Yapay Zeka Destekli Ölçme ve Değerlendirme Eğitimi

Eğitim Hakkında

Bu eğitim, üretken yapay zeka ve analitik yöntemleri ölçme ve değerlendirme süreçlerine geçerlik, güvenirlik ve adalet ilkelerini koruyarak entegre etmek isteyen eğitim profesyonelleri için tasarlanmış uygulamalı bir programdır. Katılımcılar madde üretimi ve kalite kontrolü, rubrik tabanlı otomatik puanlama, madde analizi, uyarlanabilir test ve geri bildirim tasarımını uygular.

Neden Bu Eğitim?

Psikometrik Temel. Yapay zekayı geçerlik, güvenirlik ve madde analizi ilkeleriyle birlikte kullanarak kaliteyi ölçülebilir kılın.

İnsan ve YZ Uyumu. Otomatik puanlamayı insan puanlayıcılarla karşılaştırıp uyum düzeyini ölçerek güvenle devreye alın.

Adalet ve Şeffaflık. Madde yanlılığı, değişen madde fonksiyonu ve AB YZ Yasası gereklilikleriyle adil değerlendirme tasarlayın.

“Yapay zeka puan vermeyi hızlandırabilir; değerlendirmeyi değerli kılan ise adil, geçerli ve öğrenmeyi ileri taşıyan tasarımdır.”

Ön Koşullar

Değerlendirme Deneyimi — Sınav, ödev, rubrik veya yetkinlik değerlendirmesi hazırlamış ya da uygulamış olmak.
Temel Ölçme Kavramları — Kazanım, geçerlik ve güvenirlik kavramlarına genel düzeyde aşinalık yeterlidir.
Elektronik Tablo — Excel veya Google E-Tablolar ile basit formüller ve özet tablolar oluşturabilmek.
Cihaz ve Hesap — Dizüstü bilgisayar ve eğitimde kullanılacak bir üretken yapay zeka aracına erişim hesabı.

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiÖlçme ilkelerini yapay zeka bağlamında yeniden ele almak, kazanıma uygun maddeleri üretken yapay zekayla üretmek ve madde kalitesini uzman incelemesiyle doğrulamak.

Modül 1

Ölçmenin Temelleri ve Yapay Zeka

Geçerlik, güvenirlik ve kullanılabilirlik ilkeleri
Kazanım-madde uyumu ve belirtke tablosu hazırlama
Biçimlendirici ve düzey belirleyici değerlendirme farkı
Yapay zekanın değerlendirme döngüsündeki olası rolleri
Üretken YZ çağında ödev ve sınav güvenliği sorunu
Uygulama: Bir ünite için belirtke tablosu oluşturma

Modül 2

Üretken YZ ile Madde Yazımı

Çoktan seçmeli madde yazım kuralları ve sık hatalar
İstem şablonu: kazanım, bilişsel düzey, bağlam, format
Makul çeldirici üretimi ve kavram yanılgılarından yararlanma
Senaryo tabanlı ve üst düzey düşünme maddeleri
Açık uçlu sorular ve performans görevleri tasarımı
Atölye: Belirtke tablosuna bağlı 15 maddelik set üretimi

Modül 3

Madde Kalitesi ve Uzman İncelemesi

Uzman inceleme formu: doğruluk, açıklık, tek doğru yanıt
Yanlılık ve hassasiyet incelemesi: dil, kültür, cinsiyet
Okunabilirlik ve seviye uygunluğu kontrolü
Tekrarlı ve birbirine ipucu veren maddelerin ayıklanması
Madde güçlüğü ve ayırt edicilik indeksleri
Uygulama: Pilot verisiyle elektronik tabloda madde analizi

Modül 4

Madde Tepki Kuramı ve Uyarlanabilir Test

Klasik test kuramı ile madde tepki kuramı farkı
Bir ve iki parametreli modellerin sezgisel anlatımı
Madde bankası, kalibrasyon ve madde havuzu yönetimi
Bilgisayar ortamında bireyselleştirilmiş test (CAT) mantığı
Madde seçimi, sonlandırma kuralları ve madde maruziyeti
Demo: Uyarlanabilir test simülasyonu ve günün özeti

Günün hedefiAçık uçlu yanıtların rubrik tabanlı otomatik puanlamasını insan puanlamasıyla doğrulamak, geri bildirim ve analitik kurgulamak, adil bir değerlendirme sistemi tasarlamak.

