Öğretmen performansında yeni eşik: Yapay Zeka ile Kişiselleştirilmiş Gelişim Modeli

İLKE’nin Eğitim Politikaları Araştırma Merkezi (EPAM) Seminerleri kapsamında Prof. Dr. Mustafa Yunus Eryaman, yapay zeka ve büyük verinin öğretmen yeterliklerinin izlenmesinde nasıl dönüştürücü bir rol oynayabileceğini ele aldı. Seminerde, öğretmen performansını yalnızca nicel verilere indirgemeyen; sınıf içi etkileşimi, pedagojik uygulamaları, okul kültürünü ve bağlamsal unsurları birlikte okuyan bütüncül yaklaşımın gerekliliği vurgulandı.

Prof. Dr. Eryaman, yapay zekanın “denetleyen” bir mekanizma olarak değil; öğretmenin kendi mesleki gelişimini yönlendirmesine yardımcı olan bir araç olarak tasarlanmasının kritik olduğuna dikkat çekti. Bu perspektif, öğretmeni pasif bir değerlendirme nesnesi olmaktan çıkarıp kişiselleştirilmiş geri bildirim alan ve gelişim yolculuğunu veriye dayalı biçimde yönetebilen aktif bir özneye dönüştürüyor. Nitekim EPAM’ın Politika Notu 70’te de, öğretmenlerin gelişim süreçlerinin tek veri tabanında izlenebilmesi ve geri bildirim/desteklerin daha sistematik ve kişiselleştirilmiş hale gelmesi hedefi açık biçimde ortaya konuyor.

“Sorun, ölçmek değil; doğru ölçüp geliştirmek”

Seminerde paylaşılan değerlendirmeler, Türkiye’de öğretmen yeterliklerinin izlenmesine ilişkin mevcut yapının hedeflere rağmen bütüncül ve sürdürülebilir bir sisteme dönüşemediğine işaret etti. Bu durum; öğretmenlerin mesleki gelişiminin düzenli takibini ve eğitimde kaliteye ilişkin kararların sağlam veriye dayanmasını zorlaştırıyor.

EPAM’ın aynı politika notunda altı çizildiği üzere en temel eksiklerden biri, öğretmen yeterliklerinin izlenmesine dair ulusal ölçekte dijital ve kurumsal bir veri tabanı/değerlendirme sisteminin kurulamamış olması. Hatta MEBBİS gibi altyapılarda yeterlik modülü bulunsa da kullanılmadığı ve içeriğinin bilinmediği, değerlendirmelerin çoğu zaman okul yöneticisinin kanaati veya öz değerlendirme ile sınırlı kaldığı belirtiliyor; öğrenci–akran–veli geri bildirimi gibi çok kaynaklı yaklaşımlar ise neredeyse hiç uygulanmıyor.

Çok kaynaklı (360°) geri bildirim: Adalet ve gelişim odağı

Uluslararası örnekler üzerinden yürütülen tartışmalarda, öğretmen performansının güvenilir biçimde değerlendirilebilmesi için sürekli, çok boyutlu ve yapıcı geri bildirim mekanizmalarının belirleyici olduğu vurgulandı. EPAM Politika Notu’nda yer verilen örneklerde; Ontario’da farklı paydaşların katkısıyla yürüyen değerlendirme kültürü ve Hollanda’da akran gözlemleri ile öğrenci anketlerini içeren 360 derecelik geri bildirim yaklaşımı öne çıkıyor

EPAM’ın çerçevesi: Dijital altyapı + bağımsız yapı + etik güvenlik

Seminerde ayrıca EPAM’ın Aralık 2025’te yayımladığı “Öğretmen Yeterliklerinin İzlenmesi: Sorunlar ve Öneriler” (PN 70) politika notunun öneri seti tartışmalar için yol haritası sundu. Politika notu; MEBBİS ile uyumlu dijital yeterlik izleme modülü, çok kaynaklı değerlendirme, pilot uygulamalar, mentörlük ve sürekli mesleki gelişim destekleri ile bağımsız bir yapının yıllık raporlama rolünü birlikte ele alıyor.

Öne çıkan önerilerden bazıları:

MEBBİS’e Dijital Yeterlik İzleme Modülü entegrasyonu: Değerlendirme ve geri bildirimlerin tek veri tabanında toplanması; okul/ilçe/ülke düzeyinde anlık analiz imkânı ve öğretmene dönük geri bildirim/desteklerin kişiselleştirilmesi.

Bağımsız bir ulusal yapı: Öğretmen yeterliklerinin sürdürülebilir ve sistematik izlenebilmesi için “Ulusal Öğretmen Yeterlik Gözlemevi (UYEG)” önerisi.

Uygulamada güven: Dijital sistem ve çok kaynaklı değerlendirmenin ülke geneline yayılmadan önce pilot illerde test edilmesi, izleme uzmanlarıyla sahada desteklenmesi ve kapsamlı değerlendirme raporlanması.

Geri bildirimi gelişime dönüştürmek: İzleme sonuçlarının mentörlük ve sürekli mesleki gelişimle desteklenmesi; her öğretmen için bireyselleştirilmiş gelişim planları ve Öğretmen Akademilerinin sistemle entegre edilmesi.

Etik ve güvenlik: Öğretmen yeterliklerinin dijital dönüşümle birlikte çevrimiçi etik, veri güvenliği ve yapay zeka okuryazarlığını kapsayacak şekilde güncellenmesi.