Yapay Zeka Destekli Öğrenci Merkezli Eğitim ve Ergenlerin Akademik Öz-Kavramı ve İletişim Yetkinliği: Karma Yöntemlerli Bir Çalışma

Özet

Bu karma yöntemli çalışma, yapay zeka destekli, öğrenci odaklı bir sınıf rutinini değerlendirir; yapay zeka destekli sorgulama, akran tartışması, öğretmen açıklaması ve öz değerlendirmeyi içerir. Çalışma, kendi bildirimde bulunan akademik öz-kavram ve iletişim yetkinliğine odaklanmakta ve sınıf tekrarını kolaylaştıracak yeterli prosedürel detay sunmaktadır.

Özet

Bu sınıf temelli karma yöntemlerli yarı-deneysel çalışma, yapay zeka destekli öğrenci odaklı eğitimin, ergenlerin akademik benlik kavramı ve kendi bildirdiği iletişim yetkinliğindeki değişikliklerle ilişkili olup olmadığını inceledi. Altı sağlam sınıf ya yapay zeka destekli eğitime ya da olağan öğrenci odaklı eğitim koşuluna atandı. Müdahale, yapay zeka destekli promptları bireysel sorgulama, akran tartışması, öğretmen açıklaması ve öz değerlendirmeden oluşan yapılandırılmış bir öğrenme döngüsüne entegre etti. 186 öğrenciden 174'ü nicel analiz için tutuldu. Akademik öz-kavram ve kendi bildirimde iletişim yetkinliği, başlangıçta, müdahaleden hemen sonra ve önceden belirlenmiş kısa vadeli bir takipte değerlendirildi. Müdahale sonrası etkileşim kalitesi, öz değerlendirme ve öğrenci katılımı ölçüldü ve 36 öğrenci yarı yapılandırılmış mülakatlara katıldı. Alışılmış eğitim grubuna kıyasla, yapay zeka destekli grup, müdahale sonrası ve takip sürecinde hem başlangıç düzeyinde ayarlanmış sonuçlarda daha büyük artışlar gösterdi. Keşif süreci analizleri, yapay zeka destekli grupta daha yüksek etkileşim kalitesi, öz değerlendirme ve öğrenci katılımını gösterdi; nitel bulgular ise yapay zeka destekli promptların öğrencilerin açıklamaları doğrulamasına, yanıtları gözden geçirmesine ve öz değerlendirmeyi akran tartışması ve öğretmen rehberliğiyle birleştirildiğinde daha açık hale getirmesine yardımcı olduğunu gösterdi. Katılımcılar sınıf düzeyinde atandığı ve sonuçlar esas olarak kendi raporlarının yapıldığı için, bulgular akademik performansta nedensel bir iyileşmenin kesin kanıtı değil, sınıf temelli ilişkiler olarak yorumlanmalıdır.

Giriş

Yapay zeka (YZE) eğitim ortamlarında giderek yaygınlaşmıştır. Ancak, öğretim değeri tutarsız kalır; çünkü sadece teknolojik bir araca erişim doğası gereği bir öğrenme süreci oluşturmaz. İncelemeler eğitimsel yapay zekadaki ilerlemeleri vurgulasa da, öğretmenin rolü ve sınıf etkileşimleri genellikle göz ardı edilir. Bu, yetkin yargıları oluşturan ve akranlarıyla fikirleri test eden ergenler için kritik öneme sahiptir. Bu nedenle, yapay zeka destekli öğrenme, sadece teknolojik bir deneyim olarak değil, öğrencilerin sorgulama, değerlendirme ve tartışma biçimlerini şekillendiren kasıtlı bir pedagojik düzenleme olarak uygulanmalıdır.

Öğrenci odaklı eğitim, bu zorluğun üstesinden gelmek için sağlam bir çerçeve sağlar. Öğrencileri pasif alımdan uzaklaştırarak, bu yaklaşım aktif katılımı, görev katılımını, akranlar arası açıklamayı ve özerk karar vermeyi önceliklendirir. Meta-analitik araştırmalar, problem çözme ve öğrenci katılımıyla karakterize edilen aktif öğrenme ortamlarının, geleneksel derslere kıyasla akademik performansı önemli ölçüde artırabileceğini^{doğrulamaktadır 1}. Yine de, öğrenci odaklı eğitim doğası gereği etkili değildir. Katılımı yönlendirecek kadar yapılandırılmış, ancak öğrencileri fikirleri açıklamaya, karşılaştırmaya ve gözden geçirmeye teşvik edecek kadar esnek öğretim görevleri gerektirir. Bu dinamik, yapay zeka destekli sınıflarda daha da karmaşık hale gelir. Yapay zeka hızla örnekler, açıklamalar ve öneriler üretebilse de, öğretmen rehberliği ve akran değerlendirmesinin olmaması öğrencilerin bu çıktıları eleştirisizsiz kabul etmelerine ve onları daha derin düşünme için ham materyal olarak değil, bilişsel kestirme yolları olarak ele almasına yol açabilir.

