YAPAY ZEKA İLE YENİ NESİL ÖĞRENME

Abstract

Eğitim, bireylerin zihinsel, sosyal ve duygusal gelişimlerini şekillendiren dinamik bir süreç olup, toplumların kalkınmasında temel bir unsur olarak görülmektedir. Günümüzde dijitalleşmenin hız kazanmasıyla birlikte eğitim sistemlerinin de çağın gerekliliklerine uygun olarak yeniden yapılandırılması gerekliliği ortaya çıkmıştır. Bu bağlamda yapay zekâ, eğitimde verimliliği artırmak, bireyselleştirilmiş öğrenme deneyimleri sunmak ve öğrenme ortamlarını daha esnek ve erişilebilir hale getirmek açısından önemli bir dönüşüm fırsatı sunmaktadır. Bu çalışma, yapay zekâ teknolojilerinin eğitim alanındaki rolünü çok boyutlu bir şekilde ele alarak, bu teknolojilerin öğretim süreçlerine sağladığı faydaları, sunduğu olanakları ve oluşturduğu değişimi incelemeyi hedeflemektedir. Araştırmada; yapay zekânın öğrenci performansını izleme, öğretim materyallerini kişiselleştirme, yabancı dil öğretimini destekleme, öğretmen tutumlarını dönüştürme, etik sorumluluk ve güvenlik riskleri farkındalığı oluşturma ile yapay zekâ okuryazarlığını artırma gibi pek çok alanda etkili biçimde kullanıldığı görülmüştür. Ayrıca, yapay zekâ tabanlı sistemlerle etkileşimde önemli bir unsur olan prompt, yapay zekâ sistemlerini yönlendiren metin veya komut girdisi anlamına gelmekte olup, bu girdilerin etkili biçimde tasarlanması süreci olan prompt mühendisliği, eğitim ortamlarında hem öğretmenler hem de öğrenciler için gerekli bir beceri alanı olarak öne çıkmaktadır. Çalışma sonucunda, yapay zekâ destekli eğitim uygulamalarının hem öğretmenler hem de öğrenciler için öğrenme süreçlerini zenginleştirdiği, eğitimde fırsat eşitliğine katkı sunduğu ve gelecekteki öğretim yaklaşımlarını şekillendirme ve güçlendirme potansiyeline sahip olduğu sonucuna varılmıştır. Bu kapsamda çalışma, eğitimde yapay zekâ kullanımı konusunda mevcut literatüre katkı sunmayı ve bu alandaki gelecekteki araştırmalar için bir temel oluşturmayı hedeflemektedir.

Keywords

• Yapay zekâ
• Eğitim
• Dijital dönüşüm
• Eğitim Teknolojileri
• prompt
• prompt mühendisliği

Next-Generation Learning with Artificial Intelligence

Abstract

Education is a dynamic process that shapes the mental, social, and emotional development of individuals and is considered a fundamental element in the progress of societies. With the acceleration of digitalisation, it has become necessary to restructure education systems in line with the requirements of the age. In this context, artificial intelligence (AI) offers a significant opportunity for transformation by increasing efficiency in education, providing personalised learning experiences, and making learning environments more flexible and accessible. This study aims to examine the multidimensional role of AI technologies in education and to identify the benefits, opportunities, and changes these technologies bring to teaching processes. The findings indicate that AI is effectively used in various areas such as monitoring student performance, personalising teaching materials, supporting foreign language learning, transforming teacher attitudes, promoting ethical awareness and data security, and enhancing AI literacy. Moreover, the concept of prompt, which refers to the textual or verbal inputs guiding AI systems to generate meaningful outputs, and prompt engineering, which focuses on designing effective and structured prompts to optimise AI responses, have emerged as essential skills for both educators and learners in AI-supported educational environments. The integration of AI into educational processes should therefore be considered not only a technological innovation but also a matter of social responsibility. As a result, the study concludes that AI-based educational applications enrich learning processes for both teachers and students, contribute to equal opportunities in education, and have the potential to shape and strengthen future teaching approaches. This study contributes to the existing literature on the use of artificial intelligence in education and provides a foundation for future research in this field.

Keywords

• Artificial Intelligence
• Education
• Digital Transformation
• Educational Technologies
• Prompt
• Prompt Engineering

