Geri Dön

Yapay zekâ ile zenginleştirilmiş fenomen temelli öğrenme yaklaşımı: İç içe karma desen örneği

Artificial intelligence-enhanced phenomenon-based learning: An embedded mixed methods design example

PDF İndir

  1. Tez No: 957975
  2. Yazar: DİLAN AÇIK
  3. Danışmanlar: PROF. DR. SELÇUK BEŞİR DEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Eğitim ve Öğretim, Education and Training
  6. Anahtar Kelimeler: Yapay zekâ, Fenomen temelli öğrenme, Eleştirel düşünme, Problem çözme
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Eğitim Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Temel Eğitim Ana Bilim Dalı
  12. Bilim Dalı: Sınıf Eğitimi Bilim Dalı
  13. Sayfa Sayısı: 296

Özet

Bu araştırmanın amacı, yapay zekâ ile zenginleştirilmiş fenomen temelli öğrenme yaklaşımının öğrencilerin eleştirel düşünme ve problem çözme becerileri üzerindeki etkisi ile bu yaklaşımın güçlü ve zayıf yönlerini incelemektir. Bu amaç doğrultusunda araştırma, karma yöntem araştırma desenlerinden iç içe karma desen ile yürütülmüştür. Araştırma, ilkokul ikinci sınıfa devam eden 24 öğrenci ile gerçekleştirilmiştir. Araştırmanın nicel boyutunda veri toplama araçları olarak“İlkokul Öğrencileri İçin Eleştirel Düşünme Eğilimleri Ölçeği”,“Çocuklar İçin Problem Çözme Envanteri”ve“Kişisel Bilgi Formu”kullanılmıştır. Araştırmada nitel veri toplama araçları olarak“Katılımlı Gözlem Formu”ve“Öz Değerlendirme Formu”kullanılmıştır. Ayrıca tüm uygulama süreci boyunca araştırmacı tarafından alan notları tutulmuştur. Araştırmada yapılan uygulamalardan sonra, yapay zekâ ile zenginleştirilmiş fenomen temelli öğrenme yaklaşımının toplam eleştirel düşünme eğilimleri puanını anlamlı düzeyde artırdığı sonucuna ulaşılmıştır. Uygulama sırasında ve sonrasında yapılan gözlemlerde de öğrencilerin eleştirel düşünme becerilerinde önemli gelişmeler olduğu gözlemlenmiştir. Eleştirel düşünmeninin şüphecilik boyutunda uygulama sonrasında ön test ile son test arasındaki farkın istatistiksel olarak anlamlı olduğu sonucuna ulaşılmıştır. Sekiz haftalık gözlemler incelendiğinde şüphecilik kodlarının hem sayısal hem de derinlik bakımından kademeli olarak arttığı görülmüştür. Açık fikirlilik alt boyutunda ön ile son test arasında istatistiksel olarak anlamlı bir artış gözlemlenmiştir, nitel boyuttaki açık fikirlilik kodları haftalar ilerledikçe sayısal olarak artmış ve basit kabulden daha sofistike ve kapsayıcı bakış açılarına evrilmiştir. Meraklılık alt boyutu son test ortalama değerinin ön teste göre istatistiksel olarak anlamlı biçimde yüksek olduğunu göstermiştir, Nitel analiz sonuçları incelendiğinde eleştirel düşünme becerileri genel eğilime göre birinci ve ikinci hafta merak basit bilgi edinme ve araç keşfi düzeyindeyken, altıncı ve sekizinci haftada sorular hem sayı hem de derinlik bakımından artmış; öğrenciler mekanizma, tarihsel köken, disiplinlerarası bağlam ve tasarım seçeneklerini irdelemiştir. Nicel analizler, nesnellik boyutunda istatistiksel olarak anlamlı bir gelişim olduğunu ortaya koymaktadır: Nitel bulgular ise bu nicel artışı niteliksel olarak derinleştiren bir tablo çizmektedir; haftalar ilerledikçe nesnel argüman üreten öğrenci sayısı istikrarlı şekilde artmış, aynı zamanda kullanılan kanıtların kapsamı ve derinliği genişlemiştir. Öğrencilerin toplam problem çözme puanları açısından son testteki artış anlamlı düzeyde değildir fakat nitel olarak elde edilen veriler tam tersi sonuç sunmaktadır. Nicel veriler, öğrencilerin problem çözme güven alt boyutunda istatistiksel olarak anlamlı bir artış olduğunu göstermektedir. Nitel bulgular ise bu nicel sonuçları destekleyecek şekilde, hem problem çözme sürecine katılan öğrenci sayısının arttığını hem de çözüm önerilerinin niteliğinin geliştiğini ortaya koymaktadır. Öz denetim alt boyutunda nicel ve nitel bulgular tam olarak çakışmaktadır. Sayısal olarak, öğrenciler kendi kendini düzenleme becerilerini son testte daha düşük puanlamışlardır. Buna karşılık nitel bulgular, haftalar ilerledikçe daha fazla öğrencinin demokratik rol paylaşımında bulunduğunu, iletişim kuralları oluşturduğunu, uzun süreli odaklanabildiğini ve görev merkezli davranışlar sergilediğini ortaya koymaktadır. Nicel veriler kaçınma puanlarında istatistiksel olarak anlamlı bir değişim göstermemiştir. Nitel verilerde kaçınma eğiliminin davranışsal olarak zayıfladığı görülmektedir. Yapay zeka ile zenginleştirilmiş fenomen temelli öğrenme yaklaşımının güçlü yönleri; eleştirel sorgulama iklimi, yaratıcı ve iş birlikçi problem çözme, disiplinlerarası transfer ve yüksek motivasyon ve öz değerlendirmede artış kümelerinde toplanmıştır. Zayıf yönleri ise teknik-altyapısal sınırlılıklar, öğrenci direnci ve pedagojik tasarım temalarında toplanmıştır.

