MIT’nin Eğitimde YZ Kullanım Raporu – 13 Ağustos 2026​

MIT’nin Ad Hoc Komitesi (Öğretim, Öğrenme ve Araştırma Eğitiminde AI Kullanımı) (https://aiandeducation.mit.edu/report/)

1. Giriş

Bu rapor bir eylem çağrısıdır.

MIT topluluğu genelinde yürütülen beş aylık yoğun toplantı, araştırma ve istişare süreçleri aracılığıyla, Öğretim, Öğrenim ve Araştırma Eğitiminde Yapay Zeka Kullanımı Özel Komitesi; üretken yapay zekanın Enstitü’nün yaşamındaki ve eğitim misyonundaki rolünü anlamayı ve bu teknolojinin getirdiği zorluklar ile fırsatların nasıl yönetilmesi gerektiğine dair önerilerde bulunmayı amaçladı.

Ocak 2026’da Rektör Yardımcısı (Chancellor) Melissa Nobles, Akademik İşlerden Sorumlu Rektör Yardımcısı (Provost) Anantha Chandrakasan ve Fakülte Başkanı Roger Levy bizleri özellikle şu konularda görevlendirdi:

MIT’deki mevcut yapay zeka kullanımını değerlendirmek.

Öğretim ve öğrenci değerlendirmesi alanındaki yenilikleri tespit etmek.

Bir yapay zeka kullanım politikası önermek.

Ancak grup olarak edindiğimiz bilgiler bizi hızla şu sonuca yöneltti: Yapay zekanın Enstitü’nün misyonunu karmaşıklaştıran çeşitli unsurlardan biri olduğu bir çağda, Enstitü topluluğu —ve özellikle öğretim üyeleri— MIT eğitiminin yapısı, anlamı ve değerine dair daha derin soruları ele almalıdır.

Komitemiz; lisans ve lisansüstü öğrencilerden, her bir fakülteden öğretim üyelerinden ve MIT Kütüphaneleri ile Öğretim ve Öğrenim Laboratuvarı (Teaching and Learning Lab) dahil olmak üzere ilgili birimlerin personelinden oluşuyordu. Göreve başlarken geniş bir deneyim yelpazesine sahip olsak ve önceden belirlenmiş bir tezimiz bulunmasa da, kısa ama yoğun incelemelerimiz bizi güçlü ve ortak bir görüşe ulaştırdı.

Bu raporda şunları yapıyoruz:

• MIT’deki mevcut eğitim ortamının temel yönlerini vurguluyoruz.
• Dayandığımız ve önümüzdeki süreçte Enstitü’ye rehberlik edeceğini umduğumuz sekiz ilkeyi paylaşıyoruz.
• Hem öğretim elemanları hem de yönetim için acil ve uzun vadeli eylem önerilerinde bulunuyoruz.

Yapay zekanın doğuşuyla derin bir bağa sahip olan ve dünyanın en zorlu sorunlarından korkmayan mezunlar yetiştirmek üzere tasarlanmış, kendine has titiz ve uygulamalı eğitimiyle tanınan bir kurum olarak MIT, bu dönemde benzersiz bir role sahiptir. Ayrıca kurumun öncülük etme sorumluluğu taşıdığına da inanıyoruz.

Raporumuzun; insanların insanlar tarafından yürüttüğü, insan potansiyelinin gelişmesini destekleyen ve insanlığın iyiliğine hizmet eden en yüksek nitelikli yüz yüze eğitimi tanımlayıp geliştirmeye devam ederken, Enstitü’nün “Zihin, El ve Kalp” (Mind, Hand, and Heart) ruhunu benimsemesine yardımcı olmasını umuyoruz.

Eric Klopfer, Eş Başkan | Sam Madden, Eş Başkan

Öğretim, Öğrenim ve Araştırma Eğitiminde Yapay Zeka Kullanımı Komitesi adına.

1.1 Mevcut Durum

Bu rapordaki öneriler, MIT’deki eğitim ortamına dair aşağıdaki tespitleri yansıtmaktadır.

Üretken Yapay Zeka (YZ) şimdiden her alanda kendine yer bulmuş ve beraberinde çeşitli görüşleri getirmiştir:

• MIT öğrencileri YZ’yi sık ve yaygın bir şekilde kullanmakta; bu süreçte merak, yaratıcı ilham ve memnuniyetten kabulleniş, endişe ve kaygıya kadar uzanan karmaşık duygular yaşamaktadır.
• Eğitmenlerin tutumları; YZ’yi hevesle keşfetme ve ona giderek daha fazla bel bağlamadan, şüphecilik, kuşku ve “YZ’yi reddetme”ye kadar geniş bir yelpazeye yayılmakta; bununla birlikte deneyim, fikir ve teknikleri paylaşmaya yönelik yaygın bir istek de bulunmaktadır.
• YZ, eğitmenlerin heyecan verici yeni öğrenme deneyimleri geliştirmesine ve öğrencilerin yenilikçi yollarla öğrenip deneyler yapmasına olanak tanısa da, kampüs yaşamı üzerinde endişe verici bazı etkiler de ortaya çıkmıştır; örneğin YZ’nin şu etkileri görülmektedir:
• Özellikle lisans düzeyindeki öğrenciler için; ödev setleri (p-set), evden yapılan sınavlar ve Lisans Araştırma Fırsatları Programı (UROP) gibi uygulamalardan, öğretim üyesi görüşme saatleri ve çalışma gruplarına kadar MIT eğitim deneyiminin temel unsurlarını kökten değiştirmesi.
• İzolasyonu artırması.
• Öğrencilerin konuya hakimiyetini ve özgüvenini zayıflatması.
• Eğitmenler ile öğrenciler arasındaki “sosyal sözleşmeyi” aşındırması.
• Öğrenci gelişimini değerlendirmeyi çok daha zor hale getirmesi.
• Akademik titizlik, öğrenme için gerekli olan yaratıcı fikir çatışması, iş birliğine dayalı problem çözme ve kişisel dürüstlük konularında MIT topluluğunun on yıllardır süregelen kendine has norm ve değerlerini zorlaması.

YZ hem ani ve hızlı değişimlere hem de uzun vadeli, köklü (tektonik) dönüşümlere yol açmaktadır ve MIT’nin buna yanıt vermesi gerekmektedir:

Öğrenciler; gerek belirli bir ders kapsamında gerekse müfredat genelinde YZ kullanımına dair netlik, tutarlılık ve gerekçelendirme eksikliği nedeniyle kafa karışıklığı ve endişe yaşamaktadır.

MIT’de okutulan her dersin; öğrencilere nasıl eğitim verildiği, nelerin öğretildiği ve değerlendirmelerin nasıl yapıldığı konularında “YZ farkındalığı” taşıyacak şekilde yeniden incelenmesi ve muhtemelen yeniden yapılandırılması gerekecektir.

YZ, öğrencilerin bilmesi ve yapabilmesi gerekenleri değiştirmektedir.

Belirli dersler ve disiplinler üzerindeki etkilerinin ötesinde, YZ’nin ortaya çıkışı; günümüzde yükseköğretimin doğasının, kapsamının ve amacının daha geniş ve bütüncül bir bakış açısıyla yeniden değerlendirilmesini zorunlu kılmaktadır.

Son olarak YZ, veri gizliliği ve mahremiyetinden; erişim eşitsizliği, önyargı, adalet ve hesap verebilirlik gibi konulara kadar topluluğumuz için önemli pratik sorunları da beraberinde getirmektedir. Yapay zekânın baş döndürücü büyümesi ve yükselişi; veri merkezlerinin çevresel etkilerinden fikri mülkiyet ve eğitim verilerinin kullanımına, teknolojinin ve sektörün insanlar üzerindeki genel etkilerine kadar toplum adına önemli soruları da beraberinde getiriyor; MIT’nin de bu soruları ele alması gerekiyor.

Diğer eğitim kurumları da yapay zekâya dair benzer sorular üzerinde kafa yoruyor ve ilginç fikirler geliştiriyor; ancak henüz hiçbiri bu konuyu tam anlamıyla çözebilmiş görünmüyor.

Kullandığımız ifadelere dair üç not:

• Not: Bu raporda “Eğitmenler” (Instructors) ifadesi; öğretim kadrosunu ve MIT bünyesinde eğitim faaliyetlerinde bulunan diğer herkesi kapsamaktadır.
• “Öğrenciler”e yapılan atıfların çoğu, hem lisans hem de lisansüstü öğrencileri kapsar; ancak Genel Enstitü Gereklilikleri (GIRs) veya Lisans Araştırma Fırsatları Programı (UROP) katılımcılarından bahsedilen durumlar gibi, kapsamın farklı olduğu açıkça anlaşılan birkaç istisna mevcuttur.
• “Biz” (we, us, our) ifadeleri bazen komite üyelerini, bazen de MIT’nin tamamını kastetmektedir. Aradaki fark, bağlamdan açıkça anlaşılacaktır.

2. Yol Gösterici İlkeler

Öncelikle, Enstitü’nün gelecekteki çalışmalarında yol gösterici olmasını umduğumuz ve güvendiğimiz sekiz ilkeyi tanımlayarak başlıyoruz.

2.1. Alçakgönüllü Olun

Bazı teknolojik yenilikler kademeli olarak ortaya çıkar: Toplum ve teknoloji birlikte geliştikçe, karşılıklı uyum etkiyi yumuşatır. Yapay zekanın öncüsü ve temel kolaylaştırıcısı olan bilgisayar bu modele uyar. Diğer yenilikler daha ani bir şekilde ortaya çıkar ve bireyler ve kurumlar uyum sağlamadan önce sosyal açıdan önemli hale gelir.

Toplum, yeni bir teknolojinin “doğuşunu”, kolayca kullanılabilir hale geldiği nokta olarak belirleme eğilimindedir. Bu ölçüye göre, üretken yapay zeka, 2022’nin sonlarında ChatGPT’nin piyasaya sürülmesiyle “doğdu”. Bu nedenle, üretken yapay zeka ile kamuoyu etkileşimi dört yıldan daha kısa bir süredir devam etmektedir. Bu süre zarfında, bir milyardan fazla kullanıcıya ulaşmış ve yapay zeka teknolojisi satan şirketler manşetlere, borsaya ve kamuoyunun bilincine hakim olmuştur. Başka bir deyişle, yapay zeka neredeyse her alanda ilerliyor ve toplumun etkilerini doğru bir şekilde gözlemleyip analiz etmesi ve ardından kademeli olarak uyum sağlaması için çok kısa bir zaman diliminde gelişiyor. Bu, ilk yol gösterici ilkemizi ortaya koyuyor: Önerilerimizi alçakgönüllülük ruhuyla sunuyoruz. Teknoloji amansız evrimine devam ederken ve Enstitü deneyler yapıp öğrenirken, rota düzeltmeleri – belki de büyük düzeltmeler – kaçınılmaz olacaktır.

2.2. Cesur Olun

Ancak belirsizlik, hareketsizlik için bir bahane olamaz. Bu, yamalar ve bantlarla çözüm üretme zamanı değil. Yapay zekanın öğretme ve öğrenmede sunduğu zorluklar, her yerde ve özellikle MIT’de cesur bir stratejik yanıt gerektiriyor. Bilgisayar Biliminin Sosyal ve Etik Sorumlulukları programımızın yedinci yılını tamamlamasıyla, bu yeni teknolojiyi toplumun ve özellikle öğrencilerimizin yararına kullanmanın yollarını bulmak için benzersiz bir konumdayız. Yapay zeka ayrıca, bireyselleştirilmiş özel ders ve koçluk için benzeri görülmemiş olanaklardan, birçok disiplindeki araştırmaların dramatik bir şekilde hızlanmasına ve yeniden yapılandırılmasına kadar olağanüstü fırsatlar sunuyor. Bu fırsatları değerlendirmek de cesaret gerektirir ve hak eder. Cesur düşünce özellikle önemlidir çünkü öğrencilerimiz toplumumuzun entelektüel, etik ve teknik yönünü şekillendirmeye yardımcı olacaklardır – ve bu çok yakında gerçekleşecektir. Onlara yapay zekanın zengin ve yapıcı kullanımlarına derinlemesine katılım ve potansiyeli ile dezavantajlarına dair gelişmiş bir anlayış borçluyuz. MIT’deki deneyimleri, yapay zekânın toplumun ve genel olarak dünyanın iyiliği adına nasıl ve nerede kullanılacağının belirlenmesine yardımcı olacak bilgelikle onları donatmalıdır.

2.3. İnsanlığı merkeze alın

İnsan yetenekleri üzerine inşa edilen, onlardan esinlenen ve pek çok açıdan artık onları aşan muazzam kapasitelere sahip bir teknolojiyle karşı karşıya kaldığımızda; Enstitü’nün temel zorluğu ve en önemli hedefi, ortak insanlığımızı besleyip korumak; MIT topluluğuna, üyelerine ve onların gelişimine her şeyin üzerinde değer vermek olmalıdır.

Öğretim elemanlarıyla yapılan bir dinleme oturumunda, bazılarının lisans öğrencilerini UROP (Lisans Araştırma Fırsatları Programı) kapsamında işe almak yerine yapay zeka ajanlarını araştırma asistanı olarak kullanmayı düşündüklerini öğrendik. Hız ve kaynakların verimli kullanımı (özellikle de araştırma kaynaklarının bu denli kısıtlı olduğu bir dönemde) açısından bu yaklaşımın mantıklı bir gerekçesi olabilir. Ancak bu kriterler kararlarımıza yön vermeye başlarsa, hepimiz şu soruyu sormalıyız: “Burada birlikte ne yapmaya çalışıyoruz?”

Bir topluluk olarak şunu aklımızda tutmalıyız: Araştırma, MIT’nin misyonunun merkezinde yer alsa da, kendi başına bir amaçtan çok daha fazlasıdır; kampüsümüzde araştırma aynı zamanda bir çıraklık sürecidir; yani çalışmalarımızı sürdürecek ve araştırma alanlarımızı ileriye taşıyacak yeni nesil araştırmacıları yetiştirmenin bir yoludur. Araştırmayı “yaparak öğrenme” fırsatı olarak kullanmak, görünürde bazı “verimsizliklere” yol açabilir; ancak bu bir hata değil, sistemin bilinçli bir özelliğidir.

İnsanlığımıza odaklanmak, bizi şu gerçeğe karşı da uyarmalıdır: Yapay zekanın yarattığı sorunlara yönelik yaygın çözüm yolları, öğretim elemanları ile öğrenciler arasındaki ilişkilere zarar verme riski taşımaktadır. Örneğin, pek çok öğretim elemanı, izinsiz yapay zeka kullanımını “denetlemek” zorunda kalmanın öğrencilerle olan bağlarına zarar verdiğini belirtmiştir (öğrendiğimiz üzere, yapay zeka tespit yazılımlarının oldukça güvenilmez olması bu durumu daha da kötüleştiren bir etkendir). Öğrenciler ise haksız yere yapay zeka destekli kopya çekmekle suçlanmaktan korkmakta; ayrıca notlandırma, ödev hazırlama ve geri bildirim verme gibi insani dokunuş gerektiren alanlarda öğretim elemanlarının yapay zeka kullanmasından giderek daha fazla rahatsızlık duymaktadır. Karşılıklı şüpheyle beslenen böyle bir yeraltı akıntısı, sağlıklı bir sınıf ortamı için asla sağlam bir temel oluşturamaz.

2.4. Öğrenme sürecine ağırlık verin

MIT derslerinde öğrenmeyi pekiştirmek ve öğrenci gelişimini değerlendirmek amacıyla kullanılan pek çok problem ve ödev, halihazırda yapay zeka tarafından çözülebilmektedir. Öğrencilerin yapay zekayı sınırsızca kullanması, bazı geleneksel değerlendirme yöntemlerinin bireysel öğrenmeyi yansıtma konusundaki güvenilirliğini azaltabilir; bu da notlara ve akademik yeterlilik belgelerine duyulan güveni zayıflatabilir. Eğitimciler açısından, norm ve beklentilerdeki bu köklü değişim, derin bir yönünü şaşırma ve belirsizlik hissi yaratabilir. Ancak bir topluluk olarak bizi en çok endişelendirmesi gereken husus, yapay zekânın pek çok kullanım biçiminin öğrencileri öğrenme fırsatından mahrum bırakmasıdır.

