Eğitimde erken uyarı sistemi nasıl çalışır? Öğrenciyi etiketlemeden risk sinyali üretmek

Bir öğrencinin devamsızlığı artıyor, ödev teslim düzeni değişiyor ve son iki ölçmede aynı kazanım kümesinde gerileme görülüyor. Bu tablo destek ihtiyacını düşündürebilir; fakat “öğrenci başarısız olacak” sonucunu kanıtlamaz. Hastalık, cihaz erişimi, ders tasarımı, kayıt hatası veya geçici aile koşulu aynı izleri üretebilir. Etik erken uyarı sistemi bu ayrımı kabul ederek tasarlanır: hüküm değil, zamanında bakılması gereken açıklanabilir sinyal üretir.

Bu rehber, okul ve eğitim kurumlarının erken uyarı mekanizmasını veri, süreç, etik, KVKK ve teknik mimari boyutlarıyla kurmasını anlatır. Amaç otomatik öğrenci sınıflandırması değil, desteğe erişim süresini kısaltan insan merkezli bir kapalı döngüdür.

Eğitimde erken uyarı sistemi nedir?

Erken uyarı sistemi, öğrencinin katılım, öğrenme ve refah yolculuğundaki anlamlı değişimleri belirlenmiş kurallarla izleyen; yetkili kişiye bağlam ve önerilen doğrulama adımıyla sinyal ileten; müdahale ve sonucu kayıt altına alan sistemdir. “Erken” sözcüğü sonuç kesinleşmeden önce harekete geçmeyi, “uyarı” sözcüğü ise karar verilmediğini ifade eder.

Sistem üç katmandan oluşur. Algılama katmanı veri kalitesi ve zaman pencerelerini yönetir. Karar destek katmanı kural veya modelle sinyal ve açıklama üretir. Müdahale katmanı sorumlu, görüşme, destek planı, takip ve kapanışı yönetir. Üçüncü katman yoksa en gelişmiş model bile yalnız kırmızı liste üretir.

Education Suite Pro içinde erken uyarı; SIS, LMS, ölçme, rehberlik ve iletişim süreçlerinin ortak öğrenci yaşam döngüsüyle ilişkilendirilmesi anlamına gelir. Ancak ortak platform, bütün verinin bütün rollere açılması demek değildir.

Etiket ile sinyal arasındaki kritik fark

Etiket kişiye yapışır: “riskli”, “başarısız”, “ilgisiz”. Sinyal olayı tarif eder: “Son dört haftada pazartesi ilk ders devamsızlığı kişisel tabana göre arttı” veya “Son üç değerlendirmede kesir kazanımında beklenen ilerleme görülmedi.” Etiket öznel ve kalıcı algı üretirken sinyal zaman, kaynak ve belirsizlik taşır.

Arayüz dili davranışı biçimlendirir. Kırmızı puan ve sıralama öğretmeni hızlı hükme itebilir. Daha güvenli tasarım gözlenen değişim, karşılaştırma tabanı, veri tazeliği, olası alternatif açıklamalar ve önerilen görüşme sorularını gösterir. Öğrenciye zarar verebilecek tahminleri geniş kullanıcı kitlesine açmaz.

Sinyal öğrenci dosyasına sınırsız süreyle kalıcı not olarak yazılmamalıdır. İnceleme sonucu veri hatasıysa silme/düzeltme; geçici durumsa kapanış ve saklama süresi; destek ihtiyacıysa sınırlı erişim uygulanmalıdır. Gelecekteki öğretmenlerin eski, bağlamsız risk bayrağından etkilenmesi önlenmelidir.

Önce amaç: hangi sonucu iyileştirmek istiyoruz?

“Yapay zekâ ile risk tahmini” amaç değildir. Kurum somut hizmet hedefi seçmelidir: kronik devamsızlığa erken destek, belirli kazanımda öğrenme açığının büyümesini önleme, ders terkini azaltma, danışman görüşmesini önceliklendirme veya dijital erişim sorununu yakalama. Her hedef farklı veri ve müdahale gerektirir.

Amaç kartında hedef grup, beklenen fayda, olası zarar, kullanılacak veriler, hukuki/kurumsal dayanak, sorumlu rol, müdahale kapasitesi, başarı metriği ve durdurma koşulu yer almalıdır. Kurum sinyal sonrası destek veremiyorsa sistemi genişletmemelidir. Uyarı üretip karşılık verememek hem güveni azaltır hem sorumluluk yaratır.

