Kurucu
September 14, 2026
21 min read
Bir notun ekranda öğretmenin adıyla görünmesi, o notun gerçekten öğretmen tarafından verildiğini göstermeye yetmez. Yapay zekâ cevabı çözümlemiş, ölçütleri fiilen ağırlıklandırmış, puanı önermiş ve yüzlerce sonuç tek işlemle onaylanmışsa asıl hukuki soru şudur: İnsan karara yalnızca adını mı verdi, yoksa kararı gerçekten kurdu, açıklayabildi ve gerektiğinde değiştirebildi mi?
Bir öğrencinin açık uçlu sınav yanıtı yapay zekâ destekli bir sistem tarafından değerlendirilir. Sistem 72 puan önerir. Öğretmen, yoğun bir sınav haftasında sonuçları topluca kontrol eder ve önerilen puanları onaylar. Öğrenci ise yanıtında kullandığı yöntemin neden eksik sayıldığını sorar. Kurumun elinde yalnızca nihai puan vardır; değerlendirme anındaki model çıktısı saklanmamış, kullanılan puanlama anahtarının sürümü belirlenememiş, öğretmenin hangi unsurları ayrıca incelediği kayda geçirilmemiştir. Model aynı yanıtla yeniden çalıştırıldığında bu kez 78 puan üretir.
Bu örnekte sorun, yalnızca “yapay zekâ hata yaptı mı?” değildir. Daha önce cevaplanması gereken üç soru vardır:
Notu oluşturan değerlendirme kime hukuken ve kurumsal olarak isnat edilecektir?
Öğrenciye, kendi yanıtının neden bu sonuca bağlandığını gösteren nasıl bir gerekçe verilecektir?
İtiraz, aynı sistemin sonucunu tekrar üretmesinden ibaret kalmadan nasıl gerçek bir yeniden incelemeye dönüşecektir?
Millî Eğitim Bakanlığının Yapay Zekâ Uygulamaları Etik Beyan Sistemi (YAZEK), 2 Şubat 2026 tarihinde kullanıma açılırken eğitimde yapay zekâ kullanımını yalnızca teknik bir araç seçimi olmaktan çıkarıp kurum içi sorumluluk, kayıt ve denetim meselesi hâline getirdi.[1] Sistemin ve ona eşlik eden Eğitimde Yapay Zekâ Uygulamaları Etik Kılavuzunun notlandırma bakımından en önemli mesajı açıktır: Yapay zekâ yardımcı olabilir; fakat sınıf geçme, not, disiplin ve benzeri sonuçların nihai sorumluluğu öğretmen ve yöneticidedir. İnsan çıktıyı düzeltebilmeli, karar süreci kaydedilip denetlenebilmeli ve ilgili kişi için bir itiraz mekanizması bulunmalıdır.[2]
Ne var ki “nihai sorumluluk insandadır” cümlesi, ekrana bir onay düğmesi eklemekle hayata geçmez. Bu cümle ancak değerlendirme yetkisinin kullanılış biçimi, öğrenciye sunulan gerekçe, karar izi ve düzeltme yolu birlikte tasarlandığında hukuki bir güvenceye dönüşür. Dolayısıyla notlandırmada yapay zekâ uyumu; teknoloji biriminin modeli test etmesinden değil, ölçme-değerlendirme, eğitim hukuku, kişisel verilerin korunması, çocuk hakları, erişilebilirlik, satın alma ve kurum içi itiraz süreçlerinin aynı mimaride buluşmasından doğar.
Bu yazı, yapay zekânın öğrenci profili oluşturmasını veya tedarikçi sözleşmelerini yeniden ele almıyor. Odak daha dar, fakat sonuçları daha doğrudan: Yapay zekâ bir eğitim kararına katkı sunduğunda insan denetiminin nasıl ispatlanacağı, gerekçenin hangi katmanlarda kurulacağı ve itirazın hangi usulle etkili hâle getirileceği.
Bir not en az üç farklı niteliği aynı anda taşır.
İlk olarak not, bir ölçme ve değerlendirme iddiasıdır. Öğrencinin belirli bir öğrenme çıktısına ne ölçüde ulaştığını söylediği için geçerlilik, güvenilirlik, nesnellik ve kullanılabilirlik gibi eğitim bilimlerine ait ölçütlerle sınanır. MEB’in yazılı ve uygulamalı sınav düzenlemeleri de ölçme araçlarının öğretim programındaki kazanımları yoklamasını, sonuçların öğrenciye gösterilmesini, eksik öğrenmeler için geri bildirim verilmesini ve belirli sınavlarda itiraz yolunun işletilmesini öngörür.[3] Yapay zekâ kullanılması bu ölçme yükümlülüklerini ortadan kaldırmaz; tersine, puanın hangi ölçüt ve kanıtla oluştuğunu görünür kılma ihtiyacını artırır.
İkinci olarak not, kurumsal bir yetki kullanımıdır. Dersi geçme, diploma, burs, seviye grubu, programa kabul veya disiplin süreci üzerinde etkili olabilir. Kamu okulu, özel okul, üniversite ya da kurs bağlamında kararın hukuki rejimi değişebilir; fakat ortak nokta, sonucun kurum adına yetkili bir kişi veya kurul tarafından sahiplenilmesidir. Bir hizmet sağlayıcının modeli ya da kurum dışı bir platform, kendi başına öğretmenin veya yetkili kurulun değerlendirme yetkisini devralamaz.
