Şu ana kadar grafiği görmüş olabilirsiniz: Brown Üniversitesi’ndeki tek bir ekonomi dersinden alınan iki not dağılımının yan yana gösterilmesi. Eve dönüş ara sınavında, neredeyse sınıfın tamamı ortalama yüzde 96 ile ölçeğin en üstünde yer alıyor. Şahsen finalde dağılım çöküyor. Ortalama yüzde 48,6 ile kurs tarihindeki en düşük oran oldu. İki sınav arasında 18 öğrenci dersi bıraktı, dokuz öğrenci daha kayıtlı kaldı ancak finale hiç girmedi ve 19 öğrenci sonuçta sınıfta kaldı.
Profesör Roberto Serrano, yaklaşık yirmi yıldır Brown’da refah ekonomisi ve sosyal seçim teorisi üzerine ders veriyor. Bu baharda ilk kez, dersten sonra sınıflarda oturmaktan endişe duyan öğrenciler için bir konaklama olanağı olan, evlerine teslim bir ara sınav verdi. Aralık ayında kampüste silahlı saldırı. Puanlar inanılmaz derecede yüksek geldiğinde, sınavı ChatGPT aracılığıyla yaptı ve öğrencilerinin sunduklarına benzer karmaşık kanıtlar buldu. Sınıfa şüphelendiği şeyi anlattı, yanıldığını kanıtlama şansı verdi ve final sınavını bizzat yaptı. Grafik bundan sonra ne olduğunu gösteriyor. Emma Whitford hikayenin tamamını anlattı içinde Yüksek Öğrenimin İçinde bu ayın başlarında.
Grafik zaten bunun gibi grafiklerin yaptığını yapıyor: Bir salgının kısaltması haline geliyor. Bugünün öğrencileri ellerinden geldiğince kopya çekecekler. Bu nesil tembel, öğrenmeyi sevmiyor, kontrol edilmeyen her şeyi dışarıdan temin edecek.
Son 15 yılımı motivasyon ve bağlılık üzerine çalışarak geçirdim ve farklı bir okuma sunmak istiyorum. Hile gerçekleşmediği için değil; Serrano’nun şüphesi sağlam temellere dayanıyor gibi görünüyor. Ancak “öğrenciler kopya mı çekti?” bu grafiğin gündeme getirdiği en az ilginç sorudur. Bu, tek bir değerlendirme formatında, bir yarıyıldaki bir derstir. Baktığımız şey bir neslin portresi değil. Onlarca yıllık bir teşvik yapısı, tüm sürtüşmeleri ortadan kaldıran bir teknolojiyle buluştuğunda neler olacağına dair alışılmadık derecede net bir resim. Bu teşvik yapısının öğrencilere ne yaptığı sorusuna ilişkin elimizde veriler var.
Öğrenciler Yapay Zeka Hakkında Ne Diyor?
Çalıştığım Pittsburgh Üniversitesi’nde öğrencilere yapay zekayı nasıl kullandıklarını soruyoruz. Pitt sahaya çıktığında Araştırma Kurumunda Öğrenci Deneyimi 2024 baharında yapılan ankete 2.251 lisans öğrencisi yanıt verdi ve rakamlar manşetlerden daha az dramatik bir hikaye anlatıyordu.
Yapay zeka kullanım sıklığına ilişkin soruyu yanıtlayan öğrencilerin yüzde 38’i, tüm akademik yıl boyunca yapay zekayı hiç kullanmadıklarını, yalnızca yüzde 15’i ise yapay zekayı haftada birkaç kez veya her gün kullandığını söyledi. Öğrenciler bunu kullandıklarında ise en yaygın amaçlar makale taslakları hazırlamak veya ödevleri tamamlamak değildi. Bunu beyin fırtınası yapmak, araştırma yapmak veya ders çalışmak için kullanıyorlardı. Pratik sorular oluşturma. Flaş kartlar yapmak. Anlayışlarını kontrol etmek. Aynı modeller 11 akran araştırma üniversitesindeki 45.000’den fazla öğrencide de geçerliydi. Öğrenciler eksik bildirimde bulunabilir ve o zamandan beri yapay zekanın benimsenmesi arttı. Ancak bu, hile yapmaya can atan bir neslin portresi değil.
