Study Mate AI

Proje Hakkında

Study Mate AI, öğrenme biliminin kanıtlanmış prensiplerini yapay zeka ile birleştirerek öğrencilerin daha etkili çalışmasını sağlayan kapsamlı bir eğitim platformudur. Üniversite sınavı, dil öğrenimi, sertifika hazırlığı ve genel bilgi geliştirme gibi farklı öğrenme hedeflerini destekler. Uygulamanın çekirdeğinde spaced repetition (aralıklı tekrar) algoritması bulunur. SM-2 algoritmasının geliştirilmiş versiyonu olan Study Mate SR-3, kullanıcının her kart etkileşimini analiz ederek optimal tekrar zamanlamasını hesaplar. Unutma eğrisine göre kartlar tam doğru zamanda tekrar edilir, böylece minimum çaba ile maksimum kalıcılık sağlanır. AI Quiz Engine, kullanıcının yüklediği ders notlarından otomatik soru üretir. NLP ile metin analizi yapılır, anahtar kavramlar çıkarılır ve çoktan seçmeli, boşluk doldurma, doğru-yanlış ve açık uçlu soru tipleri oluşturulur. Zorluk seviyesi kullanıcının performansına göre adaptif olarak ayarlanır. Kişisel öğrenme analitiği modülü, çalışma alışkanlıklarını detaylı olarak izler. Günlük çalışma süresi, konu bazlı performans, güçlü ve zayıf alanlar, öğrenme hızı trendi ve sınav tahmin skoru gibi metrikler görsel grafiklerle sunulur. Haftalık rapor ve motivasyon bildirimleri ile süreklilik teşvik edilir. Grup çalışma özelliği, öğrencilerin sanal çalışma odaları oluşturmasını sağlar. Gerçek zamanlı quiz yarışmaları, kart seti paylaşımı ve birlikte çalışma zamanlayıcısı (Pomodoro) ile sosyal öğrenme deneyimi sunulur. OCR ve doküman tarama özelliği ile basılı kitap ve ders notlarından dijital kart oluşturulabilir. Kamera ile taranan sayfa, Vision framework ile metin çıkarılır ve yapılandırılmış kart setlerine dönüştürülür.

Özellikler

Süreç

Zorluklar & Çözümler

Teknik Detaylar

Mimari olarak MVVM-C + Clean Architecture + CQRS (Command Query Responsibility Segregation) pattern kullanılmıştır. Read ve write operasyonları ayrı path'lerden geçer: quiz cevaplama (command) ve istatistik görüntüleme (query) farklı optimize edilmiştir. SR-3 algoritması matematiksel olarak FSRS (Free Spaced Repetition Scheduler) prensiplerini temel alır. Her kart için 4 parametre takip edilir: difficulty (d), stability (s), retrievability (r) ve elapsed days (t). Retrievability formülü: r = (1 + t/(9*s))^(-1). Hedef retention %90 olarak ayarlanmıştır, kullanıcı bu değeri %80-%95 arasında özelleştirebilir. NLP pipeline'ı 5 aşamadan oluşur: (1) Tokenization — özel Türkçe tokenizer, (2) POS tagging — isim, fiil, sıfat etiketleme, (3) Named Entity Recognition — konu, tarih, isim tanıma, (4) Keyword Extraction — TF-IDF skorlama, (5) Question Generation — template-based + generative hibrit. CloudKit mimarisi 3 zone kullanır: private (kişisel kartlar + istatistikler), shared (grup çalışma verileri) ve public (topluluk kart setleri). CKSyncEngine ile efficient sync sağlanır, differential sync ile sadece değişen kayıtlar transfer edilir. Average sync latency 200ms altında. ActivityKit entegrasyonu ile çalışma oturumları Dynamic Island ve Lock Screen'de gösterilir. Pomodoro sayacı, tamamlanan kart sayısı ve mevcut streak bilgisi real-time güncellenir. ActivityAttributes custom struct ile veri modeli tanımlanmıştır. Widget mimarisi 3 tip Widget sunar: (1) Günlük tekrar sayacı (small), (2) Performans özeti grafiği (medium), (3) Hızlı kart tekrarı (large — interactive Widget, iOS 17+). AppIntents framework ile Siri ve Shortcuts entegrasyonu sağlanır: "Bugün kaç kartım var?" gibi sorgular desteklenir.