Üçüncü olarak not, belirli veya belirlenebilir bir öğrenciye ilişkin kişisel veri işleme sonucudur. Cevap metni, ses kaydı, davranış verisi, puan, geri bildirim ve bunlardan türetilen göstergeler kişisel veri rejimini gündeme getirebilir. Bu nedenle hukuka uygunluk, belirli ve meşru amaç, veri minimizasyonu, doğruluk, saklama süresi, güvenlik, aydınlatma ve ilgili kişi hakları yalnızca model eğitiminde değil; puanın üretilmesi, kaydedilmesi, paylaşılması ve düzeltilmesinde de gözetilmelidir.[4]
Bu üç yüz birbirinin yerine geçmez. İstatistiksel olarak tutarlı görünen bir model, yetkisiz bir karar sürecini meşru hâle getirmez. Yetkili öğretmenin imzası, geçersiz bir ölçme aracını bilimsel bakımdan güvenilir kılmaz. Kişisel verilerin korunmasına uygun bir aydınlatma metni de öğrenciye hatalı notunu düzeltebileceği akademik bir itiraz yolu sağlamaz. Sağlam bir uyum tasarımı, üçünü birlikte ele alır.
YAZEK belgelerinde insan sorumluluğu, izlenebilirlik ve itiraz ayrı ifadelerle yer alsa da notlandırma bakımından tek bir usul zincirinin parçalarıdır:
İnsan sorumluluğu, yetkili kişinin model çıktısını anlayabilecek ve değiştirebilecek durumda olmasını;
İzlenebilirlik, bu değerlendirmenin sonradan hangi veri, ölçüt, model çıktısı ve insan müdahalesi üzerinden yapıldığının gösterilebilmesini;
İtiraz, hatalı veya adaletsiz sonucun kurum içinde etkili biçimde yeniden incelenip düzeltilebilmesini gerektirir.
Bu unsurlardan biri eksikse diğerleri de büyük ölçüde işlevsizleşir. Kayıt yoksa insanın neyi denetlediği ispatlanamaz. Öğrenciye anlaşılabilir bir gerekçe verilmiyorsa neye itiraz edeceği belirsizleşir. Yetkili ve bağımsız bir yeniden inceleme yoksa gerekçe, tek taraflı bir bildirimden ibaret kalır. İnsan yalnızca model sonucunu onaylıyorsa da kayıtlarda bir insan adı bulunması, kararın maddi anlamda insan tarafından verildiğini kanıtlamaz.
Bu nedenle YAZEK’e yapılan etik beyan, sürecin sonu değil başlangıcıdır. Beyan edilen ilkenin günlük uygulamadaki karşılığı; görev tanımlarında, ekran yetkilerinde, puanlama iş akışında, kayıt politikasında ve itiraz dosyasında görülebilmelidir. Uyumun asıl delili “insan denetimi vardır” cümlesi değil, belirli bir öğrenci bakımından bu denetimin nasıl gerçekleştiğini gösterebilen karar izidir.
Yapay zekâ destekli notlandırmayı tek bir kategori gibi görmek yanıltıcıdır. Sistem yalnızca yazım hatalarını işaretleyebilir; cevapları öğretmenin önüne gruplandırabilir; rubriğe göre taslak geri bildirim veya puan önerebilir; puanı otomatik olarak öğrenci bilgi sistemine aktarabilir. İnsan müdahalesinin hukuki değeri, aracın adıyla değil, sonuca fiilen ne ölçüde yön verdiğiyle belirlenir.
Yardımcı araç metni düzenler, benzer cevapları gruplar veya belirli noktaları işaretler; öğretmen asıl yanıtı ve ölçütü doğrudan değerlendirir. Tavsiye sistemi taslak puan veya geri bildirim üretir; öğretmen öneriyi bağımsız değerlendirmeli, değiştirme yetkisi ve yeterli zamanı bulunmalıdır. Fiilen belirleyici sistemde varsayılan puanlar topluca kabul edilir veya sapma istisna hâline gelir; nominal onay yetmez, örnekleme değil öğrenci bazında gerçek inceleme ve müdahale izi gerekir. Tam otomatik kararda sonuç, anlamlı bir insan değerlendirmesi olmadan doğrudan uygulanır; kullanımın hukuki dayanağı ayrıca değerlendirilir, olumsuz sonuçlarda KVKK m. 11/1-g dâhil ilgili kişi hakları gündeme gelir.
