Bir sınav notu zekâmızı, bir performans puanı yeteneklerimizi, bir algoritma potansiyelimizi ne kadar doğru gösterebilir? Psikoloji, öğrenme bilimi ve yapay zekâ alanındaki yeni araştırmalar, insanı değerlendirme biçimimizi yeniden düşünmeye çağırıyor.

Hayatımız boyunca ölçülüyoruz.

Okula başladığımızda sınav notlarıyla, iş hayatına girdiğimizde performans değerlendirmeleriyle, hastaneye gittiğimizde test sonuçlarıyla karşılaşıyoruz. Dijital dünyada ise davranışlarımız algoritmalar tarafından analiz ediliyor, tercihlerimiz sınıflandırılıyor ve bazen hiç farkında olmadığımız puanlama sistemlerinin bir parçası hâline geliyoruz.

Sayıların hayatımızdaki yeri o kadar büyük ki zaman zaman onların gerçekte ne anlama geldiğini sorgulamayı unutuyoruz.

Bir öğrencinin aldığı 85 puan, bir çalışanın performansının 10 üzerinden 7 olarak değerlendirilmesi ya da bir kişinin zekâ testinden belirli bir sonuç alması bize ne anlatıyor?

Daha önemlisi, neyi anlatmıyor?

Son yıllarda ölçme ve değerlendirme alanında yaşanan gelişmeler, bu soruları yeniden gündeme taşıdı. Eğitim psikolojisinden bilişsel bilimlere, dijital teknolojilerden yapay zekâya kadar pek çok alan, geleneksel değerlendirme yöntemlerinin sınırlarını araştırıyor.

1. Aynı Puanı Alan İki İnsan Gerçekten Aynı mıdır?

Bir sınıfta aynı sınavdan 85 puan alan iki öğrenci düşünelim.

Birinci öğrenci bilgileri hızlı ezberliyor, sınavlarda başarılı oluyor; ancak karşısına alışılmadık bir problem çıktığında zorlanıyor.

İkinci öğrenci konuları daha yavaş öğreniyor. Buna karşılık farklı bilgiler arasında bağlantılar kurabiliyor, özgün çözümler geliştirebiliyor ve öğrendiklerini gündelik yaşamda kullanabiliyor.

İki öğrenci aynı puanı aldı.

Peki aynı becerilere mi sahipler?

Bu örnek kurgusal olsa da ölçme biliminin temel sorunlarından birini açıklıyor: Her ölçme aracı belirli özellikleri, belirli koşullar altında değerlendirir.

Bir sınav öğrencinin o sorulara verdiği cevaplar hakkında bilgi sağlar. Fakat yaratıcılık, problem çözme, duygusal dayanıklılık, merak ve öğrenme isteği gibi başka özellikleri aynı kapsamda değerlendirmeyebilir.

Bu durum sınavların gereksiz olduğu anlamına gelmez. Sorun, bir ölçüm sonucundan ölçmediği özellikler hakkında da kesin yargılar çıkardığımızda başlar.

Psikoloji bize ne söylüyor?

Sınav performansı yalnızca bilgi düzeyine bağlı değildir. Kaygı, dikkat, motivasyon ve değerlendirme koşulları da sonucu etkileyebilir.

2018 yılında Journal of Affective Disorders dergisinde yayımlanan, 238 araştırmayı kapsayan bir meta-analiz, sınav kaygısıyla akademik performans arasında genel olarak olumsuz bir ilişki bulunduğunu gösterdi. İlişkinin büyüklüğü değişmekle birlikte sonuçlar, sınav kaygısının değerlendirmede dikkate alınması gereken bir unsur olduğunu ortaya koyuyor.

Bir insanın o gün gösterdiği performans, onun her koşuldaki kapasitesinin tam karşılığı değildir.

2. Sayıların Yarattığı Kesinlik Yanılsaması

Bir termometre hava sıcaklığını ölçer. Bir tartı, ağırlık hakkında bilgi verir. Ölçüm koşulları uygun olduğunda sonuçlar oldukça anlamlıdır.

İnsan davranışlarını değerlendirmek ise daha karmaşıktır.

Çünkü zekâ, motivasyon, yaratıcılık veya kişilik gibi özellikleri, bir nesnenin uzunluğunu ölçer gibi doğrudan gözlemleyemeyiz.

