Yapay zekayı özel öğretmen gibi görmek, bu işin ilk ve en önemli adımı. Aracı yalnız iş yaptıran ya da soru cevaplayan bir kutu saymak yerine, yanında oturan sabırlı bir öğretmen gibi kullanmak çok daha verimli. Öğrenirken bir şeyler üretmek de işi keyifli hale getiriyor ve bilgiyi kalıcı kılıyor; böylece beyin tembellik etmek yerine gelişiyor. Bu etkinin kanıtı da var: NBER çalışması, Amerika'da 18 okulda iki yıl süren bir saha denemesinde Khanmigo ile matematik çalışmasının dönem başına 1,3 persentil artış verdiğini aktardı. Persentil burada sıralamadaki yüzdelik dilim demek, yani öğrenci grubundaki yerin yukarı kayıyor. BrainFuse derlemesi ise dengeyi koyuyor: yapay zeka ölçek sunuyor ama düzenli ilerlemeyi insan desteği taşıyor. Engageli derlemesi de yapay zeka öğretmeninin kişiye özel geri bildirim verdiğini ve kayıtlı derste kilit ana dönüş sağladığını ekliyor. Tıpkı sporda yanında duran bir antrenör gibi, model de sordukça yol gösteriyor.
Somut bir projeyle başlamak, soyut çalışmayı verimli hale getiriyor. Sırf öğrenmek için öğrenmek çabuk sıkıyor ve bilgi akılda kalmıyor; ama gerçek bir hedef olunca her yeni bilgi yerine oturuyor. Anlatılan örnekte bir hafta sonunda evde yerel bir güvenlik sistemi kuruldu: küçük bir bilgisayar alındı, üzerine Linux kuruldu ve kameralar ev ağı üzerinden bu bilgisayara bağlandı. Kamera yazılımı bilgisayarı akıllı bir kayıt merkezine çevirdi; canlı görüntü, kayıt ve kişi ile araba algılama gibi işlevler tek merkezde toplandı. Bu bulgunun araştırma karşılığı da güçlü: Nature dergisinde yayımlanan çok aşamalı bir çalışma, proje tabanlı öğrenmenin başarıya etkisini büyük buldu ve matematik uygulamasında orta düzeyde kazanım aktardı. Hedges g burada etki büyüklüğü ölçüsü demek, yani yöntemin izi tesadüf değil. Çalışma ayrıca iyi planlama ve öğretmen rehberliğinin şart olduğunu söylüyor. Tıpkı yüzmenin havuzda öğrenilmesi gibi, bilgi de işin içinde öğreniliyor.
Öğretmeni cebe koymak
Projeyi yapay zekaya yazarak değil konuşarak anlatmak işi hızlandırıyor. Klavyeyle uzun uzun yazmak yerine derdini sesle anlatmak hem daha doğal hem daha hızlı; ister ek bir dikte aracı ister modelin kendi ses girişi kullanılsın. İlk ileti dağınık bile olabilir, model toparlar ve daraltır. Anlatılan örnekte ilk açıklama çok geniş bulununca modelden konuyu teker teker vermesi istendi ve her adımda hazır olunca sıradakine geçildi. Bu yöntemin bilim tarafı da var: Kanada'da UWaterloo bilim insanları 95 kişiyle denedi ve sesli okumanın en iyi hatırlamayı verdiğini gördü. Üretim etkisi denen ilke, seslendirilen kelimenin hafızada daha ayırt edilir iz bıraktığını söylüyor; konuşma ve kendini duyma ikilisi kelimeyi akılda tutmayı kolaylaştırıyor. Tıpkı birine yol tarifi anlatırken yolu daha iyi anlamak gibi, seslendirmek bilgiyi sağlamlaştırıyor.