References

1. Akbay, H. A. (2024). Sosyal eğitimin teorik temelleri ve uygulamaları: Bireylerin ve toplumların gelişiminde kritik bir araç. Milli Kültür Araştırmaları Dergisi, 8(1), 146–156.
2. Akkaya, N. ve Şengül, L. (2023). Sohbet robotları (chatbots) ve yabancı dil eğitimi. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi, 58, 2988–2999.
3. Aktaş, S. G. (2025). Yapay zekâ ve gazetecilik etkileşiminde prompt mühendisliği: ChatGPT ile keşifsel bir çalışma. Gümüşhane Üniversitesi İletişim Fakültesi Elektronik Dergisi, 13(1), 611–644.
4. Akyel, Y. ve Tur, E. (2024). Yapay zekânın potansiyelinin ve eğitim bilimlerindeki uygulamalarının araştırılması ve araştırmalarda beklentiler, zorluklar ve gelecek yönelimleri. Ahi Evran Üniversitesi Kırşehir Eğitim Fakültesi Dergisi, 25(1), 645–711.
5. Aylak, B. L., Oral, O. ve Yazıcı, K. (2021). Yapay zekâ ve makine öğrenmesi tekniklerinin lojistik sektöründe kullanımı. El-Cezerî Fen ve Mühendislik Dergisi, 8(1), 74–93.
6. Balcı, İ. (2023). Hayat boyu öğrenmenin sosyal kalkınmaya etkisi. International Social Sciences Studies Journal.
7. Bayram, K. ve Çelik, H. (2023). Yapay zekâ konusunda muhakeme ve girişimcilik becerileriyle bütünleştirilmiş sosyo-bilim etkinliği: Fen bilgisi öğretmen adaylarının görüşleri. Fen Bilimleri Öğretimi Dergisi, 11(1), 41–78.
8. Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., Agarwal, S., Herbert-Voss, A., Krueger, G., Henighan, T., Child, R., Ramesh, A., Ziegler, D. M., Wu, J., Winter, C., ... Amodei, D. (2020). Language models are few-shot learners. arXiv. https://arxiv.org/abs/2005.14165