Psikolojide bu tür özellikleri değerlendirmek için testler, ölçekler, gözlemler ve farklı ölçme araçları kullanılır.

Burada iki önemli kavram öne çıkar:

Güvenirlik, bir ölçme aracının tutarlı sonuçlar üretmesiyle ilgilidir.

Geçerlik ise elde edilen puanlardan yapılacak yorumların, kullanım amacı bakımından bilimsel olarak ne kadar desteklendiğiyle ilgilidir.

Örneğin bir tartı her tartılmamızda aynı sonucu veriyor olabilir. Ancak sistematik olarak beş kilogram fazla gösteriyorsa tutarlı olması, doğru ölçtüğü anlamına gelmez.

İnsanları değerlendiren testlerde de benzer bir sorun yaşanabilir.

Bir kişilik testi tutarlı sonuçlar üretebilir; fakat o sonuçlara dayanarak bir insanın belirli bir meslekte mutlaka başarılı olacağını söylemek ayrı ve çok daha güçlü bir bilimsel kanıt gerektirir.

Amerikan Eğitim Araştırmaları Derneği (AERA), Amerikan Psikoloji Derneği (APA) ve Ulusal Eğitimde Ölçme Konseyi (NCME) tarafından hazırlanan Standards for Educational and Psychological Testing adlı standartlar, ölçme sonuçlarının yorumlanmasında geçerlik, güvenirlik ve adil kullanımın önemini vurgular.

Günlük yaşamda ise bu ayrımları çoğu zaman gözden kaçırırız.

Bir restorana verilen beş yıldız, orada herkesin aynı deneyimi yaşayacağını göstermez. Bir çalışanın performans puanı, onun her becerisini açıklamaz. Bir öğrencinin dönem ortalaması, gelecekte hangi alanlarda başarılı olacağını kesin olarak belirlemez.

Sayılar karar vermemize yardımcı olabilir; ancak sayının kendisi, onu nasıl elde ettiğimizden ve nasıl yorumladığımızdan bağımsız değildir.

3. Goodhart Yasası: Ölçmeye Başladığımızda Davranışlar Neden Değişir?

Ölçme ve değerlendirmeyle ilgili en ilginç fikirlerden biri, ekonomi alanından doğdu.

1970’li yıllarda İngiliz ekonomist Charles Goodhart, ekonomik göstergelerin politika hedefi hâline getirilmesinin, bu göstergelerin güvenilirliğini değiştirebileceğine dikkat çekti.

Daha sonra sosyal antropolog Marilyn Strathern, bu düşünceyi çok daha genel bir ifadeyle ortaya koydu:

“Bir ölçüt hedef hâline geldiğinde, iyi bir ölçüt olma özelliğini yitirir.”

— Marilyn Strathern, 1997 (Türkçe çeviri)

Bugün bu düşünce yaygın olarak Goodhart Yasası adıyla biliniyor.

Peki gündelik hayatımızla ne ilgisi var?

Bir okulun tek başarı göstergesinin sınav ortalaması olduğunu düşünelim.

Okul yönetimi bu ortalamayı yükseltmek istiyor. Öğretmenler daha fazla test çözdürüyor, öğrenciler sınavda çıkabilecek soru tiplerine yoğunlaşıyor.

Zaman içinde notlar yükselebilir.

Ancak bu yükseliş, öğrencilerin konuları daha iyi anladığını, eleştirel düşünme becerilerinin geliştiğini veya öğrendiklerini gerçek yaşamda kullanabildiklerini tek başına kanıtlamaz.

Benzer bir durumu iş hayatında da görebiliriz.

Bir müşteri temsilcisinin başarısı yalnızca gün içinde cevapladığı çağrı sayısıyla değerlendirildiğinde çalışan daha fazla görüşme tamamlamaya odaklanabilir. Buna karşılık müşterilerin sorunlarını gerçekten çözmek için ayırdığı süre azalabilir.

Burada dikkat edilmesi gereken nokta şudur: Ölçüt yanlış olmak zorunda değildir. Ancak tek hedef hâline geldiğinde, insanların o ölçüte uyum sağlamak için davranışlarını değiştirmesi mümkündür.

Goodhart Yasası bize değerlendirmeyle ilgili önemli bir uyarıda bulunur:

4. Sınavlar Yalnızca Öğrendiklerimizi Ölçmez, Öğrenmemizi de Sağlayabilir

Bir sınavın görevinin ne olduğunu sorsak çoğumuz benzer bir cevap veririz: Öğrencinin ne kadar öğrendiğini belirlemek.

