Türkiye’de hem Millî Eğitim Bakanlığı hem de YÖK tarafında yetkinlik temelli çerçeveler uzun süredir inşa ediliyor. Ancak bu çerçevelerin öğrenci bazlı, veri odaklı ve yapay zekâ destekli bir değerlendirme ekosistemine dönüşmesi henüz tamamlanmış değil. Bu yazı, mevcut zemin, olası model ve riskleriyle birlikte “AI destekli ulusal yetkinlik değerlendirme sistemi” fikrini ele almaktadır.
1. Mevcut Durum: Zemin Aslında Hazır
1.1. Türkiye Yeterlilikler Çerçevesi (TYÇ)
Türkiye Yeterlilikler Çerçevesi (TYÇ), MEB, YÖK ve Mesleki Yeterlilik Kurumu’nun birlikte yer aldığı, ülke genelindeki diplomaları ve yeterlilikleri öğrenme kazanımlarına göre seviyelendiren ulusal referans sistemidir. Temel amaç:
- Yeterliliklerin kalitesini artırmak,
- Hayat boyu öğrenmeyi desteklemek,
- Eğitim–istihdam ilişkisini güçlendirmektir.
TYÇ’de tanımlı sekiz temel yetkinlik, AB’nin “Hayat Boyu Öğrenme İçin Anahtar Yetkinlikler” çerçevesiyle uyumludur: anadilde/çok dilli iletişim, matematik ve bilimsel düşünme, dijital yetkinlik, öğrenmeyi öğrenme, sosyal–vatandaşlık, girişimcilik, kültürel farkındalık vb.
1.2. Türkiye Yüzyılı Maarif Modeli ve AI Odaklı Adımlar
Türkiye Yüzyılı Maarif Modeli (TYMM) ile okul öncesinden lise son sınıfa kadar programlar beceri temelli bir yapıya dönüştürülmüş, 10 alan becerisi üzerinden çerçeve güncellenmiştir. Yapay Zekâ Uygulamaları Dersi ve MEB’in AI destekli bireysel öğrenme platformu (MEBİ) gibi girişimler:
- Dijital ve bilimsel düşünme becerilerini güçlendirmeyi,
- Öğrenme analitiği ile kişiselleştirilmiş öğrenme yolları sunmayı
hedeflemektedir.
1.3. Yükseköğretim Yeterlilikler Çerçevesi (TYYÇ)
Türkiye Yükseköğretim Yeterlilikler Çerçevesi (TYYÇ), önlisans, lisans, yüksek lisans ve doktora programlarının her biri için program yeterliliklerini (learning outcomes) tanımlamaktadır. Diplomaların birer “yeterlilik” olarak görülmesi, öğrencilerin eğitim boyunca kazandığı bilgi–beceri–yetkinlik setlerinin daha net ve karşılaştırılabilir hale getirilmesini amaçlar.
Sonuç olarak: Türkiye’de zaten TYÇ + TYMM + TYYÇ ile ulusal bir yetkinlik mimarisi bulunmaktadır. Eksik olan; bu çerçevelerin, öğrenci düzeyinde sürekli ölçüldüğü, dijital olarak izlendiği ve yapay zekâ ile anlamlı geleceğe dönük öngörülere dönüştürüldüğü bir “yetkinlik değerlendirme ekosistemi”dir.
2. AI Çağında Meslek Seçimi Neden Daha Zor?
OECD, UNESCO ve AB raporları ortak bir noktayı vurgulamaktadır:
Geleceğin meslekleri tam olarak öngörülememekte; bu nedenle öğrencilere tek bir mesleğe hazırlamaktan ziyade, adapte olabilir yetkinlik setleri kazandırmak gerekmektedir.
Başlıca zorluklar:
- Mesleklerin ve iş tanımlarının hızla dönüşmesi,
- AI ve otomasyon nedeniyle iş içeriklerinin yeniden şekillenmesi,
- Günümüz ortaokul/lise öğrencilerinin bir kısmının, bugün adı bile bilinmeyen mesleklerde çalışacak olması,
- Sınav puanı ve sınırlı bilgiyle yapılan meslek seçimlerinin, ileride yeniden yönelim, işsizlik ya da düşük iş tatmini riskini artırması,
- AI okuryazarlığı, etik farkındalık ve eleştirel dijital yetkinliklerin yeni bir temel okuryazarlık alanı hâline gelmesi.