9. Cain, W. (2024). Prompting change: Exploring prompt engineering in large language model AI and its potential to transform education. TechTrends.68, 47-57. https://doi.org/10.1007/s11528-023-00896-0
10. Canbaz, R. ve Zengin, E. (2024). Ön biçimleme ve son biçimleme kavramlarında istem mühendisliği ve istem yazma becerisinin yeri üzerine bir çalışma. Karamanoğlu Mehmetbey Üniversitesi Uluslararası Filoloji ve Çeviribilim Dergisi, 6(1), 88–104.
11. Crabtree, M. (2024, 10 Ekim). What is prompt engineering? A detailed guide for 2024. DataCamp. https://www.datacamp.com/blog/what-is-prompt-engineering-the-future-ofai-communication
12. Çaydere, O. ve Akgün, N. (2023). Eğitimde yenilikçi teknolojilerin kullanımı ve çağdaş içerik tasarlama. Stratejik ve Sosyal Araştırmalar Dergisi, 7(2), 439–451.
13. Çelik, K. ve Ayaz, A. (2025). Evaluation of metaverse use intention in software education of university students: Combining technology acceptance model with external variables. Educational Technology Research and Development, 73, 641–662. https://doi.org/10.1007/s11423-024-10415-4
14. Çelik, K. ve Sökmen, A. (2018). Uzaktan eğitime devam etme niyetinin anlaşılması: Genişletilmiş teknoloji kabul modeli. Yönetim, Ekonomi ve Pazarlama Araştırmaları Dergisi, 2(3), 1–23.
15. Çetin, M. ve Aktaş, A. (2021). Yapay zekâ ve eğitimde gelecek senaryoları. OPUS International Journal of Society Researches, 18(Eğitim Bilimleri Özel Sayısı), 4225–4268.
16. Çetin, M. ve Yıldız Baklavacı, G. (2024). Endüstri 4.0 perspektifinde yapay zekânın eğitimde uygulanabilirliği ile ilgili öğretmen görüşlerinin incelenmesi. İstanbul Ticaret Üniversitesi Girişimcilik Dergisi, 7(14), 1–21.
17. Çolak Yazıcı, S. ve Erkoç, M. (2024). Kimya, fizik, biyoloji ve fen bilimleri öğretmenlerinin yapay zekâ kullanımına yönelik görüş ve tutumlarının teknoloji kabul modeline göre analizi. Batı Anadolu Eğitim Bilimleri Dergisi, 15(2), 1606–1641.
18. Demir Dülger, E. ve Gümüşeli, A. İ. (2023). Okul müdürleri ve öğretmenlerin eğitimde yapay zekâ kullanılmasına ilişkin görüşleri. ISPEC International Journal of Social Sciences & Humanities, 7(1), 133–153.
19. Destereci, Z., Karaca, G. G., Baybaş, B. ve Tosun, C. (2023). Eğitim araştırmalarında kritik teknoloji alanlarının uygulamaları kapsamında yayınlanan makalelerin eğilimlerinin incelenmesi: Bibliyometrik haritalama analizi. Bilgi ve İletişim Teknolojileri Dergisi, 5(1), 20–45.
20. Eager, B. ve Brunton, R. (2023). Prompting higher education towards AI-augmented teaching and learning practice. Journal of University Teaching & Learning Practice.
21. Elçiçek, M. (2024). Öğrencilerin yapay zekâ okuryazarlığı üzerine bir inceleme. Bilgi ve İletişim Teknolojileri Dergisi. 6(1). 24-35. https://doi.org/10.53694/bited.1460106
22. Gökdemir, E. (2023, 28 Ağustos). Prompt engineering nedir? Medium. https://medium.com/sabancidx/prompt-engineering-nedir-5fdcb15b0439
23. Güzey, C., Çakır, O., Athar, M. ve Yurdaöz, E. (2023). Eğitimde yapay zekâ üzerine gerçekleştirilmiş araştırmalardaki eğilimlerin incelenmesi. Bilgi ve İletişim Teknolojileri Dergisi, 5(1), 67–78.
24. Innova. (2022, 8 Eylül). Yapay zekâ etiği nedir? https://www.innova.com.tr/blog/yapay-zeka-etigi-nedir
25. İşler, B. ve Kılıç, M. (2021). Eğitimde yapay zekâ kullanımı ve gelişimi. Yeni Medya Elektronik Dergisi, 5(1), 1–11.
26. Karaoğlan Yılmaz, F. G. ve Yılmaz, R. (2023). Yapay zekâ okuryazarlığı ölçeğinin Türkçeye uyarlanması. Bilgi ve İletişim Teknolojileri Dergisi, 5(2), 172–190.
27. Keskin, D. ve Sevli, O. (2024). Eğitimde yapay zekâ ve etik. In International Topkapı Congress III (pp. 38–43).
28. Korzynski, P., Mazurek, G., Krzypkowska, P., and Kurasinski, A. (2023). Artificial intelligence prompt engineering as a new digital competence: Analysis of generative AI technologies such as ChatGPT. Entrepreneurial Business and Economics Review, 11(3), 25–37.
29. Koyuncuoğlu, D. (2023). Yükseköğretimde yapay zekâ tabanlı sürdürülebilirlik yaklaşımı ve karşılaştırmalı bir inceleme. Journal of Academic Value Studies, 9(3), 182–194.
30. Lim, S. and Schmälzle, R. (2023). Artificial intelligence for health message generation: An empirical study using a large language model (LLM) and prompt engineering. Frontiers in Communication, 8, 1129082. https://doi.org/10.3389/fcomm.2023.1129082
31. Macit, A. (2025). Yapay zekâ ile havaalanı rekabet stratejilerinin geliştirilmesi: Doğru prompt etkili bir strateji sağlar mı? Manisa Celal Bayar Üniversitesi Sosyal Bilimler Dergisi, 23(1), 207–222.
32. Nabiyev, V. V. (2012). Yapay zekâ: İnsan-bilgisayar etkileşimi. Seçkin Yayıncılık.
33. Ouyang, F. and Jiao, P. (2023). Artificial intelligence in education: The three paradigms. Computers and Education: Artificial Intelligence, 4, 100122.
34. Öztürk Dilek, G. (2019). Yapay zekânın etik gerçekliği. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 2(4), 47–59.
35. Russell, S. J. and Norvig, P. (2016). Artificial intelligence: A modern approach (3rd ed.). Pearson Education Limited.
36. Say, C. (2018). 50 soruda yapay zekâ. Bilim ve Gelecek Kitaplığı.
37. Solak, Y., Dal, H. O., Çınkır, G. ve Onu, F. N. (2025). Yapay zekâ etiği: Eğitimde kullanımının sınırları ve sorumlulukları. Socrates Journal of Interdisciplinary Social Researches, 11(49), 108–116.
38. Spasić, A. J. and Janković, D. S. (2023). Using ChatGPT standard prompt engineering techniques in lesson preparation: Role, instructions and seed-word prompts. In 2023 58th International Scientific Conference on Information, Communication and Energy Systems and Technologies (ICEST) (pp. 47–50). IEEE.
39. Taşcı, G. ve Çelebi, M. (2020). Eğitimde yeni bir paradigma: Yükseköğretimde yapay zekâ. OPUS International Journal of Society Researches, 16(29), 2346–2370.
40. Taşcı, H. G. (2024). Yapay zekânın yabancı dil öğrenimine etkisi (Rus dili örneği). Uluslararası Beşeri Bilimler ve Eğitim Dergisi, 10(23), 247–275.
41. Tekbey, O. ve Alaybeyoğlu, A. (2023). Yapay zekânın kullanım alanları ve etik sorunlar. International Journal of Advanced Natural Sciences and Engineering Researches, 7(9), 144–159.
42. Tonbuloğlu, İ. (2023). Eğitim teknolojilerinde güncel uygulamaların incelenmesi. Alanyazın, 4(2), 173–186.
43. Ünal, A. ve Kılınç, İ. (2020). Yapay zekâ–işletme yönetimi ilişkisi üzerine bir değerlendirme. Yönetim Bilişim Sistemleri Dergisi, 6(1), 51–78.
44. Yeşilkaya, N. (2022). Yapay zekâya dair etik sorunlar. Şarkiyat, 14(3), 948–963.