6698 sayılı Kişisel Verilerin Korunması Kanunu’nun 11. maddesinin birinci fıkrasının (g) bendi, işlenen verilerin münhasıran otomatik sistemler vasıtasıyla analiz edilmesi suretiyle kişinin aleyhine bir sonucun ortaya çıkmasına itiraz etme hakkı tanır. Bu hükmün her yapay zekâ destekli nota kendiliğinden uygulanacağı söylenemez: Otomatik analiz, münhasıran otomatiklik ve aleyhe sonuç şartlarının somut olayda ayrı ayrı değerlendirilmesi gerekir. Öğretmenin gerçek ve etkili incelemesi varsa süreç bütünüyle otomatik sayılmayabilir. Buna karşılık yalnızca şekli bir tıklamanın her durumda “insan kararı” yaratacağı yönünde de peşin bir kabul yapılamaz.[5]
Avrupa Birliği Adalet Divanının SCHUFA kararında, bir skor üçüncü kişinin kararında belirleyici bir rol oynuyorsa skorun üretilmesinin kendisi otomatik karar niteliği taşıyabilecek bir süreç olarak ele alınmıştır.[6] Bu karar Türk hukuku bakımından doğrudan bağlayıcı olmadığı gibi eğitim notlandırmasına ilişkin de değildir. Yine de önemli bir karşılaştırmalı uyarı içerir: Hukuki nitelendirme, sürecin son ekranında kimin adının yazdığına değil, skorun sonraki kararı gerçekte ne ölçüde belirlediğine bakmalıdır.
Eğitim kurumları bu nedenle yalnızca “son karar öğretmendedir” yazan bir kullanım şartına güvenmemelidir. Aşağıdaki olgular birlikte incelenmelidir:
Öğretmen öğrencinin özgün cevabını mı, yoksa yalnızca modelin özetini mi görmektedir?
Puanlama ölçütü ve modelin sınırlılıkları anlaşılır biçimde sunulmuş mudur?
Arayüz, önerilen puanı varsayılan hâle getirerek otomasyon yanlılığını güçlendirmekte midir?
Öğretmenin her öğrenci için inceleme yapmaya yetecek zamanı var mıdır?
Sistemden sapmak ek onay, açıklama veya performans baskısı doğurmakta mıdır?
Öğretmen puanı değiştirdiğinde değişiklik gerçekten sonuç sistemine yansımakta mıdır?
Kurum, model önerisi ile nihai not arasındaki farkları ve insan müdahalesini izleyebilmekte midir?
Bu soruların cevabı, yapay zekânın araç mı, tavsiye mi, yoksa fiilî karar verici mi olduğunu gösterir.
İnsan denetimi daha önce eğitim teknolojileri bakımından “bilgi, yetki ve gerekçe” ekseninde tartışıldı.[7] Notlandırma özelinde ihtiyaç duyulan bir sonraki adım, bu kavramı kanıtlanabilir bir karar standardına çevirmektir. Bu çalışma bakımından buna “gerekçeli insan sahiplenmesi” denilebilir. Bu ifade kanunda tanımlanmış yeni bir hak veya resmî YAZEK terimi değil; mevcut eğitim, veri koruma ve kurumsal hesap verebilirlik yükümlülüklerini uygulanabilir hâle getiren bir politika ölçütüdür.
Gerekçeli insan sahiplenmesi için yetkili değerlendiricinin:
öğrencinin asıl cevabına, yürürlükteki puanlama ölçütüne ve gerekli bağlama erişmesi;
yapay zekânın hangi işlevi gördüğünü ve başlıca hata biçimlerini bilmesi;
öneriyi kabul, reddetme veya değiştirme konusunda gerçek yetki ve yeterli zamana sahip olması;
kendi akademik değerlendirmesini model sonucundan bağımsız biçimde kurabilmesi;
nihai sonucun öğrenciye özgü nedenini açıklayabilmesi;
yaptığı müdahalenin veya öneriyi neden benimsediğinin uygun ölçüde kayda geçirilebilmesi gerekir.
Buradaki amaç öğretmeni her puan için uzun bir hukuki mütalaa yazmaya zorlamak değildir. Amaç, sonuç tartışıldığında “sistem böyle verdi” cevabını imkânsızlaştırmaktır. Öğretmen ya da kurul, kendi mesleki yargısını kurmuş olmalı; kurum da bu yargının gerçekten kullanılabildiği çalışma koşullarını sağlamalıdır.
Bu ölçüt aynı zamanda sorumluluğun öğretmene tek taraflı biçimde bırakılmasını önler. Yetersiz eğitim, aşırı iş yükü, yalnızca toplu onaya izin veren arayüz, saklanmayan model çıktıları veya tedarikçinin açıklamadığı sürüm değişiklikleri kurumun tasarım ve organizasyon sorunudur. “Nihai sorumluluk öğretmendedir” ilkesi, kurumsal sorumluluğu ortadan kaldıran bir feragat kaydı olarak kullanılamaz.
Bir öğrenci “neden 72 aldım?” diye sorduğunda üç farklı açıklama ihtiyacı birbirine karıştırılabilir.
İlki, sistemin genel olarak nasıl çalıştığına ilişkin sistem açıklamasıdır: Yapay zekâ hangi ders ve görevlerde kullanılıyor, ne tür veri işliyor, puan mı öneriyor yoksa yalnızca geri bildirim mi üretiyor, hangi sınırlılıklar biliniyor ve insanın rolü nedir?
İkincisi, belirli bir öğrenciye ilişkin karar gerekçesidir: Bu cevap hangi öğrenme çıktısı ve puanlama ölçütü bakımından nasıl değerlendirildi, hangi unsur yeterli veya eksik bulundu, yapay zekâ sonuca ne ölçüde katkı sundu ve yetkili insan hangi değerlendirmeyi yaptı?