Oysa bilişsel psikoloji araştırmaları, sınavların bundan daha farklı bir işlevi olabileceğini gösteriyor.

Bilim insanları Henry L. Roediger ve Jeffrey D. Karpicke’nin 2006 yılında yayımladıkları araştırma, öğrenilen bilgiyi bellekten geri çağırmanın uzun süreli hatırlamayı güçlendirebildiğini ortaya koydu.

Bu bulgu, psikoloji literatüründe test etkisi (testing effect) veya geri getirme alıştırması olarak bilinen olgunun önemli örneklerinden biridir.

Roediger, araştırmalarını anlatırken bu durumu şu sözlerle özetlemişti:

“Belleği sınamak yalnızca ne bildiğimizi değerlendirmez; belleğimizi de değiştirir.”

— Henry L. Roediger III, Association for Psychological Science, 2012 (Türkçe çeviri)

Bu fikir günlük yaşamımızda da oldukça işe yarayabilir.

Bir kitap okuduğumuzu düşünelim.

Kitabı bitirdikten sonra aynı sayfaları tekrar tekrar okumak yerine kitabı kapatıp kendimize birkaç soru sormayı deneyebiliriz:

Az önce ne öğrendim? Bu konunun en önemli üç fikri neydi? Okuduklarımı bir başkasına anlatabilir miyim?

İşte burada değerlendirme, öğrenme sürecinin bir parçasına dönüşür.

John Dunlosky ve çalışma arkadaşlarının 2013 yılında yayımladıkları kapsamlı araştırma derlemesi de kendini sınama ve öğrenmeyi zamana yayma yöntemlerini farklı koşullarda etkili öğrenme teknikleri arasında değerlendirdi.

Not vermekten gelişimi izlemeye

Öğrenme biliminden elde edilen bu bulgular, eğitimde biçimlendirici değerlendirme anlayışını destekleyen bilgi birikiminin bir parçasıdır.

Bu yaklaşımda amaç yalnızca öğrenmenin sonunda bir sonuç belirlemek değildir. Öğrenme devam ederken kişinin neyi anladığını, nerede zorlandığını ve nasıl ilerleyebileceğini belirlemektir.

Örneğin bir öğrencinin matematik probleminde yanlış sonuca ulaşması, sürecin tamamen başarısız olduğu anlamına gelmeyebilir.

Öğrenci problemi doğru anlamış ancak son işlemde hata yapmış olabilir. Başka bir öğrenci doğru sonuca ulaşmış fakat kullandığı yöntemin neden işe yaradığını açıklayamıyor olabilir.

Yalnızca doğru veya yanlış cevaba bakmak bu iki durumu birbirinden ayırmakta yetersiz kalır.

Açıklayıcı geri bildirim, yeniden deneme fırsatı ve gelişimin zaman içinde izlenmesi ise daha zengin bilgiler sağlayabilir.

5. PISA 2025: Geleceğin Ölçme Yöntemleri Nasıl Değişiyor?

Ölçme ve değerlendirme alanındaki dönüşümün önemli örneklerinden biri, Ekonomik İşbirliği ve Kalkınma Örgütü’nün (OECD) yürüttüğü Uluslararası Öğrenci Değerlendirme Programı, yani PISA.

PISA uzun yıllardır 15 yaşındaki öğrencilerin okuma, matematik ve fen alanlarındaki bilgi ve becerilerini gerçek yaşam problemleri üzerinden değerlendiriyor.

Ancak son yıllarda yalnızca geleneksel akademik alanlara değil, farklı düşünme ve problem çözme becerilerine de odaklanıyor.

Örneğin 2022 döngüsünün 2024 yılında yayımlanan yaratıcı düşünme sonuçlarında, öğrencilerden tek doğru cevabı seçmenin ötesine geçen görevleri tamamlamaları istendi.

Özgün fikir üretme, farklı çözüm yolları geliştirme ve mevcut fikirleri iyileştirme gibi süreçler değerlendirildi.

Bu yaklaşım önemli bir değişimi temsil ediyor: Öğrencinin yalnızca ne bildiğini değil, bildikleriyle ne yapabildiğini de anlamaya çalışmak.

