Akademik Veri Yönetim Sistemi
EGE 14TH INTERNATIONAL CONFERENCE ON SOCIAL SCIENCES, İzmir, Türkiye, 23 - 29 Aralık 2025, cilt.4, ss.981-996, (Tam Metin Bildiri)
Bu çalışma, muhasebe eğitiminde ölçme ve değerlendirme süreçlerinin dijitalleşme ve yapay zekâ temelli uygulamalar doğrultusunda geçirdiği dönüşümü incelemektedir. Geleneksel değerlendirme yöntemlerinin, muhasebe eğitiminin analitik düşünme, problem çözme ve uygulama becerilerini ölçmede sınırlı kaldığı; bu durumun özellikle büyük öğrenci gruplarında nesnellik, tutarlılık ve zaman yönetimi açısından çeşitli sorunlar yarattığı vurgulanmaktadır. Çalışmada, yapay zekâ destekli değerlendirme araçlarının bu sınırlılıkları aşmada sunduğu olanaklar ele alınmış; otomatik notlandırma sistemleri, tahmine dayalı analitik araçlar, öğrenme analitiği uygulamaları, öğrenme yönetim sistemleri, bilgisayar tabanlı test platformları, oyunlaştırma yaklaşımları, biçimlendirici değerlendirme araçları, dijital portföyler, veri görselleştirme teknikleri ve intihal tespit araçları muhasebe eğitimi bağlamında değerlendirilmiştir. İncelenen uygulamalar, ölçme ve değerlendirme süreçlerinin daha nesnel, veriye dayalı ve süreç odaklı hâle gelmesine katkı sunduğunu; öğrenci performansının daha bütüncül biçimde izlenmesine ve öğretim süreçlerinin iyileştirilmesine imkân tanıdığını göstermektedir.
This study examines the transformation of assessment and evaluation processes in accounting education in line with digitalization and artificial intelligence–based applications. It is emphasized that traditional assessment methods remain limited in measuring the analytical thinking, problem-solving, and practical skills required in accounting education, and that this situation creates various challenges in terms of objectivity, consistency, and time management, particularly in large student groups. The study addresses the opportunities offered by artificial intelligence–supported assessment tools in overcoming these limitations; within the context of accounting education, automated grading systems, predictive analytics tools, learning analytics applications, learning management systems, computer-based testing platforms, gamification approaches, formative assessment tools, digital portfolios, data visualization techniques, and plagiarism detection tools are evaluated. The findings indicate that the examined applications contribute to making assessment and evaluation processes more objective, data-driven, and process-oriented, while enabling a more holistic monitoring of student performance and facilitating the improvement of instructional processes.