Flalingo FLAI: Yapay Zekâ ile İngilizce Öğreniminde Gerçek Performans Analizi

FLAI, her dersten 47 pedagojik metrik çıkararak konuşma oranı, kelime çeşitliliği ve seviye uyumunu ölçen yapay zekâ tabanlı dil analiz sistemidir.

"İyi bir dil dersi nasıl ölçülür?" Bu soruya çoğu kişi "öğrencinin ne kadar mutlu olduğuna göre" veya "öğretmenin deneyimine göre" gibi cevaplar verir. Ancak modern eğitim bilimi bize gösteriyor ki, gerçek öğrenme başarısı somut, ölçülebilir metriklerle çok daha doğru değerlendirilebilir.

Dil öğreniminde kritik sorular şunlardır: Öğretmenin mi yoksa öğrencinin mi daha çok konuşması gerekir? Hangi kelimeler öğretilmeli? Öğrencinin konuşma hızı ne olmalı? Ders sırasında ne kadar duraklama normaldir? Bu soruların cevapları, artık tahmine değil, veriye dayanmalı.

FLAI (Foreign Language AI Analyzer), her dersden 47 farklı pedagojik metrik çıkarır. Bu metrikler, sadece "ne oldu" sorusunu cevaplamakla kalmaz, "ne kadar iyi oldu" ve "ne yapılabilir" sorularına da objektif yanıtlar sunar. Bu blog'da, FLAI'nin ölçtüğü temel metrikleri, pedagojik önemlerini ve öğrenme sürecine katkılarını detaylı şekilde inceleyeceğiz.

1. Konuşma Oranı Analizi: Dersinde Kimin Sesi Duyuluyor?

Konuşma Oranı (Talk Ratio)

Dil öğreniminde en kritik metriklerden biri, öğrenci-öğretmen konuşma dengesidir. Araştırmalar gösteriyor ki, öğrencinin dilde ilerleyebilmesi için aktif olarak "üretim" (production) yapması gerekir. Pasif dinleme önemli olsa da, dili gerçekten öğrenmek için kullanmak şarttır.

FLAI, her derste şunları ölçer:

• Öğrencinin toplam konuşma süresi (saniye ve yüzde)
• Öğretmenin toplam konuşma süresi (saniye ve yüzde)
• İki taraf arasındaki denge oranı

Pedagojik İdeal: Dil öğrenimi literatüründe, öğrencinin ders süresinin en az %60'ında aktif olarak konuşması önerilir. Öğretmen, rehberlik eden, düzelten ve model olan kişidir, ancak dersin ana konuşmacısı öğrenci olmalıdır.

FLAI'nin Yaklaşımı: Sistem, her dersin talk ratio'sunu hesaplar ve şu durumları otomatik olarak tespit eder:

• ✅ İdeal Denge (Öğrenci %55-70, Öğretmen %30-45): Ders pedagojik açıdan sağlıklı
• ⚠️ Öğretmen Dominant (Öğretmen %70+): Öğrenciye yeterli konuşma fırsatı verilmiyor
• 🚨 Kritik Durum (Öğretmen %95+): FLAI bu dersi otomatik olarak "error" statusüne alır ve platform yöneticisine bildirim gönderir

Gerçek Örnek: Bir ders analiz edildiğinde:

Bu sonuç, öğrencinin sadece %38 konuştuğunu gösterir. FLAI, öğretmene şu öneride bulunur: "Öğrenciniz bu derste yeterince konuşma fırsatı bulamadı. Bir sonraki derste daha açık uçlu sorular sorarak öğrenciyi konuşmaya teşvik edin."

Neden Önemli?

Birçok öğretmen, "öğrencime çok şey öğrettim" diyerek mutlu ayrılırken, aslında öğrencinin hiç pratik yapma fırsatı olmamış olabilir. FLAI, bu durumu objektif olarak ortaya koyar ve farkındalık yaratır.

2. Konuşma Hızı ve Akıcılık: Tempo ve Ritim

Konuşma Hızı (Talking Speed)

Konuşma hızı, dakikada kaç kelime (words per minute - WPM) konuşulduğunu ölçer. Bu metrik, öğrencinin dile ne kadar hakim olduğunun önemli bir göstergesidir.

