LLM DESTEKLİ BİR MOBİL YOKLAMA ASİSTANI – BURSA ULUDAĞ ÜNİVERSİTESİ ÖRNEĞİ

SERT F., ÖZDOĞAN E.

Yönetim Bilişim Sistemleri Derneği Dergisi, cilt.2, sa.1, ss.1-26, 2026 (Hakemli Dergi)

Özet

Geleneksel yoklama sistemleri genellikle öğrenci bağlılığını ve veri erişilebilirliğini göz ardı ederek yalnızca kayıt tutmaya odaklanmaktadır. Bu çalışma, yoklama sürecini durağan bir idari görevden bir akademik asistana dönüştüren, bir mobil yoklama ekosistemi sunmaktadır. Sistem, dinamik QR kod tarama ile desteklenen çok katmanlı bir doğrulama çerçevesi kullanarak güvenli, hızlı ve yakınlık tabanlı bir doğrulama süreci sağlar. Coğrafi sınırlama ile bu hibrit kontrol mekanizmalarını birleştiren sistem; akademik motivasyonu ve zaman yönetimini artırmak amacıyla, öğrencilere kampüse giriş yaptıklarında kişiselleştirilmiş dijital dürtme ve ders programı hatırlatıcıları sunarak bağlam duyarlı etkileşimler başlatır. Önerilen mimari, eğitmenlerin doğal dil sorguları aracılığıyla veri analizleri yapmasına sağlayan bir LLM katmanı entegre etmektedir. Böylece devamsızlık sınırını aşma riski taşıyan öğrencilerin önceden belirlenmesi gibi gerçek zamanlı müdahalelere imkân tanır. Ayrıca sistem, BYOD modelini benimseyerek veri gizliliğine ve maliyet etkinliğine öncelik verir. Bu sayede pahalı biyometrik donanım veya sabit altyapı kurulumlarına duyulan ihtiyacı ortadan kaldırır.

Traditional attendance systems often focus solely on record-keeping, neglecting student engagement and data accessibility. This study presents a mobile attendance ecosystem that transforms the attendance process from a static administrative task into an academic assistant. The system provides a secure, rapid, and proximity-based verification process using a multi-layered authentication framework supported by dynamic QR code scanning. Integrating these hybrid control mechanisms with geofencing, the system initiates context-aware interactions—such as personalized digital nudges and schedule reminders when students enter the campus—to enhance academic motivation and time management. The proposed architecture integrates an LLM layer that enables instructors to perform data analysis through natural language queries, allowing for real-time interventions, such as the early identification of students at risk of exceeding absence limits. Furthermore, the system prioritizes data privacy and cost-effectiveness by adopting the BYOD model, thereby eliminating the need for expensive biometric hardware or fixed infrastructure installations.