İçeriğe geç
erzurumlu.dev
← Tüm çalışmalar

Karnova.

Notun ötesinde, öğrencinin ihtiyacı.

Kazanım bazlı analiz ve adaptif içerikle kişiselleşen eğitim.

Rol
Backend & Yapay zekâ
Kapsam
3 kişi
Yıl
2026

Öğrenci analizi

◉   Ahmet Yılmaz
Genel görünümKazanım analiziİçerik önerileri

Kazanım ilerlemesi

Türkçe
0%
Matematik
0%
Fen Bilimleri
0%
Sosyal Bilimler
0%

Önerilen içerikler

YKS
FonksiyonlarMatematik · Video · 12 dk
Paragrafta anlamTürkçe · Soru seti · 15 soru
Kuvvet ve hareketFen Bilimleri · Etkinlik · 10 dk
Performans trendiSon 7 hafta
1. hafta2. hafta3. hafta4. hafta5. hafta6. hafta7. hafta
Temsili arayüz · Örnek veriler
Problem

Bir 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.

Öğrenci cevaplarıSoru yanıtları ve etkileşim verileri toplanır.
Kazanım analiziYapay zekâ ile kazanım bazlı analiz yapılır.
İçerik önerisiÖğrencinin ihtiyacına uygun içerikler önerilir.
Benim katkım

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 analiziMatematik⌄
Oran ve Orantı0%
Oran0%
Doğru Orantı0%
Ters Orantı0%
Önerilen içerikler
Oran ve Orantı · Temel KavramlarVideo · 12 dk
Doğru Orantı ProblemleriSoru seti · 15 soru
Günlük Hayatta OranOkuma metni · 10 dk
Sonuç

Kazanım bazlı raporlama ve adaptif içerik önerisi.

Öğretmenler öğrencinin güçlü ve zayıf yönlerini daha net görerek, ihtiyacına uygun içerikle destekleyebiliyor.

Öğrendiğim şey

“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.