Yapay zekânın alışılagelmiş öğretim ve sınav yöntemlerine yönelttiği tehdit, aslında gizli bir lütuf olabilir; zira yaşanan değişimler, görmezden gelinemeyecek kadar ani ve köklü. Komitemizde yer alan öğretim üyelerinin de doğrulayacağı üzere, eğitimciler en az yirmi yıldır şu sorunların öğretim ve öğrenme süreçlerine yüklediği baskıdan yakınıyorlar: bölünmüş dikkat, her an her yerde karşımıza çıkan dijital cihazlar, öğrenmekten ziyade notlara odaklanan dar bir bakış açısı ve öğrencilerle öğretmenlerin ortak bir entelektüel çabada buluştukları hissinin zayıflaması.

Kendine has eğitim yaklaşımının gücüyle gurur duyan bir kurum olarak MIT’ye düşen görev, bu anın sunduğu fırsatı değerlendirmektir: Yapay zekânın dayattığı inkâr edilemez değişimleri bir dönüm noktasına dönüştürmek ve ortak eğitim misyonumuzu aşındıran güçlerle kararlılıkla mücadele etmek.

Öğrenme sürecini merkeze almak, öğretmenler ile öğrenciler arasında yeni bir “toplumsal sözleşme” oluşturmak anlamına gelir. MIT’de ders veren herkesin, öğrencilere şu iki hususu kavramaları konusunda yardımcı olmaya hazır olması gerekecektir: Eğitim süreci doğası gereği verimli bir çaba gerektiren bir süreçtir ve eğitimin en önemli çıktısı bir not ortalaması veya diploma değil, bizzat öğrencilerin kendileridir; yani kişisel gelişimleri, entelektüel olgunlukları ve hayal güçleri, içgörüleri ile muhakeme yeteneklerinin gelişimidir.

Bu tutumları kazandırmak her eğitimcinin temel görevlerinden biri haline gelmelidir; böylece öğrencilerimiz sadece neyi öğrenmeleri gerektiğini değil, aynı zamanda nasıl öğrenmeleri gerektiğini ve öğrenmenin neden önemli olduğunu da bilir hale gelirler. Onlara; düşünce süreçleri üzerine düşünebilme (üstbiliş), yansıtıcı uygulamalar geliştirme ve kendi eylemleri üzerindeki kontrol ve inisiyatif duygularını (kişisel irade ve yetkinlik) güçlendirme konularında yardımcı olmalıyız. Bu süreç, öğretim üyeleri açısından hem özveri hem de yeni bir hazırlık süreci gerektirecektir.

2.5. Bilinçli bir yaklaşımla öğretim yapın

MIT’de verilen derslerin çoğu, yapay zeka (YZ) ile karşılaşıldığında ciddi bir aksama yaşamadan varlığını sürdürebilmek için dikkatli bir inceleme ve çoğu durumda önemli ölçüde uyarlama gerektirecektir. YZ; içerik seçimine, öğretim yöntemlerine ve öğrenci performansının değerlendirilme biçimlerine yön veren pedagojik varsayımları sarsacaktır.

Kısacası, ne öğrettiğimiz ve bunu nasıl öğrettiğimiz üzerine derinlemesine ve kapsamlı bir şekilde düşünme zamanı gelmiştir. Gelecekteki ders yapıları, değerlendirmeler ve politikalar; yalnızca YZ’nin getirdiği anlık gerçekliklere tepki olarak yapılan küçük değişikliklerle değil, yüksek bir bilinç ve net bir amaç duygusuyla oluşturulmalıdır. Ancak bu, her dersin aynı şekilde değişmesi gerektiği anlamına gelmez.

“Tersine tasarım” (backward design) olarak bilinen ve başarısı kanıtlanmış teknik, burada yararlı bir çerçeve sunar. Örneğin eğitimciler, belirli bir konuda YZ’ye izin verilip verilmemesi gerektiğini sorarak işe başlamak yerine, öğrenme deneyiminin amacını tanımlayarak başlayabilirler: öğrencilerin neleri bilmesi, neleri yapabilmesi ve nelere değer vermeyi öğrenmesi gerektiği gibi. Ardından ödevler ve değerlendirmeler, bu çıktıları ölçecek ve teşvik edecek şekilde tasarlanabilir; bu süreçte YZ yararlıysa kullanılır, değilse kullanılmaz.

Mevcut yapıları yeniden tasarlamak, yeniden değerlendirmek veya bilinçli bir şekilde korumak için gereken eğitmen zamanı ve çabası muhtemelen önemli düzeyde olacaktır. Ancak bu pedagojik düşünme ve muhakeme süreci başlı başına değerlidir. Bilinçli öğretim, bilinçli öğrenmeyi teşvik eder; eğitmenler YZ’nin neden izin verildiğini, sınırlandırıldığını veya zorunlu tutulduğunu net bir şekilde açıkladıklarında, öğrencilerin korunmaya veya geliştirilmeye çalışılan öğrenme sürecini anlama olasılıkları artar.

Bu sayede tersine tasarım, MIT’nin YZ gerçeklerine dürüstçe uyum sağlarken eğitiminin amacını korumasına yardımcı olabilir. (Sevindirici bir şekilde, MIT’nin Öğretme ve Öğrenme Laboratuvarı, eğitmenlerin bu araca hakim olmalarına yardımcı olmak için gereken donanıma sahiptir.)

2.6. Her duruma uyan tek bir yöntem yoktur

Eğitimde YZ’ye yönelik tek bir yaklaşım MIT için yeterli olmayacaktır. Bir şiir semineri, bir matematiksel ispat dersi ve bir mimari tasarım laboratuvarı, mantıksal olarak YZ ile farklı ilişkiler gerektirir. Bazılarında, yaratıcı çalışmalar üretmek veya bir sorunu çözmek için YZ kullanmak, o çalışmanın amacını boşa çıkarır; diğerlerinde ise YZ yetkinliği halihazırda mesleki uygulamanın bir parçasıdır ve bundan kaçınmak öğrencilerin eksik donanımla kalmasına yol açar. Benzer şekilde, temel becerilerini ve muhakeme yeteneğini geliştiren birinci sınıf öğrencisi, derinlemesine bildiği bir alanda literatür taramasını hızlandıran doktora adaylarından farklı bir yapay zekâ ile ilişki içindedir. Kısacası, enstitü genelinde tek tip bir kural, bazı bağlamlar için çok müsamahakar, diğerleri için ise çok kısıtlayıcı olacaktır.

Bu, her öğretim görevlisinin sıfırdan yapay zekâ politikası oluşturması gerektiği anlamına gelmez. MIT, bölümlerin ve öğretim görevlilerinin seçim yapabileceği ortak bir çerçeve – ortak bir politika menüsü, açıklama beklentileri ve hesap verebilirlik standartları dahil – sağlamalıdır. Bölümler bu çalışma için doğal bir birimdir, çünkü öğrenciler bir ana dalı tutarlı bir ilerleme olarak deneyimler ve yapay zekânın ne zaman hoş karşılandığı, ne zaman kısıtlandığı ve nedenine ilişkin tutarlılıktan fayda görürler.

2.7. Otomasyon değil, yetkinlik artırma

Yapay zeka destekli teknolojiler daha yetenekli hale geldikçe, daha fazla “düşünme” görevini onlara devretmek mümkün –ve cazip– olacaktır; şaşırtıcı olmayan bir şekilde, öğrenciler bize bu cazibenin en çok bir teslim tarihini kaçırmaktan korktuklarında hissedildiğini belirttiler. Ancak, sohbet robotlarına aşırı güvenmenin; eleştirel düşünmeyi köreltme, hafızayı zayıflatma, özgüveni aşındırma ve uzmanlık kazanımını baltalama gibi bir dizi önemli olumsuz sonuca yol açabileceğine dair erken sinyaller de mevcut.

Bir sohbet robotundan doğru cevabı almak bir öğrenme yanılsaması yaratabilir; ancak aynı zamanda, öğrencilerin en ufak bir zorluk belirtisinde yapay zekaya başvurdukları bir “bilişsel teslimiyet”4 durumunu da tetikleyebilir. Yakın tarihli bir makalede5, MIT’den üç tanınmış ekonomist –Daron Acemoğlu, David Autor ve Simon Johnson– “çalışan yanlısı yapay zeka” olarak adlandırdıkları kavramı savunuyorlar. Bu uzmanlar, işletmelerin yapay zeka sistemlerini çalışanların yerini alacak şekilde tasarlamak yerine; insanların “mevcut görevlerinde daha etkili olmalarını, yeni görevlerin üstesinden gelmelerini ve yeni uzmanlıklar edinmelerini” sağlayan yapay zeka teknolojileri geliştirmeleri gerektiğini öne sürüyorlar.

Aynı anlayışla, MIT’nin eğitimde yapay zeka kullanımını “öğrenen yanlısı” olacak şekilde hep birlikte şekillendirmeliyiz; bu, düşünmenin, öğrenmenin, yaratmanın ve problem çözmenin getirdiği o “zorlu ama keyifli” süreci (hard fun) ortadan kaldırmak için değil, öğrencilerin üzerine düşünebilecekleri, öğrenebilecekleri ve çözebilecekleri şeylerin kapsamını genişletmek için yapılmalıdır. Kısacası yapay zeka; merakı, yaratıcılığı ve öğrenmeyi otomatikleştirmek için değil, bunları desteklemek ve geliştirmek için kullanılmalıdır.

Önemli bir nokta da, bu meselenin psikolojik olduğu kadar sosyal bir boyuta da sahip olmasıdır. Otomasyonun iş kaybı, vasıf kaybı ve çalışanların giderek yalnızlaşması gibi riskler yaratması gibi; eğitimde sohbet robotlarına duyulan aşırı güven de çalışma grupları gibi akranlar arası bağlantıları devre dışı bırakmakta ve öğrenciler ile eğitmenler arasındaki etkileşimi azaltmaktadır. Eğer otomasyon yerine yetkinlik artırmanın (augmentation) öne çıkmasını istiyorsak, bunu soyut ve “arzulanan” bir idealden fazlası olarak görmeliyiz; bu, pedagojik yaklaşımlarımızın teşvik edilmesine yardımcı olabileceği somut bir uygulamadır.

Bu durum bizi son ilkemize getiriyor.

2.8. Sınıfın ve kampüsün ötesini düşünün

Yapay zeka, MIT eğitimine; öğrencilerin bütüncül bireyler olarak gelişim kapasitelerini azaltacak şekilde değil, aksine güçlendirecek ve artıracak biçimlerde entegre edilmelidir. Önde gelen bir eğitim psikoloğu ve bilişsel bilim öncüsü olan Jerome Bruner, *The Culture of Education* (Eğitim Kültürü) adlı eserinde, öğrenmenin sadece öğretmenden öğrenciye içerik aktarılmasına dayalı teknik bir mesele olmadığını; aksine öğrencilerin dünyayı yorumlamayı, toplumdaki yerlerini bulmayı ve kendilerini yetkin bireyler olarak görmeyi öğrendikleri bir süreç olduğunu savunmuştur.

Eğer öğrenme öncelikle bir içerik aktarımı olarak (yanlış) anlaşılırsa, son derece duyarlı ve etkileşimli yapay zeka sistemleri; öğretmenlerin, mentorların, akranların, iş birliği yapılan kişilerin ve öğrenmenin kişilerarası boyutlarının yerini tamamen alabilirmiş gibi görünebilir. Ancak bu yaklaşım giderek yaygınlaşsa da, dar görüşlü bir bakış açısıdır. Eğitim; öğrencilerin anlamlandırmayı, muhakeme yapmayı, kimlik oluşturmayı ve topluluğa sorumlu bir şekilde katılmayı öğrendikleri kültürel bir pratiktir.

Öğrencilerimizin MIT’de edindiği kazanımların büyük bir kısmı, ders izlencelerinde veya ödevlerde açıkça belirtilmez; bunlar, kampüsümüzde bir arada yaşayıp çalışırken öğrendikleri şeylerdir: sorun çözme, muhakeme yapma, zorluklar karşısında azim gösterme ve entelektüel bir topluluğun üyesi olma süreçlerine yön veren örtük beklentiler, alışkanlıklar, ilişkiler ve değerler. “Kampüs içi eğitim”in (residential education) güçlü olmasının nedenlerinden biri, bu sürecin her yerde gerçekleşmesidir: yurtlarda, yaşam gruplarında, spor takımlarında, sanat gruplarında, kulüplerde ve benzeri ortamlarda.

Daha önce ele aldığımız üzere, temel bir tehlike, yapay zekanın öğrencilerin öğrenme sürecini atlamalarına olanak tanımasıdır. Bir diğer endişe verici husus ise, öğrencilerin “işlem odaklı” bir modeli benimseyebilecek olmalarıdır; bu modelde ödevler birer çıktı, öğretmenler değerlendirici, akranlar isteğe bağlı unsurlar ve bilgi (veya bir MIT diploması) mümkün olduğunca verimli bir şekilde elde edilmesi veya üretilmesi gereken, optimize edilebilir bir meta olarak görülür.

Böylesi bir zihinsel model, sınıf ortamıyla sınırlı kalmayacaktır. Öğrencilerin işi, iş birliğini ve sosyal sorumluluğu algılama biçimlerini şekillendirecek ve onlar bu zihniyeti dış dünyaya da taşıyacaklardır. Yapay zeka sistemleri ne kadar sosyal veya etkileşime açık hale gelirse gelsin, bir insan olarak gelişmek ve olgunlaşmak için gerekli olan ilişkilerin ve pratiklerin yerini tutamazlar.

Bu nedenle MIT, yapay zekaya yalnızca eğitimin verimliliğini artıran bir araç olarak değil, aynı zamanda eğitimin daha geniş amaçlarını destekleyecek şekilde yönetilmesi gereken bir güç olarak yaklaşmalıdır. Öğrenciler yapay zekayı verimli ve yetkin bir şekilde kullanmayı öğrenmeli; ancak bunu, sınıflarda, laboratuvarlarda, iş yerlerinde, ailelerinde ve topluluklarında nitelikli bir katılımcı olma kapasitelerini derinleştirecek yollarla yapmalıdırlar. Amaç, öğrencileri yapay zekadan korumak ya da eski eğitim biçimlerini sırf varlıklarını sürdürmeleri adına muhafaza etmek değildir. Asıl amaç, yapay zeka kullanımının; eleştirel düşünebilen, inisiyatif alabilen, başkalarıyla verimli bir şekilde çalışabilen ve dokuz milyar başka insanla paylaşılan bir dünyada tercihlerinin sonuçlarını kavrayabilen bireylerin gelişimini desteklemesini sağlamaktır.

3. Öneriler

Bu bölüm, MIT’nin öğrencilerini yeni bir dünyaya hazırlaması için gerekli gördüğümüz değişiklikleri ayrıntılandırmaktadır. Enstitü’nün köklü değerlerine dayanan önerilerimiz, tek tek veya parça parça hayata geçirilebilecek münferit girişimlerden oluşan bir kontrol listesi değil; aksine, eşgüdüm içinde gerçekleştirilmesi gereken esaslı değişiklikler bütünüdür.

Köklü değişikliklerin zaman gerektirdiğinin farkındayız. Ancak topluluğumuzu halihazırda etkileyen durumlar göz önüne alındığında, gerekli değişikliklerin iki farklı zaman çizelgesinde hayata geçirilmesi gerekmektedir: derhal gerçekleşecek olanlar ve hemen başlatılmakla birlikte daha fazla inceleme ve planlama gerektirenler.

Yapay zeka —Büyük Dil Modelleri (LLM’ler) ve diğer üretken yapay zeka teknolojileri biçiminde— MIT’nin karşısına hem ciddi zorluklar hem de ilgi çekici fırsatlar çıkarmaktadır.

Bu teknolojiler şimdiden; makaleler, matematik ve fen bilimleri problemleri, ispatlar ve kodlama ödevleri dahil olmak üzere lisans müfredatımızdaki hemen hemen her yazılı ödev için inandırıcı çözümler üretebilmekte ve makul yanıtlar sunabilmektedir.

Endişe verici etkiler

Pek çok öğrencinin öğrenme ve problem çözme süreçlerinde yapay zekaya yönelmeyi tercih etmesi veya bu yönde bir baskı hissetmesi nedeniyle, bu teknolojiler üç yıldan kısa bir süre içinde kampüs kültüründe büyük değişimlere yol açmıştır; bunlar arasında öğretim üyelerinin görüşme saatlerine (office hours) katılımın azalması, çevrimiçi tartışmalara katılımın düşmesi ve —duyumlarımıza göre— yurtlarda, kütüphanelerde ve diğer çalışma alanlarında yüz yüze çalışma gruplarının azalması yer almaktadır. Bu sorunlar aniden ve çarpıcı bir şekilde ortaya çıkarak açık bir aciliyet hissi yaratmıştır. Ayrıca bu durum, yükseköğretimin başka zorluklarla karşı karşıya olduğu ve MIT’nin bizzat Lisans Akademik Programı Görev Gücü’nün (TFUAP) bulgu ve önerilerinden yola çıkarak kapsamlı müfredat değişikliklerini değerlendirdiği bir döneme denk gelmektedir.