Özet (Çeviri)

The present study is aim to examine the effects of the artificial intelligence (AI)-enhanced phenomenon-based learning (PhenoBL) approach on students' critical thinking and problem-solving skills, as well as to identify the strengths and weaknesses of this approach. In line with this aim, the study was conducted using an embedded mixed-methods design. The quantitative dimension of the embedded design followed a single-group pre-test–post-test model, while the qualitative dimension employed a case study approach. The research was carried out with 24 second-grade primary school students. In the quantitative dimension, the data collection tools included the“Critical Thinking Disposition Scale for Primary School Students,”the“Problem Solving Inventory for Children,”and a“Personal Information Form.”For the qualitative dimension, a“Participant Observation Form”and a“Self-Assessment Form”were used. Additionally, field notes were recorded by the researcher throughout the entire implementation process. Following the implementation, it was found that the AI-enhanced phenomenon-based learning approach significantly improved students' overall critical thinking disposition scores. Observations made during and after the intervention also revealed notable improvements in students' critical thinking skills. Specifically, in the subdimension of skepticism, the difference between pre- and post-test scores was statistically significant. Weekly observation data showed that skepticism-related codes increased both numerically and in depth over time. In the open-mindedness subdimension, a statistically significant increase was observed between the pre- and post-tests. Qualitative data also indicated that open-mindedness codes not only increased in frequency but evolved from simple acceptance to more sophisticated and inclusive perspectives. In the curiosity subdimension, post-test scores were significantly higher than pre-test scores. Qualitative analysis revealed that while curiosity in the first and second weeks was limited to simple information seeking and tool exploration, by the sixth and eighth weeks, both the number and depth of questions had increased. Students began to explore mechanisms, historical origins, interdisciplinary contexts, and design alternatives. Quantitative analysis also showed a statistically significant improvement in the objectivity subdimension. Qualitative findings supported this increase, indicating a steady rise in the number of students generating objective arguments, as well as an expansion in the scope and depth of evidence used. In terms of total problem-solving scores, the post-test improvement was not statistically significant. However, qualitative findings revealed the opposite: more students participated in the problem-solving process, and the quality of the proposed solutions improved. In the problem-solving confidence subdimension, quantitative data showed a statistically significant increase, supported by qualitative findings. For the self-regulation subdimension, quantitative and qualitative results diverged. While students rated themselves lower in self-regulation in the post-test, qualitative data showed that more students demonstrated democratic role-sharing, created communication rules, maintained long-term focus, and exhibited task-centered behaviors as the weeks progressed. There was no statistically significant change in avoidance scores according to the quantitative data. However, qualitative observations indicated a behavioral decrease in avoidance tendencies. The strengths of the AI-enhanced phenomenon-based learning approach were clustered under: a climate of critical inquiry, creative and collaborative problem-solving, interdisciplinary transfer, increased motivation, and improved self-assessment. The weaknesses were categorized under: technical and infrastructural limitations, student resistance, and pedagogical design challenges. Artificial Intelligence, Phenomenon Based Learning, Criticial Thinking, Problem Solving

Benzer Tezler

  1. Tez No

    953660

    Sınıf öğretmenlerinin yapay zeka destekli ders planı tasarlama sürecine yönelik deneyimleri ve görüşleri

    Classroom teachers' experiences and opinions on artificial intelligence-supported lesson plan design process

    FERHAT KARAKUŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Eğitim ve ÖğretimNecmettin Erbakan Üniversitesi

    Temel Eğitim Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CELALETTİN ÇELEBİ

  2. Tez No

    954536

    Deki: A multimodal image-to-code transformation and vision-based gui agents

    Dekı: Çok modlu görüntüden koda dönüşüm ve görme tabanlı guı ajanları

    RASUL OSMANBAYLİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SELÇUK ŞENER

  3. Tez No

    935257

    Aronya (Aronia melanocarpa) ve maça (Camellia sinensis)'nın bitter çikolatanın bazı fizikokimyasal özelliklerine etkileri ve duyusal parametrelerinin yapay zeka ile tahminlenmesi

    Effects of aronia (Aronia melanocarpa) and matcha (Camellia sinensis) on the physicochemical properties of dark chocolate and the prediction of sensory parameters using AI

    NİLAY YÜCEL

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    Gıda Mühendisliğiİstanbul Teknik Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    PROF. DR. FİLİZ ALTAY

  4. Tez No

    919942

    Makine öğrenme temelli kestirimci bakım ve anomali tespiti ile asansörlerin kondisyonlarının izlenmesi

    Monitoring the conditions of elevators with machine learning based predictive maintenance and anomaly detection

    SAFA ÖZDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mekatronik MühendisliğiKarabük Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. RAİF BAYIR

  5. Tez No

    752400

    Detection of antimicrobial resistance using surface-enhanced raman spectroscopy combined with machine learning algorithms

    Makine öğrenmesi algoritmalarıyla birleştirilmiş yüzeyi zenginliştirilmiş raman spektroskopisi kullanılarak antimikrobiyal direnç tespit

    ZAKARYA ALI ZAIN AL-SHAEBI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilim ve TeknolojiErciyes Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER AYDIN

Geri Dön