Bu nedenle, “meslek seçimi = bir kerelik karar” anlayışı yerini, “dinamik yetkinlik profili + güncellenebilir kariyer rotaları” yaklaşımına bırakmak zorundadır.
3. Öğrenci Bazlı Ulusal Yetkinlik Sistemi: Temel Model
Bu bağlamda önerilen model, yalnızca “bir test daha eklemek” değil; öğrencinin eğitim hayatı boyunca biriken veriyi, AI ile işleyen ulusal bir altyapıya dönüştürmeyi hedefler.
3.1. Öğrenci Yetkinlik Pasaportu
Her öğrenci için, e-Okul, MEBBİS, MEBİ, YÖKSİS ve benzeri sistemlerle entegre çalışan dijital bir “yetkinlik pasaportu” tutulabilir. Bu pasaportta:
- TYÇ/TYMM/TYYÇ’ye göre tanımlanmış temel, akademik, dijital ve sosyal yetkinlik seviyeleri,
- Öğrencinin ilgi alanları, projeleri, sertifikaları ve portföyü,
- AI destekli platformlardan gelen öğrenme analitiği (hangi konularda zorlandığı, hangi alanlarda öne çıktığı vb.)
yer alır.
Bu yapı, OECD’nin tarif ettiği “öğrenci bilgi sistemleri + dijital değerlendirme platformları + kariyer rehberliği” bütünleşik modeline karşılık gelir.
3.2. Kademelere Göre Yaklaşım
- İlkokul (1–4):
Merkezde; okuma–yazma, temel matematik, öğrenmeyi öğrenme, sosyal–duygusal gelişim ve temel dijital okuryazarlık yer alır. Ölçme daha çok oyunlaştırılmış dijital etkinlikler ve öğretmen gözlemlerine dayalı rubrikler ile yapılır. AI, bu aşamada ağırlıkla gelişim odaklı geribildirim için kullanılır. - Ortaokul (5–8):
Amaç, ilgi ve güçlü yönlerin keşfi ile kariyer farkındalığının artırılmasıdır.
Kariyer portalları, okul projeleri ve öğrenme analitiği verileri birleştirilerek, öğrencinin sayısal/sözel/uzamsal düşünme profili ile sosyal–davranışsal yetkinlikleri izlenebilir.
AI, öğrenciye belirli lise yolları ve kariyer kümeleri hakkında “olasılık ve senaryo” bazlı öngörüler sunar; fakat öğrenciyi tek bir mesleğe kilitleyen kesin hükümler üretmez. - Lise (9–12):
TYMM’de tanımlanan alan becerileri, her lise türü için somut öğrenme çıktıları ve yetkinlik göstergeleri ile ilişkilendirilir.
Lise boyunca; akademik ve teknik yetkinlikler, AI ve veri okuryazarlığı, proje yönetimi, girişimcilik, sosyal–vatandaşlık becerileri izlenir.
AI, öğrencinin performans ve ilgi profilinden hareketle YKS sonrası program-meslek senaryolarını risk–fırsat çerçevesinde görünür kılar. - Üniversite (YÖK):
TYYÇ’de tanımlı program yeterlilikleri, öğrencinin kişisel yetkinlik pasaportuna bağlanır.
Öğrenci; hangi program yeterliliklerini ne düzeyde karşıladığını, sektörel ortalamaya göre hangi yetkinliklerde güçlü/zayıf olduğunu görebilir.
Aynı veriler, mezun ve istihdam verisiyle birleştirildiğinde, ülke çapında hangi alanlarda fazla mezun ya da yetkinlik açığı olduğu somut olarak izlenebilir.
