İstemlerden Pedagojiye: Transfer Odaklı Kimya Öğrenme Etkinlikleri Tasarlamada ChatGPT ve Gemini'nin Karşılaştırmalı Analizi

Yılmazoğlu Kırtışoğlu E., Karahan E.

28th ICCE & 17th ECRICE (ICCECRICE 2026), Erzurum, Türkiye, 13 - 17 Temmuz 2026, ss.61-62, (Özet Bildiri)

  • Yayın Türü: Bildiri / Özet Bildiri
  • Basıldığı Şehir: Erzurum
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.61-62
  • Orta Doğu Teknik Üniversitesi Adresli: Evet

Özet

Üretken yapay zeka (GenAI) araçlarına gösterilen yoğun ilgi, bu araçların eğitim üzerindeki etkisini yansıtsa da, bunların benimsenmesi pedagojik güvenilirlik ve öğretim tasarımı açısından uygunluk konularında kritik soruları beraberinde getirmektedir. Bu nedenle, bu çalışma GenAI araçlarının gaz yasalarına ilişkin teknoloji entegreli öğrenme etkinliklerini nasıl tasarladığını incelemiştir. Bu amaçla, keşifsel nitelikteki bu çalışmada öz-inceleme (self-study) yöntemi uygulanmıştır. GenAI araçları olarak ChatGPT ve Gemini'nin en güncel sürümleri seçilmiştir. Gerekli özelleştirmelerin ardından; transfer hedefleri, performans görevi senaryoları ve öğrenme etkinlikleri oluşturulmuştur. Araçlara verilen komutlar (istemler) birebir aynı tutulmuş ve "Tasarım Yoluyla Anlama" (UbD) ilkelerine dayandırılmıştır. Elde edilen çıktılar; transfer hedeflerinin doğruluğu, GRASPS çerçevesinin (Hedef, Rol, Hedef Kitle, Durum, Ürün, Standartlar) bileşenleri ve ACT modelinin aşamaları (Edinme, Bağlantı Kurma, Transfer Etme) ile uyumlulukları açısından analiz edilmiştir. Bu sistematik değerlendirme, yapay zeka tarafından üretilen içeriğin öğretimsel tutarlılığını ölçmek için bir kıstas oluşturmuştur. Bulgular, her iki aracın da öğrenme etkinliği için teknolojik araç olarak simülasyon ve Excel kullanımını önerdiğini; ancak transfer hedeflerinin yönelimi, GRASPS bileşenlerinin karmaşıklığı ve ACT yapısı bakımından farklılık gösterdiğini ortaya koymuştur. ChatGPT'nin çıktıları yalnızca kimya bağlamında deneysel çıkarım ve bilimsel düşünmeye odaklanırken, Gemini'nin çıktıları disiplinlerarası bir bağlamda gerçek hayat uygulamaları ve mühendislik düşüncesine odaklanmıştır. Aynı teorik çerçevelerin birbirinden farklı öğrenme çıktıları üretmesi, ChatGPT ve Gemini'nin farklı pedagojik yaklaşımları temel alıyor olabileceğini düşündürmektedir. Bu durum, söz konusu araçların bünyesinde barındırdığı "örtük müfredat"ta temel bir ayrışmaya işaret etmekte ve GenAI aracı seçiminin, öğrenci sorgulama sürecinin niteliğini belirleyen pedagojik bir karar olduğunu göstermektedir. Sonuç olarak bu çalışma, GenAI araçlarının pedagoji üzerindeki tarafsız olmayan rolünü ortaya koyarak kimya eğitimine katkı sağlamakta ve yapay zeka destekli tasarımın pedagojik açıdan sağlam ve bilimsel açıdan doğru kalmasını temin etmek amacıyla "İnsan-Yapay Zeka Hibrit Ortak Tasarım Modeli"ni [Asian Journal of Distance Education 2025, 20, 1, 94-119] savunmaktadır.

While widespread attention to generative artificial intelligence (GenAI) tools reflects their impact on education, their adoption raises critical questions about pedagogical reliability and suitability for instructional design. Therefore, this study investigated how GenAI tools design technology-integrated learning activities about gas laws. For this purpose, the self-study methodology was applied to this exploratory study. The latest versions of ChatGPT and Gemine were selected as GenAI tools. After customizing, transfer goals, performance task scenarios, and learning activities were generated. The prompts given to them were identical and derived from Understanding by Design (UbD) principles. Outputs were analysed based on the accuracy of transfer goals and alignment with the components of the GRASPS framework (Goal, Role, Audience, Situation, Product, Standards) and ACT model phases (Acquire, Connect, Transfer).This systematic evaluation provided a benchmark for assessing the instructional coherence of AI-generated content. Findings revealed that both tools suggested simulation and Excel as technological tools for learning activity; yet they differed in the orientation of transfer goals, complexity of GRASPS components, and ACT structure. ChatGPT’s outputs focused on experimental inference and scientific thinking in the chemistry context only, while Gemini’s were real-life applications and engineering thinking in a cross- disciplinary context. Because the same theoretical frameworks produce dissimilar learning outcomes, ChatGPT and Gemini might lean on different pedagogical approaches. It implies a fundamental divergence in the “hidden curriculum” embedded within them and shows that the choice of GenAI tool is a pedagogical decision that dictates the nature of student inquiry. Overall, this study contributes to chemistry education by showing the non-neutral role of GenAI tools on pedagogy and advocates for the Human-AI Hybrid Co-Design Model [Asian Journal of Distance Education 2025, 20, 1, 94-119] to ensure that AI-driven design remains pedagogically sound and scientifically accurate.