Öğrencilerle konuşmak ilginç hale geliyor. 2025 baharında, 13 Pitt fakültesi araştırmacısı 95 öğrenciyle görüştü dört kampüste. Konuşmalar, araştırmacıların zaten bildiklerini doğruladı: Bu öğrencilerin çoğu üretken yapay zeka kullanıyordu. Çoğu, hangi kullanımların öğrenmelerine yardımcı olduğu ve hangilerinin olmadığı konusunda içsel bir anlayışa sahipti. Daha sonra öğrenciler neden yapay zekaya yardımcı olmadığını bildikleri yollarla ulaştıklarını açıkladılar: Son tarih yarındı. Görev yoğun bir iş gibi geldi. Ya da kendi anlayışlarının sınırına ulaşmışlardı ve bundan sonra nereye dönecekleri konusunda hiçbir fikirleri yoktu.
Neden yapay zekayı kullandıklarını açıklarken bir öğrenci açıkça şunu ifade etti: “Günün sonunda almam gereken bir notum var… Eğer ben yaparsam… ya da başarısız olursam? Yapmayı tercih ederim.”
Ahlaki bir tartışma yapmıyor. Oyunu çok doğru bir şekilde anlatıyor. Bir ürün veriyor, bir not alıyor ve bu not bursunu, yüksek lisans başvurusunu ve kariyerini belirliyor. Bu düzenlemede öğrenme az çok konunun dışındadır. Pitt’e yanıt verenlerin yüzde seksen ikisi yapay zekanın kendi öğrenimlerine zarar verebileceğini kabul etti. Biliyorlar. Elbette Pitt burada benzersiz değil: Ülkenin her yerindeki öğrenciler aynı şeyi söylüyor. tarafından yapılan bir ankete göre Öğrenci Sesi ve Yüksek Öğrenimin İçinde, Öğrencilerin üretken yapay zekayı akademik dürüstlük kurallarını ihlal edecek şekilde kullanmalarının en önemli nedeni, iyi notlar alma baskısıdır. Öğrenciler, kendilerini iyi notlara öğrenme yerine öncelik vermeye teşvik eden bir sistem içinde ödünleşimler yapıyorlar.
Ve ayrıca ülkedeki her fakülte toplantısında Brown şemasının yanına koyacağım ayrıntı var.
Odak gruplarımızdaki bazı öğrenciler profesörlerinden mavi kitap sınavlarını geri getirmelerini istedi. Polis tarafından kontrol edilmek istedikleri için değil. Çünkü meslektaşlarının onu kullandığını bilerek yapay zekayı kullanma isteğine direnmek o kadar zordu ki, onun kaldırılmasını istediler. Öğrenciler bizden bu cazibeyi ortadan kaldırmamızı istiyorlar. Hile yapma hakkını savunmuyorlar. Bize bulabilecekleri en sade dille, kurduğumuz oyunun neredeyse hiçbir aklı başında insanın oynamayı reddedemeyeceği bir oyun olduğunu söylüyorlar. Aslında, Öğrenci 22 Tabloya göre, istisnai durumları ve oyunu oynarken sınıf arkadaşlarına katılmayı açıkça reddetmeleri nedeniyle sosyal medyada neredeyse efsanevi bir statüye ulaştılar.
Kısayol Neden Mantıklı Geliyor?
Bunların hiçbiri motivasyon literatürünü bilen kimseyi şaşırtmamalı. Edward Deci ve Richard Ryan’ın kendi kaderini tayin teorisi 1970’lerden bu yana yapılan yüzlerce araştırmada, dışsal ödüller bir şeyi yapmanın birincil nedeni haline geldiğinde içsel nedenlerin zayıflama eğiliminde olduğunu belgelemiştir. Geçici çözümlerin maliyetli ve riskli olması nedeniyle bu çelişki on yıllar boyunca devam etti. Yapay zeka, sürtüşmeyi ortadan kaldırdı ve sessizce üzerinde çalıştığımız teşvik yapısı, kendi kendini uygulamaktan vazgeçti.
