Daha iyi öğrenme sonuçları için duygusal zekâya sahip yapay zekâya derin öğrenme yaklaşımı

Neden Duygular Öğrenme İçin Önemli

Stresli veya sıkılmışken ders çalışmayı denemiş olan herkes bilir ki duygular öğrenmeyi ya kolaylaştırır ya da engeller. Yine de çoğu eğitim yazılımı hâlâ öğrencileri beden dışı beyinler gibi ele alıyor ve yalnızca doğru ya da yanlış cevaplara göre uyarlama yapıyor. Bu makale, yüz, ses ve sözcüklerden öğrencinin nasıl hissettiğini algılayabilen ve bu içgörüyü onları motive etmek, desteklemek ve yolda tutmak için kullanan yeni bir tür duygusal zekâlı yapay zekâ öğretmeni inceliyor.

Sınav Puanlarından Gerçek Duygulara

Geleneksel yapay zekâ eğitim sistemleri neredeyse tamamen bilişsel verilere odaklanır: bir öğrencinin kaç soruyu doğru yaptığı, ne kadar hızlı yanıt verdiği veya hangi konularda eksik olduğu gibi. Oysa araştırmalar merak, hayal kırıklığı, kaygı ve tatmin duygularının dikkat, hafıza ve azmi güçlü biçimde şekillendirdiğini gösteriyor. Bu duyguları görmezden gelmek, bir sistem zorluk seviyesini tam öğrenci pes etmek üzereyken yükseltmesine veya gerçekten kafası karışmış bir öğrenciye neşeli teşviklerde bulunmasına yol açabilir. Yazarlar, etkili bir öğretim yazılımının öğrencilerin ne bildiğini ve nasıl hissettiğini aynı anda okuyup yanıtlaması gerektiğini savunuyor.

Bilgisayara Yüzleri, Sesleri ve Sözleri Okutmak

Duygusal farkındalıklı bir öğretmen oluşturmak için araştırmacılar üç bilgi akışını birleştirdiler. İlk olarak, duygularla etiketlenmiş büyük bir yüz görseli koleksiyonu kullanarak gülümseme, kaş çatma veya kalkmış kaşlar gibi sinyalleri tespit eden bir görsel model eğittiler. İkinci olarak, öfke, mutluluk ve hayal kırıklığı gibi duygularla işaretlenmiş canlandırılmış konuşma veritabanına dayanarak ton, perde ve konuşma hızındaki ipuçlarını yakalayan bir ses modeli geliştirdiler. Üçüncü olarak ise yazılı yorumların veya cevapların kendinden emin, sinirli ya da nötr olup olmadığını algılayabilmesi için metin dökümanlarıyla bir dil modeli eğittiler. Bu bileşenlerin her biri ham görüntüleri, sesleri veya sözcükleri kompakt bir “duygusal parmak izi”ne dönüştürüyor.

Sistemin Sinyalleri Tek Bir Ruh Haline Nasıl Birleştirdiği

Hiçbir tek kanalın tüm hikâyeyi anlatmadığını kabul ederek ekip, üç parmak izini birleştirmek için grafik tabanlı bir derin öğrenme yöntemi kullandı. Basitçe söylemek gerekirse sistem, yüz, ses ve metin gibi her bir modülayı ağ içinde bağlı bir düğüm olarak ele alıyor. Eğitim sırasında ağ, bu parçaların tipik olarak nasıl ilişkilendiğini öğreniyor: örneğin gergin bir sesin sıkça ciddi bir yüz ifadesiyle beraber olup olmadığı veya neşeli bir dilin yorgun bir ifadeyi dengeleyip dengeleyemeyeceği gibi. Bu bağlantılar boyunca mesajlar ileterek model, bir kaynak gürültülü veya eksik olsa bile öğrencinin duygusal durumuna dair ortak bir tahmine varıyor. Bu birleşik tahmin daha sonra öğretmenin yanıtlarını yönlendiriyor; örneğin tempoyu yavaşlatmak, ipuçları vermek veya cesaretlendirme eklemek gibi.

Duygu Farkındalıklı Yapay Zekâ Gerçekten Öğrencilere Yardımcı Oluyor mu?

Araştırmacılar sistemlerini standart duygu veri setlerinde değerlendirdiler ve yalnızca görüntü, yalnızca ses veya bu ikisini basitçe birleştiren daha geleneksel modellerle karşılaştırdılar. Mutluluk, üzüntü, öfke ve nötrlük gibi duygular genelinde yeni çerçeve daha doğru ve daha dengeliydi—özellikle düzenli çalışma için önemli olan olumlu ve nötr ruh hallerinde. Öğrenme oturumlarını taklit eden kullanıcı çalışmalarında öğrenciler, duygu farkındalıklı sistemin daha destekleyici ve duyarlı hissettirdiğini bildirdi. Ölçülebilir sonuçlar da bunu doğruladı: öğrenenler daha uzun süre dikkatlerini korudu, olumsuz duyguları daha etkili düzenledi ve yalnızca bilişsel odaklı yapay zekâ araçlarını kullananlara göre daha fazla görevi tamamladı.

Vaatler, Riskler ve Sonraki Adımlar

Duygusal veriler hassas olduğu için yazarlar etik konulara önemli yer ayırıyor. Bilgilendirilmiş onam, sıkı gizlilik korumaları ve kültürler ile yaş grupları arasında önyargıya karşı güvenlik önlemlerinin gerekliliğini vurguluyorlar. İleriye bakıldığında, sınıf içinde ince duyguları algılayabilen, gerçek zamanlı çalışabilen ve akıllı öğretmenler veya sanal gerçeklik dersleri gibi araçlara entegre olabilen sistemleri öngörüyorlar. Uzman olmayanlar için çıkarılması gereken ana sonuç basit: sadece cevaba değil, aynı zamanda ifadeye, tona ve sözcük seçimine de dikkat ederek yapay zekâ öğretmenleri not veren makineler gibi davranmak yerine daha düşünceli insan öğretmenlere benzer davranabilir—öğrencilerin öğrenirken nasıl hissettiklerini anlayarak onların daha iyi öğrenmesine yardımcı olabilir.

Atıf: Wu, X., Lee, T., Lilhore, U.K. et al. A deep learning approach to emotionally intelligent AI for improved learning outcomes. Sci Rep 16, 7431 (2026). https://doi.org/10.1038/s41598-026-37750-1

Anahtar kelimeler: duygu farkında öğrenme, Yapay zekâ öğretim sistemleri, öğrenci katılımı, multimodal duygu tanıma, eğitim teknolojisi