EduSpark: AI Öğretmeniyle Uyarlanabilir Öğrenme Platformu

Zorluk

EduSpark, eğitim teknolojisini sıfırdan yeniden düşünmek istiyordu. Onların içgörüsü basit ama güçlüydü: her öğrenci farklı şekilde öğrenir, ancak her edtech platformu herkese aynı içeriği sunar. Kavramları hızlı kavrayanlar sıkılır. Zorlananlar daha geride kalır. Sonuç katılım eksikliğidir — dijital öğrenmedeki numarasız bir sorundur.

EduSpark ürün müdürü Maya Patel, spesifik bir hedefle bize geldi: her öğrencinin güçlü ve zayıf yönlerine gerçek zamanlı olarak uyum sağlayan bir platform oluştur. Sadece zorluk seviyesini ayarlamak değil — öğrencinin nasıl öğrendiğine göre öğretim yaklaşımını gerçekten değiştir. Görsel öğrenenler diyagramlar alır. Sözel öğrenenler açıklamalar alır. Kinestetik öğrenenler etkileşimli simülasyonlar alır.

Platform iPad'lerde (okullarında kullanılan), Android tabletlerde (evde kullanılan) ve web tarayıcılarında (öğretmen kontrol panelleri için) çalışması gerekiyordu. İçerik 6-10. sınıflar için matematik ve fen bilgisini kapsıyordu, başlangıçta İngilizce'de, 2. aşama için Arapça yerelleştirmesi planlanıyordu.

Bizim yaklaşımımız

Öğrenci odaklı uygulama için Flutter'ı seçtik — iPad, Android tabletini ve web'i tek bir kod tabanından sundu ve üçünün hepsinde yerel görünümlü performans sağladı. Öğretmen kontrol paneli için, aynı Supabase arka ucuna bağlanan ayrı bir Next.js web uygulaması oluşturduk ve öğretmenlere öğrenci ilerlemesi hakkında gerçek zamanlı görünürlük sağladık.

AI sistemi üç katmandan oluşur. Katman 1: öğrenci bilgi grafiğine (neyi bildikleri, neyle mücadele ettikleri, henüz görmedikleri) dayalı olarak bir sonraki soruyu veya dersi seçen bir içerik öneri motoru. Katman 2: yanıt doğruluğu ve görev üzerinde harcanan zamana dayalı olarak problem karmaşıklığını gerçek zamanlı olarak ayarlayan bir zorluk kalibrasyon sistemi. Katman 3: öğrenciler takılıp kaldığında Sokratik tarzı ipuçları sağlayan LLM destekli bir AI rehberi.

Öneri motoru, değiştirilmiş bir bilgi izleme algoritması kullanır. Her öğrenci için, müfredat içindeki her kavram arasındaki ustalık seviyesinin olasılıksal bir modelini koruyoruz. Her yanıtlanan soru bu modeli günceller. Sistem daha sonra bilinen ve bilinmeyen arasındaki sınırı hedefleyen soruları seçer — öğrenmenin en etkili olduğu yakın gelişim alanı.

AI öğretmen: LLM'leri eğitimde işler hale getirmek

En büyük teknik zorluk AI öğretmendi. LLM'ler basitçe cevap vermeye eğilimlidir — iyi öğretimin tam tersi. Modeli Sokratik moda zorlayan çok katmanlı bir istem sistemi geliştirdik: rehber sorular sorabilir, cevaba doğru yönlendiren ipuçları sağlayabilir, kavramları analojiler kullanarak açıklayabilir, ancak asla doğrudan cevabı ortaya koyamaz.

500 gerçek öğrenci etkileşimine karşı her istem değişikliğini test eden bir değerlendirme hattı oluşturduk. Her yanıt beş boyutta puanlanır: eğitim değeri, ipucu kalitesi, cevap sızıntısı (sıfır olmalı), yaş uygunluğu ve katılım. Yalnızca beş boyutun tümünde eşik üstü puan alan istemler yayınlanır.