Üçüncüsü, yalnızca yetkili denetçilere açılması gerekebilecek teknik ve kurumsal inceleme dosyasıdır: Kullanılan model ve sürüm, girdi-çıktı kayıtları, test sonuçları, eşik değerleri, erişim kayıtları, değişiklikler ve insan müdahalesi gibi ayrıntılar burada bulunur.
Bu katmanların hedefi ve erişim düzeyi farklıdır.
Ön bilgilendirme öğrenci ve veliye yöneliktir; asgari içerik yapay zekânın görevi, veri kategorileri, insanın rolü, temel sınırlılıklar ve başvuru yoludur. Öğrenciye özgü gerekçe sonucun muhatabına gider; uygulanan rubrik, ilgili cevap unsurları, puanın nedenleri, yapay zekânın katkısı, nihai karar sahibi ve itiraz usulü yer almalıdır. Denetim dosyası yetkili öğretmen, itiraz mercii, veri sorumlusu ve gerektiğinde denetleyici veya yargısal makam içindir; asıl çalışma, rubrik sürümü, fiilen kullanılan girdi ve çıktı, model/sürüm/zaman bilgisi, insan işlemleri, test ve olay kayıtları burada tutulur.
Anlamlı gerekçe, modelin bütün matematiksel yapısını veya kaynak kodunu öğrenciye vermek değildir. Avrupa Birliği Adalet Divanı, Dun & Bradstreet Austria kararında otomatik karar mantığına ilişkin bilginin ilgili kişinin kararı anlamasına ve buna karşı çıkmasına elverişli, özlü ve anlaşılır olması gerektiğini; yalnızca karmaşık bir formülün iletilmesinin bu amacı karşılamayabileceğini vurgulamıştır.[8] Karar yine Türk eğitim hukuku bakımından doğrudan bağlayıcı değildir. Buna rağmen gerekçe tasarımı için yararlı bir ayrım sunar: Teknik açıklanabilirlik ile somut kararın gerekçesi aynı şey değildir.
Öğrenciye özgü gerekçe, en azından şu soruları yanıtlamalıdır:
Hangi soru, öğrenme çıktısı ve rubrik sürümü uygulandı?
Öğrencinin cevabındaki hangi somut unsur puan kazandırdı veya kaybettirdi?
Yapay zekâ hangi işlevi gördü: sınıflandırma, hata işaretleme, taslak puan, benzerlik tespiti veya geri bildirim?
Yapay zekâ önerisi nihai notla aynı mıydı; insan bir düzeltme yaptı mı?
Nihai kararı hangi yetkili kişi veya birim verdi?
Öğrenci hangi süre ve kanaldan yeniden inceleme isteyebilir?
Ticari sır, sistem güvenliği ve üçüncü kişilerin verileri elbette korunmalıdır. Fakat bu menfaatler, hiçbir somut açıklama vermemenin genel gerekçesi hâline getirilemez. Çatışan menfaatler; öğrenciye işlevsel bir açıklama verilmesi, daha hassas teknik materyalin ise erişimi sınırlı denetim dosyasında tutulması yoluyla dengelenebilir. Öğrencinin etkili itiraz için modelin gizli muhakeme zincirini bilmesi gerekmez; kendi cevabının hangi ölçüte göre neden o sonuca bağlandığını bilmesi gerekir.
Üretken yapay zekâ sistemleri aynı girdiye farklı zamanlarda farklı çıktılar verebilir. Model veya sistem talimatı değişebilir; tedarikçi sessiz bir güncelleme yapabilir; sıcaklık gibi ayarlar ya da dış veri kaynakları sonucu etkileyebilir. Bu nedenle itiraz sırasında modeli yeniden çalıştırmak, ilk kararın nasıl oluştuğunu kanıtlamaz.
İtirazın ilk işi modeli tekrar çağırmak değil, kararın kökenini dondurmak olmalıdır. Orantılı bir karar izi şu unsurları ilişkilendirmelidir:
öğrencinin teslim ettiği özgün çalışma ve teslim zamanı;
o anda yürürlükte olan soru, öğrenme çıktısı, cevap anahtarı veya rubrik sürümü;
yapay zekâya fiilen verilen içerik ile sistemin fiilen ürettiği çıktı;
erişilebildiği ölçüde model, sağlayıcı, sürüm, yapılandırma ve zaman bilgisi;
öğretmenin hangi ekranları gördüğü, hangi değişiklikleri yaptığı ve nihai sonucu ne zaman onayladığı;
öğrenciye bildirilen puan, kısa gerekçe ve başvuru bilgisi;
itiraz üzerine verilen karar ve düzeltmenin ilgili bütün sistemlere yansıması.
Burada “her şeyi süresiz kaydetmek” doğru cevap değildir. Kayıt kapsamı amaca ve risk düzeyine göre belirlenmeli; öğrenci verileri gereksiz yere çoğaltılmamalı; erişim yetkileri sınırlandırılmalı; saklama süresi sınav ve itiraz süreleri, kurumun yasal yükümlülükleri ve olası uyuşmazlıklar dikkate alınarak tanımlanmalıdır. Karar izinin varlığı kadar bütünlüğü, zaman damgası, erişim güvenliği ve silme prosedürü de önemlidir.