Öğretmen İçin Aksiyon: FLAI, öğrencinin konuşma hızını zaman içinde izler. Eğer öğrenci sürekli 60 WPM altında kalıyorsa, öğretmene "Öğrencinizin kelime dağarcığını geliştirmeye odaklanın" önerisi sunar. Eğer hız gittikçe artıyorsa (örneğin, 3 ay içinde 70 WPM'den 110 WPM'ye), bu açık bir gelişim göstergesidir ve öğrenciyi motive etmek için kullanılabilir.

Duraklama Süreleri (Pause Times)

Konuşma sırasındaki duraklamalar, öğrencinin düşünme süreçleri, kelime arama çabaları veya güven seviyesi hakkında bilgi verir.

FLAI Metrikleri:

• Total Pause Time: Toplam sessizlik süresi
• Average Pause Duration: Ortalama duraklama uzunluğu
• Pause in PHW (Pauses per Hundred Words): Her 100 kelimede kaç kez duraklanıyor

Pedagojik Anlam:

• Kısa Duraklamalar (1-2 saniye): Doğal, düşünme süresi
• Orta Duraklamalar (3-5 saniye): Kelime arama, hafif tereddüt
• Uzun Duraklamalar (5+ saniye): Ciddi kelime bilgisi eksikliği veya güven problemi

Eğer öğrenci her 100 kelimede 10'dan fazla duraklama yapıyorsa, bu öğretmene şu sinyalleri verir:

• Öğrenci konfor alanının dışına çıkıyor (bu iyi olabilir, zorlanma = öğrenme)
• Ancak çok fazla zorlanıyorsa, ders seviyesi biraz düşürülmeli

Mikrofon Kapalı Süresi (Muted Time)

Online derslerde bazen öğrenciler mikrofonlarını kapatırlar. FLAI, bu süreleri de izler.

Analiz:

• Uzun muted time → Öğrenci derste pasif veya rahatsız olabilir
• Sık açma-kapama → Teknik sorun veya öğrenci katılım isteksizliği

3. Kelime Dağarcığı Analizi: Öğrenmenin Kalbindeki Metrikler

Dil öğreniminin temel taşı kelimelerdir. FLAI, kelime dağarcığını çok yönlü analiz eder.

Toplam Kelime (Total Words)

Öğrencinin ders boyunca kullandığı toplam kelime sayısı.

Bu, öğrencinin derste ne kadar aktif olduğunun en basit göstergesidir. İdeal olarak, 60 dakikalık bir derste öğrenci en az 400-600 kelime kullanmalıdır.

Benzersiz Kelimeler (Unique Words)

"Toplam kelime içinden kaç farklı kelimenin kullanıldığı” ifadesi, dersteki tekrarları çıkararak benzersiz kelime sayısını ölçer. Örneğin “I think… I think it is very good” cümlesinde toplam 7 kelime olsa da, “I” ve “think” tekrarlandığı için unique sayı 5’tir. Bu metrik, öğrencinin kelime çeşitliliğini gösterir ve genelde TTR = Unique / Total oranıyla değerlendirilir. 

Metin uzadıkça TTR doğal olarak düşebilir; bu nedenle sonuçlar, öğrencinin seviyesi ve konuşma bağlamı dikkate alınarak yorumlanmalıdır.

Pedagojik Değer: Zaman içinde TTR'nin artması, öğrencinin kelime hazinesinin genişlediğini gösterir. FLAI, bu metriği haftalık ve aylık olarak takip ederek, öğretmene ve öğrenciye gelişim raporları sunar.

Yeni Öğrenilen Kelimeler (New Words)

FLAI'nin en güçlü özelliklerinden biri, GPT-4 ile otomatik yeni kelime tespitidir. Sistem, diyaloğu analiz ederek öğretmenin bilinçli olarak öğrettiği yeni kelimeleri tespit eder.

