< Return to Video

AI 101 for Teachers: Transforming Learning with AI

  • 0:00 - 0:02
    ÖĞRETMENLER İÇİN AI 101
  • 0:02 - 0:05
    ÖĞRETMENLER İÇİN AI 101
  • 0:07 - 0:10
    MERHABA. Öğretmenler için
  • 0:10 - 0:12
    AI 101 Profesyonel Öğrenim Serisinin üçüncü oturumuna
  • 0:12 - 0:13
    hoş geldiniz.
  • 0:13 - 0:15
    Bu oturumda,
  • 0:15 - 0:17
    Pennsylvania Üniversitesi Wharton School'a gidiyoruz.
  • 0:17 - 0:20
    İnovasyon ve girişimcilik
  • 0:20 - 0:22
    dersleri veren profesör
  • 0:22 - 0:24
    Dr.Ethan Mollick ile sohbet edeceğiz. Aynı zamanda
  • 0:24 - 0:27
    interaktif pedagoji ve yapay zeka araştırmaları
  • 0:27 - 0:29
    üzerinde çalışan Dr. Lilach Mollick ile sohbet edeceğiz .
  • 0:29 - 0:32
    Öğrencilerin öğrenmesini geliştirmek için
  • 0:32 - 0:35
    yapay zekanın pedagojiyle nasıl birleştirilebileceğini
  • 0:35 - 0:36
    keşfetmemize yardımcı olacaklar.
  • 0:36 - 0:39
    Hadi Mollick'lerle tanışalım.
  • 0:41 - 0:42
    ÖĞRETMENLER İÇİN AI 101 -YAPAY ZEKA İLE ÖĞRETMEYİ DÖNÜŞTÜRME
  • 0:44 - 0:46
    Merhaba ben Ethan Mollick, Wharton'da profesörüm,
  • 0:46 - 0:48
    oyunlar, etkileşimli araçlar ve
  • 0:48 - 0:50
    yapay zeka gibi araçlar aracılığıyla eğitime
  • 0:50 - 0:53
    erişimi nasıl demokratikleştirdiğimiz üzerinde çalışıyorum.
  • 0:53 - 0:54
    Ve ben
  • 0:54 - 0:57
    Lilach Mollick, Wharton Interactive'de
  • 0:57 - 0:58
    Pedagoji direktörüyüm ve ben
  • 0:58 - 1:00
    Yapay zeka ve eğitimin kesiştiği noktada çalışıyor
  • 1:00 - 1:02
    ve yapay zekanın etkili, pedagojik açıdan
  • 1:02 - 1:05
    sağlam kullanımı yoluyla eğitimin herkes için demokratikleştirilmesine
  • 1:05 - 1:08
    yardımcı oluyorum.
  • 1:08 - 1:10
    Bir süredir eğitimin geleceği üzerinde birlikte çalışıyoruz,
  • 1:10 - 1:12
    eğitimi nasıl
  • 1:12 - 1:14
    daha etkileşimli hale getirebiliriz,
  • 1:14 - 1:16
    geniş ölçekte çalışabiliriz diye düşünüyoruz.
  • 1:16 - 1:19
    Üretken yapay zekanın ortaya çıkışıyla birlikte,
  • 1:19 - 1:21
    sınıfta gerçekten yardımcı olabilecek ancak aynı zamanda
  • 1:21 - 1:22
    bazı riskler de taşıyan güçlü yeni bir araç bulduk.
  • 1:22 - 1:24
    Bugün, üzerinde çalışabileceğiniz
  • 1:24 - 1:27
    bazı örnekler vermek için yapay zekanın sınıflarda
  • 1:27 - 1:28
    kullanımının olumlu ve olumsuz yönleri hakkında biraz
  • 1:28 - 1:30
    konuşmak istiyoruz.
  • 1:30 - 1:32
    Ama önce üç yol gösterici ilkemizle başlamak istiyoruz.
  • 1:32 - 1:35
    Birincisi yapay zekanın tespit edilemez olmasıdır.
  • 1:35 - 1:37
    Yapay zeka araçları, tespit araçları var ama
  • 1:37 - 1:40
    etkili değiller. İkinci prensip ise
  • 1:40 - 1:43
    yapay zekanın her yerde bulunmasıdır.
  • 1:43 - 1:46
    169 ülkenin Bing Chat'e erişimi vardır
  • 1:46 - 1:48
    ve siz ve öğrencileriniz mevcut en güçlü
  • 1:48 - 1:51
    yapay zekaya erişebilirsiniz.
  • 1:51 - 1:53
    Üçüncü prensip, yapay zekanın
  • 1:53 - 1:56
    dönüştürücü olmasıdır. Nasıl yaşadığımızı,
  • 1:56 - 1:58
    nasıl çalıştığımızı, nasıl öğrettiğimizi ve
  • 1:58 - 2:00
    öğrendiğimizi değiştirecek.
  • 2:01 - 2:05
    ÖĞRENMEYİ DÖNÜŞTÜRME - Sınıfta Yapay Zeka Kullanımı
  • 2:05 - 2:10
    Yapay zekanın ortadan kalkmaması bir yana,
  • 2:10 - 2:11
    bu muhtemelen şimdiye kadar kullanacağınız en kötü yapay zekadır. Dolayısıyla,
  • 2:11 - 2:13
    eğer bu durum şimdi yıkıcı geliyorsa, bundan
  • 2:13 - 2:15
    daha kötü bir haber var; bu da
  • 2:15 - 2:17
    yapay zeka gelişiminin devam etmeyeceğinden şüphelenmek için
  • 2:17 - 2:18
    bir nedenin olmaması. Ve bence insanlar
  • 2:18 - 2:20
    uzak gelecek hakkında çok endişeleniyorlar ya da
  • 2:20 - 2:22
    yapay zekanın insanlardan
  • 2:22 - 2:23
    daha akıllı hale gelmesinin ne kadar uzak olduğunu kim bilebilir. Ancak önümüzdeki
  • 2:23 - 2:26
    birkaç yıl içinde, bu
  • 2:26 - 2:28
    akademik yılın bu gerçeğine rağmen
  • 2:28 - 2:30
    yapay zekanın gelişmeye devam etmesini bekliyorum. Beş kere. On kere?
  • 2:30 - 2:33
    Hiçbir fikrimiz yok. Ancak
  • 2:33 - 2:34
    bu sistemlerin
  • 2:34 - 2:35
    eğitim açısından ne anlama geldiğini, sizin için
  • 2:35 - 2:36
    ne anlama geldiğini, öğrencilerinizin kariyerleri için
  • 2:36 - 2:38
    ne anlama geldiğini henüz düşünmüyorsanız. Bence bunu
  • 2:38 - 2:40
    düşünmemiz gerekiyor çünkü bu sistemler
  • 2:40 - 2:41
    yok olmayacak. Bunu neden yapmak
  • 2:41 - 2:44
    isteyebileceğinize dair çok pragmatik
  • 2:44 - 2:46
    bir örnek vereyim. Pragmatik durumun
  • 2:46 - 2:47
    ilk kısmı öğrencilerinizin
  • 2:47 - 2:49
    bunu zaten kullanıyor olmasıdır. Bu yüzden
  • 2:49 - 2:51
    hızlanmanız gerekiyor. Herkesin
  • 2:51 - 2:52
    bu teknolojinin sürüklenmesini isteyeceğini sanmıyorum.
  • 2:52 - 2:54
    Hiç kimse eğitimin büyük ölçüde kesintiye uğramasını
  • 2:54 - 2:56
    istemedi. Ama öyle oldu. Ve ne yazık ki
  • 2:56 - 2:57
    bunu aşmanın bir yolunu bulmalıyız.