Akademik benlik kavramı, bu bağlamda öğrencilerin akademik yetenekleri hakkında alan spesifik inançlarını yansıtan son derece ilgili bir sonuç olarak hizmet eder. Önceki araştırmalar, akademik benlik kavramının statik bir kişilik özelliği olmadığını, başarı ve devam eden öğrenme deneyimleriyle yakından iç içe geçmiş dinamik bir yapı olduğunu^{ortaya koymuştur 2}. Bu çalışma, öğrencilerin işlerini geliştirme yeteneklerine olan güvenlerini değerlendirmek için akademik öz-kavramı değerlendirmektedir. İletişim yetkinliği ikincil bir sonuç olarak hizmet eder; müdahale öğrencilerin gerekçeleri ifade etmelerini ve yapılandırılmış akran geri bildirimiyle açıklamaları geliştirmelerini gerektirir.

Geri bildirim ve öz değerlendirme, bu hedeflenmiş öğrenme sonuçlarına yapay zeka desteğini bağlayan kritik öğretim köprüsünü oluşturur. Etkili biçimlendirici değerlendirme, öğrencilerin ilerlemeyi aktif olarak izlemesini, standartlara göre ölçmesini ve performans farklılıklarına göre hareket etmelerini^{gerektirir 3,4}. Yapay zeka destekli, öğrenci odaklı bir sınıfta, yapay zeka önerileri alternatif açıklamalar veya tekrarlama ipuçları oluşturabilir. Ancak, bu önerilerin gerçek eğitim değeri, öğrencilerin çıktıyı inceleyip tartışmadıklarına, akranlarıyla tartışmalarına ve bunu daha ince bir yanıta dönüştürüp çevirmelerine bağlıdır. Sonuç olarak, bu çalışmadaki öz değerlendirme belirsiz bir tutum olarak değil, öğrenme boşluklarını belirlemeye ve revizyonlar yapmaya yönelik somut, gözlemlenebilir bir sınıf davranışı olarak uygulanmaktadır.

Öğrenci katılımı da bu öğrenme döngüsünde aynı derecede hayati bir rol oynar. Çok boyutlu bir yapı olarak kabul edilen bu etkileşim, davranışsal katılım, duygusal katılım ve bilişsel yatırımı^kapsar. Bu çok boyutluluk özellikle ergenler için önemlidir, çünkü yüzeysel uyum derin bilişsel işlemeyi garanti etmez. Bir öğrenci, temel gerekçeyi analiz etmeden mekanik olarak bir çalışma sayfasını tamamlayabilirken, diğeri daha az soru sorabilir ama sürekli kendini izleme ve gözden geçirerek derinlemesine ilgilenebilir. Yapay zekanın tanıtılması, karşılaştırma ve sorgulama için zengin materyal sağlayarak teorik olarak etkileşimi artırabilir; Buna karşılık, öğrenciler otomatik çıktılara zahmetsizce güvenirlerse, bu da etkileşimi zayıflatabilir. Buna göre, bu çalışma, öğrenci katılımını etkileşim kalitesi ve öz değerlendirme ile birlikte bağlamlaştırıyor ve yapay zeka kullanımının izole bir sınıf olayı olarak ele almaktan kasıtlı olarak kaçınıyor.

Eğitimsel büyük dil modelleri etrafındaki tartışmalar, bireysel yardım ile katı sınırlar olmadan uygulandığında aşırı bağımlılık veya çabanın azalması gibi riskler arasındaki gerilimi gözler önüne seriyor. Sonuç olarak, öğrenme rutininin pedagojik koreografisi, yapay zeka teknolojisinin kendisi kadar önemlidir. Mevcut çalışma, yapay zeka destekli önerileri tutarlı, beş adımlı bir sınıf dizisi içine yerleştirdi: öğretmen bilgilendirmesi, bireysel sorgulama, akran tartışması, tüm sınıf açıklaması ve kendi değerlendirme. Bu özel tasarım, yapay zeka çıktısını kasıtlı olarak konumlandırıyor, kusursuz bir nihai cevap olarak değil, titiz doğrulama ve revizyona tabi ön materyal olarak konumlandırıyor.

