29 Temmuz 2025

Karşınızda ders çalışma modu

ChatGPT’nin hızlı yanıtlar vermek yerine adım adım yönlendirdiği yeni bir öğrenme yöntemi.

Yükleniyor...

Bugün ChatGPT’nin ders çalışma modunu, yani sadece yanıt vermek yerine problemleri adım adım çözmenize yardımcı olan bir öğrenme deneyimini kullanıma sunuyoruz. Bugünden itibaren, oturum açmış olan kullanıcıların Free, Plus, Pro ve Team’de erişebileceği ders çalışma modu, birkaç hafta içinde ChatGPT Edu’da da kullanılabilecek.

ChatGPT dünyanın en yaygın kullanılan öğrenme araçlarından biri haline geliyor. Öğrenciler ödevlerindeki zorlu soruları çözmek, sınavlara hazırlanmak ve yeni kavramları keşfetmek için ondan faydalanıyor. Fakat eğitim alanındaki kullanımı, önemli bir soruyu da beraberinde getiriyor: Gerçek öğrenmeyi desteklemek için kullanıldığından ve öğrencilerin anlamasına yardım etmeden sadece çözümü sunmayacağından nasıl emin olacağız?

İşte bu soruyu yanıtlamak için ders çalışma modunu geliştirdik. Öğrenciler ders çalışma modunu kullandığında, daha derin bir anlayışa kavuşmaları için onlara yanıtları hedeflerine ve beceri düzeylerine göre ayarlanan yönlendirici sorular sunulur. Ders çalışma modu, merak uyandırıcı ve interaktif olmasının yanı sıra öğrencilerin sadece işi bitirmesine değil, bir şeyler öğrenmesine yardım etmek üzere tasarlandı.

Ders çalışma modu nasıl geliştirildi?

Özünde ders çalışma modu; öğretmenler, bilim insanları ve pedagoglarla iş birliği içerisinde yazdığımız özel sistem talimatlarıyla çalışır. Aşağıdakiler dâhil daha derin öğrenmeyi destekleyen temel davranışlar setini yansıtır:aktif katılımı teşvik etmek, bilişsel yükü yönetmek, üstbiliş ve özdüşünümü proaktif olarak geliştirmek, merak duygusunu pekiştirmek, eyleme geçirici ve destekleyici geri bildirim sağlamak. Bu davranışlar, öğrenme bilimindeki köklü araştırmalara dayanmaktadır ve ders çalışma modunun öğrencilere nasıl yanıt verdiğini şekillendirir.

“Ders çalışma modu, öğrencilerin işini yapmak yerine onları öğrenecekleri konuda eleştirel düşünmeye teşvik ediyor. Bu tür özellikler, öğrenmede yapay zekanın etkin kullanımı açısından olumlu adımlar. Yapay zeka çağında bile en iyi öğrenme, hâlâ öğrencilerin ders materyaline karşı heyecan duyduğu ve aktif olarak etkileşime girdiği durumlarda gerçekleşiyor.” Robbie Torney, Common Sense Media Yapay Zeka Programları Kıdemli Direktörü.

Ana özellikler

Etkileşimli istemler: Doğrudan yanıtlar vermek yerine Sokratik yöntem ile sorgulama, ipuçları ve özdüşünüm istemlerini birleştirerek anlama sürecini yönlendirir ve aktif öğrenmeyi destekler.

Yapıcı yanıtlar: Bilgiler, konular arasındaki ana bağlantıları öne çıkaran, takibi kolay bölümler hâlinde düzenlenmiştir. Yeterli miktarda bağlam sunarak ve karmaşık konular içinde boğulmayı azaltarak bilgileri ilgi çekici hâle getirir.

Kişiselleştirilmiş destek: Dersler, önceki sohbetlerde beceri seviyesini ve hafızayı değerlendirmek üzere sorulan sorulara dayanarak kullanıcının seviyesine göre kişiselleştirilir.

Bilgi kontrolleri: Mini testler ve açık uçlu soruların yanı sıra kişiselleştirilmiş geri bildirimlerle ilerleme izlenir, bilgilerin akılda kalması ve bu bilgileri yeni bağlamlara uygulama becerisi desteklenir.

Esneklik: Ders çalışma modu, sohbet sırasında kolayca açılıp kapatılabilir ve böylece her sohbette öğrenme hedeflerine uyum sağlama esnekliği sunar.

Öğrenciler ders çalışma modunu nasıl kullanıyorlar?