Öğretmen ayrıca iletişim stilini öğrenci profiline göre uyarlar. Teşvike iyi yanıt veren öğrenciler için daha coşkulu davranır. Doğrudan iletişimi tercih eden öğrenciler için kısa ve gerçekçidir. Bu kişiselleştirme katılım verilerine dayanır — her öğrenci için hangi yanıt stillerinin devam eden çabayla ilişkili olduğunu izleriz.

Yalnızca eğitim için değil, katılım için tasarla

Edtech'teki yaygın bir hata, öğretmenler için tasarlamak ve öğrencilerin bunu izlemesini ummaklır. Biz öğrencileri önce tasarladık. Uygulama, bir ders kitabından çok bir fitness uygulaması gibi hissettiren ilerleme görselleştirmeleriyle temiz, oyun esinli bir arayüz kullanır. Günlük serileri, ustalık rozetleri ve araştırılan ve araştırılmayan konuları gösteren görsel bir bilgi haritası öğrencileri geri getirir.

Ayrıca öğrencilerin sınıf arkadaşlarını sorun çözmeye meydan okuyabilecekleri bir işbirliğine dayalı özellik oluşturduk — uyarlanabilir zorluk seviyeleri beceri düzeyinden bağımsız olarak adil eşleşmeler sağlar. Bu sosyal katman, en yüksek katılım özelliği olarak ortaya çıktı ve öğrenciler rekabet etmek için okul saatleri dışında uygulamayı gönüllü olarak kullanıyor.

Sonuçlar ve etki

EduSpark, 3 okulda 450 öğrenci ile bir akademik dönem boyunca pilot uygulamaya alındı. Sonuçlar beklentileri aştı. EduSpark kullanan öğrenciler, geleneksel çalışma yöntemlerini kullanan kontrol gruplarına kıyasla test puanlarında %34 iyileşme gösterdiler. Daha etkileyici bir şekilde, öğrenci katılım süresi eğitim uygulamaları için endüstri ortalamasından 2,5 kat daha yüksekti.

Öğretmenler, gerçek zamanlı panoyu mücadele eden öğrencileri erkenden belirlemede yeteneklerini dönüştürdüğünü bildirdiler. Test sonuçlarını beklemek yerine, hangi öğrencilerin o gün belirli kavramlarında sıkıştığını görebilir ve hedefli yardım sağlayabilirlerdi. Öğretmen memnuniyet puanları ortalama 4,6 puan (5 üzerinden) idi.

Bu pilot sonuçların gücüyle EduSpark, 2025-2026 akademik yılında platformu 50 okula dağıtmak için hükümet sözleşmesi sağladı. Sözleşme, Arapça yerelleştirme ve 4-12. sınıflara genişletmeyi içermektedir. Şu anda EduSpark ile 2. fazı oluşturmakta olup, bilim laboratuvarı simülasyonları ve bir ebeveyn panosunu ekliyoruz.

Çıkarılan dersler

Eğitimdeki LLM'ler aşırı güvenlik önlemleri gerektirir. Bir chatbot'ta yanlış bir yanıtın rahatsız edici olduğu durumdan farklı olarak, yanlış matematik açıklamaları yapan bir ders AI'ı aktif olarak zararlıdır. Değerlendirme hattımız, tüm proje içinde en önemli yatırımdı — ve okulların dağıtım yapma konusunda güven duymalarını sağlayan şey buydu.

Oyunlaştırma işe yarıyor, ancak yalnızca öğrenmeye hizmet ettiğinde. Geliştirme sırasında birkaç katılım özelliğini test ettik ve uygulama içi zamanı artırmasına rağmen öğrenme sonuçlarını iyileştirmeyen her şeyi kaldırdık. Hayatta kalan özellikler — seriler, bilgi haritaları, akran zorlukları — hepsi daha iyi test performansı ile doğrudan ilişkilidir.