Dezenformasyon Sürecinde Yapay Zeka ve Bilim İletişimi

KIRDAR, Y., SÖNMEZER, Z. (2025) “Dezenformasyon Sürecinde Yapay Zeka ve Bilim İletişimi”, Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar - IV kitabı, Eğitim Yayınevi, Ankara. (ISBN: 978-625-385-126-2)

2. Gazetecilik
Ve Medya
Çalışmaları
Prof. Dr. Ayşe Ceyda Ilgaz Büyükbaykal
Prof. Dr. Güven Necati Büyükbaykal
Editörler:
Alanında Uluslararası
Araştırmalar -IV

3. Gazetecilik Ve Medya Çalışmaları Alanında Uluslararası Araştırmalar –IV
Editörler: Prof. Dr. Ayşe Ceyda Ilgaz Büyükbaykal, Prof. Dr. Güven Necati Büyükbaykal
Yayınevi Grubu Genel Başkanı: Yusuf Ziya Aydoğan ([email protected])
Genel Yayın Yönetmeni: Yusuf Yavuz ([email protected])
Sayfa Tasarımı: Kübra Konca Nam
Kapak Tasarımı: Eğitim Yayınevi Grafik Birimi
T.C. Kültür ve Turizm Bakanlığı
Yayıncı Sertifika No: 76780
ISBN: 978-625-385-126-2
1. Baskı, Mart 2025
Baskı Cilt: Sayfa Basım Sanayi
Tevfik İleri Mah. Emek Cad. Polat Sok. No: 2 Pursaklar / Ankara
Matbaa Sertifika No: 77079
Kütüphane Kimlik Kartı
Mimarlık Alanında Uluslararası Araştırmalar –V
Editörler: Prof. Dr. Ayşe Ceyda Ilgaz Büyükbaykal, Prof. Dr. Güven Necati Büyükbaykal
VI+145 s., 160x240 mm
Kaynakça var, dizin yok.
ISBN: 978-625-385-126-2
Copyright © Bu kitabın Türkiye’deki her türlü yayın hakkı Eğitim Yayınevi’ne aittir. Bütün
hakları saklıdır. Kitabın tamamı veya bir kısmı 5846 sayılı yasanın hükümlerine göre
kitabı yayımlayan firmanın ve yazarlarının önceden izni olmadan elektronik/mekanik
yolla, fotokopi yoluyla ya da herhangi bir kayıt sistemi ile çoğaltılamaz, yayımlanamaz.
Yayınevi Türkiye Ofis: İstanbul: Eğitim Yayınevi Tic. Ltd. Şti., Atakent mah.
Yasemen sok. No: 4/B, Ümraniye, İstanbul, Türkiye
Konya: Eğitim Yayınevi Tic. Ltd. Şti., Fevzi Çakmak Mah. 10721 Sok. B Blok,
No: 16/B, Safakent, Karatay, Konya, Türkiye
[phone], [phone]
[email protected]
Yayınevi Amerika Ofis: New York: Egitim Publishing Group, Inc.
P.O. Box 768/Armonk, New York, 10504-0768, United States of America
[email protected]
Lojistik ve Sevkiyat Merkezi: Kitapmatik Lojistik ve Sevkiyat Merkezi, Fevzi Çakmak Mah.
10721 Sok. B Blok, No: 16/B, Safakent, Karatay, Konya, Türkiye
[email protected]
Kitabevi Şubesi: Eğitim Kitabevi, Şükran mah. Rampalı 121, Meram, Konya, Türkiye
[phone]
[email protected]
İnternet Satış: www.kitapmatik.com.tr
[email protected]

4. İÇİNDEKİLER
ÖNSÖZ............................................................................................................V
ANNAN PLANI REFERANDUMU SÜRECİNDE HALKIN SESİ
GAZETESİ.......................................................................................................1
Elif Küçük Durur
DEZENFORMASYON SÜRECİNDE YAPAY ZEKÂ VE BİLİM
İLETİŞİMİ......................................................................................................21
Yalçın Kırdar, Zuhal Sönmezer
DİJİTAL ÇAĞDA TÜKETİM VE MEKÂN İLİŞKİSİNE BİR BAKIŞ:
ŞEHİR MARKALAMA VE MARKA SEVGİSİ...............................................33
Ceren Yegen, Ali Murat Kırık
GÖRSEL İLETİŞİM VE YAZILI BASINDA ALGI YÖNETİMİ........................49
Bengü Kayıarslan
İNSAN İLİŞKİLERİNDE ARTTIRICI VE ALTERNATİF İLETİŞİM:
YAPAY ZEKÂNIN ROLÜ.............................................................................61
Sedat Cereci
KAYSERİ YEREL MEDYASINDA DRONE HABERCİLİĞİ:
KULLANIM ALANLARI, ALGILAR VE KARŞILAŞILAN SORUNLAR........73
Deniz Elif Yavalar, Ezgi Tek
TELEVİZYON HABERLERİNDE SÖYLEM VE İDEOLOJİ...........................99
Ali Öztürk
YAPAY ZEKÂ TEMELLİ ALGORİTMA HABERCİLİĞİ
BAĞLAMINDA GAZETECİLİĞİN GELECEĞİ ÜZERİNE ELEŞTİREL
BİR ANALİZ................................................................................................123
Doğukan Yandım

