🔍

Tanılayıcı Değerlendirme Modülü

Tema veya ünite başında öğrencilerin ön koşul bilgi ve becerilerini ölçerek hazırbulunuşluk düzeyini belirleyen araçlar. Sarmalık ilkesiyle alt sınıflardan üst sınıflara doğru yapılandırılmış tanılama ve profil analizi sunar.

📌 Bu Modül Ne Zaman Kullanılır?

Yeni bir tema, ünite veya dönem başlangıcında öğrencilerin ön koşul öğrenmelerini belirlemek istediğinizde kullanılır. Öğrencilerin mevcut bilgi düzeyini tespit ederek bireyselleştirilmiş öğretim planlaması yapmanıza olanak tanır. Sınıfın genel hazırbulunuşluk profilini çıkarmak ve eksik ön koşulları belirleyerek telafi planı oluşturmak için idealdir.

Araçlar

🔍

Tanılayıcı Değerlendirme

Ön koşul öğrenmelerin özet anlatımları ve hazırbulunuşluk etkinlikleri üretir. Supabase'den otomatik çekilen ön koşul kazanımlarına dayalı kapsamlı hatırlatma, çözümlü örnekler, tanılayıcı test (12-15 soru), değerlendirme rubriği, öğrenci profil şablonu ve bireyselleştirilmiş telafi planı sunar.

• Ön koşul kazanım analizi ve özet anlatımlar

• 12-15 soruluk tanılayıcı test

• Değerlendirme rubriği ve profil şablonu

• Bireyselleştirilmiş telafi planı

• Sarmalık ilkesiyle yapılandırma

🕐 Ne zaman kullanılır: Yeni bir tema/üniteye başlamadan önce öğrencilerin ön koşul bilgilerini ölçmek, eksikleri tespit etmek ve bireyselleştirilmiş telafi planı oluşturmak istediğinizde kullanın.

📋 Kullanım talimatı: Ders, sınıf düzeyi ve tema/ünite seçin. Sistem otomatik olarak ön koşul kazanımları çekecek, kapsamlı tanılayıcı değerlendirme paketi üretecek ve öğrenci profil şablonu oluşturacaktır.

🎯

Hazırbulunuşluk Testi

Öğrencinin yeni sınıf düzeyine hazır olup olmadığını ölçen görsel destekli çoktan seçmeli test. Seçilen dersin tüm kazanımlarının süreç bileşenleri ve ön koşul öğrenmeleri otomatik analiz edilerek, alt sınıf düzeyinde bilmesi gereken bilgi ve becerileri ölçer.

• Görsel destekli çoktan seçmeli sorular

• Online sınav modu

• Dergi kalitesinde profesyonel dizgi

• AI görsel desteği

• Otomatik kazanım analizi

🕐 Ne zaman kullanılır: Dönem veya yıl başında öğrencilerin yeni sınıf düzeyine hazır olup olmadığını test etmek, alt sınıf kazanımlarındaki eksikleri belirlemek istediğinizde kullanın.

📋 Kullanım talimatı: Ders ve sınıf düzeyini seçin, soru sayısını belirleyin. AI otomatik olarak alt sınıf kazanımlarını analiz edecek, görsel destekli sorular üretecek ve online sınav formatında sunacaktır.

🔬

Hata Örüntü Analiz Aracı

Öğrenci hatalarını AI destekli olarak 5 kategoride (kavram yanılgısı, işlemsel hata, dikkatsizlik, eksik bilgi, rastgele hata) sınıflandırır. Hata örüntülerini analiz eder ve hedeflenmiş tanılayıcı sorular üretir.

• AI ile 5 kategorili hata sınıflandırması

• Mevcut öğrenci verilerinden otomatik analiz

• Hedeflenmiş tanılayıcı soru üretimi

• SVG grafikler ve PDF rapor

🕐 Ne zaman kullanılır: Öğrencilerin yaptığı hataların sistematik örüntülerini tespit etmek, kavram yanılgılarını derinlemesine analiz etmek ve hedeflenmiş düzeltici etkinlikler planlamak istediğinizde kullanın.

📝

Sıralı Çoktan Seçmeli (OMC)

Her seçeneğin farklı bir anlama düzeyini (1-5) temsil ettiği Ordered Multiple Choice maddeleri üretir. Kısmi puanlama sistemi ile öğrencilerin anlama derinliğini ölçer ve geleneksel puanlama ile karşılaştırma sunar.