Avrupa Birliği Yapay Zekâ Tüzüğü de, kendi uygulama alanı içinde, yüksek riskli sistemlerde insan gözetimini sistemin kapasite ve sınırlılıklarını anlayabilme, otomasyon yanlılığını fark etme, çıktıyı yorumlama, göz ardı etme, tersine çevirme veya sistemi durdurabilme yetenekleriyle ilişkilendirir. Eğitim kurumlarına erişim, öğrenme çıktılarının değerlendirilmesi ve sınavlarda yasak davranışların izlenmesi, belirli koşullarda yüksek riskli kullanım alanları arasında sayılmıştır.[9] Tüzüğün Türkiye’deki her eğitim kurumu ve her kullanım için doğrudan uygulanacağı varsayılamaz; ülkesel ve maddi kapsam ayrıca incelenmelidir. Yine de kayıt ile insan müdahalesinin birlikte tasarlanması bakımından güçlü bir karşılaştırmalı uyum ölçütü sunar.
Yapay zekâ destekli bir nota itiraz edildiğinde en kolay teknik çözüm, cevabı aynı modele yeniden gönderip ikinci bir puan almaktır. Bu işlem bir tutarlılık testi olarak yararlı olabilir; fakat kendi başına yeniden inceleme değildir. Aynı hata biçimine, aynı önyargıya veya aynı yanlış rubrik yorumuna bağlı ikinci çıktı, ilk kararın bağımsız kontrolü sayılamaz.
Etkili bir itiraz sürecinin sekiz aşaması bulunmalıdır:
Erişilebilir başvuru: Öğrenci ve uygun olduğu ölçüde veli; kısa, anlaşılır ve yaşa uygun bir kanaldan, aşırı şekil şartı olmadan başvurabilmelidir.
Dosyanın korunması: Özgün çalışma, rubrik, ilk model çıktısı ve insan işlem kayıtları değiştirilemeyecek biçimde muhafaza edilmelidir.
Başvurunun kapsamı: Öğrenci yalnızca “model hata yaptı” demek zorunda bırakılmamalı; akademik değerlendirmeyi, kullanılan ölçütü, verinin doğruluğunu, ayrımcı etkiyi, erişilebilirlik sorununu veya usul eksikliğini de ileri sürebilmelidir.
Bağımsız ilk bakış: Özellikle yüksek etkili kararlarda ikinci değerlendirici, mümkünse yapay zekâ puanını görmeden önce özgün cevabı rubriğe göre puanlamalıdır. Böylece ilk sayının oluşturduğu çıpalama etkisi azaltılır.
Karşılaştırma ve araştırma: Bağımsız değerlendirme ile ilk sonuç karşılaştırılmalı; önemli fark varsa rubrik, model çıktısı, bağlamsal bilgi ve kayıtlar incelenmelidir.
Gerçek değiştirme yetkisi: İtiraz mercii notu değiştirebilmeli, işlemi geri alabilmeli veya yeni değerlendirme yapılmasına karar verebilmelidir. Tedarikçi desteği alınabilir; nihai inceleme tedarikçiye bırakılamaz.
Gerekçeli sonuç: Öğrenciye hangi iddianın nasıl değerlendirildiği, sonucun değişip değişmediği ve varsa sonraki başvuru yolu bildirilmelidir.
Düzeltmenin yayılması: Değişiklik yalnızca not defterinde kalmamalı; bu nottan beslenen başarı profili, burs, seviye, risk göstergesi, sınıf geçme veya bildirim sistemleri de düzeltilmelidir.
MEB’in ölçme ve değerlendirme belgeleri bu mimari için önemli bir yerli dayanak sunar. Yazılı ve uygulamalı sınavlarda sınav kâğıtlarının öğrenciye gösterilmesi, sonuçlara ilişkin belirli süreli itiraz yolu ve geri bildirim öngörülür. Ayrıca elektronik ortamda yapılan veya cevap kâğıtları taranarak dijital ortama aktarılan ortak yazılı sınavlardaki açık uçlu soruların birbirinden bağımsız iki puanlayıcı tarafından değerlendirilmesi; uyuşmazlığın giderilemediği durumda kıdemli puanlayıcıya başvurulması düzenlenmiştir.[10]
Bu çift puanlama kuralı, her öğretmen sınavında veya her yapay zekâ kullanımında otomatik olarak uygulanacak genel bir hukuk kuralı değildir. Fakat önemli bir usul fikrini görünür kılar: Açık uçlu bir eğitim değerlendirmesinde güvenilirlik, yalnızca ilk değerlendiricinin unvanından değil; bağımsız bakışların karşılaştırılmasından ve uyuşmazlık çözme mekanizmasından da üretilebilir. Yapay zekâ destekli yüksek etkili kararlarda aynı fikir, riskle orantılı biçimde kurumsal politikaya aktarılabilir.
Bağımsız inceleme, her kısa alıştırma için ayrı bir kurul kurmak anlamına gelmez. Güvencenin yoğunluğu kararın öğrenci üzerindeki etkisine, geri döndürülebilirliğine, yapay zekânın rolüne ve hatanın yayılma ihtimaline göre artmalıdır.
