Karnova.
Notun ötesinde, öğrencinin ihtiyacı.
Kazanım bazlı analiz ve adaptif içerikle kişiselleşen eğitim.
Öğrenci analizi
◉ Ahmet YılmazKazanım ilerlemesi
Önerilen içerikler
YKSBir not, teşhis değildir.
Öğretmen için öğrencinin hangi kazanımda takıldığını görünür kılmak.
Geleneksel değerlendirme yöntemleri genellikle sadece sonucu gösterir. Oysa öğrencinin gerçek ihtiyacı, hangi kazanımda zorlandığını anlayıp doğru içerikle desteklenmektir. Karnova, bu süreci veri ve yapay zekâ ile görünür kılar.
Veri modeli, REST API, Gemini entegrasyonu ve rol tabanlı yetkilendirme.
Ürünün teknik temelini oluştururken güvenli, ölçeklenebilir ve sürdürülebilir bir mimari hedefledim.
Kazanım temelli veri modeli
Sorular, müfredat kazanımları ve öğrenci cevapları aynı modelde.
Gerçek veriye bağlı function calling
Gemini API yanıtları, öğrencinin gerçek kazanım kayıtlarına bağlı.
Okullar arasında veri yalıtımı
Multi-tenant kurulum ve rol tabanlı yetkilendirme.
Kazanım bazlı raporlama ve adaptif içerik önerisi.
Öğretmenler öğrencinin güçlü ve zayıf yönlerini daha net görerek, ihtiyacına uygun içerikle destekleyebiliyor.
“Artık tahmin etmiyor, sorguluyor.”
Function calling, modelin cevabını veritabanındaki gerçek öğrenci kaydına bağlar. Güvenilir yanıt, güvenilir veri yoluyla başlar.
Teknolojiler.
Django 6
Python
PostgreSQL
- Gemini API
- REST API
- RBAC
Teknik notlar ve projenin kapsamı
Problem ve sorumluluğum
Bir öğrenci matematik denemesinden 40 aldığında bu sayı, onun hangi konuda takıldığını söylemez. Öğretmen otuz kişilik bir sınıfta her öğrencinin eksiğini tek tek çıkaramaz; çıkarsa bile ertesi gün yeni bir deneme gelir. Not bir sonuçtur, teşhis değildir.
Üç kişilik ekipte backend ve yapay zekâ tarafından sorumluyum: veri modeli, REST API, Gemini entegrasyonu ve yetkilendirme katmanı. Arayüz ile operasyon, içerik ve test tarafı ekipteki diğer iki kişide.
Uygulama kararları
- Veri modelini not üzerine değil kazanım üzerine kurdum: her soru bir veya birden çok müfredat kazanımına bağlı, öğrenci cevapları kazanım seviyesinde toplanıyor.
- Yapay zekâ asistanına serbest metin ürettirmek yerine function calling verdim — model, öğrencinin gerçek kazanım verisine kendi çağırdığı fonksiyonlar üzerinden erişiyor. Bu, "iyi giden bir öğrenciye kötü gidiyorsun" demesini yapısal olarak engelliyor.
- Her okulun verisi birbirinden yalıtık: multi-tenant kurulum ve rol tabanlı yetkilendirme (RBAC) ile öğretmen, öğrenci ve yönetici farklı kapılardan giriyor.
Sonuç ve öğrenim
Platform kazanım bazlı raporlama ve adaptif içerik önerisi verecek noktaya geldi. Kaynak kod şu an özel; mimari kararların dokümantasyonu herkese açık.
Bir dil modelini üretimde güvenilir kılan şey daha iyi bir prompt değil, modelin uyduramayacağı bir veri yolu açmaktır. Serbest metin üretimiyle bir öğrencinin durumu hakkında yanlış cümle kurmasını engelleyemezsiniz; function calling ile modelin cevabı veritabanındaki gerçek kayda bağlanır. Artık tahmin etmiyor, sorguluyor.