İki bin yıl kadar önce Çin’de büyük ölçekli sınavlara giren bazı adaylar cevapları giysilerinin altına yazıyordu. Bugünün ölçme-değerlendirme literatüründe bu örnek hâlâ anlatılıyor; çünkü kopya, sınav kadar eski bir yan ürün gibi görünüyor. İnsanları aynı anda bir odaya koyup “şimdi tek başına ne bildiğini göster” dediğiniz anda, birileri de tek başına görünürken aslında yalnız olmamanın yolunu arıyor.
Kopyanın araçları değişti. Küçük kâğıtlar, avuca yazılan formüller, sıranın altına kazınmış notlar, önceden ele geçirilmiş sorular, cep telefonu, kulaklık, internet. Şimdi listeye üretken yapay zekâ ve yapay zekâlı gözlükler eklendi.
Fakat teknolojinin hızından daha ilginç bir soru var: Kopya dediğimiz şey tam olarak nedir?
Kopya nedir?
En sade tanımıyla kopya, bir değerlendirmenin izin vermediği dış yardımı kendi bireysel performansınmış gibi sunmaktır. Bu tanımın önemli kısmı “dış yardım” değil, “izin vermediği” bölümüdür.
Çünkü aynı araç bir durumda kopya, başka bir durumda sıradan çalışma yöntemi olabilir. Kitaba bakmak kapalı kitap sınavında yasaktır; açık kitap sınavında beklenir. Hesap makinesi bazı sınavlarda yasaktır, bazılarında sınavın doğal parçasıdır. Arkadaşına sormak bireysel ödevde ihlal sayılabilir, grup çalışmasında görevin kendisidir. İnternetten kaynak bulmak araştırma ödevinde zorunlu sayılabilir; aynı kaynağın cümlelerini kendininmiş gibi yazmak intihaldir.
Yapay zekâ da bu yüzden tek başına “kopya makinesi” değildir. Öğrenci yapay zekâya anlamadığı bir kavramı açıklatıyorsa, kendi yazdığı paragrafın zayıf yerlerini soruyorsa, yabancı dildeki bir metni anlamak için yardım alıyorsa veya kendi düşüncesini sınamak için karşı argüman istiyorsa bunu otomatik olarak kopya saymak kolay değildir.
Ama kendisinden istenen düşünme, çözme ya da yazma işini bütünüyle sisteme yaptırıp sonucu kendi ürünüymüş gibi teslim ediyorsa mesele değişir. Değerlendirilen kişi ile işi yapan kişi — artık “kişi” demek bile şart değil — ayrılmıştır. Sorun, bu iki uç arasında kocaman bir gri alan bulunmasıdır.
SINIR NEREDE?
Araç değil, devredilen iş önemli
Aynı yapay zekâ aracı bir görevde meşru destek, başka bir görevde akademik ihlal olabilir. Kritik soru öğrencinin AI kullanıp kullanmadığı değil; değerlendirilmek istenen düşünme, çözme veya yazma işinin ne kadarını sisteme devrettiğidir.
Kopya küçüldü, sonra görünmez oldu
Kopya teknolojisinin tarihi minyatürleşmenin tarihi gibi okunabilir. Not kâğıdı küçüldü, bilgi telefona girdi, telefon saate taşındı. Şimdi bilgi vücudun üstünde sıradan bir aksesuar gibi taşınabiliyor.
Meta’nın bugün sattığı yapay zekâlı gözlükler sesli biçimde AI asistanına erişebiliyor, fotoğraf ve video çekebiliyor, çevrede görülen şeylerle ilgili yardım verebiliyor ve canlı çeviri yapabiliyor. Ekranlı yeni nesil modeller metni görebilen OCR sistemleri ve görüş alanında bilgi gösterebilen arayüzlerle geliyor. Bu cihazlar yalnızca “akıllı telefonun gözlüğe taşınmış hali” değil; kullanıcının baktığı dünyayı makineye bağlayan bir arayüz.
Sınav kuruluşlarının tepkisi bunun ne kadar somut bir meseleye dönüştüğünü gösteriyor. College Board, 2026 SAT ve AP kurallarında akıllı gözlükleri açıkça yasaklıyor. Kurallarda internete ya da herhangi bir yapay zekâ hizmetine bağlanabilen gözlüklerden özellikle söz ediliyor; sınav görevlilerinin şüphe halinde adayın gözlüğünü inceleyebileceği de yazıyor.