  • 2:57 - 2:58
    Artık tüm ev ödevleriniz yapay zeka
  • 2:58 - 3:00
    tarafından yapılabiliyor, bu yüzden
  • 3:00 - 3:01
    bunu düşünmeniz gerekiyor. Ve bence ikinci şey, yapay zekanın
  • 3:01 - 3:03
    bir öğretmen olarak hayatınızı nasıl
  • 3:03 - 3:06
    kolaylaştırabileceğine dair
  • 3:06 - 3:07
    pragmatik bir tartışma. Saatleri düşürürseniz
  • 3:07 - 3:09
    daha sonra geri alabilirsiniz.
  • 3:09 - 3:10
    Ve sonra öğretmenlerin hayatını kolaylaştırmaya
  • 3:10 - 3:12
    yardımcı olacak bir dizi istem üzerinde çalıştıysanız.
  • 3:12 - 3:14
    Evet. Yani yapabileceğiniz şeylerden biri şu tür istemlerdir:
  • 3:14 - 3:16
    "bana bir ders ver",
  • 3:16 - 3:18
    "bir ders planı oluştur"
  • 3:18 - 3:21
    veya "benim için bir sınav oluştur" gibi istemler. Dolayısıyla
  • 3:21 - 3:23
    materyalinizle ve farklı
  • 3:23 - 3:25
    modellerle çalışmaya başlamak size
  • 3:25 - 3:27
    yapay zekanın nasıl çalıştığı,
  • 3:27 - 3:29
    hangi konularda iyi olduğu
  • 3:29 - 3:32
    ve hangi konularda iyi olmadığı konusunda gerçekten iyi bir fikir verebilir. Ve böylece sonunda
  • 3:32 - 3:34
    zamandan tasarruf edersiniz, değil mi? İşte bu noktada öğretmenlere yönelik
  • 3:34 - 3:36
    baskım A: yapmak zorunda olduklarınız ve
  • 3:36 - 3:38
    B: yapmak istedikleriniz.
  • 3:38 - 3:39
    Bir diğer önemli şeyin de
  • 3:39 - 3:42
    denemek olduğunu düşünüyorum. Kullanımı çok basittir.
  • 3:42 - 3:44
    Çok sezgiseldirler
  • 3:44 - 3:46
    çünkü konuşkandırlar.
  • 3:46 - 3:49
    Bir sohbete devam edebilirsiniz ve bu oldukça doğal hissettirir.
  • 3:49 - 3:51
    Ve bence anahtar gerçekten
  • 3:51 - 3:54
    deneydir. Sizin için nasıl çalıştığını görün,
  • 3:54 - 3:56
    kendi bağlamınız içinde,
  • 3:56 - 3:59
    öğrettiğiniz konu dahilinde nasıl çalıştığını görün.
  • 3:59 - 4:01
    Temel kuralımız, yapay zekanın iyi olduğu şeyleri
  • 4:01 - 4:03
    ve sınırlamalarının neler olduğunu anlamak için onunla
  • 4:03 - 4:05
    yaklaşık 10 saat zaman geçirmeniz gerektiğidir. Bu yüzden
  • 4:05 - 4:07
    aslında öğretmenin kendi ödevlerini
  • 4:07 - 4:08
    yapay zekaya atmasını ve ne tür sonuçlar
  • 4:08 - 4:10
    elde edeceğini görmesini
  • 4:10 - 4:11
    önererek başlayacağım.
  • 4:11 - 4:14
    Öğrencilerinden yapay zeka
  • 4:14 - 4:17
    kullanarak bir ödev oluşturmalarını istemelerini ve
  • 4:17 - 4:18
    ardından bu ödevi,
  • 4:18 - 4:21
    muhtemelen sınıfta bile,
  • 4:21 - 4:22
    öğrencilerin yapay zekanın eksiklikleri ve yeteneklerini anlayıp
  • 4:22 - 4:25
    anlayamadıklarını görmek için eleştirmelerini istemeyi düşünürdüm.
  • 4:25 - 4:26
    Bir eğitmen olarak biraz özgürlüğüm var
  • 4:26 - 4:29
    çünkü üniversite ve MBA öğrencilerine
  • 4:29 - 4:30
    girişimcilik öğretiyorum. Yani
  • 4:30 - 4:32
    onların belirtmesini istediğim birçok nokta var
  • 4:32 - 4:33
    ama aynı zamanda bir şeyler inşa ediyorlar,
  • 4:33 - 4:35
    bir şeyler yapıyorlar ve yapay zekanın
  • 4:35 - 4:38
    işleyişini kesinlikle dönüştürüyorlar.
  • 4:38 - 4:40
    Yani ödevlerim artık kelimenin tam anlamıyla
  • 4:40 - 4:41
    öğrencileri sınıfta bu imkansız şeyi yapmaya
  • 4:41 - 4:43
    çağırıyor. Kodlayamıyorsanız
  • 4:43 - 4:45
    çalışan programlar yazmanız gerekir.
  • 4:45 - 4:47
    Hiç yapmadıysanız veya tasarım çalışması yapamıyorsanız,
  • 4:47 - 4:48
    artık tam anlamıyla sınıfın bir parçası olan tam bir grafik tasarım
  • 4:48 - 4:50
    çalışma prototipi oluşturmanız gerekir.
  • 4:50 - 4:52
    Yani eskiden olduğu gibi
  • 4:52 - 4:53
    yazın, küçük bir makale yazın,
  • 4:53 - 4:55
    kağıt üzerinde bir prototip yapın.
  • 4:55 - 4:57
    Artık tam olarak çalışan bir ürün oluşturmanız gerekiyor.
  • 4:57 - 4:59
    Yazılan her ödevin
  • 4:59 - 5:00
    tarih boyunca en az beş ünlü girişimci
  • 5:00 - 5:02
    tarafından eleştirilmesi gerekiyor ve onlar
  • 5:02 - 5:03
    bunları hayata geçirmek için yapay zekayı kullanıyor.
  • 5:03 - 5:05
    Pedagojik bir neden de var; o da
  • 5:05 - 5:07
    girişimcilerin kendilerine aşırı güvenme eğiliminde olmaları.
  • 5:07 - 5:08
    Yani farklı kaynaklardan geri bildirim
  • 5:08 - 5:11
    istiyorsunuz. Yani bana göre,
  • 5:11 - 5:13
    yaptığımdan on kat daha fazlasını öğretmeme izin verecek.
  • 5:13 - 5:15
    İleri düzey girişimcilik dersi veriyordum.
  • 5:15 - 5:17
    Artık orta veya
  • 5:17 - 5:19
    temel kursta ileri düzey materyallerin
  • 5:19 - 5:21
    sonuna kadar ilerleyebiliyorum ve daha da ileri gidebiliyorum. Bu yüzden
  • 5:21 - 5:22
    gelecekte bunun daha fazla sarsıldığını göreceğimizi
  • 5:22 - 5:23
    düşünüyorum. Ancak bunların bir kısmı daha önce
  • 5:23 - 5:25
    yapabileceklerimizi aşmakla ilgili
  • 5:25 - 5:27
    ve bence bu da heyecan verici.
