Yapay Zeka Rehberi
“Yapay zekanın akademik araştırma kütüphanesinde kullanımı ile ilgili üniversite kütüphanesinde kullanılmak üzere bir rehber hazırlıyorum. Bu rehberde kullanabileceğim "art nouveau" tarzında, üst kısmında "BILGI Library" yazan bir afiş tasarla” prompt, Chat GPT, version 4.5, OpenAI, 7 May. 2025, https://chatgpt.com/.
1. Yapay zeka nedir?
Öğrenme, akıl yürütme, problem çözme gibi insan zekası özelliklerini taklit ederek bilişsel görevleri yerine getirebilen bilgisayar sistemlerini tanımlayan bir kavramdır. Yapay zeka sistemleri, verilerden anlam çıkarabilir, yorumlayabilir ve bu bilgiler doğrultusunda karar verebilir. Doğal dil işleme, görüntü tanıma ve oluşturma, öneri sistemleri ve otomatik metin üretimi gibi birçok alanda yaygın olarak kullanılmaktadır (Gil de Zúñiga vd., 2024).
Akademik araştırmalarda, literatür tarama, kaynak analizi, metin özetleme, intihal tespiti, yazım desteği gibi araştırma süreçlerinde yardımcı bir araç olarak görevi görür. Ancak yapay zeka bir "araştırmacı" değildir; sunduğu bilgilerin geçerliliği ve doğruluğu kullanıcı tarafından mutlaka kontrol edilmelidir. Yapay zeka, bilgiye erişimi ve bilginin işlenmesini kolaylaştıran güçlü bir yardımcıdır, fakat akademik sorumluluk hâlâ araştırmacıya aittir.
Yapay Zekâ Tarihçesi
Yapay zekâ kavramı, insan zekâsına özgü işlevlerin makineler tarafından gerçekleştirilebileceği fikrine dayanmaktadır. Alan Turing’in 1950 yılında yayımladığı Computing Machinery and Intelligence başlıklı makalesi, bu alandaki ilk kuramsal tartışmalardan biri olarak kabul edilir. Turing, ünlü “Turing Testi” ile bir makinenin zekâya sahip olup olmadığını değerlendirmeye yönelik ölçüt ortaya koymuştur (Turing, 1950).
Yapay zekânın bağımsız bir araştırma alanı olarak doğuşu ise 1956 yılında John McCarthy’nin öncülüğünde düzenlenen Dartmouth Konferansı ile gerçekleşmiştir. Bu konferans, Marvin Minsky, Claude Shannon ve Herbert Simon gibi bilim insanlarının katkılarıyla disiplinin temel sorunsallarını tanımlamış ve “artificial intelligence” kavramını bilimsel terminolojiye kazandırmıştır (McCarthy vd., 1956). Ayrıca Türk matematikçi Cahit Arf’ın cebir ve diferansiyel denklemler alanındaki katkıları, yapay zekâ algoritmalarının dayandığı matematiksel altyapı hakkında önemli çalışmalar sunmaktadır. 1959 yılında yayımladığı Makine Düşünebilir mi ve Nasıl Düşünebilir? başlıklı makalesiyle döneminde yapay zeka ile ilgili düşünsel tartışmalara katkıda bulunmuştur.
1960’lı ve 1970’li yıllarda uzman sistemler ve mantıksal çıkarım teknikleri geliştirilmiş; ancak donanım sınırlılıkları ve yüksek beklentiler nedeniyle “yapay zekâ kışları” olarak bilinen duraklama dönemleri yaşanmıştır. 1990’larda artan işlem kapasitesi ve makine öğrenmesi yöntemleriyle alan yeniden ivme kazanmıştır. Bu dönemin sembolik gelişmelerinden biri, 1997’de IBM’in Deep Blue adlı satranç programının Garry Kasparov’u yenmesidir (Campbell, Hoane ve Hsu, 2002).