Düşük etkili kararlar biçimlendirici geri bildirim, deneme sorusu veya öneri gibi kullanımlardır; yapay zekâ kullanımı hakkında ön bilgi, öğretmenin kolay düzeltmesi, hata bildirim kanalı ve örneklem temelli kalite kontrolü yeterlidir. Nota etkili kararlar ödev, proje, ders içi sınav veya dönem notuna katkıda bulunur; öğrenci bazında insan incelemesi, rubrik ve kısa gerekçe, ilk karar kaydı, zamanında itiraz ve mümkün olduğunda farklı değerlendirici gerekir. Yüksek etkili kararlar sınıf geçme, diploma, programa kabul, burs, disiplin veya önemli seviye yerleştirmesini kapsar; daha güçlü bağımsızlık, gerekirse kurul veya kıdemli değerlendirici, ayrıntılı karar izi, süratli geçici tedbir, gerekçeli karar ve bütün türev sonuçların düzeltilmesi aranır.
İkinci değerlendiricinin bağımsızlığı da yalnızca organizasyon şemasına bakılarak ölçülmemelidir. İlk kararı savunmakla performansı değerlendirilen, aynı toplu onay hedeflerine tabi olan veya yalnızca tedarikçinin yeniden çalıştırdığı çıktıyı gören kişi işlevsel olarak bağımsız olmayabilir. Buna karşılık küçük bir kurumda başka bir öğretmenin, bölüm başkanının veya kurulun belirli dosyaları risk temelli incelemesi yeterli olabilir. Ölçüt, ilk sonucu teyit etmek üzere değil, yeniden değerlendirmek üzere yetkilendirilmiş gerçek bir ikinci bakıştır.
Yüksek etkili ve süresi yaklaşan kararlarda itiraz sonucunu beklemenin kendisi telafisi güç zarar doğurabilir. Burs başvuru süresi, kayıt yenileme, mezuniyet veya disiplin yaptırımı söz konusuysa kurum; kararın etkisini geçici olarak durdurma, öğrenciye koşullu işlem yapma ya da hızlandırılmış inceleme gibi önlemleri prosedüründe tanımlamalıdır. Etkili başvuru yalnızca teorik olarak var olan değil, sonucu hâlâ düzeltilebilecekken çalışan başvurudur.
Öğrencinin her zaman teknik hatanın kaynağını teşhis etmesi beklenemez. Başvuru formu, aşağıdaki iddialardan birini veya birkaçını ileri sürmeye elverişli olmalıdır:
cevap anahtarı ya da rubriğin yanlış veya farklı bir sürümünün uygulanması;
doğru cevabın dil, anlatım biçimi veya alternatif çözüm yöntemi nedeniyle tanınmaması;
modelin cevaba ait olmayan bir veriyi dikkate alması ya da yanıtta bulunmayan bir unsur üretmesi;
engellilik, özel eğitim ihtiyacı, dilsel farklılık veya uyarlamanın değerlendirmeye yansıtılmaması;
kişisel verinin yanlış, güncel olmayan veya ilgisiz olması;
yetkisiz bir aracın ya da onaylanmamış bir sürümün kullanılması;
insan incelemesinin hiç yapılmaması veya yalnızca toplu onayla sınırlı kalması;
benzer nitelikteki cevaplara açıklanamayan ölçüde farklı puan verilmesi;
yapay zekânın kullanımının önceden bildirilmemesi ya da gerekçenin yetersiz olması;
çıkar çatışması, tarafsızlık veya usul kurallarına ilişkin başka bir eksiklik.
Bu liste aynı zamanda kurumun olay sınıflandırmasına dönüşebilir. İtirazların yalnızca “haklı/haksız” olarak kapatılması, uyum bakımından değerli bilgiyi yok eder. Hangi model sürümünde, hangi soru tipinde ve hangi öğrenci gruplarında ne tür hataların yoğunlaştığı görülürse sistemin kullanımı daraltılabilir, rubrik değiştirilebilir, öğretmen eğitimi yenilenebilir veya araç bütünüyle durdurulabilir.
Yapay zekâ destekli nota ilişkin uyuşmazlıkta akademik itiraz, YAZEK etik bildirimi, KVKK başvurusu ve idari ya da sözleşmesel yollar birbirine karıştırılmamalıdır. Bunların amacı, muhatabı ve sonucu farklıdır.
Not veya sınav itirazı akademik değerlendirmenin ve usulün yeniden incelenmesini amaçlar; olası sonuç yeniden puanlama, notun korunması veya değişmesi ya da yeni değerlendirmedir. YAZEK etik bildirim süreci yapay zekâ kullanımının MEB etik çerçevesine uygunluğunu inceler; etik inceleme, düzeltici tedbir ve üst kurula iletim doğabilir, fakat bu yolun tek başına notu değiştireceği varsayılamaz. KVKK ilgili kişi başvurusu kişisel veri işleme hakkında bilgi, erişim, düzeltme ve şartları varsa otomatik sonuca itiraz içindir; veri sorumlusunun cevabı, veri düzeltme/silme veya yeniden değerlendirme ile Kanundaki başvuru ve şikâyet yolları gündeme gelir. İdari, yargısal veya sözleşmesel yol kararın hukuka, kurum düzenlemelerine ve taraflar arasındaki ilişkiye uygunluğunu denetler; somut rejime göre işlemin iptali, düzeltme, tazmin veya başka sonuçlar doğabilir.