Karma yöntemli bir araştırma tasarımı, yalnızca nicel anket verilerinin öğrencilerin yaşanmış öğrenme deneyimlerinin inceliklerini yeterince yakalayamaması nedeniyle benimsendi. Karma yöntemler yaklaşımları, sonuç yollarının katılımcı deneyimleri, uygulama koşulları ve gelişen sınıf dinamikleri fonunda yorumlanması gerektiğinde özellikle^{değerlidir 6}. Mevcut araştırmada, nicel bileşen akademik benlik kavramı ve iletişim yetkinliğindeki gelişimsel değişiklikleri takip etmiştir. Aynı zamanda, nitel bileşen öğrencilerin etkileşim kalitesini, öz değerlendirme uygulamalarını, görev katılımını ve müdahale sırasında algılanan engelleri nasıl karakterize ettiklerini inceledi. Bu iki kanıt akışı, gözlemlenen nicel puan kalıplarının öğrencilerin zemin düzeyindeki sınıf deneyimleriyle örtüşüp örtüşmediğini değerlendirmek için daha sonra entegre edildi.

Bu çalışma ayrıca yapay zeka destekli öğretim literatüründe önemli bir pratik açığı da ele almaktadır. Birçok çalışma yapay zeka kaynaklı sonuçları değerlendirse de, nispeten azı prompt kullanımı, akran iskeleleri, kontrol grubu karşılaştırmaları, isabet izleme ve karma yöntemlerle veri entegrasyonunu detaylandıran şeffaf, tekrarlanabilir bir sınıf protokolü sunmaktadır. Akran etkileşimi üzerine onlarca yıllık araştırmalar, öğrencilerin kavramları açıkladıklarında, akran geri bildirimleri aldıklarında ve diyalog yoluyla anlayışlarını sürekli geliştirdiklerinde önemli ölçüde fayda^{sağladıklarını göstermektedir. 7}. Mevcut çalışma, bu temel mantığın üzerine inşa etmekte olup, yapay zeka tarafından oluşturulan soruların, öğretmen rehberliği ve akran iş birliğinin vazgeçilmez rollerini devralmadan bu diyalog yapısına başarılı bir şekilde entegre edilip eğnenemeyeceğini araştırıyor.

Buna göre, bu çalışma, yapay zeka destekli, öğrenci odaklı öğretimi, yapay zeka aracına basit bir maruz kalmak yerine yapılandırılmış bir sınıf protokolü olarak inceledi. Önerilen öğretim yolu, yapay zeka destekli promptların önce sorgulama ve karşılaştırma için materyal sağlayacağıydı; Akran tartışması ve öğretmen açıklaması ise öğrencilerin bu materyali doğrulamasını, gerekçelendirmesini ve revizyonunu gerektiriyordu; ve son öz değerlendirme adımı, öğrencilerin ilerlemeyi ve çözülmemiş boşlukları fark etmelerine yardımcı olurdu. Bu yol içinde, etkileşim kalitesi, öz değerlendirme ve öğrenci katılımı, doğrulanmış arabulucular olarak değil, öğrencilerin öğretim rutinini nasıl deneyimlediklerini açıklamaya yardımcı olabilecek keşif süreci değişkenleri olarak ele alınmıştır.

Birincil araştırma soruları şöyleydi: Yapay zeka destekli öğrenci odaklı protokol, akademik benlik kavramı ve kendi bildirilen iletişim yetkinliğinde olağan öğrenci merkezli eğitimden daha büyük değişiklikler mi üretiyor? Yapay zeka destekli durumda müdahale sonrası etkileşim kalitesi, öz değerlendirme ve öğrenci katılımı daha mı yüksek? İkincil keşif soruları şöyleydi: Bu süreç değişkenleri sonuç değişim puanlarıyla ilişkili mi? Nitel röportaj temaları nicel bulgularla örtüşüyor, genişletiyor mu yoksa karmaşıklaştırıyor mu? Bireysel öğrenciler yerine sağlam sınıflar koşullara atandığı için, tüm bulgular nedensel çıkarım ve sınıf düzeyinde kümelenme konusunda açıkça temkinli yorumlandı.