YZ ile İlgili Kavramlar
AI (Artificial Intelligence / Yapay Zekâ): İnsan zekâsına özgü öğrenme, akıl yürütme ve problem çözme gibi bilişsel süreçleri taklit ederek görevleri yerine getiren bilgisayar sistemlerinin genel adıdır.
GAI (Generative AI / Üretken Yapay Zekâ): Var olan verilerden öğrenerek yeni metinler, görseller, müzik veya içerikler üretebilen yapay zekâ türüdür. ChatGPT veya MidJourney gibi araçlar bu gruba örnektir.
LLM (Large Language Model / Büyük Dil Modeli): Çok büyük metin veri kümeleri üzerinde eğitilmiş, insan dilini anlama ve üretme becerisine sahip derin öğrenme modelleridir. ChatGPT, GPT-4, Claude gibi modeller bu sınıfa girer.
ML (Machine Learning / Makine Öğrenmesi): Bilgisayarların verilerden örüntüler öğrenerek açıkça programlanmadan tahmin ve kararlar üretebilmesini sağlayan yapay zekâ alt alanıdır.
DL (Deep Learning / Derin Öğrenme): Çok katmanlı yapay sinir ağları kullanarak karmaşık verilerden öğrenmeyi mümkün kılan makine öğrenmesi alt alanıdır. Görüntü tanıma ve doğal dil işleme gibi uygulamalarda yoğun olarak kullanılır.
NLP (Natural Language Processing / Doğal Dil İşleme): İnsan dilini bilgisayarların anlamasını, işlemesini ve üretmesini sağlayan yapay zekâ dalıdır. Örneğin otomatik çeviri, duygu analizi veya sohbet robotları NLP uygulamalarıdır.
AGI (Artificial General Intelligence / Genel Yapay Zekâ): İnsan zekâsına benzer şekilde çok farklı görevleri anlayabilen, öğrenebilen ve uygulayabilen, esnek ve kapsamlı bir yapay zekâ türünü ifade eder. Henüz geliştirilmemiştir, teorik bir hedef olarak görülmektedir.
ASI (Artificial Superintelligence / Süper Yapay Zekâ): İnsan zekâsını tüm bilişsel alanlarda aşan, bağımsız karar verme ve yaratıcılıkta üstün kapasiteye sahip olacağı öngörülen yapay zekâ seviyesidir. Şu an yalnızca kuramsal bir kavramdır.
2. Yapay Zekanın Akademik Çalışmalarda Kullanımı
Konu Belirleme
Araştırma konusunu daraltmak, ilgili alt başlıkları keşfetmek ya da güncel konular hakkında fikir almak için yapay zeka araçları kullanılabilir.
Literatür Tarama
Yapay zeka, belirli bir konuda daha önce yapılmış çalışmaları bulabilir, konu ile ilgili kaynaklar önerebilir, intihalin önüne geçebilir.
Not Alma ve Özetleme
Uzun metinleri veya makaleleri kısa ve anlamlı özetlere dönüştürmekte kullanılabilir. Alınan notları kategorize etmek ve kavram haritası oluşturarak çalışmanın akışının belirlenmesinde yardımcı olabilir.
Veri Analizi
Yapay zeka, nicel verilerin sınıflandırılması, istatistiksel özetlenmesi veya grafikleştirilmesi gibi temel analiz işlemlerine destek verebilir. Kod yazma, tablo yorumlama ya da sonuç çıkarma gibi görevlerde yönlendirici olabilir.
Kaynakça Oluşturma
Metin içinde kullanılan kaynakları farklı atıf stillerine (APA, MLA, Chicago vb.) uygun biçimde düzenleyebilir. Kaynakça oluşturmada görev alabilir.
Sunum Hazırlama
Yapay zeka; sunum başlıkları önermek, içerik özetlemek ya da slayt yapısına uygun metinler üretmekte kullanılabilir. Görsel önerileri ve sade anlatımla sunum sürecini hızlandırabilir.
