Eğitimde Yapay Zekâ: Biçimlendirici Değerlendirme ile Denge Arayışı

Abstract

Bu çalışma, yapay zekâ teknolojilerinin eğitime, özellikle de ölçme ve değerlendirme süreçlerine etkisini incelemeyi ve bu etkilere karşı geliştirilebilecek çözüm önerilerini ortaya koymayı amaçlamaktadır. Doküman analizi temelli bu derleme çalışmasında, alanyazında yapay zekâ ile değerlendirme ilişkisini ele alan güncel eğilimler, yöntemler ve bulgular sistematik bir biçimde analiz edilmiştir. Yapay zekânın tarihsel gelişimi ve ChatGPT gibi büyük dil modelleriyle birlikte kazandığı ivme vurgulanmış; Türkiye’deki yüksek lisans ve doktora tezlerinde bu yükselişin yansımaları ortaya konulmuştur. Yapay zekanın bireyselleştirilmiş öğrenme, içerik geliştirme ve öğrenme analitiği gibi alanlardaki katkıları ele alınırken; veri gizliliği, bağlamdan kopuk kararlar, akademik dürüstlük sorunları ve pedagojik sınırlılıklar gibi riskler de tartışılmıştır. Bu çerçevede özellikle, öğretmen-öğrenci etkileşimini güçlendirmesi, öğrenme sürecine aktif katılımı teşvik etmesi ve yapay zekânın sınırlılıklarını dengeleme potansiyeli nedeniyle biçimlendirici değerlendirme yaklaşımı öne çıkarılmıştır. Sonuç olarak, yapay zekânın eğitimdeki değerlendirme süreçlerini hem dönüştürücü fırsatlarla hem de önemli sorumluluklarla yeniden şekillendirdiği; bu nedenle pedagojik ilkelere dayalı yeni değerlendirme anlayışlarının geliştirilmesinin gerekliliği vurgulanmaktadır.

Keywords

• Yapay Zekâ
• Eğitim
• Değerlendirme
• ChatGPT
• Formatif Değerlendirme

Artificial Intelligence in Education: Seeking Balance with Formative Assessment

Abstract

This study aims to examine the impact of artificial intelligence (AI) technologies on education, particularly in the context of assessment and evaluation processes, and to propose potential solutions to address these effects. Based on document analysis, this review systematically analyzes current trends, methods, and findings in the literature concerning the relationship between AI and assessment. The historical development of AI and its accelerated influence through large language models such as ChatGPT are highlighted, along with reflections of this trend in graduate theses and dissertations in Türkiye. While the study discusses the contributions of AI to areas such as personalized learning, content development, and learning analytics, it also addresses associated risks, including data privacy concerns, context-independent decision-making, academic integrity issues, and pedagogical limitations. Within this framework, formative assessment is proposed as a key approach, given its potential to strengthen teacher-student interaction, promote active engagement in the learning process, and counterbalance the limitations of AI. In conclusion, the study emphasizes that AI is reshaping assessment processes in education with both transformative opportunities and significant responsibilities, highlighting the necessity of developing new assessment paradigms grounded in sound pedagogical principles.

Keywords

• Artificial Intelligence
• Education
• Assessment
• ChatGPT
• Formative Evaluation

