Microsoft Research, Yapay Zekâ Öğretmenlerini Eğitmek için StudentSim’i Tanıttı

12 Ekim 2026 tarihli duyuruda Microsoft Research, her bir öğrenci için kişiselleştirilmiş bir simülatör oluşturan StudentSim’i tanıttı. Sistem, öğrencinin soruları nasıl yanıtladığını ve bir öğretmenin yönlendirmesinden sonra yanıtlarının nasıl değiştiğini kaydediyor. Çalışmada ayrıca satranç, ikinci dil olarak İngilizce yazma ve matematik alanlarını kapsayan bir kıyaslama ölçütü ve değerlendirme protokolü olan StudentSimEval tanıtıldı. Laboratuvar, temel alınan makalenin ve eğitim kodunun kamuya açık olduğunu belirtti.

Yapay Zekâ Öğretmeni Geliştirmedeki Geri Bildirim Sorunu

Microsoft Research, yapay zekâ öğretmeni araştırmalarının merkezinde bir ölçüm sorunu olduğunu belirtiyor: Bir öğretmenin öğretme kalitesi yalnızca verdiği yanıta bakılarak değerlendirilemez; çünkü öğretmenin, yönlendirmesi öğrenciye ulaştıktan sonra neler olduğunu bilmesi gerekir. Yanıt bekleyen sorular arasında öğrencinin ilk hatasını düzeltip düzeltmediği, bir ipucunun öğrencinin yanıtı bulmak için akıl yürütmesine yardımcı olup olmadığı ya da yanıtı fazlasıyla açığa çıkarıp çıkarmadığı ve başka bir öğrencinin farklı türde bir desteğe ihtiyaç duyup duymayacağı yer alıyor. Laboratuvarın belirttiğine göre bugün bu soruları yanıtlamak genellikle gerçek öğrencilerle araştırma yapmayı gerektiriyor. Bu araştırmalar değerli olsa da yürütülmeleri yavaş ve maliyetli; bu nedenle modelin hızlı biçimde yinelenen geliştirme süreçlerinde öğrenci geri bildirimlerinden yararlanmak zorlaşıyor.

Mevcut kestirme yöntemlerin belgelenmiş sınırlamaları var. Microsoft Research, büyük bir dil modelinden öğrenciyi canlandırmasını istemenin öğrencinin konuşma tarzını yansıtabildiğini ve belirsizlik ifade edebildiğini, ancak o öğrencinin gerçek beceri düzeyinin sınırlarına bağlı kalmanın daha zor olduğunu belirtiyor. Ayrıca simüle edilen öğrenci gereğinden yetkin olursa yanıltıcı geri bildirimler, öğretmeni olduğundan daha etkili gösterebilir. Bilgi izleme ve davranış tahmini modelleri gerçek öğrenme kayıtlarına dayanıyor, ancak bunların çoğu öğretmen yönlendirmelerini doğal dil girdisi olarak kabul edecek şekilde tasarlanmamış. Makalenin özeti de aynı karşıtlığa dikkat çekiyor: Durum izleme modelleri kaydedilmiş davranışlarla örtüşse de açıklamaları veya düzeltmeleri ele almakta zorlanırken akıcı rol canlandırma, taklit edilen öğrencinin beceri düzeyini güvenilir biçimde yansıtmadan yönlendirmeleri izliyor.

StudentSimEval Ölçütleri ve Eğitim Süreci

Değerlendirme tasarımı, öğrencinin tek başına yapabildikleriyle destek alarak yapabildiklerini birbirinden ayıran Vygotsky’nin yakınsal gelişim alanı da dâhil olmak üzere eğitim araştırmalarından yararlanıyor. StudentSim bu fikri iki ölçüte dönüştürüyor. Davranışsal sadakat, simülatörün belirli bir öğrencinin eğitim sırasında görmediği problemlere verdiği kayıtlı yanıtları ne ölçüde yeniden ürettiğini ölçüyor. Yönlendirmeye duyarlılık ise simülatörün öğretmen yönlendirmesini okuduktan sonra yanıtını değiştirip değiştirmediğini değerlendiriyor. Laboratuvar, bu iki ölçütün birbirini tamamladığını belirtiyor: Yalnızca geçmiş davranışları yansıtan bir simülatör, öğretim müdahalesinin işe yarayıp yaramadığını gösteremez; öğretmeni her zaman izleyen bir simülatör ise belirli bir öğrencinin güçlü yönlerini, zayıflıklarını ve olası hatalarını gözden kaçırabilir.

