Journals / 21. Yüzyılda Fen ve Teknik / 2026 / Cilt: 13

A Comparison of Course Content on the Distinctive Properties of Matter Generated Using Artificial Intelligence

Maddenin Ayırt Edici Özellikleri Konusunda Yapay Zeka İle Hazırlanan Ders İçeriklerinin Karşılaştırılması

Merve Yücel(ONDOKUZ MAYIS ÜNİVERSİTESİ)0000-0002-4028-6440
Pages
41–54
Publication Date
2026-10-16
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

In terms of assessment, it was concluded that both models are able to offer a balanced variety of process-oriented (formative) and outcome-oriented tools, in line with the Ministry of National Education’s current vision.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:The primary objective of this study is to conduct a comparative analysis of lesson plans generated by two different large language models (ChatGPT-5.5 and Gemini 3 Flash) for the “Distinctive Properties of Matter” topic in the 6th-grade middle school Science curriculum, focusing on content, methodology, and assessment dimensions.
📊
Key Findings & Data:Designed as a case study (case study) within the qualitative research framework, this study utilized the Ministry of National Education’s Science Curriculum Guide and lesson plan outputs generated by the ChatGPT and Gemini AI tools as data sources.
💡
Conclusion & Impact:In terms of assessment, it was concluded that both models are able to offer a balanced variety of process-oriented (formative) and outcome-oriented tools, in line with the Ministry of National Education’s current vision.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Yapay Zekâ · Fen Eğitimi · Ders Planı

Abstract

The primary objective of this study is to conduct a comparative analysis of lesson plans generated by two different large language models (ChatGPT-5.5 and Gemini 3 Flash) for the “Distinctive Properties of Matter” topic in the 6th-grade middle school Science curriculum, focusing on content, methodology, and assessment dimensions. Designed as a case study (case study) within the qualitative research framework, this study utilized the Ministry of National Education’s Science Curriculum Guide and lesson plan outputs generated by the ChatGPT and Gemini AI tools as data sources. During the data collection process, the researcher developed a lesson plan drafting template consisting of eight core dimensions, and structured commands (prompts) aligned with this template were entered into the AI systems to generate the relevant content. The data obtained were analyzed using content analysis techniques, tabulated through logical categorization, and compared. The most striking finding from the study emerged in lesson time planning; while the curriculum allocated 32 class hours to the relevant topic, both AI tools limited the topic to 2 class hours (80 minutes) in their planning. In terms of learning outcomes and content framework, the models were found to be successful in diversifying cognitive levels and demonstrated a student-centered approach. However, ChatGPT’s inclusion of the “resolution” concept—which is outside the curriculum—and both models’ complete neglect of the “expansion and contraction” concepts, which are fundamental components of the spiral curriculum, indicate the need for the controlled use of AI technologies. On the other hand, it was determined that in pre-assessment and instructional applications, ChatGPT successfully integrated the TGA model and Gemini successfully integrated the 5E model as theoretical templates, offering a wide range of methods and techniques. In enrichment activities, it was determined that AI tools (particularly Gemini’s interdisciplinary STEM and creative writing tasks) go beyond the official curriculum to provide teachers with high-level creative alternatives. In terms of assessment, it was concluded that both models are able to offer a balanced variety of process-oriented (formative) and outcome-oriented tools, in line with the Ministry of National Education’s current vision. In conclusion, generative AI technologies can be used as tools that provide teachers with significant time savings and creative ideas in science education design processes, such as material enrichment, instructional planning, and the use of process-oriented assessment tools. However, due to certain limitations mentioned in the study, it was observed that they cannot function as independent lesson plan designers on their own and are necessarily dependent on teacher oversight. In this regard, it is recommended that AI outputs be verified for alignment with the curriculum before being implemented in the classroom, that teachers’ digital literacy be enhanced, and that institutional prompt guidelines be prepared for educators.

