- All Post
- Apartment
- Aralık 2025
- Aralık 2025 Başarılar
- Cottage
- House
- Research 2026 1
- Temmuz 2026
- Villa
Özyeğin Üniversitesi’nin “Global Etkisi Yüksek Girişimci Araştırma Üniversitesi” vizyonu, üniversitede üretilen bilginin kampüs sınırlarını aşarak toplumsal faydaya dönüşmesini esas alıyor. Beyond’un bu sayısında, bu yaklaşımın güncel örneklerinden biri olan SICSS Istanbul 2026’ya odaklanıyoruz.
2017’den bu yana dünyanın farklı noktalarında düzenlenen Summer Institutes in Computational Social Science (SICSS) ağının İstanbul programı, bu yıl Özyeğin Üniversitesi’nin ev sahipliğinde gerçekleşti. “Büyük Dil Modelleri Çağında Sosyal Bilimler” temasıyla düzenlenen program, farklı disiplinlerden 22 genç araştırmacıyı bir araya getirdi. Katılımcılar; büyük dil modellerinin sosyal bilimlerdeki kullanımını, sunduğu yeni araştırma yöntemlerini ve beraberinde getirdiği etik ve metodolojik soruları ele aldı.
Özyeğin Üniversitesi öğretim üyesi ve SICSS Istanbul Koordinatörü Doç. Dr. H. Akın Ünver ile büyük dil modellerinin sosyal bilim araştırmalarını nasıl değiştirdiğini, farklı üniversitelerin katkısıyla gelişen araştırma ekosistemini ve yapay zekâ destekli çalışmalarda bilimsel güvenin nasıl korunabileceğini konuştuk.
Büyük dil modellerini artık bir analiz aracı olarak görmek yeterli değil. LLM’ler, sosyal bilimcilerin kod yazımından metin analizine, veri temizliğinden araştırma tasarımına kadar pek çok aşamada kullandığı temel bir arayüze dönüştü. İnsanlar gibi niyet ve iradeye sahip sosyal aktörler değiller. Ancak bilgi üretimini, iletişimi ve karar alma süreçlerini etkiledikleri için toplumsal sistemlerin giderek daha görünür bir parçası hâline geliyorlar.
Geçmişte hesaplamalı sosyal bilimler eğitiminde önce programlama öğrenilir, ardından metin analizi, ağ analizi veya makine öğrenmesi gibi yöntemlere geçilirdi. Bugün bir araştırmacı bu yöntemlerin pek çoğuna bir LLM üzerinden erişebiliyor. Bu da araştırmaya giriş eşiğini ciddi ölçüde düşürüyor.
Ancak modelin ikna edici bir çıktı üretmesi veya çalışan bir kod yazması, sonucun bilimsel açıdan doğru olduğu anlamına gelmiyor. Bu nedenle SICSS Istanbul 2026’da modellerin nasıl kullanılacağı kadar, nerelerde hata yaptıkları, çıktılarının nasıl doğrulanacağı ve sosyal bilimsel muhakemenin nasıl korunacağı üzerinde de durduk.
Hesaplamalı sosyal bilimler, tek bir disiplinin veya üniversitenin sınırları içinde gelişebilecek bir alan değil. Bilgisayar bilimleri, siyaset bilimi, sosyoloji, ekonomi, psikoloji, iletişim ve veri bilimi gibi farklı alanların sürekli temas hâlinde olması gerekiyor. SICSS Istanbul’un temelinde de bu disiplinlerarası yaklaşım yer alıyor.
Programı başından beri Özyeğin Üniversitesinde düzenlenen bir yaz okulunun ötesinde, Türkiye’de ve bölgede bu alanda çalışan araştırmacıları düzenli olarak buluşturan ortak bir platform olarak görüyoruz. Farklı üniversitelerden akademisyenlerin aynı programda ders vermesi, yöntem paylaşması ve genç araştırmacılarla birlikte çalışması önemli bir bilgi dolaşımı yaratıyor.
Sürdürülebilir bir topluluk, tek bir etkinlikle oluşmuyor. Katılımcıların, eğitmenlerin ve kurumların yıllar içinde yeniden bir araya gelmesi, ortak projeler geliştirmesi ve yeni araştırmacıları bu çevreye dâhil etmesi gerekiyor. SICSS Istanbul’un uzun vadeli hedefi de etkinlik sonrasında devam eden ilişkilerle kalıcı ve üretken bir araştırma ekosistemi kurmak.
Bir yaz okulunun etkisini iki haftalık ders programıyla ölçmek eksik kalır. Asıl belirleyici olan, program bittikten sonra katılımcıların birbirleriyle ve programla kurdukları ilişkinin sürmesidir. SICSS’in en değerli özelliklerinden biri, bu ilişkinin zaman içinde güçlenmesi.