YAZEK’teki etik bildirim ve değerlendirme zinciri, yapay zekâ kullanımının etik uygunluğunu kurum içinde ele almak için önemlidir.[11] Ancak bu zincir, bir not itirazı süresini kendiliğinden durdurmaz ve akademik yeniden değerlendirme yerine geçmez. Aynı şekilde KVKK başvurusu da her durumda notun akademik doğruluğunu karara bağlayan merci değildir. Kurum, öğrenciye “tek kapı” sunabilir; fakat başvuruyu içeride doğru süreçlere yönlendirmeli ve bir yolun diğerine başvurmayı engellediği izlenimini yaratmamalıdır.
KVKK m. 11/1-g şartları oluşmasa bile kişinin verisinin işlenip işlenmediğini öğrenme, bilgi talep etme, amacına uygun kullanılıp kullanılmadığını öğrenme ve yanlış verinin düzeltilmesini isteme gibi diğer haklar gündemde kalabilir.[12] Ayrıca sınav mevzuatı, kurum içi yönetmelikler, öğrenci sözleşmeleri ve kamu hukuku güvenceleri somut kuruma göre ayrı değerlendirilmelidir. Bu sebeple başvuru tasarımı, yalnızca “otomatik karar var mı?” eşiğine bağlanmamalıdır.
İyi tasarlanmış bir itiraz mekanizması yalnızca bireysel uyuşmazlığı çözmez; kurumun yapay zekâ kullanımının gerçek dünyadaki performansını gösterir. Laboratuvar testleri modelin beklenen örneklerde ne yaptığını, itirazlar ise beklenmeyen durumlarda öğrencinin ne yaşadığını anlatır.
Kurum, kişisel verileri gereksiz yere çoğaltmadan ve gruplar bakımından yeni riskler yaratmadan şu göstergeleri izleyebilir:
itiraz sayısı ve karar türüne göre oranı;
bozulan veya düzeltilen karar oranı;
düzeltmenin puan üzerindeki büyüklüğü;
ilk ve ikinci değerlendirici arasındaki fark;
gerekçe verilemeyen veya kaydı eksik karar sayısı;
model, sürüm, soru türü ve ders bazında hata kümeleri;
erişilebilirlik, dilsel farklılık veya ayrımcılık iddialarının dağılımı;
başvurunun sonuçlanma süresi;
düzeltmenin türev sistemlere ulaşıp ulaşmadığı.
Bu göstergeler öğretmenleri ya da öğrencileri otomatik olarak puanlayan yeni bir performans sistemine dönüştürülmemelidir. Böyle bir ikincil kullanım ayrıca amaç, hukuki dayanak, ölçülülük ve adalet değerlendirmesi gerektirir. Buradaki amaç kişi sıralamak değil; süreçte tekrar eden riskleri yakalamaktır.
Belirli bir model sürümünde bozma oranı yükseliyorsa kullanım askıya alınabilir. Belirli soru türlerinde puanlayıcılar sürekli ayrışıyorsa rubrik gözden geçirilebilir. İnsanların model önerisinden neredeyse hiç sapmadığı görülüyorsa bunun nedeni olağanüstü doğruluk değil, arayüz tasarımı veya iş yükü de olabilir. İtiraz verisi bu nedenle uyum izleme, model değişikliği yönetimi ve kurumun YAZEK beyanının güncelliği arasında bir köprü kurar.
İnsan denetimi, gerekçe ve itiraz farklı politikalara dağılırsa uygulamada aralarında boşluk oluşur. Eğitim kurumunun bilgi güvenliği, kişisel veri, ölçme-değerlendirme ve yapay zekâ politikalarını birbirine bağlayan ayrı bir Yapay Zekâ Destekli Eğitim Kararı ve İtiraz Prosedürü oluşturması bu boşluğu kapatabilir.
Bu prosedür en az şu sekiz başlığı kapsamalıdır:
Kapsam ve karar envanteri: Hangi ders, sınav, ödev, disiplin, kabul veya rehberlik kararında hangi yapay zekâ işlevinin kullanıldığı.
Etki sınıflandırması: Kararın önemi, geri döndürülebilirliği, öğrenci yaşı, özel nitelikli veri ihtimali ve modelin fiilî belirleyiciliği.
Yetki matrisi: Kimin sistemi kullanabileceği, kimin nihai kararı vereceği, kimin itirazı inceleyeceği ve kimlerin sistemi durdurabileceği.
İnsan inceleme standardı: Asıl cevaba erişim, rubrik kullanımı, eğitim, zaman, değiştirme yetkisi ve müdahale kaydı.
Açıklama standardı: Ön bilgilendirme, öğrenciye özgü gerekçe ve sınırlı denetim dosyasının ayrı içerikleri.
Karar izi ve saklama: Hangi kayıtların, ne kadar süreyle, hangi güvenlik önlemleri ve erişim yetkileriyle tutulacağı.
