Yapay Zeka İnsan Deneyimlerinden Anlamlı Kalıplar Çıkaramıyor mu?
Araştırmacılar, yapay zekanın insanların sözlerinden anlamlı içgörüler mi ortaya çıkardığını, yoksa bunları yalnızca kategorilere mi ayırdığını…
Araştırmacılar, yapay zekanın insanların sözlerinden anlamlı içgörüler mi ortaya çıkardığını, yoksa bunları yalnızca kategorilere mi ayırdığını belirlemek için yeni bir yöntem geliştirdi.
Görüşmelerden ve odak gruplarından açık uçlu anket yanıtlarına kadar araştırmacılar, insanların deneyimlerini ve bakış açılarını daha iyi anlamak için söylediklerindeki kalıpları ararlar. Ancak anlamlı temaları belirlemek zaman alır ve insanların sözlerini yorumlamak, benzer yanıtları basitçe gruplandırmaktan daha fazlasını gerektirir.

Yapay zekanın önemli incelikleri kaybetmeden anlamlı kalıplar belirleyip belirleyemeyeceğini saptamak için Missouri Üniversitesi’nden gazetecilik, veri bilimi ve hemşirelik alanlarından uzmanlar bir ekip, bilgisayar tarafından oluşturulan konuları değerlendirmek üzere bir yöntem geliştirdi. Bu yaklaşım, söz konusu konuların insan araştırmacılar tarafından belirlenen temalarla ne kadar örtüştüğünü ve bilgilerin anlaşılmasına ne ölçüde katkı sağladığını inceliyor.
Missouri Gazetecilik Okulu’nda yardımcı doçent olan ve aynı zamanda MU Veri Bilimi ve Bilişim Enstitüsü’nde ortak görev yapan Chau Tong, “Yapay zeka, araştırmacıların büyük miktardaki bilgi arasında kalıpları görmesine yardımcı olabilir. Ancak asıl soru, bu kalıpların insanların deneyimleri hakkında bize ne anlattığıdır,” diyor.

“Farklı uzmanlık alanlarını bir araya getirerek, bu araçların araştırmaları nasıl desteklediğini ve insan muhakemesinin nerede hâlâ vazgeçilmez olduğunu daha iyi değerlendirebiliriz.”
Ekip, “Uyum ve Faydalılık Değerlendirme Denetimi” (AURA) olarak adlandırılan bu değerlendirme çerçevesini, hemşirelik fakültesi üyeleri, uygulayıcılar ve öğrencilerin üretken yapay zeka ile ilgili deneyimlerine dair 32 görüşmeyi analiz ederek test etti.
Araştırmacılar önce görüşmelerdeki temel temaları belirledi, ardından bulgularını bir bilgisayar modeli tarafından oluşturulan konularla karşılaştırdı. Yapay zeka, insan araştırmacıların belirlediği geniş temaların çoğunu yakaladı, ancak genellikle anlam ve bağlamdaki önemli ayrımları gözden kaçırdı.
İnsan araştırmacılar tarafından belirlenen 12 temadan on biri, bilgisayar modeli tarafından oluşturulan en az bir konuyla yakından eşleşti. Ancak bu eşleşme, modelin bir temanın tüm anlamını yakaladığı veya bilgiyi en faydalı şekilde düzenlediği anlamına gelmiyordu.
Model bazen birkaç farklı temayı tek bir geniş konu altında birleştirirken, bazen de tek bir temayı daha küçük birkaç bölüme ayırdı.
Mizzou’nun Sinclair Hemşirelik Okulu’nda yardımcı doçent olan ve aynı zamanda MU Veri Bilimi ve Bilişim Enstitüsü’nde ortak görev yapan John Robert Bautista, “İnsanlar görüşmelerde konuşurken genellikle baştan sona tek bir konuya bağlı kalmazlar,” diyor. “Yapay zeka, bu konuşmaları düzenleyerek araştırmacıların insanların ne dediğini daha kolay görmesine yardımcı olabilir.”
Yapay zeka, araştırmacıların büyük miktardaki bilgiyi düzenlemesine ve kalıpları tespit etmesine yardımcı olsa da ekip, modelin insan analistlerin bulgularının ötesinde tutarlı bir şekilde anlamlı yeni içgörüler ürettiğine dair daha az kanıt buldu.
MU Veri Bilimi ve Bilişim Enstitüsü’nde doktora araştırmacısı olan Temitope Eyinla, “Bulgularımız, bu teknolojinin araştırmacıların büyük görüşme, odak grubu ve anket yanıtlı koleksiyonlarını yönetmesine yardımcı olabileceğini gösteriyor,” diyor. “Ancak sonuçları yorumlamada insan uzmanlığı hâlâ merkezi bir rol oynuyor.”
Bu değerlendirme, insanların bakış açılarını anlamak hayati önem taşıyan hasta deneyimleri, eğitimdeki zorluklar ve iş yeri sorunları gibi konulardaki araştırmaları destekleyebilir. Ancak çalışma nispeten küçük bir görüşme setini incelediği için, AURA’nın farklı konular ve araştırma türleri ne ölçüde işe yaradığını belirlemek amacıyla ek testlere ihtiyaç var.
Çalışma Uluslararası Nitel Yöntemler Dergisi’nde yayımlandı.