AI ile Deneme Sınavı Analizi: Öğrencinin Zayıf Konusunu Otomatik Bulmak

Optik okuyucunuz zaten her denemeden sonra karne basıyor: net sayısı, sıralama, ders bazlı doğru-yanlış dökümü. Yapay zekaya neden ihtiyacınız olsun ki? Hatta Konya Ölçme ve Değerlendirme Merkezi'nin optik form oluşturup okuyan ve analiz veren ücretsiz bir yazılımı bile var. Temel analiz artık bedava dağıtılan bir hizmetse, "AI destekli deneme analizi" satan ürünler tam olarak neyi satıyor?

Bu soruyu ciddiye almaya değer, çünkü pazar küçük değil: 2026 YKS'ye 2,4 milyon aday başvurdu, LGS kapısında da 1 milyonu aşkın başvuru var. Bu öğrencilerin önemli bölümü yıl boyunca onlarca deneme çözüyor ve o denemelerin verisi çoğu kurumda karne basılıp rafa kalkıyor. Bu yazıda klasik analizle yapay zeka katmanı arasındaki gerçek farkı, akademik kanıtın ne dediğini, veli rızası meselesini ve maliyet gerçeğini ele alacağız. Eğitim dışındaki sektörler için benzer değerlendirmeleri sektör sektör yapay zeka haritamızda toplamıştık.

Deneme sınavı analizi bugün ne durumda?

Türkiye'de deneme sınavı analizi büyük ölçüde optik form okuma ve net hesabı düzeyinde standartlaştı: her kurumun kullandığı bir yazılım var, çıktı da ders bazlı doğru-yanlış-boş tablosu ve sınıf içi sıralama. Tarayıcıyla optik okuyan, hatta PDF'ten sonuç çeken çözümler de pazarda mevcut; yani veriyi toplamak çözülmüş bir problem.

Çözülmemiş olan, o verinin konuşturulması. Karne öğrenciye "matematikten 12 yanlışın var" der; hangi 12 konudan, hangi soru tipinde, hangi eski eksiğin zincirleme sonucu olarak yanlış yaptığını söylemez. Kurum tarafında da tablo aynıdır: rehber öğretmen 200 öğrencinin karnesine tek tek bakamaz, o yüzden görüşmeler çoğu zaman net sayısı üzerinden ilerler. Deneme verisi zengin, yorum katmanı zayıftır.

"Yanlış sayısı çok olan konu zayıf konudur" doğru mu?

Her zaman değil ve yapay zeka katmanının asıl vaadi tam bu noktada başlıyor. İki öğrenci aynı testte aynı sayıda yanlış yapabilir ama biri temel kavramı hiç öğrenmemişken diğeri işlem hatası yapıyor olabilir. Yanlış sayısı ikisini aynı kutuya koyar; öğrenme bilimi koymaz.

Bu ayrımı yapan yaklaşımın literatürdeki adı bilgi izleme (knowledge tracing): model, öğrencinin çözdüğü her sorudan konu bazlı bir "ustalık" profili çıkarır ve bir sonraki soruyu doğru yapma olasılığını tahmin eder. Sade bir benzetmeyle, deneyimli bir öğretmenin "bu çocuk üslü sayıları anlamamış, o yüzden köklü sayılarda da dökülüyor" sezgisinin, yüzlerce soru verisiyle sistematik hale getirilmiş hali. Çıktı da karne değil eylem listesidir: "Önce şu iki konuyu kapat, şu soru tipinden şu kadar çöz."

İki öğrenciyle somutlaştıralım. Elif ve Mert, aynı denemede matematikten 12'şer yanlış yaptı; karnede ikisi de aynı satırda. Son beş denemenin soru bazlı dökümüne inildiğinde ise resim ayrışıyor: Elif'in yanlışlarının 9'u üslü ve köklü sayılardan geliyor, üstelik bu iki konudan beş denemedir istikrarla yanlış yapıyor; Mert'in yanlışları ise 7 farklı konuya dağılmış ve çoğu, son iki soruda süre yetmediği için boş bırakılmış işaretlemeler. Elif'e verilecek reçete konu telafisi, Mert'e verilecek reçete süre yönetimi ve soru seçme stratejisidir. Aynı "12 yanlış" satırından iki farklı karar çıkıyor; analiz katmanının parayla satılan kısmı tam olarak bu ayrım.

Peki gerçekten işe yarıyor mu? Kanıt ne diyor?

Akademik kanıt umut verici ama sınırları belli. Kişiselleştirilmiş yapay zeka destekli çalışma platformlarıyla yapılan kontrollü bir çalışmada anlamlı başarı artışı ölçüldü (orta-büyük etki büyüklüğü); ancak bu çalışma tıp öğrencileriyle yapıldı, lise düzeyine birebir genellenemez. Daha geniş derlemelerin bulgusu da öğretici: yapay zeka destekli kişisel öğrenme yolları, bilgi ve kavrama düzeyindeki eksikleri kapatmakta işe yarıyor; analiz ve sentez gerektiren üst düzey becerilerde etkisi sınırlı kalıyor.