İkinci bir mekanizma daha var ve o da ilk karşılaştığımda kahvemi elimden bırakmama sebep oldu. Pitt’te bilişsel psikolog olan meslektaşım Scott Fraundorf, bir dizi deney yürüttüm Afton Kirk-Johnson ve Brian Galla ile öğrencilerin iki çalışma stratejisi denediği ve ileriye yönelik olarak birini seçtiği bir ders. Deneyler genelinde, daha fazla zihinsel çaba gerektiren strateji sürekli olarak daha iyi öğrenmeyi sağladı ve aynı tutarlılıkla öğrenciler bunu daha kötü olarak değerlendirdi. Çabanın kendisini stratejinin başarısız olduğunun kanıtı olarak okudular. Öğrenciler üretken mücadeleyi başarısızlıktan güvenilir bir şekilde ayırt edemiyorlar, bu yüzden onlara yardımcı olan şey, başarılı olamayacaklarının kanıtı gibi geldi.
Bu bulgu, üzerinde çalıştığım her şeyin merkezinde yer alıyor. Öğrenmede en önemli an, benim mücadele ile teslimiyet arasındaki boşluk dediğim zamandır; öğrencinin zorlukla karşılaştığı ve bu konuda ne yapacağına henüz karar vermediği andır. O anda iki sorudan birini sorarlar: Bunu yapabilir miyim? veya Bunu nasıl yapabilirim? Neredeyse aynı görünüyorlar. Değiller. Birincisi nefs hakkında bir hüküm arar ve kendini korumayı tetikler. İkincisi bir strateji arar ve çabayı sürdürür.
Bir öğrencinin hangi soruyu soracağı, öğrencinin karakterinden çok, çevresinin gönderdiği sinyallere bağlıdır. Çevre önemli olanın not olduğunu ve son teslim tarihinin değişmez olduğunu söylediğinde, sinyal açıktır: Bunu yapabileceğinizi kanıtlayın ya da başarısız olun. Yapay zeka daha sonra benzersiz bir şekilde yıpratıcı bir şey, yetkinlik gibi hissettiren bir kısayol sunuyor. Gösterişli çıktı, öğrencinin boğuştuğu dağınık paragrafı, kıyaslandığında başarısızlığın kanıtı gibi gösteriyor. Trajedi, dağınık paragrafın öğrenmenin gerçekleştiği yer olmasıydı.
Şimdi tabloya tekrar bakın. Bu iki dağılım arasındaki fark sahtekârlığın bir ölçüsü olarak okunuyor. Farkın histogram seviyesinde ortaya çıktığı yeterli sayıda öğrenci için alıştırmanın noktası olarak notun öğrenmenin yerini ne kadar tamamen aldığını gösteren bir ölçü olarak okunmasının daha iyi olacağını düşünüyorum. Bu boşluk bu bahar açılmadı. Yapay zeka bunu daha görünür hale getirdi.
Her Sistem Tasarladığı Sonuçları Elde Eder
Sağlık hizmetlerinde kalite iyileştirme konusunda genellikle Paul Batalden’e atfedilen bir düstur vardır: Her sistem, elde ettiği sonuçları elde etmek için mükemmel şekilde tasarlanmıştır. Bu cümlede takdir ettiğim şey, içinde hiç kötü adam olmaması.
Brown hikayesinden bir rakamı daha ele alalım. Serrano’nun kursuna genellikle yaklaşık 30 öğrenci katılıyordu. Bu baharda eve götürülecek sınavların vaat edilmesiyle 86 kişi kaydoldu. Bunu alaycı bir şekilde okuyabilirsiniz. Veya öğrencilerin, belirli derslerdeki notların belirli kariyerlere bilet işlevi gördüğü bir iş piyasasında, sistemin onları optimize etmek için eğittiği şeyin tam olarak değerlendirme mimarisine dayalı bir ders seçtiklerini fark edebilirsiniz. Notu minimum maliyetle güvence altına alınması gereken bir yeterlilik belgesi olarak gören öğrencilerin okulun ne olduğu konusunda kafası karışık değildir. Tasarımı doğru okudular.