3. Doğru Prompt (İstem) Yazımı
Prompt, yapay zekâya bir görev vermek ya da bir içerik üretmesini istemek için yazılan talimat, soru ya da metin parçasıdır. Yapay zekâ, verilen prompt'a göre yanıt üretir. Bu nedenle prompt’un açık, amaç odaklı ve bağlama uygun olması, alınacak cevabın kalitesini doğrudan etkiler.
Örnek:
❌ Zayıf prompt: "Yapay zekâ hakkında bir şey yaz."
✅ Etkili prompt: "Lise düzeyinde, açıklayıcı ve sade bir dil kullanarak yapay zekânın eğitimdeki rolünü anlatan 100 kelimelik bir paragraf yaz."
Yapay zekadan etkili ve doğru yanıtlar alabilmek için prompt’lar dikkatli ve bilinçli şekilde yazılmalıdır. Etkili prompt yazmanın temel unsurları:
Açıklık
Prompt açık, anlaşılır ve belirsizlikten uzak olmalıdır. Ne istendiği net bir şekilde ifade edilmelidir.
Örnek:
❌ "Bana biraz yardımcı olur musun?"
✅ "Yapay zekanın eğitimdeki rolü hakkında 100 kelimelik bir paragraf yazar mısın?"
Amaç
Yapay zekadan ne tür bir çıktı istendiği belirtilmelidir: metin mi, liste mi, özet mi, analiz mi?
Örnek: “Karşılaştırmalı bir tablo hazırla” veya “Literatür taraması yap.”
Bağlam
Konu hakkında kısa bilgi vermek, yapay zekanın daha uygun yanıtlar üretmesini sağlar.
Örnek: “Bir lisans öğrencisi için yazıyorsun” veya “Sosyoloji alanında bir ödev hazırlığı yapıyorum.”
Format / Biçim
İstenilen yanıtın yapısı belirtilmelidir: maddeler halinde mi olacak, paragraf mı, Tablo mu?
Örnek: “3 paragraflık bir giriş yazısı” veya “Madde madde öneri listesi.”
Üslup / Dil
Cevabın hangi üslupta yazılması gerektiği tanımlanmalıdır: resmî, akademik, sohbet tarzı, sade dil, teknik vb.
Örnek: “Akademik üslupta yaz” veya “Lise düzeyinde, basit cümlelerle anlat.”
Geri Bildirim ve Geliştirme
İlk yanıt yeterli olmayabilir. Yapay zekaya düzeltme, genişletme ya da sadeleştirme yönünde yeni komutlar vererek yanıt geliştirilebilir.
Örnek: “İkinci paragrafı sadeleştir” veya “Kaynakça da ekle.”
4. Akademik Araştırmalarda Yapay Zeka Kullanırken Dikkat Edilmesi Gereken Etik Hususlar
“Yapay zeka kullanımında akademik dürüstlük, etik, şeffaflık gibi başlıklar ışığında, art deco tarzında bir görsel üret.” prompt, Gemini, 2.5 Flash, Google, 21 May. 2025, https://gemini.google.com/app.
Etik
Etik, bireylerin ve kurumların davranışlarını yönlendiren, toplumsal ve mesleki normlar çerçevesinde doğru ile yanlışın ayırt edilmesini sağlayan felsefi bir disiplindir. Akademik bağlamda etik, bilgi üretiminde dürüstlük, şeffaflık, tarafsızlık ve sorumluluk ilkeleri doğrultusunda hareket edilmesini gerektirir. Yapay zeka araçlarının kullanımı da bu ilkeler ışığında değerlendirilmelidir. Araştırma süreçlerinde etik dışı uygulamalardan kaçınılmalıdır. Yapay zekanın bir araştırmacı değil bir araç olduğu unutulmamalıdır.