İlk pilot tek amaç ve sınırlı öğrenci grubuyla başlamalıdır. Örneğin “9. sınıfta artan devamsızlığı haftalık fark edip rehber öğretmen görüşmesini beş iş günü içinde başlatmak.” Bu hedef, soyut “öğrenci başarısını artırmak” ifadesinden ölçülebilirdir.

Veri kaynakları ve anlam sınırları

SIS kayıt, program, devamsızlık ve notun; LMS içerik erişimi, etkinlik ve teslimin; ölçme sistemi soru/kazanım sonucunun; rehberlik sistemi destek sürecinin kaynağı olabilir. Kütüphane, servis, yemekhane veya cihaz verisini sırf mevcut diye modele eklemek doğru değildir. Her veri için eğitimsel gereklilik ve orantılılık kanıtlanmalıdır.

Veri tek başına anlam taşımaz. LMS'e giriş yapmamak ilgisizlik değil, içeriği indirmiş olmak veya internet erişimi sorunu olabilir. Düşük not öğrenme eksikliği kadar hatalı soru veya farklı değerlendirme koşulunu gösterebilir. Devamsızlık kaydı geç girilmiş olabilir. Bu nedenle sinyal, birden fazla kanıt ve bağlamla tasarlanmalıdır.

Hassas rehberlik, sağlık, engellilik ve aile verisi özel koruma gerektirir. Bunları genel risk modeline eklemek ayrımcılık ve mahremiyet riskini büyütür. Çoğu senaryoda hassas veriyi model girdisi yapmak yerine, yalnız yetkili uzmanın sinyali yorumlarken bağlamsal olarak değerlendirmesi daha güvenlidir.

Kişisel taban ve akran karşılaştırması

Sınıf ortalamasına göre karşılaştırma kolaydır ama öğrencinin geçmişini ve farklı başlangıç koşullarını gözden kaçırabilir. Kişisel taban, öğrencinin kendi önceki düzenindeki değişimi izler. Örneğin haftalık devamsızlık 0'dan 2'ye çıkmışsa sınıf ortalamasının altında kalsa bile önemli olabilir. Tersine, yapısal olarak farklı programa sahip bir öğrenciyi genel ortalamayla karşılaştırmak yanlış alarm üretir.

Akran karşılaştırması kullanılacaksa grup eğitimsel olarak anlamlı ve yeterince geniş olmalıdır. Program, sınıf düzeyi, ders yükü ve takvim etkileri hesaba katılır. Küçük gruplarda hem mahremiyet hem istatistiksel oynaklık riski vardır. Demografik özellikler doğrudan veya vekil değişken yoluyla haksız farklılık yaratabilir.

En iyi arayüz tek skor yerine bileşen trendlerini sunar: katılım değişimi, teslim düzeni, kazanım eğilimi ve veri güvenilirliği. Eğitimci hangi sinyalin neden oluştuğunu görür ve gerekirse bileşeni geçersiz sayar.

Kural tabanlı, istatistiksel ve makine öğrenmesi yaklaşımları

Kural tabanlı sistem “son 20 okul gününde mazeretsiz devamsızlık belirli eşiği aşarsa” gibi açık mantık kullanır. Anlaşılır, test edilebilir ve az veriyle çalışır; fakat çok değişkenli örüntüleri kaçırabilir. Başlangıç için çoğu kurumda en doğru seçenektir.

İstatistiksel yaklaşım hareketli ortalama, sapma, trend ve değişim noktasıyla kişisel düzeni izleyebilir. Sabit eşikten daha bağlamsaldır. Makine öğrenmesi daha karmaşık ilişkileri yakalayabilir; ancak hedef etiketi, geçmiş önyargı, açıklanabilirlik ve veri kayması sorunları getirir. Geçmişte desteğe erişemeyen grubun olumsuz sonucu model tarafından kişisel özellik gibi öğrenilebilir.

Model karmaşıklığı ancak ölçülebilir ek fayda sağlıyorsa artırılmalıdır. Basit kural aynı müdahale değerini veriyorsa kara kutu model gereksizdir. Model kartı; amaç, veri dönemi, hedef tanımı, dışlanan alanlar, performans, alt grup testi, sınırlamalar, sürüm ve yeniden değerlendirme tarihini içermelidir.

Hedef değişken nasıl seçilir?