İlgi çekici fırsatlar

Bu zorluklar aciliyet arz etse de, yapay zeka öğrenme ve üretim süreçleri için heyecan verici fırsatlar da sunmaktadır. Pek çok öğretim elemanı, yapay zeka araçlarının; öğrencilerin konu içeriğini daha derinlemesine keşfetmelerine olanak tanıyan ve öğretim elemanlarının öğrencileri için yeni veya her öğrenciye özel olarak uyarlanmış öğrenme deneyimleri oluşturmasını sağlayan, kişiselleştirilmiş ve etkileşimli öğrenme araçları geliştirmelerine yardımcı olduğunu belirtmiştir. Küçük bir yönlendirmeyle, yazılım geliştirme konusunda uzman olmayan öğretim elemanları bile bir dersi veya araştırma projesini desteklemek üzere yapay zeka ajanlarını özelleştirebilirler. Öğrenciler, daha önce hayal bile edilemeyecek ölçekteki yazılım projelerini, derslerin kısıtlı zaman dilimi içinde hayata geçirebilirler. Ayrıca verileri analiz etmek, araştırma yapmak ve hem kendilerine hem de toplumun geneline fayda sağlayan projeleri yürütmek amacıyla uzmanlıklarını güçlendirecek araçlar geliştirmek için yapay zekadan yararlanabilirler. Bu teknolojilerin kampüs genelindeki çalışmaları destekleme potansiyeli çok büyük.

Aşağıda sunduğumuz öneriler, MIT topluluğunun yapay zekanın zorluklarının üstesinden gelmesine ve fırsatlarından yararlanmasına yardımcı olmayı amaçlarken, Bölüm 2’de ortaya konan ilkeleri de yansıtıyor. Örneğin, Alçakgönüllülük, bugün yaptığımız herhangi bir değişikliğin gelecekte yeterli olacağını varsaymak yerine, sürekli değerlendirme ve revizyon için idari süreçler oluşturmamız gerektiği anlamına gelir. Cesaret, öğrencilerimiz ve sistemlerimiz üzerindeki yapay zekanın etkilerini sınırlamak veya ortadan kaldırmak için mevcut sistemi yamalamak yerine, eğitimin geleceğini yeniden tanımlamaya yardımcı olacak şekilde öğrenme deneyimlerini, değerlendirmeleri ve müfredatları yeniden tasarlamamız gerektiği anlamına gelir. İnsanlığı ön plana çıkarmak, MIT’deki yerleşik eğitimin değerini zayıflatmak yerine güçlendiren yapay zeka kullanımları arayacağımız anlamına gelir. Öğrenmeye yönelmek, kasıtlı olarak öğretmek, öğrencilerin ne öğrenmesi gerektiğini tekrar gözden geçirmek ve değerlendirmeleri bu istenen sonuçlarla uyumlu hale getirmek anlamına gelir; böylece yaparak öğrenme eğitimine özgü verimli mücadele korunur. Tek tip bir yaklaşımın olmaması, tüm öğrenciler, eğitmenler veya bölümler için geçerli tek tip yapay zeka kuralları yerine, yapay zekaya uyum sağlamak için özel çerçeveler geliştirmemiz gerektiği anlamına gelir. Otomasyon yerine artırma, öğrencileri yapay zekayı akıcı bir şekilde ve özerklik, muhakeme, dürüstlük ve insani bağlantıyı koruyacak şekilde kullanmaya hazırlamak demektir. Sınıfın ve kampüsün ötesinde düşünmek, öğrencilerimizin toplum üyeleri, geleceğin liderleri ve yeni nesil yapay zeka teknolojisinin yaratıcıları olarak iş ve yaşamda başarı için ihtiyaç duyacakları becerileri öngörmemizi gerektirir.

Üç temel çalışma alanı

Mevcut koşulların, öğrenci deneyiminin köklü bir şekilde yeniden şekillendirilmesini gerektirdiğine inanıyoruz. Bir MIT öğrencisinin yaşamı şüphesiz 10 veya 15 yıl sonra bugünkünden farklı görünecek olsa da, bir topluluk olarak bu deneyimin her zaman ve hemen tanınabilir bir “MIT deneyimi” olarak kalmasını sağlama sorumluluğumuz bulunmaktadır. Paradoksal bir şekilde, en önemli unsurları korumak, bilinçli ve kasıtlı bir değişim süreci gerektirecektir.

Önerilerimizi, aşağıda kısaca özetlenen üç başlık altında topluyoruz. Genel hatlarıyla, öğretim kadrosu ve idarenin ortak çabalarıyla MIT’nin şunları yapmasını öneriyoruz:

Eğitim süreçlerini yapay zeka bilincine sahip bir dünyaya uyarlamak (Bölüm 3.1)

Öğrencilerimizin neleri öğrenmesi gerektiğini tüm kampüs genelinde ve mümkün olan en kısa sürede gözden geçirmek. Öğretim elemanları ve bölümlerin öncülük edeceği bu “yapay zeka bilincine dayalı” süreç; daha sosyal ve deneyimsel sınıf içi etkinliklerin tasarlanmasına ve temel öğrenci kazanımlarına dair geri bildirim sağlayan yenilikçi ödev ve değerlendirme yöntemleriyle uyumlu bir yapı oluşturulmasına rehberlik edecektir. Bu süreç aynı zamanda notların ve notlandırma sisteminin doğasının yeniden incelenmesini de gerektirecektir.

Öğretim elemanlarına özel kaynaklar (örneğin, ek asistan desteği) sağlayarak ve fiziksel alanları deneyimlemeye, topluluk oluşturmaya ve yapay zekadan bağımsız etkileşim ve değerlendirme süreçlerine uygun hale getirerek bu süreci kolaylaştırmak.

MIT bünyesinde, üyelerin karşılaştıkları zorlukları ve elde ettikleri bulguların yanı sıra öğretim ve öğrenimi geliştirmeye yönelik araç ve teknikleri de paylaşabilecekleri “uygulama toplulukları” oluşturmak.

İnsanı, topluluğu ve kampüs içi yaşam deneyimini merkeze almak (Bölüm 3.2)

Paylaşılan deneyimler, şeffaflık ve yüz yüze etkinliklere odaklanma temelinde kampüs içi yaşam deneyimini yeniden canlandırmak ve güçlendirmek.

Yapay zeka okuryazarlığı ile sorumlu ve etik yapay zeka kullanımını, belirli disiplinlerle olan bağlantılarına özen göstererek, öğrenci çalışmalarının temel bir unsuru ve süreklilik arz eden bir parçası haline getirmek. Bu elbette teknik yetkinlik gerektirecektir; ancak asıl önemli olan, yapay zekayı insanı destekleyen ve kapasitesini artıran bir araç olarak gören insan odaklı bir yaklaşımı benimsemektir.

Sürekli değerlendirme, yineleme ve iyileştirmeyi mümkün kılacak süreçler, ekipler ve araçlar oluşturmak (Bölüm 3.3)

Bu zorlukları ele almak üzere roller, süreçler ve sürekli faaliyet gösterecek komiteler oluşturmak.

Geri bildirim ve veri toplamak, araştırmaları ve en iyi uygulamaları yakından takip etmek, diğer kurum ve kişilerle bağlantı kurup onlardan öğrenmek.

Tüm bunları mümkün kılmak için teknik ve eğitsel destek sağlamak. Buna ek olarak; yapay zekânın toplum, iş hayatı, çevre ve daha pek çok alan üzerindeki geniş kapsamlı etkilerine dair, kampüs içi yapay zekâ politikamızı da ilgilendiren bir dizi endişeyi tespit ediyoruz.

3.1. Eğitim süreçlerini yapay zeka farkındalığına sahip bir dünyaya göre uyarlayın

Üretken yapay zeka; öğrencilerimizin neleri bilmesi ve yapabilmesi gerektiğini (öğrenme çıktılarımızı), bu çıktılara nasıl ulaştıklarını ve öğrendiklerini nasıl değerlendirdiğimizi etkilemektedir.

Yapay zekanın MIT düzeyindeki ödevleri yetkin bir şekilde tamamlama becerisi, sınıf dışı çalışmalara dayalı öğrenci ilerlemesini değerlendirmeyi zorlaştırdığından, öğretim elemanları acilen yeni değerlendirme stratejilerine ihtiyaç duymaktadır.

Değerlendirme konusunda çeşitli önerilerde bulunurken, öğretim elemanlarını derslerini sadece “yapay zekaya karşı korunaklı” (AI-proof) hale getirmeye çalışmaktan daha fazlasını yapmaya teşvik ediyoruz. Özellikle yapay zekanın öğrenmenin sosyal yönlerini değiştirme biçimleri —örneğin öğrencilerin ders asistanlarıyla etkileşimi, ofis saatlerine ve çalışma gruplarına katılımları gibi— çok daha derin bir zorluk teşkil etmektedir.

3.1.1. Ders hedeflerini yeniden gözden geçirin

Yapay zeka farkındalığına sahip değerlendirmelerin nasıl kurgulanacağını düşünmeden önce, öğretim elemanları öğrettikleri her konuda öğrenci öğrenimine dair hedeflerini yeniden değerlendirmelidir. Öğrenciler dersin sonunda neleri bilmeli veya yapabilmelidir?

Belirli bir konuya ilişkin öğrenme hedefleri yapay zekanın varlığından etkilenmeyebilir; ancak bu hedefler “yapay zeka farkındalığına” sahip olmalıdır. Yani; dünyada yapay zekanın varlığını, öğretim elemanlarının bunun sınıf içinde veya dışında yapılandırılmış yollarla kullanımını yönlendirebileceğini veya buna izin verebileceğini ve öğrencilerin de izinsiz olarak bunu kullanmaya çalışabileceğini dikkate almalıdır.

Birçok öğretim elemanı için en büyük endişe şudur: Yapay zeka, öğrenme sürecindeki bilişsel çabayı başka bir kaynağa devretmeyi mümkün kıldığında, öğrencilerin gerçekte neleri bildiğini ve anladığını nasıl değerlendirebiliriz?

Yapay zeka çağında, bazı geleneksel öğrenme hedeflerinin yeniden düşünülmesi gerekebilir; örneğin, öğrencilerimizin çoğunun karmaşık programları elle yazabilmesi gerekiyor mu? Bireysel öğretim elemanları ve bölümler, köklü hedeflerin hala önemli olup olmadığını değerlendirmeli ve eğer öyleyse, bunları değerlendirmek için yapay zekaya karşı dirençli yöntemler geliştirmelidir.

Laboratuvar, proje veya performansa dayalı çalışmaları içeren öğrenme hedefleri büyük bir değişiklik gerektirmeyebilir; ancak üretken yapay zeka, öğrencilerin üzerinde düşünmelerine, pratik yapmalarına veya performansa hazırlanmalarına yardımcı olacak yenilikçi yollar sunabilir. Örneğin bir eğitmen bize, arabuluculuk yapmayı öğrenen öğrenciler için kişiselleştirilmiş ve derse özgü yapay zeka koçları sağlamanın, başkalarının önünde topluluk önünde konuşma pratiği yapmaktan kaynaklanan tedirginliği ortadan kaldırdığını; bunun da öğrencilerin pratik yapma isteğini ve dolayısıyla becerilerini önemli ölçüde artırdığını bildirdi.

Yapay zeka ayrıca eğitmenlerin; çok karmaşık metinleri, mühendislik ürünlerini veya büyük yazılım sistemlerini anlama ya da bunlar üzerinde yeni yöntemlerle çalışma gibi, daha önce imkansız olan öğrenme hedefleri belirlemelerine de olanak tanıyabilir.

3.1.2. Yeni ders politikaları, yapıları ve değerlendirme biçimleri aracılığıyla kalıcı öğrenmeyi sağlayın

MIT’nin müfredatı, zorlayıcılığıyla bilinir. Üstelik pek çok öğrenci, programlarını yoğun ders yükleri ve çok sayıda ders dışı etkinlikle doldurur. Zamanları üzerindeki bu çelişkili talepler, öğrencileri verimliliği ön planda tutmaya iter; yapay zeka aracılığıyla işleri otomatikleştirmekten daha verimli bir yol da olamaz. Ancak öğrenciler bu cazip seçeneğe boyun eğerlerse, gerçek öğrenme için gerekli olan bilişsel zorlanmadan ve verimli çabadan kendilerini mahrum bırakmış olurlar.

Yapay zeka, yerleşik öğrenme hedefleri ile alışılagelmiş değerlendirme biçimleri arasında bir uyumsuzluk yaratmış ve bu uyumsuzluğu gözler önüne sermiştir. MIT’de uzun süredir; öğrencilerin pratik yaparak bilgilerini pekiştirmelerini ve öğrendiklerini sergilemelerini sağlamak amacıyla problem setleri, kapsamlı yazılı ödevler, ev ödevi formatındaki sınavlar ve ders dışında tamamlanan projeler kullanıyoruz. Yapay zeka, hem öğretim hem de değerlendirme açısından bu araçların değerini zayıflatmaktadır.

Eğitmenler bunun zaten farkındalar: Yapay zeka karşısında öğrencileri değerlendirme yöntemlerini değiştirmeleri gerekiyor. Birçoğu şimdiden notlandırmada sınavların ağırlığını artırıyor ya da öğrencilerden ders sırasında yazı yazmalarını veya kodlama yapmalarını istiyor. Ancak bu taktiksel çözümlerin bir bedeli var: Örneğin, sınıf içi değerlendirmelere aşırı ağırlık vermek, öğrencilerin uzmanlığa giden yolda gerekli olan zorlu ve zaman alıcı problem setlerine ve projelere emek harcama motivasyonunu azaltmak anlamına gelir. Doğası gereği, değerlendirmelerin süre kısıtlı ders saatlerine kaydırılması, öğrencilerin üzerinde düşünebilecekleri ve derinlemesine kafa yorabilecekleri süreyi sınırlar. Eğer öğrencilerin; kapsamlı, titiz, yaratıcı ve özenli nitelikteki değerli çalışmaları önemsemelerini ve bunları nasıl oluşturup ayırt edeceklerini bilmelerini istiyorsak; hızlı ve sonucu büyük önem taşıyan değerlendirmeler, şu anda onlara vermek istediğimiz mesajın tam tersini yansıtmış olur.

Eğitmenlerin, mevcut değerlendirme yöntemlerini sadece “yapay zekaya karşı korunaklı hale getirmek” yerine, öğrencilerin gerçekten neleri bilmesini istediklerini yeniden gözden geçirmeleri ve kalıcı bir anlayış ile uzmanlık kazandıran o verimli çabayı teşvik eden (hatta bu çabayı bizzat içeren) değerlendirme yöntemleri geliştirmeleri gerekmektedir.

Eğitmenleri; sözlü sınavlar, dönem boyu hazırlanan portfolyolar ve sınıf içi tartışmalarla desteklenen ders dışı ödevler gibi yapay zekaya karşı daha az savunmasız ve öğrenme açısından daha değerli değerlendirme biçimlerini dikkate almaya çağırıyoruz. Bu durum muhtemelen, asistanlar ve ders süresi gibi kaynakların değerlendirme sürecinde daha merkezi bir rol oynaması anlamına gelecektir. Aşağıdaki Bölüm 3.3’te açıklandığı üzere, Enstitü’nün, eğitmenlerin yeni değerlendirme fikirlerini ve ortaya çıkabilecek en iyi uygulamaları paylaşmaları için verimli yollar oluşturmasını da umuyoruz.

3.1.3 Deneyimsel ve proje tabanlı öğrenmeye ağırlık verilmesi

Yapay zekâdan etkilenmeyen değerlendirme yöntemlerine doğru yaşanan değişime uyum sağlamak amacıyla, eğitmenlerin deneyimsel ve proje tabanlı öğrenmenin rolünü artırmaları gerekmektedir. Bu tür yaratıcı öğretim yaklaşımlarını teşvik etmek için MIT, tüm eğitmenlerin öğretim becerilerinin ve uygulamalarının geliştirilmesini desteklemeli ve bu alandaki katkıları takdir etmelidir.