  • 5:27 - 5:30
    Öğretmenler, ödev olarak öğrenci eğitmenlerinin yanı sıra,
  • 5:30 - 5:32
    öğrencilerin tartışmalara hazırlanmalarına yardımcı olmak,
  • 5:32 - 5:35
    öğrencilerin taslak oluşturmasına yardımcı olmak,
  • 5:35 - 5:37
    öğrencilerin araştırma yapmasına yardımcı olmak,
  • 5:37 - 5:40
    öğrencilerin ödevlerle
  • 5:40 - 5:42
    ilgili geri bildirim almasına yardımcı olmak ve yalnızca öğrencilerin
  • 5:42 - 5:44
    açıklamalar geliştirmelerine yardımcı olmak için
  • 5:44 - 5:46
    kesinlikle AI koçlarını, AI asistanlarını kullanabilirler.
  • 5:46 - 5:48
    Öğretmenlerin öğrencilere atayabileceği,
  • 5:48 - 5:50
    çalışmalarını izleyebileceği ve
  • 5:50 - 5:53
    öğrencilerin materyale dikkat ettiğini ve odaklandığını gerçekten görmek için
  • 5:53 - 5:56
    ileri ve geri etkileşim isteyebileceği
  • 5:56 - 5:57
    pedagojik açıdan sağlam
  • 5:57 - 5:59
    sayısız yaklaşım
  • 5:59 - 6:01
    olduğunu düşünüyorum.
  • 6:01 - 6:07
    ÖĞRENMEYİ DÖNÜŞTÜRMEK - Sınıf Politikaları
  • 6:07 - 6:10
    Gelin biraz da yapay zeka hakkında bir öğretmenin bakış açısıyla konuşalım. Yani
  • 6:10 - 6:12
    yapay zekanın her yerde bulunması nedeniyle,
  • 6:12 - 6:15
    sınıfınızdaki yapay zeka politikalarınız açısından yapmanız gereken bazı seçimler var.
  • 6:15 - 6:17
    Peki sen yapay zekaya izin vermek istiyor musun,
  • 6:17 - 6:19
    yapay zekayı yasaklamak istiyormusun?
  • 6:19 - 6:20
    Bu tür şeyleri nasıl uygulayacaksınız?
  • 6:20 - 6:21
    Yapay zekayı bir dereceye kadar kullanmak
  • 6:21 - 6:24
    istediğinizi varsayacağız ve burada
  • 6:24 - 6:26
    biraz ayrıntıya gireceğiz.
  • 6:26 - 6:28
    Yani bir eğitmen olarak birkaç şeyi bilmeniz
  • 6:28 - 6:30
    gerekir. Birincisi, yapay zeka hakkında
  • 6:30 - 6:32
    açıkça devam eden etik tartışmalar var ve bunlar
  • 6:32 - 6:33
    karmaşık tartışmalar. Yapay zekanın
  • 6:33 - 6:35
    kullanımı ve öğrenci öğrenmesinin
  • 6:35 - 6:37
    sonuçları hakkında sahip olabileceğim önyargılar,
  • 6:37 - 6:41
    yapay zekanın doğru türde veriler üzerinde
  • 6:41 - 6:43
    eğitilip eğitilmediği konusunda tartışmalar var.
  • 6:43 - 6:44
    Ve bu tür şeyleri kabul etmeye değer.
  • 6:44 - 6:46
    Ancak bu araç mevcut ve
  • 6:46 - 6:48
    onu nasıl kullanmak istediğinizi düşünmeye
  • 6:48 - 6:50
    değer. Bunun sorun olmadığına
  • 6:50 - 6:51
    ve bu bilgiyi başlangıçtaki etik kaygıların ötesinde
  • 6:51 - 6:54
    nasıl iletmek istediğinize karar verirseniz, yapay zekanın
  • 6:54 - 6:56
    gerçekte nasıl çalıştığına dair
  • 6:56 - 6:59
    endişeler de vardır. Yani günümüzün
  • 6:59 - 7:02
    yapay zekasına güç veren büyük dil modelleri
  • 7:02 - 7:03
    aslında kelime bilgisine sahip değil.
  • 7:03 - 7:05
    Bir sonraki kelimeyi tahmin ediyorlar.
  • 7:05 - 7:07
    Verilecek doğru türdeki cümleleri
  • 7:07 - 7:09
    veya bilgileri tahmin ediyorlar. Ve sonuç olarak
  • 7:09 - 7:11
    halüsinasyon gördükleri
  • 7:11 - 7:13
    şeyleri uyduruyorlar. Bu yüzden sıklıkla
  • 7:13 - 7:14
    hatalar veya yanlışlar vardır. Bu hataların
  • 7:14 - 7:16
    veya yanlışların, insanların yapacağı
  • 7:16 - 7:17
    hatalardan veya yanlışlardan daha kötü olup olmadığı her zaman
  • 7:17 - 7:19
    açık değildir. Ancak bu tür
  • 7:19 - 7:20
    hatalar ve yanlışların olacağının
  • 7:20 - 7:22
    farkında olmanız gerekir. Ve son olarak,
  • 7:22 - 7:25
    bir eğitmen olarak düşünürsek,
  • 7:25 - 7:27
    öğrenmeye yardımcı olması için yapay zekayı nasıl kullanacağınızı
  • 7:27 - 7:28
    düşünmeniz gerekir; bu, bir yapay zeka aracıyla
  • 7:28 - 7:30
    neyi başarmak istediğiniz konusunda gerçekten net olmanız
  • 7:30 - 7:33
    anlamına gelir. Öğrencilerin öğrenmesini
  • 7:33 - 7:35
    destekleyebilirler, ancak yapay zekanın sınıfta birçok olası
  • 7:35 - 7:37
    kullanımı vardır; dolayısıyla bunları öğrencilerin
  • 7:37 - 7:38
    fikir üretmesini sağlamak için kullanmak ister misiniz? Ben de
  • 7:38 - 7:40
    bunu sınıflarımda yapıyorum ve sonuç olarak daha iyi
  • 7:40 - 7:42
    proje fikirleri elde ediyorum. Onlara
  • 7:42 - 7:45
    anlamadıkları kavramları açıklamak için
  • 7:45 - 7:46
    öğretmenleri olarak kullanmalarını mı istiyorsunuz?
  • 7:46 - 7:48
    Öğrencilerin yaptıkları iş hakkında
  • 7:48 - 7:51
    sorular sorarak yapay zekadan geri bildirim
  • 7:51 - 7:53
    almalarını mı istiyorsunuz?
  • 7:53 - 7:54
    Yazma arkadaşı olmak ister misin?
  • 7:54 - 7:56
    Sınav cevaplarının neden doğru veya
  • 7:56 - 7:58
    yanlış olabileceğini açıklamasını mı istiyorsunuz? Ve sonra
  • 7:58 - 7:59
    kimin eğitmen olduğuna karar verdiğinizde,
  • 7:59 - 8:02
    öğrencilerinize ne söyleyeceğinize de karar
  • 8:02 - 8:02
    verirsiniz.
  • 8:04 - 8:08
    ÖĞRENMEYİ DÖNÜŞTÜRMEK - Yapay Zeka Dedektörleri
  • 8:08 - 8:10
    AI dedektörleri çalışmıyor. Sadece çalışmıyorlar.
  • 8:10 - 8:12
    Bunları kullanmamalısın.
  • 8:12 - 8:14
    Ve çalışmamalarından daha kötü olan
  • 8:14 - 8:16
    yanlışlık oranının yüksek olması.
  • 8:16 - 8:18
    Bu, yapay zeka tarafından yazılmış,
  • 8:18 - 8:20
    yapay zeka tarafından yazılmamış şeyleri seçtikleri ve
  • 8:20 - 8:21
    orantısız bir şekilde İngilizcenin ikinci dil olduğu insanlara
  • 8:21 - 8:24
    düşen şeyleri seçtikleri anlamına geliyor.