Ders çalışma modu, üniversite öğrencileri düşünülerek tasarlandı. İlk testler sırasında öğrencilerden aldığımız bazı geri bildirimler:

“7/24 erişebileceğiniz, canlı ve bilgece bir ‘mesai saati’ olarak tanımlardım.” Noah Campbell, üniversite öğrencisi

“Ders çalışma modu, yoğun materyalleri iyi bir tempoya sahip, net açıklamalara bölmekte çok başarılı.” Caleb Masi, üniversite öğrencisi

“Daha önce defalarca öğrenmeye çalıştığım bir kavram olan sinüzoidal konumsal kodlamaları bana öğretmesini isteyerek ders çalışma modunu test ettim. Sorularımdan bıkmayan bir eğitmen gibiydi. 3 saatlik bir çalışma oturumunun ardından nihayet konuyu kendime güvenecek kadar anladım.” Maggie Wang, üniversite öğrencisi

ChatGPT laboratuvarındaki üniversite öğrencilerinden ilham alan, ders çalışma modu kullanım biçimleri

I want to learn about Game Theory, specifically the broad spectrum that the field entails, then also the ways in which you think it'd be useful for me to understand in my daily life. I want you to of course follow my curiousity, but mostly you will be teaching me about it, and keeping a high level plan to iterate through so I can cover the full scope here. I will ask questions when I am curious, but be deadset on quickly educating me on this.

Perfect. Here’s the high-level plan I’ll drive us through—think of it as a layered roadmap from foundational ideas to practical intuition:

🔹 Phase 1: Core Foundations

1. What is Game Theory, really?

Strategic interaction, rational agents, assumptions.

2. Types of Games

Cooperative vs non-cooperative
Simultaneous vs sequential
Zero-sum vs non-zero-sum

3. Basic Concepts

Players, strategies, payoffs, information
Dominant strategies
Nash equilibrium (core to nearly everything)

🔸 Phase 2: Classic Games & Concepts

4. Famous Games

Prisoner’s Dilemma
Chicken
Battle of the Sexes
Stag Hunt
Matching Pennies

5. Mixed Strategy Equilibria

When no pure strategy works
Randomization and expected payoffs

🔹 Phase 3: Deepening the Model

6. Repeated Games & Folk Theorems

Cooperation emerging over time
Tit for Tat, Grim Trigger, etc.

7. Extensive-Form Games

Game trees, backward induction
Subgame Perfect Equilibria

8. Bayesian Games

Games with incomplete information
Beliefs, types, and expected utility

🔸 Phase 4: Real-Life Relevance

9. Mechanism Design / Reverse Game Theory

Voting systems, auctions, contracts

10. Behavioral Game Theory

Bounded rationality, fairness, heuristics

11. Daily Life Applications

Negotiation, dating, politics, AI systems, etc.

🔹 Phase 5: Advanced & Optional

12. Evolutionary Game Theory

Strategies that reproduce over time

13. Algorithmic Game Theory

Network effects, internet auctions

14. Your world: How it matters to Parker

Systems design, incentives, power structures

Throughout this, I’ll mix in:

🔄 Guided examples
🧠 Thought experiments
🎭 Real-life situations to map theory onto
🧩 Quick checks to make sure ideas are sticking

Let’s kick off Phase 1.
First quick one: In your own words, what do you think Game Theory is about? No need to be polished—just get it out.

I think Game Theory is sort of this meta aspect framing of modern society in life where we look at people in situations and complex systems and we try to analyze how people in them make decisions, sometimes why they make it, and how this affects the situation/system

Nice—you're already circling the core.

Let’s sharpen it a bit together. Game Theory is fundamentally about strategic decision-making—situations where the outcome for each person depends not just on what they do, but on what others do too.

So real quick:

If you’re making a decision and it depends entirely on nature or chance—like a dice roll—is that Game Theory?

And then:

If you’re making a decision and it depends on what someone else does—like whether they cooperate or betray you—is that Game Theory?

Walk me through your thinking on both.

No random chance isn't game theory, though agents in game theory may end up having things depend on random chance. But if youre decision matters then of course it is. Also please remember you should be teaching this to me, via paragraphs of information and moving through a high level plan. If I want to do interactions and questions, I will ask. Continue

Got it—I'll stay in teaching mode and drive forward through the roadmap unless you tap in.

📍Phase 1: Core Foundations — What Game Theory Is

At its heart, Game Theory studies strategic interactions: any situation where the outcome for each agent (person, company, nation, etc.) depends on the actions of others. It’s not about games in the traditional sense, but rather any “game” where decisions must be made in the presence of others who are also making decisions.