İşin ilginç yanı, bazı durumlarda yapay zekânın kendisi de deneyimsel öğrenme fırsatlarına kapı aralayabilir. Örneğin, yapay zekâ kodlama ve belirli tasarım türleri gibi görevlerde üstün başarı gösterdiğinden, eğitmenler artık çok daha iddialı projeler verebilmektedir. Sözgelimi, MIT’deki bitirme projesi (capstone) düzeyindeki bir yazılım mühendisliği dersinde, öğrencilerin bir dönem içinde makul ölçüde üstlenebilecekleri projelerin kapsamı genellikle sınırlı tutulmak zorunda kalıyor ve projeler temel açılardan gerçekçilikten uzak olabiliyordu; oysa günümüzde öğrencilerin yapay zekâ destekli kodlama araçlarını kullanarak tek bir akademik dönemde neredeyse nihai ürün kalitesinde yazılım çıktıları geliştirmelerini beklemek son derece makuldür. Bu durum, daha derinlemesine bir deneyimsel öğrenmeye de olanak tanır: öğrenciler farklı tasarımların gerçek dünyada nasıl işlediğini keşfedebilir, belirli tasarımların diğerlerine kıyasla neden daha iyi sonuç verdiğini değerlendirebilir ve geliştirdikleri sistemlerin gerçekçi ortamlarda nasıl çalıştığını inceleyebilirler.

Fırsatlar yalnızca bilgisayar bilimleriyle sınırlı değildir: Mimarlık öğrencileri, geleneksel temsil becerileriyle mümkün olanın ötesine geçerek, fikirlerini görselleştirmenin ve hızla test etmenin yeni yollarını denemek için yapay zekâdan yararlanmaktadır. Bu durum, üstlenebilecekleri yaratıcı projelerin yelpazesini genişletmektedir (yine de öğrencilerin kendi fikirlerine hâkimiyetlerini korumalarını sağlamak adına temel kavramsal ve teknik becerilerin, muhakeme yeteneğinin ve sosyal akıl yürütme becerilerinin geliştirilmesinin önemi artmaktadır).

Yakın zamanda Wall Street Journal’a verdiği bir röportajda Harvardlı ekonomist Rafella Sadun, yapay zekâ çağında başarılı olacak çalışanların; “yapay zekânın nasıl değer yaratabileceği konusunda yaratıcı düşünebilen, fikirleri hızla eyleme dönüştürebilen ve deneyler ile doğrulama süreçleri yoluyla sezgilerini gözden geçirmeye hazır olan” kişiler olduğunu belirtmiştir. “Deneme-yanılma yoluyla öğrenenler ve eyleme geçenler bu ortamda başarılı olur” ifadesi, MIT’nin uygulamaya dayalı (hands-on) kültürü ve toplumsal etkiye odaklanan yaklaşımıyla açıkça örtüşmektedir. Yapay zekâ, öğrencilerimizin daha karmaşık ve zorlu görevlerin üstesinden gelmesini sağlarken, *Mens et Manus* (Zihin ve El) mottomuzun gereğini yerine getirmenin bir yolu da, verdiğimiz projelerin ve yürüttüğümüz çalışmaların kapsamını ve gerçek dünyadaki uygulama alanlarını genişletmek olacaktır.

İş birliğine dayalı sınıf içi projeler için yeni fırsatlar yaratmak, yalnızca belirli bir konu içeriğinde uzmanlaşmanın ötesinde, gelişim adına önemli olanaklar sunar. Doğru bir şekilde yapılandırılıp desteklendiğinde, bu tür projeler öğrencilerin iş birliği, iletişim, problem çözme ve duygusal zeka alanlarındaki yetkinliklerini geliştirebilir. Bu kalıcı insani beceriler, işverenlerin en çok değer verdiği nitelikler arasında yer almaya devam etmektedir. Öğrencilerimize bu becerileri geliştirmeleri için daha fazla fırsat sunmamız yerinde olacaktır.

Yapay zeka; öğrencilere verileri analiz etme, araştırma yapma, uzmanlıklarını pekiştirecek araçlar geliştirme ve hem kendilerine hem de toplumun geneline fayda sağlayan projeler yürütme konusunda yeni yollar sunarak bu deneyimleri zenginleştirebilir. Bu teknolojinin, kampüs genelindeki çalışmaları geliştirme potansiyeli muazzamdır.

3.1.4. Derslere Yapılandırılmış Yüz Yüz Sosyal Öğrenmeyi Entegre Edin

Yapay zeka araçları MIT’deki uzun süredir devam eden sosyal öğrenme kalıplarını bozduğu için, her ders düzenli bir yüz yüze sosyal bileşen içermelidir (sadece derste veya tekrar oturumunda sessizce not almak değil). Öğretim görevlileri, istenen öğrenme hedeflerine ulaşmak ve büyük sınıflarda bile kaliteyi korumak için bu tür etkileşimleri kasıtlı olarak yapılandırmalıdır.

Yapılandırılmış sosyal öğrenme örnekleri şunlardır:

• Haftalık personel kontrolleri ve hem bireysel hem de işbirlikçi katkıları değerlendiren teslim edilebilir çıktılar içeren grup projeleri.
• Laboratuvar asistanı veya öğretim asistanı tarafından yönlendirilen grup problem çözme oturumları.
• Sınıf değerlendirme ölçütüne göre yapılandırılmış geri bildirim tartışmaları.
• Eğitimli bir öğretim asistanı veya profesör tarafından kolaylaştırılan ve bireysel katılımın notlandırıldığı sınıf içi tartışmalar.

Bu tür yüz yüze etkileşimlerden en fazla değeri elde etmek için, öğretim görevlileri dersin ilk gününde bunların bireysel öğrenme ve topluluk oluşturma için neden önemli olduğunu açıkça açıklamalıdır. Kapsamlı grup projeleri içeren dersler, başarılı bir şekilde birlikte çalışmanın nasıl sağlanacağına dair pratik rehberlik ve yapılar sunmalıdır.

Yapay zekânın kampüsteki sosyal öğrenmeyi sekteye uğratmasına rağmen, yapay zekâ araçları öğrencilerin öğrenimi için gerçek faydalar da sunabilir; bunlar arasında zamanında yardım, bireyselleştirilmiş geri bildirim, erişilebilirlik ve aksi takdirde takılıp kalabilecek öğrenciler için destek, ayrıca grupların iş birliği yapmasına yardımcı olacak anlık yollar yer almaktadır.

Ne yazık ki, bu faydalar, öğrencilerin başkalarıyla nasıl çalışacaklarını, fikirlerini nasıl ileteceklerini, yapıcı eleştiriyi nasıl alacaklarını, özgüvenlerini nasıl geliştireceklerini, muhakeme yeteneklerini nasıl geliştireceklerini ve bir topluluğun üyeleri olarak nasıl hareket edeceklerini öğrenecekleri insani ortamları atlamalarına izin verirse, ters etki yaratır.

Bu nedenle MIT, yapay zekâyı yalnızca pedagojik veya teknik bir zorluk olarak değil, aynı zamanda yüz yüze eğitimin insan varlığı, ortak çalışma ve anlamlı mentorluk etrafında yenilenip yenilenemeyeceğinin bir testi olarak ele almalıdır.

3.1.5. Ders Dışı Araştırma ve Kariyer Deneyimlerini Koruma ve Genişletme

1969 yılında başlatılan MIT Lisans Araştırma Fırsatları Programı (UROP)8, lisans öğrencilerine ön saflarda yer alan öğretim üyeleri tarafından yürütülen araştırmalarda uygulamalı deneyim kazandırmanın sistematik bir yolunu yaratarak çığır açtı. Bugün UROP, MIT deneyiminin önemli bir parçası olup, lisans öğrencilerinin %93’ünü ve öğretim üyelerinin %58’ini doğrudan kapsamaktadır.

UROP ve diğer ders dışı araştırma ve öğrenme deneyimleri, öğrencilere akademik kredi ve ücretli iş gibi bariz pratik faydalar sunmaktadır. Ancak kişisel gelişim, mentorlar ve akranlarla bağlantı kurma ve kariyer keşfi gibi daha geniş faydalar daha da önemlidir. UROP, yatılı üniversite eğitiminin amacını ve değerini açıkça ortaya koymaktadır.

MIT, mentorluk, iş birliği ve yaparak öğrenmeyi vurgulayan UROP ve diğer öğrenme deneyimlerine olan bağlılığını korumalı, yenilemeli ve ideal olarak genişletmeli; bunları daha erişilebilir hale getirmenin yollarını bulmalı ve laboratuvarın ötesine genişletmeyi düşünmelidir.

Ayrıca Enstitüyü, MIT’deki yerleşik deneyimin değerini artırmak için ilgili çabaları araştırmaya teşvik ediyoruz; örneğin, staj programları kurmak (ki Enstitü bunu aktif olarak araştırıyor), UROP benzeri deneyimlerin derece gereksinimlerini karşılamasına izin vermek veya endüstriyel/staj temelli lisansüstü araştırma programlarını genişletmek gibi. Bu, PKG Kamu Hizmeti Merkezi ve MISTI de dahil olmak üzere, bu tür deneyimleri zaten destekleyen kampüsteki kuruluşlarla çalışmayı içermelidir.

UROP’lar, araştırma asistanlıkları (RA’lar) ve diğer öğrenci katılım biçimleri, öğrencilere yeni entelektüel topluluklara giriş imkanı sağlayabilir: bir laboratuvara katılmak, lisansüstü öğrencilerden ve doktora sonrası araştırmacılardan öğrenmek, farklı kariyer aşamalarındaki akranlarla işbirliği yapmak, grup toplantılarında çalışmalarını sunmak, makalelere katkıda bulunmak, konferanslara katılmak ve yavaş yavaş kendilerini bir alanın üyeleri olarak görmeye başlamak. Öğrenciler sadece yöntemleri ve teknik yetkinlikleri değil, aynı zamanda araştırma sorularının nasıl oluşturulduğunu, yargının nasıl geliştiğini, hataların nasıl yapıcı bir şekilde yorumlandığını, kredinin nasıl paylaşıldığını, anlaşmazlığın nasıl ele alındığını ve bilginin nasıl kolektif olarak üretildiğini de öğrenirler.

Özellikle UROP ile ilgili bir not: Lisans öğrencileri öğretim üyelerine faydalı araştırma emeği sağlayabilirken, programın amacı bu değildir. Programın amacı eğitim vermektir. Bu nedenle, öğretim üyelerinin acemi araştırmacıları yapay zeka ajanlarıyla değiştirmeyi avantajlı bulma olasılığı özel bir endişe kaynağıdır.

Yapay zeka sistemleri UROP’lar veya araştırma asistanları için daha ucuz veya daha verimli bir alternatif haline geldikçe, öğrenciler aidiyet, güven, yargı ve profesyonel kimliğin oluştuğu ilişkilere, uygulamalara ve ortak çalışma biçimlerine erişimlerini kaybedebilirler. Tehlike sadece öğrencilerin araştırma yapma fırsatlarının azalması değil, aynı zamanda araştırma topluluklarına katılma fırsatlarının da azalmasıdır.

3.1.6. Notlandırma ve teşviklerin yeniden değerlendirilmesi

Benzer kurumların birçoğu yakın zamanda, öğretim üyelerinin bir derste verebilecekleri “A” notu sayısına sınırlamalar getirdi. Biz bu tür bir not kısıtlamasını savunmuyoruz; zira bunun, Enstitü’nün yapay zekanın (YZ) getirdiği zorluklarla başa çıkma sürecinde ters tepeceğini düşünüyoruz. Akademik başarı belgelerine ve notlara yönelik yoğun toplumsal ilgi karşısında, not ortalamasını (GPA) en üst düzeye çıkarmaya odaklanmış öğrenciler, bu hedefe ulaşmak için en etkili gördükleri yöntemlere başvurma konusunda güçlü bir motivasyona sahiptir. En yüksek notların sınırlandırılması, yapay zekaya olan bağımlılığı artırarak gerçek öğrenme sürecinden ödün verme eğilimini güçlendirecektir.

Öğretim üyeleri yeni değerlendirme biçimlerini ve deneyimsel öğrenme faaliyetlerini keşfederken, MIT bu fırsatı değerlendirerek notların genel sistemimizdeki rolünü ve mevcut yaklaşımın iyileştirilip iyileştirilemeyeceğini gözden geçirmelidir. Örneğin, öğretim üyeleri buna ağırlıklı olarak sınıf içi sınavlara daha fazla önem vererek yanıt verirse, MIT diplomasının uzun zamandır temsil ettiği anlamın daralması riski doğabilir; zira bu diploma, MIT öğrencilerinin yalnızca kağıt üzerindeki sınavlarda başarılı olmalarını değil, aynı zamanda zorlu, bağımsız ve yoğun düşünme gerektiren problem çözme becerilerine sahip olmalarını ifade eder.

Komite, MIT’yi alternatif notlandırma ve değerlendirme sistemlerini incelemeye teşvik etmektedir; buna diğer ülkelerde uygulanan sistemler (örneğin, uzmanlık standartlarına kıyasla göreceli yetkinliği yüzdelerle ifade eden Birleşik Krallık sistemi) ve yetkinlik veya ustalık temelli değerlendirmeler gibi yeni yaklaşımlar dahildir. Bir düşünce deneyi olarak komite, MIT’de notlandırma sistemi olmasaydı yapay zeka destekli hile yapmaya yönelik teşviklerin çoğunun ortadan kalkacağı fikrini de tartışmıştır. MIT’nin, bir MIT diploması almanın başlı başına yeterli bir ayrıcalık olduğuna inandığı için, yaygın bir uygulama olan *summa/magna/cum-laude* (onur derecesi) diplomaları vermekten halihazırda kaçındığını belirtmek gerekir.

Notlar, öğrencilerin yetkinliklerini göstermeleri veya kendi ilerlemelerini ölçmeleri açısından tek yol olmaktan çok uzaktır; sözlü sınav veya sunum sırasında alınan anlık geri bildirimler ya da bir proje teslimine ilişkin yazılı yorumlar, öğrencilere kavramlara ne ölçüde hakim oldukları konusunda, herhangi bir nottan çok daha yararlı bilgiler sunabilir.

Projelere ve deneyimsel öğrenmeye verilen önemin artmasıyla birlikte, öğretim üyeleri notların her bağlamda yetkinliği göstermek için tek veya en iyi mekanizma olup olmadığını değerlendirmelidir. Alternatifler arasında, her alanda öğrenci başarısının bir vitrini olarak proje portfolyolarının statüsünün yükseltilmesi yer alabilir. Pek çok işveren şimdiden, başvuru sahiplerinin notlarından ziyade; zorlu mülakat sorularını yanıtlama becerisi ya da özel olarak hazırlanmış uygulamalar aracılığıyla problem çözme yeteneği ve uzmanlık sergileme gibi kurum içi değerlendirmelerdeki performanslarına odaklanıyor.

3.1.7. Laboratuvarlar ve yüz yüze değerlendirmeler için yüz yüze alanların genişletilmesi

Önerilerimiz, uygulamalı öğrenme ve işbirlikçi laboratuvar projelerinden yüz yüze değerlendirmelere kadar birçok açıdan daha fazla yüz yüze aktiviteyi gerektiriyor. Bunların hepsi fiziksel alan gerektiriyor.

Birçok öğretim üyesi, öğrencilerin uzun ödevleri veya sınavları tamamlayabileceği işbirlikçi alanlar istediklerini dile getirdi. Bunlar tamamen analog alanlar veya yapay zekâ içermeyen (veya yapay zekâ sınırlı) bilgisayarların bulunduğu alanlar olabilir. Birçok bölümün işbirlikçi faaliyetleri destekleyebilecek laboratuvar alanları vardır, ancak bunları tam zamanlı olarak personel ile donatacak kaynakları yoktur. (Pahalı ve muhtemelen tehlikeli ekipman ve malzemeler kullanan alanlarda, kendi kendine hizmet veren laboratuvarlar genellikle mümkün değildir.)

İşbirlikçi uygulamalı alanlar, sadece geleneksel laboratuvar bilimlerinde değil, tüm disiplinlerde öğretim, öğrenme ve topluluk oluşturma için faydalıdır. MIT’nin bu tür alanlar oluşturmaya ve personel sağlamaya yatırım yapmasını şiddetle tavsiye ediyoruz.

3.1.8. Gerekçeli yapay zekâ kullanım politikaları sağlanması

Öğrenciler, öğretim üyelerinden aldıkları yapay zekâ rehberliğinin genellikle kafa karıştırıcı ve belirsiz olduğunu bildiriyor. Dahası, kurallar ve bunların iletilme biçimi öğretim görevlisinden öğretim görevlisine büyük ölçüde değişmektedir.