References

1. Adiguzel, T., Kaya, M. H., and Cansu, F. K. (2023). Revolutionizing education with AI: Exploring the transformative potential of ChatGPT. Contemporary Educational Technology, 15(3), ep429. https://doi.org/10.30935/cedtech/13152
2. Alper, A. (2024). Evaluating the evaluators: A comparative study of AI and teacher assessments in higher education. Digital Education Review, (45), 124-140. https://doi.org/10.1344/der.2024.45.124-140
3. Altıntaş, M. C. (2025). Din Eğitiminde Yapay Zekâ Teknolojileri: Fırsatlar ve Etik Tartışmalar. İslami İlimler Dergisi, (40), 95-119. https://doi.org/10.34082/islamiilimler.1601197.
4. Arslan, K. (2020). Eğitimde Yapay Zeka ve Uygulamaları. Batı Anadolu Eğitim Bilimleri Dergisi, 11(1), 71-88.
5. Arslan, K. (2024). Yapay Zekâ Eğitimde Kullanılan Diğer Teknolojilerden Farklı mı?. Yeni Türkiye Dergisi, 30(138).
6. Baillifard, G., Falconnier, S., and Wirth, C. (2023). Implementing learning principles with a personal AI tutor: A case study. arXiv. https://arxiv.org/abs/2309.13060
7. Bandura, A. (1977). Social learning theory. Prentice-Hall.
8. Bower, M., Torrington, J., Lai, J. W., Petocz, P., and Alfano, M. (2024). How should we change teaching and assessment in response to increasingly powerful generative Artificial Intelligence? Outcomes of the ChatGPT teacher survey. Education and Information Technologies, 29(12), 15403-15439. https://doi.org/10.1007/s10639-023-12405-0

