Yapay Zeka ile Ders Programı Hazırlamanın Geleceği: Algoritmik Modellere Derin Bakış
Okul yönetiminde NP-Zor (NP-Hard) kısıt memnuniyeti problemleri, kısıt kontrollü yerleştirme yaklaşımları ve DersRobotu'nun çakışma kontrollü çizelge üretme mimarisi.
Eğitim kurumlarında haftalık ders programı hazırlama süreci, dışarıdan sadece öğretmen adları ve sınıfları bir tabloya yerleştirmek gibi görünse de, teorik bilgisayar biliminde Kısıt Memnuniyeti Problemleri (Constraint Satisfaction Problems - CSP) ve NP-Zor (NP-Hard) karmaşıklık sınıfında değerlendirilen en çetin kombinatoryal optimizasyon problemlerinden biridir.
Türkiye genelinde 60.000'i aşkın okulda her öğretim yılı başında ve dönem ortalarında yaşanan ders programı krizi; öğretmen memnuniyetsizliği, okul içi disiplin sorunları, verimsiz boş saatler (pencereler) ve pedagojik uyumsuzluklar olarak eğitime doğrudan zarar vermektedir.
Bu kapsamlı teknik ve pedagojik araştırmada, geleneksel manuel/Excel tabanlı yöntemlerin matematiksel çıkmazlarını, kısıt memnuniyeti (CSP) ve sezgisel (heuristic) yaklaşımların kombinatoryal patlamayla nasıl başa çıktığını ve DersRobotu'nun kısıt kontrollü yerleştirme motorunu mercek altına alıyoruz.
1. Problemin Matematiksel Yapısı ve NP-Zor Karmaşıklığı
Ders programı oluşturma problemi (School Timetabling Problem - STP), belirli kısıtlar altında nesnelerin (dersler, öğretmenler, sınıflar, derslikler, zaman dilimleri) birbiriyle eşleştirilmesi işlemidir.
- T = {t₁, t₂, ..., tₘ} : m adet öğretmen kümesi
- C = {c₁, c₂, ..., cₙ} : n adet sınıf/şube kümesi
- R = {r₁, r₂, ..., rₖ} : k adet derslik/laboratuvar kümesi
- S = {s₁, s₂, ..., sₚ} : Haftalık p adet zaman dilimi (5 gün × okulun günlük ders saati sayısı)
Olası kombinasyonların uzayı O((m × k × p)|C|) ölçeğinde büyür. Örneğin 50 öğretmeni, 30 sınıfı ve haftada 35 zaman dilimi (5 gün × 7 saat) olan orta ölçekli bir lisede arama uzayındaki olası durum sayısı 10140 seviyelerine ulaşabilmektedir. Bu sayı, evrendeki bilinen atom sayısından (1080) katbekat fazladır.
2. Sert Kısıtlar (Hard Constraints) vs. Yumuşak Kısıtlar (Soft Constraints)
Bir ders programının geçerli olabilmesi için Sert Kısıtlar (Hard Constraints) yerleştirme sırasında kontrol edilir; sağlanamayan dersler çakışma listesine alınır ve program onaylanmadan önce kullanıcıya gösterilir.
Sert Kısıtlar (Yerleştirme Sırasında Kontrol Edilir) 1. Sınıf Çakışmasızlığı (Class Non-Overlap): Bir sınıf/şube aynı zaman diliminde iki farklı derse katılamaz. 2. Öğretmen Çakışmasızlığı (Teacher Non-Overlap): Bir öğretmen aynı zaman diliminde birden fazla sınıfta derste olamaz. 3. Öğretmen Müsaitliği (Availability): Öğretmenin müsait olmadığı gün ve saatlere ders yerleştirilmez. 4. Günlük Ders Saati Kapasitesi (Daily Limit): Öğretmenin günlük ders yükü, belirlenen limiti aşamaz. 5. Ardışık Yığılma Önlemi (No-Triple): Aynı ders bir sınıfta 3 saat üst üste gelemez. 6. Kilitli Girişler (Locked Entries): Kullanıcının sabitlediği dersler önce yerleştirilir ve üzerine yazılmaz.