Merak edilen dala sapmak, hazır anlatımı körü körüne takip etmekten daha verimli. Model bir yol çizince aklına takılanı hemen sormak ve seviyene uygun açıklama istemek öğrenmeyi derinleştiriyor. Anlatılan örnekte uzaktan bağlantı merakı böyle büyüdü: küçük bilgisayarın ekran olmadan nasıl yönetileceği soruldu ve adım adım öğrenildi. Tıpkı ormanda tabelasız bir patikaya sapmak gibi, merak seni asıl öğrenmek istediğin yere götürüyor. Burada ilke şu: modelin çizdiği sıra kutsal değil, senin soruların rotayı belirler. Bir dalı kapatıp ana yola dönmek de serbest; önemli olan merakın sıcakken sormak.
Düz yazı yetmeyince görsel istemek, soyut bağı gözde canlandırıyor. Kamera, ev ağı, küçük bilgisayar ve yazılımın nasıl bağlandığını bir çizimde görmek, sayfalarca anlatıdan hızlı öğretiyor. Bu ilkenin adı çift kanal: bilgiyi hem söz hem görüntüyle işlemek. Structural Learning derlemesine göre söz ve görüntü iki ayrı kanaldan girip birbirine bağlanıyor; kural, süs değil ilişkiyi gösteren çizim kullanmak, etiketi yakınına koymak ve boşluğu öğrenciye tamamlattırmak. Tıpkı mobilya kurulum kılavuzundaki çizimler gibi, iyi görsel anlatının yerini tutar. Tıklanabilir basit bir sayfa istemek de aynı kapıya çıkar: parça parça açılan bilgi, gözü yormadan akılda kalır.
Zor konuyu sevilen bir öyküyle bağlamak, unutmayı zorlaştırıyor. Anlatılan örnekte Linux dağıtımları büyücülük okullarına benzetildi ve her okulun huyu bu benzetmeyle anlatıldı. Benzetme hem anlamayı kolaylaştırıyor hem de bilgiye tutunacak bir kanca veriyor. Araştırma tarafı da bunu tutuyor: Electives derlemesine göre anlatı sırasındaki beyin katılımı sonraki hatırlamayı öngörüyor. 2024 tarihli bir SAGE çalışmasında öykülü videolar düz anlatıma göre kısa vadede daha yüksek skor verdi. Tıpkı çocukken dinlenen masalların yıllarca unutulmaması gibi, öyküye sarılan bilgi akılda kalıyor. Burada ölçü şu: benzetme konuyu küçültmemeli, ilişkiyi görünür kılmalı.
Aklın tuttuğu yollar
İşin çekişmesini bulmak, kuru bilgiye duygu yükü ekliyor. Duygu taşıyan bilgi daha iyi tutuyor; o yüzden bir konunun tarafları, rekabeti ve tartışması öğrenmeyi hızlandırıyor. Anlatılan örnekte Linux camiasının sadeleşme mi özgürlük mü tartışması verildi: bir taraf her şeyin yalın olmasını istiyor, öbür taraf özgürlüğü savunuyor. Tıpkı futbol rekabetinde taraf tutmak gibi, çekişme konuyu akılda tutuyor. Burada dikkat edilecek nokta şu: taraf tutmak öğrenmek için, kavga etmek için değil. Çekişmeyi görünce her tarafın gerekçesini anlamak bilgiyi iki kat sağlamlaştırır.
Tartışmalı görüşleri toplamak, tek taraflı bakışı kırıyor. Bir konuda farklı kesimlerin ne dediğini, her birinin en güçlü haliyle öğrenmek ufkun açıyor. Anlatılan örnekte bir dünya siyaseti kitabındaki ittifak eleştirisi verildi ve modelden her tarafın en iyi savunması istendi. Müzakere ve güç dengesi gibi ağır konular bile böylece tartışılır hale geliyor. Tıpkı mahkemede iki tarafı da dinlemek gibi, güçlü savunmaları yan yana koymak doğru hükme götürür. Burada ölçü şu: görüşü toplamak, görüşe kapılmak değil. Her tarafın en güçlü halini görünce kendi hükmün sağlamlaşır.