Dijital dünyada öğrenmek de değerlendiriliyor

8 Eylül 2026’da ilk sonuçları yayımlanan PISA 2025’te ise Dijital Dünyada Öğrenme adlı yenilikçi değerlendirme alanı dikkat çekiyor.

Bu alanda öğrencilerin dijital araçlarla problem çözmesi, bilgi kaynaklarından yararlanması ve hesaplamalı modeller geliştirmesi gibi beceriler ele alınıyor.

Geleneksel bir soruda öğrenci kendisine sunulan seçenekler arasından bir cevap seçebilir.

Yeni nesil dijital görevlerde ise öğrencinin bilgiye ulaşması, farklı yöntemleri denemesi, karşılaştığı problemleri çözmesi ve ortaya bir ürün koyması gerekebiliyor.

Bu gelişme, geleceğin değerlendirme sistemlerinin yalnızca sonuçları değil, öğrenmeye ilişkin süreçleri de daha ayrıntılı inceleyebileceğini gösteriyor.

PISA 2025’in öz düzenlemeli öğrenme süreçlerine ilişkin daha kapsamlı sonuçlarının Mayıs 2027’de yayımlanması bekleniyor.

Türkiye’den dikkat çekici bir veri

PISA 2025 Türkiye ülke raporuna göre öğrencilerin %52’si, öğrenmelerine yardımcı olması için yapay zekâ sohbet araçlarını haftada en az bir kez kullandığını bildirdi.

OECD ortalaması ise %46 olarak açıklandı.

Bu sonuç, yapay zekânın öğrencilerin öğrenme alışkanlıklarında önemli bir yer edinmiş olduğunu gösteriyor.

Ancak bu kullanım oranları, yapay zekâ kullanan öğrencilerin mutlaka daha iyi öğrendiği anlamına gelmiyor.

6. Yapay Zekâ ile Daha Başarılı Görünmek, Gerçekten Daha Bilgili Olmak mıdır?

Ölçme ve değerlendirme alanındaki en düşündürücü gelişmelerden biri, yapay zekânın öğrenmeye etkisini araştıran deneylerden geliyor.

2025 yılında Proceedings of the National Academy of Sciences (PNAS) dergisinde yayımlanan bir araştırma, oldukça dikkat çekici sonuçlar ortaya koydu.

Hamsa Bastani ve çalışma arkadaşlarının gerçekleştirdiği araştırmada, Türkiye’deki bir lisede yaklaşık 1.000 öğrencinin katıldığı matematik eğitimi deneyi incelendi.

Araştırmacılar üç farklı durumu karşılaştırdı.

Bir öğrenci grubu geleneksel yöntemlerle çalışırken diğer bir gruba genel amaçlı bir yapay zekâ yardımcısı sunuldu. Üçüncü grup ise öğrencinin doğrudan cevabı alması yerine ipuçlarıyla kendi çözümüne ulaşmasını destekleyecek şekilde tasarlanmış bir yapay zekâ öğreticisi kullandı.

Çalışma sırasında yapay zekâ desteği alan öğrencilerin problem çözme performansı yükseldi.

Fakat asıl ilginç sonuç, bu yardım ortadan kaldırıldığında ortaya çıktı.

Genel amaçlı yapay zekâ yardımını kullanan öğrencilerin bağımsız sınav puanları, kontrol grubuna göre yaklaşık %17 daha düşük bulundu.

Öğrenmeyi korumaya yönelik yönlendirmelerle tasarlanmış yapay zekâ öğreticisini kullanan grupta ise aynı olumsuz etki büyük ölçüde ortadan kalktı.

Bu sonuçların belirli bir okul, ders ve deney koşullarıyla sınırlı olduğunu unutmamak gerekiyor. Çalışma, yapay zekânın her kullanımda öğrenmeye zarar verdiğini göstermiyor.

Ancak son derece önemli bir ayrımı görünür kılıyor:

Yapay zekâ doğru kullanıldığında ne değişebilir?

OECD’nin Ocak 2026’da yayımladığı Digital Education Outlook 2026 raporu da benzer bir ayrıma dikkat çekiyor.

Rapora göre genel amaçlı üretken yapay zekâ araçları, bireylerin görevleri daha hızlı veya daha başarılı tamamlamasını sağlayabilir. Fakat bu durum her zaman kalıcı öğrenme kazanımlarına dönüşmeyebilir.