Yapay zeka kullanımına ilişkin tek tip bir politika uygulanmasını önermesek de, öğrenciler yapay zeka kullanımı konusunda netlik konusunda endişelidir: herhangi bir derste, yapay zekanın ne zaman, nerede ve neden yasaklandığı, izin verildiği veya gerekli olduğu konusunda emin olmak isterler.

Bu nedenle, öğretim görevlileri ve belki de bölümler, her MIT dersinin üretken yapay zeka kullanımı hakkında net bir politikaya sahip olduğundan ve bu politikanın ders programında ve ders web sitesinde belirgin bir şekilde yayınlandığından emin olmalıdır.

Bunu uygulanabilir kılmak için, MIT’nin en kısa sürede öğretim görevlilerinin ve bölümlerin seçebileceği ve gerektiğinde uyarlayabileceği net ve tutarlı bir yönerge menüsü geliştirmesi gerekmektedir. Bölümler, yönergelerin ve gerekçelerin iyi anlaşılması ve belirli bir ana dalda büyük ölçüde tutarlı olması için koordineli bir yaklaşım benimsemek isteyeceklerdir.

Öğretim görevlilerini, öğrencilerin ders bazında neyin izin verildiğini ve neyin verilmediğini kolayca anlayabilmeleri için bu bilgiyi iletmek üzere standartlaştırılmış bir format kullanmaya teşvik ediyoruz. Aşağıdaki Ek B, örnek bir politika sunmaktadır.

Yapay zeka politikaları gerekçelendirme içermelidir. Birçok dersin zaten yapay zeka kullanım politikası olsa da, tüm öğretim görevlilerinin politikalarının, yapay zekanın neden kullanılması gerektiği, kullanılabileceği veya kullanılamayacağı konusunda, ilgili dersin öğrenme hedeflerine açıkça bağlı net bir gerekçe içermesini sağlamalarını öneriyoruz.

Örneğin, bir öğretim görevlisi üretken yapay zeka araçlarının kullanımını yasaklamak istiyorsa, yapay zeka kullanımının bir tür hile olduğunu ilan etmek yerine, üretken yapay zeka araçlarının öğrencilerin dersin temellerini öğrenme veya sınavlarda, gelecekteki derslerde ve gerçek dünyada karşılaşacakları türden problemleri çözme becerilerini nasıl kısalttığını açıklamak daha etkili olacaktır. Bu yaklaşım, yapay zeka kullanımı konusunda öz farkındalığı ve sağlıklı bir kültürü teşvik etme olasılığını artıracaktır.

Benzer şekilde, belirli bir ödevde yapay zeka kullanımını teşvik etmek isteyen öğretim görevlileri, yapay zeka kullanımının eğitim deneyimi için neden önemli olduğunu açıkça belirtmelidir. Yapay zeka içeren ödevler için, öğretim görevlileri öğrencilerin yapay zekanın öğrenmelerine, düşünmelerine ve morallerine ne zaman ve nasıl yardımcı olduğunu veya zarar verdiğini ve ürettikleri işi nasıl değiştirdiğini veya genişlettiğini düşünmelerini sağlayacak alıştırmalar eklemek isteyebilirler.

Son olarak, yapay zekâ kullanımına izin verirken veya teşvik ederken, eğitmenler öğrencilerin yapay zekâ araçlarının gerçekleri ve alıntıları uydurabileceğini, kod oluşturma araçlarının yanlış veya güvensiz kod üretebileceğini ve görüntü oluşturma araçlarının önyargılı, saldırgan veya başka türlü uygunsuz çıktılar üretebileceğini anlamalarını sağlamalıdır.

Yapay zekâ sadece bir araçtır ve öğrenciler, üretken yapay zekâ yardımıyla üretilen yanlış, önyargılı, saldırgan veya etik dışı içerik de dahil olmak üzere, sundukları tüm çalışmalardan sorumludur.

3.1.9. Yapay zeka tespit araçları ve çevrimiçi sınav platformları konusunda dikkatli olun

Pek çok araç yapay zeka kullanımını tespit ettiğini iddia etmektedir ve bunlardan bazıları, tamamen yapay zeka tarafından oluşturulmuş bir metin verildiğinde oldukça isabetli sonuçlar verebilmektedir. Ancak gerçek hayattaki durumlar genellikle daha karmaşıktır: Bir öğrenci bir taslağı tamamlamak veya bir bölümü düzenlemek için yapay zekadan yararlanırsa, bu araçların durumu tespit etme olasılığı düşüktür.

Şüphesiz bu araçlar zamanla gelişecektir. Yine de, yapay zeka tespit araçlarına bel bağlamanızı önermiyoruz; zira bu durum, öğrencilerin otomatik tespit yöntemlerine karşı, tespit araçlarının yakalamaya programlandığı sinyalleri ortadan kaldıran giderek daha gelişmiş “yapay zeka insancıllaştırıcıları” (AI humanizers) kullanmasıyla sonuçlanacak bir “silahlanma yarışı” riskini beraberinde getirir. Bunun sonucunda her iki taraf da büyük çaba harcar ancak nihayetinde bu çaba kimseye bir fayda sağlamaz.

Yapay zeka tespit sistemleri ayrıca, ana dili İngilizce olmayanların veya nöro-çeşitliliğe sahip öğrencilerin yazılarını, yapay zeka tarafından oluşturulmuş metinlerle karıştırabilir. Hatalı pozitif sonuçların (yanlış tespitlerin) düşük oranlarda olması bile öğrencileri tedirgin edebilir ve ciddi bireysel sonuçlara yol açabilir. Daha genel bir ifadeyle, yapay zeka kullanımı konusunda “denetim ve kolluk” faaliyetlerini artırmak, eğitmenler ile öğrenciler arasında güvensizliğe dayalı çatışmacı bir ortam yaratır; bu da doğal olarak öğrencilerin motivasyonuna ve moraline zarar verir.

Bazı eğitmenler, MIT’nin öğrencileri değerlendirmek amacıyla “kilitli tarayıcı” (lockdown browser) adı verilen yazılımları sağlayıp sağlamayacağını sormuştur. Bunlar, sınav sırasında bilgisayarın kontrolünü ele alan ve sınavın bir parçası olarak sunulanlar dışındaki çevrimiçi kaynaklara erişimi engelleyen çevrimiçi test ortamlarıdır. Komite, MIT’nin bu tür araçları incelemesini önermekle birlikte, mevcut nesil araçların hatalı ve sorunlu olduğunu, ayrıca bir gözetim aracı hissi uyandırdığını belirtmektedir. En azından şimdilik, MIT’de halihazırda uygulanan yöntem olan yüz yüze ve gözetmen eşliğinde yapılan sınavlar çoğu durumda daha iyi bir tercihtir; ancak bu yöntemler uygun fiziksel mekanların sağlanmasını gerektirir.

Bu tür sert teknolojik çözümlere alternatif yaklaşımlar, güven inşa etme ve öğrenci öğrenimini destekleme konusunda daha etkili olabilir. Bu seçenekler arasında; fikir geliştirme veya taslak oluşturma aşamalarında yazı çalışmalarının sınıfta elle yapılması, proje ilerleyişini göstermek amacıyla düzenli teslim tarihleri ​​veya toplantılar belirlenmesi, son teslim tarihine yakın aşırı iş yükü birikmesinin önlenmesi ve eğitmenlerin (sadece nihai ürün üzerinde değil) çeşitli aşamalarda geri bildirim vermesine olanak tanınması yer alır.

Diğer teknik araçlar da faydalı olabilir. Örneğin eğitmenler, öğrencilerden çalışmalarını sürüm geçmişini kaydeden platformlarda yapmalarını ve bu geçmişi çalışmalarıyla birlikte teslim etmelerini isteyebilirler. Bu durum, yararlı süreç kanıtları sağlayabilir; örneğin, benzer bir çalışmanın normalde saatler sürmesi beklenirken bir öğrencinin ödevini sadece birkaç dakika içinde teslim etmesi gibi. Ayrıca öğrenciler de bu araçları, kendi fikirlerinin nasıl geliştiği üzerine düşünmek açısından genellikle yararlı bulurlar.

Disiplin Sistemimizi Hazırlamak

Öğrencilerin kendi yararlarına yapay zeka politikalarına uymalarını umarken, MIT’nin ciddi ihlalleri ele almak için daha iyi hazırlanması gerekiyor. MIT’nin mevcut akademik dürüstlük çerçevesi ve bunu uygulayan Disiplin Komitesi (COD) süreçleri, öğrencilerin sunduğu çalışmaların ya kendilerine ait ya da başkasına ait olduğu bir yazarlık modeline dayanıyordu. Üretken yapay zeka bu basit ikili yapıyı yıkıyor. Bir öğrenci, bir yaklaşımı beyin fırtınası yapmak, bir işlevi hata ayıklamak, bir paragrafı kısaltmak veya tam bir taslak oluşturmak için bir yapay zeka aracı kullanıyorsa, geleneksel anlamda “kopyalama” yapmıyor demektir ve dinleme oturumlarımızdaki öğretim üyeleri, hem kendi ders politikalarını formüle etmede hem de hangi vakaları COD’ye sevk edeceklerine karar vermede, sınırın nerede olduğu konusunda sürekli olarak belirsizlik bildirdiler.

MIT, yapay zeka söz konusu olduğunda akademik dürüstlük davası açmak için hangi kanıtların gerekli olacağını Enstitü politikalarıyla netleştirmelidir; COD’nin kendisi, yapay zeka dedektörü çıktısını tek başına yeterli görmemektedir.

Öğrenciler denetlendiklerini hissetmemelidir. Kalıcı değişim, eğitmenlerin beklentileri konusunda olabildiğince açık olmalarını ve öğrencilerin yapay zekanın kötüye kullanımını keyfi bir bürokratik kuralın ihlali olarak değil, ortak akran normlarından ve topluluk değerlerinden kabul edilemez bir sapma olarak anlamalarını gerektirecektir.

3.1.10. Müfredatta sorumlu deneyleri destekleyin

Yapay zekanın müfredata en iyi nasıl entegre edileceği ve olası tuzaklardan kaçınacak deneyimlerin nasıl tasarlanacağı konusunda pek çok bilinmeyen bulunmaktadır. Eğitmenleri ve bölümleri, her iki alanda da koordineli müfredat deneyleri yapmaya teşvik ediyoruz. Örneğin, kapsamlı “Hafif Yapay Zeka” (AI Light) veya “Yoğun Yapay Zeka” (AI Heavy) dersleri ya da müfredat içi farklı öğrenim yolları geliştirerek çeşitli seçenekler sunmak da mantıklı olabilir.

Bazı öğrenciler ve eğitmenler (çeşitli nedenlerle) yapay zeka kullanmamayı tercih etmektedir. Eğitmenleri, öğrencilerin bu tür çekincelerini ciddiye almaya ve konunun elverdiği durumlarda yapay zeka kullanımını asgari düzeyde tutan bir öğrenim yolu önermeye teşvik ediyoruz.

Yüksek standartları korurken; net ancak belki de zamanla evrilecek öğrenme hedeflerini karşılayan, uygun durumlarda yapay zekayı dahil eden ve varlığını her zaman kabul eden öğrenme deneyimleri yaratmak, yüzeysel ve geçici düzenlemelerle başarılabilecek bir iş değildir. Bunun yerine; cesur, yaratıcı ve sistem genelini kapsayan deneyler ve değerlendirmeler yapılması gerekecektir. Bu komitedeki çalışmalarımız, Enstitü’nün her köşesinden öğrencilerin, eğitmenlerin ve personelin bu çağın en önemli sınamalarından birini yaratıcı bir şekilde ve hep birlikte ele alma konusundaki ortak iradesini ortaya koymaktadır.

Komite, birçok eğitmenden, müfredat gerekliliklerinde yapılacak küçük değişiklikler için bile izlenen idari süreçlerin zaman alıcı ve külfetli olduğunu; bunun da MIT’nin hızla gelişen ve geniş çaplı etkiler yaratan değişimleri öngörmesini bir yana, bunlara yanıt vermesini bile zorlaştırdığını işitmiştir.

MIT’yi, sonuçların elbette kapsamlı bir şekilde değerlendirilmesiyle desteklenen, daha hızlı müfredat keşiflerine olanak tanıyacak yönetim süreçlerini gözden geçirmeye çağırıyoruz. Bölümlerin; sabit, çok sayıda komitenin dahil olduğu ve bir yıl süren inceleme süreçlerine takılmadan, müfredatlarında yapay zeka odaklı değişiklikleri ve alternatifleri düzenli olarak keşfedebilmeleri için yetkilendirilmeleri gerekmektedir; aksi takdirde geride kalırız. Aynı zamanda, elbette, MIT eğitiminin ayırt edici bir özelliği olan müfredat genelindeki uzun vadeli tutarlılığı korumak da hayati önem taşımaktadır.

3.2. İnsanları, topluluğu ve yerleşik eğitim deneyimini merkeze almak

Yapay zeka, kampüsümüzün ve daha geniş anlamda dünyanın sosyal dokusunu kökten değiştiriyor. 2026 yazındaki mezuniyet töreni konuşmalarında yapay zekaya yöneltilen tepkiler; pek çok kişinin bizzat yapay zekaya ve “Büyük Teknoloji” (Big Tech) şirketlerinin toplumumuzda üstlendiği role dair duyduğu hoşnutsuzluğun yalnızca bir yansımasıydı.

MIT eğitimi, her zaman yaratıcılığı ve titizliği savunan, derinlikli bir entelektüel topluluk tarafından zorlanmak ve geliştirilmek anlamına gelmiştir. Öğrencilerimiz için bu deneyimin dönüştürücü gücünü korumalıyız.

Yapay zeka, kampüs yaşamının sosyal temellerinin halihazırda baskı altında olduğu bir dönemde hayatımıza girdi. Yükseköğretim genelinde öğrenciler; yüksek düzeyde kaygı, depresyon, yalnızlık ve kopukluk hissi bildirmektedir. Kurumlara duyulan güven zayıfladı, siyasi kutuplaşma kampüsleri daha kırılgan hale getirdi ve pandemi sonrası yüz yüze toplulukların yeniden canlanma süreci henüz tamamlanmadı. Dolayısıyla yapay zeka, sosyal açıdan nötr bir ortama gelmiyor. Yerleşik eğitimin dayandığı temel alışkanlıkları ve tutumları —fiziksel olarak orada bulunma, güven inşa etme, ortak çabalara hevesle katılma ve doğal bir karşılıklı sorumluluk bilinciyle yaşama— yeniden tesis etmeye çalışan bir topluluk üzerinde yeni baskılar yaratıyor. Yapay zeka bu aşınmayı hızlandırabilir ya da bilinçli bir yeniden inşa süreci için itici bir güç olabilir.

Bu bağlamda MIT için asıl mesele, ne mevcut uygulamaları hiç değiştirmeden korumak ne de öğrenme ve araştırmayı destekleyebilecek yapay zeka araçlarını reddetmektir. Asıl mesele, yapay zekanın eğitimin gerçekleştiği insan topluluklarının yerini sessizce alması yerine onları güçlendirmesini sağlamak adına kararlı adımlar atmaktır; böylece makineler bize hizmet eder, biz onlara değil.

MIT bu anı; yerleşik eğitim için hangi varoluş biçimlerinin, iş birliği, mentorluk ve ortak entelektüel yaşam türlerinin vazgeçilmez olduğunu sorgulamak için kullanmalıdır. Ardından, bu unsurların aşınmasına, yerinin değiştirilmesine veya çöküşüne izin vermek yerine onları güçlendirecek yapay zeka politikaları, pedagojik yaklaşımlar ve araştırma uygulamaları tasarlamalıdır.

3.2.1. Kampüs içi eğitimin değerini tanımlayın ve bunu ifade edin

Bir kampüs içi eğitim kurumu olarak MIT; öğrencileri kampüse getirmenin ve yüz yüze tartışmalara, diyaloğa ve problem çözme süreçlerine aktif bir şekilde katılmalarını sağlamanın değerini açıkça ortaya koymalıdır. Bu raporu okuyan hiç kimse, bu temel insani etkileşimlerden yoksun bir eğitim süreci geçirmemiştir. Ancak, okula yeni başlayan öğrencilerin bu etkileşimlerin değerini kendiliğinden takdir edeceklerini varsayamayız.

MIT’in özü budur: “Akıl ve El” (Mind and Hand) ruhuyla, derinlemesine düşünmeyi ve titiz, özenli bir çalışmayı gerektiren gerçek projeler üzerinde birlikte çalışırız.

