AKADEMİDE YENİ ÇAĞ​ – BÖLÜM 1.2

YAPAY ZEKA İLE AKADEMİK ARAŞTIRMA SÜREÇLERİNİN OTOMATİKLEŞTİRİLMESİ

LİTERATÜR İNCELEMESİ VE VERİ ANALİZİ İÇİN YAPAY ZEKA ARAÇLARI

Bu başlık, yapay zekanın (YZ) akademik dünyadaki rolünü ve etkilerini ele almaktadır. Yapay zeka teknolojilerinin veri analizi, literatür taraması ve araştırma süreçlerinde nasıl kullanılacağı ve hangi araçları bu işlemler için kullanabileceğiniz sunulmuştur.

Yapay zeka (YZ), akademik literatür taraması ve veri analizinde büyük veri kümelerini analiz etmek, sınıflandırma, tahmin ve karmaşık çözümlemeler yapmak için güçlü bir araç haline gelmiştir. YZ’nin hızlı hesaplama ve analiz yetenekleri, akademik araştırmaların temelini oluşturan süreçlerde önemli avantajlar sunmaktadır.

20. yüzyılın ikinci yarısında makine öğrenmesinin geliştirilmesiyle veri analizi süreçlerinde devrim niteliğinde değişiklikler başlamıştır (Deng & Lin, 2022). YZ, büyük miktarda veriyi hızla işleyerek araştırmacıların geniş bilgi havuzlarına ulaşmalarını sağlar. Bunun yanı sıra, literatür taraması ve özet çıkarma işlemleri de YZ ile otomatik hale getirilebilmektedir (Rubinger et al., 2022).

Akademik alanda özellikle alanyazın taraması için araştırmacıların başvurabileceği yapay zeka destekli araçların bir kısmı Tablo 1’de gösterilmiştir. Bu yapay zeka destekli araçlar, akademisyenlerin veya araştırmacıların araştırmalarını destekleyecek literatürde yer alan diğer araştırmaları daha hızlı bulabilecekleri ve onları kolay bir şekilde kullanabilecekleri farklı özellik ve işlevleriyle araştırmacıların ihtiyaçlarını karşılamaktadır.

Tablo 1: Yapay Zeka Destekli Literatür Tarama Araçları (Başaran & Yeşilbaş Özenç, 2024)

Literatür taramasında kullanılan yapay zeka destekli araçların yanı sıra sohbet robotları da araştırmalarınızda kullanabileceğiniz yapay zeka araçlarındandır. Akademisyenler, sohbet robotlarını araştırma süreçlerini hızlandırmak ve verimlilik sağlamak amacıyla çeşitli şekillerde kullanabilmektedir. Özellikle literatür araştırmalarında, bu araçlar araştırmacılara şu konularda destek olabilir:

• Ön Araştırma: Bir konu hakkında hızlı genel bilgi edinme ve araştırma yönünü belirleme aşamasında kullanılabilir. Örneğin, bir kavramın farklı tanımlarını öğrenmek veya ilgili alt başlıkları belirlemek için faydalıdır.
• Kaynak Özetleme: Uzun akademik metinlerin ana fikirlerini çıkarma ve özetleme konusunda yardımcı olabilir. Ancak bu özetlerin doğruluğunun mutlaka kontrol edilmesi gerekir.
• Araştırma Soruları Geliştirme: Potansiyel araştırma sorularını belirlemek ve geliştirmek için kullanılabilir. Sohbet robotları, farklı bakış açıları sunarak araştırma sorularının zenginleştirilmesine katkıda bulunabilir.
• Anahtar Kelime Belirleme: Literatür taraması için etkili anahtar kelimelerin belirlenmesinde ve genişletilmesinde yardımcı olabilir.

Araştırmacıların sıklıkla kullandığı sohbet robotlarını Tablo 2’de inceleyebilirsiniz.  Bu sohbet robotlarını yukarıda belirtilen işlevler için kullanabilirsiniz.

Tablo 2: Sıklıkla Kullanılan Sohbet Robotları (Başaran & Yeşilbaş Özenç, s. 37)

Tablo 2’de paylaşıldığı üzere sohbet robotları birden fazla işlev için kullanılabilmektedir. Ancak unutulmamalıdır ki, sohbet robotlarından alınan bilgiler mutlaka güvenilir akademik kaynaklardan doğrulanmalıdır, bu araçlar yardımcı bir kaynak olarak görülmeli, asıl kaynakların yerini almamalıdır ve etik kurallar çerçevesinde ve şeffaf bir şekilde kullanılmalıdır.

ALINTI YÖNETİMİ VE KAYNAKÇA OLUŞTURMAK İÇİN YAPAY ZEKA

Bu başlık akademik çalışmaların en önemli adımlarından biri olan alıntı ve kaynakça yönetiminin nasıl yapay zeka araçlarıyla otomatikleştirilmesi ve daha kolay bir şekilde ele alınması noktasında yol gösterecektir. Aynı zamanda içerik üretiminde yapay zekadan faydalandığımızı nasıl akademik yönergelere uygun bir şekilde belirtmemiz gerektiğine de kısaca değinilecektir.

