Yapay Zekanın (YZ), özellikle ChatGPT gibi üretken modellerin, dil pedagojisine entegrasyonu önemli bir dönüşümü temsil etmektedir. Bu makale, belirli bir uygulamayı araştırmaktadır: Yabancı Dil Olarak Çince Öğretimi (ÇTD) kapsamında üniversite düzeyi bir Sözlü İfade dersi için çatışma temelli iletişimsel görevler tasarlamada ChatGPT'den yardım almak. Araştırma, müfredat geliştirme sürecindeki öğretmen-YZ etkileşimini analiz etmek ve bunun nihai öğretim programı üzerindeki etkisini değerlendirmek için betimleyici bir yaklaşım benimsemektedir.
Çalışma, bir ÇTD sözlü ifade müfredatının pratik geliştirme sürecinde yer almaktadır; burada eğitmen, gerçek etkileşimi teşvik eden görevler oluşturmayı amaçlamıştır.
Temel zorluk, ezberlenmiş diyalogların ötesine geçerek kendiliğinden, anlamlı sözlü etkileşimi teşvik eden görevler tasarlamaktı. Pedagojik tercih, görevleri öğrencilerin ikna edici dil kullanımını, söz sırası yönetimini ve fikir ifadesini—sözlü etkileşim yeterliliğinin temel bileşenlerini—gerektiren çatışma senaryolarına (örneğin, anlaşmazlıklar, müzakereler, problem çözme) dayandırmaktı.
Araştırma, betimleyici bir metodoloji izlemektedir (Olivier de Sardan, 2008; Catroux, 2018). Birincil derlem, görev-tasarım aşamasında öğretmen-araştırmacı ile ChatGPT arasındaki etkileşim kayıtlarından oluşmaktadır. Bu kayıt, etkileşimin belirgin özelliklerini tanımlamak ve YZ önerilerinin nihai müfredatta nasıl entegre edildiğini, değiştirildiğini veya reddedildiğini izlemek için analiz edilmiştir.
Bir iletişimsel görev, anlamın birincil olduğu, bir iletişimsel hedefin bulunduğu ve başarının sonuca göre değerlendirildiği bir etkinlik olarak tanımlanır. Çatışma kuramının entegrasyonu, görev tasarımı için sağlam bir çerçeve sağlar. Çatışma senaryoları bir "bilgi boşluğu" ve "iletişim kurma nedeni" yaratarak, öğrencileri bir hedefe ulaşmak için dili stratejik olarak kullanmaya yönlendirir (örneğin, bir anlaşmazlığı çözmek, bir tartışmayı kazanmak, bir uzlaşma bulmak), böylece edimbilimsel ve etkileşimsel yeterliliği geliştirir.
Bu görevlerin tasarımı, çeşitli kriterleri göz önünde bulundurur: çatışma senaryosunun gerçekçiliği, öğrenci düzeyine uygun bilişsel ve dilsel talep, katılımcılar için net roller ve hedefler ve görev başarısını değerlendirmek için tanımlanmış bir sonuç. ChatGPT, bu kriterlere göre senaryoları beyin fırtınası yapmak, iyileştirmek ve değerlendirmek için kullanılmıştır.
Etkileşim yinelemeli ve diyalojikti. Öğretmen, süreci belirli prompt'larla başlattı (örneğin, "Orta düzey Çince öğrencileri için bir grup gezisi planlama konusunda bir çatışma senaryosu oluştur"). ChatGPT, anlatı taslakları, potansiyel diyalog başlangıçları ve rol tanımlarıyla yanıt verdi. Öğretmen daha sonra yanıtlara dayanarak prompt'ları, varyasyonlar, basitleştirmeler veya kültürel ayarlamalar isteyerek iyileştirdi. YZ, bir işbirlikçi beyin fırtınası ortağı ve hızlı prototip üreticisi olarak hareket etti.
Analiz, ChatGPT'nin etkisinin çok yönlü olduğunu göstermektedir: 1) Verimlilik: Fikir üretme ve taslak oluşturma aşamasını hızlandırdı. 2) Çeşitlilik: Önerilen çatışma senaryolarının çeşitliliğini ve yaratıcılığını artırdı. 3) İskele Kurma: Uzman öğretmenin eleştirel olarak değerlendirip uyarlayabileceği bir başlangıç noktası sağladı. Nihai program, YZ tarafından üretilen fikirler ile uzman pedagojik yargının bir sentezini yansıttı; doğrudan YZ çıktısının benimsenmesi değil.
