OfS, Dereceleri Korumak İçin Yapay Zekâ İçermeyen Değerlendirmeleri Öneriyor

İngiltere’deki Office for Students, 11 Kasım 2026’da üniversitelerin, çoğu zaman güvenli ve yapay zekâ içermeyen formatlardan yararlanarak, değerlendirmelerin öğrencilerin neleri bildiğini ve neleri yapabildiğini ölçmesini sağlaması gerektiğini söyledi. Denetim altında yapılmayan pek çok ödevin, öğrencilerin sınırlı katılımıyla yapay zekâ kullanılarak yüksek standartta tamamlanabileceği uyarısında bulundu.

OfS, Advance HE ile ortaklaşa hazırladığı araştırma raporunun yanı sıra, yeni ve yalnızca yapay zekâya özgü bir kayıt koşulu oluşturmak yerine mevcut kalite koşullarını yapay zekâya uygulayan üniversite ve yüksekokullara yönelik bir kılavuz yayımladı. Bu koşullar; güncel dersler ve ilgili beceriler, yeterli öğrenci desteği ve geçerli, güvenilir değerlendirmelere dayanan itibarlı yeterlilikler sunulmasına ilişkin gereklilikleri içeriyor. Bu koşulları karşılayamayan kurumlar, belirli kayıt koşullarıyla, para cezalarıyla ya da öğrenci destek fonlarına veya OfS hibe fonlarına erişimlerinin askıya alınmasıyla karşı karşıya kalabilir.

OfS’nin strateji ve uygulamadan sorumlu direktörü Josh Fleming, yapay zekânın hem bir fırsat hem de “mevcut sistem için nesiller boyu etkili olacak bir risk; öğrencilerin öğrenimini ve kurumların onları değerlendirme becerisini zayıflatma tehdidi taşıyor” olduğunu söyledi. Yapay zekâ içermeyen değerlendirmelerin çok daha yaygın kullanılmasını istedi.

Öğrencilerden ve Çalışanlardan Gelen Bulgular

Raporun tamamı, Haziran ile Eylül 2026 arasında en az 127 kurumdan 244 yükseköğretim çalışanı ve 91 öğrenci ya da öğrenci temsilcisinin katılımıyla yürütülen araştırmaya dayanıyor. Bulgular; canlı etkinliklerden, çevrimiçi sorulara verilen 64 yanıttan ve 22 görüşmeden elde edildi. Katılımcılar araştırmaya kendi istekleriyle katıldı ve daha geniş öğrenci ve çalışan topluluklarını temsil etmiyor olabilir.

Öğrenciler araştırmacılara, bazı arkadaşlarının değerlendirme çalışmalarını büyük dil modelleriyle yalnızca birkaç dakikada tamamladığını ve bağımsız olarak elde ettikleri notlara benzer notlar aldığını anlattı. Bazıları, bu öğrencilerin teslim ettikleri çalışmaların temel ayrıntılarını hatırlayamadığını söyledi. Çalışanlar, üslubu ve kaynakları aynı olan çok sayıda çalışma teslim edildiğini bildirdi; uzaktan teslim edilen makalelerin ise özellikle bu tür sorunlara açık olduğu belirtildi.

Raporda, insan değerlendiricilerin yapay zekâ tarafından üretilen metinleri güvenilir biçimde belirleyemediği ve tespit araçlarının yapay zekâ kullanımını tutarlı biçimde saptayamadığı sonucuna varılıyor. Bu nedenle, politika beyanları ve geriye dönük akademik usulsüzlük süreçleri, yapısal açıdan sağlam bir değerlendirme tasarımının yerini tutamaz. Tespit araçlarının çıktıları, adil bir süreçte en fazla kanıtlardan biri olarak kullanılmalı; güçlü kanıt olmadan duyulan şüphe, notun düşürülmesini haklı çıkarmamalıdır.