Yumuşak Kısıtlar (Tercih Odaklı Ayarlar) 1. Derslerin Haftaya Dengeli Yayılması: Sınıf yükünün günlere eşit dağılmasına öncelik verilir. 2. Öğretmen Müsaitlik Tercihleri: Öğretmenlerin mazeretlerine göre boş bırakılmak istenen zaman dilimleri dikkate alınır. 3. Blok Ders Yönetimi: Blok olarak tanımlanan dersler 2 saatlik parçalar halinde yerleştirilir. 4. Günlük Yük Dengesi: Öğretmen günlük ders saati, kullanıcının belirlediği seviyede tutulur.
3. Algoritmik Karşılaştırma Matrisi
DersRobotu'nun kısıt kontrollü yerleştirme motoru ile geleneksel yaklaşımların karşılaştırılması aşağıdaki tabloda özetlenmiştir:
| Parametre / Metrik | Manuel (Excel / Kağıt) | Kural Tabanlı (Eski Yazılımlar) | DersRobotu Yerleştirme Motoru | | :--- | :--- | :--- | :--- | | Ortalama Hazırlama Süresi | Günler sürer | Saatler sürer | Saniyeler içinde (veri ölçeğine göre değişir) | | Sert Kısıt Kontrolü | Düşük (Sık sık çakışma yaşanır) | Orta (İnsan müdahalesi gerekir) | Otomatik kontrol ile çakışmasız üretim hedeflenir | | Öğretmen Günlük Ders Yükü | Dengesiz dağılım | Değişken | Kullanıcının belirlediği limit ile kontrol edilir | | Ders Dağılımı | Düşük (Arka arkaya aynı ders) | Orta | Güne eşit dağılım ve ardışık yığılma önlemi | | Değişiklik Anında Adaptasyon | Günler sürer | Saatler sürer | Yeniden üretim saniyeler içinde (veri ölçeğine göre değişir) | | Nöbet Planlaması | Manuel liste (Eşitsizlik riski) | Manuel liste | Nöbet kayıtları sisteme işlenir, programla birlikte raporlanır |
4. Yerleştirme Motorunun Çalışma Mimarisi
DersRobotu, kısıt memnuniyeti (CSP) yaklaşımıyla çalışan, kısıt kontrollü bir program üretici kullanır. Üretim akışı aşağıdaki adımlardan oluşur:
Kurumun öğretmen, sınıf ve ders verileri ile müsaitlik kısıtları işlenir.
Kullanıcının sabitlediği dersler sabit kısıt olarak önce yerleştirilir, üzerine yazılmaz.
Her ders için sınıf/öğretmen boşluğu, müsaitlik ve günlük kapasite kontrol edilerek uygun zaman dilimi aranır.
Yerleştirilemeyen dersler çakışma listesine alınır; kullanıcı kısıtları güncelleyip yeniden üretebilir.
Kısıt kontrolleri sonrası onaya hazır çakışmasız haftalık çizelge üretilir.
Yerleştirme Stratejisi Dersler, sınıf ve öğretmen kısıtları sırayla kontrol edilerek zaman dilimlerine yerleştirilir. Yerleştirme sırasında aynı dersin bir sınıfta 3 saat üst üste gelmemesi ve sınıf yükünün haftanın günlerine dengeli dağılması da gözetilir.
5. Sonuç ve Gelecek Projeksiyonu
Yapay zeka destekli ders programı otomasyonu, okul yöneticilerinin üzerinden devasa bir idari yükü alarak onların asıl görevi olan öğretimsel liderlik (instructional leadership) ve okul iklimi geliştirme konularına odaklanmalarını sağlamaktadır.
DersRobotu, sadece bir program oluşturucu değil; okulun öğretmen ve ders saati kaynaklarını kısıtlara uygun şekilde planlayan bir program üretim aracıdır.