Çoğu EdTech uygulamasının tıklamalar ve ekranda geçirilen süreyi takip etmesinin aksine, Alphazed’in analiz gölü gerçek öğrenme sonuçlarını ölçer: zaman içindeki telaffuz doğruluğu gelişimi, kavram hakimiyet geçişleri (başlangıç → orta → ileri), aralıklı tekrar etkisi (tekrar oturumları unutmayı azaltıyor mu?) ve Bloom Taksonomisi seviyesindeki ilerlemeler. Bu veriler müfredat iyileştirmeleri için yol gösterir ve ebeveynlere çocuklarının sadece oynadığı değil, gerçekten öğrendiğini kanıtlar.
Üç Katmanlı Analitik Mimarisi
Katman 1: Mobil Olaylar (Uygulamadan gerçek zamanlı)
Çocuk bir egzersizi tamamladığında uygulama aşağıdaki gibi bir olay gönderir:
{
"event_type": "attempt_complete",
"concept_id": "letter_ba",
"exercise_type": "select",
"accuracy_score": 0.89,
"attempt_number": 3,
"session_id": "session_abc123",
"timestamp": "2026-03-28T14:35:22Z",
"is_correct": true,
"response_time_ms": 2400
}
Katman 2: Backend Zenginleştirmesi (Sunucu tarafında bağlam eklenir)
Backend kullanıcı özellikleri ekler:
{
"...event...",
"user_id": "user_456",
"age_group": "5-7",
"persona": "intermediate",
"days_since_signup": 34,
"total_practice_minutes": 487,
"app_name": "amal",
"device_type": "Android",
"country": "US"
}
Katman 3: Analitik Gölü (Asenkron, SQL sorgulanabilir)
Backend zenginleştirilmiş verileri gönderir → SQS kuyruğu (fire-and-forget)
↓ (analitik için beklenmez)
↓ (kullanıcı deneyimi etkilenmez)
Kinesis Firehose (her 5 dakikada veya 100MB veride batching)
↓
S3 (bölümlenmiş: s3://alphazed-analytics/amal/2026/03/28/events.parquet)
↓
AWS Glue (her 1 saatte S3'ü tarar, şema çıkarır)
↓
Athena (Presto SQL motoru ile sorgulama)
↓
Dashboard (gerçek zamanlı ebeveyn paneli + dahili analizler)
Takip Ettiğimiz Öğrenme Sonucu Ölçütleri
Olay Türü 1: Deneme Tamamlandı
Çocuk bir egzersizi tamamladığında tetiklenir.
SELECT
user_id,
concept_id,
ROUND(AVG(accuracy_score), 2) as avg_accuracy,
COUNT(*) as total_attempts,
SUM(CASE WHEN is_correct THEN 1 ELSE 0 END) as correct_count,
DATE(FROM_UNIXTIME(timestamp / 1000)) as date
FROM analytics_lake.attempt_complete
WHERE app_name = 'amal'
AND concept_id = 'letter_ba'
GROUP BY user_id, concept_id, date
ORDER BY date DESC
Sonuç: "Letter ب: user_456 doğruluk oranını 1. haftada %72'den 3. haftada %94'e çıkardı"
Olay Türü 2: Kavram Hakimiyet Geçişi
Bir kavramın hakimiyet seviyesi değiştiğinde tetiklenir (başlangıçtan orta seviyeye geçiş gibi).
{
"event_type": "mastery_transition",
"concept_id": "word_kitab",
"from_level": "beginner",
"to_level": "intermediate",
"hlr_half_life_before": 4.0,
"hlr_half_life_after": 8.0,
"timestamp": "2026-03-20T10:15:00Z"
}
Hakimiyet geçişleri müfredat etkinliğini ölçer:
- Her kavramda kaç çocuk orta seviyeye ulaşıyor?
- Orta seviyeye ulaşma süresi ortalama ne kadar?
- Hangi kavramlar zorluk çıkarıyor?
