YAPAY ZEKA TESPİT ARAÇLARI ÇIKMAZ SOKAK. ÇIKIŞ, ÖĞRENMENİN KANITIDIR.
- TKD Istanbul Subesi
- 10 Haz
- 5 dakikada okunur
Not: Kaynak bağlantıları İngilizce. Okumak isterseniz Google Translate yardımcı olabilir.
Bu yazı ilk bakışta öğretmenlerin yapay zeka tespit araçlarıyla ne yapması gerektiğini tartışıyor gibi görünse de, kütüphaneciler için çok tanıdık bir kırılmayı da görünür kılıyor: kanıtı “çıktıdan” değil “süreçten” üretme ihtiyacı. Çünkü tespit araçları çoğu zaman öğrenmeyi ölçmek yerine güveni tartışmaya açıyor. Buna karşılık “öğrenmenin kanıtı” yaklaşımı; kaynak seçimi, doğrulama, alıntı etiği, iddia-kanıt uyumu, sürüm izleri ve şeffaf çalışma akışı gibi alanları merkeze alıyor. Tam da bu noktada araştırmayı meslek edinmiş kütüphaneciler, değerlendirmenin doğal ortağı haline geliyor: AI kullanımı varsa bile, öğrencinin “nasıl düşündüğünü”, “neye dayanarak karar verdiğini” ve “kanıtla nasıl ilişki kurduğunu” görünür kılan pratikler için en güçlü rehberlik burada.
Aynı zamanda bu dönüşüm, kütüphaneciler için de kapasite sorusunu gündeme getiriyor. “Detektörle yakala” yaklaşımı yerini “süreci tasarla, kanıtı görünür kıl” anlayışına bırakırken; atölye talepleri, bire bir danışmalar, kaynak okuryazarlığı eğitimi, AI kullanım beyanları ve doğrulama rutinleri gibi sorumluluklar artabilir. Bu nedenle yazı, öğretmen iş yüküne ayna tutarken kütüphanecilerin de artan görünmez emeğini ve sürdürülebilir destek ihtiyacını hatırlatıyor. Kurumlar gerçekten öğrenmenin kanıtına dayalı bir değerlendirme istiyorsa, kütüphanecilerin bu süreci taşıyabilmesi için net rol tanımları, planlı iş birliği, yeniden kullanılabilir materyaller, eğitim zamanı ve gerçekçi iş yükü tasarımı da aynı paketin parçası olmalı.
Eğitim ortamlarında birkaç ayda bir aynı umutlu cümleyi duyuyorum: “Belki bir yapay zeka tespit aracı kullanırız.”
Neden cazip geldiğini anlıyorum. Üretken yapay zeka ortaya çıkıyor, kaygı yükseliyor, tespit araçları da tertemiz teknik bir çözüm gibi duruyor. Basabileceğiniz bir düğme: kaosu alıp kesinliğe çevirsin.
Ama rahatsız edici gerçek şu: Tespit araçları kesinlik vermez. Yüzdelik işareti taşıyan “hissiyat” verir. Ve konu bir öğrencinin kaydı, güveni ya da geleceğiyse “muhtemelen” yeterli değildir.
OpenAI, düşük doğruluk nedeniyle kendi AI metin sınıflandırıcısını kapattı. Bu küçük bir dipnot değil. Modern üretken yapay zeka dalgasıyla en çok anılan şirketin, pratikte şunu söylemesi: “Bu araç insanların istediği şeyi güvenilir biçimde yapamıyor.” (OpenAI)
Üstelik bu sadece tek bir şirket değil. Daha fazla kurum, AI tespit özelliklerinden geri adım atıyor. Vanderbilt, testler ve bunun sorumlu biçimde nasıl kullanılabileceğine dair kaygılar sonrası Turnitin’in AI tespit aracını açıkça devre dışı bıraktı. (Vanderbilt University) Arizona Üniversitesi, tutarsız sonuçlar ve sınırlı rehberlik nedeniyle Turnitin’in AI tespitini geçici olarak kapattı. (University of Arizona Dean of Students Office) Waterloo Üniversitesi, güvenilirlik kaygıları ve önyargı üzerine araştırmalara işaret ederek Turnitin’in AI tespit işlevini bırakacağını duyurdu. (University of Waterloo) Curtin Üniversitesi, güven, açıklık ve değerlendirme iyileştirme çerçevesinde Turnitin’in AI yazım tespit özelliğinin 1 Ocak 2026’dan itibaren kapatılacağını açıkladı. (Curtin University)
Bu örüntü önemli: Değerlendirme riskine en yakın olanlar tespit araçlarını kanıt olarak savunamayacaklarına karar veriyorsa, sistem bize bir şey söylüyordur. (Vanderbilt University)
En büyük sorun tespit araçlarının kopyacıları kaçırması değil
En büyük sorun, yanlış kişileri suçlayabilmeleridir.