Protokol

İnsan katılımcıları içeren tüm yöntemler, kurumsal yönergeler ve Helsinki Bildirgesi doğrultusunda gerçekleştirildi. Çalışma protokolü, Guangzhou şehir inşaat koleji kurumsal inceleme kurulu tarafından incelenip onaylandı (IRB onay no. GZCJ2026A016; onay tarihi: 2 Ocak 2026). Onaylanan çalışma başlığı "yapay zeka destekli öğrenci odaklı eğitim ve ergenlerin akademik benlik kavramı ve iletişim yetkinliği: karma yöntemlerli bir çalışma" idi. Çalışma uygulamadan önce katılımcı okuldan yazılı izin alındı. Yazılı bilgilendirilmiş onay ebeveynlerden veya yasal vasilerden alındı ve tüm katılımcı öğrencilerden yazılı onay alındı. Öğrencilere katılımın gönüllü olduğu ve akademik ceza olmadan istedikleri zaman çalışmadan çekilebilecekleri bildirildi. Yapay zeka botbot platformuna herhangi bir isim, iletişim bilgileri, okul tanımlayıcıları, notlar veya doğrudan tanımlanabilir başka bilgiler girilmedi veya kamuya açık veri setine dahil edilmedi. Tüm çalışma prosedürleri onaylı çalışma dönemi boyunca 2 Ocak 2026'dan 2 Ocak 2027'ye kadar gerçekleştirilmiştir. Bu çalışmada kullanılan tüm araçlar ve platformlar Malzemeler Tablosu'nda listelenmiştir

Çalışma tasarımı ve sınıf ataması

Bu çalışma, iki öğretim koşuluyla yarı-deneysel, karma yöntemlerli bir sınıf tasarımı kullandı: yapay zeka destekli, öğrenci odaklı bir eğitim grubu ve sıradan öğrenci odaklı bir eğitim grubu. Uzunlamasına ölçümler üç zaman noktasında yapıldı: müdahaleden önceki başlangıç (T1), son eğitim oturumundan hemen sonra (T2) ve önceden tanımlanmış kısa vadeli takip değerlendirmesinde (T3). T2–T3 aralığı çalışma günlüğüne kaydedildi ve el yazması, veri seti, analiz senaryoları ve şekil etiketleri arasında tutarlı tutuldu. Şekil 1 , işe alım, sınıf atama, değerlendirme zamanlaması, dışlamalar ve nitel örnekleme konularını özetlemektedir. İdari ve ekolojik kısıtlamalar bireysel rastgeleleştirmeyi engellediği için, sınıf düzeyinde altı sağlam sınıf atandı; üç sınıf yapay zeka destekli durumda, üç sınıf ise karşılaştırma koşullarında. Her sınıf nihai analiz örneğine 29 öğrenci katkı sağladı. Sınıf seviyesi, konu alanı, ders dizilisi, oturum süresi, sınıf görevleri, değerlendirme programı ve öğretmen iletişim süresi koşullar arasında karşılaştırılabilir tutuldu. Küme duyarlı istatistiksel kontroller için sınıf tanımlayıcıları korundu.

Katılımcı katılımı ve uygunluk taraması

Katılımcılar, doğrudan katılan sağlam sınıflardan seçildi. Öğrenciler ve ebeveynleri veya yasal vasileri, çalışma amacı, sınıf prosedürleri, yapay zeka destekli etkinlikler, anket programları, isteğe bağlı mülakat bileşeni, gizlilik korumaları, çekilme hakları ve veri depolama planlarını içeren ayrıntılı bir bilgi formu aldı. Öğrenciler, katılımcı sınıflardan birine kayıtlı oldukları, düzenli sınıf eğitimine katıldıkları, yazılı onay almışlar, yazılı ebeveyn veya vasi onayı almışlarsa ve ilk oturumdan önce temel anketi doldurmuşlarsa çalışmaya dahil edilirlerdi. Buna karşılık, öğrenciler okuldan transfer oldukları, müdahale oturumlarının %25'inden fazlasını kaçıranlarsa, geçersiz anket kayıtları gönderirse veya veri kullanımı iznini geri çektilerse nihai analiz örneğinden çıkarıldı. Her dışlanan katılımcı için bir temel dışlanma nedeni belgelendi. Veri girişinden önce, her uygun katılımcıya benzersiz bir çalışma tanımlama kodu atandı. İlgili demografik ve eğitim kovaryantları kaydedildi; yaş, cinsiyet, sınıf tanımlayıcı, temel akademik performans bandı, yapay zeka destekli öğrenmeye önceki deneyim ve temel dijital öğrenme aşinalığı dahil. İstatistiksel takip için, öğretim grubu değişkeni karşılaştırma koşulu için 0, yapay zeka destekli koşul için ise 1 olarak kodlandı.