Sözlük Entegrasyonu (Dictionary Data): Her yeni kelime için FLAI otomatik olarak:

• Cambridge veya Oxford sözlüklerinden tanım çeker
• Örnek cümleler ekler
• Telaffuz bilgisi (IPA) sağlar

FLAI, öğrencinin yeni öğrendiği kelimeler için yalnızca tanım değil, eş anlamlı (synonym) önerileri de sunar. Örneğin, “adventure” kelimesi için sistem “journey”, “expedition” ve “quest” alternatiflerini; “curious” kelimesi için ise “interested”, “inquisitive” ve “eager” kelimelerini önerir.

Bu yaklaşım, öğrencinin kelime hazinesini sadece sayısal olarak değil, anlamsal çeşitlilik açısından da zenginleştirir. Böylece öğrenci aynı kavramı farklı bağlamlarda ifade etmeyi öğrenir ve konuşma akıcılığı güçlenir.

Bu sayede öğrenci, sadece yeni kelimeyi değil, alternatiflerini de öğrenme fırsatı bulur.

Pedagojik Faydası:

• Öğretmen, "bu derste 8 yeni kelime öğrettim" diyebilir
• Öğrenci, öğrendiği kelimeleri sonradan tekrar edebilir
• Ders müfredatı oluşturulurken hangi kelimelerin öğretildiği takip edilir

Most Common Words (En Sık Kullanılan Kelimeler)

Öğrencinin en çok kullandığı kelimelerin listesi.

Analiz:

• "I think", "like", "maybe" gibi filler words çok sık kullanılıyorsa → Öğrenci tereddütlü veya eksik kelime bilgisi var
• Spesifik, anlamlı kelimeler çoksa (örneğin "fascinating", "demonstrate", "analyze") → Öğrenci ileri seviyede

Aksiyon Önerisi: FLAI, eğer öğrenci aynı kelimeleri çok sık tekrarlıyorsa, öğretmene "Bu kelimelerin alternatiflerini öğretin" önerisi yapar.

Kelime Zorluk Analizi (Word Difficulty Analysis)

FLAI, her kelimeyi CEFR (Common European Framework of Reference) standartlarına göre kategorize eder: A1, A2, B1, B2, C1, C2.

Pedagojik Kritik Anlam:

Bu metrik, dersin öğrenci seviyesine uygunluğunu ölçer.

Senaryo 1: Seviye Uyumsuzluğu Bir A2 seviyesindeki öğrenciye yapılan derste:

Bu dağılım çok problemli! Öğretmen, öğrencinin seviyesinin çok üstünde kelimeler kullanıyor. Sonuç:

• Öğrenci anlamıyor
• Motivasyon düşüyor
• Öğrenme gerçekleşmiyor

FLAI, bu durumu tespit eder ve öğretmene uyarı gönderir: "Bu derste kullanılan kelimelerin %55'i öğrencinin seviyesinin üstünde. Daha basit kelimeler kullanın."

Senaryo 2: Çok Kolay İçerik Bir B2 öğrenciye:

Bu da problem! Öğrenci sıkılıyor, gelişmiyor. FLAI önerisi: "Öğrenciniz daha zorlayıcı içerik için hazır. B2-C1 seviyesi kelimeler ekleyin."

Nadir Kelime Yüzdesi (Rare Word Percentage)

FLAI, Oxford 5000 ve COCA gibi İngilizce kelime frekans listelerini kullanarak metindeki “nadir” kelimeleri ayıklar; bu sayede metnin gerçek zorluk düzeyi görünür hâle gelir. Verinizdeki nadir kelime oranı %12,5 olduğundan, bu %10–20 aralığına denk gelir ve “normal, dengeli” bir profil işaret eder (karşılaştırma için: %5 altı = çok temel konuşma; %30+ = çok akademik ya da gereksiz karmaşık).

Bu oran, B1–B2 düzeyindeki öğrenciler için anlamlı bir meydan okuma sunarken akıcılığı da korur. Nadir kelimeler ileri seviye (B2–C1) öğrenciler için kelime hazinesi ve nüans kazandırmada değerlidir; ancak başlangıç seviyesinde (A1–A2) bilişsel yük yaratabilir.