“Başarısız öğrenci” ölçülebilir ve tarafsız hedef değildir. Ders bırakma, belirli süre içinde devamsızlık eşiği, kazanım açığının büyümesi veya danışman desteği ihtiyacı gibi operasyonel sonuç tanımlanabilir. Ancak geçmiş sonuç, kurumun önceki müdahale ve eşitsizliklerini de taşır.

Hedef ile müdahale arasında mantıklı bağ olmalıdır. Sistem dönem sonunda başarısızlığı tahmin ediyor ama kurumun sunabileceği destek yalnız devam takibiyse hedef fazla geniştir. Daha iyi hedef, “önümüzdeki iki haftada devam düzeni bozulma riski” olabilir. Tahmin ufku eğitimcinin harekete geçebileceği kadar uzun, veri güvenilirliği için yeterince kısa olmalıdır.

Pozitif etiket tanımı uzmanlarca gözden geçirilmeli ve örnek kayıtlar manuel doğrulanmalıdır. Sonucun kendisi hatalıysa modelin doğruluğu anlamsızdır. Müdahale sonrası sonuç değiştiğinde modelin “yanlış” sayılması da dikkat ister; uyarı işe yaradığı için olumsuz sonuç gerçekleşmemiş olabilir.

Sinyal üretim boru hattı

Güvenilir boru hattı şu adımları içerir: kaynak sistemden amaçla sınırlı veri alma; kimlik eşleme; veri kalite kontrolü; zaman penceresi oluşturma; özellik hesaplama; kural/model çalıştırma; eşik ve bastırma kuralı; açıklama oluşturma; görev atama; insan incelemesi; müdahale; takip; kapanış ve öğrenme.

Geç gelen devamsızlık veya düzeltme geriye dönük sinyal oluşturabilir. Sistem veri tazeliğini göstermeli, aynı öğrenci için yinelenen uyarıları birleştirmeli ve uyarı yorgunluğunu önlemelidir. Açık destek vakası varken aynı konuda her gün yeni bildirim üretmek yerine vaka güncellenir.

Erken uyarı: sinyalden desteğe iş akışı model çıktısını görev ve sonuçla bağlar. Sinyal yalnız analitik panoda kalırsa kurum etkisini ölçemez.

Açıklanabilir sinyal tasarımı

İyi sinyal beş soruyu yanıtlar: Ne değişti? Hangi zaman aralığında? Hangi kaynaklara dayanıyor? Veri ne kadar güncel ve güvenilir? Kullanıcı ne yapmalı? “Risk skoru 78” bu soruların hiçbirini tek başına yanıtlamaz.

Örnek: “Öğrencinin fen dersi ödev teslimi son üç haftada 5/6'dan 1/6'ya düştü; iki etkinlik cihaz bağlantısı hatasıyla yarım kaldı. Not trendi değişmedi. Önce teknik erişimi doğrulayın; ardından öğrenciyle kısa görüşme planlayın.” Bu ifade hem alternatif açıklama hem eylem sunar.

Model açıklamasında önem katsayısı göstermek teknik kullanıcı için yararlı olabilir, fakat öğretmene nedensellik gibi sunulmamalıdır. “Bu faktör skoru yükseltti” ile “bu faktör soruna neden oldu” farklıdır. Arayüz bu ayrımı dil ve yardım metniyle korumalıdır.

İnsan onayı ve müdahale protokolü

Her sinyal tanımlı role gider. Ders sinyalini ders öğretmeni, genel devam sinyalini danışman/rehberlik, teknik erişim sinyalini destek ekibi inceleyebilir. Hassas veriye erişim yalnız yetkili uzmanla sınırlanır. Rol, sinyali doğrular, veri hatası olarak kapatır, başka role yönlendirir veya öğrenciyle görüşme başlatır.

Müdahale protokolü ceza değil destek odaklı olmalıdır. İlk adım çoğu zaman öğrencinin perspektifini dinlemek ve veriyi doğrulamaktır. Destek seçenekleri akademik etüt, cihaz/internet desteği, çalışma planı, danışman görüşmesi veya erişilebilirlik uyarlaması olabilir. Sistem seçenek sunar; insan bağlama göre karar verir.

Yüksek etkili kararlar—disiplin, kayıt, burs, sınıf geçme—yalnız risk skoruna bağlanmamalıdır. Öğrenci ve veli için bilgilendirme, itiraz ve yanlış veriyi düzeltme kanalı bulunmalıdır. İnsan onayı göstermelik olmamalı; kullanıcı öneriyi reddedebilmeli ve nedenini kaydedebilmelidir.