Buna karşılık öğrenme hedefleriyle uyumlu tasarlanmış sistemler, anlamlı geri bildirim ve düşünmeyi teşvik eden yönlendirmelerle öğrenmeyi destekleyebilir.

Örneğin bir yapay zekâya matematik probleminin cevabını doğrudan sordurmakla, çözüm yolundaki hatayı bulmak için ipucu istemek aynı öğrenme deneyimini oluşturmaz.

Benzer şekilde bir yazıyı tamamen yapay zekâya hazırlatmakla, kişinin kendi yazısını geliştirmek için eleştiri ve öneriler alması farklı süreçlerdir.

Bu nedenle geleceğin ölçme ve değerlendirme sistemleri yalnızca ortaya çıkan ürünün kalitesini değil, bireyin bilgi ve beceriyi ne ölçüde bağımsız kullanabildiğini de değerlendirmek zorunda kalabilir.

7. Algoritmalar Bizi Daha Adil Değerlendirebilir mi?

Yapay zekânın ölçme ve değerlendirmeye kazandırabileceği önemli olanaklar bulunuyor.

Dijital değerlendirme sistemleri, bireyin cevaplarına göre soruların güçlüğünü uyarlayabilir. Böylece herkesin aynı soru dizisiyle karşılaşması yerine, uygun biçimde geliştirilmiş bir sistemde kişinin beceri düzeyi daha verimli tahmin edilebilir.

Yapay zekâ destekli araçlar yazılı çalışmalarda geri bildirim oluşturabilir, problem çözme süreçlerindeki olası hataları belirleyebilir ve öğretmenlerin değerlendirme çalışmalarını destekleyebilir.

Ancak burada yeni bir sorun ortaya çıkıyor.

Bir insanın değerlendirmede taraflı davranması mümkün olduğu gibi, yapay zekânın kullandığı veriler ve karar kuralları da taraflı sonuçlar üretebilir.

Örneğin geçmişte belirli insan gruplarının yeterince temsil edilmediği bir veri kümesiyle geliştirilen değerlendirme sistemi, bu grupların özelliklerini doğru yansıtmayabilir.

Üstelik algoritmanın kararının sayısal veya teknik bir biçimde sunulması, onu otomatik olarak tarafsız yapmaz.

UNESCO’nun 2023 yılında yayımladığı Guidance for Generative AI in Education and Research belgesi, eğitimde üretken yapay zekâ kullanımının insan merkezli bir yaklaşımla ele alınmasını; veri gizliliği, eşitlik ve etik değerlendirme konularına dikkat edilmesini öneriyor.

Buradaki temel soru yalnızca yapay zekânın ne kadar hızlı veya doğru puan verdiği değildir.

Aynı zamanda o puanın nasıl oluşturulduğu, hangi koşullarda geçerli olduğu, kimin tarafından denetlenebildiği ve hatalı bir sonuca itiraz etmenin mümkün olup olmadığıdır.

Teknoloji değerlendirme sürecini güçlendirebilir. Fakat adalet, şeffaflık ve insan sorumluluğu yalnızca teknolojiye devredilemez.

8. Gelecekte İnsanları Neye Göre Değerlendireceğiz?

Geleceğin ölçme ve değerlendirme anlayışını düşündüğümüzde karşımıza önemli bir soru çıkıyor:

Bir insanın bugünkü başarısını mı ölçmeliyiz, yoksa gelişme kapasitesini de anlamaya mı çalışmalıyız?

Geleneksel değerlendirmeler çoğunlukla belirli bir andaki performansın kaydedilmesine dayanır. Oysa insan yaşamı sürekli değişir.

Bugün belirli bir konuda zorlanan biri, uygun öğrenme fırsatlarıyla yarın çok daha iyi bir performans gösterebilir.

Bir öğrencinin ilk denemesiyle beşinci denemesi arasındaki gelişim, yalnızca son puanından farklı bilgiler sunar.

Bir çalışanın yalnızca tamamladığı iş sayısı değil; karşılaştığı sorunları nasıl çözdüğü, iş birliği becerisi ve değişen koşullara nasıl uyum sağladığı da değerlendirme amacına göre önem taşıyabilir.

Elbette her şeyi ölçmek mümkün değildir. Üstelik her özelliği ölçmeye çalışmak da gerekli veya doğru olmayabilir.