Stanford araştırmacıları, AI tespit araçlarının ana dili İngilizce olmayan yazarlar için özellikle güvensiz olabileceğini vurguladı. Bu yalnızca teknik bir kusur değil, aynı zamanda bir eşitlik sorunu. (Stanford HAI) Haberler ayrıca uluslararası öğrencilerin orantısız biçimde işaretlenebildiğini ve bunun gerçek sonuçları olduğunu da belgeledi: soruşturmalar, gecikmeler, itibar zedelenmesi ve öğrenme üzerinde ürpertici bir etki. (The Markup)
Bir tespit aracı düşük bir yanlış pozitif oranı iddia etse bile, ölçek “nadir” olanı “kaçınılmaz” yapar. Yılda on binlerce ödevin teslim edildiği bir kampüs mutlaka vakalar üretir. Sonra en kötü sonuca varırsınız: suistimali azaltmamış, güvensizliği üretmiş olursunuz. (Turnitin)
CalMatters, AI ve intihal tespit araçlarının yükseköğretimde pahalı ve dağınık sorunlar üretebildiğini anlattı; buna yanlış suçlamalar ve idari kaos da dahil. (CalMatters) Avustralya’daki “robo-cheating” tartışması da, bir aracın bir iddianın temeli haline geldiğinde bunun ne kadar hızlı büyüyebildiğini gösteriyor. (ABC News)
Evet, AI tespit araçları bir çıkmaz sokak. Ama sadece kusurlu oldukları için değil. Çıkmaz sokaklar, bizi yanlış soruya çekiyorlar.
“Yapay zeka kullandın mı?” öğrenmeyi koruyan soru değil
Soru şu: “Düşünme sürecini bana gösterebilir misin?”
Bence konuşma asıl burada ilginçleşiyor.
OECD’nin Digital Education Outlook 2026 raporu, her değerlendirme tasarımcısının aklını kurcalaması gereken bir ifade kullanıyor: “sahte ustalık serabı” (mirage of false mastery). Yani AI, yeterlilik gibi görünen etkileyici bir performans üretebilirken, alttaki anlayış zayıf kalabilir ya da hiç olmayabilir. Çıktı kalitesi yükselir, gerçek öğrenme yükselmez. (OECD)
Bu yüzden tespit, strateji olarak bile çöker. Risk yalnızca “öğrenciler kopya çeker” değildir. Risk, parlak ürünleri notlandırmaya devam ederken bilişe görünürlüğümüzü kaybetmemiz ve buna “eğitim” dememizdir.
Ve akademisyenler bu baskıyı hissediyor. AAC&U ve Elon University’nin 1.057 öğretim elemanıyla yaptığı ulusal bir anket, AI’ya aşırı bağımlılık ve eleştirel düşünmenin azalması konusunda derin endişeler buldu. (AAC&U & Elon University)
Peki tespit çıkmaz sokaksa, çıkış neresi?
Öğrenmenin kanıtı: ürünü değil süreci değerlendirmek
Öğrenmenin kanıtı gözetim demek değildir. Öğrenme öyle tasarlanır ki geride parmak izleri bıraksın. Taslaklar, kararlar, revizyonlar, açıklamalar, ödünleşimler ve bir fikri yeni bir bağlama aktarabilme becerisi.
İşte disiplinler arası işe yarayan birkaç “çıkış rampası”:
Kontrol noktalarıyla taslak izi
Düşük riskli kontrol noktaları (taslak plan, açıklamalı kaynaklar, ilk taslak, revizyon notu) düşünmeyi görünür kılar ve son dakika AI ile ikame etmenin “getirisini” azaltır.
Sorgu değil, mikro savunma
İki ila beş dakika: “Bana argümanını adım adım anlat,” “Bu yöntemi neden seçtin?” “Bir gün daha olsaydı neyi değiştirirdin?” Sözlü açıklama, mahkeme havası yaratmadan güçlü bir özgünlük sinyalidir.
Sınıfta soğuk başlangıç, evde geliştirme
Sınıfta (ya da denetimli zamanda) başla, sonra dışarıda revize et. Amaç araçları cezalandırmak değil; işi, öğrenenin kendi başlangıç noktasına sabitlemektir.
AI’nın derinlikte taklit etmekte zorlandığı dönüşüm görevleri
Kendi taslağını eleştir, iki yaklaşımı karşılaştır, bir hatayı teşhis et, bir kavramı yerel bir veri setine uygula ya da “model cevap”ın nerede çöktüğünü açıkla. Bunlar çıktı değil akıl yürütme ister.