• 5 anlama düzeyine göre seçenek sıralaması

• Kısmi kredi puanlama sistemi

• Geleneksel vs OMC puanlama karşılaştırması

• Anlama düzeyi profili analizi

🕐 Ne zaman kullanılır: Öğrencilerin bir kavramı sadece bilip bilmediğini değil, hangi düzeyde anladığını ölçmek istediğinizde kullanın. Kısmi anlama ve kavram yanılgısı düzeylerini ayırt etmek için idealdir.

🧠

Bilişsel Tanı Profili (CDM)

AI ile Q-matris (madde × nitelik matrisi) oluşturur, basitleştirilmiş G-DINA modeli ile Bayesian ustalık tahmini yapar. Öğrencinin her bilişsel nitelik için ustalık olasılığını hesaplar ve radar grafiği ile görselleştirir.

• AI destekli Q-matris oluşturma

• G-DINA modeli ile Bayesian tahmin

• Bilişsel profil radar grafiği

• Supabase'e beceri profili kaydetme

🕐 Ne zaman kullanılır: Bir kazanımın altında yatan bilişsel nitelikleri (alt beceriler) tespit etmek ve öğrencinin her nitelikteki ustalık düzeyini ayrı ayrı belirlemek istediğinizde kullanın.

📐

Uyarlanabilir Değerlendirme Motoru

IRT 3-PL modeline dayalı adaptif test motoru. Her cevaptan sonra Newton-Raphson ile yetenek tahminini günceller, Maksimum Bilgi kriterine göre en uygun sonraki maddeyi seçer. Daha az soru ile daha hassas ölçüm yapar.

• IRT 3-PL madde tepki modeli

• Newton-Raphson yetenek tahmini

• Maksimum Bilgi madde seçim algoritması

• Gerçek zamanlı yetenek göstergesi ve SE grafiği

🕐 Ne zaman kullanılır: Öğrencinin yetenek düzeyini minimum soru sayısı ile en hassas şekilde belirlemek istediğinizde kullanın. Her öğrenciye kendi düzeyine uygun sorular sorarak verimli ölçüm yapar.

🔍

Çoklu Geçit Değerlendirme

İki aşamalı tarama sistemiyle gereksiz testlemeyi azaltır ve risk altındaki öğrencileri hızlıca belirler. Brendefur et al. (2017) PMA modeline dayalı kısa tarama testi + detaylı tanı testi ve RTI müdahale planı sunar.

• Aşama 1: Kısa tarama testi (8-10 dk)

• Aşama 2: Detaylı tanı testi (risk altındaki öğrenciler)

• RTI (Müdahaleye Yanıt) katman ataması

• Homojen gruplama ve müdahale planı

🕐 Ne zaman kullanılır: Sınıftaki tüm öğrencilere uzun tanı testi uygulamak yerine, önce hızlı tarama yapıp sadece risk altındaki öğrencilere detaylı tanı uygulamak istediğinizde kullanın.

🔬

Çok Katmanlı Tanı Testi

İçerik + Gerekçe + Güven katmanlarıyla derinlemesine tanılayıcı değerlendirme. Kavram yanılgılarını bilgi eksikliğinden ve şans başarısından ayırt eder. 3 katmanlı yorumlama matrisi ile otomatik tanı profili oluşturur.

• 3 katmanlı test formatı (İçerik + Gerekçe + Güven)

• Kavram yanılgısı vs bilgi eksikliği ayrımı

• Otomatik tanı profili ve yorumlama matrisi

• Hedeflenmiş müdahale önerileri

🕐 Ne zaman kullanılır: Öğrencilerin bir kavramı gerçekten anlayıp anlamadığını, yanılgı mı taşıdığını yoksa sadece bilgi eksikliği mi olduğunu ayırt etmek istediğinizde kullanın. Güven katmanı ile şans başarısını da tespit eder.

⚖️

Değer-Erdem Değerlendirme

TYMM'nin 10 kök değeri ve erdemleriyle bütünleşik değerlendirme aracı. Senaryo bazlı değerlendirme, ikilem analizi, değer gözlem formu ve karakter profili oluşturma ile öğrencilerin değer olgunluğunu ölçer.

• 10 TYMM kök değer ve erdem haritası

• Senaryo bazlı değer değerlendirmesi

• Ahlaki ikilem analizi (Kohlberg referanslı)

• Değer olgunluk radar grafiği

🕐 Ne zaman kullanılır: Akademik kazanımlarla birlikte öğrencilerin değer ve erdem gelişimini değerlendirmek, değer farkındalığından eyleme dönüşüm sürecini izlemek istediğinizde kullanın.