Eğitimde Adaletsiz Eşitsizlik: Yapay Zeka Adalet Araştırmaları İçin Bir Kıyaslama

Bu neden öğrenciler ve toplum için önemli

Dünya genelinde okullar, kimin yardıma ihtiyacı olduğunu, kimin muhtemelen başarılı olacağını ve hatta kimlerin özel programlara erişeceğini belirlemek için giderek daha fazla veri ve algoritmalara dayanıyor. Ancak bu sistemleri besleyen veriler önyargılıysa, algoritmalar sessizce adaletsizliği derinleştirebilir. Bu makale, araştırmacıların yapay zekada haksız muameleyi inceleyip azaltabilmeleri için özel olarak oluşturulmuş yeni bir eğitim veri seti sunuyor; amaç, özellikle dezavantajlı geçmişe sahip öğrenciler de dahil olmak üzere tüm öğrencilerin veri odaklı araçlardan yararlanmasına yardımcı olmak.

Gerçek sınıflara yeni bir bakış

Veri seti, İspanya’nın Kanarya Adaları’ndaki devlet okullarından geliyor ve kırktan fazla bin öğrenciyi birden fazla okul yılı boyunca izliyor. Sadece sınav puanlarını kaydetmek yerine, öğrencilerden, ailelerinden, öğretmenlerinden ve okul müdürlerinden gelen bilgileri birleştiriyor. Bu, öğrencilerin matematik, İspanyolca ve İngilizce derslerindeki başarılarını olduğu kadar aile gelirini ve eğitim düzeyini, evdeki öğrenme kaynaklarını, sınıftaki öğretim uygulamalarını ve öğrencilerin okulla ilgili hislerini de yakaladığı anlamına geliyor. Birkaç yıl ve birden çok sınıf düzeyini kapsadığı için veri, araştırmacıların çocukların nasıl ilerlediğini, nerelerde geride kaldıklarını veya okuldan ayrılma riski taşıdıklarını takip etmelerine olanak tanıyor.

Dağınık okul verisini adil test ortamlarına dönüştürmek

Gerçek hayattaki eğitim verileri dağınıktır: yüzlerce soru, birçok örtüşen konu ve çok sayıda boş yanıt içerir. Bazı aileler gelir veya yaşam koşulları gibi hassas soruları, genellikle korku veya damgalanma nedeniyle atlayabilir. Bu boşlukları sadece tahminlerle doldurmak yerine, yazarlar rastgele eksik yanıtlarla muhtemelen toplumsal kırılganlığı yansıtan yanıtları dikkatle ayırıyor. İkincileri için, eşitsizliği gizleyebilecek otomatik düzeltmelerden kaçınıyorlar. Eğitim ve ekonomi uzmanlarıyla çalışarak, ilişkili soruları öğrencinin bilgisayarı ne sıklıkta kullandığı veya öğretmenlerle bağının ne kadar güçlü hissettirdiği gibi açık, ortalanmış göstergeler halinde daha küçük bir kümeye gruplayıp özellikle hassas desenleri araştırmacıların dikkatle ele alması için olduğu gibi bırakıyorlar.

Hikâyeyi sayılarda tutmak

500’den fazla anket sorusunu yaklaşık 140 özellikle daraltırken verinin anlatısını çarpıtma riski gerçek. Bunun olmadığını kontrol etmek için ekip bir dizi istatistiksel test yürütüyor. Orijinal ve sadeleştirilmiş veriyi, öğrenci geçmişi ile başarı arasındaki ilişkilerde ve cinsiyet, doğum yeri veya aile geliri gibi hassas özellikler ile sonuçlar arasındaki ilişkilerde aynı bağıntıları kodlayıp kodlamadıklarını görmek için karşılaştırıyorlar. Bağımlılık için gelişmiş ölçüler ve çeşitli adalet kontrolleri kullanarak, yeni kompakt veri setinin orijinalde bulunan bilgilerin neredeyse tamamını koruduğunu ve kritik olarak mevcut adaletsiz desenleri ne daha iyi ne de daha kötü hale getirmediğini gösteriyorlar.

Araştırmacıların bu kaynakla keşfedebilecekleri

Veri seti kamuya açık ve kullanımı kolay bir biçimde sağlandığı için birçok çalışma türü için ortak bir “test tezgâhı” sunuyor. Bilim insanları, sınırlı program kontenjanları için öğrenci sıralayan algoritmalar geliştirebilir ve seçimin belirli grupları dezavantajlı duruma düşürmediğini kontrol edebilir. Sınıfta sessizce geri kalan öğrencileri tespit eden ve hangi faktörlerin en sorumlu olduğunu açıklayan araçlar tasarlayabilirler, böylece öğretmenler ve politika yapıcılar müdahale edebilir. Veri ayrıca okul terkine ilişkin erken uyarı modellerini ve aile kaynakları, ebeveynlerin işleri ve eğitimi ile okul bağlamının öğrenme fırsatlarını nasıl şekillendirdiğine dair daha geniş analizleri destekliyor. Ayrıntılı dokümantasyon ve açık kaynak kod, yazarların çalışmalarını çoğaltmayı ve genişletmeyi kolaylaştırıyor.

Bu, eğitimde adil yapay zekayı nasıl ilerletir

Basitçe söylemek gerekirse, makale araştırmacıların algoritmalarının öğrencileri adil muamele edip etmediğini stres-test etmelerine olanak veren dikkatle temizlenmiş, iyi belgelenmiş bir okul veri seti sunuyor. Gizlilik yasalarına saygı gösteriyor, verideki gerçek desenleri—rahatsız edici olanlar da dahil—koruyor ve eksik yanıtların kendilerinin zorluk sinyali olabileceğini açığa çıkarıyor. Ham bilgiyi ve algoritmik kullanım için hazırlanmış küratörlü bir versiyonu bir arada sunarak yazarlar, öğrencileri desteklemeyi amaçlayan ancak haksız eşitsizliği pekiştirmeyen yapay zeka araçlarını oluşturmak, karşılaştırmak ve geliştirmek için topluluğa ortak bir temel veriyorlar.

Atıf: Giovanelli, J., Magnini, M., Ciatto, G. et al. Unfair Inequality in Education: A Benchmark for AI-Fairness Research. Sci Data 13, 572 (2026). https://doi.org/10.1038/s41597-026-06827-x

Anahtar kelimeler: eğitsel veriler, algoritmik adalet, öğrenci başarısı, sosyoekonomik eşitsizlik, sorumlu yapay zeka