5. ÖNSÖZ
İçinde yaşadığımız dünya giderek medyanın yapılandırdığı, yönlendirdiği
ve gündemi oluşturduğu bir dünya haline gelmektedir. Ekonomi, kültür-
sanat, spor, çevre, bilim, siyaset, eğitim, eğlence, teknoloji gibi konulara ait
gelişmeleri aktarma gibi birçok kamusal görevi yerine getiren kitle iletişim
araçları, aynı zamanda bireylerin davranış ve tutumlarını da etkileme ve
yönlendirme gücüne sahiptir. İçinde yaşadığımız yüzyılın gelişmelerine uyum
sağlamak, toplumsal değişimlere uzak kalmamak adına teknolojik yenilik ve
değişiklikler insanlar tarafından takip edilmektedir. Bu bağlamda kitle iletişim
araçları son derece önemli rol oynamaktadır. Gazetecilik ve medya alanında yer
alan uluslararası çalışmalar da bizlere yeni bakış açıları kazandırmakla birlikte
içinde yaşadığımız toplumu da daha iyi tanımamızı, anlamamızı sağlayacaktır.
Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar
-IV adlı kitabımızın ortaya çıkmasında bilgi ve birikimlerini okuyucularla
paylaşan değerli bilim insanları bölüm yazarlarımıza ve Eğitim Yayınevi
yetkililerine katkılarından dolayı teşekkür eder; akademisyenler, araştırmacılar
ve öğrencilere faydalı olması, ilgili alana katkı sunması temennisiyle keyifli
okumalar dileriz.
Editörler:
Prof. Dr. Ayşe Ceyda Ilgaz Büyükbaykal
Prof. Dr. Güven Necati Büyükbaykal

6. Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar–IV 21


DEZENFORMASYON SÜRECİNDE YAPAY ZEKÂ VE BİLİM
İLETİŞİMİ
Yalçın Kırdar
**
, Zuhal Sönmezer
***


GiriĢ
Bilim iletiĢimi, akademik bilgiyi geniĢ kitlelere ulaĢtırarak bilimsel
farkındalığı artıran önemli bir alan olarak öne çıkmaktadır. Günümüzde
yapay zekâ (YZ), bilim iletiĢiminin farklı süreçlerine entegre edilerek bilgiye
eriĢimi hızlandırmakta ve içerik üretimini dönüĢtürmektedir. Bu bağlamda
çalıĢmanın amacı YZ‘nin bilim iletiĢimindeki rolünü ve etkilerini
incelemektir. Bilim iletiĢimi, bilimsel bilginin toplumla anlaĢılır ve doğru bir
Ģekilde paylaĢılmasını hedefleyen bir süreci ifade etmektedir. Günümüzde
YZ, bilimsel içerik üretimi, bilgi yayılımı ve dezenformasyonla mücadele
gibi alanlarda önemli bir araç haline gelmiĢtir. Ancak bu teknolojinin bilim
iletiĢimi üzerindeki etkileri, hem fırsatlar hem de etik ve güvenilirlik
bağlamında tartıĢılması gereken riskler içermektedir. Ġlgili çalıĢma, YZ‘nin
bilim iletiĢimindeki katkılarını ve potansiyel risklerini kapsamlı bir Ģekilde
ele alarak literatüre katkı sağlamayı hedeflemektedir.
ÇalıĢma, döküman analiz yöntemi kullanılarak gerçekleĢtirilmiĢtir.
YZ‘nin bilim haberciliğinde, akademik makale özetleme ve çeviri
süreçlerinde, bilgi görselleĢtirme araçlarında ve kiĢiselleĢtirilmiĢ bilimsel
içerik öneri sistemlerinde nasıl kullanıldığı incelenmiĢtir. Aynı zamanda
çalıĢmada, dezenformasyonla mücadelede YZ destekli doğrulama
mekanizmalarının etkinliği de irdelenmektedir. Bununla birlikte ilgili
çalıĢmada, YZ‘nin algoritmik taraflılık oluĢturma, bilgi baloncukları yaratma
ve insan faktörünü zayıflatma gibi olası olumsuz etkileri de
değerlendirilmiĢtir. Bu çalıĢma, literatüre üç ana yönden katkı sunmayı
amaçlamaktadır. Ġlk olarak, bilim iletiĢiminde YZ kullanımına dair mevcut
eğilimleri ve uygulamaları analiz ederek akademik yazına güncel bir çerçeve
sunacaktır. Ġkinci olarak, YZ‘nin bilim iletiĢimindeki etik ve güvenilirlik
boyutlarını ele alarak alandaki tartıĢmalara yeni bir bakıĢ açısı getirecektir.
Son olarak, bilim iletiĢimcileri, akademisyenler ve medya kuruluĢları için
YZ‘nin nasıl sorumlu bir Ģekilde kullanılabileceğine yönelik öneriler
sunarak, pratik bir rehber niteliği taĢıyacaktır. Sonuç olarak, YZ‘nin bilim
iletiĢiminde sunduğu fırsatları değerlendirirken, olası riskleri minimize
edecek stratejiler geliĢtirilmesi gerektiği vurgulanacaktır.

**
Prof. Dr. Rektör Yard., Öğretim Üyesi, Beykent Üniversitesi, ĠletiĢim Fakültesi, Medya ve ĠletiĢim Bölümü, Ġstanbul,
[email protected], ORCID: https://orcid.org/0000-0002-1417-244X
***
Öğretim Görevlisi, Ġstinye Üniversitesi, ĠletiĢim Fakültesi, Yeni Medya ve ĠletiĢim Bölümü, Ġstanbul,
[email protected] ORCID: https://orcid.org/0000-0002-9685-5745