Eğitim materyalleri ve müdahale sunumu

Uygulamadan önce altı oturumlu bir öğretim birimi (Ek Tablo 1) geliştirildi ve her sınıf oturumu 40–45 dakika sürdü. Her iki eğitim koşullarında da aynı öğrenme hedefleri, ders konuları, çalışma kağıtları, akran tartışma görevleri, öz değerlendirme formları ve yansıtma önerileri uygulandı. Anket yapısı, puanlama yönleri, ters puanlanan öğeler ve nihai ölçek seviyesi değişkenleri, Tablo 1'deki kilitli puanlama haritasını takip etti. Tekrarlanabilirlik materyalleri arasında ders planları (Ek Tablo 1), yapay zeka prompt sayfaları (Ek Tablo 2), öğretmen istri sayfaları (Ek Tablo 3), öğrenci çalışma sayfaları (Ek Tablo 4), öz değerlendirme formları (Ek Tablo 5), gözlem kontrol listeleri (Ek Tablo 6), teknik olay kayıtları (Ek Tablo 7), mülakat rehberleri (Ek Tablo 8) ve niteliksel kod kitabı (Ek Tablo 9). Katılımcı öğretmen, oturum dizilimi, yapay zeka kullanım sınırları, karşılaştırma grup prosedürleri, gizlilik gereksinimleri ve sadakat kontrol listelerini kapsayan yazılı bir sunum rehberi kullanarak eğitimi tamamladı. Çalışma dışı öğrencilerle bir prova yapılarak etkinlik zamanlaması, cihaz erişimi, çalışma sayfası netliği ve görev zorluğu doğrulandı. Yapay zeka aracı, GPT-4 mimarisi kullanan kurumsal onaylı ChatGPT tabanlı bir sohbet botuydu. Sınıf kullanımı için sohbet geçmişi, profil belleği, web gezinme, eklentiler, görsel oluşturma ve otomatik derecelendirme devre dışı bırakıldı. El yazması, tanıtıcı dilden kaçınmak için ilk bahsedildikten sonra genel bir terim olan "AI chatbot platformu" olarak kullanılıyor. Müdahaleden önce prompt-tasarım ilkeleri sabitlendi ve yapay zeka kullanımı açıklama, örnek oluşturma, açıklama karşılaştırması, hedefli revizyon desteği ve öz değerlendirme ipuçlarıyla sınırlandı. Temsilci sorular, örnek yapay zeka çıktıları ve öğretmen moderasyon örnekleri tekrarlanabilirlik materyallerinin bir parçası olarak tutuldu.

Her yapay zeka destekli oturum beş yapılandırılmış aşamada gerçekleştirildi. İlk olarak, öğrenme hedeflerini belirtmek, görevleri açıklamak, yapılandırılmış yapay zeka sohbet botu platformunu belirlemek ve öğrencilere yapay zeka çıktılarının yetkili cevaplar değil, geçici istekler olduğunu hatırlatmak için 5 dakikalık bir öğretmen bilgilendirmesi yapıldı. Öğrencilere platforma herhangi bir tanımlanabilir kişisel bilgi girmemeleri konusunda kesin talimat verildi. İkinci olarak, öğrencilerin hazırlanan prompt sayfasını kullanarak açıklamalar, örnekler, alternatif açıklamalar veya düzeltme önerileri istedikleri 10 dakikalık bireysel yapay zeka destekli bir sorgulama etkinliği gerçekleşti. Her öğrenci kullanılan prompt kategorisini, bir faydalı yapay zeka destekli fikri, doğrulama gerektiren bir noktayı ve nihai benimseme kararını kaydetti. Üçüncü olarak, öğrencilerin küçük gruplarda yapay zeka destekli fikirlerini karşılaştırdığı, yanlışlıkları tespit ettiği ve çalışmalarını işbirlikle revize ettiği 12–15 dakikalık bir akran tartışması etkinliği gerçekleştirildi. Bu aşamada, öğretmen sınıfta standart bir moderasyon kuralı uygulamak için dolaştı; bu da öğrencilerin ders kriterlerine göre revizyonlarını sözlü olarak gerekçelendirmelerini ve nihai değerlendirmeden önce hatalı ya da kendine güvenen yapay zeka çıktılarını düzeltmelerini sağladı. Dördüncü olarak, yaygın yanlış anlamaları ele almak ve olgusal hataları düzeltmek için 5–8 dakikalık tüm sınıf açıklama oturumu yapıldı. Son olarak, 5 dakikalık bir öz değerlendirme etkinliği oturumu sona erdirdi; bu süreçte öğrenciler anlayışlarını değerlendirdi, somut bir gelişme kaydetti ve çözülmemiş bir soruyu not etti. Bu tam operasyonel dizi tüm müdahale sınıflarında korundu. Basılı prompt sayfaları teknik yedekleme olarak hizmet veriyor ve sınıfın üçte birinden fazlasını etkileyen teknik sapmalar açıkça kaydediliyordu. Anonimleştirilmiş temsilci prompt-çıktı-moderasyon örnekleri Ek Tablolar 2, 3'te korunmuş ve belgelenmiştir.