Akademik Etik
Akademik etik, bilimsel araştırma ve yayın süreçlerinde dürüstlük, şeffaflık, doğruluk, adalet ve sorumluluk ilkelerine bağlı kalmayı ifade eder. Araştırmacılar, veri toplama, analiz, yorumlama ve yayın süreçlerinde etik kurallara uymalı; başkalarının fikir ve çalışmalarını doğru biçimde atıf vererek kullanmalıdır. Yapay zekanın akademik araştırmalarda kullanımı, bu ilkeler doğrultusunda gerçekleştirilmelidir; yapay zekanın ürettiği içeriklerin doğruluğu ve kaynaklara uygunluğu titizlikle kontrol edilmelidir. Akademik etik, sadece bireysel sorumluluk değil, aynı zamanda akademik topluluğun güvenilirliğini ve bilginin bütünlüğünü korumak açısından da kritik bir rol oynar.
Halüsinasyon Riski
Yapay zeka, gerçek olmayan bilgiler “uydurabilir”. Sorgunuzla ilgili verilere erişemezse ya da kullandığınız yapay zekanın etik, telif, topluluk kurallarının dışında sorular sorarsanız yapay zeka halüsinasyon cevaplar üretebilir. Halüsinasyon riski, yapay zekanın güvenilirliğini ve doğruluğunu etkileyen önemli bir faktördür. Elde edilen bilgilerin doğruluğunun mutlaka kontrol edilmesi ve yapay zeka çıktılarının tek kaynak olarak kullanılmaması gerekmektedir.
Sorumluluk ve Hesap Verebilirlik
Yapay zeka araçlarının ürettiği içeriklerin doğruluğunun ve uygunluğunun sorumluluğu araştırmacıya aittir. Üretilen bilgi ya da metnin doğrulanması, etik ilkelere uygunluğu ve gerektiğinde kaynak gösterilmesi araştırmacının yükümlülüğündedir. Araştırmacı, kullanım amacına ve sonucuna dair hesap verebilir olmalıdır.
Şeffaflık ve Açıklanabilirlik
Yapay zekanın üretim süreci, hangi verilerle ve hangi yöntemlerle çalıştığı konusunda araştırmacı, kullanıcıya net bilgi sunmalıdır. Diğer araştırmacılar, jüri ya da okuyucu, yapay zeka araçlarının nasıl çalıştığını, verdikleri yanıtların nasıl üretildiğini ve hangi sınırlamalara sahip olduğunu anlayabilmelidir. Yapay zekayla üretilen içeriklerin, geleneksel kaynaklardan nasıl farklılaştığı açıkça belirtilmeli ve gerektiğinde bu süreç açıklanabilir olmalıdır.
Karakutu Problemi
Şeffaflık ile ilgili önemli bir soru işareti ise karakutu problemidir. Yapay zeka sistemleri, özellikle derin öğrenme temelli modeller, karar alma süreçlerini kullanıcıya açık bir şekilde gösteremez; bu da "kara kutu" problemi olarak adlandırılır. Modelin hangi verilerle nasıl bir sonuca vardığı çoğu zaman şeffaf değildir ve bu durum, akademik güvenilirlik ve denetlenebilirlik açısından sorun yaratabilir. Kullanıcılar, yapay zekanın sunduğu bilgileri sorgulamalı ve açıklanabilir olmayan sonuçlara eleştirel bir tutumla yaklaşmalıdır.
Önyargı
Yapay zeka sistemleri, eğitildikleri veri setlerine bağlı olarak önyargılar taşıyabilir ve belirli gruplara karşı adaletsiz sonuçlar üretebilir. Kullanılan yapay zeka araçlarının önyargı barındırıp barındırmadığı sorgulanmalı ve çıktıların farklı kullanıcılar açısından eşitlikçi olup olmadığına dikkat edilmelidir. Akademik çalışmalarda yapay zekanın kapsayıcı, tarafsız ve ayrımcılıktan uzak bir biçimde kullanılması esastır.