  • 8:24 - 8:25
    Bu bizim yapabileceğimiz bir şey değil.
  • 8:25 - 8:27
    Ve bence iş işten geçiyor ve
  • 8:27 - 8:30
    yapay zekayı tespit etmeye
  • 8:30 - 8:32
    çalışmak sınıflardaki sorumluluğun
  • 8:32 - 8:34
    geleceği değil.
  • 8:34 - 8:37
    Dikkat edilmesi gereken diğer bir nokta da öğrencilerin
  • 8:37 - 8:39
    geçmişte kısayolları kullanıyor olmalarıdır.
  • 8:39 - 8:41
    Google'ı kullanmadıkları için değil,
  • 8:41 - 8:42
    diğer öğrencilerin makalelerini kullanmadıkları
  • 8:42 - 8:44
    için de değil. Bu geçmişte
  • 8:44 - 8:46
    de oluyordu ama bu büyük bir
  • 8:46 - 8:48
    aksaklık ve bence makaleleri
  • 8:48 - 8:51
    nasıl yazdığımızı yeniden düşünmemizi gerektiriyor.
  • 8:51 - 8:53
    Herhangi bir ödevin öğrenme hedefi için
  • 8:53 - 8:55
    bir makalenin öğrenme hedefi hakkında
  • 8:55 - 8:57
    biraz daha düşünürsek,
  • 8:57 - 9:02
    ÖĞRENMEYİ DÖNÜŞTÜRMEK - Öğrencilerle Yapay Zekayı Tartışmak
  • 9:02 - 9:04
    Öğretmenlerin bunu yapmasını izlerken
  • 9:04 - 9:06
    fark ettiğimiz şeylerden biri, hepsinin
  • 9:06 - 9:09
    yapay zeka hakkında konuşma ve Yapay zekanın
  • 9:09 - 9:11
    etik sonuçları konusunun derinliklerine dalma zorunluluğu
  • 9:11 - 9:13
    hissetmeleridir. Bunun önemli olduğunu düşünüyorum,
  • 9:13 - 9:15
    ancak bunun her dersin teması olması
  • 9:15 - 9:17
    gerektiğini düşünmüyorum. Her sınıfta
  • 9:17 - 9:19
    yapay zeka hakkında bir tartışma olması gerektiğini düşünmüyorum,
  • 9:19 - 9:21
    tıpkı bilgisayar kullanan her sınıfta
  • 9:21 - 9:22
    bilgisayarlar hakkında bir tartışma
  • 9:22 - 9:23
    olması gerekmediği gibi, bu konuşmayı
  • 9:23 - 9:25
    yapmanın önemli olduğunu düşünüyorum.
  • 9:25 - 9:27
    Ve şu anda hepimiz sadece tepki gösteriyoruz, dolayısıyla
  • 9:27 - 9:28
    buna kimin sahip olması gerektiği belli değil.
  • 9:28 - 9:30
    Bu yüzden öğretmenlerin
  • 9:30 - 9:32
    yapay zeka tartışmaları yapmak istediklerini anlıyorum, ancak
  • 9:32 - 9:35
    sadece yapay zekanın kullanımı değil, aynı zamanda nasıl
  • 9:35 - 9:37
    çalıştığı konusunda da hızla yol almak daha da zor. Biliyorsunuz bunlar
  • 9:37 - 9:39
    standartlar ve bunların etik sonuçları.
  • 9:39 - 9:42
    Bu nedenle öğretmenlerin yapay zekayı
  • 9:42 - 9:44
    dersin konusu haline getirmek
  • 9:44 - 9:46
    zorunda kalmadan deneyler yapma konusunda kendilerini
  • 9:46 - 9:48
    biraz rahat hissetmeleri gerektiğini düşünüyorum.
  • 9:49 - 9:53
    ÖĞRENMEYİ DÖNÜŞTÜRMEK - Yapay Zekayı Anlama Prensipleri
  • 9:53 - 9:56
    Birincisi, Ethan'ın bahsettiği gibi yapay zekanın
  • 9:56 - 9:58
    üretebilmesi. Bu, yapay zekanın
  • 9:58 - 10:00
    bir öğrenciye verdiği herhangi bir çıktının
  • 10:00 - 10:03
    uydurma olabileceği, yanlış olabileceği, çok ince bir yanılgı
  • 10:03 - 10:05
    olabileceği anlamına gelir. Bu nedenle öğrenciler
  • 10:05 - 10:08
    kendi çalışmalarından sorumlu olmalıdır.
  • 10:08 - 10:10
    En azından kaynakları kontrol etmeli,
  • 10:10 - 10:12
    herhangi bir sayıyı kontrol etmeli,
  • 10:12 - 10:14
    yapay zekanın onlara verdiği tüm gerçekleri kontrol etmeli ve
  • 10:14 - 10:17
    bunları güvenilir kaynaklarla kontrol etmelidirler. İkinci prensip ise
  • 10:17 - 10:19
    yapay zekanın bir kişi olmamasıdır. Yapay zekayı
  • 10:19 - 10:22
    bir kişiliğe sahip olmak ya da
  • 10:22 - 10:24
    bir kişiyle konuştuğunuzu hissetmek için ayar vermek kolaydır,
  • 10:24 - 10:25
    ancak o bir kişi değildir ve sizi tanımıyor.
  • 10:25 - 10:28
    Üçüncü prensip, ona
  • 10:28 - 10:31
    gerçekten çok fazla bağlam kazandırmaktır. Yapay zeka
  • 10:31 - 10:32
    seni tanımıyor. Bağlamınızı,
  • 10:32 - 10:35
    deneyiminizi veya uzmanlığınızı bilmiyor.
  • 10:35 - 10:37
    Ne kadar çok bağlam verirseniz, sizin için o kadar yararlı olur.
  • 10:37 - 10:39
    Ve dördüncü prensip
  • 10:39 - 10:41
    sen işin içindesin.
  • 10:41 - 10:43
    Sadece çıktısını değerlendirip
  • 10:43 - 10:46
    sorgulamakla kalmayıp, sizi artık işinize
  • 10:46 - 10:48
    yaramayan bir konuşmaya yönlendiriyorsa,
  • 10:48 - 10:50
    bir döngüye takılıp kalmışsa veya
  • 10:50 - 10:52
    konuşmanın yönünü değiştirmek istiyorsanız,
  • 10:52 - 10:54
    bunu yapmalısınız. Kesinlikle sorumluluk
  • 10:54 - 10:57
    almaktan çekinmeyin.
  • 10:57 - 11:02
    ÖĞRENMEYİ DÖNÜŞTÜRME - Geniş Dil Modellerini Öğrencilerle Kullanma
  • 11:02 - 11:06
    Dolayısıyla yapay zeka ve bu
  • 11:06 - 11:08
    üretken yapay zeka çözümleri hakkında konuştuğumuzda,
  • 11:08 - 11:10
    büyük dil modellerinden bahsetme eğiliminde oluyoruz.
  • 11:10 - 11:13
    Ve aslında sadece birkaç tane büyük ölçekli
  • 11:13 - 11:15
    genel amaçlı, büyük dil modeli var.
  • 11:15 - 11:17
    OpenAI tarafından oluşturulan
  • 11:17 - 11:21
    GPT 3.5 veya GPT 4 modelleri vardır.