Bunu dershane diline çevirelim: sistem, temeli zayıf öğrenciyi orta bandına taşımakta iyidir; ilk 100 hedefleyen öğrenciyi zirveye taşıyan şey hâlâ iyi öğretmen ve nitelikli soru pratiğidir. "Her öğrenciyi sınav birincisi yapan yapay zeka" iddiasının akademik dayanağı yok. Satın alma görüşmesinde bu cümleyi kuran satıcıya, hangi öğrenci grubunda hangi etkiyi ölçtüğünü sorun; cevap alamıyorsanız o slayt pazarlamadır.

Öğrenci verisi kimin elinde? KVKK ve veli rızası

Deneme analizi yazılımına aktardığınız her satır, reşit olmayan öğrencilerin kişisel verisidir ve KVKK kapsamındadır; küçükler adına açık rızayı veli verir. Kurul'un bir eğitim kurumu hakkında verdiği 2020/255 sayılı karar, çocuk verisini hukuka aykırı işlemenin yaptırımsız kalmadığını gösteren somut bir emsal. Sınav sonucu tek başına özel nitelikli veri sayılmaz; ama rehberlik notları veya sağlık bilgisiyle birleştirildiği anda tablo değişir ve açık rıza şartı ağırlaşır.

Pratik kontrol listesi kısa: aydınlatma metninizde deneme verisinin hangi amaçla ve hangi yazılımda işlendiği yazsın, veli açık rızası kayıt sözleşmesinin içine gömülü değil ayrı ve anlaşılır olsun, yazılım sağlayıcınıza verinin nerede tutulduğunu sorun. Veri yurt dışındaki bir yapay zeka servisine gidiyorsa bu ayrı bir aktarım rejimine tabidir; isimsizleştirilmiş veriyle çalışmak çoğu senaryoda hem yeterli hem güvenlidir.

Kaça mal olur? Fiyat etiketi neden yok?

Türkiye'deki deneme analizi ve öğrenci takip yazılımlarında açık liste fiyatı neredeyse hiç yayınlanmıyor; sektör standardı, öğrenci sayısına göre kuruma özel teklif. Bu şeffaflık eksikliği alıcı için sinir bozucu ama bir bilgi de veriyor: pazarlık payı var. Birden fazla sağlayıcıdan öğrenci başına yıllık maliyeti yazılı isteyin; ücretsiz demo süresi sunanlarla (pazarda örneği var) kendi geçmiş deneme verinizi yükleyerek test edin.

Değerlendirme ölçütünüz de şu olmalı: optik okuma ve karne zaten meta, ücretsiz araçlarla bile yapılıyor. Paranın karşılığı, konu bazlı eksik tespiti, kişisel çalışma listesi üretimi ve veli raporunun otomatik çıkması gibi yorum katmanında. ABD'den bir kurs zinciri sahibinin aktarımına göre analitik raporların veliyle düzenli paylaşılması kurs devamlılığını belirgin artırmış; tek kaynaklı bir anekdot ama mantığı sahada tanıdık: veli, parasının karşılığını grafikte görünce ikna oluyor.

Somut senaryo: 200 öğrencili bir kurs merkezi

İki haftada bir deneme yapan, 200 öğrencili bir LGS kursu düşünün. Mevcut düzende deneme pazartesi okunuyor, karneler çarşamba dağıtılıyor, rehber öğretmen ancak en düşük ve en yüksek netli 20 öğrenciyle görüşebiliyor. Analiz katmanı eklendiğinde akış şöyle değişiyor: sonuçlar okunduğu gün sistem her öğrenci için konu bazlı eksik listesi ve iki haftalık çalışma önerisi üretiyor, rehber öğretmenin ekranına ise "bu denemede beklenmedik düşüş yaşayan 12 öğrenci" listesi düşüyor.

Görüşme önceliği artık net sayısına göre değil, sapmaya göre kuruluyor: 380 puan bandından 340'a düşen öğrenci, istikrarlı 300 bandındaki öğrenciden önce çağrılıyor. Velilere giden otomatik rapor da "netler" yerine "bu ay kapatılan konular" dilinde konuşuyor; veli toplantıları, sayı okuma seansı olmaktan çıkıp ilerleme sohbetine dönüşüyor. Branş öğretmenleri ise dönem başında en çok tekrar eden beş ortak eksiği görüp telafi derslerini o konulara ayırıyor. Kayıt döneminde bu sistemin kendisi bir satış argümanına dönüşüyor; kayıt sürecinin otomasyonunu dershane ve kurs merkezleri rehberimizde, birebir takip tarafını ise öğrenci koçluğu yazımızda ayrıca işlemiştik.

