Bilgi Paketi / Ders Kataloğu
Üretken Yapay Zekâ Destekli Akademik Araştırma ve Yayın Süreçleri
Ders Kodu: TUR645
Ders Türü: Seçmeli
Ders Grubu: Doktora
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 3
Uyg.: 0
Kredi: 3
Laboratuvar: 0
AKTS: 5
Amaç

Bu dersin amacı, doktora öğrencilerinin üretken yapay zekâ (Generative Artificial Intelligence – GenAI) teknolojilerinin akademik araştırma ve yayın süreçlerindeki rolünü kavramalarını sağlamak; büyük dil modellerinin çalışma prensipleri, güçlü ve zayıf yönleri, kullanım alanları ve sınırlılıkları hakkında bilgi kazandırmaktır. Ders kapsamında öğrencilerin araştırma problemi geliştirme, literatür inceleme, akademik yazım, bilimsel iletişim ve yayın süreçlerinde üretken yapay zekâ araçlarını etik, şeffaf ve etkili biçimde kullanabilmeleri hedeflenmektedir. Ayrıca üniversitelerin ve bilimsel yayın kuruluşlarının yapay zekâ kullanımına ilişkin politika ve ilkeleri incelenerek araştırma bütünlüğü, akademik dürüstlük ve iyi bilimsel uygulamalar çerçevesinde yapay zekâ kullanımına yönelik farkındalık geliştirilmesi amaçlanmaktadır.

Özet İçerik

Bu ders; üretken yapay zekâ teknolojilerinin temel kavramlarını, büyük dil modellerinin çalışma prensiplerini, akademik araştırma ve yazım süreçlerinde yapay zekâ kullanımına yönelik güncel yaklaşımları ve uygulamaları kapsamaktadır. Ders kapsamında araştırma fikirlerinin geliştirilmesi, literatür keşfi, akademik metin oluşturma, bilimsel iletişim ve yayın süreçlerinde kullanılan yapay zekâ araçları tanıtılacaktır. Ayrıca yapay zekâ kullanımına ilişkin etik ilkeler, üniversite ve dergi politikaları, araştırma bütünlüğü, telif hakları, veri gizliliği, yanlılık, halüsinasyon ve yanlış bilgi üretimi gibi riskler ile bunların azaltılmasına yönelik stratejiler ele alınacaktır. Ders, uygulamalı örnekler ve vaka analizleri aracılığıyla öğrencilerin üretken yapay zekâ teknolojilerini bilinçli, eleştirel ve sorumlu biçimde kullanmalarını hedeflemektedir.