Bir zamanlar gözetmen öğrencinin cebine, koluna veya sırasının altına bakıyordu. Şimdi sıradan görünen bir gözlüğün gerçekten yalnızca gözlük olup olmadığını anlaması gerekebiliyor. Ama fazla heyecanlanıp bilimkurguya kaçmaya da gerek yok. Yapay zekâlı gözlükler kopyayı mümkün kılan ilk görünmez teknoloji değil.
Asıl fark, dışarıdaki bilgiye ulaşmakla onu anlamlandırmak arasındaki mesafeyi küçültmeleri. Telefon size bir arama motoru veriyordu. Yapay zekâ size cevabı yorumlayıp yeniden kurabilen bir yardımcı veriyor. Gözlük ise bu yardımcının ekranını bile ortadan kaldırıyor.
Kopyayı yakalamak kolaylaşmadı, zorlaştı
Okulların ilk refleksi anlaşılırdı: Öğrenci yapay zekâ kullanıyorsa bunu tespit edelim. Burada kötü haber var. Yapay zekâ metnini güvenilir biçimde tanıyan bir “yalan makinesi” henüz yok.
OpenAI 2023’te kendi AI metin sınıflandırıcısını yayımladı. Şirketin kendi testinde araç, yapay zekâ tarafından yazılmış metinlerin yalnızca yüzde 26’sını doğru biçimde “muhtemelen AI” diye işaretleyebiliyor, insan yazısı metinlerin yüzde 9’unu da yanlış biçimde AI ürünü sayabiliyordu. Birkaç ay sonra araç düşük doğruluk gerekçesiyle kapatıldı.
doğru AI tespiti
OpenAI’ın 2023’te yayımladığı sınıflandırıcının kendi testinde yapay zekâ metinlerini doğru işaretleme oranı.
Daha can sıkıcı olan, hataların herkese eşit dağılmaması. Stanford araştırmacılarının incelediği yedi AI dedektörü, İngilizceyi ana dili olarak konuşmayan öğrencilerin TOEFL yazılarını çok yüksek oranlarda yanlış işaretledi. Çalışmadaki 91 metnin 18’i yedi dedektörün tamamı tarafından AI ürünü sayıldı; metinlerin 89’u ise en az bir dedektörden suçlama aldı.
Bu yalnızca teknik bir kusur değil. Bir öğrenciyi “sen bunu yazmadın” diye suçlamak, yanlış pozitif oranının istatistik dipnotu olarak geçiştirilebileceği bir mesele değil. Turnitin bile bugün düşük AI skorlarını tam oran olarak göstermemeyi tercih ediyor; gerekçe, yanlış pozitif riskini azaltmak.
Bir tarafta daha iyi metin üreten modeller, öbür tarafta onları yakalamaya çalışan modeller var. Öğretmen ise bu yarışta öğretmen olmaktan çıkıp dedektif olmaya zorlanıyor.
Peki herkes zaten kullanıyorsa?
2026’da yayımlanan HEPI araştırması, Birleşik Krallık’taki üniversite öğrencilerinde yapay zekâ kullanımının artık istisna değil norm haline geldiğini gösteriyor. Öğrencilerin yüzde 95’i AI’ı en az bir biçimde kullandığını, yüzde 94’ü değerlendirilen çalışmalarında üretken yapay zekâdan yardım aldığını söylüyor.
Ama aynı araştırmada doğrudan AI tarafından üretilmiş metni değerlendirilen çalışmasına koyduğunu söyleyenlerin oranı yüzde 12. Bu iki sayı yan yana konduğunda mesele değişiyor. Eğer öğrencilerin yüzde 94’ünün yaptığı şeyi tek kelimeyle “kopya” diye adlandırırsak, kopya kavramı neredeyse bütün öğrenci nüfusunu içine alacak kadar genişliyor.
O noktada kavram açıklayıcı olmaktan çıkıyor. Öğrencinin AI kullanıp kullanmadığından önce, AI’ya ne yaptırdığına bakmak gerekiyor.
Belki sorun öğrencide değil, ödevde
Bir öğrenciye “Fransız Devrimi’nin nedenlerini 1000 kelimede açıklayın” denildiğini düşünelim. Bundan birkaç yıl önce bu ödev öğrenciyi okumaya, bilgiyi ayıklamaya, bir yapı kurmaya ve yazmaya zorluyordu. Bugün aynı görev birkaç saniye içinde kabul edilebilir görünen bir metin üretebilen sistemlerin temel yeteneklerinden biri.
Öğretmen “AI kullanmak yasak” diyebilir. Fakat görev aynı kaldığı sürece ölçme problemi ortadan kalkmaz. Yalnızca öğrencinin kurala uyup uymadığını denetleme problemi eklenir.
