RISKYZ-2012-00008MITAIID4 görüntülenme

Risk sınıflandırması: MIT AI Risk Repository etiketinden birebir alınmıştır.

7.Yapay Zekâ Sistem Güvenliği, Hatalar ve Sınırlamalar

New York’ta öğretmen değerlendirme algoritmasının hatalı sonuçlar ürettiği ve mesleki itibara zarar verdiği öne sürüldü

Yayınlandı: 29 Temmuz 2026Olay: Şubat 2012

New York’ta kullanılan VAM algoritmasının, yüksek hata payları ve yetersiz veri setleriyle öğretmenleri hatalı değerlendirerek mesleki itibarlarına zarar verdiği ve geniş çaplı itiraz süreçleri ile davalara yol açtığı bildirildi.

Olay

New York eyaletinde öğretmenlerin performansını ölçmek amacıyla kullanılan "Katma Değer Ölçümü" (VAM) adlı karmaşık bir bilgisayar modelinin, başarılı öğretmenleri hatalı bir şekilde "etkisiz" olarak sınıflandırdığı ve bu durumun mesleki mağduriyetlere yol açtığı iddia edildi. Sistem, öğrencilerin geçmiş performans verilerini kullanarak gelecekteki test skorlarını tahmin etmekte ve öğretmenin bu tahmine ne kadar "değer kattığını" hesaplamaktadır. Ancak Sheri Lederman gibi geçmişi başarılarla dolu ve öğrencileri eyalet ortalamasının üzerinde puan alan öğretmenlerin dahi sistem tarafından "etkisiz" olarak derecelendirilmesi, algoritmanın rasyonelliğinin sorgulanmasına neden olmuştur.

Sisteme yönelik eleştirilerde, VAM’ın "istatistiksel bir kara kutu" olduğu, mükemmelliği cezalandırdığı ve adil bir değerlendirme sunmadığı savunulmaktadır. Bazı vakalarda öğretmenlerin, hiç dersine girmedikleri öğrencilerin veya uzmanlık alanları dışındaki derslerin sonuçlarına göre puanlandığı bildirilmiştir. Ayrıca, Florida’da bir öğretmenin öğrencisi sınavda tam puan almasına rağmen, sistemin öngördüğü hedefin (maksimum puanın üzerinde bir beklenti) altında kaldığı gerekçesiyle bu başarının öğretmenin değerlendirmesine negatif olarak yansıdığı aktarılmıştır.

New York Şehri Eğitim Departmanı tarafından 12.000’den fazla öğretmenin bireysel verilerinin kamuoyuna açıklanması, tartışmaları daha da derinleştirmiştir. Raporlanan verilerin matematik alanında %35, dil sanatları (ELA) alanında ise %53 gibi çok yüksek hata paylarına sahip olduğu, verilerin eksik veya hatalı olduğu ve bu durumun öğretmenleri haksız yere kamuoyu önünde küçük düşürdüğü savunulmuştur. Bazı medya kuruluşları şeffaflık adına verileri yayımlarken, GothamSchools gibi kuruluşlar verilerin yanıltıcı olabileceği gerekçesiyle ham listeleri paylaşmayı reddetmiştir.

Eyalet yetkilileri ve sistemin savunucuları, bu yöntemin "veriye dayalı" bir çözüm olduğunu savunmaktadır. Ancak sistemin teknik aksaklıkları ve sosyo-ekonomik dezavantajlı gruplarla çalışan öğretmenleri mağdur ettiği iddiaları üzerine, binden fazla öğretmenin idari itiraz süreçlerini başlattığı ve Sheri Lederman gibi isimlerin konuyu yargıya taşıdığı bildirilmiştir.

Akademik Atıf

RiskYZ. (2026). RISKYZ-2012-00008: New York’ta öğretmen değerlendirme algoritmasının hatalı sonuçlar ürettiği ve mesleki itibara zarar verdiği öne sürüldü. RiskYZ Vaka Kütüphanesi. https://riskyz.org/cases/RISKYZ-2012-00008

Sınıflandırma

Risk Alanı
7.Yapay Zekâ Sistem Güvenliği, Hatalar ve Sınırlamalar
Alt Kategori
7.3Yetersiz kapasite veya dayanıklılık
Kaynak
Yapay Zekâ
Niyet
Kasıtlı
Zamanlama
Dağıtım Sonrası

Detaylar

Etkilenen Sistem
Katma Değer Ölçümü (Value-Added Modeling - VAM) tabanlı öğretmen değerlendirme sistemi ve Öğretmen Veri Raporları (Teach
Sektör
Eğitim
Konum
Amerika Birleşik Devletleri

Zaman Çizelgesi

Olay Tarihi
Şubat 2012
Yayınlandı
29.07.2026
Güncellendi
11.08.2026

Olay tarihi zararın başladığı anı gösterir; haberin ya da davanın tarihi olmayabilir. Nasıl belirlenir?

Etiketler

#yapay zekâ hatası#otomatik karar verme#doğrulama eksikliği#itibar zararı#eğitim#kamu politikası#algoritmik önyargı#hesap verebilirlik