Ve bu hikayedeki hiç kimse mantıksız davranmadı. Profesör, kampüste yaşanan trajedinin ardından insani bir çağrı yaptı, kanıtlarını kontrol etti, öğrencilerine gerçeği anlattı ve onlara kendisinin yanıldığını kanıtlama şansı verdi. Öğrenciler önlerindeki teşviklere rasyonel insanların yaptığı gibi karşılık verdiler. Üniversitenin kendi üretken yapay zeka komitesiBu ayki raporda, öğretim üyelerini cezanın önemini kaldırmaya çağırdı ve yapay zeka kullanımını kesin olarak tespit etmenin bir yolu olmadığını kabul etti.
Herkes, hiçbirinin bireysel olarak seçmediği ve hiçbirinin bireysel olarak değiştiremeyeceği bir tasarım içerisinde işini yapıyor.
Bu yüzden hile sorusu dikkatimizi çekmek için yanlış yer. Kopya çekmeyi azaltmak, bireysel ahlaktan ziyade öğrenme ortamının tasarımıyla ilgilidir: ödevlerin öğrencinin yatırımını kazandırıp kazandırmadığı, mücadelenin keyfi değil güvenli ve amaçlı olup olmadığı, değerlendirmenin sadece ürünleri notlandırılabilir hale getirmek yerine düşünmeyi görünür kılıp kılmadığı. Bu iş ucuz değil. Fakültenin sahip olmadığı ve eğitim kurumlarının çoğunlukla sağlamadığı zaman alır. Ve kontrol ettiği her ödevi yeniden tasarlayan profesör bile öğrencilerine sonunda bir not veriyor çünkü not onun kaldıramayacağı bir şey. Değerlendirme mimarisi sınıfın üzerinde, transkriptlerde, kredi saatlerinde ve bunları tüketen işe alım sistemlerinde inşa edilir. Sınıf, hasarın ortaya çıktığı yerdir.
Ancak sınıfın içindeki sinyaller hâlâ bizim gönderebileceğimiz sinyallerdir ve motivasyon hakkında öğrendiğim her şey onların herhangi bir politikadan daha önemli olduğunu söylüyor. Öğrencilere çaba hakkındaki gerçeği erken ve açık bir şekilde anlatarak başlayın: Bu kurs sizi mücadele ettirmek için tasarlanmıştır ve mücadele bir karar değil, mekanizmadır. O zaman yanılma riskinizi azaltın. Sık yapılan, daha küçük değerlendirmeler bize yalnızca öğrencilerin haftadan haftaya ne düşündüğünü göstermekle kalmaz; kısayolun hayatta kalma hissi veren tek yüksek basınçlı performansını ortadan kaldırırlar. Ve sadece ürünü değil, düşünceyi de görmeyi isteyin: bir taslak, bir revizyon, birkaç dakikalık konuşma Cevabın nasıl geldiğiyle ilgili.
Bunların hiçbiri bir kursu yapay zeka ile kanıtlamıyor. Daha iyi bir şey yapar. Öğrencilerin duyduğu soruyu değiştirir bunu yapabileceğini kanıtla ile bunu nasıl yapacaksın. Deneyimlerime göre öğrenciler aslında onlara sorduğumuz soruyu yanıtlama eğilimindeler.
Brown’ın haritası dolaşıma girecek ve bu neslin karakterine dair kanıt olarak sunulmaya devam edecek. Baktığımda, odak gruplarımızdaki, her şeyi itiraf eden, oyunu görebilen, kendilerini oynarken görebilen ve gördüklerinden pek hoşlanmayan öğrencileri düşünüyorum. Mavi kitapları geri getirmemizi isteyenler. Sistemin onlara ne yaptığını bize zaten söylediler. Grafik az önce çizdi.