Karşılaştırma şartı, aynı oturum süresi, öğrenme hedefleri, konu dizisi, çalışma sayfaları, akran tartışma aralıkları, öz değerlendirme formları ve öğretmen geri bildirim pencereleri kullanılarak sunuldu. Ancak, yapay zeka destekli sorular, öğrencilerin temel kavramları açıklamalarını, örnekleri karşılaştırmalarını, zayıflıklarını belirlemelerini ve çalışmalarını gözden geçirmelerini öğreten standartlaştırılmış, öğretmenler tarafından hazırlanan rehber önerilerle değiştirildi. Brifing, bireysel sorgu, akran tartışması, tüm sınıf açıklaması ve nihai öz değerlendirmeyi içeren aynı beş adımlı yapı sıkı sıkıya korundu. Her iki durumda da ek ders verme, sınıf dışı ödevler, uzun geri bildirim dönemleri veya farklı değerlendirme görevleri sağlanmadı. Sınıf katılımı, davranışsal bozulmalar, öğretmen değişiklikleri ve eksik bileşenler her iki grup için aynı günlük formatıyla belgelendi.

Veri toplama, sadakat izleme ve nicel analiz

Değerlendirme anketleri, üç ölçüm dalgasında tutarlı madde ifadeleri, yanıt ölçekleri ve puanlama kuralları kullanılarak başlangıç, müdahale sonrası ve takip aralıklarında uygulandı. Araçlar, akademik benlik kavramı, iletişim yetkinliği, etkileşim kalitesi, öz değerlendirme ve öğrenci katılımını değerlendiren doğrulanmış ölçeklerden oluşuyordu. Yanıtlar, 1'den (güçlü anlaşmazlık) 5'e (güçlü anlaşmazlık) kadar değişen standart 5 puanlık Likert tipi bir ölçekle toplandı; yüksek puanlar hedef yapının daha yüksek seviyelerini gösteriyordu. Bireysel ölçek puanları, gerekli ters kodlamadan sonra geçerli öğelerin aritmetik ortalaması olarak hesaplandı. Eksik eşya değerleri, aynı ölçek ve dalga içindeki öğrencinin ortalama puanıyla değiştirildi, ancak öğelerin %20'sinden fazla eksik olmaması şartıyla belirtildi. %20'den fazla eksik olan ölçekler eksik olarak kabul edildi ve tamamen eksik bir değerlendirme dalgasından elde edilen veriler hesablanmadı. İstatistiksel analizden önce, ham veri seti aralık ihlalleri, tekrarlanan girişler, düz çizgili yanıt kalıpları ve anormal tamamlanma süreleri açısından dikkatle denetlenmiştir. Kayıtlar, imkansız sayısal değerler, tüm maddelerde değişmez yanıtlar veya tamamlanma süreleri ortaca sürenin üçte birinin altında varsa, geçersiz olarak işaretlendi ve hariç tutuldu; açık sınıf kayıtları doğrulanmadıkça. Ana müdahale sonrası ve takip analizleri, geçerli başlangıç puanları ve karşılık gelen müdahale sonrası veya takip sonuç verileri sunan öğrencileri içeriyordu; böylece kısmen tamamlanmış programlar için tek taraflı listeye göre silinmeyi önlediler. Veri girişinden önce, değişken isimlerini, etiketlerini, yanıt aralıklarını, eksik değer kodlarını, ters puanlama kurallarını, dalga tanımlayıcılarını ve nihai ölçek düzeyindeki yapıları tanımlamak için kilitli bir veri sözlüğü oluşturuldu. Anket verileri geniş formatta girildi; öğrenci başına tek bir satır ve ölçüm dalgalarını ayırt etmek için dalga ekleri (_T1, _T2, _T3) kullanıldı. Sayısal aralıklar ve benzersiz katılımcı kayıtları hesaplamalı olarak doğrulandı, eksiklik kalıpları ise gruplar, sınıflar ve dalgalar arasında ana katılım günlüğüne göre incelendi.