9. Cave, S., and Dihal, K. (2020). The whiteness of AI. Philosophy and Technology, 33(4), 685-703. https://doi.org/10.1007/s13347-020-00415-6
10. Cheuk, T. (2021). Can AI be racist? Color‐evasiveness in the application of machine learning to science assessments. Science Education, 105(5), 825-836. https://doi.org/10.1002/sce.21671
11. Clark, A., and Chalmers, D. (1998). The extended mind. Oxford University Press, 58(1), 7-19. https://www.jstor.org/stable/3328150
12. Çavuş, M. N. (2024). Eğitimde yapay zekâ tabanlı ölçme ve değerlendirme üzerine bir derleme. Uluslararası Özel Amaçlar için İngilizce Dergisi, 2(1), 39-54.
13. Deniz, S. ve Bağçeçi, B. (2025). Kavramdan Sınıfa: Yapay Zekânın Keşfi ve Eğitime Yansımaları. Elektronik Sosyal Bilimler Dergisi, 24(1), 576-596. https://doi.org/10.17755/esosder.1554996
14. Elsayed, M. A., Endale, D. S., and Bekele, H. T. (2024). Teacher support in AI-assisted exams: An experimental study on Ethiopian L2 learners. Language Testing in Asia, 14(1), Article 328. https://doi.org/10.1186/s40468-024-00328-7
15. Floridi, L., Cowls, J., Beltrametti, M., Chatila, R., Chazerand, P., Dignum, V., ... and Vayena, E. (2018). AI4People—an ethical framework for a good AI society: opportunities, risks, principles, and recommendations. Minds and machines, 28, 689-707. https://doi.org/10.1007/s11023-018-9482-5
16. Goloi, D., and Osman, K. (2018). Constructivism learning and formative assessment in science education. International Journal of Development Research, 8(7), 21437-21441.
17. Goodfellow, I., Bengio, Y., Courville, A., and Bengio, Y. (2016). Deep learning (Vol. 1, No. 2). Cambridge: MIT press.
18. Güneri, O. (2023, May 26). ChatGPT’nin üniversitelerde öğretim ve öğrenmede kullanımı. Öğretme-Öğrenme Merkezi. https://mdk.org.tr/wp-content/uploads/2023/06/Oya_Guneri_Chat_GPT_26.05.2023_.pdf
19. Heritage, M. (2010). Formative Assessment: Making it happen in the classroom. Thousand Oaks, CA: Corwin Press.
20. Hofmann, V., Kalluri, P. R., Jurafsky, D., and King, S. (2024). AI generates covertly racist decisions about people based on their dialect. Nature, 633(8028), 147-154. https://doi.org/10.1038/s41586-024-07856-5
21. Holmes, W., Bialik, M., and Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign.
22. Ibrahim, H., Asim, R., Zaffar, F., Rahwan, T., and Zaki, Y. (2023). Rethinking homework in the age of artificial intelligence. IEEE Intelligent Systems, 38(2), 24-27. https://doi.org/10.1109/mis.2023.3255599
23. Keskin, E. K. (2023). Yapay zekâ sohbet robotu chatgpt ve Türkiye internet gündeminde oluşturduğu temalar. Yeni Medya Elektronik Dergisi, 7(2), 114-131. https://doi.org/10.17932/iau.ejnm.25480200.2023/ejnm_v7i2003
24. Khan, I., Ahmad, A. R., Jabeur, N., and Mahdi, M. N. (2021). An artificial intelligence approach to monitor student performance and devise preventive measures. Smart Learning Environments, 8(1), 1-18. https://doi.org/10.1186/s40561-021-00161-y
25. Kochmar, E., Vu, D. D., Belfer, R., Gupta, V., Serban, I. V., and Pineau, J. (2020, June). Automated personalized feedback improves learning gains in an intelligent tutoring system. In International conference on artificial intelligence in education (pp. 140-146). Cham: Springer International Publishing.
26. Kong, Y. (2022, June). Are “intersectionally fair” ai algorithms really fair to women of color? a philosophical analysis. In Proceedings of the 2022 ACM Conference on Fairness, Accountability, and Transparency (pp. 485-494).
27. Li, T., Reigh, E., He, P., and Adah Miller, E. (2023). Can we and should we use artificial intelligence for formative assessment in science. Journal of Research in Science Teaching, 60(6), 1385-1389. https://doi.org/10.1002/tea.21867
28. Li, X., and Zhang, T. (2017, April). An exploration on artificial intelligence application: From security, privacy and ethic perspective. In 2017 IEEE 2nd International Conference on Cloud Computing and Big Data Analysis (ICCCBDA) (pp. 416-420). IEEE.
29. Luckin, R., Holmes, W., Griffiths, M., and Forcier, L. B. (2016). Intelligence Unleashed: An argument for AI in Education. Pearson Education.
30. Mat, W. F. W., and Lian, L. H. (2025). Bibliometrics unleashed: navigating the landscape of classroom assessment. Journal of Education and Learning (EduLearn), 19(2), 1179-1196.
31. McCarthy, J. (2004). What is artificial intelligence?. Erişim adresi (11 Ocak 2019): http://www.formal.stanford.edu/jmc/whatisai/
32. Meço, G. ve Coştu, F. (2022). Eğitimde yapay zekânın kullanılması: Betimsel içerik analizi çalışması. Karadeniz Teknik Üniversitesi Sosyal Bilimler Enstitüsü Sosyal Bilimler Dergisi, 12(23), 171-193.
33. Menéndez, I. Y. C., Napa, M. A. C., Moreira, M. L. M., and Zambrano, G. G. V. (2019). The importance of formative assessment in the learning teaching process. International journal of social sciences and humanities, 3(2), 238-249.
