Artificial intelligence in preschool education: "Personalized assessment and evaluation with artificial intelligence"

Year 2025, Volume: 7 Issue: 12, 161 - 190

Gülçin Güven , Seher Yumugan

Abstract

Traditional assessment and evaluation methods in preschool education lack objectivity, limit process-oriented assessment, and fail to account for individual differences, reducing their overall effectiveness. This study aims to address these challenges by designing an artificial intelligence-supported model to enhance assessment and evaluation processes. The research examines the integration of assessment tools in Turkey’s Preschool Education Program into an AI-supported model, focusing on the use of natural language processing (NLP), image recognition, and machine learning algorithms for a more detailed and objective evaluation of children's cognitive, social, and emotional development. A qualitative research method was employed, utilizing document and content analysis techniques. A comprehensive literature review was conducted, and the findings were systematically analyzed to develop a new AI-supported assessment model. The proposed model enhances individualized learning experiences, integrates AI into educational processes, and provides real-time feedback to students and teachers. This study presents an innovative alternative to traditional approaches by introducing AI-based assessment in Turkish preschool education. The model is expected to improve objectivity, consistency, and sensitivity to individual differences, offering a more efficient and data-driven evaluation framework for early childhood education.

Keywords

Artificial intelligence supported measurement and evaluation, Preschool education, Personalized learning, Data driven feedback, Educational technologies

Okul öncesi eğitimde yapay zeka: “Yapay zeka ile kişiselleştirilmiş ölçme ve değerlendirme”

Abstract

Okul öncesi eğitimde geleneksel ölçme ve değerlendirme yöntemlerinin objektiflikten yoksun olması, süreç odaklı değerlendirmeyi sınırlandırması ve bireysel farklılıkları hesaba katmaması, genel etkililiğini azaltmaktadır. Bu çalışma, ölçme ve değerlendirme süreçlerini iyileştirmek için yapay zekâ destekli bir model tasarlayarak bu zorlukları ele almayı amaçlamaktadır. Araştırma, çocukların bilişsel, sosyal ve duygusal gelişimlerinin daha ayrıntılı ve objektif bir şekilde değerlendirilmesi için doğal dil işleme (NLP), görüntü tanıma ve makine öğrenimi algoritmalarının kullanımına odaklanarak, Türkiye'nin Okul Öncesi Eğitim Programındaki değerlendirme araçlarının yapay zeka destekli bir modele entegrasyonunu incelemektedir. Doküman ve içerik analizi tekniklerinden yararlanılarak nitel bir araştırma yöntemi kullanılmıştır. Kapsamlı bir literatür taraması yapılmış ve bulgular, yapay zeka destekli yeni bir değerlendirme modeli geliştirmek için sistematik olarak analiz edilmiştir. Önerilen model, bireyselleştirilmiş öğrenme deneyimlerini geliştirmekte, yapay zekayı eğitim süreçlerine entegre etmekte ve öğrencilere ve öğretmenlere gerçek zamanlı geri bildirim sağlamaktadır. Bu çalışma, Türkiye'de okul öncesi eğitimde yapay zeka tabanlı değerlendirmeyi tanıtarak geleneksel yaklaşımlara yenilikçi bir alternatif sunmaktadır. Modelin nesnelliği, tutarlılığı ve bireysel farklılıklara duyarlılığı artırması, erken çocukluk eğitimi için daha verimli ve veri odaklı bir değerlendirme çerçevesi sunması beklenmektedir.

Keywords

Yapay zeka destekli ölçme ve değerlendirme, Okul öncesi eğitim, Kişiselleştirilmiş öğrenme, Veri odaklı geri bildirim, Eğitim teknolojileri