Girdi (Öğretmen Prompt'u) → YZ İşleme (Senaryo Üretimi) → İnsan Değerlendirmesi ve Uyarlama → Entegre Çıktı (Nihai Görev). Öğretmen uzmanlığının eleştirel filtresi, pedagojik sağlamlığı ve kültürel uygunluğu sağladı.
Bu makale, YZ'nin öğretmenlerin yerini almasıyla ilgili değildir; YZ'nin uzman müfredat tasarımının yaratıcı ve bilişsel yükünü artırmasıyla ilgilidir. Asıl hikaye, döngüde-insan-bulunan, prompt-mühendisliği-güdümlü bir pedagojinin ortaya çıkışıdır. Değer, ChatGPT'nin ham çıktısında değil, öğretmenin onu pedagojik olarak geçerli yapılara—çatışma temelli görevler gibi—yönlendiren prompt'lar oluşturma ve ardından sonuçları eleştirel bir şekilde düzenleme yeteneğindedir. Bu, DALL-E veya GPT-3 gibi YZ araçlarının güçlü bir insan yaratıcı yönetmeni tarafından yönlendirildiğinde en güçlü olduğu yaratıcı endüstrilerdeki bulguları yansıtmaktadır (Ammanabrolu ve diğerleri, 2021, anlatı üretimi üzerine).
Makalenin mantığı sağlamdır ancak bir gerilimi ortaya koymaktadır: "ne olduğunu" göstermek için betimleyici bir yaklaşımı savunur, ancak altında yatan vaat normatifdir—bunun tekrarlanabilir bir model olduğunu ima eder. Akış, bağlamdan (eğitimde YZ) belirli bir soruna (görev tasarımı) ilerler, ardından yöntemi (sohbet kayıtlarını analiz etme) detaylandırır ve son olarak etkiyi değerlendirir. Ancak, en aktarılabilir bilgi ürünü olan prompt-mühendisliği sürecinin kendisi için resmileştirilmiş bir çerçeve sunmaktan kaçınır.
Güçlü Yönler: Yüksek değerli, bilişsel olarak talepkar bir öğretim görevine (sadece içerik sunumu değil, tasarım) odaklanmak yerindedir. Çatışma temelli görevlerin seçimi mükemmeldir, çünkü YZ'nin nüans ve insan dinamiklerini ele alma yeteneğini test eder. Betimleyici metodoloji, bu erken aşama keşfi için uygundur.
Zayıf Yönler: Analiz, doğası gereği sonradan ve özneldir, tek bir öğretmenin etkileşim kaydına dayanmaktadır. Olumlu "etki" iddiasını destekleyecek bir kontrol grubu (YZ olmadan tasarım) veya ölçülebilir öğrenme çıktısı verisi yoktur. "Etkiler" tartışması, gerçek öğrenci kazanımları açısından spekülatif kalmaktadır. Tasarım-süreci verimliliğini pedagojik etkililikle karıştırma riski taşır.
Eğitimciler ve kurumlar için: 1) Prompt Okuryazarlığına Yatırım Yapın: Öğretmen eğitimi, "YZ'yi nasıl kullanacağımızdan" "pedagojik prompt'ları nasıl oluşturacağımıza" kaymalıdır. 2) Değerlendirme Rubrikleri Geliştirin: YZ tarafından üretilen eğitim içeriğini değerlendirmek için, sadece dilbilgisel doğruluk değil, pedagojik ilkelere odaklanan paylaşılan kriterler oluşturun. 3) Net Bir Hipotezle Pilot Uygulama Yapın: Sadece süreci betimlemeyin; YZ destekli ve geleneksel tasarım yöntemlerini hem verimlilik ölçütlerinde hem de, kritik olarak, sonraki öğrenci katılımı/performansı üzerinde karşılaştıran A/B testleri tasarlayın. 4) Prompt Zincirini Belgeleyin: Gerçek fikri mülkiyet, en iyi sonuçları veren prompt dizisidir. Bu sistematik olarak arşivlenmeli ve paylaşılmalıdır.