Uygulamada Güvenli Değerlendirme

Kılavuz, güvenli değerlendirmeyi yapay zekâ kullanımını önlemek üzere tasarlanmış bir format olarak tanımlıyor. Bu formatlar arasında yüz yüze sınavlar, sunumlar, sözlü sınavlar, performanslar ve uygulamalı ya da pratiğe dayalı görevler yer alıyor. Yapay zekâ kullanımına izin verildiğinde de öğrenciler, etkili yapay zekâ kullanımını da içerebilen hedeflenen öğrenme çıktılarını sergilemelidir. Bir değerlendirme, ölçmeyi amaçladığı bilgi veya beceriler gerekmeksizin yapay zekâyla tamamlanabiliyorsa değiştirilmelidir.

Bir vaka çalışması, tasarım tercihine örnek oluşturuyor. University of Bath, belirli yapay zekâ kullanımlarına izin veren önceki trafik ışığı sistemindeki orta kategorinin güvenilir ve adil biçimde denetlenemediğini gördükten sonra Eylül 2026’da iki kulvarlı bir modeli benimsedi. Kapalı kulvar değerlendirmelerinde yapay zekâya erişim engellenirken açık kulvar değerlendirmelerinde kullanıma izin veriliyor ve tasarımın bu varsayıma dayanması gerekiyor. Her iki kulvar da hedeflenen öğrenme çıktılarını ölçmeli.

Güvenli değerlendirmenin maliyetleri de var. Katılımcılar, sınavlar ve sözlü testler için gereken kaynaklara, kapalı kitap sınavlarının mesleki uygulamaları yansıtmayabileceğine ilişkin kaygılara ve bazı formatların engelli öğrencileri dezavantajlı duruma düşürebileceği olasılığına dikkat çekti. Kurumların ayrımcılık yapmama konusunda yasal yükümlülüğü devam ediyor; bu nedenle değerlendirme yöntemlerinde değişiklikler de dâhil olmak üzere makul düzenlemeler yapmaları gerekebilir. Ancak bu düzenlemeler haksız bir avantaj yaratmamalıdır.

Yapay Zekâ Becerileri ve Erişilebilirlik

Rapor, yapay zekânın eğitimden çıkarılmasını önermiyor. Öğrenciler yapay zekâyı zor kavramları açıklamak, belgeleri özetlemek, alıştırma soruları hazırlamak ve tekrar yapmak için kullanıyor. Bunun engelli ve nöroçeşitli öğrenciler ile ana dili İngilizce olmayan öğrenciler açısından potansiyel yararları bulunuyor. Raporda bu faaliyetler, yapay zekânın okuma, araştırma, problem çözme ya da başka zahmetli çalışmaların yerini aldığı ve bilgi ile becerilerin gelişmesi için gerekli verimli çabayı atlamaya yol açabildiği bilişsel yükü devretme davranışından ayrı tutuluyor.

Pek çok öğrenci, yapay zekâ okuryazarlığını istihdam açısından önemli görüyor ve alanlarına özgü daha fazla eğitim istiyor. Buna karşın sunulan eğitimler eşit dağılmıyor; çalışanlara yönelik eğitimler de çoğu zaman isteğe bağlı olduğu için katılım düşük kalıyor. OfS’nin kılavuzu, izin verilen yapay zekâ kullanımlarına ilişkin açık kurallar konulmasını, yapay zekâ tarafından üretilen öğretim materyalleri ile geri bildirimlerin denetlenmesini ve ücretli araçlara ve eğitime eşit olmayan erişimden kaynaklanan farklılıkları azaltacak adımlar atılmasını istiyor. Araştırmaya katılan kurumların görece azı, kurum genelinde geçerli yapay zekâ stratejilerini uygulamaya koymuştu.

OfS, değişimin boyutunu ve niteliğini daha ayrıntılı biçimde araştırmayı planlıyor. Advance HE ise 2027’nin başlarında üye kurumlar için yapay zekâ odaklı Change Academy’yi başlatacak. Kurumların önündeki acil uyum sorusu, yapay zekâ desteğinin tespit edilemediği durumlarda bir yeterliliğin öğrencinin neler bildiğini ve neler yapabildiğini hâlâ gösterip göstermediği. Aynı düzenleyici yaklaşım, ilgili yapay zekâ becerilerinin kazandırılmasını ve erişilebilir tasarımı da gerekli kılıyor; böylece değerlendirme güvenliği, öğretim ve öğrenci desteğinin yanı sıra diplomaların değerini korumanın da bir parçası hâline geliyor.