Preserving Meaning in Generative AI Assisted Mediation Tasks in Teaching Turkish as a Foreign Language

Öz

This study aims to identify evidence for assessing generative AI-assisted textual mediation tasks in teaching Turkish as a foreign language and to develop a process-oriented assessment proposal for B1–B2 levels. Using qualitative document analysis, the study descriptively examined relevant sections of three purposively and criterion-based selected documents: the Common European Framework of Reference for Languages Companion Volume, UNESCO’s AI Competency Framework for Teachers, and the Artificial Intelligence Assessment Scale. The documents were compared in terms of agency and responsibility, meaning preservation, process evidence, and ethical conditions. Based on the findings, an evidence chain linking the source text, AI-generated output, student revision, and revision rationale was proposed. Particular attention was given to preserving conditionality, negation, and uncertainty. The proposal translates general ethical principles into observable student decisions. However, it is not a validated scale; no independent second coder was employed, and the findings are limited to the selected document sections. Therefore, the proposed design requires empirical testing.

Anahtar Kelimeler

• document analysis
• generative artificial intelligence
• mediation
• process assessment
• Turkish as a foreign language

Yabancı Dil Olarak Türkçe Öğretiminde Üretken Yapay Zekâ Destekli Aracılık Görevlerinde Anlamın Korunması

Öz

Bu araştırma, yabancı dil olarak Türkçe öğretiminde üretken yapay zekâ destekli metinsel aracılık görevlerinin değerlendirilmesine yönelik kanıtları belirlemeyi ve B1–B2 düzeyleri için süreç odaklı bir değerlendirme önerisi geliştirmeyi amaçlamaktadır. Nitel doküman incelemesine dayanan çalışmada, amaçlı ve ölçüt temelli olarak seçilen Avrupa Ortak Başvuru Metni Tamamlayıcı Cildi, UNESCO Öğretmenler İçin Yapay Zekâ Yeterlik Çerçevesi ve Yapay Zekâ Değerlendirme Ölçeği’nin ilgili bölümleri betimsel analizle incelenmiştir. Belgeler; özne ve sorumluluk, anlamın korunması, süreç kanıtı ve etik koşullar bakımından karşılaştırılmıştır. Bulgulardan hareketle kaynak metin, araç çıktısı, öğrenci düzeltmesi ve düzeltme gerekçesini ilişkilendiren bir kanıt zinciri önerilmiştir. Değerlendirmede özellikle koşul, olumsuzluk ve belirsizlik anlamlarının korunmasına odaklanılmıştır. Öneri, genel etik ilkeleri gözlenebilir öğrenci kararlarına dönüştürmektedir. Bununla birlikte önerilen araç doğrulanmış bir ölçek değildir; bağımsız ikinci kodlayıcı kullanılmamış ve bulgular incelenen belge kesitleriyle sınırlı kalmıştır. Bu nedenle tasarımın uygulamada sınanması gerekmektedir.

Anahtar Kelimeler

• Aracılık
• doküman analizi
• süreç değerlendirmesi
• üretken yapay zekâ
• yabancı dil olarak Türkçe

Kaynakça

1. Bowen, G. A. (2009). Document analysis as a qualitative research method. Qualitative Research Journal, 9(2), 27–40. https://doi.org/10.3316/QRJ0902027
2. Carless, D., & Boud, D. (2018). The development of student feedback literacy: Enabling uptake of feedback. Assessment & Evaluation in Higher Education, 43(8), 1315–1325. https://doi.org/10.1080/02602938.2018.1463354
3. Council of Europe. (2020). Common European framework of reference for languages: Learning, teaching, assessment – Companion volume. https://rm.coe.int/common-european-framework-of-reference-for-languages-learning-teaching/16809ea0d4
4. Deniz, K., Öztürk, İ. Y., & Çekici, Y. E. (2021). Yabancı dil olarak Türkçe öğretimi kapsamında Avrupa Ortak Öneriler Çerçevesi’nde aracılık. RumeliDE Dil ve Edebiyat Araştırmaları Dergisi, (25), 347-357. https://doi.org/10.29000/rumelide.1340815
5. Karjagdi Çolak, M., & Çelik, Ö. (2026). Fostering ethical AI literacy and academic integrity through CEFR-based mediation pedagogy in secondary EFL classrooms. System, 141, Article 104100. https://doi.org/10.1016/j.system.2026.104100
6. Kohnke, L., Moorhouse, B. L., & Zou, D. (2023). ChatGPT for language teaching and learning. RELC Journal, 54(2), 537–550. https://doi.org/10.1177/00336882231162868
7. Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), Article 100779. https://doi.org/10.1016/j.patter.2023.100779
8. Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://doi.org/10.54675/ZJTE2084

9. Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693
10. Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000391105
11. Miles, M. B., & Huberman, A. M. (1994). Qualitative data analysis: An expanded sourcebook (2nd ed.). Sage Publications.
12. Perkins, M., Furze, L., Roe, J., & MacVaugh, J. (2024). The Artificial Intelligence Assessment Scale (AIAS): A framework for ethical integration of generative AI in educational assessment. Journal of University Teaching & Learning Practice, 21(6). https://doi.org/10.53761/q3azde36
13. Topal, İ. H. (2026). A hermeneutic approach to reconsidering the CEFR’s overall language proficiency within the context of generative artificial intelligence. The Literacy Trek, 12(1), 49–75. https://doi.org/10.47216/literacytrek.1884648
14. Yıldırım, A., & Şimşek, H. (2021). Sosyal bilimlerde nitel araştırma yöntemleri (12. baskı). Seçkin Yayıncılık.