KURUMSAL HİZMET
Eğitim Kurumlarında Yapay Zekâ
Öğrenci verisi, değerlendirme adaleti ve erişim kararları etrafında kurulmuş eğitim uygulamaları.
Problem
Okul veya üniversitede yapay zekâ iki uçta kullanılıyor: bir yanda öğrencinin kendi kullandığı araçlar ve intihal tartışması, diğer yanda kurumun denemek istediği otomatik değerlendirme. İkisinin ortasında kalan asıl soru — öğrenci verisinin nasıl işlendiği ve bir kararın öğrencinin eğitim hakkını nasıl etkilediği — yazılı bir çerçeveye bağlanmamış durumda.
Çözüm
Kullanımları etki düzeyine göre ayırıyoruz. Erişim, seçme, sınıflandırma ve değerlendirme kararlarına dokunan uygulamalar yüksek etkili kabul edilir; bunlar için etki değerlendirmesi, insan kararının korunması ve itiraz yolu zorunlu tutulur. Öğretme ve idari yükü azaltan kullanımlar ayrı ve hızlı bir yolda ele alınır. Öğrenci verisi yaş ve rıza kısıtlarıyla birlikte modellenir.
Kullanım alanları
- Öğretmen ve akademisyen için materyal hazırlama ve uyarlama
- Geri bildirim taslağı üretimi, notlandırmanın insanda kalması
- İdari yük azaltma: yazışma, form, raporlama
- Öğrenci destek asistanı: kurum prosedürleri ve ders bilgileri
- Erişilebilirlik: metin sadeleştirme, dil uyarlama, altyazı
- Akademik dürüstlük politikalarının uygulanabilir biçimde yazılması
Referans mimari
Katmanlar sabit değildir; kurumun veri ve uyum kısıtlarına göre şekillenir.
- Etki sınıflandırması: erişim ve değerlendirme kararına dokunan kullanımların ayrılması
- Veri modeli: öğrenci verisi kategorileri, yaş, veli rızası ve saklama süresi
- İnsan kararı: notlandırma ve erişim kararlarının insanda kalmasının teknik olarak güvenceye alınması
- İtiraz yolu: öğrencinin kararı sorgulayabileceği süreç
- Şeffaflık: yapay zekâ kullanımının öğrenci ve veliye bildirilmesi
- Ölçüm: alt gruplar arasında sonuç farkının izlenmesi
Güvenlik ve uyum
Çocuk ve genç verisinin ayrı hassasiyet sınıfında ele alınması
Öğrenci verisinin üçüncü taraf araçlara aktarımının denetlenmesi
Yapay zekâ tespit araçlarının tek kanıt olarak kullanılmaması; yanlış suçlama riskinin kabul edilmesi
Eğitim ve mesleki eğitim alanında yüksek riskli sınıflandırma ihtimalinin AB pazarına dokunan ürünlerde hesaba katılması
Yaklaşımımız
- 01
Discovery
Senaryo, veri ve kısıtların çıkarılması.
- 02
Assessment
Olgunluk ve uygulanabilirlik değerlendirmesi.
- 03
Prototype
En kısa yoldan çalışan ilk sürüm.
- 04
PoC
Tanımlı başarı ölçütüyle kanıt çalışması.
- 05
Production
Güvenlik, ölçek ve operasyon devri.
- 06
Monitoring
Kalite, maliyet ve kayma izleme.
Sık sorulan sorular
Otomatik notlandırma kurabilir miyiz?
Teknik olarak mümkün, ama öğrencinin akademik geleceğini etkileyen bir kararı otomatikleştirmek en yüksek etkili kullanım sınıfına girer. Uygulanabilir ve savunulabilir kurulum, modelin geri bildirim taslağı ve tutarlılık kontrolü üretmesi, notun öğretmende kalmasıdır. Bu ayrım hem itiraz hakkını hem değerlendirme güvenilirliğini korur.
Yapay zekâ tespit araçları güvenilir mi?
Tek başına karar vermeye elverişli değil. Bu araçlar olasılık üretir ve yanlış pozitif verebilir; özellikle anadili farklı olan öğrencilerde bu risk artar. Akademik dürüstlük sürecinde tespit çıktısı bir sinyal olarak kalır, kanıt olarak kullanılmaz; karar süreç ve görüşmeyle verilir.
AB Yapay Zekâ Yasası eğitim kurumlarını nasıl etkiliyor?
Yasanın yüksek riskli alanlar listesinde (Ek III) eğitim ve mesleki eğitim de yer alıyor; erişim, kabul ve değerlendirmeye dokunan sistemler bu kapsama girebilir. Ek III kapsamındaki yükümlülükler 2 Aralık 2027'den itibaren uygulanacak. AB pazarına ürün sunan veya AB'de kullanılan sistemler için bu takvim planlamanın parçası olur.
İLETİŞİM
Eğitim Kurumlarında Yapay Zekâ için değerlendirme oturumu
İlk görüşmede kullanım senaryonuzu, veri durumunuzu ve kısıtlarınızı birlikte çıkarıyoruz.