References

• Akbulut, S., & Adem, K. (2023). Derin öğrenme ve makine öğrenmesi yöntemleri kullanılarak gelişmekte olan ülkelerin finansal enstrümanlarının etkileşimi ile BIST 100 tahmini. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, (52), 52-63. https://doi.org/10.28948/ngumuh.1131191
• Akdeniz, M., & Özdinç, F. (2021). Eğitimde yapay zeka konusunda Türkiye adresli çalışmaların incelenmesi. Van Yüzüncü Yıl Üniversitesi Eğitim Fakültesi Dergisi, 18(1), 912-932. https://doi.org/10.33711/yyuefd.938734
• Altun, E. (2024). Yapay zekâ ve pedagoji: Eğitimde fırsatlar ve zorluklar. Dijital Teknolojiler ve Eğitim Dergisi, 3(1), 80-95.
• Arslan, K. (2020). Eğitimde yapay zeka ve uygulamaları. Batı Anadolu Eğitim Bilimleri Dergisi, 11(1), 71-88.
• Ata, N., & Yılmaz Bolat, E. (2022). Okul öncesi eğitim programındaki aylık eğitim planı ve yarım günlük eğitim akışındaki genel değerlendirme çalışmalarının incelenmesi. Adnan Menderes Üniversitesi Eğitim Fakültesi Eğitim Bilimleri Dergisi, 13(1), 12-27.
• Artiwise. (2021). Doğal dil işleme teknolojisi. Artiwise Blog.
• Atılgan, H., Kan, A., & Doğan, N. (2019). Eğitimde ölçme ve değerlendirme. Anı Yayıncılık.
• Baker, R. S., & Inventado, P. S. (2014). Educational data mining and learning analytics. In J. A. Larusson & B. White (Eds.), Learning analytics: From research to practice (pp. 61-75).
• Başaran, İ. E. (2000). Eğitimin psikolojik temelleri: Eğitim psikolojisi. Feryal Matbaası.
• Bayrak, İ., & Duruhan, K. (2013). Okulöncesi öğretmen adaylarının ölçme ve değerlendirme araç ve yöntemlerine ilişkin yeterlilik algıları (Cumhuriyet Üniversitesi ile İnönü Üniversitesi örneği). The Journal of Academic Social Science Studies, 6(4), 683-699.
• Bentzen, W. R. (2005). Seeing young children: A guide to observing and recording behavior. Thomson Delmar Learning.
• Black, P., & Wiliam, D. (2009). Developing the theory of formative assessment. Educational Assessment, Evaluation and Accountability, 21(1), 5-31. https://doi.org/10.1007/s11092-008-9068-5
• Bowen, G.A. (2009). Document analysis as a qualitative research method. Qualitative Research Journal, 9(2), 27-40.
• Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
• Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. IEEE Access, 8, 75264-75278.
• Chen, X., Xie, H., Zou, D. & Hwang, G. J. (2020). Application and theory gaps during the rise of artificial intelligence in education. Computers and Education: Artificial Intelligence, 1, 100002.
• Creswell, J. W. (2013). Qualitative inquiry and research design: Choosing among five approaches (3rd ed.). Sage Publications.
• Çetin, M. (2020). Eğitimde bireyselleştirilmiş öğrenme ve ölçme-değerlendirme yöntemleri. Journal of Educational Studies, 15(3), 45-59.
• Çetin, M., & Çetin, G. (2021). 21. yüzyıl becerileri açısından MEB okul öncesi eğitim programına eleştirel bir bakış. Yaşadıkça Eğitim, 35(1), 235–255. https://doi.org/10.33308/26674874.2021351258
• Edwards, S. (2018). Digital play in the early years: A contextual response to the problem of integrating technologies and play-based pedagogies in the early childhood curriculum. European Early Childhood Education Research Journal, 26(2), 199-213.
• Ertürk, S. (1972). Eğitimde program geliştirme. Yelkentepe Yayınları.
• Gelebek Üstün, B., & Uzun, H. (2020). Okul öncesi eğitiminde değerlendirme sürecine ilişkin öğretmen tutumlarının incelenmesi. Ondokuz Mayıs Üniversitesi Eğitim Fakültesi Dergisi, 39(2), 64-80. https://doi.org/10.7822/omuefd.804894
• Google Cloud Vision. (2021). Cloud Vision API. https://cloud.google.com/vision
• Gül Can, Ş. (2021). Okul öncesi eğitimi öğretmen ve öğretmen adaylarının 2006 okul öncesi eğitim programının değerlendirme unsuruna yönelik görüş ve davranışlarının incelenmesi. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Yüksek lisans tezi.
• Gürlek, Y., Bozkoyun, E., Ulutürk, M., & Zeyrekgündüz, F. (2023). Yapay zekanın eğitime etkileri ve uygulamaları. International Journal of Original Educational Research, 1(1), 25-132.
• Güven, G., & Azkeskin, K. E. (2010). Erken çocukluk eğitimi ve okul öncesi eğitim. H. İ. Diken (Ed.) Erken Çocukluk Eğitimi (ss. 2-50). Pegem Akademi
• Holmes, W., Anastopoulou, S., Schaumburg, H., & Mavrikis, M. (2018). Technology-enhanced personalised learning: untangling the evidence. Robert Bosch Stiftung.
• Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
• İnce, A.A. (2022). Okul öncesi eğitimde ölçme ve değerlendirme uygulamalarına ilişkin öğretmen ve ebeveyn görüşleri. Hasan Kalyoncu Üniversitesi Sosyal Bilimler Enstitüsü Eğitim Bilimleri Anabilim Dalı Eğitimde Ölçme Ve Değerlendirme Tezli Yüksek Lisans Programı, Yüksek Lisans Tezi.
