Author :
Abstract
Bu çalışmanın amacı, psikolojik danışmanlık eğitiminde deneyimsel öğrenmeyi desteklemek üzere yapay zekânın danışan rolünde yapılandırıldığı PsyClient AI adlı bütüncül bir kavramsal model önermektir. Model, yapay zekâyı pasif bir bilgi kaynağı olmaktan çıkararak, psikolojik danışman adaylarıyla etkileşim kuran dinamik bir öğrenme bileşeni olarak konumlandırmaktadır. PsyClient AI üç temel yapıdan oluşmaktadır: yapay zekâ danışan, etkileşim döngüsü ve geri bildirim döngüsü. Yapay zekâ danışan, yapılandırılmış olgu formülasyonlarına dayalı olarak duygu, biliş ve davranış özellikleri taşıyan çok boyutlu bir danışan temsili sunmaktadır. Etkileşim döngüsü, öğrencilerin müdahalelerine verilen tepkiler üzerinden sürekli ve karşılıklı bir öğrenme süreci oluşturmaktadır. Geri bildirim döngüsü ise, öğrencilerin mikro becerilerini analiz ederek anlık ve kişiselleştirilmiş geri bildirim sağlamaktadır. Model ayrıca doğal dil işleme, senaryo yönetimi ve öğrenme analitiği gibi teknolojik bileşenlerle desteklenmektedir. Bu yönüyle PsyClient AI, psikolojik danışman adaylarının empati, aktif dinleme ve müdahale becerilerini güvenli ve tekrar edilebilir bir ortamda geliştirmelerine olanak tanımaktadır. Sonuç olarak modelin, psikolojik danışmanlık eğitiminde uygulama temelli öğrenmeyi güçlendiren yenilikçi bir yaklaşım sunduğu ve yapay zekâ destekli eğitim sistemleri için güçlü bir kuramsal temel oluşturduğu değerlendirilmektedir
Keywords
Abstract
This study aims to propose a holistic conceptual model, PsyClient AI, in which artificial intelligence serves as a client to support experiential learning in psychological counseling education. The model positions artificial intelligence not as a passive source of information, but as a dynamic learning component that interacts with prospective psychological counselors. PsyClient AI consists of three core components: the AI client, the interaction loop, and the feedback loop. The AI client provides a multidimensional representation of a client, incorporating emotional, cognitive, and behavioral characteristics based on structured case formulations. The interaction loop creates a continuous and reciprocal learning process through the AI’s responses to students’ interventions. The feedback loop, meanwhile, provides real-time and personalized feedback by analyzing students’ micro-skills. Technological components, including natural language processing, scenario management, and learning analytics, further support the model. In this regard, PsyClient AI enables aspiring psychological counselors to develop their empathy, active listening, and intervention skills in a safe and reproducible environment. In conclusion, the model is evaluated as offering an innovative approach that strengthens practice-based learning in psychological counseling education and establishes a robust theoretical foundation for AI-supported educational systems.