Uyarı yorgunluğunu önleme

Çok uyarı, hiç uyarı kadar zararlıdır. Eğitimci her gün onlarca kırmızı bildirim alırsa sistemi görmezden gelir. Eşik yalnız model doğruluğuna göre değil, kurumun müdahale kapasitesine göre seçilmelidir. Öncelik, aciliyet, geri döndürülebilirlik ve destek fırsatına göre belirlenebilir.

Bastırma kuralları açık olmalıdır: aktif vaka varken benzer sinyali birleştir; veri tazeliği düşükse beklet; tatil veya sınav haftası etkisini hesaba kat; çözülen teknik arızadan kaynaklı sinyali iptal et. Kullanıcı sessize alma yerine gerekçeli erteleme veya başka role yönlendirme yapabilmelidir.

Uyarı panosunda toplam sayı değil iş yükü görünmelidir: bugün incelenecek yeni sinyal, bekleyen öğrenci dönüşü, takip tarihi gelen destek ve süre aşımı. Böylece sistem analitik vitrin değil operasyon aracı olur.

Adalet ve önyargı testleri

Genel doğruluk yüksek olsa bile belirli grupta yanlış pozitif oranı yüksek olabilir. Bu, bazı öğrencilerin gereksiz incelemeye maruz kalmasına; yanlış negatif ise destekten mahrum kalmasına yol açar. Model cinsiyet, engellilik, sosyoekonomik durum veya bunların vekil değişkenleri açısından uzman ve hukuk değerlendirmesiyle test edilmelidir.

Korunan özelliği modelden çıkarmak tek başına adalet sağlamaz. Posta kodu, cihaz türü, ödeme davranışı veya program seçimi dolaylı temsil olabilir. Adalet metriği bağlama göre seçilir; tüm metrikleri aynı anda eşitlemek mümkün olmayabilir. Kurum hangi zararı önceliklendirdiğini ve gerekçesini belgelemelidir.

Nitel değerlendirme önemlidir. Öğretmen, öğrenci ve rehberlik görüşmeleri modelin göremediği zararları açığa çıkarır. Pilot sonuçları yalnız veri bilim ekibinde değil, eğitim, rehberlik, yönetim, veri koruma ve öğrenci temsilini içeren kurulda incelenmelidir.

KVKK ve çocuk verisi için tasarım ilkeleri

KVKK Kurumu, özel nitelikli verilerin daha sıkı korunması gerektiğini açıklar. Eğitim kurumlarındaki psikolojik değerlendirme verilerine ilişkin 2020/255 sayılı karar, amaç, aydınlatma, hukuki şart ve veri güvenliğinin somut önemini gösterir. Erken uyarı projesi “eğitim yararı” ifadesiyle sınırsız veri işlemeyi meşrulaştıramaz.

Veri envanteri, işleme amacı, hukuki sebep, alıcı, saklama ve güvenlik tedbiri belirlenmelidir. Aydınlatma anlaşılır dilde yapılmalı; modelin varlığı, kullandığı temel veri kategorileri, insan incelemesi ve haklar açıklanmalıdır. Açık rıza gerekiyorsa hizmetin zorunlu koşulu gibi dayatılmamalı ve geri çekme etkisi tasarlanmalıdır.

Veri minimizasyonu teknik olarak uygulanır: model özellik deposu ile tam öğrenci profili ayrılır; kimlik mümkünse takma adlandırılır; geliştirme ortamında sentetik veya anonim veri kullanılır; erişim ve dışa aktarma loglanır; saklama süresi sonunda sinyal ve ara özellikler silinir. Çocuk verisi, KVKK ve yapay zekâ etiği ürün değerlendirmesinin ayrı veto alanı olmalıdır.

Teknik mimari ve güvenlik

Kaynak sistemler olay veya zamanlanmış aktarım ile veri katmanına bağlanır. Kimlik eşleme servisi gereksiz kişisel alan taşımadan değişmez kurum kimliği kullanır. Özellik hesaplama ve model servisi üretim erişiminden ayrılır. Sonuç yalnız yetkili vaka yönetimine gider. Analitik ekip ham öğrenci kimliği yerine mümkün olduğunca takma kimlik kullanır.