Geçmiş yıllarda programa öğrenci olarak katılan bazı araştırmacıların birkaç yıl sonra kendi uzmanlık alanlarında eğitmen olarak geri dönmesi bizim için çok anlamlı. Bu durum, SICSS’in bilgi aktaran bir eğitim programından kendi araştırmacı topluluğunu yetiştiren bir yapıya dönüştüğünü gösteriyor.
Bu döngü genç araştırmacılar için de güçlü bir örnek oluşturuyor. Karşılarında alanın kıdemli isimlerinin yanında, birkaç yıl önce kendileriyle benzer aşamalardan geçmiş araştırmacıları görüyorlar. Aynı zamanda önceki dönemlerde edinilen deneyimler ve geliştirilen araştırma soruları yeni katılımcılara aktarılıyor. Böylece programın bilgi birikimi her yeni kuşakla birlikte güçleniyor.
LLM’ler belirli toplumsal grupların, demografik profillerin veya siyasi bakış açılarının dilsel ve davranışsal örüntülerini belli ölçülerde simüle edebiliyor. Bu da araştırmacılara saha çalışmasına başlamadan önce hipotezlerini test etme, soru formlarını deneme ve farklı senaryoların olası sonuçlarını görme imkânı sunuyor.
Ancak sentetik bir kamuoyu gerçek kamuoyunun yerine geçemez. Bir modelin belirli bir grubun nasıl düşüneceğini tahmin etmesiyle o gruptaki gerçek insanların deneyimlerini ve düşüncelerini ölçmek aynı şey değildir. Modeller, beslendikleri verilerdeki eksiklikleri, önyargıları ve temsil sorunlarını da sonuçlarına taşıyabilir.
Bu nedenle SICSS’te LLM tabanlı simülasyonları saha araştırmalarının tamamlayıcı bir aşaması olarak ele aldık. Gelecekte araştırmacılar belirli varsayımları önce sentetik ortamlarda test edip ardından anket, deney, görüşme veya gerçek davranışsal verilerle doğrulayabilir. Asıl metodolojik yenilik, sentetik sonuçlarla gerçek saha verilerini güvenilir biçimde bir araya getirmek olacak.
Hesaplamalı sosyal bilimlerde pek çok araştırma sorusu artık üniversitelerin kendi ürettiği verilerin ötesine uzanıyor. İş ilanları, dijital platformlar, sosyal medya ve çevrimiçi davranışlar gibi geniş ölçekli veri kaynaklarının önemli bir bölümü özel sektörün elinde bulunuyor. Bu nedenle akademi ile sektör arasında güvene dayalı bir ilişki kurulması giderek daha fazla önem kazanıyor.
Kariyer.net gibi kurumlarla yapılan buluşmalar, katılımcıların gerçek hayattaki veri sorunlarını görmesine olanak tanıyor. Akademide araştırmaya hazır ve temizlenmiş veri setleriyle çalışmakla milyonlarca gözlem içeren, eksik, karmaşık ve etik sınırları bulunan verilerle çalışmak arasında ciddi bir fark var.
Bu temas, “Yapabiliyor muyuz?” sorusunun yanına “Yapmalı mıyız?” sorusunu da ekliyor. Veri mahremiyeti, algoritmik ayrımcılık, temsil sorunları ve sorumlu yapay zekâ gibi konular akademi ile sektör arasında açık bir diyalog kurulduğunda daha sağlıklı ele alınabiliyor. Böylece teknik açıdan güçlü, uygulanabilir ve toplumsal sonuçları gözeten araştırmalar üretilebiliyor.
Bu konu, LLM çağında sosyal bilimlerin karşı karşıya olduğu en önemli metodolojik meselelerden biri. Geleneksel bir araştırmada kullandığımız veriyi, kodu ve yöntemi paylaşarak başka bir araştırmacının aynı analizi yeniden üretmesini bekleriz. LLM tabanlı araştırmalarda ise model sürümü değişebiliyor, aynı prompt farklı zamanlarda farklı sonuçlar verebiliyor ve modelin çıktıya nasıl ulaştığı tam olarak görülemeyebiliyor.
Bu nedenle bir araştırmada “GPT kullandık” demek yeterli değil. Hangi modelin ve sürümün kullanıldığı, hangi promptların verildiği, sıcaklık ayarı ve diğer parametreler, çıktının kaç kez üretildiği ve sonuçların hangi yöntemlerle doğrulandığı açık biçimde raporlanmalı.
SICSS Istanbul 2026’da katılımcılardan çalışan bir sonuç üretmelerinin yanında, o sonuca nasıl ulaştıklarını da belgelemelerini istedik. Bilimsel güven, modelin ne kadar etkileyici göründüğünden çok, araştırma sürecinin ne kadar şeffaf, sınanabilir ve yeniden üretilebilir olduğuna bağlı. Yapay zekânın sosyal bilimlerde güvenilir bir araştırma altyapısına dönüşmesinin temel koşulu da bu.