Bu nedenle A1–B1 gruplarında aynı kavramın daha yaygın eş anlamlılarını tercih etmek, nadir kelimeler için kısa sözlük notu/ipuçları eklemek ve ilk karşılaşmada bağlam içi örnekle desteklemek idealdir; B2–C1’de ise bu oran korunup, hedeflenen akademik/mesleki terimlerle seçici biçimde artırılabilir.

4. Dil Tespit ve Analizi: İmmersion Kalitesi

Dil Tespiti (Language Detection)

FLAI, derste kullanılan tüm dilleri otomatik olarak tespit ederek öğrenci ve öğretmen konuşmalarını ayrı ayrı analiz eder. Bu sayede hangi dilin ne kadar sıklıkla kullanıldığını ölçer ve öğrencinin hedef dildeki (İngilizce) maruziyet düzeyini objektif biçimde raporlar.

Bu örnekte, öğrenci toplam 456 kelime söylemiş ve bunların 76’sı Türkçe, yani yaklaşık %16,6 oranında anadil kullanımına yer vermiştir. Bu oran, İngilizce derslerinde ara sıra ana dile başvurmanın tipik bir örneğidir. Özellikle başlangıç ve orta seviye öğrencilerde (%10–20 arası) bu oran doğaldır; öğrenciler, karmaşık düşünceleri açıklarken veya anlam doğrulaması yapmak isterken ana dile yönelirler.

Ancak hedef, bu oranı zamanla azaltmaktır. İdeal olarak B1 seviyesinden itibaren Türkçe kullanım oranı %10’un altına, B2 ve üzeri düzeylerde ise %5’in altına düşmelidir. FLAI bu verileri düzenli olarak izleyerek öğrencinin hedef dilde düşünme ve kendini ifade etme becerisinin nasıl geliştiğini sayısal olarak gösterebilir. Bu sayede öğrenci, kendi farkındalığını artırır; öğretmen ise ders stratejilerini bu verilere göre optimize edebilir.

Neden Önemli? Dil öğreniminde "tam immersion" (tam daldırma) çok kritiktir. Öğrenci ne kadar az ana dilini kullanırsa, o kadar çok hedef dilde düşünmeye başlar.

FLAI, eğer ana dil kullanımı yüksekse, öğretmene şu öneride bulunur: "Öğrenciniz sık sık Türkçe'ye kayıyor. Bilinmeyen kelimeleri İngilizce açıklayarak ana dil kullanımını azaltabilirsiniz."

5. Güvenlik ve İçerik Moderasyonu

Çocuk Dersleri İçin (Moderation API)

FLAI, çocuklara özel derslerde güvenliği sağlamak için gelişmiş bir içerik denetleme sistemi kullanır. Sistem, ders sırasında geçen tüm konuşmaları analiz eder ve olası risk unsurlarını otomatik olarak tespit eder. Bu unsurlar arasında uygunsuz içerik, şiddet içeren dil, nefret söylemi ve cinsel içerik gibi öğrencinin gelişimini olumsuz etkileyebilecek durumlar yer alır.

Kod düzeyinde, crontab.py dosyasının ilgili kısmında bu kontrol mekanizması açıkça tanımlanmıştır. Eğer ders bir çocuk dersi olarak işaretlenmişse, sistem  fonksiyonunu çalıştırır. Bu fonksiyon, diyalogda uygunsuz içerik tespit edilip edilmediğini kontrol eder. Eğer konuşma “flagged” olarak işaretlenirse, sistem anında bir dizi otomatik aksiyon devreye sokar.

Öncelikle platform yöneticisine Chat üzerinden otomatik bir bildirim gönderilir. Bu sayede yöneticiler, potansiyel riskli durumlardan anında haberdar olur. Ardından ders kaydı manuel incelemeye alınır ve içeriğin bağlamı insan moderatörler tarafından değerlendirilir. Gerekli görülürse, ilgili öğretmen ile iletişime geçilir ve açıklama talep edilir veya düzeltici önlemler alınır.

Bu sistem, FLAI’ın çocuk güvenliğini öncelikli hale getirdiğini ve yalnızca öğretim kalitesine değil, etik ve güvenli bir öğrenme ortamı oluşturma sorumluluğuna da büyük önem verdiğini gösterir. Böylece ebeveynler, çocuklarının tamamen güvenli ve denetimli bir çevrede İngilizce öğrendiklerinden emin olabilirler.