Araştırma Notları

Proje öncesi eğitim teknolojisi (EdTech) pazarı kapsamlı araştırıldı. Global EdTech pazar büyüklüğü 2024'te $340B'a ulaştı, Türkiye'de dijital eğitim pazarı $2.1B. YKS'ye hazırlanan 2.5 milyon öğrenci birincil hedef kitle olarak belirlendi. Rakip analizi: Anki açık kaynak ve güçlü SR algoritmasına sahip ancak UX'i zayıf ve mobil deneyimi kötü. Quizlet 500M+ kullanıcı ile lider ancak SR algoritması basit ve Türkçe desteği sınırlı. Duolingo yalnızca dil öğrenimi odaklı. Study Mate AI, Anki'nin algoritma gücünü Quizlet'in UX'i ile birleştirmeyi hedefledi. Spaced repetition bilimsel araştırması: Ebbinghaus unutma eğrisi (1885) temelinde, Wozniak SM-2 (1987), Leitner sistemi ve son dönem FSRS (2022) algoritmaları karşılaştırıldı. FSRS'nin 4 parametreli modeli en iyi performansı gösterdi, SR-3 bu model üzerine Türk öğrenci verileriyle fine-tune edildi. Kullanıcı araştırmasında 300 üniversite öğrencisiyle anket ve 20 kişiyle derinlemesine görüşme yapıldı. Bulgular: %82'si dijital araç kullanıyor ama %67'si verimli çalışamadığını düşünüyor. En büyük sorunlar: motivasyon eksikliği (%71), ne zaman tekrar edeceğini bilmeme (%58), ilerleme görememe (%52). Apple'ın eğitim stratejisi araştırıldı: Schoolwork, Classroom ve Apple School Manager kurumsal odaklı. Bireysel öğrenci segmentinde App Store editör seçimi fırsatı yüksek. Apple'ın WWDC 2024'te ActivityKit ve Interactive Widget geliştirmeleri eğitim uygulamalarına yeni fırsatlar sunuyor.

Tasarım Süreci

Tasarım felsefesi "öğrenmeyi görünmez kıl" ilkesi üzerine kuruldu. Kullanıcı karmaşık algoritmaları hissetmeden, sadece kartlarını tekrar etmeli ve sistemin onu doğru zamanda doğru içeriğe yönlendirdiğine güvenmeli. Kompleksiteyi gizleyip basitliği sunmak temel amaçtı. Bilgi mimarisi 4 ana bölümden oluşur: Çalış (günlük tekrar + yeni kart), Oluştur (kart seti + OCR + AI quiz), İstatistik (performans + grafikler) ve Topluluk (grup + paylaşım). Tab bar ikonları öğrenme sürecini sembolize eder. Kart tekrar ekranı minimalist tasarlandı. Ekranın %80'i kart içeriğine ayrıldı, dikkat dağıtıcı elementler kaldırıldı. Swipe gesture ile hızlı cevap: sağa kolay, yukarı orta, sola zor. Haptic feedback ile fiziksel his oluşturuldu. Kart arkası flip animasyonu 3D perspective transform ile gerçekçi hale getirildi. İstatistik sayfası dashboard pattern kullanır. En üstte günlük hedef progress ring, ortada haftalık çalışma ısı haritası (GitHub contribution graph ilhamı), altta konu bazlı performans bar chart. Tüm grafikler Swift Charts ile GPU-accelerated render edilir. Renk sistemi öğrenme psikolojisi referans alınarak seçildi. Mavi ve mor tonları konsantrasyon ve güven hissi yaratır. Yeşil doğru cevap ve ilerleme için, kırmızı sadece yanlış cevap göstergesinde kullanılır. Dark mode varsayılan — uzun çalışma oturumlarında göz yorgunluğunu azaltır. Erişilebilirlik: VoiceOver tam destek (kart okuma, cevap kontrolü, istatistik açıklama), Dynamic Type tüm ekranlarda, reduce motion alternatifler, switch control ile kart navigasyonu. Disleksi dostu font seçeneği (OpenDyslexic) ayarlardan aktifleştirilebilir. Kullanılabilirlik testleri 25 öğrenci ile yapıldı, SUS skoru 84/100.