  • 11:21 - 11:24
    GPT 3.5, Chat GPT aracılığıyla edindiğiniz ücretsiz
  • 11:24 - 11:27
    sürümdür ve GPT 4, ücretli
  • 11:27 - 11:29
    Chat GPT aracılığıyla veya yaratıcı modda
  • 11:29 - 11:32
    Microsoft Bing aracılığıyla elde edilir. Ve özel uygulamalardan
  • 11:32 - 11:34
    bahsettiğimizde, hemen hepsi
  • 11:34 - 11:36
    bu modellerden birini kullanıyor ve
  • 11:36 - 11:38
    bunun üzerine istemler ve diğer bilgileri sağlıyor.
  • 11:38 - 11:41
    Genel olarak eğitmenlerin
  • 11:41 - 11:43
    modellere kendilerinin aşina olması gerektiğini düşünüyorum
  • 11:43 - 11:45
    çünkü bunlar aslında
  • 11:45 - 11:47
    yanıtları üreten modellerdir ve
  • 11:47 - 11:49
    onları doğrudan bu şekilde yönlendirebilir
  • 11:49 - 11:50
    ve nasıl çalıştıklarını öğrenebilirsiniz. Dolayısıyla,
  • 11:50 - 11:51
    kullanıma hazır bir çözüm satın almaya çalışıyorsanız,
  • 11:51 - 11:53
    neredeyse kesinlikle bu mevcut modellerden
  • 11:53 - 11:55
    birini kullanıyorlar ve ardından
  • 11:55 - 11:57
    bunun üzerine bir tür paket veya başka bilgi sağlıyorlar
  • 11:57 - 11:59
    ve bu genellikle daha ucuz ve
  • 11:59 - 12:00
    daha etkili ve size temel modellerini kendiniz kullanmak için
  • 12:00 - 12:02
    daha fazla kontrol sağlıyor.
  • 12:02 - 12:04
    Ama bu senin yapman gereken bir seçim.
  • 12:04 - 12:07
    Dolayısıyla istemi geliştirirken,
  • 12:07 - 12:10
    gerçekten de tüm istemler için
  • 12:10 - 12:12
    öğrenme bilimine bakıyoruz
  • 12:12 - 12:14
    ve bunu yapay zekanın gücüyle birleştirmeye
  • 12:14 - 12:17
    çalışıyoruz. Örneğin iyi bir öğretmen
  • 12:17 - 12:20
    sizi bilgi almaya teşvik eder.
  • 12:20 - 12:22
    İyi bir öğretmen sadece size bilgi vermekle kalmaz,
  • 12:22 - 12:24
    aynı zamanda ne bildiğinizi öğrenir ve
  • 12:24 - 12:26
    bu ön bilgiyi temel alır.
  • 12:26 - 12:29
    İyi bir öğretmen aynı zamanda sizin hakkınızda da
  • 12:29 - 12:31
    biraz bilgi sahibi olacaktır. İyi bir öğretmen aynı zamanda
  • 12:31 - 12:34
    çok sayıda ve çeşitli türde
  • 12:34 - 12:37
    örnek ve benzetmelere ihtiyacınız olduğunu bilir ve iyi bir öğretmen
  • 12:37 - 12:40
    ustalaştığınızın kanıtını göstermenin yolunun
  • 12:40 - 12:42
    bir şeyi kendi sözlerinizle başka
  • 12:42 - 12:44
    birine açıklayabilmek
  • 12:44 - 12:46
    ve ona bir örnek vermekten geçtiğini bilir.
  • 12:46 - 12:49
    Tam olarak bunlar, öğretmen isteminde
  • 12:49 - 12:51
    kullandığımız soru
  • 12:51 - 12:53
    türlerindeki adımlardır.
  • 12:53 - 12:55
    Ancak istemlerimize baktığınızda,
  • 12:55 - 12:57
    hayatın zaten tartıştığı gibi yapay zekaya
  • 12:57 - 12:59
    bağlam sağlamak,
  • 12:59 - 13:01
    size kim olduğunuzu sorması ve
  • 13:01 - 13:03
    bizim de yapay zekaya kim olduğunu söylememiz gibi şeyler yaptıklarını fark edeceksiniz.
  • 13:03 - 13:05
    Bu tür bir ortama sahip bir eğitmendir,
  • 13:05 - 13:07
    aynı zamanda bağlamın önemli olduğu
  • 13:07 - 13:09
    fikrini kullanmanın bilimsel çerçevesini de
  • 13:09 - 13:12
    tam olarak anlattığını fark edeceksiniz.
  • 13:12 - 13:14
    Kontrolleri sağlıyoruz. Sorulacak soru dizileri
  • 13:14 - 13:16
    boyunca adım adım ilerlemesini istiyoruz,
  • 13:16 - 13:18
    bazen bu istemlerde değil,
  • 13:18 - 13:19
    iyi çıktı örnekleri veriyoruz ve
  • 13:19 - 13:22
    ardından çok sayıda test yapıyoruz. Test etmeden
  • 13:22 - 13:24
    istem yapamazsınız ve bu,
  • 13:24 - 13:25
    uzmanlığınızı test etmenin en güzel yanlarından biridir.
  • 13:25 - 13:28
    Yapılması ucuzdur ve
  • 13:28 - 13:29
    bu nedenle çok fazla deneme yapabilirsiniz
  • 13:29 - 13:32
    ve bu da iyi istemler sağlar. Ayrıca
  • 13:32 - 13:34
    bunu sadece bir model üzerinde değil,
  • 13:34 - 13:36
    birden fazla model üzerinde test ettiğimizi de söylemeliyiz. Örneğin,
  • 13:36 - 13:38
    az önce ChatGPT 4 ile çalıştığımız
  • 13:38 - 13:42
    bu iki istem Bing ile de çalışıyor.
  • 13:42 - 13:44
    Bing biraz farklı tepki verecek,
  • 13:44 - 13:46
    çünkü internete bağlı.
  • 13:46 - 13:48
    Ayrıca bazen alıntılara da bakacaktır. Bu alıntılar
  • 13:48 - 13:49
    bazen doğru,
  • 13:49 - 13:51
    bazen değiller. Ama bu mümkün.
  • 13:51 - 13:54
    Diğer modellerin bazılarıyla
  • 13:54 - 13:55
    çalışabilir veya çalışmayabilir. Yani,
  • 13:55 - 13:57
    nasıl çalıştığını görmek için,
  • 13:57 - 13:59
    öğrettiğiniz konu bağlamında öğrencilerinize vermeden önce,
  • 13:59 - 14:01
    bir eğitmen olarak bunu gerçekten test etmeniz
  • 14:01 - 14:03
    gerektiğini düşünüyorum.
  • 14:03 - 14:05
    Yani bunların hepsi çok teorik ama önemli olduğunu düşünüyorum.
  • 14:05 - 14:07
    O halde pratik yapalım.
  • 14:07 - 14:08
    Yapay zekanın neler yapabileceğine dair
  • 14:08 - 14:11
    bazı örnekler hakkında konuşalım. Tekrar ediyorum, bu
  • 14:11 - 14:13
    yekpare bir şey değil, Yapay Zekanın pek çok
  • 14:13 - 14:14
    olası kullanımı var. Daha önce de söylediğimiz gibi
  • 14:14 - 14:16
    dönüştürücüydü. Bu yüzden
  • 14:16 - 14:17
    size oluşturduğumuz birkaç bilgi istemini göstereceğiz
  • 14:17 - 14:19
    ve bunlar sizin de
  • 14:19 - 14:22
    üzerinde çalışmanız için mevcut olacak ve bunlar
  • 14:22 - 14:25
    sadece yolların örnekleridir. Yapay zekanın
  • 14:25 - 14:27
    sınıf kullanımı işe yarayabilir. Dolayısıyla size göstermek istediğimiz ilk şey,
  • 14:27 - 14:29
    sizin yarattığınıza inandığım,
  • 14:29 - 14:32
    doğru geri bildirim sağlayan
  • 14:32 - 14:34
    geri bildirimden bahseden bir bilgi istemidir.