6. Gerçek Senaryo Örnekleri: Veriden Aksiyona

Senaryo 1: Dengesiz Konuşma Dersi

FLAI raporu, Melis öğretmenin B1 seviyesindeki öğrencisi Ahmet ile yaptığı derslerdeki iletişim dengesini ve öğrencinin aktif konuşma performansını detaylı biçimde analiz etmiştir. İlk 60 dakikalık derste elde edilen veriler, öğrencinin ders süresince konuşma fırsatlarının sınırlı kaldığını göstermektedir.

Toplam konuşma oranı incelendiğinde, öğrenci yalnızca %15, öğretmen ise %85 oranında konuşmuştur. Bu dengesizlik, öğrenci merkezli konuşma pratiğinin yeterince sağlanamadığına işaret etmektedir.

Ayrıca öğrenci toplam 89 kelime kullanmış ve bu sayı hedef aralığı olan 400–600 kelimenin oldukça altında kalmıştır. Konuşma hızı da 65 kelime/dakika (WPM) olarak tespit edilmiştir; bu değer, hedef aralık olan 90–120 WPM’nin altındadır.

FLAI sisteminin önerisi doğrultusunda Melis öğretmene, öğrencisine daha fazla söz hakkı tanıması, açık uçlu sorular sorması, öğrenciden hikaye veya kişisel deneyim anlatmasını istemesi ve kendi cümlelerini daha kısa tutması tavsiye edilmiştir. Bu öneriler, öğrencinin daha doğal ve özgüvenli bir şekilde konuşmasını teşvik etmeyi amaçlamıştır.

Sonraki derste Melis öğretmen bu önerileri uygulamış ve sonuçlar gözle görülür biçimde değişmiştir. Yeni FLAI raporuna göre, öğrenci konuşma oranı %15’ten %58’e yükselmiş, öğretmenin payı ise %42’ye gerilemiştir.

Ayrıca öğrencinin kullandığı toplam kelime sayısı 89’dan 412’ye çıkarak hedef aralığa ulaşmıştır. Bu gelişme, öğrencinin hem kelime üretkenliğinde hem de derse katılım düzeyinde önemli bir ilerleme kaydettiğini göstermektedir.

Genel olarak bu sonuç, FLAI’ın veriye dayalı öğretmen geri bildirimlerinin etkisini açıkça ortaya koymaktadır. Melis öğretmenin uyguladığı stratejik değişiklikler, öğrencinin aktif öğrenme sürecini güçlendirmiş; böylece ders, öğretmen merkezli yapıdan öğrenci merkezli etkileşimli bir yapıya dönüşmüştür.

Senaryo 2: Seviye Uyumsuzluğu

FLAI raporu, A2 seviyesindeki öğrenci Zeynep ile öğretmeni Can arasında yapılan dersin dil uygunluğunu analiz etmiştir. Rapor, ders boyunca kullanılan kelimelerin zorluk düzeyini detaylı biçimde incelemiş ve önemli bir dengesizlik tespit etmiştir.

Verilere göre, ders içeriğinde kullanılan kelimelerin %65’i B2 ve üzeri seviyededir, bu da öğrencinin mevcut A2 düzeyinin oldukça üstündedir. Ayrıca, nadir kelime oranı %35 olarak hesaplanmıştır; bu oran, FLAI standartlarına göre “yüksek” seviyededir.

Sonuç olarak, Zeynep’in ders sırasında sık sık anlam kaybı yaşaması ve etkileşimin düşük kalması beklenen bir durumdur.

FLAI sistemi, bu veriler ışığında öğretmen Can’a, öğrencinin anlayabileceği dil düzeyine uygun kelimeler seçmesini önermiştir. Raporun önerisi, karmaşık ve soyut kelimeler yerine daha sade ve günlük kullanıma uygun ifadelerin tercih edilmesidir.