Satın almadan önce: üç kırmızı bayrak

Satıcı görüşmelerinde üç işaret, ürünün yorum katmanının zayıf olduğunu ele verir. Birincisi, demoda yalnız sıralama ve net grafiklerinin gösterilmesi: bunlar optik okuma çıktısıdır, analiz değil. İkincisi, "kazanım bazlı analiz" ifadesinin arkasının boş çıkması: sisteme sorularınızın kazanım eşlemesini kimin, nasıl gireceğini sorun; cevap "siz gireceksiniz" ise iş yükünün nerede durduğunu bilerek karar verin. Üçüncüsü, başarı iddialarının referanssız olması: hangi kurumda, kaç öğrenciyle, hangi dönemde ölçülmüş, sorulduğunda somutlaşamıyorsa slayttır.

Bir de sözleşme detayı: verinizin size ait olduğu ve ayrılırken tüm geçmişi dışa aktarabileceğiniz yazılı olsun. Deneme arşivi yıllar içinde kurumunuzun en değerli varlıklarından birine dönüşür; onu satıcıya rehin bırakmayın.

Sık sorulan sorular

Optik okuyucu cihazı almam şart mı?

Hayır. Sıradan doküman tarayıcısını optik okuyucuya çeviren yazılımlar ve hazır PDF sonuçlarını işleyen çözümler pazarda mevcut. Cihaz yatırımından önce mevcut tarayıcınızla çalışan bir yazılımı denemek daha ekonomik bir başlangıç.

Bu sistemler öğretmenin yerine mi geçiyor?

Hayır; kanıt, yapay zekanın öğretmene karar desteği verdiği yönünde. Sistem eksiği bulur, önceliklendirir ve raporlar; telafi dersini kurgulamak, öğrenciyi motive etmek ve üst düzey becerileri geliştirmek insan işi olarak kalıyor.

Kaç denemeden sonra analiz anlamlı olur?

Tek deneme gürültülüdür: kötü bir gece, şanslı bir tahmin turu, formu bozuk bir sınav resmi çarpıtabilir. Konu bazlı eksik tespiti, aynı konunun birden çok denemede tekrar tekrar sınandığı noktada güvenilirleşir; pratikte bu, düzenli aralıklarla yapılmış birkaç denemenin birikmesi demek. İyi haber şu: geçmiş dönem denemeleriniz elinizdeyse sistemi sıfırdan beklemek gerekmez, arşivi yükleyerek ilk günden anlamlı bir başlangıç profili elde edersiniz.

Az öğrencili bir kurumda anlamlı mı?

Öğrenci sayısı azaldıkça öğretmenin kişisel takibi güçlenir, yazılımın marjinal katkısı düşer. 30-40 öğrencili bir butik kursta iyi tutulmuş bir takip tablosu yeterli olabilir; yüzlerce öğrencide ise elle takip matematiksel olarak imkansızlaşır, sistem asıl orada değer üretir.

Sistemi beslemek için hangi veriler gerekir?

Asgari paket, soru bazlı cevap dökümüdür: hangi öğrenci hangi soruya ne cevap verdi. Konu bazlı analiz için soruların konu/kazanım eşlemesi de gerekir; bu eşleme yayınevinden hazır gelebilir ya da kurumca girilir. Devam, ödev ve etüt katılımı gibi ek veriler analizi zenginleştirir ama şart değildir; küçük ve temiz veriyle başlamak, büyük ve kirli veriden iyidir.

Yanlış önerirse ne olur?

Olur; model tahmin üretir, hüküm değil. Bu yüzden önerilen çalışma listelerinin ilk dönemde branş öğretmeni süzgecinden geçmesi sağlıklı. Birkaç deneme sonrasında sistemin isabetine dair kendi gözleminiz oluşur; körü körüne güven de toptan ret de yanlış uçlar.

Peki siz ne yapmalısınız?

• Elinizdeki veriyi envanterleyin: Geçmiş denemelerin sonuçları hangi formatta, kaç dönem geriye gidiyor? Analiz katmanının ham maddesi bu arşiv.
• Demoyu kendi verinizle yapın: Satıcının örnek ekranına değil, kendi öğrencilerinizin geçmiş üç denemesiyle üretilmiş analize bakın.
• Rehberlik akışını yeniden çizin: Sistem kime, hangi listeyi, ne zaman düşürecek? Raporu okuyanı belli olmayan analiz, basılmayan karneyle aynı şeydir.
• KVKK dosyanızı güncelleyin: Aydınlatma metni, ayrı veli açık rızası, sağlayıcıyla veri işleme sözleşmesi ve verinin tutulduğu lokasyon bilgisi.
• Etkiyi ölçün: Sistemi açtığınız dönemin deneme ilerlemesini önceki dönemle karşılaştırın; "hissiyat" değil sayı konuşsun.

Başa dönersek: optik okuyucunun bastığı karne veri, yapay zekanın ürettiği çalışma listesi karardır ve aradaki fark, öğrencinin sınava kalan haftalarını nasıl harcadığıdır. Kurumunuzdaki deneme verisini karar üreten bir düzene çevirmenin yollarını, mevcut yazılımınızla entegrasyon dahil, birlikte incelemek isterseniz sorularınızı bekleriz.