At İzinin “AI” İzine Karışması: Akademide Yapay Zekâ Kullanımı

Yaşar Akgün / Perspektif

Geçtiğimiz on yıl içerisinde büyük dil modellerinin gelişimi; yapay zekâ destekli araçların yayılımını ve hayatın pek çok alanındaki kullanımını da beraberinde getirmiştir. Bu yayılımın dikkat çekici tarafı, teknolojik bir yenilik olmanın ötesinde, insanın üretme, düşünme ve ifade etme biçimlerini yeniden tanımlayan bir kırılma yaratmasıdır. Uzun yıllar boyunca bilgisayarlar ile sayısal girdiler üzerinden iletişim kuran insanlık, ilk kez büyük dil modelleri ile birlikte söz konusu sayısal girdileri sosyal dil kullanımlarıyla paketlemiş; görünürde insan dilinde fakat arka planında sayısal verileri birbirleriyle eşleyen son derece sofistike bir işleyiş ile bilgisayar sistemlerine insansı bir kabiliyet atfedebilmiştir. Bu durum, “makine dili” ile “insan dili” arasındaki sınırın pratikte bulanıklaşmasına yol açmıştır. Geliştirilen sistemin çok yönlü istemlere dönüş yapabilmesi ve farklı konular özelinde çıktılar sağlayabilmesi ise sistemin sanal veya basılı ortamlarda bulunan sonsuz sayıda veri kümesinden faydalanması ve öğrendiği verileri orantısal hesaplamalarla rasyonel cevaplara dönüştürebilme yetisinde yatmaktadır.

Aynı sistemle çalışan ChatGPT, Gemini, DeepSeek ve Copilot gibi büyük dil modelleri; geçtiğimiz on yıl içerisinde yalnızca profesyonel hayattaki sektörel süreçlerde değil, başarının yazılı performansa dayandığı eğitim alanında da son derece aktif kullanılmaktadır. Öyle ki söz konusu büyük dil modelleri, yükseköğrenim kademesinde salt öğrenci özelinde kullanılan araçlar olmaktan ziyade en az öğrenciler kadar akademik personelin de güdümündeki bir imkân hâline gelmiştir. Esasında öğrencilerin bu araçları yalnızca sınava hazırlık, özet ve ödev gibi dönem içi faaliyetlerde kullandığını göz önüne alırsak; iş tanımı yalnızca öğretim ile kalmayan ve araştırma-geliştirme yapmak durumunda olan akademik personelin alan yazın taramak, verileri toplamak ve tasnif etmek, analiz edilen verileri bulgu hâline getirmek ve en nihayetinde ortaya çıkan tabloyu akademik bir dilde sunmak gibi süreçlerde bu araçlardan etkin bir biçimde faydalandığını belirtmek yanlış olmayacaktır. Bu açıdan yapay zekâ, bir “yardımcı”dan ziyade, akademik üretimin görünmez bir ortağına dönüşmektedir.

Büyük dil modellerinin henüz yeni popülerlik kazandığı zamanlarda yükseköğrenim kademesinde daha gelenekselci bir yaklaşım izlenirken günümüzde ise artan bireysel yapay zekâ kullanımı oranına kurumsal destek de iştirak etmiştir. Bu geçiş, yasaklayıcı reflekslerden yönlendirici politikalara doğru bir paradigma değişimine işaret etmektedir. İngiltere’deki en seçkin üniversitelerin yer aldığı, devletin bilimsel yaklaşım gerektiren karar alma süreçlerinde etkin rol oynayan ve ülkenin eğitim politikalarını bizatihi etkileyen Russell Group; 2023 yılında “Yapay Zekâ Araçlarının Eğitimde Kullanımına İlişkin İlkeler” (Principles on the use of generative AI tools in education) adlı raporunda, yapay zekâ araçlarının yükseköğrenimde kaçınılması gereken bir teknoloji olmaktan ziyade gerek öğrenci gerek öğretim elemanı nezdinde etkin kullanılması gereken bir imkân olduğunu belirtilmiştir. Ne var ki özellikle de yükseköğrenim kademesinde artan yapay zekâ araçlarının hangi etik çerçevede kullanılacağı ve akademik performans değerlendirmelerinde bu kullanımların hangi kıstaslarla ele alınacağı, hem ulusal hem de uluslararası ölçekte hâlâ belirsizdir. Belirsizlik ise çoğu zaman teknolojinin kendisinden değil, onu ölçmeye çalışan normların yetersizliğinden kaynaklanmaktadır.

Büyük dil modellerinin hüküm sürdüğü bu ekosistem; yapay zekâyı son derece aktif kullanan ve akademik makale yazım süreçlerinin neredeyse her alanında söz konusu araçlardan faydalanan araştırmacıların, daha geleneksel bir çizgide ilerlemeyi tercih eden, daha sınırlı ve yalnızca gerektiği ölçüde yapay zekâ araçlarından faydalanan araştırmacılardan çok daha hızlı yayın üretebileceği bir ortama zemin hazırlamaktadır. Bu hız farkı, nitelikten ziyade niceliğin ödüllendirildiği akademik sistemlerde ciddi bir avantaj anlamına gelmektedir. Söz gelimi; tek cümlesi kendisine ait olmayan bir makale sahibi benzer şekilde pek çok makale yazabilir ve yılın sonunda, yalnızca gerektiği ölçüde yapay zekâ kullanan araştırmacıdan görünürde çok daha “üretken” ve “çalışkan” olabilir. Buradaki temel sorun, üretkenlik ile katkı arasındaki ayrımın giderek silikleşmesidir. Bu durumun akademik atama ve yükseltmelerdeki performans değerlendirme süreçlerinde ne ölçüde göz önüne alınacağı ise henüz belirsizliğini korumaktadır.

Her ne kadar ortaya konulan araştırmaların özgünlüğünü saptamaya yönelik çeşitli intihal programları geliştirilse de bu programların yapay zekâ kullanım oranını saptama doğruluğu henüz iç açıcı değildir. Zira bu araçlar metinlerin çoğu zaman “nasıl yazıldığını” değil, yalnızca “neye benzediğini” ölçmektedir. Öyle ki tamamen büyük dil modeliyle yazılmış bir eserin yapay zekâ oranı son derece düşük çıkabilirken insan elinden çıkmış bir yazının yüksek oranda yapay zekâ çıktısı olduğu da saptanabilmektedir. Bu noktada; son derece prestijli akademik dergilerde yayımlanan akademik —ve bu nedenle de bilimsel otoriteyi haiz— metinlerin salt insan elinden mi, salt yapay zekâ aracılığıyla mı yoksa insan-yapay zekâ iş birliğinden mi doğduğunu bilmek günümüz şartlarında henüz mümkün görünmemektedir. 

Kısacası, doğru bildiğimiz her şeyin yeniden yapılandırıldığı bu dünyada bir deyimimizi de yapısöküme uğratacaksak: Akademide at izi gerçek anlamda “AI” izine karışmış durumdadır. Üstelik bu karışmanın akademik üretimde “yeni normal” biçimini alması işten bile değildir.