Dersi Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
1.Üretken yapay zekâ sistemlerinin temel çalışma mantığını açıklayabilir.
2.Büyük dil modellerinin güçlü ve zayıf yönlerini değerlendirebilir.
3.Akademik araştırma süreçlerinde yapay zekânın uygun kullanım alanlarını belirleyebilir.
4.Literatür inceleme ve akademik yazım süreçlerinde yapay zekâ araçlarını etkin kullanabilir.
5.Yapay zekâ kullanımına ilişkin etik ve bilimsel sorumlulukları açıklayabilir.
6.Yapay zekâ kaynaklı hata ve riskleri tanımlayabilir.
7.Yapay zekâ kullanımına ilişkin şeffaf raporlama ilkelerini uygulayabilir.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Dwivedi, Y. K., Hughes, L., Baabdullah, A. M., Ribeiro-Navarrete, S., Giannakis, M., Al-Debei, M. M. ve diğerleri (2023). Artificial Intelligence (AI): Multidisciplinary Perspectives on Emerging Challenges, Opportunities, and Agenda for Research, Practice and Policy.
2.Mollick, E. (2024). Co-Intelligence: Living and Working with AI. New York: Portfolio.
3.Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th Edition). Pearson.
4.Eaton, S. E. (2024). Teaching, Learning and Researching in the Age of Artificial Intelligence. University of Calgary Press.
5.Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (Ed.) (2023). Handbook of Artificial Intelligence in Education.
6.UNESCO (2023). Guidance for Generative AI in Education and Research. Committee on Publication Ethics (COPE). COPE Position Statement on Authorship and AI Tools. Elsevier. Generative AI Policies for Authors.
7.International Committee of Medical Journal Editors (ICMJE). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work.
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Bilimsel Araştırmalarda Yapay Zekâ Dönüşümü: Kavramlar, Eğilimler ve Tartışmalar
2. Hafta - Teorik
Üretken Yapay Zekâya Giriş: Büyük Dil Modelleri (LLM) ve Temel Kavramlar
3. Hafta - Uygulama
LLM'ler Nasıl Çalışır? Eğitim Süreci, Parametreler ve Çıktı Üretimi
4. Hafta - Teorik
LLM'lerin Güçlü Yönleri, Sınırlılıkları ve Halüsinasyon Problemi
5. Hafta - Teorik
Etkili Yapay Zekâ Kullanımı: Sorgu Tasarımı (Prompting) ve Doğrulama Teknikleri
6. Hafta - Teorik
Araştırma Süreçlerinde Yapay Zekâ Kullanımı: Literatür Taraması ve Bilgi Keşfi
7. Hafta - Teorik
Akademik Yazım Süreçlerinde Yapay Zekâ: Taslak Oluşturma, Düzenleme ve Dil Geliştirme
8. Hafta - Ara Sınav (Vize)
Ara sınav
9. Hafta - Teorik
Akademik Araçlar ve Yapay Zekâ Ekosistemi: ChatGPT, Claude, Gemini, Perplexity, Elicit, ResearchRabbit ve diğerleri
10. Hafta - Teorik
Teknik Altyapı: API'ler, Yerel Modeller ve Araştırmacılar İçin Temel Yapay Zekâ Araçları
11. Hafta - Teorik
İyi Bilimsel Uygulamalar: Şeffaflık, Tekrarlanabilirlik ve Yapay Zekâ Kullanımının Beyanı
12. Hafta - Teorik
Üniversite Politikaları, Dergi Politikaları ve Yayın Etiği
13. Hafta - Teorik
Yapay Zekâ Kullanımında Riskler: Yanlılık, Gizlilik, Telif Hakları, Veri Güvenliği ve Risk Azaltma Stratejileri
14. Hafta - Teorik
Yapay Zekâ Çağında Akademisyenlik ve Geleceğin Araştırma Ekosistemi
15. Hafta - Teorik
Yapay Zekâ Çağında Akademisyenlik ve Geleceğin Araştırma Ekosistemi
16. Hafta - Dönem Sonu Sınavı (Final)
Dönem sonu sınavı
Değerlendirme
Değerlendirme TürüAdetYüzde
Rapor5%20
Proje2%20
Ara Sınav (Vize)1%20
Dönem Sonu Sınavı (Final)1%40
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders141356
Proje210224
PDÖ Raporu53225
Ara Sınav1819
Dönem Sonu Sınavı110111
TOPLAM İŞ YÜKÜ (Saat)125
Program ve Öğrenme Çıktıları İlişkisi
PÇ-1
PÇ-2
PÇ-3
PÇ-4
PÇ-5
PÇ-6
PÇ-7
PÇ-8
PÇ-9
PÇ-10
PÇ-11
PÇ-12
PÇ-13
PÇ-14
OÇ-1
4
4
1
5
5
2
4
5
5
4
5
4
OÇ-2
4
5
1
4
4
3
4
5
4
5
4
4
4
OÇ-3
5
5
1
5
5
3
5
5
5
4
4
4
5
OÇ-4
4
4
1
5
4
3
5
4
4
4
5
5
4
OÇ-5
5
4
1
4
4
2
3
4
5
4
5
4
4
OÇ-6
5
4
1
4
5
1
3
4
5
5
5
5
5
OÇ-7
4
4
1
5
5
1
5
4
4
5
4
5
4
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026