Her eğitim oturumunda uygulama isabetliliğini izlemek için standartlaştırılmış bir sınıf gözlem kontrol listesi kullanıldı. Her pedagojik bileşen 0 (tamamlanmamış), 1 (kısmen tamamlanmış) veya 2 (tam tamamlanmış) olarak puanlandırılmıştır. Değerlendirilen bileşenler, öğretmen bilgilendirmesi, bireysel sorgulama, akran tartışması, sınıf çapında açıklama ve kendi değerlendirme kayıtlarının tamamlanması gibi beş aşamalı eğitim dizisiyle sıkı bir şekilde uyumluydu. Genel seans sadakat yüzdesi, gözlemlenen puanın mümkün maksimum puana bölünmesiyle hesaplandı. %70 isabet eşiğinin altına düşen herhangi bir oturum protokol sapması olarak kaydedildi. Değerlendiriciler arasında güvenilirliği sağlamak için, ikinci eğitimli bir gözlemci toplam oturumların en az %20'sini bağımsız olarak değerlendirdi. Tüm maddeler için yüzde anlaşma hesaplandı ve ilk anlaşma %80'in altına düştüğünde derecelendirme tutarsızlıkları uzlaşı tartışmasıyla çözüldü. Donanım veya yazılım teknik arızaları, talimatların doğruluk sorunlarından ayırt etmek için ayrı kayıtlara kaydedildi.

İstatistiksel analizler, rastgele tohumun herhangi bir örnekleme veya hassasiyet kontrolünden önce sabitlendiği tekrarlanabilir, script tabanlı bir iş akışı kullanılarak gerçekleştirildi. Tüm istatistiksel testler iki kuyrukluydu ve anlamlılık p < 0.05 olarak belirlendi. Sürekli değişkenler ortalama ve standart sapmalar olarak özetlenirken, kategorik değişkenler sıklık ve yüzdeler olarak ifade edildi. Kohortlar arasındaki temel eşdeğerlik, sürekli veriler için bağımsız örneklem t-testleri ve kategorik dağılımlar için ki-kare testleri kullanılarak betimleyici olarak değerlendirildi. İçsel tutarlılık, Cronbach alfa kullanılarak ölçüldü; genel ölçekler için α ≥ 0.70, birincil sonuç ölçütleri için α ≥ 0.80 eşikleri ve düzeltilmiş toplam madde korelasyonları uygulandı. Temel olarak ayarlanmış ANCOVA birincil analitik yaklaşım olarak hizmet verdi. Her ana sonuç için ayrı modeller uyguldu; müdahale sonrası veya takip puanı bağımlı değişken, öğretim grubu ana tahmin edici olarak ve ilgili başlangıç puanı zorunlu kovaryat olarak belirtildi. Ek kovaryatlar (cinsiyet, başlangıç akademik performans bandı ve önceki yapay zeka maruziyeti) temel dengesizlikleri veya bunların teorik önemini kontrol etmek için dahil edildi ve ayarlanmış ortalama farkları, %95 güven aralıkları, standart hatalar ve model R² değerleri raporlandı. Değişim puanı karşılaştırmaları (T2–T1 ve T3–T1), bağımsız örneklemlerden Welch'in t-testleri kullanılarak ikincil analizler olarak yapıldı; etki boyutları Cohen'in d testi kullanılarak nicele edildi. Keşif süreci analizleri, süreç değişkenleri ve sonuç değişiklikleri arasındaki Pearson korelasyonlarını değerlendirdi; çoklu kollineerliği kontrol etmek için varyans enflasyon faktörü (VIF) izleme ile çoklu öngörücü doğrusal regresyonlarla desteklendi. Son olarak, altı sağlam sınıf içindeki öğrencilerin iç içe yapısını hesaba katmak için küme duyarlı kontroller uygulandı. Koşulsuz sınıf içi korelasyon katsayıları (ICC) tahmin edildi, sonuç değişiklikleri sınıf düzeyinde toplanıp karşılaştırıldı ve birincil ANCOVA hesaplamaları, keşif hassasiyeti kontrolü olarak küme-sağlam standart hatalarla tekrarlandı.