Ödevleri tamamlamak için yapay zeka araçlarının düşüncesizce ve “fırsatçı” bir yaklaşımla kullanılmasının, öğrencilerin öğrenim kazanımlarını zayıflattığı ve parçası oldukları öğrenme topluluklarına zarar verdiği açıktır. Öğrenme süreci, hem zorlayıcı hem de sosyal bir nitelik taşıdığında verimli olur; bilgi, bilişsel bir çaba ve etkileşim süreciyle (yani “bilişsel sürtünme” ile) inşa edilir. Bu süreç; ister çalışma grubunuzla matematiksel bir ispatın adımlarını çözmeye çalışmak, ister bir deney çalışana dek üzerinde defalarca değişiklik yapmak, isterse de (yapay zekadan “tek bir doğru cevap” almak yerine) bir arkadaşınızla hararetli bir tartışmaya girmek olsun, hep etkileşime dayanır. Öğrencilerin üniversiteye gitmesinin önemi de işte buradan gelir!

Öğrenciler, işi bizzat kendilerinin yapmasının kendi yararlarına olduğuna inanmalıdır. Bu inancı aşılamak, yalnızca yukarıdan aşağıya dayatılan yapay zeka kullanım politikalarıyla mümkün değildir. Bir topluluk olarak, şu iki unsuru barındıran bir kampüs kültürü geliştirmeliyiz: (1) Öğretim elemanları tarafından getirilen yapay zeka kısıtlamalarının, öğrencilerin öğrenimini, kişisel gelişimini ve mesleki başarısını açıkça desteklemesi; ve (2) öğrencilerin kampüs içi öğrenme deneyimine değer veren, bunu teşvik eden ve yapay zekaya aşırı bağımlılığı caydıran ortak bir kültürü benimsemeleri.

MIT’in resmi misyonu ve değerleri hepimizi birleştirir. Ancak bilinçli veya bilinçsiz aldığımız günlük kararlar; büyük ölçüde dersler, çalışma grupları, bölümler, laboratuvarlar, ofisler, ekipler, kulüpler, yaşam grupları ve daha pek çok alandaki yakın topluluklarımızın dile getirilmeyen normları ve değerleri tarafından şekillendirilir.

Öğrencilerimiz için; gelişimlerini sağlayan, potansiyellerini gerçekleştirmelerine ve MIT sonrası hayata hazırlanmalarına olanak tanıyan resmi ve gayriresmi sosyal ilişkileri besleyen unsur, işte bu yüz yüze etkileşime dayalı topluluklardır.

İşverenler, MIT mezunlarını üstün problem çözme ve teknik becerileri nedeniyle takdir etmektedir. Ancak giderek artan bir şekilde, insani bağ kurma becerilerine sahip kişileri de aramaktadırlar. Bu teknolojiler, öğrencileri arkadaşlarına, asistanlarına veya profesörlerine başvurmak yerine yapay zekaya yönelmeye teşvik ederek, insani etkileşimin önemsiz olduğu yanılsamasını yaratmaktadır. Ancak başkalarıyla ve onlardan bir şeyler öğrenmek, hem öğrenme sürecini destekler hem de dünyanın işleyişini sağlayan insani becerileri geliştirir.

3.2.2. Sosyal bağları ve kişisel esenliği güçlendirmek

Yapay zeka, MIT’nin ortak sosyal dokusunu tehdit etmekte ve öğrencilerimizin esenliğine yönelik yeni riskler oluşturmaktadır. MIT’nin; ortak normlar oluşturmaya, yeni topluluk ritüelleri tesis etmeye ve yapay zekanın beraberinde getirdiği (veya şiddetlendirdiği) yeni akademik, sosyal ve duygusal zorlukları ele almaya yönelik yatırımlar yapması gerekmektedir.

Temel önerilerimiz sınıf içi politikalara ve yapay zeka eğitimine odaklansa da, Enstitü’yü yapay zekanın yerini alamayacağı türden bir topluluk inşa etmek adına başka birçok adım atmaya teşvik ediyoruz. (MIT Lisans Akademik Programı Görev Gücü’nün yakın tarihli raporu da benzer öneriler içermektedir.)

Geçmişte, teknik nitelikteki “Genel Enstitü Gereklilikleri” (GIR’ler), birinci sınıf lisans öğrencilerine yalnızca ortak bir akademik temel ve problem çözme becerisi seti kazandırmakla kalmıyor, aynı zamanda ortak bir çekirdek yapı etrafında yoğun bir aidiyet ve bağ kurma deneyimi de sunuyordu. Ancak öğrenciler birinci sınıfta kendi bölümlerine özgü dersleri almaya yönelip bazı GIR derslerini son sınıfın bahar dönemine erteledikçe, bu ortak yapı zayıflamaktadır. Öğrencilerin diğer ortak ritüelleri —kampüs tanıtım hafta sonu, oryantasyon, açılış töreni, “Brass Rat” (okul yüzüğü) geleneği ve mezuniyet töreni— birbirinden uzun aralıklarla gerçekleşen dönüm noktaları niteliğindedir. Araştırma grupları veya laboratuvarlar dışında, lisansüstü öğrencilerin paylaştığı ortak ritimler ve ritüeller ise çok daha sınırlıdır.

Gözlemlere dayalı bulgular, yapay zekanın hızla benimsenmesinin şimdiden öğrenci esenliğini etkilediğini ve yeni, uzun vadeli zorluklar yarattığını göstermektedir. Bazı öğrenciler okul çalışmaları veya duygusal destek konusunda yapay zekaya bağımlı hale gelmekte; kendi kararlarını alma yetisi, amaç duygusu ve özgüvenlerini yitirmekte; ayrıca yapay zekanın her alana nüfuz ettiği bir dünyada kariyer olanakları konusunda endişe duymaktadır. Öğretim elemanları ve diğer akademik personel, yapay zeka kaynaklı akademik, sosyal ve duygusal zorlukları fark etmeye ve öğrencileri uygun destek mekanizmalarına yönlendirmeye hazırlıklı olmalıdır.

Ayrıca, ortak normlar ve topluluk olgusunun önemi üzerine yürütülecek tartışmalara kampüs genelinde çok daha fazla insanı dahil etmemiz gerekmektedir. Buna bir örnek; öğrencileri, sektör temsilcilerini, öğretim elemanlarını ve personeli bir araya getiren bir panel dizisi olabilir. Bu panellerde katılımcılar sadece yaptıkları işleri değil; geçmişlerini, tutkularını, karşılaştıkları engelleri nasıl aştıklarını ve hayatları ile kariyerleri boyunca verdikleri zorlu kararları paylaşabilirler. Diğer fikirler arasında; insani becerilerin ve başarıların kampüs genelinde kutlanması, “Teknolojisiz Zamanlar” (MIT’nin ders, ofis saati veya toplantı planlamadığı ve bunun yerine yüz yüze etkileşime dayalı etkinlikleri desteklediği zaman dilimleri) ve daha fazla insanın kolektif okuma, üzerinde düşünme ve tartışma süreçlerine katılımını teşvik etmek amacıyla —belki bölüm veya yurt düzeyinde— “MIT Reads14” girişiminin kapsamının genişletilmesi yer almaktadır.

3.2.3. Öğretim elemanlarını kendi yapay zeka kullanımları konusunda şeffaf olmaya teşvik etmek

MIT’nin öğrencilerin yapay zeka kullanımına dair normlara ihtiyacı olduğu gibi, topluluğun öğretim elemanları tarafından yapay zekanın uygun kullanımına ilişkin normlar üzerinde uzlaşması ve bunlara uyması da gerekmektedir. Öğretim elemanları öğrencilere büyük ölçüde yapay zeka tarafından oluşturulmuş içerikler sunmayı veya değerlendirme, notlandırma ya da geri bildirim süreçlerinin herhangi bir aşamasında yapay zekayı kullanmayı planlıyorsa; yapay zekanın nasıl ve neden kullanıldığı konusunda öğrencilerine karşı şeffaf olmalarını şiddetle tavsiye ediyoruz.

Yapay zeka; öğretim elemanlarının ders notlarını geliştirmesine, slaytlar hazırlamasına ve animasyonlar ya da simülasyonlar oluşturmasına yardımcı olan son derece yararlı bir araç olsa da, öğrenciler sınıfta aşırı kullanımın, öğretim elemanları için öğretimin bir öncelik olmadığı hissine yol açabileceğini açıkça ifade etmişlerdir. Sıkça dile getirilen bir görüş şudur: “Eğer hoca sadece yapay zeka tarafından oluşturulmuş bir ders anlatacaksa, neden derse gelmekle veya verilen çalışmaları yapmakla uğraşayım ki?” Yapılan bir ankette, öğrencilerin büyük çoğunluğu *The Tech* gazetesine, yapay zeka destekli asistanlar fikrinden rahatsızlık duyduklarını belirtmiştir.

Dinleme oturumlarımız, öğrencilerin öğretim elemanlarının davranışlarına ne kadar duyarlı olduklarını bir kez daha göstermiştir: Öğrenciler, kendilerinin yapay zeka kullanımına kısıtlamalar getirilirken öğretim elemanlarının slaytlar, geri bildirim veya notlandırma süreçlerinde açıkça yapay zeka kullandığını fark etmekte ve bunu bir çifte standart olarak algılamaktadır. Bu durum sadece bir riske değil, aynı zamanda bir fırsata da işaret etmektedir: Öğretim elemanları, yapay zekanın sorumlu kullanımına dair örnek teşkil ederek, topluluğumuzun yapay zeka ile iç içe bir dünyaya uyum sağlaması için gereken yeni toplumsal sözleşmeyi güçlendirmeye yardımcı olabilirler.

Değerlendirme konusuna gelince; yapay zeka, ödevleri belirli bir değerlendirme kriteri (rubrik) listesine göre kontrol etmek veya değerlendirme sürecinin bazı aşamalarını otomatikleştirmek için iyi bir yöntem olsa da, bir ödeve kendi zamanlarını harcadıktan sonra aldıkları tek geri bildirimin bir makineden gelmesi durumunda pek çok öğrenci haklı olarak buna güçlü ve olumsuz bir tepki vermektedir. Yapay zeka tabanlı değerlendirme araçlarını kullanmanın alternatif bir yolu, bunları nihai notları belirlemek amacıyla değil, öğrencilerin performanslarına dair yararlı geri bildirimler almalarını sağlamak üzere ödevle birlikte doğrudan öğrencilerin kullanımına sunmaktır. Ödevleri öğrenme açısından kritik bir araç olarak görüyorsak, hem eğitmenin hem de öğrencinin bu sürece kendi düşüncelerini ve çabalarını katması gerekir.

3.2.4. Yapay Zekanın Etkin, Sorumlu ve Etik Kullanımını Öğretmek

2025 Sonbahar Teknoloji Anketi’nde, yanıt veren öğrencilerin üçte ikisinden fazlası yapay zekanın kariyerlerinde önemli olacağını düşünürken, yalnızca %25’i MIT’nin onları yapay zekayı kullanmaya yeterince hazırladığını düşündü.

Yapay zekanın etkin, sorumlu ve etik kullanımları birbirinden farklıdır, ancak birbirleriyle ilişkilidir. Öğrencilerin her alanda güç kazanmaları için yollara ihtiyaçları vardır. Bu konuların lisans ve yüksek lisans oryantasyonuna hemen entegre edilmesini ve müfredata mümkün olan en kısa sürede dahil edilmesini öneriyoruz, böylece topluluk üyeleri yapay zeka sistemlerini değerlendirme ve analiz etme konusunda ortak bir yetkinlik duygusu geliştirebilirler.

Yapay zekayı etkili bir şekilde kullanmak için öğrencilerin bir problemi veya komutu nasıl belirleyeceklerini, bir çıktıyı nasıl doğrulayacaklarını, bir modelin ne zaman yanıltıcı olabileceğini ve ne zaman yapay zekaya hiç başvurmamaları gerektiğini öğrenmeleri gerekir.

Eğitim söz konusu olduğunda yapay zekayı sorumlu bir şekilde kullanmak, yapay zekanın bir insanın daha iyi iş yapmasına yardımcı olması ile insanı tamamen ortadan kaldırması (ve böylece işi yapan insandan gelecek öğrenmeyi ortadan kaldırması) arasındaki farkı kavramakla başlar. Sorumlu kullanım ayrıca, yapay zekanın katkısını derslerde, tezlerde, kurum içi raporlarda ve yayınlanmış araştırmalarda dürüst bir şekilde nasıl açıklayacağımızı bilmeyi de içerir.

Etik kullanım, eğitim verilerinin kaynağı hakkındaki yargılar; önyargı potansiyeli; çıktılarda homojenleşme riski; çevresel ve kaynak maliyeti; fikri mülkiyet sorunları; ve yardım ile yazarlığın yanlış temsili arasındaki çizgi de dahil olmak üzere, topluluğumuzun henüz üzerinde çalışmadığı konuları her birimizin ve hep birlikte keşfetmesini gerektirir.

Bu temalar, müfredata çeşitli şekillerde aşılanabilir: Belirli bir ana dalda bitirme projeleri, yapay zekanın sınırları ve disiplin içindeki uygun kullanımı üzerine düşünme fırsatları gibi yapay zeka ile ilgili bileşenler içerebilir. Bölümler ayrıca, öğrencilere yapay zekanın kullanımının kendi disiplinlerindeki uygulamalarla nasıl uyumlu olduğunu öğretmek için “AI-I-M” (Ana Dalda Yapay Zeka Yoğunluğu) dersleri ve lisansüstü öğrenciler için benzer temel dersler geliştirmeyi de tercih edebilirler. İletişim Yoğunluğu dersleri, yanıltıcı alıntıların ve dilin ve fikirlerin homojenleştirilmesinin riskleri de dahil olmak üzere, yazıda yapay zekanın nasıl kullanılacağı ve ne zaman kaçınılması gerektiği konusunda eğitim ve uygulama sağlamalıdır. Lisansüstü danışmanlar ve araştırma grupları, araştırma yürütme ve yayınlamada yapay zekanın uygun kullanımı hakkındaki tartışmaları dahil etmelidir.

3.2.5. Yapay zekanın olumsuz etkilerini tanıma ve hafifletme

Hem dinleme oturumlarından hem de anket sonuçlarından öğrendiğimiz üzere, MIT’deki pek çok kişi, çoğu yapay zeka modelinin eğitilme biçimine —yani genellikle içerik sahiplerinin açık rızası olmaksızın internetten devasa miktarda verinin okunmasına— itiraz etmektedir. Bazı topluluk üyeleri, verilerin, asıl sahiplerine herhangi bir fayda sağlanmadan veya kendilerine atıfta bulunulmadan toplanma biçimine karşı çıktıkları için yapay zekayı kullanmayı bütünüyle reddetmektedir.

MIT’nin, yapay zekaya yönelik coşkudan şüpheciliğe ve hatta kesin reddedişe kadar uzanan geniş bir tutum ve bakış açısı yelpazesini dikkate alması ve tüm öğrencilerin akademik ve kişisel açıdan gelişmelerine olanak tanıyacak eğitim deneyimleri oluşturması gerekmektedir. MIT ayrıca, yapay zekanın olumsuz etkilerini hafifletmeye yönelik araştırma ve politika geliştirme çalışmalarını da teşvik etmelidir.

Şirketler, kendi kampüsümüz de dahil olmak üzere eğitim sektöründe yapay zeka ürünlerini yoğun bir şekilde pazarlarken, insanlar önde gelen teknoloji şirketlerinin giderek artan büyüklüğü ve gücü konusunda daha fazla endişe duymaya başlamıştır. Bu durum, özellikle güçlü sosyal medya firmalarının etkisi altında büyüyen öğrenciler için geçerlidir. Öğrenciler, yapay zeka araçlarının toplumsal, çevresel ve sosyal etkileri konusunda hem daha fazla sorumluluk hem de daha fazla şeffaflık görmek istemektedir.

3.2.6. Tezlerde ve diğer araştırma çalışmalarında yapay zeka kullanımının belirtilmesi

Öğrenci araştırmaları, MIT eğitiminin ayırt edici bir özelliğidir. Pek çok öğrencimiz araştırma yayınlarına katkıda bulunmakta ve MIT Kütüphaneleri’nin “MIT Open Scholarship”15 veri havuzu aracılığıyla kamuya açılan öğrenci tezleri, araştırmalarımızı tüm dünyayla paylaşmaktadır. Bu yayınlar yalnızca bilginin yayılmasını sağlamakla kalmayıp aynı zamanda kariyerlerin de başlangıcını oluşturduğundan, bir MIT eğitiminin değerini ve dürüstlük ilkesini yansıtmalıdır.