Araştırmalarımıza farklı bakış açıları kazandırmak ve geliştirmek adına içerik üretimi noktasında da yapay zekadan faydalanabilmekteyiz. Ancak akademik yönergelere uygun olarak yapay zeka araçlarına nasıl alıntı yapılır veya kaynakçada bu nasıl gösterilmelidir? Aklımıza gelen sorulardan birdir. Araştırmanızda ChatGPT veya diğer yapay zeka araçlarını kullandıysanız, aracı ‘Yöntem’ bölümünde veya araştırmanın ilgili bölümünde nasıl kullandığınızı açıklayın. Metninizde, kullandığınız istemi (prompt) ve ardından yapay zekanın size sunduğu yanıtı, oluşturulan ilgili metnin herhangi bir bölümünü sağlayın (McAdoo, 2024).

Örnek olarak Şekil 1’de OpenAI aracını kullanan bir araştırmacının nasıl alıntı yaptığını ve kaynakçada yapay zeka aracına nasıl yer verdiğini inceleyebilirsiniz.

Şekil 1: Yapay Zeka Aracına Alıntı Vermek ve Kaynakçada Göstermek (McAdoo, 2024)

“ChatGPT’den gelen uzun yanıtların tam metnini makalenizin bir ekine veya çevrimiçi ek materyallere koyabilirsiniz, böylece okuyucular oluşturulan tam metne erişebilir. Oluşturulan tam metni belgelemek özellikle önemlidir çünkü ChatGPT aynı istem verildiğinde bile her sohbet oturumunda benzersiz bir yanıt oluşturacaktır. Ekler veya ek materyaller oluşturursanız, her birinin APA Stili makalenizin gövdesinde en az bir kez belirtilmesi gerektiğini unutmayın” (McAdoo, 2024). APA Style Blog’da McAdoo’nun paylaştığı bu görüşü destekleyecek örneği Şekil 2’de bulabilirsiniz.

Şekil 2: Yapay Zeka Aracını Alıntı ve Kaynak Göstermenin Alternatif Yolu (McAdoo, 2024)

Bu konuyla ilgili olarak daha detaylı bilgileri APA Style Blog sayfasındaki McAdoo’nun yazmış olduğu “How to cite ChatGPT” başlıklı blog yazısını inceleyebilirsiniz.

Bu başlık altında değinilecek bir diğer konu ise, makalelerinizde kaynakça oluşturmak, kaynakçalarınızı ve alıntılarınızı yönetmek için yapay zeka araçlarından nasıl faydalanabileceğiniz ve onları hangi süreçlerde kullanabileceğinizdir.

Araştırmacılar kaynakça yönetiminde neden yapay zekandan yararlanmalı?

• Zaman Tasarrufu: Manuel kaynakça oluşturma ve düzenleme işlemlerini otomatikleştirerek araştırmacının asıl çalışmasına odaklanmasını sağlar
• Hata Minimizasyonu: İnsan kaynaklı hataları en aza indirerek akademik çalışmanın kalitesini artırır
• Format Standardizasyonu: Farklı dergi ve yayın kuruluşlarının istediği citation stillerine hızlı geçiş yapma imkanı sunar
• Organize Çalışma: Tüm kaynakların dijital ortamda düzenli tutulmasını ve kolay erişimi sağlar
• İş Birliği: Ekip çalışmalarında kaynak paylaşımını ve ortak çalışmayı kolaylaştırır

(Claude.ai, 2024).

Otomatik Alıntı Oluşturma Araçları:

• QuillBot Citation Generator: DOI veya URL’den otomatik alıntı oluşturabilirsiniz. Detaylı bilgi: https://quillbot.com/citation-generator
• CitationMachine AI: Farklı kaynak türleri için akıllı alıntı önerileri. Detaylı bilgi: https://www.citationmachine.net/
• Simplified: Kaynaklarınızı hızlı ve zahmetsizce alıntı yapın. Detaylı bilgi: https://simplified.com/tr/citation-generator

Akıllı PDF İşleme Araçları:

• Mendeley: PDF’lerden otomatik metadata çıkarma. Detaylı bilgi: https://www.mendeley.com/guides
• Zotero: Web sayfalarından otomatik kaynak bilgisi toplama. Detaylı bilgi: https://www.zotero.org/support/
• ChatPDF: Uzun araştırma makalelerinizde sizin için önemli olan noktaları saniyeler içinde bulabilmenize yardımcı olur. Detaylı bilgi: https://www.chatpdf.com/