İntihal
Yapay zeka ile üretilen içerikler başka bir çalışmanın kopyası gibi görünebilir. İçerikler doğrudan kullanılmamalıdır. Yapay zeka ile üretilen içerikler, başka çalışmalara benzeyebilir veya doğrudan kopya unsurlar içerebilir. Çıktılar mutlaka kontrol edilmeli ve gerekiyorsa uygun şekilde yeniden yazılmalıdır. Yapay zekadan alınan metinler, doğrudan kullanılmamalı; araştırmacının kendi yorumunu ve katkısını içermelidir. Yapay zekanın kullanıldığı bölümler açıkça belirtilmeli ve gerekirse kaynak olarak gösterilmelidir.
Veri Güvenliği ve Gizlilik
Yapay zeka araçlarına girilen her veri, özellikle kişisel, kurumsal veya hassas içerikler, gizlilik açısından risk oluşturabilir. Bu araçların verileri nasıl sakladığı veya üçüncü taraflarla paylaşıp paylaşmadığı her zaman net olmayabilir. Kullanıcılar, gizli bilgi içeren belgeleri, kimlik bilgilerini veya telif hakkıyla korunan içerikleri bu tür sistemlere yüklemekten kaçınmalı; veri güvenliği ilkesine uygun hareket etmelidir. Gizlilik ihlalleri, sadece bireysel değil kurumsal düzeyde de ciddi sonuçlar doğurabilir.
Özgünlük
Akademik yazımda en değerli unsur, araştırmacının konuya dair kendi bakış açısını ortaya koyabilmesi ve yapay zekadan alınan verileri eleştirel bir süzgeçten geçirebilmesidir. Yapay zekadan alınan metinler, çoğu zaman genel ve yüzeysel bilgiler içerir. Bu nedenle yalnızca bu tür içeriklere dayanmak, çalışmanın özgünlüğünü zayıflatabilir. Yapay zeka, yalnızca bir araçtır; özgün fikir ve ifade, her zaman insan katkısıyla mümkün olur.
Eleştirel Düşünme
Eleştirel düşünme, bilgiyi sorgulama, değerlendirme ve mantıksal analiz yoluyla anlamlandırma sürecidir. Yapay zeka araçları tarafından üretilen içerikler, her zaman doğru, tutarlı veya bağlama uygun olmayabilir. Araştırmacı, yapay zekadan elde edilen bilgileri nesnel biçimde değerlendirerek doğruluğunu başka kaynaklarla karşılaştırmalı ve gerektiğinde içeriği sorgulamalıdır. Eleştirel düşünme, yapay zeka destekli araştırmalarda bilimsel titizliğin ve akademik güvenilirliğin korunması açısından vazgeçilmez bir ilkedir.
Tembellik ve Bağımlılık Riski
Yapay zeka araçlarının kolaylaştırıcı yapısı, kullanıcıların araştırma, okuma ve yazma gibi temel akademik becerilerden uzaklaşmasına neden olabilir. Bu durum, zihinsel tembelliği teşvik ederek bireysel düşünme, analiz etme ve sentez yapma yetilerini zayıflatabilir. Ayrıca, sürekli yapay zeka desteğine başvurmak zamanla bilişsel bağımlılığa yol açabilir ve araştırmacının özgün katkı sunma kapasitesini sınırlayabilir. Yapay zeka, öğrenme sürecinin yerine geçen bir araç olarak değil, destekleyici bir yardımcı olarak değerlendirilmelidir.
5. Akademik Çalışmalarda Yapay Zekaya Atıfta Bulunma
Akademik çalışmalarda yapay zekâ araçlarının kullanımı giderek yaygınlaşıyor. Yapay zeka çıktılarını kullanırken şeffaflık ve akademik dürüstlük adına doğru biçimde atıf vermek gerekir. Akademik yazında atıf verirken kullanılan üç yaygı atıf stili bulunmaktadır; APA, MLA ve Chicago.
APA (7. Baskı)
APA (American Psychological Association), sosyal bilimlerde yaygın kullanılan kaynak gösterme yöntemlerinden biridir. Metin içinde yapılan atıflar, parantez içinde yazarın soyadı ve yayın yılı ile verilir; çalışmanın sonunda ise ayrıntılı bir kaynakça listesi bulunur.