Güven ve sınama dengesi
Modele güvenmek ama körü körüne bağlanmamak gerekiyor. Model kendinden emin şekilde uydurabilir ve gizli eğilimler taşıyabilir; ama her soruda aynı korku gerekmiyor. Müze gezisi gibi düşük riskli bir merakta kabaca doğru yön yeter; kritik kararda ise her bilgi bağımsız kaynaktan doğrulanır. Halüsinasyon denen durum, modelin bilmediği şeyi uydurması demek ve bunu bilmek dozu ayarlatır. Tıpkı yabancı bir şehirde esnafa yol sormak gibi: tarife uyarsın ama önemli kavşakta birine daha sorarsın. Farklı bir modele aynı soruyu sormak ve kaynak istemek bu riski azaltır. Risk arttıkça doğrulama artar, merak safhasında ise akış korunur.
Önce kendin anlatıp sonra düzelttirmek, en güçlü öğrenme yolu. Bildiğini sandığın şeyi dağınık cümlelerle anlatmak, boşlukları ortaya çıkarıyor ve modelin düzeltmesi tam isabet oluyor. Anlatılan örnekte bankacılık tarihi böyle öğrenildi: yazı ve borç kaydının madeni paradan çok eski olduğu, anlatılanların düzeltilmesiyle ortaya çıktı. Tıpkı maça çıkmadan önce taktiği sesli anlatmak gibi, anlatmak eksikleri gösteriyor. Burada kural şu: düzgün cümle kurmaya çalışma, aklındakini dök. Dağınık anlatım, modelin nereye dokunacağını gösterir ve düzeltme akılda kalır.
Konuyu okuduktan sonra modele soru sordurmak, bilgiyi hafızaya kilitliyor. Geri çağırma pratiği denen ilke, bilgiyi bakmadan hatırlama denemesi demek ve pasif tekrar okumaktan güçlü. Wikipedia özetine göre öğrenme süresinin bir kısmını geri çağırmaya ayırmak uzun vadeli hafızayı güçlendiriyor; zorlayıcı sorular daha faydalı. Arizona derlemesi de aralıklı tekrarla birleşince kalıcılığın arttığını, yanlış cevapta bile çabanın işe yaradığını aktarıyor. Tıpkı kasın ağırlıkla güçlenmesi gibi, hafıza da yoklamayla güçleniyor. Çoktan seçmeli ya da tek tek açık uçlu sorularla kendini yoklamak, eskiden bilgi kartı hazırlamaktan kolay. Eskiden hazır deste aramak gerekirdi, şimdi sorular kişiye özel üretiliyor.
Sınav ve sınır
Takılınca fotoğrafla sormak, tıkanan kurulumu açıyor. Ekrandaki hata ya da cihazın görüntüsünü göndermek, modelin tam isabetli yol göstermesini sağlıyor. Anlatılan örnekte alışveriş listesinden disk biçimlendirmeye kadar adım adım yol alındı; televizyon geçici ekran yapıldı, klavyeyle yeniden başlatma denendi, yedek disk devreye sokuldu. Tıpkı ustaya arızalı parçanın fotoğrafını göstermek gibi, görüntü bin cümleye bedel. Burada ilke şu: takıldığın yeri saklama, göster. Ne kadar somut gösterirsen o kadar somut çözüm alırsın.
Bırakmayı bilmek, bu listedeki son ve belki en zor ilke. Her konunun dibi yok; merak bitince durmak, verimi koruyor. Öğrenme işe dönüp keyfi kaçarsa beyin kapanıyor ve devam etmek eziyete dönüşüyor. Tavşan deliği denen durum, bitmeyen merak zinciri demek ve her dalın sonu yok. Tıpkı sevdiğin oyunu tadında bırakmak gibi, öğrenmeyi de keyfi kaçmadan bitirmek gerek. Sevdiğin yerden başlamak, zor konuların yolunu açıyor; keyif aldıkça derinleşmek kendiliğinden geliyor.