34. Monje, S., Ulene, S., and Gimovsky, A. C. (2024). Identifying ChatGPT-Written Patient Education Materials Using Text Analysis and Readability. American Journal of Perinatology, 41(16), 2229-2231. https://doi.org/10.1055/a-2302-8604
35. Nestor, M., Loredana, F., Raymond, P., Yolanda, G., Vanessa, P., and Sukrut, O. (2025, April). The AI Index 2025 Annual Report. AI Index Steering Committee, Institute for Human-Centered AI, Stanford University.
36. Nilsson, N. J. (2019). Yapay zekâ geçmişi ve geleceği. (2. Baskı) Boğaziçi Üniversitesi Yayınevi, Sarıyer, İstanbul.
37. O’Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. New York: Crown Publishing.
38. Özdal, M. A. (2024). Yapay zekâ ile üretilen görsel ve illüstrasyon eserlerinin telif hakları ve kişisel veri güvenliği. Disiplinlerarası Yenilik Araştırmaları Dergisi, 4(1), 7-31.
39. Pew Research Center. (2023, November 16). About 1 in 5 U.S. teens who’ve heard of ChatGPT have used it for schoolwork. https://www.pewresearch.org/short-reads/2023/11/16/about-1-in-5-us-teens-whove-heard-of-chatgpt-have-used-it-for-schoolwork/
40. Qin, H., Li, X., Zhang, W., and Lee, J. (2025). AI instructional agent improves student's perceived learner control and learning outcome: empirical evidence from a randomized controlled trial. arXiv. https://arxiv.org/abs/2505.22526
41. Regan, P. M., and Jesse, J. (2019). Ethical challenges of edtech, big data and personalized learning: Twenty-first century student sorting and tracking. Ethics and Information Technology, 21, 167-179. https://doi.org/10.1007/s10676-018-9492-2
42. Selwyn, N. (2019). Should robots replace teachers?: AI and the future of education. John Wiley and Sons.
43. Shah, A., Ranka, P., Dedhia, U., Prasad, S., Muni, S., and Bhowmick, K. (2023). Detecting and unmasking AI-generated texts through explainable artificial intelligence using stylistic features. International Journal of Advanced Computer Science and Applications, 14(10). https://doi.org/10.14569/ijacsa.2023.01410110
44. Sontay, G., Kazancı, Y. ve Karamustafaoğlu, O. (2024). Öğretimde Yapay Zekâ Uygulamaları Hakkında Sınıf Öğretmenleri Ne Düşünüyor?. İstanbul Eğitim Dergisi, 1(1), 98-120. https://doi.org/10.71270/istanbulegitim.istj.1586392
45. Temur, S. (2025). 2000-2024 Yılları Arasında Eğitim Alanında Yapılan Yapay Zekâ Konulu Lisansüstü Çalışmaların İncelenmesi. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi, (63), 1162-1199. https://doi.org/10.53444/deubefd.1600146
46. Turós, M., Nagy, R., and Szűts, Z. (2025). What percentage of secondary school students do their homework with the help of artificial intelligence?-A survey of attitudes towards artificial intelligence. Computers and Education: Artificial Intelligence, 8, 100394. https://doi.org/10.1016/j.caeai.2025.100394
47. Wang, C., Wu, A., Zheng, L., and Raj, A. (2024). Tutor CoPilot: A Human-AI Approach for Scaling Real-Time Expertise. arXiv. https://arxiv.org/abs/2410.03017
48. Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., Foltýnek, T., Guerrero-Dib, J., Popoola, O., ... and Waddington, L. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19(1), 1-39. https://doi.org/10.1007/s40979-023-00146-z
49. Wiliam, D., and Black, P. (1998, Ekim 1). Inside the black box: Raising standards through classroom assessment. Phi Delta Kappan, 80(2), 144–148. https://kappanonline.org/inside-the-black-box-raising-standards-through-classroom-assessment/
50. Woolf, B. P. (2010). Building Intelligent Interactive Tutors: Student-centered strategies for revolutionizing e-learning. Morgan Kaufmann.
51. Yang, M. (2023, January 6). New York City schools ban AI chatbot that writes essays and answers prompts. The Guardian. https://www.theguardian.com/us-news/2023/jan/06/new-york-city-schools-ban-ai-chatbot-chatgpt
52. Yeşiltaş, E. (2024). Öğretmen mesleki yeterlikleri açısından bir değerlendirme: Yapay zekâ öğretmenin yerini alabilir mi? In Çalık, T., and Eryılmaz, S. (Eds.), Ziya Gökalp’in Vefatının 100. Yılı Anısına Türk Asrı Eşiğinde Eğitim Bilimleri ve Sosyal Bilimler Üzerine Değerlendirmeler - Eğitim Bilimleri 1 (pp. 120–132).
53. Yıldırım, A. ve Şimşek, H. (2018). Sosyal Bilimlerde Nitel Araştırma Yöntemleri. (11. Baskı). Ankara: Seçkin
54. Yılmaz, N. ve Çakır, R. (2024). Öğretmenlerin Eğitimde Yapay Zeka Kullanımı Farkındalığı. ERPA2024, 82.
55. Zawacki-Richter, O., Marín, V. I., Bond, M., and Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education–where are the educators?. International journal of educational technology in higher education, 16(1), 1-27. https://doi.org/10.1186/s41239-019-0171-0
56. Zhai, X., He, P., and Krajcik, J. (2022). Applying machine learning to automatically assess scientific models. Journal of Research in Science Teaching, 59(10), 1765–1794. https://doi.org/10.1002/tea.21773.