Örneğin, “sophisticated” yerine “nice” veya “good”, “contemplate” yerine “think about”, “inevitable” yerine “certain to happen” gibi alternatifler sunulmuştur. Bu yaklaşım, öğrencinin hem anlamı kavramasını hem de kelimeleri doğal bir bağlam içinde öğrenmesini kolaylaştırmaktadır.

Sonraki derslerde Can öğretmen, bu önerileri uygulamaya başlamıştır. Daha basit ve seviyeye uygun kelimelerle ders anlatımı, Zeynep’in anlamaya dayalı katılımını artırmıştır.

Öğrenci artık dersi daha rahat takip edebilmekte, anlamadığı yerlerde daha az zorlanmakta ve ders boyunca aktif kalabilmektedir. Bu değişiklik, yalnızca öğrenme deneyimini değil, aynı zamanda öğrencinin memnuniyetini ve derse devam etme isteğini (retention) de olumlu yönde etkilemiştir.

Bu örnek, FLAI sisteminin öğretim kalitesine doğrudan katkı sağlayan yapay zekâ destekli analiz gücünü göstermektedir. Öğretmenlerin seviye uyumunu doğru şekilde yönetmesi, öğrencinin motivasyonunu koruyarak sürdürülebilir öğrenme başarısına ulaşmasını sağlar.

Senaryo 3: İlerleme Takibi - Mehmet'in 12 Haftalık Yolculuğu

FLAI, Mehmet’in 12 haftalık sürecini ders bazında izleyerek gelişimi net biçimde ortaya koyuyor. Hafta 1 → Hafta 12 arasında öğrencinin kullandığı benzersiz kelime sayısı 150’den 420’ye çıkarak %180 arttı.

Bu artış, yalnızca ezberlenen kelime sayısının değil, Mehmet’in farklı bağlamlarda kelime seçip kullanabilme esnekliğinin de güçlendiğini gösteriyor. Yani sözcük dağarcığı genişlediği gibi, ifade çeşitliliği ve anlatım zenginliği de belirgin biçimde yükselmiş durumda.

Akıcılık tarafında da anlamlı bir sıçrama var: Konuşma hızı 70 WPM’den 115 WPM’ye yükselerek yaklaşık %64 arttı. Bu, cümle kurma güveninin ve otomatikliğin güçlendiğine; duraksamaların azaldığına işaret eder.

Genellikle 90–120 WPM bandı rahat iletişim için sağlıklı kabul edildiğinden, Mehmet’in son değerinin bu aralığın üst sınırına yaklaşması akıcılık hedefine uyumlu bir tablo sunuyor.

Etkileşim dengesi de iyileşti: Öğrenci konuşma oranı %45’ten %65’e çıktı — yani +20 puan (yaklaşık %44 göreli artış). Bu, derste söz hakkının öğrenciden yana kaydığını ve üretken konuşma fırsatlarının etkin kullanıldığını gösteriyor.

Kısacası, Mehmet 12 haftada hem daha fazla ve çeşitli kelime kullanıyor, hem daha akıcı konuşuyor, hem de derste daha fazla söz alıyor; bu üçlü gelişim kalıcı dil kazanımı için güçlü bir temel oluşturuyor.

Kapanış: Veriden Öğrenmeye

FLAI'nin ölçtüğü bu metrikler, sadece sayılar değildir. Her biri, öğrencinin öğrenme yolculuğunda kritik bir noktayı temsil eder. Konuşma oranı, öğrencinin ne kadar aktif olduğunu; kelime dağarcığı, ne kadar ilerlediğini; konuşma hızı, ne kadar rahat olduğunu gösterir.

Geleneksel sistemlerde bu bilgiler kaybolur, tahmini kalır veya hiç ölçülmez. FLAI ile birlikte, her ders bir veri hazinesi haline gelir ve bu veriler:

• Öğretmenlere öğretim yöntemlerini iyileştirme fırsatı verir
• Öğrencilere net hedefler ve motivasyon sağlar
• Platform yöneticilerine kalite kontrolü ve büyüme imkanı tanır

Veri + insan öğretmen kombinasyonu, mükemmel öğrenme deneyimi yaratır. FLAI, bu denklemi mümkün kılan teknolojidir.