  • 14:34 - 14:36
    Ve işlerin yapay zeka tarafıyla
  • 14:36 - 14:38
    ilgili gerçekten ilginç şeylerden biri,
  • 14:38 - 14:39
    daha önce bahsettiğimiz ilkelerin
  • 14:39 - 14:40
    bazılarını dikkate alan daha karmaşık bir istemin
  • 14:40 - 14:41
    daha iyi sonuçlara yol açmasıdır.
  • 14:41 - 14:43
    Bu nedenle, siz onlara
  • 14:43 - 14:45
    bunu yapmamalarını söyleseniz bile öğrenciler sıklıkla
  • 14:45 - 14:46
    yapay zekadan yazma tavsiyesi isteyeceklerdir.
  • 14:46 - 14:47
    Ancak bunu oldukça basit bir
  • 14:47 - 14:49
    şekilde istiyorlar ve
  • 14:49 - 14:50
    onlara oldukça genel bir çalışma
  • 14:50 - 14:52
    ve muhtemelen daha fazla hata verecekler.
  • 14:52 - 14:54
    Daha ayrıntılı bir soru sorarsanız
  • 14:54 - 14:55
    daha ayrıntılı yanıtlar alabilirsiniz.
  • 14:55 - 14:57
    Bu durumda geri bildirim isteminin
  • 14:57 - 14:59
    ne işe yaradığını açıklayabilir misiniz?
  • 14:59 - 15:03
    Evet. Bu nedenle, iyi geri bildirimin
  • 15:03 - 15:05
    ilkelerini birleştiriyoruz; bu,
  • 15:05 - 15:07
    önceki bilgilerinizi veya
  • 15:07 - 15:09
    öğrenci perspektifinden zaten bildiklerinizi
  • 15:09 - 15:11
    dikkate alan, kim olduğunuzu,
  • 15:11 - 15:13
    öğrenme seviyenizi,
  • 15:13 - 15:15
    hangi sınıfta olduğunuzu dikkate alan bir geri bildirimdir. üniversitedesin
  • 15:15 - 15:17
    ya da profesyonelsin. Ayrıca
  • 15:17 - 15:20
    bu geri bildirime yanıt vermek
  • 15:20 - 15:22
    istediğiniz fikrini de dikkate alır.
  • 15:22 - 15:24
    Yani eyleme geçirilebilir olacak,
  • 15:24 - 15:26
    dengeli olacak, size neyin
  • 15:26 - 15:28
    yanlış olduğunu, neyi geliştirebileceğinizi
  • 15:28 - 15:30
    ve neyi iyi yaptığınızı söyleyecek ve
  • 15:30 - 15:32
    sizinle birlikte çalışmaya devam edecek.
  • 15:32 - 15:34
    Ancak her iyi öğretmen veya koç gibi
  • 15:34 - 15:36
    o da size aslında cevabı vermez.
  • 15:36 - 15:38
    Sizi o yöne itecek, açıklamanızı isteyecek,
  • 15:38 - 15:41
    kendi bilginizi oluşturmanızı isteyecek.
  • 15:41 - 15:43
    Ve böylece istemi burada ve
  • 15:43 - 15:46
    çalışılacak bir yer olarak ekranda görebilirsiniz.
  • 15:46 - 15:48
    Bunu mutlak bir cevap olarak kabul
  • 15:48 - 15:50
    etmenize gerek yok.
  • 15:50 - 15:52
    Bu, üzerinde oynayabileceğiniz bir şeydir, ancak gelin
  • 15:52 - 15:54
    bunu çalışırken görelim. O halde
  • 15:54 - 15:56
    bu istemi kullanmaya başlayalım. Öğretim Asistanı olduğunu
  • 15:56 - 15:57
    söylüyor çünkü
  • 15:57 - 15:58
    ona verdiğimiz talimatlarda bize sınıf seviyemizi ve
  • 15:58 - 16:01
    okuduğumuz konuyu soruyor,
  • 16:01 - 16:03
    ne söylemeliyiz?
  • 16:03 - 16:05
    Sanırım Macbeth üzerinde çalışıyoruz ve 12. sınıftayız.
  • 16:05 - 16:09
    12. sınıfta. Tamam harika.
  • 16:11 - 16:14
    Ve biz de yapay zekaya .
  • 16:14 - 16:17
    bu bilgiyi burada kullandığı
  • 16:17 - 16:19
    mantığa aktardığını anlattık.
  • 16:19 - 16:21
    Bize belirli bir görev hakkında soru soruyor
  • 16:21 - 16:22
    ve üzerinde çalışacağımız bir değerlendirme listesi
  • 16:22 - 16:24
    veya başka bir bilgi olup olmadığını
  • 16:24 - 16:26
    ya da mümkün olduğunca fazla bilgiyle
  • 16:26 - 16:27
    neyi başarmayı umduğumuzu soruyor.
  • 16:27 - 16:30
    Elimde çok fazla bilgi yok, bu yüzden
  • 16:30 - 16:35
    Macbeth'in bir analizini yazmam gerektiğini söyleyeceğim.
  • 16:35 - 16:39
    Derecelendirme
  • 16:39 - 16:41
    stiline ve
  • 16:41 - 16:46
    içeriğin derinliğine göre derecelendirilir
  • 16:46 - 16:48
    ve ne yaptığını göreceksiniz,
  • 16:48 - 16:50
    sorular soruluyor ve
  • 16:50 - 16:51
    bizden bilgi talep ediliyor, bu da
  • 16:51 - 16:52
    bir öğrenciye normal bir öğrenciden
  • 16:52 - 16:55
    daha iyisini vermeniz için iyi bir istem haline geliyor.
  • 16:55 - 16:56
    Sadece kendilerini geliştiriyorlar
  • 16:56 - 16:58
    ve belirli talimatlar istiyor
  • 16:58 - 16:59
    ve bizden görevi paylaşmamızı istiyorlar.
  • 16:59 - 17:02
    Şu ana kadar yazdıklarım
  • 17:02 - 17:04
    bunlar ve
  • 17:05 - 17:08
    bir Macbeth makalesi oluşturmayı istedim.
  • 17:08 - 17:11
    İşte başlıyoruz.
  • 17:11 - 17:13
    Bunu yapıştırıyorum
  • 17:13 - 17:15
    ve burada ne yazdığını göreceğiz.
  • 17:15 - 17:17
    Ve onun bilgi üzerinde çalıştığını
  • 17:17 - 17:18
    fark edeceksiniz. Dikkatlice
  • 17:18 - 17:20
    okumanın zaman aldığını söylüyor.
  • 17:20 - 17:21
    Bu biraz illüzyon. Açıkçası
  • 17:21 - 17:23
    ekstra zaman almıyor, ancak
  • 17:23 - 17:25
    bu yöntemde yanıt veriyor
  • 17:25 - 17:26
    ve bir dizi güçlü
  • 17:26 - 17:27
    ve zayıf yön verdiğini göreceksiniz. Tekrar ediyorum,
  • 17:27 - 17:30
    kendi oluşturduğunuz bir öğretmeni veya
  • 17:30 - 17:31
    bir akıl hocasını kullanmanın harika yanı,
  • 17:31 - 17:32
    yalnızca öğrencilerin Bu makaleyi daha iyi hale getirin diye
  • 17:32 - 17:34
    sorması yerine, size pedagojiyle bağlantılı,
  • 17:34 - 17:36
    eğitim açısından değerli olan türden
  • 17:36 - 17:38
    geri bildirimler verebilmesidir.