Sonuçlar & Etki

Study Mate AI, App Store Eğitim kategorisinde Türkiye'de 5. sıraya yükseldi. Lansmandan 8 ay sonra 180.000 indirme ve 55.000 aktif kullanıcıya ulaşıldı. Ortalama kullanıcı puanı 4.9 ile kategorideki en yüksek puanlı yerli uygulamalardan biri oldu. Spaced repetition modülü ile çalışan öğrencilerin sınav başarısında ortalama %31 artış ölçüldü. Kontrol grubuyla karşılaştırıldığında, SR-3 algoritması geleneksel çalışma yöntemlerine göre %40 daha az tekrar ile aynı kalıcılığı sağladı. AI Quiz Engine günde ortalama 45.000 soru üretiyor. Üretilen soruların kalite değerlendirmesinde kullanıcılar %87 oranında soruları "iyi" veya "mükemmel" olarak puanladı. En çok kullanılan konu alanları: YKS hazırlık (%34), İngilizce (%22), tıp fakültesi (%15). Grup çalışma özelliği viral büyüme sağladı — her aktif kullanıcı ortalama 2.3 arkadaşını davet etti. Haftalık canlı quiz yarışmalarına ortalama 3.200 öğrenci katılıyor. Sosyal öğrenme özellikleri eklendiğinde günlük aktif kullanıcı sayısı %45 arttı. Premium dönüşüm oranı %11.2 ile eğitim kategorisi ortalamasının (%4.8) 2 katından fazla. Yıllık abonelik tercih oranı %58. Apple, uygulamayı "Eğitimde Yapay Zeka" koleksiyonunda öne çıkardı.

Öğrenilen Dersler

Spaced repetition algoritmasında en kritik öğrenim, kullanıcı motivasyonunun teknik doğruluktan daha önemli olduğuydu. Matematiksel olarak optimal tekrar zamanlaması kullanıcıyı bunaltabilir — günde 200 kart tekrarı teknik olarak doğru ama pratik olarak sürdürülemez. Günlük kart limiti ve "kolay" kartları atlama özelliği eklendiğinde retention paradoksal olarak arttı çünkü kullanıcılar uygulamayı bırakmadı. Türkçe NLP konusunda en büyük zorluk veri kıtlığıydı. İngilizce için milyonlarca etiketli veri mevcutken, Türkçe eğitim içeriği için veri seti sıfırdan oluşturuldu. 500 gönüllü öğrencinin ders notlarından anonimleştirilmiş veri seti derlendi. Community-driven data collection modeli benimsenmelidir. Gamification elementleri dikkatli dengelenmeli. İlk versiyonda XP, rozet ve liderlik tablosu eklendi. Ancak kullanıcı araştırması, bazı öğrencilerin puan kazanmaya odaklanıp gerçek öğrenmeyi ihmal ettiğini gösterdi. Gamification, öğrenme hedefleriyle hizalanacak şekilde yeniden tasarlandı — streak ödülleri doğru cevap oranına bağlandı. iPadOS desteği beklenenden fazla mühendislik çabası gerektirdi. Split View, Slide Over, Stage Manager uyumluluğu, Apple Pencil ile kart üzerine not alma ve keyboard shortcuts tam entegrasyon istedi. Ancak iPad kullanıcılarının session süresi iPhone'un 2.3 katı olduğundan yatırım karşılığını fazlasıyla verdi. Offline-first yaklaşım eğitim uygulamalarında zorunlu. Öğrenciler metroda, kütüphanede, kırsalda çalışıyor — internet her zaman mevcut değil. Core Data + CloudKit sync ile tam offline destek sağlandı, bu özellik kullanıcı yorumlarında en çok övülen nokta oldu.