Tüm tezler, tezin hazırlanma sürecinde yapay zekanın nasıl kullanıldığına dair bir açıklama içermelidir. Yapay zeka asla bir ortak yazar olarak gösterilmemelidir. Çoğu dergi ve konferans da yapay zeka kullanımının belirtilmesini şart koşmakta ve bazıları belirli kullanım biçimlerini yasaklamaktadır; bu nedenle araştırmacılar, yayınlanmak üzere taslak hazırlamadan önce ilgili yönergeleri kontrol etmelidir. MIT Kütüphaneleri, yapay zeka araçlarına nasıl ve ne zaman atıfta bulunulacağı konusunda rehberlik sağlamaktadır16.

Tıpkı sınıf ortamında olduğu gibi, araştırmalarda —özellikle de makale ve tezlerin hazırlanması sürecinde— yapay zekanın nasıl kullanılacağı konusunda yerleşik normlar önemli bir rol oynar. Araştırmalarda yapay zekanın hangi kullanım biçimleri kabul edilebilirdir? Yapay zeka çıktısının ne zaman yararlı ve olgusal açıdan doğru olduğunu ayırt etme konusunda araştırmacıları nasıl eğitiriz? Farklı topluluklardaki standartlar ve uygulamalar değişkenlik gösterecektir. Ancak biz, tüm MIT araştırmacılarının yapay zekayı, çıktılarının doğruluğunu teyit etmekten sorumlu bir insanın yönetimindeki bir araç olarak görmesi gerektiğine inanıyoruz.

3.3. Sürekli değerlendirme, yineleme ve iyileştirme süreçleri, ekipleri ve araçları oluşturun

Önceki bölümlerde, MIT’nin yapay zekaya uyum sağlamak için hem kısa hem de uzun vadede gerçekleştirmesi gereken birçok değişiklik ana hatlarıyla belirtilmiştir. Ancak, yapay zeka alanındaki şaşırtıcı değişim hızı göz önüne alındığında, bugün sunduğumuz çözümlerin sürekli olarak evrilmesi gerekmektedir. Bu bölümdeki önerilerimiz, bilinçli ve sürekli bir uyum sağlama ihtiyacını karşılamayı amaçlamaktadır.

3.3.1. Sürekli bir yapay zeka ve eğitim komitesi kurun

Komitedeki hepimiz için açıktı ki, raporumuz tamamlanmış olsa da MIT’nin bu konudaki çalışmaları aslında yeni başlıyordu.

Önerilerimizi hayata geçirmek için MIT, sürekli faaliyet gösterecek bir komite kurmalıdır. Bu komite; yapay zekanın kampüs içi ve dışındaki etkilerini izleme, yapay zeka modelleri ve teknolojisindeki değişimleri değerlendirme ve ekonomi, öğrenme bilimleri ile kampüs deneyimlerinden elde edilen yeni bulguları politika ve uygulamalara entegre etme görevlerini üstlenecektir.

Komite; Yapay Zeka Liderleri, Yapay Zeka Uzmanları (AI Fellows) ve Yapay Zeka Uygulama Ekibi (rollerini ilerleyen bölümlerde açıkladığımız gruplar) ile yakın iş birliği içinde çalışarak strateji, izleme, değerlendirme ve politika koordinasyonundan sorumlu temel grup olacaktır.

3.3.2. Okul/fakülte veya bölüm düzeyinde Yapay Zeka Liderleri belirleyin

Yerel düzeyde yapay zeka müfredat planlaması, uyarlama ve benimseme süreçlerine yardımcı olmak amacıyla her okulda ve fakültede (veya muhtemelen her bölümde) Yapay Zeka Liderleri atanmasını öneriyoruz.

Bu kişilerin sorumlulukları arasında; birime özel yapay zeka politikalarının şekillendirilmesi, yapay zeka ışığında ilgili birimin ders içeriklerinin nasıl uyarlanacağının planlanması ve yetkinlik temelli öğrenme, portfolyolar veya her ikisi gibi birim düzeyinde yeni eğitim ve değerlendirme modellerinin geliştirilmesi yer alabilir.

3.3.3. Yapay Zeka Uzmanları ve Yapay Zeka Uygulama Ekibinin Finansmanı

Ayrıca, MIT’nin bir Yapay Zeka Uygulama Ekibi ve Yapay Zeka Uzmanları (öğretim üyeleri, doktora sonrası araştırmacılar, araştırma görevlisi adayları ve yüksek lisans öğrencileri) finanse etmesini öneriyoruz; bu uzmanlar, öğretim üyelerinin derslerini en son yapay zeka teknolojisinden en iyi şekilde yararlanacak ve öğrenme biliminin ilkeleriyle desteklenecek şekilde yapay zekaya uyarlamalarına yardımcı olacak becerilere sahip olmalıdır.

Teknoloji, yapay zeka ve öğrenme bilimleri alanlarında uzmanlardan oluşan Ekip ve Uzmanlar üç düzeyde çalışacaktır: bireysel öğretim üyelerini desteklemek; kampüs genelinde araçlar geliştirmek; ve bu araçların kampüs genelinde nasıl kullanıldığını ve ne gibi etkileri olduğunu incelemek için “yerinde gözlem” yaparak uygulama uzmanları olarak hizmet vermek.

Uzun süredir devam eden sınıf uygulamalarından ve değerlendirmelerden yeni bir yapay zeka farkındalıklı veya yapay zeka destekli uygulama ve değerlendirme setine geçiş, herhangi bir öğretim üyesi için zorlu bir görevdir. Bunu Enstitü genelinde büyük ölçekte yapmak devasa bir girişim olacaktır.

Öğretim üyelerinden sadece kademeli iyileştirmelerden daha fazlasını bekliyorsak, onlara rehberlik, doğrudan destek ve topluluk sunmalıyız. Öğretim ve Öğrenme Laboratuvarı gibi mevcut öğretim görevlisi ve müfredat destek birimlerinin zaten kapasitelerinin dolu olduğu göz önüne alındığında, bu girişimin başarısı uzman personel havuzunun genişletilmesini gerektirecektir.

3.3.4. Yapay Zeka Pilot Fonu Oluşturma

Müfredat değişiklikleri kolay değildir ve özellikle yapay zekaya en acil şekilde uyum sağlaması gereken en büyük sınıflardaki birçok öğretim görevlimiz zaten aşırı iş yükü altında ve nasıl ilerleyeceklerinden emin değiller. Kampüs genelinde ders hedeflerinin ve yöntemlerinin yapay zekaya duyarlı bir şekilde revizyonunu desteklemek için MIT’nin önemli kaynaklar sağlaması gerekmektedir.

MIT ve bölümlerin/okulların/üniversitenin, öğretim görevlilerinin yapay zeka destekli projeler yapmak, yapay zekanın pedagoji üzerindeki etkisini araştırmak ve kasıtlı olarak yapay zeka içermeyen deneyimler oluşturmak için kaynaklara (yapay zeka kredileri, asistan öğretim görevlileri, araştırma gezileri ve yaz dönemi desteği gibi) başvurabilecekleri bir Yapay Zeka Pilot Fonu oluşturmasını öneriyoruz.

3.3.5. Sürekli eğitim ve eğitmen desteği sağlama

Maddi kaynakların yanı sıra, eğitmenlerin yapay zekanın öğretim, öğrenim ve kendi işlerini nasıl dönüştürdüğünü öğrenmek için sürekli fırsatlara ihtiyacı vardır. Pek çok eğitmen, yapay zeka konusunda nispeten sınırlı deneyime sahip olduklarını; öğrencilerin bu teknolojiyi nasıl kullandığı ve kendilerinin nasıl kullanması gerektiği konusunda emin olamadıklarını belirtmiştir. Diğerleri ise yapay zeka kullanımının; etkileşimli öğrenme araçları geliştirmelerine, sunumlar için animasyonlar hazırlamalarına, ders notlarını iyileştirmelerine ve ders yönetimiyle ilgili çeşitli angarya işleri azaltmalarına yardımcı olduğunu, aynı zamanda öğrencileri için yeni öğrenme deneyimleri yarattığını ifade etmiştir. Araçlar halihazırda, yazılım geliştirme konusunda hiçbir geçmişi olmayan eğitmenlerin bile etkileyici sonuçlar ortaya koyabileceği bir noktaya ulaşmıştır.

Eğitmenlerin hem riskleri hem de fırsatları yönetmelerine yardımcı olmak amacıyla, MIT’nin MIT Sloan’ı17 örnek almasını ve eğitimciler için aşağıdakileri içeren bir dizi kaynak geliştirmesini öneriyoruz:

Eğitmenlerin, yapay zekayı nasıl kullandıkları ve ona nasıl uyum sağladıkları konusunda meslektaşlarını dinleyebilecekleri, düzenli “öğle yemeği eşliğinde öğrenme” (lunch-and-learn) tarzı seminerler düzenlemek. Enstitü genelindeki eğitmenler, hem disiplin içi hem de disiplinler arası düzeyde bu tür “uygulama toplulukları” oluşturmaya büyük ilgi göstermektedir.

Animasyon ve simülasyon geliştirme, kodlama araçlarını kullanma, görev takip sistemleri oluşturma gibi öğretim ve idari görevlerde yapay zeka kullanımına yönelik çevrimiçi ve yüz yüze eğitimler hazırlamak. Bu eğitimler etik ve yapay zeka güvenliği unsurlarını içerebilse de, MIT’nin genel üçüncü taraf yapay zeka eğitim programlarını benimseyerek sadece “şeklen bir gerekliliği yerine getirme” (kutucuk işaretleme) yoluna gitmemesini; bunun yerine kendi topluluğumuzun bu kaynakları sağlamasına olanak tanıyan yöntemlere yatırım yapmasını önemle tavsiye ediyoruz.

Hem MIT hem de daha geniş akademik camianın bir araya gelerek gelişmeleri ve en iyi uygulamaları tartışabileceği, Enstitü destekli yıllık veya iki yılda bir düzenlenen yapay zeka ve eğitim çalıştayları düzenlemek.

Bu değişikliklerin bazıları, yukarıda bahsedilen Yapay Zeka Uygulama Ekibi ve Uzmanlar (Fellows) tarafından kolaylaştırılabilir. Yalnızca yerleşik (yüz yüze) eğitimi desteklemeye odaklanan Öğretim ve Öğrenim Laboratuvarı (Teaching and Learning Lab), bu faaliyetlerin bazılarının düzenlenmesi ve yürütülmesine yardımcı olma konusunda kilit bir rol oynayabilir.

3.3.6. Metrikler geliştirme

Yapay zekanın topluluğumuzu ve sınıflarımızı nasıl yeniden şekillendirdiğini anlamak için MIT; yapay zeka kullanımı, kampüs etkileşimi, öğrenci memnuniyeti ve mezuniyet sonrası geri bildirimlere ilişkin metrikleri izlemeye başlamalıdır. Bu süreç; iki yılda bir yapılan MIT Yaşam Kalitesi anketine yapay zeka odaklı ek soruların dahil edilmesini veya ders değerlendirmelerinde öğrenci/personel etkileşimi ve yapay zeka kullanımına dair ilave sorular gibi başka metriklerin kullanılmasını kapsayabilir.

3.3.7. Adil teknoloji erişimini sağlayın

MIT; topluluğumuzu tek bir model sağlayıcısına bağımlı kılmayan, Parley gibi “modelden bağımsız” (model-agnostic) bir yapay zeka platformu sunmaya devam etmeli ve bu platformun topluluğumuzun ihtiyaç duyduğu erişim düzeyini sağladığından emin olmalıdır.

Farklı üretken yapay zeka modelleri, çeşitli görevlerdeki performans ve davranışları bakımından önemli ölçüde farklılık gösterir. OpenAI, Google ve Anthropic gibi ticari yapay zeka sağlayıcılarının tümü ücretli ve barındırma hizmeti içeren ticari servisler sunmakta olup, en üst seviye planların maliyeti (Haziran 2026 itibarıyla) aylık 200 dolara kadar çıkabilmektedir. Bazı araştırmacıların, kodlama araçları ve diğer kullanım alanları için yapılan “çağrı başına ödeme” (API erişimi) şeklindeki taleplere ayda binlerce dolar daha harcadığı bildirilmektedir. Bu ticari sağlayıcılar, en ileri düzey performansı sunmak amacıyla modellerini sürekli olarak yenilemektedir.

MIT topluluğu açısından ortaya çıkan sonuç, rahatsız edici bir eşitsizliktir: Buradaki öğrencilerin birçoğu en ileri düzey yapay zeka sistemlerine erişmek için ayda 200 dolar veya daha fazlasını kendi ceplerinden ödeyebilirken, pek çok akranı bunu yapamamaktadır. Böylece bazı öğrenciler, kapsamlı ders projelerini tamamlayabilen veya çok zorlu matematik ve kodlama alıştırmalarını bir gecede çözebilen araçlara erişebilirken; diğerleri, ders politikası kısıtlamasız yapay zeka kullanımına izin verse bile, daha az gelişmiş modellerle yetinmek zorunda kalmaktadır. Bu dengesizlik, ders performansında muazzam farklılıklar yaratma potansiyeline sahiptir.

Benzer endişeler sınıf dışı ortamlar için de geçerlidir; üretkenlikleri, daha güçlü veya daha zayıf modellere erişimi olan meslektaşlarıyla kıyaslanan idareciler ve araştırmacılar da bu durumdan etkilenmektedir.

Erişim ve gizlilik endişelerini ele alma yolunda önemli bir ilk adım olarak IS&T, MIT’deki herkesin hem ticari hem de açık kaynaklı çeşitli modellere erişmesini sağlayan ve her kullanıcıya bunları kullanması için aylık 30 dolara kadar ücretsiz kredi sunan Parley Sistemini18 kullanıma sunmuştur. Kodlama araçlarıyla kullanım için API erişimi ise 2026 yazında kullanıma açılmıştır.

Parley’in sağladığı erişim oldukça yararlıdır; ancak bu, özellikle sektörün bu araçları hızla benimsediği yazılım mühendisliği gibi alanlardaki tüm MIT dersleri için yeterli olmayabilir. Bazı kullanıcılar ayrıca, her bir kullanıcıya tanınan aylık 30 dolarlık “bütçenin” çok düşük olduğu yönünde endişelerini dile getirmiştir. MIT’nin toplulukla anketler yapmaya devam etmesini ve öğrencilerin ek kaynaklara ihtiyaç duyduğu belirli kullanım türleri (örneğin, yapay zeka odaklı özel dersler) için genişletilmiş erişim sağlamayı değerlendirmesini öneriyoruz. Ayrıca çeşitli gruplardan, abonelik planları Parley’in token başına fiyatlandırmasına kıyasla token kullanımını fiilen sübvanse ettiği için, hâlâ ticari modellere ücret ödediklerini duyuyoruz.

Otonom yeteneklere sahip sistemler ve araçlar giderek daha fazla yapay zeka uygulamalarının bir parçası haline geldiğinden, kullandığımız sistemler sohbet arayüzlerinin yanı sıra otonom kodlama ve çalışma araçlarına da erişim sağlamalıdır. Ayrıca, hem kampüs içi hem de bulut tabanlı kaynak seçeneklerini değerlendirerek, öğrencilerin modelleri eğittikleri veya ince ayar (fine-tuning) yaptıkları dersler ve projeler için ihtiyaç duydukları bilgi işlem kaynaklarına yeterli erişimi sağladığımızdan emin olmalıyız.

3.3.8. Hassas verileri koruyun ve model seçim özgürlüğünü muhafaza edin

MIT’nin; öğrencilerin, öğretim üyelerinin ve personelin kullandıkları sohbetler, veriler veya uygulamalarla ilgili gizlilik endişesi duymadan işlerini yapabilmelerini sağlayan en ileri düzey araçlara erişim imkânı sunmaya devam etmesini öneriyoruz. MIT, belirli bir modele bağlı kalmaksızın (modelden bağımsız bir yaklaşımla) bu gizlilik katmanını sağlama sorumluluğunu üstlenmelidir.

Ticari yapay zeka araçlarıyla ilgili endişelerden biri, hassas verilerin bu araçların eğitim setlerine dahil edilebilme ihtimalidir. Çoğu plan (özellikle ücretli olanlar), kullanıcıların verilerinin eğitim amacıyla kaydedilmesini bilinçli bir şekilde devre dışı bırakmasına olanak tanır; ancak varsayılan ayar genellikle kullanıcı oturumlarının eğitim amacıyla kaydedilmesi yönündedir. Bu durum, MIT kullanıcılarına ait özel ve hassas verilerin, söz konusu modellerin sunduğu yanıtlara sızması ihtimalini doğurmaktadır.

