1. Giriş
Yazma, iletişim ve akademik başarı için temel bir beceridir. Yabancı Dil Olarak İngilizce (YDİ) öğrencileri için yaratıcı yazma, özellikle fikir üretme aşamasında benzersiz zorluklar sunar. Bu çalışma, Yapay Zekâ (YZ) ve özellikle Doğal Dil Üretimi (DDÜ) araçları ile YDİ pedagojisinin kesişimini araştırmaktadır. DDÜ, bilgisayar sistemlerinin yapılandırılmış verilerden veya komutlardan insan benzeri metin üretmesini içerir. Araştırma sorusu, dil öğrenenler için kritik ancak genellikle zorlayıcı olan bir süreç olan, YDİ öğrencilerinin yaratıcı yazma görevleri için fikir üretmek, değerlendirmek ve seçmek amacıyla DDÜ araçlarıyla nasıl stratejik bir şekilde etkileşime girdiği üzerine odaklanmaktadır.
2. Metodoloji
Çalışma, öğrenci stratejileri hakkında derinlemesine içgörü elde etmek için nitel bir durum çalışması yaklaşımı kullanmıştır.
2.1 Katılımcılar ve Atölye Tasarımı
Hong Kong'dan dört ortaokul öğrencisi yapılandırılmış atölye çalışmalarına katılmıştır. Katılımcılara çeşitli DDÜ araçları (örneğin, GPT-3 gibi modellere dayalı araçlar) tanıtılmış ve kendi sözcükleri ile bu YZ sistemleri tarafından üretilen metni birleştiren kısa hikâyeler yazma görevi verilmiştir. Atölye tasarımı, uygulamalı deneyim ve sonrasında yansıtma imkânı sağlamıştır.
2.2 Veri Toplama ve Analiz
Birincil veriler, öğrencilerin atölye sonrası deneyimleri hakkında yönlendirilmiş soruları yanıtladıkları yazılı yansıtmalarından oluşmuştur. Bu nitel verilere, fikir üretimi için DDÜ aracı kullanımına ilişkin tekrarlayan kalıpları, stratejileri ve tutumları belirlemek amacıyla tematik analiz uygulanmıştır.
3. Sonuçlar ve Bulgular
Analiz, YDİ öğrencilerinin yaratıcı yazma için DDÜ ile nasıl etkileşime girdiğine dair birkaç önemli kalıp ortaya çıkarmıştır.
3.1 DDÜ Araçlarıyla Fikir Arama Stratejileri
Öğrenciler DDÜ araçlarına tamamen boş bir sayfayla yaklaşmamıştır. Genellikle etkileşime önceden var olan fikirler veya tematik yönelimlerle girmişlerdir. DDÜ aracı daha sonra, içeriğin tek kaynağı olmaktan ziyade, yan kavramların genişletilmesi, iyileştirilmesi veya keşfi için bir katalizör olarak kullanılmıştır.
3.2 DDÜ ile Üretilen Fikirlerin Değerlendirilmesi
Dikkat çekici bir bulgu, yalnızca DDÜ aracı tarafından üretilen fikirlere karşı belirgin bir kaçınma veya şüphecilikti. Öğrenciler, YZ tarafından üretilen içeriği ilgili olma, özgünlük ve amaçlanan anlatılarıyla tutarlılık açısından eleştirel bir şekilde değerlendirmiş, genellikle doğrudan dahil etmek yerine ağır bir şekilde değiştirmeyi veya yalnızca ilham kaynağı olarak kullanmayı tercih etmişlerdir.
3.3 DDÜ Araçlarının Seçimi
Farklı DDÜ araçları veya komutları arasında seçim yaparken, öğrenciler daha fazla sayıda çıktı seçeneği üreten araçları tercih etme eğilimi göstermiştir. Bu "ilk kaliteden ziyade miktar" yaklaşımı, onlara küratörlük yapmak ve fikirleri sentezlemek için daha geniş bir ham malzeme seti sağlamıştır.
4. Tartışma ve Çıkarımlar
Çalışma, öğrencilerin YZ yazma asistanlarını kullanırken üstlendiği karmaşık, pasif olmayan rolü vurgulamaktadır.
4.1 Pedagojik Çıkarımlar
Bulgular, eğitimcilerin DDÜ araçlarını öğrenci yaratıcılığının yerine geçen değil, "fikir üretim ortakları" olarak çerçevelemesi gerektiğini göstermektedir. Öğretim, insan ve makine tarafından üretilen içeriği etkili bir şekilde birleştirmek için eleştirel değerlendirme becerileri, komut verme stratejileri ve sentez tekniklerine odaklanmalıdır.
4.2 Sınırlılıklar ve Gelecek Araştırmalar
Küçük örneklem büyüklüğü genellenebilirliği sınırlamaktadır. Gelecek araştırmalar, daha büyük ve daha çeşitli YDİ öğrenci gruplarını içermeli ve stratejilerin artan maruz kalma ve beceriyle nasıl evrildiğini görmek için boylamsal çalışmalar yapmalıdır.