Niteliksel örnekleme, kodlama ve karışık yöntemler entegrasyonu

Müdahale sonrası anketin hemen ardından, yarı yapılandırılmış mülakatlar için 36 öğrenciden oluşan amaçlı bir alt seçme seçildi. Bu nitel grup, akademik benlik kavramı veya iletişim yetkinliğinde yüksek, orta veya düşük değişim puanları gösteren her iki eğitim koşumundan katılımcıları içeriyordu. Yarı yapılandırılmış mülakat rehberi, sınıf etkileşimi, fikirleri açıklamadaki özgüven, kendini değerlendirme davranışları, görev katılımı ve iletişim istekliliği gibi deneyimleri, hedefli öneriler kullanarak revizyon anlarını, belirsiz geri bildirimlere verilen yanıtları ve katılım farklılıklarını inceledi. Mülakatlar yalnızca ebeveyn onayı ve öğrenci onayı alındıktan sonra sesli kaydedildi; aksi takdirde, yapılandırılmış yazılı notlar alındı. Tüm kişisel isimler, sınıf numaraları ve tanımlama bilgileri transkripsiyon sırasında kaldırıldı ve tutanaklar ilgili nicel tanımlayıcılarla bağlandı. Başlangıçtaki nitel kodlama çerçevesi, etkileşim kalitesi, öz değerlendirme ve öğrenen katılımı yapılarından tümselisel olarak türetilmiş, tümevarımsal tematik kodlar yalnızca veri temel çerçeveye uymadığında eklenmiştir. İki bağımsız kodlayıcı, güvenilirliği doğrulamak için transkriptlerin en az %20'sini analiz etti. Cohen'in kappa katsayıları değerlendirildi; 0.61–0.80 arasındaki değerler önemli uyum olarak, 0.80'in üzerindeki değerler ise güçlü uyum olarak değerlendirildi. Kod kitabı tanımları geliştirildi ve ilk kappa 0.61'in altına düştüğünde çift kodlama tekrarlandı; nihai tanımlar ve ortaya çıkan nitel kod frekans matrisi arşivlendi (Ek Tablolar 9 ve 10).

Nicel veri analizi ve nitel kodlama çerçeveleri, karma yöntemler entegrasyonu başlatılmadan önce bağımsız olarak tamamlandı. Üç nicel süreç değişkenini karşılık gelen niteliksel temalarla bağlamak için yapısal olarak uyumlu bir ortak gösteri oluşturuldu. Entegre bulgular, sistematik olarak yakınsamaya (anket kalıpları ve mülakat temalarının örtüştüğü), genişleme (nitel anlatıların nicel eğilimlerin altında yatan mekanizmaları açıkladığı) veya ayrışma (röportajların nicel kalıpları karmaşıklaştıran benzersiz engeller veya eşit olmayan katılım ortaya çıkardığı yerler) olarak sınıflandırıldı. Nitel bulgular, sınıf süreçlerini bağlamlandırmak için kullanıldı; öğrenci katılım puanlarını aktif sorgulama ve akran tartışması temalarıyla ilişkilendirdi ve öz değerlendirme puanlarını boşluk farkındalığı ve stratejik ayarlamalarla ilişkilendirdi.

Sonuçlar

Katılımcı akışı ve temel özellikler

Çalışmaya altı sağlam sınıftan 186 öğrencilik ilk grup seçildi. Uygunluk taraması, katılım doğrulaması ve yanıt kalitesi kontrollerinin ardından, 174 öğrenci nihai nicel analiz için görevlendirildi. Bu katılımcılar eşit şekilde dağıtıldı; 87 kişi yapay zeka destekli öğrenci odaklı eğitim grubuna, 87 kişi ise olağan öğrenci odaklı eğitim grubuna atandı. Şekil 1 , işe alım akışını...

Tartışma

Bu çalışma, öğrenci odaklı öğretime yapay zeka destekli araçların entegre edilmesinin, ergenlerin akademik benlik kavramı ve kendi bildirdiği iletişim yetkinliğindeki değişikliklerle ilişkili olup olmadığını inceledi. Üç dalgalı gözlem dönemi boyunca, yapay zeka destekli gruptaki öğrenciler, her iki sonuçta da normal öğrenci odaklı eğitim alanlara göre daha büyük bir artış gösterdi. Bu yörünge, ham skor kalıpları, değişim puanı metrikleri ve başlangıç olarak ayarlanmış ANCOVA modelleri a...

Malzemeler

```html

Bu makalede kullanılan malzemelerin listesi

Ad	Şirket	Katalog numarası	Yorumlar
ChatGPT	OpenAI	https://chatgpt.com	Öğrenci sorguları ve istemleri için öğretim bileşeni olarak kullanılan kurumsal olarak onaylanmış platform.
Grammarly	Grammarly, Inc.	https://www.grammarly.com	El yazması hazırlama sırasında dil parlatma ve biçimlendirme desteği için kullanılır
SPSS	IBM Corp.	SCR_002865	Temel düzeyde ayarlı ANCOVA, t-testleri, Pearson korelasyonları ve ICC'ler dahil olmak üzere nicel veri analizi için kullanılır.
NVivo	Lumivero	https://lumivero.com/products/nvivo	Yarı yapılandırılmış görüşme transkriptlerini kodlamak ve bağımsız kodlayıcılar için Cohen'in kappa'sını hesaplamak için kullanılır.
Qualtrics	Qualtrics, LLC	https://www.qualtrics.com	Temel, müdahale sonrası ve takip değerlendirme anketlerini yönetmek için kullanılır.

```