7. 22 Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar–IV


Yapay Zeka Kavramı
Yapay zekâ kavramı, Türk Dil Kurumu (TDK) tarafından, bilgisayarların
veya programlanabilir cihazların insana benzer biçimde algılama, öğrenme,
karar verme ve iletiĢim kurma gibi iĢlevleri yerine getirebilme yeteneği
olarak tanımlanmaktadır (TDK, 2018). Yapay zekâ teknolojilerinin kökeni,
insan zekâsını modelleme çabalarına dayanmaktadır. Bu bağlamda, Binot ve
Simpson‘ın 1905 yılında gerçekleĢtirdiği çalıĢmalar, insan zekâsını ölçmeye
yönelik önemli bir baĢlangıç noktası olarak kabul edilmektedir (CoĢkun ve
Gülleroğlu, 2021:953).
Yapay zekâ, belirli bir amaca ulaĢmak adına algoritmaları ve çeĢitli
teknikleri kullanan bilgisayar bilimi alanıdır(Kavut, 2024:19). Bilgisayarlara
insan benzeri bir zekâ kazandırmayı amaçlayan yapay zekâ, veri analizi,
modelleme ve karar verme süreçlerinde önemli rol oynamaktadır. Bu
bağlamda, yapay zekâ sistemlerinin temelini oluĢturan algoritma kavramının
incelenmesi yerinde olacaktır.
Algoritma, belirli bir problemi çözmek veya spesifik bir görevi yerine
getirmek için adım adım tanımlanmıĢ talimatlar bütünüdür. Genellikle
matematiksel iĢlemler, veri iĢleme ve otomasyon süreçlerinde kullanılır
(Ulusoy, 2023:159). Bilgisayar bilimlerinde algoritmalar, programlamanın
temel yapı taĢları arasında yer almakta ve geniĢ bir uygulama yelpazesi
sunmaktadır. Algoritmaların iĢleyiĢini anlamak, yapay zekâ uygulamalarının
etkinliğini değerlendirmek açısından büyük öneme sahiptir.
Her algoritmanın belirli bir girdi (input) ve çıktı (output) bileĢeni
bulunmaktadır. Girdi, algoritmanın iĢlem yapacağı veri setini ifade ederken,
çıktı ise iĢlemin sonucunu temsil etmektedir (El Ka‘bi, 2023). Algoritmaların
temel özellikleri arasında açıklık, belirginlik ve sonluluk prensipleri öne
çıkmaktadır. Açıklık ilkesi gereği, algoritmalar net ve anlaĢılır olmalı, her
adım açık bir Ģekilde tanımlanmalıdır. Belirginlik ise algoritmanın her
aĢamasının kesin ve yoruma açık olmayan Ģekilde ifade edilmesini sağlar.
Sonluluk ilkesi, algoritmanın belirli bir noktada sona ermesi gerektiğini ifade
eder ve sonsuz döngülerden kaçınılmasını zorunlu kılmaktadır.
Bilim ĠletiĢiminde Yapay Zekanın Olumlu ve Olumsuz Yönleri
Bilim iletiĢimi, bilimsel bilginin uzmanlar, medya ve toplum arasındaki
akıĢını sağlamakta ve bilimsel bilginin anlaĢılabilir ve eriĢilebilir olmasını
amaçlamaktadır. Bilim iletiĢimi aynı zamanda bilimsel bilginin toplumla
paylaĢılması sürecini ifade eden disiplinler arası bir alandır (Acemoğlu ve
Jhonson, 2023:156). Bu alan itibariyle bilim insanları, medya profesyonelleri
ve halk arasında köprü kurarak bilimsel bilginin yaygınlaĢtırılmasını
hedeflemektedir (Öztürk, 2021:229). Özellikle karmaĢık bilimsel konuların
anlaĢılır hale getirilmesi, toplumun bilim okuryazarlığını artırmak ve
bilimsel geliĢmelere olan güveni tesis etmek açısından büyük önem arz

8. Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar–IV 23


etmektedir (Arslan, 2017:162). Kökenleri aydınlanma çağına kadar uzanan
bilim iletiĢimine dair lk bilim dergileri ve halk için düzenlenen bilimsel
gösteriler, bilimsel bilginin topluma aktarılmasının erken örnekleri arasında
bulunmaktadır(Aydınoğlu, 2020). 20. yüzyılın ortalarına gelindiğinde ise
kitle iletiĢim araçlarının geliĢmesiyle birlikte bilim iletiĢimi daha geniĢ
kitlelere ulaĢmıĢtır. Bilim iletiĢimi, kaynak (bilim insanı), kanal (medya),
mesaj (bilimsel bilgi) ve alıcı (toplum) olmak üzere dört temel bileĢene
dayanmaktadır (http://dx.crossref.org). Etkili bir bilim iletiĢimi, doğru ve
dengeli bilgi aktarımı kadar, hedef kitlenin bilgiye eriĢim düzeyi ve ilgi
alanları da göz önünde bulundurularak sağlanabilmektedir. Günümüzde
bilim iletiĢimi, sosyal medya, podcastler, bilim festivalleri ve popüler bilim
kitapları gibi çeĢitli araçlarla yapılmaktadır. Dijital çağın olanakları,
özellikle genç nesillere ulaĢmada ve bilimi eğlenceli hale getirmede önemli
fırsatlar sunmaktadır. Diğer yandan yapay zeka teknolojileri ile konuĢlanan
bir bilim iletiĢiminden söz etmek mümkün hale gelmiĢir.
Yapay zekâ (YZ), bilim iletiĢiminde devrim niteliğinde değiĢimlere yol
açarak akademik bilginin üretim, yayım ve tüketim süreçlerini köklü
biçimde dönüĢtürmektedir. Bilim haberciliğinden akademik makale özetleme
ve çeviri sistemlerine, bilgi görselleĢtirme araçlarından kiĢiselleĢtirilmiĢ
içerik öneri sistemlerine kadar geniĢ bir yelpazede kullanılan YZ, bilimsel
bilgiyi daha eriĢilebilir ve anlaĢılır kılmayı amaçlamaktadır. Bununla
birlikte, YZ tabanlı sistemlerin doğruluk, tarafsızlık ve etik sorumluluk
açısından bazı riskler barındırdığı da tartıĢılmaktadır (GönültaĢ, 2024:828).
Bu bölümde, YZ‘nin bilim iletiĢiminde sunduğu fırsatlar ve karĢılaĢılan
zorluklar detaylı olarak ele alınmaktadır.
YZ, bilim haberciliğinde veri odaklı içerik üretimini kolaylaĢtırarak
karmaĢık bilimsel bilgilerin daha geniĢ kitlelere ulaĢtırılmasına katkı
sağlamaktadır. Otomatik haber yazım araçları, büyük veri kümelerinden
anlamlı bilgiler çıkararak gazetecilere zaman kazandırmakta ve haberlerin
daha hızlı yayımlanmasını mümkün kılmaktadır.
Özellikle sağlık, iklim değiĢikliği ve uzay bilimleri gibi alanlarda, YZ
destekli sistemler, bilimsel makalelerden özet çıkararak kamuoyuna yönelik
sadeleĢtirilmiĢ içerikler sunmaktadır Bununla birlikte, bu sistemlerin haber
üretiminde insan gazetecilerin yerini alıp alamayacağı ve etik standartları
nasıl karĢılayacağı konuları hâlen tartıĢılmaktadır (GönültaĢ, 2024:428)
YZ, bilimsel yayınların özetlenmesi ve farklı diller arasında çevrilmesi
konusunda önemli avantajlar sunmaktadır. Doğal dil iĢleme (NLP)
modelleri, akademik makalelerin içeriğini anlamlandırarak otomatik özetler
üretebilmekte ve farklı dillerde eriĢime sunulmasını kolaylaĢtırmaktadır
(Altıntop, 2023:199). Özellikle çok disiplinli araĢtırmalarda, dil
bariyerlerinin aĢılması, bilimsel bilginin küresel dolaĢımını artırmaktadır.
Ancak, otomatik çeviri ve özetleme sistemlerinin bilimsel terminolojiyi tam