Bu nedenle gelecekte iyi değerlendirme sistemlerinin daha fazla veri toplamak kadar, hangi verinin gerçekten anlamlı olduğunu belirlemeye de odaklanması gerekiyor.

Daha gelişmiş teknolojiler, daha fazla ölçüm ve daha ayrıntılı analizler bize yardımcı olabilir.

Ancak daha iyi değerlendirme, yalnızca daha fazla sayıya sahip olmak değildir.

Daha iyi değerlendirme; hangi soruya cevap aradığımızı bilmek, uygun yöntemleri seçmek, sonuçları doğru yorumlamak ve bir insan hakkında karar verirken ölçümün sınırlarını kabul edebilmektir.

Sonuç: Bir İnsan Bir Puandan Daha Fazlasıdır

Ölçme ve değerlendirme hayatımızdan çıkmayacak.

Sınavlara, testlere, performans göstergelerine ve bilimsel ölçümlere ihtiyaç duymaya devam edeceğiz. Çünkü değerlendirme, doğru kullanıldığında öğrenmemizi, gelişmemizi ve daha bilinçli kararlar vermemizi sağlayan önemli bir araçtır.

Ancak bilimsel araştırmaların ve yeni teknolojilerin bize hatırlattığı önemli bir gerçek var:

Ölçüm sonuçları anlamlı olabilir, fakat her zaman eksiktir.

Bir sınav öğrencinin belirli koşullardaki bilgi ve becerileri hakkında fikir verebilir. Bir performans değerlendirmesi çalışanın belirli hedeflere ulaşma düzeyini gösterebilir. Bir algoritma ise verilerde insan gözünün kolayca fark edemeyeceği ilişkileri ortaya çıkarabilir.

Bunların hiçbiri tek başına bir insanın bütün yeteneklerini, karakterini, gelecekteki gelişimini veya topluma katabileceği değeri açıklayamaz.

Belki de ölçme ve değerlendirmedeki en önemli yenilik, geliştirdiğimiz teknolojilerden önce, sorduğumuz sorunun değişmesidir.

Eskiden daha çok “Bu insan kaç puan aldı?” diye soruyorduk.

Bugün ise giderek daha fazla “Bu insan ne biliyor, ne yapabiliyor, nasıl öğreniyor ve nasıl gelişebilir?” sorularını tartışıyoruz.

Ve belki de geleceğin en iyi değerlendirme anlayışı, insanları daha fazla sayıya dönüştüren değil, sayıların arkasındaki insanı daha iyi anlamamıza yardımcı olan anlayış olacaktır.

---

Kaynakça

1. OECD (2026). PISA 2025 Results (Volume I): Future-Ready Students. PISA 2025’in uluslararası sonuçları.
2. OECD (2026). PISA 2025 Results: Türkiye Country Note. Türkiye’nin yapay zekâ kullanımı ve öğrenci performansı verileri.
3. OECD (2026). PISA 2025: Learning in the Digital World. Dijital öğrenme ve yenilikçi değerlendirme yaklaşımı.
4. OECD (2026). OECD Digital Education Outlook 2026. Yapay zekâ, öğrenme ve değerlendirme üzerine araştırma derlemesi.
5. Bastani, H. ve diğerleri (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. PNAS.
6. von der Embse, N. ve diğerleri (2018). Test anxiety effects, predictors, and correlates: A 30-year meta-analytic review. Journal of Affective Disorders.
7. Dunlosky, J. ve diğerleri (2013). Improving Students’ Learning With Effective Learning Techniques. Psychological Science in the Public Interest.
8. Roediger, H. L. ve Karpicke, J. D. (2006). Test-enhanced learning: Taking memory tests improves long-term retention. Psychological Science.
9. Strathern, M. (1997). Goodhart Yasası’nın ölçme anlayışındaki yeri ve alıntının kaynak bilgileri.
10. AERA, APA ve NCME (2014). Standards for Educational and Psychological Testing.
11. UNESCO (2023). Guidance for Generative AI in Education and Research.

Not: Makaledeki bilimsel bulgular belirtilen çalışmaların kapsamı içinde değerlendirilmiştir. Örnek olaylar açıklama amacıyla kurgulanmış; alıntılar Türkçeye çevrilmiştir. PISA 2025 verileri, 8 Eylül 2026’da yayımlanan ilk sonuçlara dayanmaktadır.