Study — Akıllı YKS Çalışma Sistemi

Study, YKS'ye hazırlanan bir öğrencinin elinde zaten olan şeyleri — kitaplarını, dershanesini, denemelerini — girdi kabul ediyor ve üzerine tek bir döngü kuruyor: plan, takip, analiz.

Kendi soru bankası yok, ve bu bilinçli bir karar. Öğrencinin kaynak seçimi çoktan yapılmış durumda; eksik olan, o kaynakların hangi sırayla ve ne kadar süreyle çalışılacağı.

Uygulama hesap açma ve kısa bir tanışma adımıyla başlıyor: sınıf, hedef, güncel netler, ders değerlendirmeleri, çalışma temposu, kaynaklar ve zorlandığı konular. Bu cevaplardan ilk yedi günlük plan üretiliyor. Sonrası beş bölüm: ana sayfa, plan, koç, sayaç ve analiz.

"Bugün ne çalışmalıyım?" tek doğru cevabı olan bir soru değil. Netler, sınava kalan gün, konuların birbirine bağımlılığı, geçmiş sınavlarda o konunun ne sıklıkla çıktığı ve öğrencinin bugün gerçekten ayırabildiği süre aynı anda etkili.

Bu yüzden asıl iş, öğrenciye bir sohbet arayüzü vermek değil, bu sinyalleri her hafta yeniden hesaplayan ve sonucu savunabilir bir plana çeviren bir sistem kurmaktı.

Planı 935 satırlık deterministik bir motor üretiyor. Kullandığı sinyaller: öğrencinin güncel net seviyesi, geçmiş denemeleri, günlük çalışma süresi, sınava kalan gün, ders ve sınav ağırlıkları, zayıf olduğu konular, konu ön koşulları, geçmiş sınavlardaki konu frekansı ve tekrar aralıkları.

1. Bir gün, slot değil dakika bütçesi

   Günler sabit sayıda "çalışma bloğu" olarak modellenmiyor, dakika bütçesi olarak modelleniyor. Günde kırk dakikası olan öğrenciyle üç saati olan öğrenci aynı planı almıyor.

2. Sınav yaklaştıkça ağırlık kayıyor

   Geçmiş sınavlarda sık çıkan konular, sınava kalan süre azaldıkça konu sıralamasında daha fazla etkili oluyor. Motor sınava kalan süreye göre uzak, geçiş ve yakın olmak üzere üç faz ayırıyor.

3. Konular bir graf

   89 hedef konu ve aralarında 113 ön koşul bağı var. Kendisinden önce gelmesi gereken konu çalışılmadan bir konu plana girmiyor.

4. Görev, konu adı değil eylem planı

   Her görev "oku → çöz → analiz et" adımlarını taşıyor. Öğrenci neyi çalışacağını değil, onu nasıl ve hangi sırayla çalışacağını görüyor.

5. "Bu tempoyla yetişir miyim?" için gerçek simülasyon

   Ayrı bir tahmini skor uydurmak yerine, 28 günlük plan gerçekten simüle ediliyor. Cevap, planın kendisinden çıkıyor.

6. Günü dondurmak planı bozmuyor

   Öğrenci bir günü dondurduğunda yapılmamış görevler kaybolmuyor; sonraki çalışma günlerine yeniden dağıtılıyor.

Aynı Expo kod tabanı hem mobil uygulamayı hem web yüzeyini veriyor, yani plan ekranı iki kez yazılmıyor.

Kodda OpenAI Responses API kullanan Cloud Functions var: plan üretme, yeniden planlama ve karne fotoğrafını okuma. Model dağıtım anında yapılandırılabiliyor, varsayılanı gpt-5-mini. Structured Outputs kullanılıyor ve modelin döndürdüğü çıktı doğrulanıp sınırlara çekiliyor — yani model serbestçe plana yazamıyor.

Mobil uygulama bu fonksiyonları henüz çağırmıyor. Bu yüzden uygulamanın bugün çalışan zekâsı yapay zekâdan değil, deterministik plan motorundan, net harmanlamadan, ön koşul grafından, tekrar aralıklarından ve deneme analizinden geliyor.

satırlık plan motoru

935

hedef konu

89

ön koşul bağı

113

günlük plan simülasyonu

28

Uygulama geliştirme aşamasında. Sosyal özellik ve yönetim paneli yok — ikisi de bu ürünün kapsamında değil.

Yayınlanmadığı için kullanıcı, indirme veya başarı verisi paylaşmıyorum.