İnsan-YZ işbirliği, bir dizi yinelemeli döngü olarak modellenebilir. Önemli bir teknik yön, prompt'un evrimidir. İlk prompt $P_0$ (örneğin, "bir çatışma senaryosu"), çıktı $O_n$ ve pedagojik hedefler $G$ temelinde iyileştirilir. Bu şu şekilde kavramsallaştırılabilir: $P_{n+1} = f(P_n, O_n, G, C)$, burada $C$ kısıtları temsil eder (dil düzeyi, kültürel bağlam). $f$ fonksiyonu, öğretmenin prompt-mühendisliği becerisidir. Nihai görevin kalitesi $T_{final}$, ilk YZ çıktısı ve iyileştirme yinelemelerinin sayısı ve kalitesinin bir fonksiyonudur: $T_{final} \approx \sum_{i=1}^{n} (\alpha \cdot O_i + \beta \cdot H_i)$, burada $\alpha$ YZ ağırlığı, $\beta$ insan uzman ağırlığı ve $H_i$, $i$ yinelemesindeki insan girdisidir.
Senaryo: B1 düzeyindeki öğrenciler için "bir çalışma programını müzakere etme" görevi tasarlamak.
Uygulanan Analitik Çerçeve:
1. Prompt Yapıbozumu: Öğretmenin prompt'u: "İki meslektaşın hafta sonu vardiya programları konusunda anlaşmazlığa düştüğü bir diyalog oluştur. Tercih, öneri ve hafif anlaşmazlık ifadelerini içer. B1 düzeyi kelime dağarcığı kullan." Bu prompt, bağlam, çatışma, dilsel işlevler ve düzeyi belirtir.
2. Çıktı Değerlendirme Matrisi: YZ'nin çıktısı şu kriterlere göre değerlendirilir:
- Pedagojik Uygunluk: Hedef dil işlevleri mevcut mu?
- Dilsel Uygunluk: Kelime dağarcığı/sözdizimi B1 ile uyumlu mu?
- Senaryo Gerçekçiliği: Çatışma inandırıcı mı?
- Görev Potansiyeli: Bu, net hedefleri olan bir rol oyununa dönüştürülebilir mi?
3. Yineleme İzleme: Öğretmen, YZ'nin ilk taslağının aşırı resmi anlaşmazlık ifadeleri kullandığını not eder. Bir sonraki prompt şu şekilde iyileştirilir: "... '我坚决反对' (Kesinlikle karşıyım) yerine '我觉得可能不太行' (Bence bu pek işe yaramayabilir) gibi daha yaygın günlük anlaşmazlık ifadeleri kullan." Bu, çerçevenin iş başında olduğunu gösterir.
Yönelim, görev tasarımının ötesine işaret etmektedir. Gelecekteki uygulamalar şunları içerir: 1) Dinamik Zorluk Ayarlaması: YZ, öğrenci performansına dayalı olarak bir çatışma senaryosunun birden fazla versiyonunu gerçek zamanlı olarak üretebilir. 2) Kişiselleştirilmiş Çatışma Senaryoları: Öğrenci ilgi alanlarını (anketlerden veya önceki etkileşimlerden) senaryo üretimi için tohum olarak kullanmak. 3) YZ'nin Rol Oyunu Simülatörü Olarak Kullanımı: Öğrencilerin, öğrencinin dil yeterliliğine ve ikna ediciliğine göre stratejisini uyarlayan bir YZ karakteriyle müzakereler yapması; bu, etkileşimli hikaye anlatımı için YZ üzerine çalışmalara yakın bir kavramdır (Riedl & Bulitko, 2012).
Kritik Araştırma Yönelimleri: Öğrenme çıktılarını ölçen boylamsal çalışmalar; standartlaştırılmış "pedagojik prompt kütüphanelerinin" geliştirilmesi; çok modlu görev tasarımının keşfi (YZ tarafından üretilen görüntüleri/videoları senaryolara entegre etme); ve etik konuların ciddi bir şekilde araştırılması—YZ'nin ürettiği çatışma anlatılarında kalıp yargıları pekiştirmediğinden emin olma.