Akademik Veri Yönetim Sistemi
International Studies in Educational Sciences, Arslan Ayten,Demirkol Murat,Özdemir Tuncay Yavuz, Editör, Serüven Yayınevi, Ankara, ss.33-55, 2026
Bu çalışma, ChatGPT-4’ün Türkiye’de uygulanan Liselere Geçiş Sistemi (LGS) fen bilimleri sorularını çözme performansını ve sunduğu çözüm açıklamalarının niteliğini incelemeyi amaçlamaktadır. Nitel bir durum çalışması olarak tasarlanan araştırmada, 2018–2023 yılları arasında uygulanan toplam 120 fen bilimleri sorusu içerik analizi yöntemiyle değerlendirilmiştir. Çalışmada ChatGPT-4’ün doğruluk oranı, metinsel ve görsel bilgiyi işleme becerisi, açıklamalarının etkililiği ve öğrenci seviyesine uygunluğu analiz edilmiştir. Elde edilen bulgulara göre ChatGPT-4, metin temelli sorularda %94 doğruluk oranıyla oldukça yüksek bir performans sergilerken, görsel içerikli sorularda bu oran %69’a düşmektedir. Bu durum, modelin metinsel bilgiyi anlama ve yorumlama konusunda oldukça başarılı olduğunu, ancak grafik, tablo ve deneysel görseller gibi görsel unsurların yorumlanmasında zorlandığını göstermektedir. Ayrıca modelin açıklamaları genellikle açık ve detaylı olmakla birlikte, bazı durumlarda doğru akıl yürütmesine rağmen yanlış sonuca ulaştığı görülmüştür. Bu durum, açıklamalar ile nihai cevap arasında bağlantı kurma konusunda sınırlılıklar olduğunu ortaya koymaktadır. Öğrenci seviyesine uygunluk açısından değerlendirildiğinde, ChatGPT-4 çoğunlukla ortaokul düzeyine uygun yanıtlar üretmekte; ancak bazı durumlarda müfredatın ötesine geçerek daha ileri düzey veya matematiksel açıklamalar sunabilmektedir. Buna rağmen ChatGPT-4’ün genel performansının Türkiye ortalamasının üzerinde olduğu belirlenmiş ve bu durum, yapay zekânın fen eğitimi süreçlerinde destekleyici bir araç olarak önemli bir potansiyele sahip olduğunu göstermiştir. Sonuç olarak, ChatGPT-4’ün özellikle metin temelli görevlerdeki yüksek başarısı ve açıklayıcı yanıtları öğrenmeyi destekleyici bir potansiyel sunarken, görsel işleme ve öğrenci seviyesine uygunluk konularında geliştirilmesi gereken yönleri bulunmaktadır. Bu bulgular, yapay zekâ sistemlerinin fen eğitimine daha etkili entegrasyonu için geliştirilmesi gerektiğini ortaya koymaktadır.
This study investigates the performance of ChatGPT-4 in solving science questions from the Turkish High School Transition System (HSTS) and examines the quality of its solution explanations. Using a qualitative case study design, a total of 120 science questions administered between 2018 and 2023 were analyzed through content analysis. The study evaluates ChatGPT-4’s accuracy, its ability to process textual and visual information, the effectiveness of its explanations, and the appropriateness of its responses to the student level. The findings reveal that ChatGPT-4 demonstrates high performance in text-based questions, achieving an accuracy rate of 94%, while its performance decreases in visual-based questions, with an accuracy rate of 69%. These results indicate that the model is highly capable of understanding and interpreting textual information but encounters difficulties in processing visual elements such as graphs, tables, and experimental diagrams. Although ChatGPT-4 generally provides clear and detailed explanations, there are instances where correct reasoning does not lead to correct answers, suggesting limitations in linking explanations to final responses. In terms of educational suitability, ChatGPT-4 mostly produces responses appropriate to middle school students; however, it occasionally exceeds the expected level by incorporating advanced or mathematical explanations not aligned with the curriculum. Despite these limitations, ChatGPT-4’s overall performance is found to be higher than the national average in HSTS science exams, highlighting its potential as a supportive tool in science education. The study concludes that while ChatGPT-4 has strong potential to support learning through accurate explanations and high performance in text-based tasks, improvements are needed in visual processing and level-appropriate response generation. These findings emphasize the importance of further developing AI systems for more effective integration into science education contexts.