Literatür taraması, tez sürecinin en çok zaman alan ve en çok yalnız kalınan aşamalarından biridir. Yüzlerce başlığı elemek, onlarca makaleyi okumak ve bunları bir kavramsal çerçeveye oturtmak haftalar sürebilir. Yapay zeka araçlarının tam bu noktada cazip görünmesi şaşırtıcı değil. Doğru kullanıldıklarında taramayı gerçekten hızlandırabilirler; yanlış kullanıldıklarında ise tezin en kırılgan yerine, kaynak gösterimine, sessizce hata yerleştirirler. Bu yazıda yapay zeka ile literatür taramasını hangi adımlarda ve hangi güvenlik önlemleriyle kullanabileceğinizi anlatıyoruz. Taramanın temel adımları için önce literatür taraması rehberimizi okumanızı öneririz.
En büyük risk: uydurma kaynaklar
Sohbet tabanlı dil modelleri, kendisine sorulan konuda “kaynak” istendiğinde, gerçekte var olmayan ama son derece inandırıcı görünen künyeler üretebilir: gerçek bir yazar adı, gerçekçi bir dergi başlığı, makul bir yıl ve sayfa aralığı. YÖK’ün üretken yapay zeka etik rehberi de bu riski açıkça sayar ve yapay zekanın ürettiği bilgilerin, özellikle kaynakların, kullanıcı tarafından doğrulanmasını ister. Tezde var olmayan bir kaynağa atıf yapmak, niyetiniz ne olursa olsun, bilimsel güvenilirliğinizi doğrudan zedeler ve jüri ya da hakem tarafından kolayca fark edilir.
Buradan çıkan kural nettir: Yapay zekadan kaynak listesi istemeyin, kaynakları veri tabanlarında bulun. Yapay zekayı, sizin bulduğunuz ve açtığınız kaynaklar üzerinde çalışmak için kullanın.
Yapay zeka destekli literatür taraması: makul kullanımlar
- Arama stratejisi kurmak: Araştırma sorunuz için anahtar kavramları, eş anlamlıları ve İngilizce karşılıkları çıkarmak, Boolean arama dizeleri (AND, OR, NOT) oluşturmak. Ortaya çıkan diziyi Web of Science, Scopus, ERIC, PubMed, TR Dizin veya YÖK Ulusal Tez Merkezi’nde siz çalıştırırsınız.
- Eleme için ön okuma: Veri tabanından indirdiğiniz makalelerin özetlerini, dahil etme ve hariç tutma ölçütlerinize göre gruplamak. Son karar, özeti ve gerekiyorsa tam metni okuyarak sizin tarafınızdan verilmelidir.
- Okuduğunuzu kontrol etmek: Bir makaleyi okuduktan sonra kendi notunuzla aracın özetini karşılaştırmak, kaçırdığınız bir noktayı fark etmenize yardımcı olabilir. Tersi, yani makaleyi okumadan yalnızca özetle yetinmek, yanlış atıfın en kısa yoludur.
- Kavramsal harita çıkarmak: Okuduğunuz çalışmaların yöntemlerini, örneklemlerini ve bulgularını bir tabloda karşılaştırmak için şablon oluşturmak. Tabloyu dolduran siz olmalısınız.
- Yabancı dildeki metni anlamak: Zorlandığınız bir paragrafı anlamak için çeviri desteği almak. Tezinize aktarırken ise özgün kaynağa atıf yapıp kendi cümlelerinizle yazmanız gerekir.
Yapay zeka ile literatür yazma neden ayrı bir konudur?
Taramada yardım almak ile literatür bölümünü yazdırmak arasında önemli bir çizgi vardır. Literatür bölümü, alandaki çalışmaları özetleyen bir liste değil; bu çalışmaları sizin araştırma sorunuz açısından değerlendiren, aralarındaki boşluğu gösteren ve kendi çalışmanızın gerekçesini kuran bir argümandır. Bu argümanı yapay zekaya yazdırmak, hem tezin en özgün kısımlarından birini devretmek hem de yapay zeka tespit araçlarında işaretlenme riskini almak anlamına gelir. Tespit raporlarının nasıl çalıştığını tezde yapay zeka tespiti yazımızda anlattık.
Yapay zekayı yazım aşamasında kullanacaksanız, sınırı dil ve imla kontrolünde tutun ve bunu beyan edin. Beyanın nasıl yazılacağını tezde yapay zeka kullanımı yazımızda örnekle gösterdik.
Sistematik derleme ve meta-analizde yapay zeka
Sistematik derleme ya da meta-analiz yapıyorsanız, tarama süreciniz zaten belgelenmek zorundadır; PRISMA akış şeması hangi kayıtların hangi gerekçeyle elendiğini gösterir. Eleme aşamasında yapay zeka destekli bir araç kullandıysanız, bunun hangi aşamada, hangi ölçütle ve nasıl denetlendiğini yöntem bölümünde raporlamanız gerekir. Tekrarlanabilirlik bu çalışmaların temelidir; bir başka araştırmacının aynı arama dizesi ve aynı ölçütlerle benzer sonuca ulaşabilmesi beklenir. Etki büyüklüklerinin çıkarılması ve birleştirilmesi ise mutlaka istatistik yazılımında, denetlenebilir biçimde yapılmalıdır.
Kaynak doğrulama kontrol listesi
- Her kaynağı DOI, yayıncı sayfası veya veri tabanı kaydı üzerinden bizzat buldunuz mu?
- Atıf yaptığınız iddia, kaynağın özetinde değil metninde gerçekten yer alıyor mu?
- Yazar adları, yıl, dergi adı, cilt, sayı ve sayfa bilgileri kaynağın kendisiyle birebir aynı mı?
- Kaynakçanız bir kaynak yöneticisinden (Zotero, Mendeley, EndNote) mi üretildi, yoksa elle mi yazıldı?
- Metin içi atıflar ile kaynakça birebir örtüşüyor mu?
Kaynakçanın biçimsel kuralları için kaynakça ve APA 7 rehberimize bakabilirsiniz.
Sık sorulan sorular
Yapay zeka ile literatür taraması yapmak etik mi?
Arama stratejisi kurmak, okuduğunuz kaynakları düzenlemek ya da yabancı dildeki bir metni anlamak için yapay zeka kullanmak, kullanımı beyan ettiğiniz ve tüm kaynakları doğruladığınız sürece makul kabul edilebilir. Kaynakları yapay zekadan almak, okunmamış kaynağa atıf yapmak ya da literatür bölümünü yazdırmak ise etik sorun yaratır.
Yapay zekanın önerdiği kaynağın gerçek olup olmadığını nasıl anlarım?
Künyedeki başlığı Google Akademik’te, DOI’yi doi.org üzerinde, dergi adını ilgili veri tabanında arayın. Bulamıyorsanız o kaynağı kullanmayın. Bulsanız bile, atıf yapacağınız iddianın metinde gerçekten yer aldığını okuyarak doğrulayın.
Literatür taramasında uzman desteği alabilir miyim?
Arama stratejisinin kurulması, veri tabanlarının seçimi, dahil etme ölçütlerinin belirlenmesi ve meta-analiz gibi nicel sentezler için yöntem desteği almak meşru ve yaygındır. Ressar, literatür bölümünüzü yazmaz; tarama stratejinizi ve varsa meta-analizinizi sizinle birlikte, şeffaf ve raporlanabilir biçimde kurar. Ayrıntılar için literatür tarama sayfamıza bakabilir, talep formu üzerinden bize ulaşabilirsiniz.