İtiraz ve düzeltme: Başvuru kanalı, süre, bağımsızlık, geçici önlem, karar formatı ve düzeltmenin bütün bağlı sistemlere yayılması.
İzleme ve değişiklik yönetimi: İtiraz göstergeleri, model/sürüm değişiklikleri, yeniden test, olay yönetimi, kullanımın daraltılması veya durdurulması.
Tedarikçi sözleşmesi de bu prosedürü desteklemelidir. Kurumun model ve sürüm bilgisine, fiilî çıktı kayıtlarına, değişiklik bildirimine ve inceleme için gerekli teknik desteğe erişemediği bir ürün; ekranda “insan onayı” sunsa bile etkili itirazı imkânsızlaştırabilir. Bununla birlikte sözleşme tek başına yeterli değildir: Kullanıcı ekranı, öğretmenin çalışma yükü, sınav kuralları ve kurum içi yetki devri aynı standarda uyarlanmalıdır.
MEB’in etik kılavuzu; Bakanlığın merkez, taşra ve yurt dışı teşkilatı ile resmî ve özel okul öncesi, ilköğretim ve ortaöğretim kurumlarındaki eğitim, öğretim ve yönetim süreçlerine yönelik bir çerçeve sunar.[13] Üniversiteler YAZEK’in bu kurumsal kapsamı içinde değerlendirilmemelidir. Yükseköğretimde karar yetkisi, sınav ve itiraz düzenlemeleri, kamu veya vakıf üniversitesi niteliği ve kişisel veri süreçleri kendi hukuki belgeleri üzerinden ayrıca incelenmelidir.
Yine de bu yazıda kurulan temel mimari daha geniş bir değere sahiptir. Yapay zekâ bir öğrenci hakkında nota, disipline, bursa, programa erişime veya akademik ilerlemeye etki eden bir çıktı üretiyorsa kurumun şu dört soruya cevap verebilmesi gerekir:
Sistem kararda gerçekte ne kadar etkiliydi?
Yetkili insan hangi özgün değerlendirmeyi yaptı?
Öğrenci kendi sonucunun nedenini anlayabildi mi?
Hata, sonucu doğuran sistemden bağımsız ve etkili bir yolla düzeltilebildi mi?
Bu sorular özel okulda sözleşme ve tüketici ilişkileriyle, kamu okulunda eğitim mevzuatı ve idari işleyişle, üniversitede kurum içi akademik düzenlemelerle farklı biçimlerde somutlaşabilir. Fakat hiçbiri salt “etik ilke” olarak kalmamalıdır; görev, kayıt, süre ve yetkiyle çalışan bir usule çevrilmelidir.
Yapay zekâ destekli değerlendirmede güvenilirlik, yalnızca modelin ortalama doğruluk oranından doğmaz. Öğrenci bakımından güvenilir olan sistem; kendi cevabının hangi ölçütle değerlendirildiğini gösterebilen, modelin rolünü saklamayan, yetkili insanın gerçekten karar verdiğini kanıtlayan ve hata hâlinde etkili bir ikinci bakış sunan sistemdir.
Bu nedenle “Notu kim verdi?” sorusunun cevabı bir kullanıcı adından ibaret olamaz. Doğru cevap; asıl çalışmayı gören, yapay zekâ önerisini bağımsız değerlendirebilen, sonucu değiştirme yetkisine sahip, öğrenciye özgü gerekçeyi kuran ve bu kararın hesabını verebilen yetkili insan olmalıdır. Kurum ise bu insanın arkasına saklanmamalı; gerekli zamanı, eğitimi, arayüzü, kayıt sistemini ve itiraz merciini kurmalıdır.
Not, sistemin ürettiği sayı değildir. Not; hangi öğrenme çıktısının, hangi öğrenci cevabındaki hangi kanıt üzerinden değerlendirildiğini açıklayabilen kurumsal bir sonuçtur. Aynı modelin ikinci kez verdiği cevap da ikinci inceleme değildir. Gerçek güvence, teknolojinin dışında düşünebilen ve ilk sonucu değiştirebilen bir insan gözüdür.
YAZEK uyumu bakımından kurumların bundan sonraki adımı, genel etik beyanlarını karar ve itiraz boşluğu analizi ile sınamaktır: Yapay zekânın nota temas ettiği her noktada fiilî belirleyicilik, insan sahiplenmesi, öğrenciye özgü gerekçe, karar izi ve düzeltmenin yayılması test edilmelidir. Bu analiz sonucunda hazırlanacak Yapay Zekâ Destekli Eğitim Kararı ve İtiraz Prosedürü; eğitim kurumunun yapay zekâ politikasını, ölçme-değerlendirme düzenini, KVKK süreçlerini ve tedarikçi kontrollerini aynı uygulanabilir haritada birleştirebilir.
Editöryel not: Bu çalışma genel bilgilendirme amacıyla hazırlanmıştır. Belirli bir kurum veya uyuşmazlık bakımından hukuki görüş yerine geçmez. Uygulanacak mevzuat ve başvuru yolu; kurumun niteliğine, kararın türüne, kullanılan sistemin işlevine ve somut veri işleme faaliyetine göre ayrıca değerlendirilmelidir.
