Mimarlık eğitiminde üretken yapay zeka kullanımı: Ön tasarım sürecine yönelik deneysel bir inceleme

Abstract

Bu tez çalışmasında günümüzde kullanımı hızla artan yapay zekâ (YZ) teknolojisinin mimarlık eğitimine dahil edilmesinin sağlayabileceği avantajların ve karşılaşılabilecek zorlukların belirlenmesi amaçlanmıştır. Bu amaç çerçevesinde üretken yapay zeka teknolojisinin ön tasarım sürecinde kullanılmasına odaklanılarak araştırma üç aşamalı bir süreçle yürütülmüştür. İlk aşamada literatür taraması yapılarak kuramsal çerçeve oluşturulmuş, ardından bibliyometrik yöntemlerle sistematik analiz gerçekleştirilmiş ve güncel temalar belirlenmiştir. Sistematik analiz sonuçları, mimarlık pratiğinde yapay zekâ kullanımında özellikle üretken tasarımın güncel ve öne çıkan bir tartışma konusu olduğunu ortaya koymuştur. Son aşamada ise deneysel bir uygulama kapsamında öğrencilerin Autodesk Forma programında (Site Automation modülü), Archistar ve OneClick LCA yazılım eklentileriyle ön tasarım sürecinde üretken yapay zekâ araçlarını deneyimlemeleri sağlanmıştır. Veri toplama sürecinde ön-test ve son-test anketleri, öğrenci görüşleri ve süreç gözlemleri kullanılmış; TAM modeline dayalı ölçeklerin güvenirliği Cronbach Alfa ile test edilmiş, elde edilen veriler ayrıca istatistiksel yöntemler (tanımlayıcı istatistikler, ki-kare ve Friedman testleri) ve nitel değerlendirmeler ile incelenmiştir. Bulgular, yapay zekânın mimarlıkta üretken tasarım, optimizasyon, performans analizi, alternatif senaryo üretimi, çevresel veri analizi ve sürdürülebilirlik değerlendirmeleri için; mimarlık eğitiminde ise kavramsal düşünceyi geliştirme, yaratıcı süreci destekleme, görselleştirme ve veri odaklı karar alma amacıyla kullanıldığını göstermektedir. Özellikle ön tasarım süreci için uygulanan deneysel uygulama aşamasında kütle yerleşimi, geometri kararları, çevresel analizler, yoğunluk ve fonksiyonel dağılım gibi süreçlerde çok yönlü katkılar sağlamış; öğrenciler fikir üretiminde hızlanma, alternatif geliştirme, zaman tasarrufu, parametrik esneklik ve senaryo çeşitliliği gibi avantajları öne çıkarmıştır. Buna karşın kullanım zorlukları, arayüz eksiklikleri, yerel veri tabanı yetersizlikleri, bağlamsal uyumsuzluklar ve yaratıcı sürecin sınırlanabileceğine dair kaygılar sorun olarak belirlenmiştir. Çalışmanın özgün katkıları arasında farklı üretken yapay zekâ araçlarının tasarım sürecinde birlikte kullanılmasının öneminin ve gerekliliğinin vurgulanması, öğrenci deneyimlerinin değerlendirilmesi ve Türkiye bağlamında yerel bağlam verilerinin (topografya, mevcut yapı yoğunluğu, yeşil alan bilgileri, vb.) dijitalleştirilerek, yapay zekâ tabanlı araçların daha verimli ve doğru sonuçlar üretebilmesine katkı sağlaması gibi hususların tespitidir. Araştırmanın sınırlılıkları, örneklem büyüklüğü ve yalnızca ön tasarım aşamasına odaklanılmasıdır. Gelecek çalışmalar için kavramsal tasarım, plan ve cephe tasarımı gibi farklı aşamaların incelenmesi, yerel veri tabanlarının geliştirilmesi ve disiplinlerarası işbirliklerinin artırılması önerilmektedir. In this thesis, it is aimed to determine the advantages and difficulties that may be encountered in integration of artificial intelligence (AI) technology, which is rapidly increasing in use today, in architectural education. Within this framework, the research was carried out in a three-stage process, focusing on the use of generative AI technology in the preliminary design process.In the first stage, a literature review was carried out to establish the theoretical framework, followed by a bibliometric analysis to identify current themes and research trends. The results of the systematic analysis revealed that generative design has emerged as a current and prominent topic of discussion in the use of AI within architectural practice. In the final stage, an experimental study was conducted in which students used Autodesk Forma (Site Automation module), Archistar, and OneClick LCA software extensions to experience generative AI tools in the early design phase. Data collection included pre-test and post-test surveys, student feedback, and process observations. The scales based on the Technology Acceptance Model (TAM) were tested for reliability using Cronbach’s Alpha, and the data were further analyzed through statistical methods (descriptive statistics, Chi-square, and Friedman tests) as well as qualitative evaluations. The findings indicate that AI in architecture is used for generative design, optimization, performance analysis, alternative scenario generation, environmental data analysis, and sustainability assessment, while in architectural education it supports conceptual thinking, creativity, visualization, and data-driven decision-making. In the early design phase, AI tools contributed significantly to mass placement, geometry decisions, environmental analyses, density, and functional distribution. On the one hand, students emphasized advantages such as accelerated idea generation, the ability to produce alternatives, time efficiency, parametric flexibility, and scenario diversity. On the other hand, challenges were identified, including usability difficulties, interface limitations, lack of local databases, contextual mismatches, and concerns about AI constraining creativity. The unique contributions of this study include emphasizing the necessity and increasing the use of different generative artificial intelligence tools in the design process, evaluating student experiences, and using local contextual data (topography, existing building density, green space information, etc.) in Türkiye. The limitations of the study are related to the small sample size and its exclusive focus on the early design mass production phase. For future research, it is recommended to explore other phases such as conceptual, planning, and facade design, to develop local data infrastructures, and to strengthen interdisciplinary and pedagogical collaborations.