Olay Türü 3: HLR Yarı Ömür Artışı
Aralıklı tekrar sırasında bellek gücü izlenir:
SELECT
user_id,
concept_id,
DATE(FROM_UNIXTIME(timestamp / 1000)) as date,
MAX(hlr_half_life_hours) as max_half_life,
COUNT(DISTINCT CASE WHEN is_correct THEN 1 END) as correct_reviews,
COUNT(DISTINCT CASE WHEN NOT is_correct THEN 1 END) as incorrect_reviews
FROM analytics_lake.hlr_update
GROUP BY user_id, concept_id, date
Sonuç: "Juz Amma Al-Ikhlas: user_789 7 doğru tekrar sonrası 256 saat (2 haftalık stabilite) yarı ömür elde etti"
Olay Türü 4: Konuşma Tanıma Doğruluk Trendleri
Zaman içinde telaffuz gelişimi:
SELECT
user_id,
DATE_TRUNC('week', FROM_UNIXTIME(timestamp / 1000)) as week,
AVG(similarity_score) as avg_pronunciation_accuracy,
APPROX_PERCENTILE(similarity_score, 0.5) as median_accuracy
FROM analytics_lake.speech_recognition_result
WHERE concept_type = 'letter'
GROUP BY user_id, week
ORDER BY week DESC
Sonuç: "Kullanıcının telaffuz doğruluğu 8 haftalık düzenli pratikle %18 arttı"
Olay Türü 5: Bloom Taksonomisi İlerlemesi
Bilişsel seviye ilerlemesi takibi:
{
"event_type": "blooms_level_completion",
"concept_id": "word_kitab",
"blooms_level_achieved": 4,
"user_age_group": "5-7",
"time_to_level_days": 14,
"attempt_count": 47,
"timestamp": "2026-03-25T16:45:00Z"
}
Takip soruları: Kaç çocuk Bloom Seviyesi 4 (Analiz) seviyesine ulaşabiliyor? Ortalama ne kadar zamanda?
Bu Veriler Ürün Kararlarını Nasıl Yönlendiriyor?
Karar 1: İçerik Parçasını Yeniden Tasarla
- Sorgu: "%40’tan fazla yanlış deneme olan içerik parçaları hangileri?"
- Sonuç: "Sessiz harf grupları için kelime oluşturma egzersizinde %52 hata oranı"
- Aksiyon: İçerik ekibi egzersizi yeniden tasarlar (daha fazla destek, yavaş ilerleme)
- Doğrulama: 2 hafta sonra sorgu tekrarlanır, hata oranı %25’in altına düşmeli
Karar 2: Egzersiz Çeşidini Ayarla
- Sorgu: "En yüksek katılım ve öğrenme sonucuna sahip egzersiz türleri hangileri?"
- Sonuç: "Fizik oyunları %30 daha fazla katılım ve %15 daha fazla doğruluk artışı sağlıyor"
- Aksiyon: Adaptif derslerde fizik oyunları sıklığı artırılır
Karar 3: Zorlanan Kavramları Belirle
- Sorgu: "%30’dan fazla kullanıcı orta seviyeye ulaşamayan kavramlar?"
- Sonuç: "Şiddetli ünsüzler (ص, ض, ط, ظ) sürekli zorlayıcı"
- Aksiyon: Ek içerik oluşturulur (daha fazla telaffuz çalışması, yavaş ilerleme)
Rakiplerle Karşılaştırma
| Ölçüt | Duolingo | Amal/Thurayya |
|---|---|---|
| Tıklamaları takip etme | ✓ XP, seri | ✓ (ama ikincil) |
| Doğruluk takibi | ✗ | ✓ Kavram bazında |
| Bellek azalışı takibi | ✗ | ✓ HLR yarı ömrü |
| Öğrenme sonuçları takibi | ✗ | ✓ Hakimiyet geçişleri |
| Telaffuz takibi | ✗ | ✓ Konuşma doğruluk trendleri |
| Veri odaklı ürün kararları | Katılım odaklı | Öğrenme odaklı |
SSS
S: Çocuğumun verileri analiz gölünde mi?
C: Evet, anonimleştirilmiş. Kişisel tanımlayıcı değil, öğrenme ölçütleri takip edilir. Ebeveyn panelinde çocuğunuzun verilerini görebilirsiniz ancak araştırmacılar bireysel isimleri göremez.
S: Veriler ne kadar süre saklanıyor?
C: Canlı veriler (son 12 ay) Athena'da sorgulanabilir. Tarihi veriler 7 yıl S3’te arşivlenir. Saklama süresi veri türüne göre yapılandırılabilir.
S: Çocuğumun öğrenme analizlerini dışarı aktarabilir miyim?
C: Evet. Panelde "Raporu Dışa Aktar" butonu vardır; son 3 aylık kişisel öğrenme sonuçlarını içeren PDF oluşturur.