StudentSimEval, üç alanda toplam 60 öğrenciyi kapsayan standartlaştırılmış bir protokolde bu iki ölçütü uyguluyor. Araştırma için paylaşılan kimlik bilgileri kaldırılmış kayıtları içeren kamuya açık öğrenci veri kümelerinden oluşturulan protokolde, makalenin yayın sayfasına göre tüm yöntemler aynı kayıtlarla eğitilip değerlendiriliyor. Satrançta görev, oyuncunun bir sonraki hamlesini ve koçluk aldıktan sonra bu hamleyi nasıl değiştirebileceğini tahmin etmek. İkinci dil olarak İngilizce yazma alanında simülatör, öğrencinin kendine özgü hata örüntülerini taşıyan kompozisyonlar üretiyor ve öğretmen geri bildiriminin ardından yapılacak düzeltmeleri tahmin ediyor. Matematikte ise öğrencinin hangi çoktan seçmeli yanıtı seçeceğini ve açıklama aldıktan sonra yanıtının değişip değişmeyeceğini öngörüyor.

Tek tek öğrencilerin katkısı çoğu zaman az sayıda kompozisyon, yanıt veya etkileşimle sınırlı olduğundan, her öğrenci için sıfırdan ayrı bir simülatör eğitmek aşırı uyum riskini doğurur ve her modeli bir alandaki öğrencilerin paylaştığı örüntüleri yeniden öğrenmeye zorlar. Bu nedenle StudentSim iki aşamalı bir süreç kullanıyor: İlk aşamada aynı alandaki çok sayıda öğrencinin kayıtları bir araya getirilerek ortak yanıt biçimleri, tipik hatalar ve öğrencilerin yönlendirme sonrasında yanıtlarını değiştirme eğilimleri öğreniliyor; ikinci aşamada model, tek bir öğrencinin kendi kayıtlarıyla özelleştiriliyor. Projeye eşlik eden kod deposu, bu süreci şöyle uyguluyor: İlk aşamada her alan için bir LoRA adaptörü eğitiliyor, ardından ikinci aşamada bu adaptör her öğrencinin kayıtlarıyla eğitime devam ediyor ve yeni bir adaptörle başlamak yerine ilk aşamadaki sıra derecesini devralıyor. Satranç kayıtları CC0 lisanslı bir satranç oyunu dışa aktarımından, yazma kayıtları bir EFCAMDAT veri çıkarımından, matematik kayıtları ise bir FoundationalASSIST veri çıkarımından elde ediliyor.

Açıklanan Sonuçlar ve Satranç Öğretmeni Araştırması

Microsoft Research, StudentSim’in üç alanın tamamında önde gelen temel modellerden daha iyi performans gösterdiğini bildiriyor. Satrançta davranışsal sadakat için 0,5150, yönlendirmeye duyarlılık için 0,9067 değerlerini raporluyor. GPT-5.4 için bu değerler sırasıyla 0,2316 ve 0,7186; satrançta insan hamlelerini tahmin etmeye özel bir model olan Maia2 içinse 0,4535 ve 0,2721. Laboratuvar, bu karşılaştırmanın iki temel model ailesi arasındaki farkı gösterdiğini belirtiyor: GPT-5.4 yönlendirmelere tepki veriyor, ancak tek tek öğrencilerin davranışlarıyla tutarlı biçimde örtüşmüyor; Maia2 insan satranç hamlelerini tahmin etmede daha başarılı olsa da doğal dildeki yönlendirmeleri işleyemiyor. Makalenin özeti, StudentSim’in her alanda her iki ölçütte de GPT-5.4’ü geride bıraktığını belirtiyor.

