Tennessee okullarındaki Khanmigo AI denemesinde matematikte mütevazı kazanımlar, zayıf etkileşim görüldü

Yapay zeka destekli özel öğretmenliğin nadir bir deneysel testi

Tennessee'deki 18 ortaokulda yürütülen iki yıllık randomize kontrollü deneme, üretken yapay zekanın en çok vaat edilen iddialarından biri — her öğrenciye kişisel bir öğretmen — konusunda ilk büyük ölçekli deneysel kanıtlardan birini üretti. EdWorkingPapers'ta yayımlanan ve Ağustos 2026 tarihli working paper'a göre, Khan Academy'yi AI öğretmeni Khanmigo ile birlikte kullanmak üzere rastgele atanan öğrencilerin matematik başarısı gerçekten arttı — ama araştırmacıların daha önceki çalışmalarda AI bileşeni olmaksızın Khan Academy pratiği için bulunan sonuçlarla karşılaştırılabilir düzeyde.

Hacker News ana sayfasında yer almasının ardından geniş biçimde yayılan çalışma, 18 okul genelinde cluster randomized tasarım kullandı. Atanan öğrenciler, Khanmigo'nun cevapları doğrudan vermek yerine öğrencileri cevaba yönlendirecek şekilde — üreticilerinin ürünün özü olarak sunduğu Sokratik yaklaşım — bilinçli olarak yapılandırıldığı mevcut günlük telafi matematik seanslarında aracı kullandı.

Denemenin ölçtüğü şey

Ana rakamlar olumlu ama mütevazı. Khanmigo koşuluna atanma, matematik başarısını dönem başına 1,3 ulusal yüzdelik sıra artırdı; makale bunu tam bir öğretim yılında yaklaşık 0,06 ila 0,08 standart sapmaya karşılık geliyor olarak yorumluyor. Araştırmacılar ayrıca bir yıl boyunca aktif katılımın yaklaşık 0,14 standart sapmalık bir etki ima ettiğini tahmin ediyor — daha anlamlı bir kazanım, ama çalışmanın kendi etkileşim verisinin sorguladığı bir sürekli kullanım varsayımına dayanıyor.

Kritik biçimde, yazarlar bu kazanımların daha önce Khan Academy'nin sıradan alıştırma etkinlikleri için belgelenenlere benzediğine dikkat çekiyor. Başka bir deyişle, platformun üzerine bir AI öğretmen eklemenin ölçülebilir faydası, bu bağlamda, platformun zaten bir öğretmen olmadan sağladığına yakın görünüyor.

Etkileşim darboğaz olarak ortaya çıktı

Çalışmanın en öğretici bulguları öğrencilerin gerçekte nasıl davrandığıyla ilgili. Erişim neredeyse evrenseldi: Öğrencilerin yüzde 96'sı Khanmigo'yu en az bir kez denedi. Ama anlamlı kullanım nadirdi. Ortanca öğrenci, pratik yaptığı günlerin yalnızca yaklaşık üçte birinde öğretmene mesaj gönderdi ve bir hata yaptığı alıştırma seanslarının yalnızca yüzde 17'sinde ona başvurdu — tam da bir öğretmenin en değerli olması gereken anlarda.

Öğrenciler Khanmigo ile etkileşime girdiğinde bile, etkileşimler aracın teşvik etmeye tasarlandığı özlü matematiksel diyalog olmaktan uzaktı. Makaleye göre mesajların çoğu soru, akıl yürütme veya takip tartışması yerine çıplak cevaplardan ya da önerilen prompt'lara tıklamalardan oluşuyordu. Teknoloji mevcut ve çalışır durumdaydı; öğrenciler onu niyetlendiği biçimde kullanmadı.

Makalenin bu noktadaki sonucu açık: darboğaz yetenek değil, etkileşim gibi görünüyor. Yazarlara göre AI destekli öğretmenlik vaadinin gerçekleşmesi, öğrencilere erişim sağlamaktan öte, onları öğretmeni gerçekten kullanmaya ikna etmeyi gerektirecek.

Neden önemli

AI destekli öğretmenlik hakkındaki iddiaların çoğu anekdotlara, satıcı vaka çalışmalarına veya kısa pilot programlara dayanıyor. Bu, ilk büyük ölçekli, çok yıllı randomize kanıtlardan biri ve baskın anlatıyı iki yönde de karmaşıklaştırıyor. İyimser okuma, atamanın mütevazı bir maliyetle matematik başarısında gerçek, ölçülebilir kazanımlar sağlaması ve sürekli katılımın ima ettiği etkinin — 0,14 standart sapma — gerçekleşebilirse önemli olacağıdır. Umetmeci okuma ise AI bileşeninin, AI olmayan pratiğin zaten ürettiğinin ötesine pek bir şey eklememesi ve öğrencilerin büyük ölçüde ürünün bağlı olduğu türden sohbetleri reddetmesidir.

Okullar, ilçe yönetimleri ve edtech geliştiricileri için pratik ders şu: dağıtım, benimseme demek değildir. Öğrencilerin bir kez açıp sonra görmezden geldiği ya da önerilen prompt'lara tıklayarak kullandığı bir araç, satılan üründen işlevsel olarak farklı bir üründür. AI destekli öğretmenlik abartıdan sonuca doğru ilerleyecekse, zor problemler salt teknik olanlar değil, davranışsal ve pedagojik olabilir — motivasyon, alışkanlıklar ve araçların gerçek matematiksel düşünmeyi nasıl tetiklediği.