9. 24 Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar–IV


anlamıyla koruyamama riski ve içeriklerde anlam kaymalarına yol açabilme
ihtimali, akademik dünyada eleĢtirilmektedir (Van der Meer, 2021).
YZ destekli bilgi görselleĢtirme sistemleri, büyük veri kümelerini analiz
ederek bilimsel bilgiyi daha anlaĢılır hâle getirmektedir. Bu tür sistemler,
özellikle karmaĢık bilimsel verilerin grafikler, interaktif haritalar veya
dinamik tablolar Ģeklinde sunulmasına yardımcı olmaktadır. Öte yandan,
kiĢiselleĢtirilmiĢ içerik öneri sistemleri, kullanıcıların ilgi alanlarına göre
bilimsel makaleler ve haberler önermekte, böylece bilgiye eriĢimi daha
verimli hâle getirmektedir. Ancak, bu sistemlerin kullanıcıları yalnızca
belirli türde içeriklere yönlendirme ve bilgi baloncukları (filter bubbles)
oluĢturma riski bulunmaktadır (Budak ve GümüĢtaĢ, 2022: 256)
Bilimsel dezenformasyon, özellikle pandemi ve iklim değiĢikliği gibi
konularda toplumun yanlıĢ bilgilendirilmesine yol açan ciddi bir sorun
olarak öne çıkmaktadır (Lewandowsky et al., 2021). YZ destekli doğrulama
mekanizmaları, sahte bilimsel haberleri tespit etmek ve dezenformasyonu
önlemek amacıyla geliĢtirilmiĢtir (Graves, 2018). Bu sistemler, yapay
öğrenme algoritmalarını kullanarak haberlerin doğruluğunu analiz etmekte
ve güvenilir kaynaklardan çapraz kontrol yapmaktadır. Ancak, doğrulama
süreçlerinde kullanılan veri setlerinin taraflı olabilme ihtimali ve etik
denetimin nasıl sağlanacağı hâlâ tartıĢmalı bir konudur (Erdem, 2024:232).
YZ‘nin bilim iletiĢiminde sunduğu avantajlara rağmen, bazı önemli
zorluklar da mevcuttur (Cave etc., 2019).
• Algoritmik Taraflılık: YZ sistemlerinin beslendiği veri setleri,
mevcut toplumsal veya akademik önyargıları yansıtabilmekte ve taraflı
içerik üretimine yol açabilmektedir.
• Bilgi Baloncukları ve Yankı Odaları: KiĢiselleĢtirilmiĢ içerik öneri
sistemleri, kullanıcıların yalnızca belirli türde bilimsel bilgilere maruz
kalmasına sebep olabilmekte ve eleĢtirel düĢünmeyi zayıflatabilmektedir.
• Ġnsan Faktörünün Zayıflaması: YZ‘nin bilimsel içerik üretimi ve
çeviri süreçlerine entegrasyonu, bilim gazetecileri ve akademisyenlerin
rolünü sorgulanır hâle getirebilmektedir. Bu bağlamda bilim iletiĢiminde
insan denetiminin önemi vurgulanmaktadır.
Bu çerçevede, bilim iletiĢiminde YZ‘nin sorumlu kullanımı için etik
ilkeler belirlenmeli ve insan denetimi ile desteklenmiĢ sistemler
geliĢtirilmelidir.
Yapay Zeka Destekli Doğrulama Mekanizmaları
Günümüzde yapay zekâ (YZ) destekli doğrulama mekanizmaları, dijital
ekosistemde yanlıĢ bilgi ve dezenformasyonla mücadelede önemli bir araç
olarak öne çıkmaktadır. Bilimsel bilginin dolaĢımı, medya içeriklerinin
yayılımı ve kamuoyunun bilgiye eriĢimi göz önüne alındığında, YZ‘nin

10. Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar–IV 25


doğruluk kontrol süreçlerinde etkin kullanımı giderek daha fazla artmaktadır.
Geleneksel doğrulama süreçleri, insan editörler ve uzmanlar tarafından
yürütülmekteydi; ancak büyük veri setlerinin hızla geniĢlemesi ve dijital
içerik akıĢlarının kontrol edilemez hâle gelmesi, YZ tabanlı sistemlerin
geliĢtirilmesini zorunlu kılmıĢtır (Efe, 2021:156).
YZ destekli doğrulama mekanizmaları, doğal dil iĢleme (NLP), makine
öğrenmesi ve derin öğrenme gibi teknolojileri kullanarak yanlıĢ veya
manipülatif bilgileri tespit etmeyi amaçlamaktadır (Shu et al., 2020). Bu
sistemler, büyük veri kümelerini analiz ederek haber metinlerinin, akademik
çalıĢmaların ve sosyal medya paylaĢımlarının doğruluk seviyesini
değerlendirebilmektedir. Ancak, bu süreçte karĢılaĢılan etik ve teknik
zorluklar, doğrulama mekanizmalarının güvenilirliği açısından önemli
tartıĢmaları beraberinde getirmektedir.
YZ destekli doğrulama sistemleri, veri analitiği ve algoritmik modelleme
kullanarak bir içeriğin doğruluğunu değerlendirme sürecini
otomatikleĢtirmektedir. Genel doğrulama süreci aĢağıdaki aĢamalardan
oluĢmaktadır: (Efe, 2021:156)
• Veri Toplama ve Ön ĠĢleme: ÇeĢitli kaynaklardan toplanan içerikler,
metin madenciliği ve veri temizleme teknikleriyle analiz edilmektedir
• Bilgi Doğruluğu KarĢılaĢtırması: Ġçerik, güvenilir kaynaklarla çapraz
karĢılaĢtırmaya tabi tutulmakta ve içeriğin doğruluğunu değerlendirmek için
bilgi tutarlılığı kontrol edilmektedir.
• Makine Öğrenmesi ile YanlıĢ Bilgi Tespiti: Algoritmalar, yanlıĢ
bilgi içeren metinleri belirlemek için doğal dil iĢleme tekniklerinden
yararlanmakta ve belirli kalıpları tespit etmektedir
• Görsel ve Video Ġçerik Doğrulaması: Derin sahtekârlık (deepfake)
gibi manipüle edilmiĢ medya içerikleri, yapay zekâ tabanlı analiz araçlarıyla
incelenmekte ve sahte içerikler tespit edilmektedir
• Sonuçların Sunumu ve Kullanıcıya Bildirim: Doğrulama
mekanizmaları, tespit edilen bilgileri raporlayarak sonuçları medya
kuruluĢlarına, akademik platformlara veya sosyal medya kullanıcılarına
sunmaktadır.
Bu süreçlerin etkinliği, kullanılan algoritmaların doğruluk oranı, kaynak
çeĢitliliği ve sistemlerin Ģeffaflığı ile doğrudan iliĢkilidir.
YZ tabanlı sistemler, dezenformasyonun yayılmasını engellemek
amacıyla çeĢitli stratejiler geliĢtirmektedir. YanlıĢ bilgiye karĢı geliĢtirilen
algoritmalar, özellikle aĢağıdaki alanlarda etkili olmaktadır (Bekar, 2024:50-
52).

11. 26 Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar–IV


• Sosyal Medya Tabanlı Doğrulama: Facebook, Twitter ve YouTube
gibi platformlar, YZ algoritmalarını kullanarak yanlıĢ bilgiyi tespit etmeye
ve kaldırmaya yönelik politikalar geliĢtirmiĢtir.
• Gerçek Zamanlı YanlıĢ Bilgi Tespiti: YZ modelleri, özellikle seçim
süreçleri, salgın hastalıklar veya kriz dönemlerinde hızla yayılan yanlıĢ
bilgileri belirleyerek kullanıcıları bilgilendirmektedir.
• Deepfake Ġçerik Analizi: Görüntü ve ses manipülasyonlarını
belirlemek için geliĢtirilen yapay zekâ sistemleri, sahte içerikleri tespit
ederek dezenformasyonun yayılmasını engellemektedir.
Ancak, YZ tabanlı dezenformasyon tespit sistemleri hâlâ bazı
sınırlamalarla karĢı karĢıyadır. Algoritmaların tarafsızlığı, yanlıĢ pozitif
oranları ve etik denetim süreçleri gibi konular, bu mekanizmaların
güvenilirliğini sorgulayan önemli faktörlerdir.
Haber güvenilirliğinin sağlanması, doğru bilginin yayılması açısından
büyük önem taĢımaktadır. YZ destekli sistemler, haber kaynaklarının
güvenilirliğini belirlemek için aĢağıdaki yöntemleri kullanmaktadır (Ay,
2022:917).
• Kaynak Güvenilirliği Analizi: Bir haber kaynağının geçmiĢte
yayımladığı içerikler ve doğruluk oranları analiz edilerek güvenilirlik puanı
oluĢturulmaktadır.
• Metinsel Tutarlılık Denetimi: YZ, haber metinlerinde mantıksal
çeliĢkiler olup olmadığını belirlemek için doğal dil iĢleme tekniklerini
kullanmaktadır.
• Bağlamsal Analiz: Bir haberin çarpıtılmıĢ veya bağlamından
koparılmıĢ olup olmadığını tespit etmek için makine öğrenmesi modelleri
kullanılmaktadır
Bu yöntemler, haber güvenilirliğini sağlamak ve bilgi kirliliğini önlemek
açısından büyük önem taĢımaktadır.
YZ tabanlı doğrulama sistemlerinin etkili bir Ģekilde çalıĢabilmesi için
bazı teknik ve etik engellerin aĢılması gerekmektedir: (Koçer, 2024:105)
• Algoritmik Tarafsızlık: Yapay zekâ sistemleri, belirli veri
kümelerine dayandığından dolayı taraflı sonuçlar üretebilmektedir.
• YanlıĢ Pozitif ve YanlıĢ Negatif Sorunları: Doğru bilgilerin
yanlıĢlıkla dezenformasyon olarak iĢaretlenmesi veya sahte içeriklerin
kaçırılması gibi hatalar sistemlerin güvenilirliğini azaltmaktadır.
• Etik ve Hukuki Sorunlar: Doğrulama mekanizmalarının sansür aracı
olarak kullanılma potansiyeli ve bireysel hak ihlalleri gibi konular
tartıĢmalara yol açmaktadır

12. Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar–IV 27


Bu zorlukların aĢılması için yapay zekâ sistemlerinin Ģeffaflık, etik
sorumluluk ve insan denetimi ile desteklenmesi gerekmektedir..
Yapay Zekanın Bilim ĠletiĢimindeki Etik Riskleri
Yapay zekâ (YZ) tabanlı teknolojiler, bilim iletiĢiminde bilgiye eriĢimi
hızlandırma, içerik üretimini otomatikleĢtirme ve veri analizini kolaylaĢtırma
açısından önemli avantajlar sunmaktadır. Ancak, bu teknolojilerin
kullanımının etik boyutları göz ardı edilmemelidir. Bilim iletiĢiminde
YZ‘nin yanlıĢ veya yanıltıcı bilgileri yayma, akademik sahtekârlık riskini
artırma, toplumsal algıyı manipüle etme ve bilimsel otoriteye zarar verme
gibi çeĢitli etik riskler taĢıdığı bilinmektedir. Bu bağlamda, yapay zekânın
bilim iletiĢimindeki etik risklerini anlamak ve yönetmek, akademik
topluluklar, medya kuruluĢları ve politika yapıcılar açısından ivedi bir
gerekliliktir (Darı ve Koçyiğit, 2024:252-253).
YZ tabanlı metin üretim sistemleri, bilimsel içeriklerin otomatik olarak
oluĢturulmasına olanak tanımaktadır. Ancak, bu sistemler yanlıĢ veya
yanıltıcı bilgileri de üretebilmektedir. Doğal dil iĢleme (NLP) tabanlı yapay
zekâ modelleri, bilimsel makalelerin, araĢtırma özetlerinin veya haber
metinlerinin üretiminde kullanılmakta olup, doğruluk denetimi yapılmadan
yayımlandığında bilimsel dezenformasyona neden olabilmektedir
(Topsakal, 2021: 385).
Özellikle büyük dil modelleri (LLM - Large Language Models), güvenilir
kaynaklardan öğrenmelerine rağmen, bağlamı yanlıĢ yorumlayarak sahte
veya hatalı bilimsel iddialar üretebilmektedir. Bu durum, halkın bilimsel
konularda yanlıĢ yönlendirilmesine ve akademik çevrelerde bilgi kirliliğine
yol açmaktadır. Örneğin, COVID-19 pandemisi sürecinde, yapay zekâ
destekli otomatik içerik üretim sistemleri aracılığıyla yayılan yanlıĢ bilgiler,
toplumun sağlık politikalarına olan güvenini sarsmıĢtır.
YZ‘nin akademik araĢtırmaların hazırlanması ve bilimsel yayın
süreçlerinde kullanımı, akademik sahtekârlık riskini artırmaktadır.
Öğrenciler ve araĢtırmacılar, YZ tabanlı metin üretim sistemlerini kullanarak
sahte makaleler veya etik olmayan biçimde oluĢturulmuĢ akademik içerikler
üretebilmektedir (https://www.akademikhukuk.org).
Ayrıca, yapay zekâ tabanlı otomatik çeviri ve metin parafraz sistemleri,
intihal tespit sistemlerini atlatmak amacıyla kötüye kullanılabilmektedir. Bu
durum, bilimsel yayınların güvenilirliğini sarsmakta ve akademik dürüstlük
ilkelerini tehdit etmektedir (Van Noorden, 2021). Yapay zekânın akademik

13. 28 Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar–IV


yazımda etik dıĢı kullanımı, akademik topluluklar arasında güven kaybına ve
bilimsel dergilerdeki hakem değerlendirme süreçlerinin daha sıkı kurallara
bağlanmasına neden olmaktadır.
YZ tabanlı bilim iletiĢimi sistemleri, geleneksel akademik uzmanlık
yapısını tehdit edebilmektedir. Bilimsel bilgilerin YZ tarafından iĢlenmesi ve
yayılması, akademisyenlerin ve uzmanların bilgi üretimindeki rolünü
azaltmaktadır. (https://www.yok.gov.tr/).
Bu süreç, bilim insanlarının otoritesinin zayıflamasına ve halkın bilimsel
konularda uzman olmayan kiĢilere yönelmesine neden olabilmektedir.
Örneğin, sosyal medya platformlarında yapay zekâ tarafından üretilen ve
popülerlik kazanan içerikler, uzman görüĢleriyle çeliĢebilmekte ve bilimsel
bilginin güvenilirliğini zedeleyebilmektedir (Lewandowsky et al., 2017).
Ayrıca, YZ‘nin bilim iletiĢiminde yaygınlaĢması, insan faktörünü geri
planda bırakarak eleĢtirel düĢünme süreçlerini zayıflatmaktadır. Bilimsel
yöntemlerin eleĢtirel analiz ve insan zekâsı tarafından Ģekillendirildiği göz
önünde bulundurulduğunda, YZ‘nin bilim iletiĢimindeki aĢırı kullanımı
bilimsel bilginin yüzeyselleĢmesine neden olacaktır.
YZ destekli bilim iletiĢimi araçları, algoritmik önyargılar ve bilgi
manipülasyonu açısından da önemli riskler taĢımaktadır. Yapay zekâ
sistemleri, eğitildikleri veri setlerine bağlı olarak belirli bakıĢ açılarını ön
plana çıkarabilmekte ve bilimsel tarafsızlığı tehlikeye atabilmektedir (Ünal
ve Sezgin, 2021:58-61).
Örneğin, büyük dil modelleri, çoğunlukla belirli dillerdeki ve kültürel
bağlamlardaki bilimsel kaynaklardan öğrenmektedir. Bu durum, bilimsel
bilgilerin belirli coğrafyalara veya akademik çevrelere göre Ģekillenmesine
ve küresel bilimsel iletiĢimde dengesizliklere yol açacaktır.
Ayrıca, yapay zekâ destekli içerik öneri sistemleri, kullanıcıların ilgisini
çekecek popüler bilim içeriklerini öne çıkarırken, daha teknik veya
derinlemesine analiz içeren bilimsel bilgileri geri plana itebilmektedir. Bu
durum, bilim iletiĢiminde yüzeysel içeriklerin artmasına ve bilimsel bilgiye
eriĢimde hiyerarĢik bir yapının oluĢmasına neden olacaktır.
Yapay zekânın bilim iletiĢiminde etik kullanımı için çeĢitli ilkeler
benimsenmelidir. Bu bağlamda, bilim insanları, medya kuruluĢları ve
politika yapıcılar, aĢağıdaki etik prensiplere dikkat etmelidir:

14. Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar–IV 29


• ġeffaflık: Yapay zekâ tarafından üretilen bilimsel içeriklerin,
kullanıcılar tarafından açıkça ayırt edilebilir olması sağlanmalıdır.
• Doğruluk Kontrolü: Bilimsel içeriklerin doğruluk denetimi yapılarak
yanlıĢ veya manipülatif bilgilerin yayılmasının önüne geçilmelidir
• Ġnsan Denetimi: YZ tarafından üretilen bilimsel içeriklerin, alanında
uzman kiĢiler tarafından gözden geçirilmesi ve denetlenmesi sağlanmalıdır.
• EĢitlik ve Kapsayıcılık: Yapay zekâ tabanlı bilim iletiĢimi
sistemlerinin, farklı kültürel ve akademik perspektifleri içeren dengeli veri
setleriyle eğitilmesi gerekmektedir.
Bu etik ilkelerin benimsenmesi, yapay zekânın bilim iletiĢiminde
güvenilir ve sorumlu bir Ģekilde kullanılmasını sağlayarak toplumun bilimsel
bilgiye olan güvenini artıracaktır. (https://turkiye.ai).
SONUÇ
Yapay zekâ, bilim iletiĢiminde dönüĢtürücü bir güç olarak ortaya
çıkmakta, bilimsel bilginin üretimi, yayılımı ve eriĢilebilirliği açısından
önemli fırsatlar sunmaktadır. Ancak, bu teknolojinin etik riskleri göz önünde
bulundurulmadan kullanımının, bilimsel bilginin güvenilirliği, akademik
dürüstlük ve toplumsal algı açısından ciddi tehditler oluĢturması olasıdır. Bu
çalıĢma, yapay zekânın bilim iletiĢimindeki güncel eğilimlerini analiz etmiĢ,
etik ve güvenilirlik boyutlarını irdelemiĢ ve sorumlu kullanımına yönelik
öneriler geliĢtirmiĢtir.
YZ‘nin bilim iletiĢiminde etkili ve güvenilir bir araç olarak
kullanılabilmesi için birkaç temel strateji öne çıkmaktadır. Öncelikle, yapay
zekâ tabanlı bilimsel içerik üretimi süreçlerinde Ģeffaflık ilkesine bağlı
kalınmalıdır. Yapay zekâ tarafından üretilen içeriklerin, insan üretimi
olanlardan ayırt edilebilmesi ve doğruluk denetiminden geçirilmesi
gerekmektedir. Bilim iletiĢiminde yapay zekânın sunduğu bilgiler, bağımsız
uzmanlar ve akademisyenler tarafından doğrulanmalı, otomatikleĢtirilmiĢ
sistemlerin hata yapabileceği göz önünde bulundurulmalıdır.
Ġkinci olarak, bilim iletiĢimi alanında yapay zekânın etik kullanımına
yönelik kurumsal ve hukuki düzenlemelerin geliĢtirilmesi gerekmektedir.
Bilimsel dezenformasyonun önüne geçmek ve yapay zekânın sorumlu
kullanımını teĢvik etmek amacıyla medya kuruluĢları, akademik çevreler ve
politika yapıcılar arasında iĢ birliği sağlanmalıdır. Özellikle, algoritmik

15. 30 Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar–IV


önyargıları azaltmak, bilimsel bilgiyi nesnel ve kapsayıcı bir Ģekilde sunmak
adına veri çeĢitliliği ve tarafsızlığına önem verilmelidir.
Üçüncü olarak, yapay zekâ tabanlı bilim iletiĢim araçlarının geliĢtirilmesi
sürecinde insan merkezli yaklaĢımlar benimsenmelidir. Bilim insanlarının ve
akademisyenlerin eleĢtirel düĢünme süreçleri, yapay zekânın ürettiği bilgileri
yorumlama ve analiz etme süreçlerine dahil edilmelidir. Yapay zekâ,
bilimsel bilginin tamamlayıcısı olarak değerlendirilmeli; insan uzmanlığı ve
etik ilkelerle birlikte kullanıldığında en yüksek faydayı sağlayabileceği
unutulmamalıdır.
Son olarak, bilim iletiĢimcileri, akademisyenler ve medya profesyonelleri
için yapay zekânın etik kullanımına dair eğitim ve rehberlik
mekanizmalarının oluĢturulması önem arz etmektedir. Yapay zekâ destekli
bilim iletiĢiminde etik riskleri en aza indirmek için bilinçlendirme
çalıĢmaları yapılmalı, bu teknolojilerin nasıl güvenilir bir Ģekilde
kullanılabileceğine dair kılavuzlar geliĢtirilmelidir.
Bu çerçevede, yapay zekâ destekli bilim iletiĢimi stratejilerinin etik
ilkeler doğrultusunda Ģekillendirilmesi, bilimsel bilginin güvenilirliğini
artıracak ve toplumun bilimsel bilgiye duyduğu güveni güçlendirecektir.
Yapay zekânın bilim iletiĢiminde sağladığı avantajlardan maksimum
düzeyde faydalanabilmek için Ģeffaf, güvenilir ve insan merkezli yaklaĢımlar
benimsenmelidir.

16. Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar–IV 31


Kaynaklar

Kitap
Acemoğlu, D. & Jhonson, S. (2023). Ġktidar ve Teknoloji, Ġstanbul:Doğan Yayınları
Arslan, H. (2017) Epistemik Cemaat, Ġstanbul: Paradigma Yayınları
Kavut, S.(2024). Yapay Zeka ve ĠletiĢim, Ġstanbul: Çizgi Kitabevi.
Ulusoy, H. (2023). ―Algoritma Çağında Haber Okuryazarlığı ve KiĢiselleĢtirilmiĢ Haber Üzerine
Kavramsal Bir Analiz‖, Edt: Ġpek Tok, Hande Ulusoy: Haber Okuryazarlığı, Konya:
Literatürk Yayınları.