4. Olası Meslek Krizlerini Öngörme ve Yönetme
AI destekli yetkinlik değerlendirmesi, iki düzeyde önemli bir erken uyarı mekanizması olabilir:
- Öğrenci düzeyinde:
Öğrencinin yetkinlik profili, ulusal ve uluslararası meslek sınıflandırmaları ile eşleştirilerek, farklı meslek kümeleri için uyum ve risk seviyeleri gösterilebilir. Otomasyona daha açık alanlarda ek yetkinlik setleri önerilebilir. - Sistem/politika düzeyinde:
Ülke genelinde; bölgesel yetkinlik haritaları, program bazlı mezun–istihdam uyum analizi, kritik yetkinlik açıkları gibi veriler, kontenjan planlaması, yeni bölüm açma/kapatma, hedefli mesleki eğitim politikaları için stratejik girdi sağlar.
5. Eğitim Planlamasına Katma Değer
Böyle bir sistem, MEB ve YÖK ölçeğinde:
- Kaynak tahsisini (öğretmen eğitimi, altyapı, burs ve teşvikler) verilere dayalı hâle getirir,
- Genç işsizliği ve meslek uyumsuzluğunu azaltmaya katkı sağlar,
- Eğitim çıktılarının AB ve OECD çerçeveleriyle uyumunu güçlendirir,
- Okullar ve öğretmenler için somut iyileştirme alanları sunar,
- Ulusal dijital dönüşüm, sanayi ve teknoloji stratejileriyle eğitim dünyasını aynı dilde buluşturur.
6. Riskler ve Dikkat Edilmesi Gereken Noktalar
Güçlü bir AI destekli yetkinlik sistemi, doğru ilkelerle tasarlanmazsa ciddi yan etkiler doğurabilir:
- Etiketleme ve kader çizme riski:
Öğrencilerin erken yaşta “şu mesleğe uygun/uygun değil” şeklinde kalıcı etiketlere hapsedilmemesi, sistemin öneri ve olasılık temelli tasarlanması gerekir. - Veri gizliliği ve güvenliği:
TYÇ Yönetmeliği ve KVKK/GDPR çerçevesiyle uyumlu, şeffaf ve denetlenebilir veri kullanımı zorunludur.
Özellikle AI modellerinin hangi veriyi nasıl kullandığı, hangi kararları neye dayanarak ürettiği konusunda şeffaflık önemlidir. - Algoritmik önyargılar:
Sosyoekonomik arka plan, cinsiyet, bölge gibi faktörlere dayalı örtük önyargıların oluşmaması için, modellerin düzenli test ve denetimden geçmesi gerekir. - Öğretmenin devre dışı kalması:
Sistem, öğretmeni değerlendiren bir “otomatik hakem” değil; öğretmeni ve rehberlik birimlerini güçlendiren bir karar desteği aracı olarak konumlandırılmalıdır. Pedagojik son söz insanda kalmalıdır.
7. Uygulama İçin Önerilen Yol Haritası
- Kısa vadede (1–3 yıl):
- TYÇ, TYMM ve TYYÇ’deki yetkinliklerin tek bir ulusal “öğrenci yetkinlik sözlüğü” altında konsolide edilmesi,
- MEBİ, Yapay Zekâ Uygulamaları Dersi, kariyer rehberliği projeleri gibi mevcut girişimlerin ortak veri standartlarına çekilmesi,
- Seçilen illerde ortaokul ve lise kademesinde AI destekli yetkinlik değerlendirme pilotlarının uygulanması.
- Orta vadede (3–7 yıl):
- e-Okul, MEBBİS, YÖKSİS, İŞKUR, SGK gibi sistemler arasında anonimleştirilmiş veri paylaşım altyapısının kurulması,
- Tüm okullarda yıllık yetkinlik değerlendirme döngüsü, AI destekli bireysel öğrenme önerileri ve kariyer senaryolarının devreye alınması.
- Uzun vadede (7+ yıl):
- Eğitim planlaması, büyük ölçüde bu sistemden gelen yetkinlik ve istihdam analitiğiyle yapılır hâle gelebilir,
- Mezunların da pasaportlarının güncellendiği, “öğrenci → mezun → çalışan → yeniden öğrenen” döngüsünü takip eden bir hayat boyu öğrenme ekosistemi kurulabilir.
Bu çerçeve, AI çağında MEB ve YÖK’e entegre bir yetkinlik değerlendirme sisteminin, bireysel düzeyden politika düzeyine kadar hangi katma değerleri üretebileceğini somut biçimde ortaya koymaktadır.