Güvenlikte tek oturum açma, çok faktörlü doğrulama, rol ve ilişki temelli yetki, şifreleme, anahtar yönetimi, denetim izi, yedek ve olay müdahalesi gereklidir. Model API'si internetten açık bırakılmamalı; oran sınırı ve kötüye kullanım kontrolü olmalıdır. Toplu öğrenci skoru dışa aktarımı kısıtlanmalıdır.

Üçüncü taraf yapay zekâ kullanılıyorsa veri akış diyagramı, alt işleyenler, veri konumu, saklama, model eğitimi kullanımı ve silme kanıtı sözleşmede yer almalıdır. Kurum sistemi durdurabilmeli ve kural tabanlı güvenli moda dönebilmelidir.

Başarı ve güvenlik KPI'ları

Model metrikleri hassasiyet, duyarlılık, yanlış pozitif/negatif ve kalibrasyonu içerir. Ancak hizmet metrikleri daha önemlidir: sinyalden ilk incelemeye süre, görüşmeye dönüşen yararlı sinyal oranı, sunulan destek türü, takip tamamlama, öğrenci/veli geri bildirimi ve müdahale sonrası eğilim. Alt gruplar arasında fark düzenli izlenmelidir.

Operasyon metriği eğitimci başına haftalık uyarı yükü, süre aşımı, veri hatası kapanışı ve mükerrer sinyaldir. Güvenlik metriği yetkisiz erişim denemesi, toplu dışa aktarım, yanlış alıcı ve saklama süresi ihlalidir. Kullanıcıların model önerisini reddetme oranı ve gerekçesi ürün öğrenimi sağlar.

Başarı “daha çok riskli öğrenci bulundu” değildir. Gereksiz alarm azalırken desteğe ihtiyacı olan öğrenciye daha erken ve uygun hizmet ulaşıyorsa sistem değerlidir. Akademik sonucun değişimi birçok etkene bağlı olduğu için kontrollü ve ihtiyatlı yorumlanmalıdır.

Pilot tasarımı ve aşamalı devreye alma

Pilot tek sınıf düzeyi, tek amaç ve sınırlı veriyle başlamalıdır. İlk aşamada gölge mod kullanılabilir: sistem sinyal üretir fakat öğretmen kararını etkilemeden uzman ekip sonuçları inceler. Veri kalitesi, eşik ve adalet sorunları düzeltilir. İkinci aşamada az sayıda eğitimciyle gerçek müdahale başlar.

Pilot öncesi protokol, sorumlular, destek kapasitesi, itiraz, veri silme ve durdurma koşulu tanımlanır. En az bir dönem mevsim ve sınav etkisini görmeye yardımcı olabilir; yüksek risk görülürse daha erken durdurma mekanizması bulunur. Eğitimciler model sınırları, korelasyon–nedensellik farkı ve güvenli iletişim konusunda eğitilir.

Kayda dayalı öğrenci yaşam döngüsü ile erken uyarı pilotu birlikte düşünülürse sinyalin dayandığı statü ve ders kaydı güvenilir olur. Kötü ana veri üzerinde model kurmak teknik başarı görüntüsü üretir, hizmet kalitesini artırmaz.

Tedarikçi ve ürün değerlendirme soruları

Satıcıya hazır doğruluk yüzdesi sormak yetmez. Şu sorulara kanıt isteyin:

• Hedef değişken nasıl tanımlandı, eğitim verisi hangi kurum ve döneme ait?
• Bizim kurumumuzda yeniden kalibrasyon nasıl yapılacak?
• Kural/model sürümü ve her sinyalin girdileri kaydediliyor mu?
• Alt grup performansı ve yanlış alarm dağılımı görülebiliyor mu?
• Kullanıcı öneriyi reddedip gerekçe yazabiliyor mu?
• Hassas alanlar varsayılan olarak dışarıda mı?
• Sinyal saklama ve silme kuralı yapılandırılabiliyor mu?
• Model kapatıldığında vaka yönetimi çalışmaya devam ediyor mu?
• Veri başka müşterinin modeli için kullanılıyor mu?
• Sistemden tüm kayıt ve denetim izini açık formatta alabilir miyiz?

Demoda yapay ve eksiksiz veri yerine eksik devamsızlık, geç not, cihaz hatası ve program değişikliği içeren senaryo kullanın. Sistem belirsizliği saklıyor mu, yoksa sahte kesinlik mi üretiyor?