Avustralya’nın yükseköğretim kalite kurumu TEQSA için hazırlanan yapay zekâ çağında değerlendirme reformu raporu meseleyi oldukça açık koyuyor: Gözetimsiz bir değerlendirmede üretken yapay zekâ kullanımını tamamen engellemek zor; kullanılıp kullanılmadığını güvenilir biçimde tespit etmek ise neredeyse imkânsız. Rapora göre bu durum yalnız yeni bir kopya sorunu yaratmıyor, geleneksel değerlendirme yöntemlerindeki eski zayıflıkları görünür hale getiriyor.
Yapay zekâ ürün ile düşünme arasındaki bağı kopardı.
Eğitim sistemi uzun zamandır “ürün”ü ölçmeyi seviyor. Öğrenci bir kompozisyon teslim eder, rapor hazırlar, problemi çözer, sunum yapar. Sonuç masaya gelir ve öğretmen o sonuçtan öğrencinin zihninde neler olduğunu tahmin eder. Yapay zekâ ise kusursuza yakın bir ürünün öğrencinin düşünme süreci hakkında ne kadar az şey söyleyebileceğini görünür hale getirdi.
Ödev ürünü değil, düşünme sürecini ölçerse?
O halde ödevin de ürün yerine süreci görünür hale getirmesi gerekebilir. Öğrencinin yalnızca son metni değil, hangi kaynakları neden seçtiğini, hangi fikrinden vazgeçtiğini, hangi AI cevabını yanlış bulduğunu, bir iddiayı nasıl doğruladığını, ilk taslak ile son taslak arasında neyi değiştirdiğini göstermesi daha anlamlı hale geliyor.
Bazen kısa bir sözlü savunma, on sayfalık kusursuz ödevden öğrencinin ne bildiğini daha iyi gösterebilir. Daha da ilginci, bazı ödevlerde yapay zekâyı yasaklamak yerine kullanmayı zorunlu kılmak mümkün.
Öğrenci AI’dan bir çözüm isteyebilir ama notu çözümden değil, o çözümdeki hataları bulmasından alabilir. İki farklı modelin cevabını karşılaştırabilir. Kaynak uydurmalarını ortaya çıkarabilir. AI’ın yazdığı bir metni olgusal, mantıksal ve üslupsal olarak parçalayabilir. Kullandığı yardımı açıklamak zorunda kalabilir.
Böyle bir ödevde yapay zekâ kullanmak kopya değildir; ödevin kendisidir.
Ama bazı şeyleri gerçekten kendimiz yapabilmeliyiz
Tabii bunun tersi de gerekli. Doktorun, mühendisin, pilotun, öğretmenin veya gazetecinin bazı şeyleri bir makine olmadan da bilip yapabildiğinden emin olmak isteriz. O zaman çözüm bütün ödevleri polis gözetimine çevirmek değil, hangi noktalarda bireysel yeterliğin gerçekten kanıtlanması gerektiğini seçmek olabilir.
TEQSA’nın önerdiği yaklaşım da buna benziyor: Her değerlendirmeyi AI’dan arındırmaya çalışmak yerine, eğitim programındaki kritik yeterlik anlarını güvenli biçimde ölçmek.
Bu yaklaşım “kopyayı serbest bırakalım” demiyor. Tam tersine kopyanın tanımını yeniden keskinleştiriyor.
Yapay zekâ çağında kopya, bir aracın varlığı değil; düşünme sorumluluğunun gizlice devredilmesi olabilir.
Belki birkaç yıl sonra öğretmenlerin “Bu ödevi AI mı yazdı?” diye sorması bize, bugün “Bu ödev daktiloda mı yazıldı?” sorusu kadar tuhaf gelecek. Asıl soru başka olacak: Öğrenci bu çalışma sırasında ne düşündü, ne öğrendi, hangi kararı kendisi verdi ve ortaya çıkan şeyi savunabiliyor mu?
Eğer bir ödev bu soruların hiçbirine cevap veremiyor ve tek başarısı öğrenciden yapay zekânın da birkaç saniyede üretebildiği bir metin istemekse, belki de kopya çeken yalnız öğrenci değildir.
Belki ödev de geçmişten kopya çekiyordur.
Editoryal kaynaklar
Oxford Academic — Educational Measurement: Test Administration and Scoring
HEPI — Student Generative Artificial Intelligence Survey 2026
TEQSA — Assessment reform for the age of artificial intelligence
OpenAI — New AI classifier for indicating AI-written text
Stanford HAI — AI-Detectors Biased Against Non-Native English Writers
Meta — Meta’s AI Glasses: Your Questions Answered
College Board — AP Exam Security Policy
College Board — SAT Testing Rules
UNESCO — Guidance for generative AI in education and research