• Knewton. (2021). Adaptive learning technology.
• Krippendorff, K. (2013). Content analysis: An introduction to its methodology (3rd ed.). Sage Publications.
• Küçükahmet, L. (2009). Program geliştirme ve öğretim. Nobel Yayıncılık.
• LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521(7553), 436-444.
• Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson.
• Mağden, D. (1993). Okul öncesi eğitim programlarında yeni yaklaşımlar. 9. Ya-Pa Okul Öncesi Eğitimi ve Yaygınlaştırılması Semineri, Ya-Pa Yayınları.
• Merriam, S. B., & Tisdell, E. J. (2016). Qualitative research: A guide to design and implementation (4th ed.). Jossey-Bass.
• Miles, M. B., Huberman, A. M., & Saldaña, J. (2014). Qualitative data analysis: A methods sourcebook (3rd ed.). SAGE Publications.
• Milli Eğitim Bakanlığı. (2013). Okul öncesi eğitim programı. MEB Yayınları.
• Milli Eğitim Bakanlığı. (2024). Okul öncesi eğitim programı. MEB Yayınları.
• Neumann, M. M. (2018). Using tablets and apps to enhance emergent literacy skills in young children. Early Childhood Research Quarterly, 42, 239-246
• Nguyen, A., Gardner, L. A., & Sheridan, D. (2018). A framework for applying learning analytics in serious games for people with intellectual disabilities. British Journal of Educational Technology, 49(4), 673-689.
• Oflazer, K. (2016). Türkçe ve doğal dil işleme. Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi, 5(2).
• Papadakis, S., Kalogiannakis, M., & Zaranis, N. (2018). Educational apps from the Android Google Play for Greek preschoolers: A systematic review. Computers & Education, 116, 139-160.
• Patton, M. Q. (2015). Qualitative research & evaluation methods: Integrating theory and practice (4th ed.). SAGE Publications.
• Pianta, R. C., & Hamre, B. K. (2009). Conceptualization, measurement, and improvement of classroom processes: Standardized observation can leverage capacity. Educational Researcher, 38(2), 109-119.
• Sapsağlam, Ö. (2013). Değerlendirme boyutuyla okul öncesi eğitim programları (1952-2013). Uluslararası Türk Eğitim Bilimleri Dergisi, 2013(1), 63-73.
• Senemoğlu, N. (2005). Gelişim öğrenme ve öğretim. Gazi Kitabevi.
• Sezer, C. (2010). Okul öncesi öğretmenlerinin ölçme değerlendirmeyi kullanma düzeylerinin belirlenmesi. [Yüksek lisans tezi, Çanakkale Onsekiz Mart Üniversitesi, Çanakkale]. Yükseköğretim Kurulu Başkanlığı Ulusal Tez Merkezi.
• Shepard, L. A. (2000). The role of assessment in a learning culture. Educational researcher, 29(7), 4-14.
• Siemens, G., & Baker, R. (2012). Learning analytics and educational data mining: Towards communication and collaboration. https://www.researchgate.net/publication/254462827_Learning_analytics_and_educational_data_mining_Towards_communication_and_collaboration
• Snow, C. E., & Van Hemel, S. B. (Eds.). (2008). Early childhood assessment: Why, what, and how. National Academies Press.
• Sönmez, V. (2023). Eğitim felsefesi. Anı Yayıncılık.
• Şişman, M. (2021). Eğitim bilimine giriş. Pegem Akademi.
• Toğaçar, M., Eşidir, K. A., & Ergen, B. (2022). Yapay zekâ tabanlı doğal dil işleme yaklaşımını kullanarak internet ortamında yayınlanmış sahte haberlerin tespiti. Zeki Sistemler Teori ve Uygulamaları Dergisi, 5(1), 1-8. https://doi.org/10.38016/jista.950713
• Tonbuloğlu. İ. (2023). Eğitim teknolojilerinde güncel uygulamaların incelenmesi. Alanyazın, 4(2), 173-186
• Tuna, G. (2015). Zeki ve uyarlanabilir e-öğrenme ortamları (editöre mektup). AUAd, 1(4), 4-7. 4
• Woolf, B. P. (2010). Building intelligent interactive tutors: Student-centered strategies for revolutionizing e-learning. Morgan Kaufmann.
• Yaşar, M. (2014) Eğitimde ölçme ve değerlendirme dersine yönelik Tutum Ölçeği’nin geliştirilmesi. Eğitim Bilimleri Araştırmaları Dergisi. Uluslararası E-Dergi. 4(1) http://dx.doi.org/10.12973/jesr. 2014.4113
• Yenice, N., Özden, B., & Alpak Tunç, G. (2017). Öğretmen adaylarının alternatif ölçme ve değerlendirme yaklaşımlarını kullanmaya yönelik öz yeterliklerinin incelenmesi. Amasya Üniversitesi Eğitim Fakültesi Dergisi, 6(2), 367-397.
• Yılmaz, O., Aydın, H., & Çetinkaya, A. (2020). Faster R-CNN evrişimsel sinir ağı üzerinde geliştirilen modelin derin öğrenme yöntemleri ile doğruluk tahmini ve analizi: Nesne Tespiti Uygulaması. Avrupa Bilim Ve Teknoloji Dergisi(20), 783-795. https://doi.org/10.31590/ejosat.753896
• Zawacki-Richter, O., Marín, V., Bond, M., & 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
• Zuckerman, O. (2016). Maker movement in education: History and prospects. Harvard Educational Review, 86(4), 558–564