Özet

Bu araştırmanın temel amacı, ortaokul 6. sınıf Fen Bilimleri dersi öğretim programında yer alan “Maddenin Ayırt Edici Özellikleri” konusuna yönelik iki farklı büyük dil modeli (ChatGPT-5.5 ve Gemini 3 Flash) tarafından üretilen ders planlarının içerik, yöntem ve ölçme-değerlendirme boyutları açısından karşılaştırmalı bir analizini yapmaktır. Nitel araştırma desenlerinden durum çalışması (örnek olay) modelinde tasarlanan bu çalışmada veri kaynakları olarak; MEB Fen Bilimleri Dersi Öğretim Programı kılavuzu ile ChatGPT ve Gemini yapay zekâ araçlarından elde edilen ders planı çıktıları kullanılmıştır. Veri toplama sürecinde, araştırmacı tarafından sekiz temel boyuttan oluşan bir ders planı hazırlama taslağı geliştirilmiş ve bu taslağa uygun yapılandırılmış komutlar (istemler) yapay zekâ robotlarına girilerek ilgili içerikler üretilmiştir. Elde edilen veriler, içerik analizi tekniğiyle incelenerek mantıksal gruplandırmalar yoluyla tablolaştırılmış ve karşılaştırılmıştır. Araştırmadan elde edilen en dikkat çekici bulgu, ders süresi planlamasında ortaya çıkmıştır; öğretim programında ilgili konuya 32 ders saati ayrılmışken, her iki yapay zekâ aracı da konuyu 2 ders saatiyle (80 dakika) sınırlandırarak planlamıştır. Öğrenme çıktıları ve içerik çerçevesi boyutunda, modellerin bilişsel basamakları çeşitlendirmede başarılı olduğu ve öğrenci merkezli bir yaklaşım sergilediği görülmüştür. Ancak ChatGPT’nin müfredat dışı olan "çözünürlük" kavramına yer vermesi ve her iki modelin de sarmal programın temel parçası olan "genleşme ve büzülme" kavramlarını tamamen ihmal etmesi, YZ teknolojilerinin kontrollü kullanılması gerektiğine işaret etmenktedir. Diğer taraftan ön değerlendirme ve öğretim uygulamalarında ChatGPT’nin TGA modelini, Gemini’nin ise 5E modelini kuramsal birer şablon olarak başarıyla entegre ettiği, geniş bir yöntem-teknik yelpazesi sunduğu tespit edilmiştir. Zenginleştirme etkinliklerinde yapay zekâ araçlarının (özellikle Gemini’nin disiplinler arası STEM ve yaratıcı yazarlık görevleri) resmi programın ötesine geçerek öğretmenlere yüksek düzeyde yaratıcı alternatifler sunduğu belirlenmiştir. Ölçme-değerlendirme boyutunda ise her iki modelin de MEB'in güncel vizyonuyla paralel olarak süreç (biçimlendirici) ve sonuç odaklı araçları dengeli bir şekilde çeşitlendirebildiği sonucuna ulaşılmıştır. Sonuç olarak üretken yapay zekâ teknolojileri, fen eğitimi tasarımı süreçlerinde materyal zenginleştirme, öğretim süreçlerini planlama ve süreç odaklı ölçme-değerlendirme araçlarını kullanmada öğretmenlere ciddi zaman avantajı ve yaratıcı fikirler sağlayabilen yardımcılar olarak kullanılabilirler. Ancak çalışmada bahsedilen bir takım sınırlılıklar nedeniyle tek başlarına bağımsız birer ders planı tasarımcısı olamayacakları, mutlaka öğretmen denetimine muhtaç oldukları görülmüştür. Bu doğrultuda, yapay zekâ çıktılarının öğretim programına uygunluğunun kontrol edilerek sınıfa taşınması, öğretmenlerin dijital okuryazarlıklarının geliştirilmesi ve eğitimcilere yönelik kurumsal istem (prompt) kılavuzlarının hazırlanması önerilmektedir.

🔖

Cite This Article

Yücel, M. (2026). A Comparison of Course Content on the Distinctive Properties of Matter Generated Using Artificial Intelligence. 21. Yüzyılda Fen ve Teknik, Cilt: 13, 41–54. https://ajindex.com/articles/1628554

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (27)