  • 17:38 - 17:42
    Bir eğitimci olarak sizin lehinize çalışmanın,
  • 17:42 - 17:43
    mutlaka aleyhinize çalışmamasının ve
  • 17:43 - 17:45
    vurguladığınız noktayı
  • 17:45 - 17:46
    baltalamanın iyi bir örneği.
  • 17:46 - 17:48
    Bu arada, sonunda fark edeceksiniz ki,
  • 17:48 - 17:51
    öğrencilere cevaplamaları için
  • 17:51 - 17:54
    bir soru veriliyor. Peki analizinizi
  • 17:54 - 17:56
    nasıl revize etmeyi planlıyorsunuz? Bana yapılacak belirli
  • 17:56 - 17:57
    değişiklikler için bir plan ver.
  • 17:57 - 17:58
    Bir eğitmen olarak sınıfta
  • 17:58 - 17:59
    değişiklik veya farklılık talep ederek
  • 17:59 - 18:02
    yapacağımız türden bir şey.
  • 18:02 - 18:06
    Dolayısıyla böyle bir aracın doğru şekilde
  • 18:06 - 18:09
    uygulandığında neden gerçekten yararlı olabileceğini
  • 18:09 - 18:11
    görmeye başlayabileceğinizi düşünüyorum. Şimdi yapay zekanın
  • 18:11 - 18:13
    diğer bir potansiyel kullanımından da bahsedelim: Yapay Zekanın
  • 18:13 - 18:14
    öğretmen olarak kullanımı. Bu yaklaşımın bazı
  • 18:14 - 18:16
    avantajları ve dezavantajları nelerdir?
  • 18:16 - 18:17
    Bu yaklaşımın bir avantajı
  • 18:17 - 18:19
    öğrencilerin materyale gerçekten
  • 18:19 - 18:21
    dikkat etmelerini sağlamaktır.
  • 18:21 - 18:23
    Onların değerlendirme listesini
  • 18:23 - 18:26
    okumalarını, makalenin amacını
  • 18:26 - 18:27
    ve dinleyicileri okumalarını ve
  • 18:27 - 18:30
    bunun üzerinde gerçekten düşünmelerini sağlıyorsunuz.
  • 18:30 - 18:34
    Dezavantajı ise yapay zekadan bunu
  • 18:34 - 18:37
    sizin için yapmasını kesinlikle isteyebilmenizdir,
  • 18:37 - 18:38
    ancak onunla çalışırsanız ve size onunla çalışmak için yönergeler verilirse,
  • 18:38 - 18:40
    bu, değerlendirmeniz gereken
  • 18:40 - 18:42
    geri bildirim almanın bir yoludur.
  • 18:42 - 18:44
    Bir öğretmenin yapabileceği başka bir şey de
  • 18:44 - 18:47
    etkileşimleri istemek ve
  • 18:47 - 18:49
    etkileşimler hakkında bir yansıma istemektir.
  • 18:49 - 18:51
    Peki bu geri bildirim iyi miydi?
  • 18:51 - 18:53
    Peki ya bu geri bildirim o kadar da iyi değildi?
  • 18:53 - 18:55
    Ve yine, bu, makaleniz ve süreciniz
  • 18:55 - 18:59
    hakkında daha yüksek düzeyde düşünmektir.
  • 18:59 - 19:01
    Harika. Peki neden yapay zekanın
  • 19:01 - 19:03
    doğrudan eğitmen olarak
  • 19:03 - 19:05
    hareket ettiği ve bizim de
  • 19:05 - 19:07
    bunun için bir istemimizin olduğu başka bir örnek yapmıyorsunuz?
  • 19:07 - 19:09
    Yapay zekadan doğrudan eğitmen
  • 19:09 - 19:10
    olmasını istemenin halüsinasyon
  • 19:10 - 19:12
    riski gibi riskleri vardır. Sizin
  • 19:12 - 19:15
    pedagojinizi, bakış açınızı bilmiyor.
  • 19:15 - 19:17
    Ancak sınıflarımda öğrencilerin
  • 19:17 - 19:20
    yapay zekayı bir öğrenme yöntemi olarak
  • 19:20 - 19:22
    giderek daha fazla kullandıklarını ve bu nedenle ellerini
  • 19:22 - 19:23
    fazla kaldırmadıklarını görüyorum.
  • 19:23 - 19:24
    Onlara nedenini sorduğumda şöyle diyorlar:
  • 19:24 - 19:26
    Sınıfta cehaletimi göstermemeyi tercih ederim,
  • 19:26 - 19:28
    yapay zekadan beş yaşındaymışım gibi açıklama yapmasını isteyebilirim.
  • 19:28 - 19:30
    Yani onlar zaten bu davranışla meşguller.
  • 19:30 - 19:32
    Yani özel öğretmen gibi bir şey, yapay zeka eğitiminin
  • 19:32 - 19:34
    geleceğinin nasıl görünebileceğini gösterme
  • 19:34 - 19:36
    konusunda ikisi de yararlı bir şey yapar.
  • 19:36 - 19:38
    Khan Academy'nin çalışacak
  • 19:38 - 19:40
    yapay zeka etkileşimli eğitmenleri oluşturması gibi.
  • 19:40 - 19:42
    Ayrıca öğrencilerinizin
  • 19:42 - 19:44
    sınıfta daha fazlasını başarmak için kullanabileceği bir araç da olabilir,
  • 19:44 - 19:46
    ancak yapay zeka eğitmenlerinin
  • 19:46 - 19:49
    henüz %100 orada olmadığını bilerek bunu belirtmelisiniz.
  • 19:49 - 19:50
    Ama burada bir örnek kullanalım.
  • 19:50 - 19:52
    Yani bu öğretmen yine doğru formatı
  • 19:52 - 19:53
    almaya çalışıyor. Şöyle diyor:
  • 19:53 - 19:55
    Merhaba, ben sizin yapay zeka eğitmeninizim ve bugün sizinle
  • 19:55 - 19:57
    çalışmaktan heyecan duyuyorum.
  • 19:57 - 19:59
    Bugün ne öğrenmek istiyoruz?
  • 19:59 - 20:01
    Ekonomiden bir kavram olan Fırsat Maliyetini öğrenelim.
  • 20:01 - 20:04
    Bakalım ne olacak.
  • 20:04 - 20:06
    Tamam, yapay zekaya
  • 20:06 - 20:08
    fırsat maliyetinin ekonomide anahtar bir kavram
  • 20:08 - 20:10
    olduğunu söylüyoruz, hatta
  • 20:10 - 20:13
    buraya küçük hoş bir emoji bile atıyor.
  • 20:13 - 20:14
    Öğrenme seviyemizi bize sorabilir misiniz?
  • 20:14 - 20:17
    Burada hangi seviyedeyiz?
  • 20:17 - 20:18
    11. sınıf.
  • 20:18 - 20:21
    Artık bireysel sınıf seviyelerine
  • 20:21 - 20:23
    takılmayacağım.
  • 20:23 - 20:24
    10. sınıf öğrencisini 11. sınıf öğrencisinden ayırmak şaşırtıcı değil,
  • 20:24 - 20:26
    ancak bu, çalıştığı bağlamın
  • 20:26 - 20:27
    bir parçası. Burada
  • 20:27 - 20:29
    bir tür evrensel standarttan yola çıkarak
  • 20:29 - 20:32
    fırsat maliyeti hakkında
  • 20:32 - 20:34
    ne biliyoruz diyor.
