Eğitim içeriğinin otomatik senaryolaştırılması ve pedagojik anlatım stili üretimi
Automatic scenarization of educational content and pedagogical delivery style generation
- Tez No: 1022255
- Danışmanlar: DOÇ. DR. FATMA PATLAR AKBULUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Kültür Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu araştırma, yükseköğretimde öğretmenin yakın dönemli ders hazırlığını desteklemek üzere tasarlanan, müfredata dayalı ve öğretmen denetimli bir yapay zekâ öğretim asistanı iş akışını incelemektedir. Çalışmanın amacı, seçilmiş eğitsel kaynaklar ve öğretmenin belirlediği ders kapsamı üzerinden öğretim içeriği üretmek; ardından bu içeriği pedagojik anlatım biçimlerine uyarlayabilen denetlenebilir bir sistem ortaya koymaktır. Sistem; eğitsel kaynakların yapılandırılması, kapsamın öğretmenle netleştirilmesi, ders planının kurulması, öğretim birimi düzeyinde otomatik senaryolaştırma, doğrulama ve pedagojik anlatım stili üretimi aşamalarından oluşmaktadır. Yöntem kapsamında öğretim asistanı, üç alana yayılan dört değerlendirme senaryosu üzerinde incelenmiştir. Bu senaryolar; lisans düzeyinde bilgisayar mühendisliği bölümünden derin öğrenme dersini, psikoloji bölümünden bellek sistemlerini ve ekonomi bölümünden ise emek piyasalarını kapsamaktadır. Değerlendirme derlemi, gerçek üniversite müfredatlarından seçilen 7 kitap, 3 makale, toplam 2.976.275 derlem belirteci ve 22 öğretim birimi içermektedir. Öğretim asistanı, aynı değerlendirme senaryoları kapsamında, doğrudan LLM tabanlı üretim ve RAG tabanlı üretim koşullarıyla karşılaştırılmıştır. Çıktılar; kural bazlı bütünlük denetimleri, kaynak metnine sözcüksel ve NLI tabanlı yakınlık ölçütleri, yapılandırılmış hakem asistan değerlendirmeleri, kavram açıklama karşılaştırmaları ve hata sınıflandırmasıyla incelenmiştir. Bulgular, öğretim asistanının kaynak cümlelerine sözcüksel olarak en yakın çıktıları üretmediğini ve benzer şekilde NLI tabanlı yakınlık ölçütlerinde en yüksek skorlara ulaşmadığını; bununla birlikte kavram açıklama kalitesinde karşılaştırma koşullarından daha güçlü sonuçlar ürettiğini ortaya koymuştur. OpenAI modelleriyle yürütülen değerlendirmede öğretim asistanının, 307 kavram kararının 196'sında diğer iki koşula göre pedagojik olarak daha güçlü açıklama sunduğu görülmüştür. Bu sonuç, kaynak metnine sözcüksel olarak yakın olmanın daha kaliteli bir öğretim içeriği üretilmiş olduğu anlamına gelmediğini vurgulamaktadır. Ayrıca kaynak metnine sözcüksel ve NLI tabanlı yakınlık ile kavram açıklama kalitesi arasında anlamlı bir negatif korelasyon gözlenmiştir. Üretilen içeriklerin kaynağa dayandırma oranı \%84,8 olarak ölçülmüş ve hata analizi, kalan riskin halüsinasyon veya kaynak metinle tamamen çelişen içeriklerden değil; kavramların sentezlenmesi, yeniden ifade edilmesi, örneklendirmeler veya kavramlar arası geçişler gibi sınırlı kaynak aşımı türlerinden kaynaklandığını göstermiştir. Stil üretimi bulguları ise test edilen üç farklı anlatım biçiminin, onaylı öğretim içeriğinden hareketle anlamın büyük ölçüde korunarak üretilebildiğini göstermektedir. Sonuç olarak tez, yapay zekânın öğretmenin yerine geçen özerk bir öğretici olarak değil; kaynakları, ders planını, kanonik içeriği ve anlatım biçimlerini öğretmen denetimi altında birleştiren yardımcı bir ders hazırlığı sistemi olarak konumlandırılabileceğini göstermektedir.
