan öğrencilerin yüzde 67’si ya soruyu kopyalamış ya da “cevabı ver” demişti. İpucu veren grupta bu oran yüzde 37’ydi.

Çözüm: üretken sürtünmeyi korumak

Genio’nun önerdiği çerçeve burada işe yarıyor: iki tür sürtünme var. Üretken olmayan sürtünme, mekanik ve tekrar eden işler. Bunları yapay zeka rahatlıkla devralabilir. Üretken sürtünme ise öğrenme için gerekli olan zorluk. Bu korunmalı. İyi bir eğitimci, bu ikisini ayırt eden bir “sürtünme mimarı” gibi davranıyor.

Öğrenme bilimi bu gerekli zorluğa “verimli zorluk (desirable difficulties)” diyor. Bir öğrenci bir kavramla gerçekten boğuştuğunda, yanlış yola saptığında ve oradan kendi çıkışını bulduğunda, bilgi zihninde daha derin bir iz bırakıyor. İpucu veren yapay zeka tam da bu zorluğu koruyor: cevabı vermek yerine soruyor, yön gösteriyor, bekliyor.

OECD raporu da aynı yere bağlanıyor. Yapay zeka eğitimde üç rolde etkili olabiliyor: öğretici, partner ve asistan. Ama genel amaçlı araçlar öğrenme için tasarlanmadığından, eğitim sistemlerinin öğrenmeyi geliştirmek üzere kurulmuş araçları teşvik etmesi gerekiyor.

Öğretmen ne yapabilir?

Soru “yapay zekayı yasaklayalım mı” değil. Birkaç pratik yaklaşım işi değiştiriyor:

• Yapay zekaya dirençli ödevler verin. Yerel gözlem, kişisel deneyim ve gerçek dünya etkileşimi gerektiren görevleri yapay zeka kolayca üretemez.

• Süreci görünür kılın. Öğrencinin metni tek seferde mi yapıştırdığını yoksa zaman içinde mi inşa ettiğini takip edin.

• Yapay zekayı yasaklamak yerine düzenleyin. “Şu aşamada şu amaçla kullanabilirsin, ama son ürün senin olmalı” diyen bir politika, gizli kullanımdan sağlıklı.

Madlen bu tasarımı nasıl kuruyor?

Madlen Okul’da bir öğrenci soru sorduğunda sistem asla cevabı vermiyor. Soruyor, yönlendiriyor ve bir sonraki adımı öğrencinin kendisinin bulmasını bekliyor. Bu sokratik yaklaşım, PNAS araştırmasındaki “ipucu veren yapay zeka” tasarımının aynısı, yani üretken sürtünmeyi koruyor.

Madlen’in Yapay Zekaya Dirençli Ödevler aracı da bunun için var. Öğretmen müfredatı, kazanımı ve sınıf seviyesini seçiyor, sistem öğrencinin kendi düşünce süreciyle tamamlayacağı ödev fikirlerini üretiyor. OECD’nin işaret ettiği gibi, öğretmen uzmanlığını yapay zeka tasarımına entegre etmek, ne öğretmenin ne yapay zekanın tek başına ulaşabileceği bir sonuç veriyor. Bloom taksonomisinin üst katları, yani analiz, değerlendirme ve yaratma, öğrenciye bırakılıyor.

Yapay zeka öğrencileri tembelleştirmiyor. Pedagojik rehberlik olmadan kullanılan yapay zeka tembelleştiriyor. Doğru tasarlanmış olanı ise tam tersine, öğrenciyi daha çok düşünmeye itiyor.

Kaynaklar

• Bastani, H. ve diğerleri (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS, 122(26), e2422633122.

• Genio (2026). The Pedagogical Debt of AI: Why the Best Educators Are Friction Architects. https://genio.co/blog/pedagogical-debt-ai-best-educators-friction-architects

• OECD (2026). Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026\_062a7394-en.html