Kaynakça Düzenleme

• EndNote: Farklı atıf stilleri arasında otomatik dönüşüm. Detaylı bilgi: https://clarivate.com/webofsciencegroup/support/endnote/
• JabRef: Kaynak yönetimi ve kontrolü yapma, kaynakçadaki alıntıları düzenleme. Detaylı bilgi: https://docs.jabref.org/
• Recite: Metinde kaynak göstermeye ilişkin hata listesini verme, metin içi atıf ile kaynakça kontrolü yapma. Detaylı bilgi: https://reciteworks.com/
• Sciwheel: Kaynakça yönetimi, alanyazın tarama ve organize etme, atıf yapma. Detaylı bilgi: https://sciwheel.com/?lg

Yapay zeka destekli alıntı ve kaynak yönetimi araçları araştırmacıların yazım süreçlerini önemli ölçüde kolaylaştırmaktadır. Ancak bu araçların etkin kullanılması için düzenli pratik ve güncel rehberlerin takip edilmesi gerekir.

Bir sonraki başlıkta dergi yayın süreçlerinde önemli bir adım olan hakem değerlendirmelerinin yapay zeka desteği ile nasıl efektif kullanılacağına yöneliktir.

YAPAY ZEKA İLE HAKEM DEĞERLENDİRME SÜREÇLERİNİN GELİŞTİRİLMESİ

Bu başlık bizlere, geleneksel hakem yayıncılığından farklı olarak, günümüz teknolojisinin son trendi olan “yapay zeka” destekli hakem değerlendirme süreçlerinin akademik hayatı nasıl değiştireceğini ve gelecekte nasıl bir dönüşümün bizi beklediğini sunacaktır.

Geleneksel hakem değerlendirme süreçleri birçok açıdan yazarları zorlamaktadır. Bunların başında oldukça fazla zaman alması, yayın süreçlerinin aksayabilmesi, yanlılık riski, artan yükü ve kalite kontrol sorunları gibi temel sorunlar yer almaktadır. Eric Prouzet (2023, [Erişim Tarihi: 7 Kasım 2024]), LinkedIn’de yayınladığı makalede, yapay zekanın bilimsel yayınların hakem değerlendirme sürecinde yarattığı dönüşümü incelemektedir. Prouzet, bu sorunlara yapay zeka yardımıyla, otomatik kalite kontrolü, intihal tespiti, metodoloji ve uygun hakemlerin seçilmesi ve sürecin hızlandırılması gibi çözümler sunmaktadır.

Yapy zeka destekli hakem değerlendirme süreçlerinin faydalarını Prouzet şu şekilde sıralamaktadır (Prouzet, 2023):

• Yapay zeka destekli araçlar, hakem değerlendirmelerinde önyargıları tespit etme ve ele alma potansiyeline sahiptir.
• Makine öğrenimi algoritmaları, hakem geri bildirimlerini analiz edebilir, önyargıların kalıplarını tanımlayabilir ve editörleri olası sorunlar hakkında uyarabilir.
• Değerlendirme sürecini anonimleştirerek, yapay zeka yazarların kimliklerinden veya bağlı oldukları kurumlardan kaynaklanan önyargıları azaltmaya yardımcı olabilir.
• Bu ilerlemeler, araştırmaların öznel faktörlerin yerine, amaçlarına göre değerlendirilmesini sağlayarak şeffaflığı ve adaleti teşvik eder.

Bu teknolojik dönüşüm, insan hakemlerinin rolünü ortadan kaldırmak yerine, onların işini kolaylaştırmayı ve desteklemeyi amaçlamaktadır. Böylece akademik yayıncılıkta hem verimlilik hem de kalite artışı sağlanabilecektir.

Learned Publishing’de yayınlanan “Artificial intelligence to support publishing and peer review: A summary and review” başlıklı makaleye göre (Kousha & Thewall, 2023), otomasyonun özellikle hakem bulma sürecinde faydalı olduğunu ve gönderilen makalelerin ilk kalite kontrolünde yardımcı olabileceğini göstermektedir. Yayıncılık ve editöryal çalışmaları destekleyen birçok yazılım kullanılmakta olsa da, bunların etkinliğine dair akademik değerlendirmelerin henüz yeterli olmadığını göstermiştir.

Hakem değerlendirme süreçlerinizde size yardımcı olması adına önerebileceğimiz yapay zeka destekli araç “Taskade”dır. Taskade akran değerlendirmesi oluşturucusu sayesinde, kısa ve tarafsız incelemelerle üretkenliği artırın, büyümeye ilham verin ve iş birliğini teşvik edin.

Yapılan çalışmalardan da hareketle yapay zekadan hakem değerlendirme süreçlerinde faydalanmak birçok açıdan işleri kolaylaştırıyor olsa da bu konunun biraz daha genişletilmeye ve yapay zeka tabanlı araçlarından da çeşitlendirilmesine ihtiyaç olduğu gözükmektedir.