MIT’nin IS&T (Bilgi Sistemleri ve Teknoloji) birimi, bu ticari yapay zeka sağlayıcıları nezdinde farklı veri türleri için izin verilen kullanım koşullarına dair iyi bir referans kaynağı sunmaktadır.

Bazı öğrenciler ve öğretim üyeleri, yayınlarının (öğrenci tezleri, dergi makaleleri ve kitaplar dahil) yapay zekayı eğitmek için nasıl kullanılabileceğine dair endişeler taşımaktadır. MIT Akademik İçerik ve Üretken Yapay Zeka Çalışma Grubu, bu konuda yakında yayımlanacak kılavuzlar ve kaynaklar hazırlamıştır.

Parley’in modelden bağımsız yaklaşımını kuvvetle destekliyor ve MIT’yi, herkes için birinci sınıf erişim imkânını korurken tek bir ticari yapay zeka ekosistemine bağlanmamaya çağırıyoruz. Ayrıca MIT’nin, kullanıcıların ticari sağlayıcılar tarafından eğitim verisi kaydı endişesi taşımadan istek gönderebilecekleri yerel yapay zeka modellerine daha fazla barındırılan erişim imkânı sunmasını arzu ediyoruz. Yerel GPU’larda çalıştırılabilen yeni nesil açık kaynaklı modeller, birçok görevde ticari modellere benzer yetenekler sunmakta ve gelişmeye devam etmektedir; ancak en büyük açık kaynaklı modellerin yerel olarak çalıştırılması, çok büyük GPU kümeleri gerektirmektedir.

3.3.9. Gizlilik, kayıt tutma ve denetim politikaları oluşturun

Yapay zeka sistemleri sadece iş yapmaya yarayan araçlar değildir. İnsanlar, bu teknolojinin ilk günlerinden itibaren söz konusu sistemleri duygusal ve psikolojik destek amacıyla kullanmışlardır. Bu durum, MIT tarafından geliştirilen ilk sistemlerden biri olan ELIZA sohbet robotunda bile yaşanmıştır (gerçi ironik bir şekilde ELIZA, esasen insan-yapay zeka etkileşimlerinin yüzeyselliğini göstermek amacıyla tasarlanmıştı).

Günümüzde MIT topluluğu üyeleri, yapay zeka sistemleriyle kimliklerinin ve deneyimlerinin en kişisel ve hassas yönlerini içeren bilgileri paylaşmakta; sağlık, ilişkiler, duygusal yaşam, hedefler, arzular ve kaygılarla ilgili sorular yöneltmektedir. Öğrencilerimiz, bu tür kişisel tavsiyeler almak amacıyla yapay zekayı kullanma olasılığı en yüksek olan neslin bir parçasıdır.

Parley, MIT tarafından yönetilen bir sistem olduğu için, sunduğu imkanlardan biri de yapay zeka modellerinin kullanımının denetlenebilmesidir; teorik olarak IS&T, kullanıcıların Parley’e gönderdiği her bir talebi ve arka plandaki API modellerinden gelen yanıtları görebilir.

Bu nedenle MIT’nin, ne tür kayıt tutma ve denetleme işlemlerine izin verileceğine dair net bir politika oluşturması gerekmektedir. Burada birbiriyle çatışan çıkarlar söz konusudur: Bir yanda, verilerinin gizli kalacağı beklentisiyle bu modelleri özel veya kişisel açıdan hassas sorular sormak için kullanmak isteyen kullanıcılar vardır. Diğer yanda ise, öğrenme hedeflerine ulaşılıp ulaşılmadığını görmek amacıyla öğrencilerinin yapay zeka sohbet oturumlarını veya kayıtlarını incelemeyi yararlı bulabilecek eğitmenler yer almaktadır. MIT’nin anonimleştirme teknolojilerini araştırması ya da kayıtların eğitmenlerle paylaşıldığı sınıf içi ödevlerin açıkça etiketlenip duyurulduğu bir uygulama geliştirmesi gerekebilir.

MIT’nin yanıtlaması gereken bazı sorular şunlardır: Verileri nasıl muhafaza etmeli ve depolamalıyız? Kullanıcıların kendilerine veya başkalarına zarar verme ihtimalinden bahsettikleri ya da psikolojik sıkıntı belirtileri gösterdikleri durumlarda, yapay zeka etkileşimlerini nasıl izlemeli (veya bunlara nasıl müdahale etmeli)yiz? Bu politikaları (ve bunların doğuracağı sonuçları) kampüs topluluğuna en iyi nasıl aktarabiliriz? Bu konuların açıkça tartışılması ve şeffaf bir şekilde çözüme kavuşturulması gerekmektedir.

3.3.10. Yapay zeka maliyetlerini ve çevresel etkileri izleyin

Pek çok topluluk üyesi, yapay zekanın çevresel maliyetleri ve veri merkezlerinin kuruldukları bölgelerdeki topluluklar üzerindeki etkileri konusunda ciddi endişelerini dile getirdi. Bu endişeler; veri merkezlerinin enerji ve su tüketimini, inşaat süreçlerinin etkilerini ve donanım üretiminde kullanılan malzemeleri kapsamaktadır. Bu konular hem genel literatürde yer bulmuş hem de MIT’deki bir raporun konusunu oluşturmuştur. Hem model eğitimi hem de çıkarım (inference) süreçleri enerji maliyeti doğurur; ayrıca modellerin hızlı yanıt verme gerekliliği ve sürekli olarak daha yeni ve güçlü modellerin eğitilmesi de çevresel etkilere yol açar.

MIT bu konuyu hem kampüs içi uygulamalar hem de araştırmalar yoluyla ele almalıdır.

MIT’nin yapay zeka araçlarına erişim sağlamasını elzem görmekle birlikte, Enstitü’nün yapay zeka kullanımının gerçek çevresel ve finansal maliyetleri hakkında bilgi sunacak yöntemlere yatırım yapmasını da öneriyoruz. Bu kapsamda, farklı modellere ilişkin çevresel maliyet tahminlerinin Parley platformunda paylaşılması veya çevresel etkisi daha düşük olan yapay zeka araçlarının kullanımının teşvik edilmesi gibi adımlar atılabilir. Ayrıca MIT’yi, mümkün olduğu ölçüde, kendi yapay zeka kullanımından kaynaklanan çevresel ayak izini denetlemeye teşvik ediyoruz.

Kampüste, veri merkezlerinin çevresel maliyetlerini ölçmeye ve bunları azaltmanın yollarını bulmaya yönelik çalışmalar yürütülmektedir. Bu etkileri nicel olarak belirlemek genellikle zordur; zira şirketler bu verileri gizli tutmaktadır ve söz konusu etkiler, inşaat sürecinden çıkarım işlemlerinin tüm yaşam döngüsüne yayılan eğitim maliyetlerine kadar pek çok unsuru kapsayan geniş bir alana yayılmaktadır. MIT Enerji Girişimi (MIT Energy Initiative), MIT İklim Projesi (MIT Climate Project) ve MIT İklim ve Sürdürülebilirlik Konsorsiyumu (MIT Climate and Sustainability Consortium) dahil olmak üzere MIT bünyesindeki pek çok grup, veri merkezleri ve toplulukların geleceğine dair yenilikçi çözümler üzerinde çalışmaktadır. MIT ayrıca, çok daha az enerji tüketen yapay zeka modellerinin tasarlanmasına da önemli katkılarda bulunabilir.

4. Sonuç

Bu raporun, yapay zekanın MIT için sunduğu zorlukların ve fırsatların karmaşıklığını, aciliyetini ve inceliklerini yansıtmasını; ayrıca Enstitü topluluğunun harekete geçmek üzere bir araya gelmesine yardımcı olmasını umuyoruz.

Yapay zeka; öğrencilerimizin daha üretken olmalarına, daha verimli öğrenmelerine ve daha iyi bir dünya yaratmalarına katkı sağlayacak beceriler geliştirmelerine yardımcı olma potansiyeline sahiptir. Dahası —bu raporun kapsamını aşsa da— yapay zekanın olağanüstü yetenekleri, hem kampüsümüzde hem de başka yerlerde bilimsel araştırma uygulamalarını şimdiden dönüştürmektedir. Ancak yapay zeka; öğrenme süreci, öğretim uygulamaları ve yüz yüze eğitimin (kampüs içi eğitimin) sosyal dokusu üzerinde de pek çok köklü değişikliğe yol açan riskler barındırmaktadır.

Güçlü ve ortak bir bakış açısı

Komite olarak yürüttüğümüz çalışmalardan elde ettiğimiz çarpıcı bir bulgu şuydu: Üyelerimiz Enstitü’nün farklı bölümlerinden (beş fakülte ve ilgili kolej dahil), çeşitli mesleki perspektiflerden ve farklı kuşaklardan gelmiş olsalar da; yapay zekanın öğrencilerimiz ve topluluğumuz üzerindeki risklerine dair aynı temel endişeleri ve MIT’nin, insan bilgeliğini ve insanlar arası bağı yücelten yeni bir eğitim modeline öncülük etmesi gerektiğine dair aynı acil kararlılığı paylaşıyorlardı.

MIT’nin benzersiz konumu

MIT’nin yapay zeka alanındaki köklü liderliği, dünyanın önde gelen araştırma ve eğitim kurumlarından biri olması ve uygulamalı eğitim geleneği sayesinde Enstitü; yükseköğretimin yapay zeka çağına uyum sağlama sürecindeki bu hızlı ve yüksek riskli dönüşüme liderlik etmek adına benzersiz bir konumdadır.

Bu, isteğe bağlı bir süreç değildir. Yapay zekayı; öğrenmeyi güvence altına alacak, keşifleri ilerletecek ve öğrencileri geleceğe hazırlayacak biçimlerde sınıflara, araştırma faaliyetlerine ve yüz yüze eğitim deneyimine nasıl bilinçli ve planlı bir şekilde entegre edebileceğimizi göstermeliyiz.

Yapılacak çok iş var.

MIT topluluğu, eğitim yaklaşımlarımızı yapay zeka konusunda daha bilinçli hale getirecek bir dizi değişikliği derhal başlatmalıdır. Bu, yaptığımız her şeye —hatta çoğu şeye— yapay zekayı dahil etmek zorunda olduğumuz anlamına gelmez. Ancak hiçbirimiz, yapay zekanın öğrencilerimizin neyi ve nasıl öğrendiğini etkilediği gerçeğine kayıtsız kalamayız.

Öğrenciler için

Bu çalışmada öğrencilerimize; yüz yüze eğitim deneyimini bu denli dönüştürücü kılan unsurları vurgulayıp bunları daha fazla hayata geçirerek; neleri bilmeleri gerektiğini yeniden değerlendirip değerlendirme yöntemlerimizi buna göre yenileyerek; ve kendi disiplinleri dahilinde yapay zekayı uygun şekilde kullanmayı onlara öğreterek hizmet edeceğiz. …ve onlara, yapay zekanın her yanı sardığı bir dünyada MIT sonrasında başarılı olmalarını sağlayacak becerileri, muhakeme yeteneğini ve tutumları geliştirme konusunda yardımcı olarak. MIT’deki yüz yüze etkileşime dayalı ortak deneyime değer veren, bundan en iyi şekilde yararlanan ve öğrencilere öğrenmenin o üretken çabasına katılma konusunda ilham veren bir topluluk oluşturmalıyız.

Eğitmenler için

Enstitü ayrıca, eğitmenlerin yapay zekayı nasıl kullanacaklarını ve onu kullanmamanın ne zaman daha doğru olacağını bilmelerini sağlamalıdır. Öğrencilerin şu anda neleri bilmesi gerektiğini değerlendirme ve “yapay zeka farkındalığına sahip” değerlendirme yöntemleri geliştirme konusunda öncülük etmesi gerekenler bizzat eğitmenler olsa da; MIT’nin —ve belki de özellikle bölümlerin— önemli ölçüde destek, koordinasyon ve rehberlik sağlaması gerekecektir. Eğitmenlerin yapay zekayı nasıl kullanacakları, ona nasıl uyum sağlayacakları ve ona karşı kendilerini nasıl koruyacakları konusunda birbirlerinden bir şeyler öğrenebilmeleri için, okullar bünyesinde ve okullar arasında “uygulama toplulukları” oluşturmalıyız. Bu da Enstitü ve bölümlerin, sınıf ortamında yapay zeka ile ilgili ve yapay zeka eksenli denemeler yapılmasına izin vermesini ve bunları desteklemesini; ayrıca bu deneyimlerin kayıt altına alınıp paylaşılmasına olanak tanıyan yöntemler sunmasını gerektirir.

Zaman içinde

Bazı değişiklikler zaman alacaktır. Öğrencilere, MIT’ye geldikleri andan mezuniyetlerine kadar uygun yapay zeka öğrenme deneyimleri sunmanın yollarını bulmalıyız. Endüstrinin talep ettiği teknik ve kalıcı insani becerileri sürekli olarak izleyip incelemeli ve öğrencilerimizi buna uygun şekilde hazırladığımızdan emin olmalıyız. Yapay zekanın öğrenme sürecini nasıl etkilediğine dair bilimsel anlayışımızı derinleştirmeli ve eğitim uygulamalarımızın bu gelişen bilgiyi yansıtmasını sağlamalıyız. Yapay zekanın faydalarından —belki de özellikle araştırma alanında— yararlanırken, aynı zamanda onun zararlarını azaltmak için de aktif bir şekilde çalışmalıyız.

Geleceğe giden bir yol haritası

Enstitü’nün bu geçiş sürecini hem hemen hem de zaman içinde yönetmesine yardımcı olacak bir yol haritası niteliğindeki bu raporu, alçakgönüllülükle sunuyoruz. Bu çalışma; öğrenciler, eğitmenler, personel ve yöneticiler dahil olmak üzere tüm MIT topluluğunun bilinçli bir kararlılık ve odaklanmış bir çaba göstermesini gerektirecektir. Nihai hedef: MIT eğitiminin o kendine özgü dönüştürücü gücünü korumak ve daha da ileriye taşımaktır.

MIT’nin misyonunun buna bağlı olduğunu söylemek abartı olmaz. Neyse ki, bir komite olarak yürüttüğümüz çalışmalar bizi şuna ikna etti: MIT mensupları bu zorluğun üstesinden gelmeye büyük ilgi duyuyor ve bunu başarmak için eşsiz bir donanıma sahipler; böylece Enstitü, öğrencilerinde “insanlığın iyiliği adına bilgece, yaratıcı ve etkili bir şekilde çalışma becerisi ve tutkusu”nu geliştirmeye devam edebilecektir.

https://facultygovernance.mit.edu/committee/ad-hoc-committee-ai-use-teaching-learning-and-research-training ↩︎

https://computing.mit.edu/cross-cutting/social-and-ethical-responsibilities-of-computing/ ↩︎

https://tll.mit.edu/teaching-resources/course-design/where-to-start-backward-design/ ↩︎

https://osf.io/preprints/psyarxiv/yk25n_v1 ↩︎

https://www.brookings.edu/articles/building-pro-worker-ai/ ↩︎

https://www.hup.harvard.edu/books/9780674179530 ↩︎

https://tll.mit.edu/teaching-resources/course-design/where-to-start-backward-design/ ↩︎

https://urop.mit.edu ↩︎

https://orgchart.mit.edu/letters/announcing-mit-co-op-planning-committee ↩︎

https://healthymindsnetwork.org/wp-content/uploads/2024/09/HMS_national_report_090924.pdf ↩︎

https://web.mit.edu/about/mission-statement/ ↩︎

https://web.mit.edu/values/ ↩︎

https://gue.mit.edu/tfuap/ ↩︎

https://libraries.mit.edu/mit-reads/ ↩︎

https://dspace.mit.edu/communities/6fc02cc2-0d14-4023-8a6f-d9900d0c4302/search ↩︎

https://libguides.mit.edu/cite-AI-tools ↩︎

https://mitsloanedtech.mit.edu/ai/ ↩︎

https://parley.mit.edu ↩︎

https://ist.mit.edu/ai-tools ↩︎

https://www.pewresearch.org/internet/2026/06/17/americans-and-ai-2026-chatbots-smart-devices-and-views-on-impact/ ↩︎

https://mit-genai.pubpub.org/pub/8ulgrckc/release/2 ↩︎

https://news.mit.edu/2025/explained-generative-ai-environmental-impact-0117 ↩︎