“Pofuduk” değil, spesifik yansıtma
Seçimlere bağlı kısa sorular: “Neyi kestin ve neden?” “Hangi geri bildirim fikrini değiştirdi?” “Nerede takıldın?” Belirsiz yansıtma yazıları taklit edilebilir. Spesifik olanlar daha zordur.
Şeffaf AI kullanım beyanları
“Günah çıkarma” değil, “iş akışını belgeleme.” AI serbestse hangi araçlar nerede kullanıldı, öğrenci iddiaları nasıl doğruladı? Bu, AI okuryazarlığını büyütür; AI’yı yeraltına itmez.
Akıl yürütme ve revizyonu ödüllendiren rubrikler
Rubrik esas olarak parlatmayı ödüllendiriyorsa, sistem dışarıdan alınmış parlatmayı ödüllendirir. Akıl yürütmeyi, yinelemeyi ve aktarımı ödüllendiriyorsa, sistem öğrenmeyi ödüllendirir.
Bunların hiçbiri AI’nın yok olacağını varsaymayı gerektirmez. Tasarımı öyle kurmayı gerektirir ki AI kullanımı, eğitimin inşa etmesi gereken bilişsel işi ikame etmesin. (OECD)
Zor kısmı: kapasite ve adalet
Bu dönüşümü romantikleştirmiyorum. Eski gerekliliklerin üzerine yenilerini yığarsak, öğrenmenin kanıtı öğretmen iş yükünü artırabilir.
Ama amaç öğretmenleri adli bilirkişiye çevirmek değil. Amaç polislikten tasarıma geçmek ve bunu gerçekçi destekle yapmak: daha net kurumsal politikalar, yeniden kullanılabilir değerlendirme kütüphaneleri ve uygun yerlerde geri bildirim ile iş akışı için araçların akıllı kullanımı. (The Guardian)
Yine de yönün doğru olduğunu düşünüyorum.
Tespit araçları kontrol vaat eder ve tartışma üretir. Öğrenmenin kanıtı güven inşa eder ve tespit araçlarının asla veremeyeceği şeyi verir: bir öğrenenin gerçekten ne anladığına dair sahici bir görünüm.
O zaman sorum şu: Tespit araçlarını hiç kullanamasaydınız, öğrenmeyi görünür kılmak için değerlendirmelerinizde ilk neyi değiştirirdiniz?
Kaynakça (APA 7)
ABC News. (2025, October 9). University wrongly accuses students of using artificial intelligence to cheat. https://www.abc.net.au/news/2025-10-09/artificial-intelligence-cheating-australian-catholic university/105863524
Curtin University. (2025, September 4). Update on Turnitin AI-Detection Tool.
Mathewson, T. (2025, June 26). Costly and unreliable: AI and plagiarism detectors wreak havoc in higher ed. CalMatters. https://calmatters.org/education/higher-education/2025/06/ai-detector/
Mathewson, T. G. (2023, August 14). AI detection tools falsely accuse international students of cheating. The Markup. https://themarkup.org/machine-learning/2023/08/14/ai-detection-tools-falsely-accuse international-students-of-cheating
OECD. (2026). OECD Digital Education Outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing. https://doi.org/10.1787/062a7394-en
OpenAI. (2023, January 31). New AI classifier for indicating AI-written text.
Stanford Institute for Human-Centered Artificial Intelligence. (2023, May 15). AI-detectors biased against non-native English writers. https://hai.stanford.edu/news/ai-detectors-biased-against-non-native english-writers
Topinka, R. (2024, February 13). The software says my student cheated using AI. They say they’re innocent. Who do I believe? The Guardian.
Turnitin. (n.d.). Using the AI Writing Report. Turnitin Guides. https://guides.turnitin.com/hc/en us/articles/22774058814093-Using-the-AI-Writing-Report
University of Arizona Dean of Students Office. (n.d.). Artificial Intelligence (AI). Retrieved May 26, 2026, from https://deanofstudents.arizona.edu/artificial-intelligence-ai
University of Waterloo, Office of the Associate Vice-President, Academic. (2025). Discontinuing use of AI detection functionality in Turnitin: September 2025. https://uwaterloo.ca/associate-vice-president academic/discontinuing-use-ai-detection-functionality-turnitin
Vanderbilt University. (2023, August 16). Guidance on AI Detection and Why We're Disabling Turnitin’s AI Detector. https://www.vanderbilt.edu/brightspace/2023/08/16/guidance-on-ai-detection-and-why were-disabling-turnitins-ai-detector/
Watson, C. E., & Rainie, L. (2026, January). The AI Challenge: How college faculty assess the present and future of higher education in the age of AI. American Association of Colleges and Universities & Elon University. https://dgmg81phhvh63.cloudfront.net/content/user
photos/Research/PDFs/AI_Challenge.pdf