Dergi Makalesi
Altıntop, M. (2023). Yapay Zekâ/Akıllı Öğrenme Teknolojileriyle Akademik Metin Yazma:
Chatgpt Örneği. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi(46),
186-211.
Aydınoğlu, A. U. (2020). Bilim iletiĢimi ve tarihi üzerine kısa bir inceleme (p. 68).
https://hdl.handle.net/11511/84590
Ay, A. (2022). YAPAY ZEKÂ HABERCĠLĠĞĠ VE GAZETECĠLĠK TARTIġMALARINA DAĠR
BĠR DEĞERLENDĠRME. Turkish Online Journal of Design Art and Communication,
12(4), 913-926.
Bekar, S. (2024). Yeni Medyada Yapay Zekâ Aracılığıyla Dezenformasyon OluĢturulması: Trump
Örneği. Uluslararası Batı Karadeniz Sosyal Ve BeĢeri Bilimler Dergisi, 8(1), 40-66.
https://doi.org/10.46452/baksoder.1448805
Budak, H., & GümüĢtaĢ, E. (2022). KiĢiselleĢtirilmiĢ Ürün Öneri Sistemi Ġçin Kullanıcı Bazlı
ĠĢbirlikçi Filtreleme Ve Kümeleme Kullanan Hibrit Bir YaklaĢım. Ġstanbul Ticaret
Üniversitesi Sosyal Bilimler Dergisi, 21(43), 253-268. Doi: 10.46928/Ġticusbe.1055162
Cave, S., Nyrup, R., Vold, K. ve Weller, A. (2019). Makine Etiğinin Motivasyonları ve Riskleri.
IEEE Bildirileri, 107 , 562-574.
CoĢkun, F.ve Gülleroğlu, H.D. (2021). Yapay zekânın tarih içindeki geliĢimi ve eğitimde
kullanılması, Ankara Üniversitesi Eğitim Bilimleri Fakültesi, 54(3), 947-966
Darı, A. B., & Koçyiğit, A. (2024). Yapay Zekâ Ve Etik: Yeni Medyanın DönüĢümünde
Sorumluluk Ve Sınırlar. ĠletiĢim Ve Toplum AraĢtırmaları Dergisi, 4(2), 246-261.
Https://Doi.Org/10.59534/Jcss.1492948
Efe, A. (2021). Yapay Zeka Odaklı Siber Risk ve Güvenlik Yönetimi. Uluslararası Yönetim BiliĢim
Sistemleri ve Bilgisayar Bilimleri Dergisi, 5(2), 144-165
El Ka‟bi, A. (2023). Proposed artificial intelligence algorithm and deep learning techniques
for development of higher education, International Journal of Intelligent Networks,4, 68-
73
Erdem, E. (2024). YAPAY ZEKA UYGULAMALARININ SOSYAL BĠLĠM ALANINDA
YAPILAN ÇALIġMALARDA UYGULANABĠLĠRLĠĞĠ: CHATGPT, BING VE
YOUCHAT ÖRNEĞĠ. ĠletiĢim Bilimi AraĢtırmaları Dergisi, 4(3), 218-234.
GönültaĢ, Y. C. (2025). Yapay Zekâ Ve Bilimsel Metin Yazımı: Türk Kamu Yönetimi
Alanyazınında Chatgpt4.0 Örneği. Uluslararası Yönetim Akademisi Dergisi, 7(3), 827-
843. Https://Doi.Org/10.33712/Mana.1578165
Graves, L. (2018). Understanding The Promise And Limits Of Automated Fact-Checking.
Journalism Studies, 19(2), 232-250.
Koçer, S. (2024). Yapay Zeka ve Doğrulama. Reflektif Sosyal Bilimler Dergisi, 5(1),103-114.
Doi.Org/10.47613/Reflektif.2024.147
Lewandowsky, S., Cook, J., & Ecker, U. K. (2021). Misinformation And Its Correction: Continued
Influence And Successful Debiasing. Psychological Science Ġn The Public Interest,
22(1), 80-106.
Öztürk, ġ. (2021). "Bilim ĠletiĢimi" Üzerine Bir Ġnceleme. EtkileĢim(8), 228-239.
https://doi.org/10.32739/etkilesim.2021.4.8.145
Shu, K., Sliva, A., Wang, S., Tang, J., & Liu, H. (2020). Fake News Detection On Social Media: A
Data Mining Perspective. ACM SIGKDD Explorations Newsletter, 19(1), 22-36.

17. 32 Gazetecilik ve Medya Çalışmaları Alanında Uluslararası Araştırmalar–IV


Topsakal, T. (2021). Dijital Ortamda YanlıĢ Bilgi ve Haberlerin Yayılması: Koronavirüs Salgın
Haberlerine Dair Bir Ġnceleme. Ġnönü Üniversitesi ĠletiĢim Fakültesi Elektronik Dergisi
(ĠNĠF E-Dergi), 6(1), 383-401. Https://Doi.Org/10.47107/Ġnifedergi.867934
Ulusal Bilimler, Mühendislik ve Tıp Akademileri; DavranıĢsal ve Sosyal Bilimler ve Eğitim
Bölümü; Bilim ĠletiĢimi Bilimi Komitesi: Bir AraĢtırma Gündemi. Washington (DC):
National Academies Press (ABD) ; 8 Mart 2017. http://dx.crossref.org /10.17226/23674
Ünal, S., & Sezgin, A. A. (2021). Büyük Veri (Big Data)‘Nin Yapay Zekâ Uygulamalarında
Toplumsal Sınıflandırmaya Yönelik Kaygılar. AJIT-E: Academic Journal Of Information
Technology, 12(44), 47-70. https://doi.org/10.5824/ajite.2021.01.004.x
Van Der Meer, T. G. L. A. (2021). Automated Journalism And The Perception Of Source
Credibility. Digital Journalism, 9(2), 255-272.
Van Noorden, R. (2021). The Scientists Using AI To Reshape Peer Review. Nature, 594(7863),
313-314.

Ġnternet Kaynakları

https://www.yok.gov.tr/sayfalar/kurumsal/mevzuat/bilimsel-arastirma-ve-etik-yonetmeligi.aspx
https://www.akademikhukuk.org/sahtecilik-etik-ihlali-carpitma-etik-ihlali/
https://www.yok.gov.tr/Sayfalar/Kurumsal/mevzuat/bilimsel-arastirma-ve-etik-yonetmeligi.aspx
https://tdk.gov.tr/icerik/diger-icerikler/2018-yili-2/