  1. Ateş, A. (2025). Eğitimde yapay zekâ konulu tezlerin incelenmesi. Karamanoğlu Mehmetbey Üniversitesi Ermenek Akademi Dergisi, 1(1), 46-52.
  2. Bağır, M. (2022). Fen bilimleri öğretmenlerinin eğitimde yapay zekâ kullanımı ile ilgili görüşleri (Yüksek Lisans Tezi, Fırat Üniversitesi). Yüksek Öğretim Kurumu Tez Merkezi (Tez Numarası: 715987). https://tez.yok.gov.tr/UlusalTezMerkezi/
  3. Baidoo-Anu, D., Owusu Ansah, L. (2023). Education in the Era of Generative Artificial Intelligence (AI): Understanding the Potential Benefits of ChatGPT in Promoting Teaching and Learning. Journal of AI. 7(1), 52-62. https://doi.org/10.61969/jai.1337500
  4. Brown, T. B. vd. (2020). Language models are few-shot learners Computer Science, Computation and Language. (v4). https://doi.org/10.48550/arXiv.2005.14165
  5. Creswell, J. W. (2008). Educational research planning, conducting and evaluating quantitative and qualitative research. International Pearson Merril Prentice Hall.
  6. Çolak Yazıcı, Erkoç S. & Erkoç, M. (2023). Fen bilimleri grubu öğretmenlerinin uzaktan eğitim sürecinde yapay zekâ kullanma durumlarının analizi. Dokuz Eylül Üniversitesi Buca Eğitim Fakültesi Dergisi 58, 2682-2704.
  7. Dumlu, B. Ö., Gezer, E. & Yıldız, B. (2024). Eşitsizlik konusunda ChatGPT ile hazırlanan ders planlarının incelenmesi. TEBD, 22(1), 337-358. https://doi.org/10.37217/tebd.1338959
  8. Erkut Beyaz, F. & Gürsoy, G. (2025). Fen Bilimleri Eğitiminde Yapay Zekâ Kullanımıyla İlgili Yapılan Çalışmaların Sistematik Derlemesi. Anadolu Kültürel Araştırmalar Dergisi, 9(4), 869-898.
  9. Güneş, L. ve Yılmazlar, M. (2025).** Students' Perceptions of Artificial Intelligence Integration in Science Lessons: A Phenomenological Study. *Ahi Evran Üniversitesi Kırşehir Eğitim Fakültesi Dergisi (KEFAD)*, 26(2).
  10. Işık, E. & Köse, M. (2024). Fen bilimleri öğretmenlerinin artırılmış gerçeklik, metaverse, yapay zekâ ve eğitimde uygulamalarıyla ilgili görüşlerinin incelenmesi. Journal of Individual Differences in Education, 6(2), 149-169.
  11. İlhan, N. ve Nazalı, D. (2026). Using AI tools in Video Production: Science Lesson Example. *Journal of Computer and Education Research*, 14.
  12. İncemen, S. & Öztürk, G. (2024). Farklı eğitim alanlarında yapay zekâ: uygulama örnekleri. International Journal of Computers in Education, 7(1), 27-49.
  13. Ji, Ziwei, vd. (2023). Survey of hallucination in natural language processing. ACM Computing Surveys, 55(12), 1-38. https://doi.org/10.1145/3571730
  14. Kandlhofer, M. vd. (2021). Artificial intelligence and robotics in education. International Journal of STEM Education, 8(1), 1-15.
  15. Karagöl, E. & Yıldırım Bilgen, D. (2025). Türkçe eğitiminde yapay zekâ kullanımı: Türkçe eğitimcileri yapay zekâ hakkında ne düşünüyor? Ana Dili Eğitimi Dergisi, 13(2), 356-374.
  16. Kesler, S. (2021). Işığın madde ile etkileşimi ünitesinde yapay zekâ sisteminin öğrencilerin akademik başarısına etkisi (Yüksek Lisans Tezi, Erzincan Binali Yıldırım Üniversitesi). Yüksek Öğretim Kurumu Tez Merkezi (Tez Numarası: 689479). https://tez.yok.gov.tr/UlusalTezMerkezi/
  17. Milli Eğitim Bakanlığı, (2025). https://tymm.meb.gov.tr/ogretim-programlari/ders/fen-bilimleri-dersi
  18. Mohamed M. & Sywelem, G. (2024). Artificial intelligence and the sustainability of educational services: An overview. World Journal of Social Sciences and Humanities, 10(1), 8-17. https://doi.org/10.12691/wjssh-10-1-2 Open AI, (2026). https://openai.com/tr-TR/index/introducing-gpt-5-5/
  19. Oruç, T., Yeşilyurt, M. ve Kurt, M. (2024). Eğitimde Yapay Zekâ Konulu Çalışmaların Betimsel Analizi. Temel Eğitim Dergisi / Journal of Primary Education*, 24, 44-60.
  20. Öngöz, S. (2020). Yapay zekâ teknolojinin kullanıldığı yeni nesil öğretim materyalleri. İçinde Nabiyev, V. & Erümit, A.K. (Ed.), Eğitimde yapay zekâ kuramdan uygulamaya (s. 58-85). Pegem Yayıncılık
  21. Sevil, Ş. ve Gökoğlu, S. (2024). Yapay Zekâ Uygulamalarının Eğitimdeki Rolü Ve Etkileri. 17. Uluslararası Bilgisayar ve Öğretim Teknolojileri Sempozyumu (ICITS)
  22. Sontay, G., Kazancı, Y. ve Karamustafaoğlu, O. (2024). Öğretimde Yapay Zekâ Uygulamaları Hakkında Sınıf Öğretmenleri Ne Düşünüyor? İstanbul Eğitim Dergisi (ISTJ), 1(1), 98-120.
  23. Tekin, N. (2023). Eğitimde Yapay Zekâ: Türkiye Kaynaklı Araştırmaların Eğilimleri Üzerine Bir İçerik Analizi. Necmettin Erbakan Üniversitesi Ereğli Eğitim Fakültesi Dergisi, 5(Özel Sayı), 387-411.
  24. Temur, S. (2025). 2000-2024 yılları arasında eğitim alanında yapılan yapay zekâ konulu lisansüstü çalışmaların incelenmesi. Buca Eğitim Fakültesi Dergisi, 63, 1181-1218.
  25. Yeşilyurt, S., Dündar, R., & Demir, R. Z. (2024). Türkiye’de yapay zekâ ve eğitim ilişkisini inceleyen lisansüstü tezlerin analizi: Bir meta sentez çalışması. Journal of Innovative Research in Social Studies, 7(1), 47-73.
  26. Yaşar, B. & Vuran, S. (2025). Özel eğitim öğretmenlerinin yapay zekâ destekli Web 2.0 araçlarını kullanım durumları. Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, 75, 306-325.
  27. Zhai, X., (2022). ChatGPT for Next Generation Science Learning. XRDS: Crossroads, The ACM Magazine for Students, 29(3), 42–46. https://doi.org/10.1145/3589649