Metin içi format:
(YZ modelinin yayıncısı, model yılı)
Örnek - ChatGPT
When prompted with “Is the left brain right brain divide real or a metaphor?” the ChatGPT-generated text indicated that although the two brain hemispheres are somewhat specialized, “the notation that people can be characterized as ‘left-brained’ or ‘right-brained’ is considered to be an oversimplification and a popular myth” (OpenAI, 2023).
Kaynakça formatı:
YZ modelinin yayıncısı. (Model yılı). Modelin adı (Model sürümü) [Model türü]. Bağlantı linki
Örnek - ChatGPT
OpenAI. (2023). ChatGPT (Mar 14 version) [Large language model].
MLA (9. Baskı)
MLA (Modern Language Association) atıf stili, özellikle beşeri bilimler alanlarında yaygın olarak kullanılır. Metin içi atıflar yazarın soyadı ile yapılır ve sayfa numarası da eklenebilir. Çalışma sonunda ise tüm kaynaklar "Works Cited" başlığı altında listelenir. MLA atıf stili, yapay zekanın bir yazar olarak değerlendirilmesini önermez.
Metin içi format:
(”Başlık”)
Örnek - ChatGPT
While the green light in The Great Gatsby might be said to chiefly symbolize four main things: optimism, the unattainability of the American dream, greed, and covetousness (“Describe the symbolism”), arguably the most important—the one that ties all four themes together—is greed.
Works Cited format:
"Konu başlığı" istemi. Model adı , Sürümü, Yayıncısı, İçeriğin oluşturulduğu tarih, bağlantı linki.
Örnek - ChatGPT
“Describe the symbolism of the green light in the book The Great Gatsby by F. Scott Fitzgerald” prompt. ChatGPT, 13 Feb. version, OpenAI, 8 Mar. 2023, chat.openai.com/chat.
MLA atıf stilinde yapay zeka çıktısına metin içi atıf verilirken başka bir yöntem da kullanılabilmektedir. Bu yöntemde istem yapılan konu metin içerisinde açıklanarak yazılır.
Örnek - ChatGPT
Metin içi:
When asked to describe the symbolism of the green light in The Great Gatsby, ChatGPT provided a summary about optimism, the unattainability of the American dream, greed, and covetousness. However, when further prompted to cite the source on which that summary was based, it noted that it lacked “the ability to conduct research or cite sources independently” but that it could “provide a list of scholarly sources related to the symbolism of the green light in The Great Gatsby” (“In 200 words”).
Works Cited
“In 200 words, describe the symbolism of the green light in The Great Gatsby” follow-up prompt to list sources. ChatGPT, 13 Feb. version, OpenAI, 9 Mar. 2023, chat.openai.com/chat.
Chicago (17. Baskı)
Chicago (The Chicago Manual of Style) tarih, sanat, sosyal ve beşeri bilimlerde kullanılan bir atıf stilidir. Dipnot, sonnot ve bibliyografya kısımlarında kullanılabilen yöntemdir. Bu stil yapay zeka modelini bir yazar olarak değerlendirir. Okuyucular linklere erişemeyeceğinden, yapay zeka linkini atfın bir parçası olarak görmez.
Metin içi format:
(Yazar, Tarih)
Örnek - ChatGPT
(ChatGPT, March 7, 2023).
Dipnot ve Bibliyografya formatı:
Dipnot numarası. YZ Yayıncısı, “İstemin tanımı”, YZ Modeli, metnin üretildiği tarih.
Örnek - ChatGPT
- ChatGPT, response to “Explain how to make pizza dough from common household ingredients,” OpenAI, March 7, 2023.
Kaynakça:
https://apastyle.apa.org/blog/how-to-cite-chatgpt
https://style.mla.org/citing-generative-ai/
https://www.chicagomanualofstyle.org/qanda/data/faq/topics/Documentation/faq0422.html