Etik yönetişim kurulu ve yaşam döngüsü

Erken uyarı tek seferlik BT projesi değildir. Eğitim, rehberlik, öğrenci işleri, veri koruma, güvenlik, hukuk, ölçme ve öğrenci/veli perspektifini içeren yönetişim yapısı kurulmalıdır. Kurul yeni veri alanını, model değişikliğini, performans ve zarar raporunu değerlendirir.

Model kayıt defteri amaç, sahip, sürüm, veri, risk seviyesi, onay ve inceleme tarihini tutar. Veri veya davranış dağılımı değiştiğinde yeniden doğrulama yapılır. Akademik takvim, platform kullanımı veya ölçme sistemi değişikliği veri kayması yaratabilir. Performans düşerse otomatik durdurma eşiği bulunmalıdır.

Yıllık etik değerlendirme yalnız teknik test değildir. Öğrencilerin sistemi nasıl deneyimlediği, öğretmenin güveni, itirazlar, destek erişimi ve beklenmeyen kullanım incelenir. Başka amaçla kullanma talebi yeni değerlendirme gerektirir; devamsızlık desteği için kurulan skoru burs veya disiplin kararına taşımak amaç genişlemesidir.

Örnek sinyal kartı

Güvenli bir sinyal kartı şu alanları içerir:

• Gözlem: “Matematik etkinlik teslimi üç haftada yüzde 83'ten yüzde 33'e düştü.”
• Zaman: veri başlangıç/bitiş ve son güncelleme.
• Kanıt: ilgili etkinlikler ve kayıt kalitesi.
• Bağlam: sınav haftası, ders/sınıf değişikliği, teknik olay.
• Belirsizlik: düşük/orta/yüksek güven ve nedeni.
• Alternatif açıklamalar: cihaz, erişim, içerik veya kayıt hatası.
• Öneri: veriyi doğrula, öğrenciyle görüş, destek seç.
• Erişim: yalnız atanmış eğitimci/rehberlik.
• Durum: yeni, inceleniyor, destek açık, kapandı, veri hatası.
• Takip: tarih, sorumlu ve sonuç notu.

Kart “neden ben?” sorusuna cevap vermeli ve kullanıcıyı cezalandırıcı otomasyona değil, insani görüşmeye yönlendirmelidir.

Kırmızı takım testi: sistem nasıl zarar verebilir?

Canlıya geçmeden bağımsız bir ekip sistemi kötüye kullanım ve hata açısından sınamalıdır. Geç girilen devamsızlık toplu risk üretirse ne olur? Ortak cihaz kullanan öğrenciler düşük etkileşimli görünür mü? Ders tasarımı değiştiğinde eski eşik yanlış alarm verir mi? Öğretmen sinyal listesini ekran görüntüsüyle yetkisiz grupla paylaşabilir mi? Küçük bir alt grupta rapor kimliği açığa çıkarır mı? Bir kullanıcı ham skoru burs veya disiplin kararına taşımaya çalışırsa sistem bunu engeller mi?

Test yalnız teknik saldırı değildir. Dil ve arayüz zararı da incelenir. “Yüksek riskli öğrenci” ifadesinin öğretmen beklentisini değiştirip değiştirmediği, kırmızı rengin görüşme öncesi hüküm yaratıp yaratmadığı, öğrencinin itiraz yolunu bulup bulamadığı kullanıcı araştırmasıyla ölçülür. Aynı sinyal farklı sosyoekonomik veya erişilebilirlik bağlamlarında uzman panelce değerlendirilir.

Her senaryo için zarar, olasılık, etkilenen grup, mevcut kontrol, artık risk ve sahibi yazılır. Kontrol; alanı kaldırma, erişimi daraltma, eşiği değiştirme, insan onayı, yeni açıklama, saklamayı kısaltma veya özelliği kapatma olabilir. “Kullanıcı eğitilecek” tek başına yüksek risk için yeterli değildir.

Öğrenci ve veli iletişimi için örnek ilkeler

İletişim sistemin “seni riskli buldu” demesiyle başlamamalıdır. Gözlenebilir, doğrulanabilir olay açıklanır: “Son üç haftada dört ödev teslim kaydı görünmüyor; teknik veya başka bir engel olup olmadığını anlamak istiyoruz.” Dil, destek ve ortak çözüm odaklı olmalı; suçlayıcı neden varsaymamalıdır. Veri hatası düzeltme yolu, görüşmenin amacı ve bilginin kimlerle paylaşılacağı açıklanır.