5. Teknik Analiz ve Çerçeve
Temel İçgörü: Bu makale daha iyi bir DDÜ modeli inşa etmekle ilgili değildir; YZ destekli yaratıcılıktaki "son kilometre sorununu" ortaya çıkaran kritik bir insan-bilgisayar etkileşimi (HCI) çalışmasıdır. Gerçek darboğaz, YZ'nin metin üretme kapasitesi değildir—GPT-4 gibi modern dönüştürücüler bu konuda yetkindir—ancak kullanıcının bu kapasiteyi stratejik olarak kullanma becerisidir. Çalışma, YDİ öğrencilerinin içgüdüsel olarak DDÜ çıktısını nihai ürün değil, düşük doğruluklu ham malzeme olarak ele aldığını ortaya koymaktadır; bu, genellikle YZ araçlarının pazarlamasında eksik olan sofistike ve doğru bir yaklaşımdır.
Mantıksal Akış: Araştırma mantığı sağlamdır: davranışı gözlemle (atölyeler) → gerekçeyi yakala (yansıtmalar) → kalıpları belirle (tematik analiz). Çıktı "kalitesini" boşlukta ölçme tuzağından doğru bir şekilde kaçınarak, bunun yerine sürece (arama, değerlendirme, seçim) odaklanmaktadır. Bu, çözümler önermeden önce kullanıcının yolculuğunu anlamanın en önemli olduğu eğitim tasarım araştırmalarındaki en iyi uygulamalarla uyumludur.
Güçlü ve Zayıf Yönler: Güçlü yanı, belirli, yetersiz hizmet alan bir kullanıcı grubuna (YDİ öğrencileri) yönelik temelli, nitel odaklanmasıdır. Zayıf yanı ölçektir. N=4 ile ikna edici bir durum çalışmasıdır ancak kesin değildir. Davranışları nicelleştirme fırsatını kaçırmaktadır—örneğin, DDÜ çıktısının tipik olarak yüzde kaçı kullanılır? Kaç tane komut verme yinelemesi gerçekleşir? Stratejileri bir temel çizgiyle (YZ olmadan yazma) karşılaştırmak, DDÜ'nün etkisine ilişkin iddiayı güçlendirirdi. Çalışma ayrıca kullanılan DDÜ araçlarının teknik özellikleriyle derinlemesine ilgilenmemektedir, bu da kaçırılmış bir fırsattır. Model seçimi (örneğin, 175B parametreli bir model ile 6B parametreli bir model) çıktı kalitesini ve kullanıcı deneyimini önemli ölçüde etkiler. Brown ve diğerlerinin (2020) orijinal GPT-3 makalesinde belirtildiği gibi, model ölçeği, az örnekli öğrenmede tutarlılığı ve yaratıcılığı doğrudan etkiler, bu da bu çalışmanın bağlamıyla oldukça ilgilidir.
Uygulanabilir İçgörüler: Eğitim Teknolojisi geliştiricileri için: Yalnızca üretimi değil, küratörlüğü destekleyen araçlar inşa edin. DDÜ çıktıları için etiketleme, kümeleme ve birleştirme özellikleri olan "fikir yönetimi panoları" düşünün. Eğitimciler için: "komut mühendisliğini" temel bir okuryazarlık becerisi olarak öğreten ödevler tasarlayın. "Aracı kullan"ın ötesine geçerek "aracı sorgula"ya geçin. Araştırmacılar için: Bir sonraki adım, DDÜ destekli fikir üretimi için resmileştirilmiş bir çerçeve geliştirmektir. Öğrenci stratejilerinin bir taksonomisine ihtiyacımız var, belki bir karar ağacı veya bir dizi kural olarak görselleştirilebilir. Potansiyel bir analitik model, bir öğrencinin YZ tarafından üretilen bir fikri $I_{AI}$ kullanma veya değiştirme kararını, algılanan faydası $U$, kendi zihinsel modeli $M$ ile uyumu ve entegrasyonun bilişsel maliyeti $C$ temelinde şu şekilde çerçeveleyebilir: $P(\text{Kullan } I_{AI}) = f(U(I_{AI}, M), C(I_{AI}))$. Ayrıca, YZ'yi bir araçtan ziyade "işbirlikçi" olarak kullanma kavramı, diğer alanlardaki insan-YZ işbirliği araştırmalarından, örneğin Amershi ve diğerlerinin (2019) insan-YZ etkileşimi için yönergeler üzerine çalışması gibi, "paylaşılan kontrol" ve "bağlamsal bütünlük" gibi ilkeleri vurgulayan bulguları yankılamaktadır.
Analiz Çerçevesi Örneği (Kod Dışı): "Bir ormanda kaybolmuş bir robot" hakkında hikâye yazan bir öğrenciyi düşünün. Bu çalışmadan türetilen bir çerçeve, onları yapılandırılmış bir fikir üretimi döngüsü boyunca yönlendirebilir:
- Çekirdek: Temel fikrinizle (kayıp robot) başlayın.