Videodaki anahtar anlar
AI yorumu
"Benim gözümde bu işin özü şu: yapay zekayı iş yaptıran bir makine gibi değil, yanında oturan sabırlı bir öğretmen gibi görmek. Ben de yeni bir konuya dalarken önce küçük bir hedef belirliyorum, sonra sesli anlatarak ilerliyorum. En çok merak ettiğim dala sapıyorum ve günün sonunda kendimi birkaç soruyla yokluyorum."
AI değerlendirmesi
Karşı görüşün en güçlü hali şöyle: yapay zeka ile öğrenmek insanı yüzeyselleştirir, çünkü cevap hep elinin erişiminde olur ve beyin zorlanmadan tembellik eder. Bu kaygı boş değil; NBER çalışmasında da asıl darboğazın seyrek kullanım olduğu görüldü, yani araç tek başına kimseyi taşımıyor. BrainFuse derlemesi de bu yüzden insan desteğini işaret ediyor: düzenli ilerleme, soran ve takip eden bir yapı istiyor.
Bu yöntemin sınırları da açık. Model kendinden emin şekilde uydurabilir ve gizli eğilimler taşıyabilir; o yüzden konu tıp ya da hukuk kararı gibi yüksek riskli bir alana girince her bilgiyi bağımsız kaynaktan doğrulamak gerekir. Müze gezisi gibi düşük riskli bir merakta kabaca doğru yön yeter, ama kritik kararda tek modele körü körüne güvenmek olmaz. Farklı bir modele aynı soruyu sormak ve kaynak istemek bu riski azaltır.
Benim çıkardığım sonuç şu: proje ile öğrenme, yapay zeka çağında eskisinden daha güçlü çalışıyor. Nature dergisindeki çalışma, iyi planlanmış proje tabanlı öğrenmenin başarıya büyük etki yaptığını ve öğretmen rehberliğinin şart olduğunu söylüyor. Yapay zeka modeli burada rehberin yerini tutmaz, ama rehberin yokluğunda soru soran, örnek veren ve sınayan bir yardımcı olur. Merak, proje ve sınama üçlüsü bir araya gelince öğrenme hem hızlı hem kalıcı oluyor.
Pratikte ben şunu öneririm: bu hafta sonu kendine küçük bir hedef belirle, örneğin evdeki bir cihazı akıllandırmak ya da bir konuyu baştan öğrenmek. Hedefi modele sesle anlat, konuyu parçalara böldür ve her parçada bir görsel istet. Öğrendiklerini kendi cümlelerinle anlatıp düzelttir, sonra sana soru sordur. Merakın bittiği yerde dur; keyif aldığın sürece zor konular zaten kendiliğinden gelir.
Kaynaklar
10 bağlantı; bunları kullanan başka yayımlanmış haber yok. Aynı bağlantıyı paylaşan haberler birbirini doğrulamış sayılmaz; kaynağın kökeni bağlantı sayısından çıkarılmaz.
- @youtube YouTube — Ali Abdaal: Yapay Zekayla Hızlı Öğrenme
- @nber.org https://www.nber.org/papers/w35620
- @home.brainfuse.com https://home.brainfuse.com/2026/01/27/personalized-learning-in-an-ai-era-why-human-support-drives-better-results
- @en.wikipedia.org https://en.wikipedia.org/wiki/Testing_effect
- @thrive.arizona.edu https://thrive.arizona.edu/news/active-recall-memory-rescue
- @uwaterloo.ca https://uwaterloo.ca/news/news/study-finds-reading-information-aloud-yourself-improves
- @structural-learning.com https://www.structural-learning.com/post/dual-coding-a-teachers-guide
- @electives.io https://www.electives.io/resources/live-storytelling-boosts-learning-and-retention
- @nature.com https://www.nature.com/articles/s41599-026-06684-4
- @engageli.com https://www.engageli.com/blog/ai-in-education-statistics
yapay zeka · hızlı öğrenme · aktif hatırlama · proje ile öğrenme · sesli öğrenme · görselleştirme · özel öğretmen