Modül 1

Rubrik Tabanlı Otomatik Puanlama

Analitik ve bütüncül rubriklerin YZ'ye uygun hale getirilmesi
Çapa yanıtlarla örnekli puanlama istemi tasarımı
Puan gerekçesi isteme ve kanıta dayalı puanlama
Kısa yanıt, kompozisyon ve proje raporu puanlama farkları
Puanlamayı manipüle eden istem enjeksiyonu riskleri
Atölye: Örnek öğrenci yanıtlarının YZ ile puanlanması

Modül 2

Puanlayıcı Uyumu ve Kalite Güvencesi

İnsan puanlayıcılar arası uyum ve kalibrasyon oturumu
Cohen kappa ve ağırlıklı kappa ile uyum ölçümü
YZ ve insan puanları arasındaki sistematik farklar
İnsan döngüde yaklaşımı: örneklem kontrolü ve itiraz
Model veya istem değiştiğinde yeniden doğrulama
Uygulama: İnsan-YZ puan uyumunun tabloda analizi

Modül 3

Geri Bildirim ve Öğrenme Analitiği

Etkili geri bildirimin özellikleri: hedef, durum, sonraki adım
YZ ile kişiselleştirilmiş geri bildirim taslağı üretimi
Öğrencinin geri bildirim okuryazarlığını geliştirme
Öğrenme yönetim sistemi verisiyle ilerleme panoları
Risk altındaki öğrenciler için erken uyarı göstergeleri
Uygulama: Rubrik sonucundan geri bildirim şablonu

Modül 4

Adalet, Mevzuat ve Tasarım Projesi

Değişen madde fonksiyonu (DIF) ve grup adaleti
AB YZ Yasası'nda değerlendirme sistemleri yüksek risk
Öğrenci verisi, KVKK ve şeffaf bilgilendirme
Proje: Kurum için YZ destekli değerlendirme süreci
Proje sunumları, değerlendirme ve Soru-Cevap
Sertifika takdimi ve şablon paketinin paylaşımı

Eğitim Kazanımları

Ölçme Tasarımı — Kazanım-madde uyumunu belirtke tablosuyla güvenceye alarak geçerli değerlendirme araçları planlayabileceksiniz.
Madde Üretimi — Üretken yapay zekayla bilişsel düzeye uygun maddeler ve kavram yanılgısına dayalı çeldiriciler üretebileceksiniz.
Kalite Kontrolü — Uzman inceleme formu ve yanlılık kontrolüyle yapay zekanın ürettiği maddeleri sistematik olarak denetleyebileceksiniz.
Madde Analizi — Pilot verisinden madde güçlüğü ve ayırt edicilik hesaplayarak soru bankanızı veriyle iyileştirebileceksiniz.
Uyarlanabilir Test — Madde tepki kuramı ve CAT mantığını kavrayarak uyarlanabilir sınav projelerinin gereksinimlerini belirleyebileceksiniz.
Otomatik Puanlama — Rubrik ve çapa yanıtlarla açık uçlu yanıtları puanlayıp insan puanlarıyla uyumunu kappa ile ölçebileceksiniz.
Geri Bildirim — Değerlendirme sonuçlarını öğrenciye yol gösteren kişiselleştirilmiş geri bildirimlere dönüştürebileceksiniz.
Adil Değerlendirme — DIF, KVKK ve AB Yapay Zeka Yasası gerekliliklerini gözeten şeffaf bir değerlendirme süreci tasarlayacaksınız.

Kimler İçin Uygundur?

Ölçme ve değerlendirme uzmanları
öğretim tasarımcıları
akademisyenler
sınav koordinatörleri
öğretmenler ile kurumsal eğitim ve yetkinlik değerlendirme ekipleri.

Sıkça Sorulan Sorular

Yapay Zeka Destekli Ölçme ve Değerlendirme Eğitimi kimler için uygundur?

Program; ölçme ve değerlendirme uzmanları, öğretim tasarımcıları, akademisyenler, sınav koordinatörleri, öğretmenler ile kurumsal eğitim ve yetkinlik değerlendirme ekipleri için tasarlanmıştır.

Eğitim ne kadar sürer ve nasıl yapılandırılmıştır?

Eğitim 2 tam gün ve 8 modülden oluşur. İlk gün ölçme ilkeleri, madde üretimi, kalite kontrolü ve uyarlanabilir test; ikinci gün otomatik puanlama, puanlayıcı uyumu, geri bildirim ve adil değerlendirme işlenir.

Katılım için istatistik veya kodlama bilgisi gerekiyor mu?

Kodlama gerekmez. Madde analizi ve puan uyumu hesaplamaları elektronik tablolarla yapılır. Temel ölçme kavramlarına aşinalık ve değerlendirme hazırlama deneyimi yeterlidir.

Yapay zeka ile puanlama güvenilir mi?

Güvenilirlik kendiliğinden sağlanmaz; ölçülmesi gerekir. Eğitimde çapa yanıtlarla puanlama istemi tasarlanır, sonuçlar insan puanlayıcılarla kappa istatistiğiyle karşılaştırılır ve yüksek riskli kararlarda insan onayı içeren süreçler kurulur.

Eğitim sonunda sertifika ve somut bir çıktı alınıyor mu?

Evet. Katılımcılar belirtke tablosu, madde seti, rubrik ve kurumları için YZ destekli değerlendirme süreci taslağı hazırlar. Programı tamamlayanlar Digital Vizyon Akademi sertifikası alır.

Sertifikalandırma

Bu eğitim Katılım Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

YAPAY ZEKA DESTEKLİ ÖLÇME VE DEĞERLENDİRME EĞİTİMİ