- Komut Ver & Üret: Belirli komutlarla DDÜ kullanın (örneğin, "Robotun karşılaştığı 5 duygusal zorluk üret," "Karşılaştığı 3 sıra dışı orman yaratığı listele").
- Değerlendir & Filtrele: Üretilen her öğeyi eleştirel bir şekilde değerlendirin. Tonla uyuyor mu? Özgün mü? Onları "Kullan," "Uyarla" veya "At" olarak etiketleyin.
- Sentezle: En iyi YZ üretimi fikirleri orijinal plotunuzla birleştirin, çelişkileri çözün.
- Yinele: Yeni sentezi, bir sonraki hikâye öğesi için daha rafine komutlar oluşturmak için kullanın (örneğin, "Şimdi robot ile seçilen zorluk temelinde alaycı bir sincap arasında diyalog üret").
Deneysel Sonuçlar ve Grafik Açıklaması: Orijinal çalışma nitel temalar sunarken, bu davranışları nicelleştiren bir takip çalışması hayal edin. Varsayımsal bir çubuk grafik şunu gösterebilir: "Hikâye Öğesi Başına Değerlendirilen Ortalama DDÜ Çıktı Sayısı." X ekseni hikâye öğelerini (Karakter, Ortam, Çatışma, Çözüm) listeler ve y ekseni sayıyı gösterir. Muhtemelen "Karakter" ve "Ortam" için yüksek sayılar görürüz, bu da öğrencilerin DDÜ'yü temel öğeleri beyin fırtınası yapmak için en çok kullandığını gösterir. Başka bir grafik, "DDÜ ile Üretilen Fikirlerin Tasfiyesi"ni gösteren, "Doğrudan Kullanılan," "Ağır Şekilde Değiştirilen" ve "Atılan" bölümleri olan yığılmış bir çubuk olabilir ve kaçınma bulgusunun ima ettiği yüksek değiştirme oranını ortaya çıkarır.
6. Gelecek Uygulamalar ve Yönelimler
Buradaki yörünge, oldukça kişiselleştirilmiş, uyarlanabilir yazma asistanlarına işaret etmektedir. Eğitim için gelecekteki DDÜ araçları şunları yapabilir:
- Yeterliliğe Dayalı İskele Kurma: Öğrencinin dil seviyesine (CEFR A1-C2) göre çıktı karmaşıklığını ve rehberliği ayarlayın.
- Çok Modlu Fikir Üretimini Dahil Etme: Yalnızca metin değil, aynı zamanda ruh hali panoları, karakter görselleri veya olay örgüsü diyagramları üreterek farklı bilişsel yolları harekete geçirin.
- Üstbilişsel Geri Bildirim: Bir öğrencinin komut verme ve seçim kalıplarını analiz ederek şu gibi geri bildirimler sağlayın: "İç çatışmayla ilgili fikirleri atma eğilimindesiniz. Karakterin korkuları hakkında komutlar keşfetmeyi deneyin."
- Çok Dilli Fikir Üretimi: YDİ öğrencileri için, yabancı bir dilde fikir üretmenin bilişsel yükünü azaltarak, ana dillerinde fikir üretimine izin verin ve sorunsuz çeviri ve uyarlama desteği sağlayın.
- Öğrenme Analitiği ile Entegrasyon: Stanford Eğitim Enstitüsü gibi kurumların eğitimde YZ üzerine çalışmalarında önerdiği gibi, bu araçlar, öğretmenlerin yaratıcı fikir üretiminin belirli yönleriyle mücadele eden öğrencileri belirlemesine yardımcı olan panolara veri besleyebilir.
7. Kaynakça
- Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., ... & Amodei, D. (2020). Dil modelleri az örnekli öğrenenlerdir. Sinirsel bilgi işleme sistemlerindeki ilerlemeler, 33, 1877-1901.
- Amershi, S., Weld, D., Vorvoreanu, M., Fourney, A., Nushi, B., Collisson, P., ... & Horvitz, E. (2019). İnsan-YZ etkileşimi için yönergeler. 2019 CHI İnsan Faktörleri Bilgi İşlem Sistemleri Konferansı Bildirileri, 1-13.
- Graham, S., & Perin, D. (2007). Ergen öğrenciler için yazma öğretiminin bir meta-analizi. Eğitim Psikolojisi Dergisi, 99(3), 445.
- Kaufman, J. C., & Beghetto, R. A. (2009). Büyük ve küçüğün ötesinde: Yaratıcılığın dört C modeli. Genel Psikoloji İncelemesi, 13(1), 1-12.
- Dawson, P. (2005). Yaratıcı yazma ve yeni beşeri bilimler. Routledge.
- Woo, D. J., Wang, Y., Susanto, H., & Guo, K. (2023). Yabancı Dil Olarak İngilizce Öğrencilerinin Yaratıcı Yazma için Doğal Dil Üretimi Araçlarıyla Fikir Üretme Stratejilerinin Anlaşılması. [Dergi Adı].