Özet (Çeviri)
This research investigates a syllabus-bound, teacher-in-the-loop artificial intelligence teaching assistant workflow designed to support near-term lesson preparation in higher education. The study aims to produce instructional content from selected educational sources and a teacher-defined course scope, and then adapt that content into pedagogical delivery forms under explicit supervision. The system consists of educational source structuring, scope clarification with the teacher, lesson-plan construction, learning-beat-level automatic scenarization, validation, and pedagogical delivery style generation. The teaching assistant is evaluated on four benchmark scenarios across three domains. These scenarios cover a deep learning course in an undergraduate computer engineering department, memory systems in a psychology department, and labor markets in an economics department. The evaluation corpus contains 7 textbooks, 3 articles, a total of 2,976,275 corpus tokens, and 22 learning beats selected from real university curricula. The teaching assistant is compared, within the same evaluation scenarios, against direct LLM-based generation and RAG-based generation conditions. Outputs are examined through rule-based integrity checks, lexical and NLI-based proximity metrics to the source text, structured judge-assistant evaluations, concept-explanation comparisons, and error classification. The findings show that the teaching assistant does not produce the outputs that are lexically closest to source sentences and likewise does not achieve the highest NLI-based proximity scores; nevertheless, it produces stronger results in concept-explanation quality than the comparison conditions. In the evaluation conducted with OpenAI models, the teaching assistant provides the pedagogically stronger explanation in 196 of 307 concept-level comparison judgments against the other two conditions. This result emphasizes that lexical closeness to the source text does not by itself mean that higher-quality instructional content has been produced. A meaningful negative correlation is also observed between lexical and NLI-based proximity to the source text and concept-explanation quality. The source-grounding rate of the generated content is measured as 84.8\%, and the error analysis shows that the remaining risk stems not from hallucinations or content that directly contradicts the source text, but from limited source-boundary overreach such as concept synthesis, rephrasing, examples, and transitions between concepts. The style-generation findings indicate that the three tested delivery forms can be generated from approved instructional content while largely preserving meaning. Overall, the thesis shows that artificial intelligence can be positioned not as an autonomous teacher replacing the instructor, but as an assistant lesson-preparation system that connects sources, lesson plans, canonical content, and delivery forms under teacher control.
Benzer Tezler
- İki kez sıkıştırılmış ses sinyallerinin analizi ve otomatik olarak tespit edilmesi
Analysis and automatic detection of double compressed audio signals
AYKUT BÜKER
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEMAL HANİLÇİ
- Kenar koruyan görüntü ayrışım yöntemleri ile SAR görüntülerinde otomatik hedef sınıflama performansının arttırılması
Increasing automatic target recognition rate of SAR images via edge preserving image decomposition methods
HALDUN BOZKURT
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. IŞIN ERER
- Eğitimde yapay zekâ kullanımı değerlendirme ölçeğinin Türkçe uyarlaması: Matematik öğretmen adayları perspektifi
Turkish adaptation of artificial intelligence use in education evaluation scale: The perspective of pre-service mathematics teachers
ÜMMÜHAN BETÜL YEŞİLDAL
Yüksek Lisans
Türkçe
2026
Eğitim ve ÖğretimNecmettin Erbakan ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
DOÇ. DR. AYŞE YAVUZ
- Association rule mining for identifying factors in dynamic positioning incidents and accidents
Dinamik konumlandırma kazalarına ait faktörlerin birliktelik kural madenciliği ile tanımlanması
TUĞFAN ŞAHİN
Doktora
İngilizce
2024
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma İşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. PELİN BOLAT
- Oyun karakteri üretimi için üretken modeller
Generative models for game character generation
FERDA GÜL AYDIN EMEKLİGİL
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiOyun ve Etkileşim Teknolojileri Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. İLKAY ÖKSÜZ