  • 20:34 - 20:37
    Yani bunun seçimlerle,
  • 20:37 - 20:40
    alternatif seçimlerle ilgisi olduğunu
  • 20:40 - 20:42
    biliyoruz.
  • 20:42 - 20:44
    İşte bu. Ve elbette,
  • 20:44 - 20:46
    yapay zekanın avantajlarından biri de
  • 20:46 - 20:48
    bu tür serbest biçimli metin ve
  • 20:48 - 20:50
    etkileşimin eğitimin gerçek gücü olması ve yapay zekanın
  • 20:50 - 20:52
    oldukça iyi bir şekilde taklit edebileceği bir şey olmasıdır.
  • 20:52 - 20:54
    Yine de, henüz gerçek bir insan eğitmeni kadar iyi değil.
  • 20:54 - 20:57
    Bize örnekler verdiğini ve
  • 20:57 - 20:59
    olayları farklı şekillerde açıkladığını fark edeceksiniz.
  • 20:59 - 21:02
    Bu, yapay zekanın yapabileceği güçlü bir şeydir.
  • 21:02 - 21:03
    Olayları farklı şekillerde
  • 21:03 - 21:05
    parçalara ayırmak çok iyi
  • 21:05 - 21:06
    ama soru sormaya başladıklarını
  • 21:06 - 21:09
    fark edeceksiniz. Bizden seçim yapmamızı istiyor.
  • 21:09 - 21:10
    Özel ders üzerine yapılan araştırmalardan
  • 21:10 - 21:12
    bildiğimiz şeylerden biri de,
  • 21:12 - 21:14
    bazı şeyleri insanlara öylece açıklayamayacağınızdır.
  • 21:14 - 21:15
    Özel ders vermenin avantajı
  • 21:15 - 21:17
    bilgi istemekten ve bağlantı kurmaktan gelir.
  • 21:17 - 21:18
    Ve yapay zekanın bunu yapmaya
  • 21:18 - 21:20
    başladığını ve bizden kendi
  • 21:20 - 21:22
    hayatımızdaki bağlantılardan istediğini görebilirsiniz.
  • 21:22 - 21:24
    Öğretmenin istemiyle ilgili belirtilmesi gereken diğer bir şey de
  • 21:24 - 21:26
    öğrencinin kendi öğrenimini
  • 21:26 - 21:28
    yargılayabileceğinin varsayılmamasıdır.
  • 21:28 - 21:31
    Çoğu zaman çok basit bir
  • 21:31 - 21:33
    öğretmen istemi göreceksiniz.
  • 21:33 - 21:35
    Mesela bana 10 yaşındaymışım gibi açıkla,
  • 21:35 - 21:38
    bunun yerine sana bir şeyi anlayıp anlamayacağını soracak.
  • 21:38 - 21:39
    Burada sizden doğası gereği kusurlu olduğunu bildiğimiz
  • 21:39 - 21:41
    kendi öğreniminiz hakkında bir yargıya varmanızı istemiyor.
  • 21:41 - 21:43
    Bunun yerine,
  • 21:43 - 21:45
    Ethan'ın dediği gibi, bildiklerinizi öğrenmek ve
  • 21:45 - 21:47
    bilginizi geliştirmenize yardımcı
  • 21:47 - 21:49
    olmak için sizden bilgi istemektir.
  • 21:49 - 21:51
    Ve bu tür ince farklar,
  • 21:51 - 21:54
    ne olmasını istediğimizi bildiğimiz bir sınıfta
  • 21:54 - 21:56
    yapay zekayı bir nevi uzman gibi kullanmayı,
  • 21:56 - 21:58
    insanların yaptığı
  • 21:58 - 22:01
    saf kullanımdan
  • 22:01 - 22:03
    ayıran şeydir.
  • 22:03 - 22:06
    ÖĞRENMEYİ DÖNÜŞTÜRME - Son Düşünceler
  • 22:06 - 22:08
    Öğrencilerinizin yapay zeka kullanımının
  • 22:08 - 22:11
    sorumluluğunu üstlenmenin bir avantaj olduğunu düşünüyorum
  • 22:11 - 22:12
    çünkü onlar yapay zekayı yine de kullanacaklar
  • 22:12 - 22:13
    ve onlara bilgi vererek,
  • 22:13 - 22:15
    bu tartışmaları yaparak onu yönlendirmeyi düşünecekler
  • 22:15 - 22:16
    ve bu,
  • 22:16 - 22:18
    gelecekte sınıf öğrenimini büyük ölçüde artıracak
  • 22:18 - 22:21
    gerçekten güçlü bir araç
  • 22:21 - 22:23
    ve öğretmenlerin yerini almaz veya onlara tehdit oluşturmaz.
  • 22:23 - 22:25
    Bu, işimizin
  • 22:25 - 22:27
    çıktılarını iyileştirmek,
  • 22:27 - 22:29
    öğrencilerin öğrenimini geliştirmek, hayatlarımızı kolaylaştırırken
  • 22:29 - 22:31
    öğrencilerin daha iyi yaşamasını sağlamak için kullanabileceğimiz bir şeydir
  • 22:31 - 22:33
    ve bence bu, geleceğe dair
  • 22:33 - 22:35
    çok güçlü bir bakış açısıdır. Ve umarım,
  • 22:35 - 22:36
    yapay zekayı sınıfınızda kullanmak
  • 22:36 - 22:38
    isteyip istemediğinize karar vermeden önce
  • 22:38 - 22:40
    en azından yapay zekayı benimser
  • 22:40 - 22:41
    ve deneyimlersiniz.
  • 22:41 - 22:44
    Vay. Yapay zekayı kullanarak öğrencilerin öğrenimini
  • 22:44 - 22:46
    geliştirmenin gerçekten pek çok yolu var.
  • 22:46 - 22:49
    Yapay zeka teknolojisi hızla ilerledikçe,
  • 22:49 - 22:50
    giderek daha fazla araç mevcut olacak.
  • 22:50 - 22:54
    Her yeni araçta olduğu gibi,
  • 22:54 - 22:56
    eğitimcilerin yaşa uygun
  • 22:56 - 22:58
    araçları kullanmalarını,
  • 22:58 - 23:01
    öğrenci mahremiyetini korumalarını
  • 23:01 - 23:03
    ve öğrencilerin kullandıkları teknolojinin
  • 23:03 - 23:05
    potansiyel tuzaklarını eleştirel bir şekilde değerlendirmeleri için alanlar
  • 23:05 - 23:08
    yaratmalarını sağlama sorumluluğu vardır.
  • 23:08 - 23:10
    Bu konuları keşfederken
  • 23:10 - 23:13
    Yapay Zekaya Sorumlu Bir Yaklaşım Sağlama
  • 23:13 - 23:15
    başlıklı 4. oturumda bize katılın. Bize katıldığınız için teşekkürler.
  • 23:15 - 23:18
    Dördüncü oturumda tekrar görüşürüz.
  • 23:18 - 23:22
    Erken erişime kaydolmak ve
  • 23:22 - 23:25
    Code.org , ETS, ISTE ve Khan Academy'deki
  • 23:25 - 23:28
    ek kaynakları keşfetmek için Code.org/ai101 adresindeki
  • 23:28 - 23:31
    Öğretmenler için AI 101 web sitesini ziyaret edin.
  • 23:31 - 23:33
    Bize katıldığınız için teşekkürler.
Title:
AI 101 for Teachers: Transforming Learning with AI
Description:

more » « less
Video Language:
English
Team:
Code.org
Project:
AI 101 for teachers
Duration:
23:40

Turkish subtitles

Revisions Compare revisions