Öğrencinin görüşü vaka kaydında ayrı ve görünür bir kanıt olmalıdır. Veli iletişimi öğrencinin yaşı, kurum politikası, güvenlik ve yasal çerçeveye göre yapılır. Hassas konu genel SMS veya sınıf grubunda paylaşılmaz. İletişim sonucu modelin “doğru/yanlış” etiketi olmaktan öte, veri ve süreç iyileştirmesine geri beslenir.

Model olmadan başlanabilecek üç pilot

Birinci pilot devamsızlık değişimidir: sabit ceza eşiği yerine öğrencinin son sekiz haftalık tabanına göre anlamlı artış eğitimciye gösterilir. Tatil, geç kayıt ve veri giriş gecikmesi bağlam olarak eklenir. İkinci pilot teslim engelidir: “ödev yok” etiketi vermek yerine LMS teknik hata, içerik erişimi ve teslim denemeleri kontrol edilir; öğrenciye destek kanalı sunulur. Üçüncü pilot kazanım desteğidir: tek sınav puanı yerine aynı kazanımdaki birden çok kanıt ve soru kalitesi incelenir.

Bu pilotlarda karmaşık tahmin modeli yoktur; değer, veri birleştirme ve görev akışından gelir. Her biri için haftalık sinyal kotası, sorumlu rol, görüşme metni, destek seçenekleri, kapanış nedeni ve başarı ölçüsü tanımlanır. Sekiz–on iki hafta sonunda yararlı sinyal, yanlış alarm, yanıt süresi ve öğrenci deneyimi incelenir. Basit yaklaşım ihtiyacı karşılıyorsa model karmaşıklığı artırılmaz. Karşılamıyorsa yalnız kanıtlanmış boşluk için yeni özellik veya istatistiksel yöntem eklenir. Bu aşamalı model, kurumun önce müdahale kapasitesini öğrenmesini ve gereksiz öğrenci profillemesinden kaçınmasını sağlar.

Pilot değerlendirmesinde yalnız olumlu sonuçlar değil, üretilen fakat incelenmeyen sinyaller, görüşmeyi reddeden öğrenciler, veri düzeltmeleri ve hiç destek sunulamayan vakalar da raporlanmalıdır. Bu “sessiz payda” görünmezse sistem olduğundan etkili görünür. Yönetim yayın kararını model doğruluğu kadar insan kapasitesi, öğrenci güveni ve sağlanan gerçek destek üzerinden vermelidir.

Sistem kapatıldığında veya pilot bittiğinde açık vakaların sorumluluğu kaybolmamalı; destek süreci normal rehberlik akışına devredilmelidir. Teknoloji yaşam döngüsü sona erse bile öğrenciye verilen hizmet taahhüdü sürer.

Sonuç: tahmin değil zamanında ve adil destek

Eğitimde erken uyarının değeri daha karmaşık modelde değil, daha erken ve daha uygun destektedir. Sistem öğrenciyi kalıcı etikete indirgememeli; değişimi bağlamıyla göstermeli, belirsizliği açıklamalı ve insan doğrulamasını zorunlu tutmalıdır. Veri minimizasyonu, amaç sınırlaması, alt grup testi, itiraz ve saklama kuralı ürünün sonradan eklenecek uyum özellikleri değil, çekirdek tasarımdır.

Başlangıçta tek hizmet amacı seçin, basit ve açıklanabilir kuralla pilot yapın, müdahale kapasitesini ölçün ve öğrencinin sesini değerlendirmeye katın. Education Suite Pro erken uyarı akışını, ölçme analitiğini ve veri etiği yaklaşımını birlikte inceleyebilirsiniz. Kuruma özel güvenli pilot tasarımı için ön görüşme planlanabilir.

Resmî ve birincil kaynaklar

• KVKK: Özel nitelikli kişisel veriler
• KVKK: Özel Nitelikli Kişisel Verilerin İşlenmesine İlişkin Rehber
• KVKK Kurulu: Eğitim kurumunda çocuk verisine ilişkin 2020/255 sayılı karar özeti
• KVKK: Uzaktan Eğitim Platformları Hakkında Kamuoyu Duyurusu

Bu içerik eğitim teknolojisi ve veri yönetişimi rehberidir; psikolojik değerlendirme, kişisel eğitim kararı veya hukuki görüş yerine geçmez.