Ekip ayrıca eğitilmiş bir simülatörün eğitmen optimizasyonu için geri bildirim sağlayıp sağlayamayacağını da test etti. Satranç eğitmeniyle yürütülen bir pekiştirmeli öğrenme çalışmasında eğitmene, bir konumla birlikte gerçek bir öğrencinin daha önce yaptığı hatalı hamle veriliyor ve eğitmenden yönlendirme üretmesi isteniyor; sabitlenmiş kişiselleştirilmiş bir simülatör bu yönlendirmeyi okuyup gözden geçirilmiş bir hamle üretiyor. Ödül, ilk hamleden gözden geçirilmiş hamleye geçişteki hamle kalitesi artışı olarak belirleniyor ve bağımsız bir ölçüt olarak Stockfish satranç motoruyla puanlanıyor. Çalışmada, aynı eğitmen politikasını, denetimli başlangıç noktasını ve pekiştirmeli öğrenme düzenini paylaşan üç koşul karşılaştırılıyor: pekiştirmeli öğrenme uygulanmadan denetimli ince ayar yapılmış bir eğitmen, GPT-5.4 ile simüle edilen öğrenci ödülüne göre eğitilmiş bir eğitmen ve StudentSim ödülüne göre eğitilmiş bir eğitmen. Satranç uzmanları, hangi koşulun hangi yanıtı ürettiğini bilmeden eğitmen yanıtlarını puanladı.

Duyuruya göre StudentSim’e karşı eğitilen eğitmen, pekiştirmeli öğrenme uygulanmayan temel modeldeki %75,7 ve GPT-5.4 ödül koşulundaki %71,6 oranlarına kıyasla %90,5 doğruluğa ulaşıyor; ayrıca yönlendirme kalitesi ve kişiselleştirme açısından daha yüksek puanlar alıyor. Microsoft Research, bu sonucu, gerçek öğrenci kayıtlarıyla eğitilen öğrenci simülatörlerinin eğitmen eğitiminde yararlı bir geri bildirim sinyali olarak kullanılabileceğini gösteren bir kavram kanıtı olarak tanımlıyor.

Belirtilen Sınırlamalar ve Kullanılabilirlik

Microsoft Research, StudentSim’i gerçek öğrencilerle sınanmadan önce yapay zekâ eğitmenlerini değerlendirmek ve geliştirmek için tasarlanmış bir araştırma sistemi olarak konumlandırıyor; laboratuvar, bunun bir ürün olmadığını, sınıflarda kullanılmadığını ve öğretmenlerin yerini almasının amaçlanmadığını belirtiyor. Laboratuvar ayrıca, eğitim araştırmalarında gerçek öğrencilere duyulan ihtiyacın bu sistemle ortadan kalkmadığını; öğrenme sonuçlarını, güvenliği, kullanılabilirliği ve sınıf ortamına uygunluğu ölçmek için insanlarla yürütülen çalışmaların hâlâ vazgeçilmez olduğunu ifade ediyor. Laboratuvara göre simülatörler, geliştirme sürecinin daha erken aşamalarında kullanılmalı; araştırmacıların gerçek öğrencilerle yapılacak daha maliyetli çalışmalara geçmeden eğitmen stratejilerini sınamasına, modelleri karşılaştırmasına ve eğitim sinyallerini iyileştirmesine yardımcı olabilir. Gelecekteki çalışma alanları arasında daha uzun öğrenme süreçleri, daha fazla konu, daha kapsamlı öğrenci profilleri ve simüle edilmiş geri bildirimleri ölçülen öğrenme sonuçlarıyla ilişkilendiren çalışmalar yer alıyor.

Temel alınan “StudentSim: Training LLM-based Student Simulators” başlıklı makale, 1 Eylül 2026’da arXiv’e sunuldu ve Microsoft Research yayın sayfasında Eylül 2026 tarihini taşıyor. Makalenin yazarları, University of Illinois Urbana-Champaign’de doktora öğrencisi olan Ke Yang; Chenglong Wang; Michel Galley; Chandan Singh; Jeevana Priya Inala; ChengXiang Zhai ve Jianfeng Gao. StudentSim’in eğitim ve değerlendirme kodu, StudentSimEval protokolü de dâhil olmak üzere, MIT lisansı kapsamında kamuya açık olarak sunuluyor.