Key Assumptions (Classical Game Theory):

1. Rational agents – Everyone acts to maximize their own utility (whatever that means to them).

2. Strategic thinking – Agents consider what others might do before acting.

3. Common knowledge – Everyone knows the rules, the payoffs, and that everyone is rational (though later variants relax this).

🧩 Core Building Blocks

Here are the elements every formal game model needs:

Players – The decision-makers.
Strategies – The complete set of actions each player could take.
Payoffs – The outcomes (usually represented numerically) each player receives depending on the combination of strategies chosen.
Rules of play – Whether players move simultaneously or in turns, whether they see each other’s moves, whether they play once or repeatedly.

These get framed into a “game form”, and from there, you look for solutions—most famously, Nash equilibrium (more on that soon).

🎲 Quick Clarification: Game Theory vs Probability

You're exactly right—pure chance (like dice) isn’t Game Theory. That’s probability theory. But if you are choosing a strategy knowing that others may randomize their own moves? That’s Game Theory.

For example: in rock-paper-scissors, the “optimal” strategy is not deterministic—it’s a mixed strategy, which involves randomizing your choices. But you’re doing so strategically, in response to an opponent.

🧠 Where We’re Going Next

Next up, I’ll walk through types of games (Phase 1 continued), then move into dominant strategies and Nash equilibrium to set up the first actual game analysis.

Let me know if you want to pause, go deeper, or shift gears—but otherwise I’ll keep pressing forward.

I like the rock paper scissors example. Keep going, connecting to my life where possible. want to internalize this to be a better person/decision maker

Başlamak için

Ders çalışma modu özellikle ödev desteği, sınav hazırlığı ve yeni konuları öğrenme açısından çok kullanışlı. Denemek için ChatGPT’deki araçlardan “Ders çalış ve öğren”i seçip bir soru sorun.

Sınırlamalar ve bundan sonra bizi bekleyenler

ChatGPT ile öğrenmeyi geliştirme yolculuğunda bu daha ilk adım. Ders çalışma modu şu anda özel sistem talimatlarıyla çalışıyor. Bazen tutarsız davranışlara ve sohbetlerde hatalara yol açsa da bu yaklaşımı, gerçek öğrencilerin sağladığı geri bildirimlerden hızla ders almak ve deneyimi iyileştirmek için tercih ettik. Yineleme ve öğrenci geri bildirimleri sayesinde neyin en iyi çalıştığını anladığımızda bu davranışı doğrudan ana modellerimizde eğitmeyi planlıyoruz.

Ayrıca ders çalışma modunu öğrenciler için daha ilgi çekici ve yararlı hâle getirmek amacıyla, aşağıdakiler dâhil bazı işlevleri inceliyoruz:

Karmaşık veya metin ağırlıklı kavramlarda daha net görselleştirme
Sohbetlerde hedef belirleme ve ilerleme takibi
Her bir öğrencinin beceri seviyesine ve hedeflerine göre daha detaylı kişiselleştirme

Yapay zekayı eğitim alanına uygulamanın en iyi yollarını bulmak için yapılan araştırmalar devam ediyor. OpenAI, NextGenAI⁠ girişimi kapsamında çeşitli ortaklarla birlikte öğrenme ve yapay zeka üzerine araştırmaları sürdürmenin yanı sıra, Stanford Üniversitesinin Accelerator for Learning merkezi⁠(yeni bir pencerede açılır) bünyesindeki SCALE Girişimi uzmanlarıyla iş birliği yaparak yapay zeka araçlarının, ilk ve orta öğretim gibi alanlardaki öğrenme sonuçları üzerindeki etkilerini inceleyip paylaşıyor.

Öğrencilerin yapay zeka yardımıyla nasıl daha iyi öğrenebileceğini anlamak için uzun soluklu araştırmalar yapmaya devam ediyoruz. Bu süreçte, model tasarımı ve kavrama arasındaki bağlantılar hakkında öğrendiklerimizi daha derin analizlerle yayımlamayı, gelecekteki ürün deneyimlerini bu bilgiler doğrultusunda şekillendirmeyi ve yapay zekanın dünya genelindeki öğrencilere fayda sağlaması için daha geniş eğitim ekosistemiyle yakın iş birliği içerisinde çalışmayı planlıyoruz.

Yazar

OpenAI

Okumaya devam et

Tümünü görüntüle

Better memory for a more helpful ChatGPT

ChatGPT belleği için daha güçlü bir temel

Araştırma4 Haz 2026

GPT-Rosalind’e yeni yetenekler kazandırıyoruz

Ürün3 Haz 2026

Her rol, araç ve iş akışı için Codex

Ürün2 Haz 2026